مدل‌سازی مقاومت فروروی خاک با استفاده از رگرسیون، شبکه عصبی مصنوعی و برنامه‌ریزی بیان ژن

نویسندگان

1 گروه علوم و مهندسی خاک، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران

2 گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران

3 گروه علوم و مهندسی خاک، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران

doi
10.22067/jsw.2024.86792.1385
چکیده

اطلاع از مقاومت فروروی (PR) خاک از نظر جوانه­زنی بذر، رشد ریشه و عملیات خاک­ورزی اهمیت فراوان دارد. اندازه­گیری مستقیمPR  خاک به­دلیل تغییرپذیری مکانی و زمانی شدید آن، کاری پرزحمت و گران می­باشد. هدف از این پژوهش، ارایه مدل­های رگرسیون خطی (MLR)، شبکه عصبی مصنوعی (ANN) و برنامه­ریزی بیان ژن (GEP) برای برآورد PR از روی ویژگی­های زودیافت خاک بود. در مجموع 80 نمونه خاک سطحی (0 تا cm 10) دست­خورده و دست­نخورده (با استفاده از استوانه­های استیل به قطر و ارتفاع 5 سانتی­متر) از اراضی جنگلی، مرتعی و زراعی منطقه فندقلوی اردبیل در تابستان 1402 برداشته شد سپس برخی خصوصیات فیزیکی و شیمیایی زودیافت خاک در آنها اندازه­گیری شد. مقاومت فروروی خاک به­طور درجا در محل با استفاده از یک فروسنج مخروطی تعیین گردید و همزمان رطوبت خاک مزرعه در استوانه­ها اندازه­گیری شد. داده­ها به­طور تصادفی به دو گروه آموزشی (60 نمونه) و آزمونی (20 نمونه) تقسیم گردید. مدل­های MLR، ANN و GEP به­ترتیب با استفاده از نرم­افزارهای SPSS، MATLAB و Gene Xpro Tools ایجاد شدند. نتایج مدل­سازی نشان داد که رطوبت خاک مزرعه، سیلت و جرم مخصوص ظاهری نسبی، مهمترین متغیرهای ورودی در برآورد PR خاک بودند. مقادیر آماره­های ضریب تبیین (R2)، مجذور میانگین مربعات خطا (RMSE)، میانگین خطا (ME) و ضریب نش-ساتکلیف (NS) براساس داده­های آزمونی برابر 44/0، MPa 19/1، MPa 19/0 و 36/0، 92/0، MPa 41/0، MPa 05/0- و 92/0، 79/0، MPa 91/0، MPa 13/0 و 63/0 به­ترتیب برای بهترین مدل MLR، ANN و GEP تعیین گردید. براساس نتایج آماره­های ارزیابی مدل­ها، می­توان گفت که در منطقه مورد مطالعه، مدل ANN از بیشترین دقت و مدل MLR از کمترین دقت در برآورد PR خاک برخوردار بود.