مدیریت کودپاشی مراتع با استفاده از مدلهای شبکه عصبی مصنوعی در مراتع نازلوچای استان آذربایجان غربی
نویسندگان
1 استادیار پژوهشی ، بخش تحقیقات مرتع، موسسه تحقیقات جنگلها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران
2 دانش آموخته کارشناسی ارشد مرتعداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ایران.
3 دانشیار، گروه مرتع و آبخیزداری،دانشکده منابع طبیعی، دانشگاه ارومیه، ایران
4 دانشیار پژوهشی ، بخش تحقیقات مرتع، موسسه تحقیقات جنگلها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران،
5 استادیار، گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و محیط زیست، دانشگاه ملایر، ملایر، همدان، ایران
doi
10.22092/ijrdr.2020.115279.1638چکیده
در صورت بهرهبرداری مداوم از علوفه مرتع در صورتی که عناصر مهمی همانند NPC به خاک برنگردد، موجب میشود اراضی مرتعی حاصلخیزی خود را از دست بدهند. بنابراین، امروزه در حوزه مدیریت مراتع، اصلاح و احیاء مراتع اهمیت بالایی پیدا کرده است. یکی از روشهای اصلاح مراتع، کودپاشی میباشد. اگر عملیات کودپاشی متناسب با شرایط اقلیمی، وضعیت پوشش و خصوصیات خاک انجام شود، باعث بهبود مرتع میگردد. در غیر این صورت سبب افزایش غلظت املاح و سمی شدن خاک، آلودگی آبها و خشک شدن گیاهان میشود. هدف از این پژوهش ارائه مدلی مبتنی بر استفاده از شبکه عصبی مصنوعی است که روابط بین کربن آلی، نیتروژن و فسفر خاک مرتع و عوامل گیاهی و ادافیکی مؤثر بر آن را بیان کند که بر مبنای نتایج آن، بتوان در زیستبومهای مرتعی فاقد آمار، عناصر مذکور را بهمنظور مدیریت کودپاشی برآورد نمود. در این پژوهش متغیرهای وابسته شامل کربن آلی، نیتروژن و فسفر خاک مراتع نازلوچای ارومیه بودند. هشت عامل هدایت الکتریکی، اسیدیته، درصد رس، درصد سیلت، درصد شن، میزان آهک، تولید و درصد تاج پوشش گیاهان مرتعی نیز بهمنظور انجام تحلیل عاملی انتخاب گردیدند. سپس با استفاده از شبکه عصبی پرسپترون چند لایه با توابع انتقالی سیگموئید و تانژانت هیپربولیک و آکسون خطی در لایه پنهان و تابع انتقال خطی در لایه خروجی، میزان کربن آلی، نیتروژن و فسفر خاک مراتع تخمین زده شد. نتایج نشان داد که تابع انتقال سیگموئید برای نیتروژن، فسفر و کربن آلی خاک مرتع با ضریب تبیین بهترتیب 70/0، 66/0 و 79/0 و میانگین مربعات خطای بهترتیب 008/0، 21/0 و 08/0 نسبت به تابع انتقال تانژانت هیپربولیک و آکسون توانسته است بخوبی کربن آلی، نیتروژن و فسفر خاک مرتع را مدلسازی کند. بنابراین با توجه به نتایج مذکور، شبکه عصبی توانست با دقت بالایی میزان کربن آلی، نیتروژن و فسفر خاک مرتع را در تیپهای مرتعی که فاقد نمونهبرداری مقادیر NPC بودند، پیشبینی کند. در مورد کودپاشی در تیپهای مرتعی فاقد آمار، بر اساس میزان نیتروژن، فسفر و کربن آلی تخمین زده شده خاک تصمیمگیری شد. بدین صورت کهبر اساس نتایج، تیپ گیاهی Astragalus gummifera- prangos uloptera-Bromus tomentellus نیاز به کود فسفره و نیتروژنه دارد. تیپ گیاهی Onobrychis cornuta- Festuca ovina-Thymus kotschyanus نیازمند کود فسفره و تیپ گیاهی Astragalus macrostachys- Noeae mucronata-Stipa barbata به مواد آلی و کود نیتروژنه و فسفره نیاز دارد.
