فهرست نشریات علمی دسترسی آزاد ایران

تغییر اقلیم اثرات گسترده‌ای بر عملکرد خاک دارد؛ به‌ویژه از طریق حساسیت تنفس میکروبی به دما که با ضریب حساسیت دمایی (Q10)  سنجیده می‌شود. این پژوهش با هدف شناسایی عوامل مؤثر بر این ضریب و ارزیابی کارایی الگوریتم‌های یادگیری ماشین انجام شد.در این مطالعه از داده‌های مربوط به ۳۳۲ نمونه خاک از ۲۹ کشور جهان استفاده شد و ضریب حساسیت دمایی در سه سطح کم، متوسط و زیاد طبقه‌بندی گردید. شش الگوریتم شامل جنگل تصادفی، ماشین بردار پشتیبان، نزدیک‌ترین همسایگی، رگرسیون لجستیک، تقویت گرادیانی و شبکه عصبی چندلایه به‌کار گرفته شدند. عملکرد مدل‌ها با شاخص‌های دقت، سطح زیر منحنی مشخصه عملکرد گیرنده (ROC) و سطح زیر منحنی دقت–بازخوانی (PRC) مقایسه شد. نتایج نشان داد جنگل تصادفی بالاترین کارایی را داشته است؛ به‌گونه‌ای که با دقت /0 ± 1170/0، مقدارROC  برابر با 8150/0 ± 080/0 و مقدار PRC برابر با 7530/0 ± 0960/0 بر سایر مدل‌ها برتری داشت. برای تفسیر نتایج از روشSHAP  به‌عنوان رویکرد هوش مصنوعی توضیح‌پذیر استفاده شد. این تحلیل نشان داد تنفس ناشی از گلوکز، غنای قارچی و شوری خاک مهم‌ترین عوامل مؤثر بر ضریب حساسیت دمایی هستندد. این یافته‌ها با ارائه تصویری روشن از نقش ترکیبی ویژگی‌های خاکی و میکروبی، توان الگوریتم‌های یادگیری ماشین و روش‌های توضیح‌پذیر را در تحلیل پاسخ خاک به گرمایش جهانی نشان می‌دهند.