مقایسه روشهای نروفازی، الگوریتم ژنتیک، شبکه عصبی، و رگرسیون چندمتغیره در پیشبینی شوری خاک (مطالعه موردی: شهرستان اردکان)
نویسندگان
1 استاد گروه مهندسی علوم خاک، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران
2 استادیار پژوهشی، مرکز تحقیقات کشاورزی و منابع طبیعی اصفهان
3 کارشناس سنجش از دور و GIS، مرکز ملی تحقیقات شوری
4 استادیار دانشکدة کشاورزی و منابع طبیعی دانشگاه اردکان
5 استاد گروه مهندسی علوم خاک، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران
6 استاد گروه مهندسی ماشین¬آلات کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران
7 عضو هیئت علمی مرکز ملی تحقیقات شوری
doi
10.22059/jrwm.2013.35573چکیده
در سالهای اخیر از روشهای غیرمستقیم برای برآورد شوری خاک استفاده میشود. بدین منظور، در این پژوهش ششصد نمونة جمعآوریشده از منطقة اردکان آزمایش شد و قرائتهای افقی -عمودی دستگاه القای الکترومغناطیس و پارامترهای سطح اراضی ـ شامل شاخص اراضی، شاخص خیسی، و انحنای شیب ـ به عنوان ویژگیهای زودیافت استفاده شد و میزان شوری خاک به صورت وزنی در اعماق 30 و 100 سانتیمتری به عنوان ویژگیهای دیریافت تخمین زده شد. در این زمینه، دادهها به دو سری تقسیم شد: سری آموزشی (80% دادهها)؛ سری ارزیابی (20% دادهها). به منظور مدلسازی و پیشبینی شوری، از مدلهای نروفازی، شبکة عصبی مصنوعی، الگوریتم ژنتیک، و رگرسیون چندمتغیره استفاده شد. نتایج ارزیابی مدلها ـ بر اساس شاخصهای ریشة مربعات خطا، میانگین خطا، خطای استاندارد نسبی، و ضریب تبیین ـ نشان داد که مدل نروفازی دارایِ بالاترین دقت در پیشبینی ویژگیهای خاک است، به طوری که این مدل به میزان 17 و 11 درصد دقتِ پیشبینی شوری را، بهترتیب، در اعماق 30 و 100 سانتیمتری، نسبت به روش رگرسیون خطی چندگانه، افزایش داده است. پس از این مدل، الگوریتم ژنتیک و شبکههای عصبی مصنوعی، نسبت به معادلات رگرسیونی، کارآیی بهتری داشت.
