تخمین کربن آلی خاک با استفاده از مدل‌های شبکه عصبی مصنوعی و رگرسیون خطی چندگانه بر اساس پردازش تصاویر رنگی

نویسندگان

1 گروه علوم خاک، دانشگاه اورمیه، ارومیه، ایران

2 گروه مکانیک بیوسیستم، دانشگاه اورمیه، ارومیه، ایران

3 گروه مکانیک بیوسیستم، دانشگاه اورمیه، ارومیه، ایران

doi
10.22067/jam.v8i1.59228
چکیده

کربن آلی خاک منبع عظیمی از مواد مغذی برای گیاه بوده و به‌عنوان عاملی فعال در گسترش ساختمان خاک، نقش مهمی در بهبود حاصل‌خیزی خاک‌های کشاورزی دارد. هدف اصلی از این پژوهش، تخمین میزان کربن آلی خاک در زمین‌های کشاورزی با استفاده از یک روش ساده، سریع و کم هزینه می‌باشد. 80 نمونه خاک از مزارع کشاورزی شمال آذربایجان غربی تا جنوب استان به‌صورت انتخابی جمع‌آوری شد و پس از تعیین مقدار کربن آلی نمونه‌ها در آزمایشگاه، نمونه‌ها در شرایط کنترل شده مورد تصویربرداری قرار گرفتند. تصاویر رنگی در چندین فضای رنگی مختلف تحلیل شدند و در هر فضای رنگی، مدل‌های شبکه عصبی و رگرسیون چندگانه برای برآورد میزان کربن آلی خاک توسعه یافت. نتایج مدل‌سازی خطی نشان داد که بالاترین ضریب همبستگی در فضاهای رنگی LAB و LUV به‌ترتیب 0/91 و 0/92 برای مدل‌های استخراج شده از مؤلفه‌های این فضاها و کربن آلی خاک به‌دست آمد. نتایج حاصل از طبقه‌بندی به‌وسیله شبکه عصبی نشان داد که ضریب همبستگی در فضای RGB‌ بالاترین مقدار را داشته و برابر با 0/94 بوده است. نتایج نشان داد که در تمامی فضاها مدل‌سازی شبکه عصبی دقت مدل را افزایش داده است.