برآورد برخی ویژگی‌های دیریافت خاک‌های استان کرمان با استفاده از توابع انتقالی رگرسیونی و شبکه عصبی مصنوعی

نویسندگان

1 استادیار گروه علوم خاک دانشگاه ولی عصر (عج) رفسنجان

2 دانشجوی سابق کارشناسی ارشد علوم خاک دانشگاه ولی عصر (عج) رفسنجان

doi
10.22092/ijsr.2012.126517
چکیده

اندازه‌گیری برخی از ویژگی‌های مهم خاک، ممکن است دشوار، بسیار وقت‌گیر و پرهزینه باشد. بنابراین، تخمین این گونه از ویژگی­های خاک با استفاده از ویژگی­های زودیافت خاک، می­تواند مفید باشد. به این روابط، توابع انتقالی خاک (PTFs) می­گویند. این پژوهش به­منظور ایجاد توابع انتقالی خاک برای برآورد گنجایش زراعی (FC)، نقطه پژمردگی دائم (PWP) و گنجایش تبادل کاتیونی خاک (CEC) برای خاک­های استان کرمان انجام شد. بنابراین، تعداد 100 نمونه خاک از مناطق مختلف استان کرمان (کرمان، بردسیر، رفسنجان، شهربابک، سیرجان و ارزوئیه بافت) و از لایه صفر تا 30 سانتی­متر گرفته شد. سپس ویژگی­های دیریافت (FC ، PWP و CEC) و زودیافت (درصد رس، سیلت، شن، آهک، ماده آلی و گچ) خاک­ها اندازه­گیری گردید. در روش رگرسیون، برای FC درصد رس، شن و گچ، برای PWP درصد رس و برای CEC درصد رس و ماده آلی، اثرات معنی­داری در مدل­های ایجادشده نشان دادند. ضرایب تبیین (R2) به­ترتیب برای FC، PWP و CEC برابر 86/0، 45/0 و 94/0 محاسبه شدند. بهترین PTFs ها توسط شبکه عصبی مصنوعی برای FC، PWP و CEC با 6 لایه­ی پنهان و در نظر گرفتن تمامی ورودی­ها به­دست آمد (ضریب تبیین به­ترتیب برابر 98/0، 93/0 و 99/0). دقت در روش شبکه عصبی نسبت به روش رگرسیون بیش­تر بود. نتایج نشان داد که اگر تعداد ویژگی­های زودیافت اندازه­گیری­شده زیاد نباشند، می­توان از مدل­های رگرسیونی با دقت قابل قبولی استفاده کرد. اگر تعداد ویژگی­های زودیافت اندازه­گیری­شده زیاد بود، آن­گاه مدل شبکه عصبی، نتایج بسیار دقیق­تری ارائه می­نماید. دقت مدل شبکه عصبی با کاهش تعداد پارامترهای زودیافت (ورودی­ها)، کاهش یافت.