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.2024.86792.1385چکیده
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.