الهام مهرابی گوهری؛ حمید رضا متین فر؛ روح الله تقی زاده مهرجردی؛ اعظم جعفری
چکیده
طیف‌سنجی مرئی و مادون قرمز نزدیک (VIS-NIR) به طور گستردهای برای تخمین خصوصیات فیزیکی خاک و اخیرا برآورد بافت خاک استفاده میشود. مطالعه حاضر با هدف پیش‌بینی احتمالی بافت خاک با استفاده از اندازهگیریهای طیفی و مدل‌های شبکه عصبی مصنوعی و رگرسیون حداقل مربعات جزئی انجام گرفته است. بر اساس تکنیک هایپرکیوب، محل 115 پروفیل شناسایی و سپس ...
بیشتر
طیف‌سنجی مرئی و مادون قرمز نزدیک (VIS-NIR) به طور گستردهای برای تخمین خصوصیات فیزیکی خاک و اخیرا برآورد بافت خاک استفاده میشود. مطالعه حاضر با هدف پیش‌بینی احتمالی بافت خاک با استفاده از اندازهگیریهای طیفی و مدل‌های شبکه عصبی مصنوعی و رگرسیون حداقل مربعات جزئی انجام گرفته است. بر اساس تکنیک هایپرکیوب، محل 115 پروفیل شناسایی و سپس نمونهبرداری از افق‌های خاک انجام گرفت، درصد شن و رس و سیلت نمونه‌های خاک اندازه‌گیری شد. رگرسیون حداقل مربعات جزئی (PLSR) و شبکه عصبی مصنوعی (ANN) برای مدل‌سازی درصد رس، شن و سیلت خاک مقایسه شدند. نتایج این بررسی نشان داد که شبکه عصبی مصنوعی نسبت به رگرسیون حداقل مربعات جزئی کارایی بهتری داشت، برای هر دو مدل از محدوده خاصی از طول موج (بین 400 -2450 میکرون با اعمال پیش‌پردازش‌ها و حذفیات یکسان) استفاده گردید. هنگامی که مدل رگرسیون مربعات جزئی اجرا شد، دقت بسیار پایینی داشت (R2 ~0.1-0.3)، در مقابل، روش شبکه عصبی-مصنوعی مقدار R2 به ترتیب برای رس، شن و سیلت 70/0, 76/0و 73/0 بود و میانگین ریشه مربعات خطا به ترتیب 14/9، 54/5 و 01/7 گرم بر کیلوگرم براساس داده‌های آزمون (20 درصد) به دست آمد که نشان دهنده دقت بالاتر و خطای کمتر مدل شبکه عصبی-مصنوعی می‌باشد. از آنجایی که رابطه بین درصد ذرات خاک و بازتاب طیفی خاک خطی نیست، به نظر می‌رسد روش شبکه عصبی-مصنوعی برای بررسی و تجزیه و تحلیل رابطه بین اجزای بافت خاک و داده‌های طیفی مناسب باشد.
شلیر اسکندری؛ کمال نبی اللهی؛ روح الله تقی زاده مهرجردی
چکیده
کربن آلی خاک یکی از خصوصیات مهم خاک می‌باشد که اطلاعات پیرامون تغییرات مکانی آن جهت مدیریت زراعی، تخریب اراضی و مطالعات زیست محیطی حائز اهمیت می‌باشد. هدف از این پژوهش استفاده از روش شبکه عصبی مصنوعی برای تهیه نقشه کربن آلی خاک می‌باشد. بنابراین، تعداد 137 نمونه خاک از عمق 30-0 سانتی‌متری خاک‌های منطقه مریوان استان کردستان برداشت ...
بیشتر
کربن آلی خاک یکی از خصوصیات مهم خاک می‌باشد که اطلاعات پیرامون تغییرات مکانی آن جهت مدیریت زراعی، تخریب اراضی و مطالعات زیست محیطی حائز اهمیت می‌باشد. هدف از این پژوهش استفاده از روش شبکه عصبی مصنوعی برای تهیه نقشه کربن آلی خاک می‌باشد. بنابراین، تعداد 137 نمونه خاک از عمق 30-0 سانتی‌متری خاک‌های منطقه مریوان استان کردستان برداشت شده و خصوصیت کربن آلی خاک اندازه‌گیری شد. متغیرهای محیطی که در این پژوهش استفاده شد شامل اجزاء سرزمین و داده‌های تصویر +ETM ماهواره لندست می‌باشد. جهت ارتباط دادن بین کربن آلی خاک و متغیرهای کمکی، از مدل شبکه عصبی مصنوعی بهره گرفته شد. بر اساس نتایج انالیز حساسیت به روش رپر، برای پیش‌بینی کربن آلی خاک، متغییرهای کمکی شامل شاخص خیسی، شاخص همواری دره، فاکتور LS، شاخص NDVI و باند 3 مهم‌ترین بودند. نتایج این تحقیق نشان داد که مدل شبکه عصبی مصنوعی دارای 80/0، 01/0- و 67/0 به ترتیب برای ضریب تبیین، میانگین خطا و میانگین ریشه مربعات خطا می‌باشد. لذا پیشنهاد میشود که جهت تهیه نقشه رقومی خاک از مدل‌های شبکه عصبی مصنوعی در مطالعات آینده استفاده شود.
روح الله تقی زاده مهرجردی؛ علیرضا امیریان چکان؛ فریدون سرمدیان
چکیده
ظرفیت تبادل کاتیونی خاک از جمله خصوصیات مهم خاک می باشد که در پایگاه های داده ای مربوط به خاک و به عنوان ورودی در مدل های زیست محیطی و نیز مدل های مربوط به خاک به کار می رود. این مقاله از یک روش جدیدبرای پیش بینی تغییرات مکانی ظرفیت تبادل کاتیونی خاک به طور پیوسته (تا عمق یک متر) در منطقه دورود استان لرستان بهره می گیرد. در مطالعه حاضر از ...
بیشتر
ظرفیت تبادل کاتیونی خاک از جمله خصوصیات مهم خاک می باشد که در پایگاه های داده ای مربوط به خاک و به عنوان ورودی در مدل های زیست محیطی و نیز مدل های مربوط به خاک به کار می رود. این مقاله از یک روش جدیدبرای پیش بینی تغییرات مکانی ظرفیت تبادل کاتیونی خاک به طور پیوسته (تا عمق یک متر) در منطقه دورود استان لرستان بهره می گیرد. در مطالعه حاضر از ترکیب معادلات عمق اسپیلاین با نواحی یکسان و تکنیک نقشه برداری رقومی خاک بهره گرفته شد تا با استفاده از تعداد محدودی نقطه (103 نقطه)، تغییرات سطحی و عمقی ظرفیت تبادل کاتیونی خاک در کل محدوده مورد مطالعه بررسی شود. جهت ارتباط دادن ظرفیت تبادل کاتیونی خاک و متغیرهای کمکی به دست آمده از تصاویر ماهواره ای و مدل رقومی ارتفاع، از مدل رگرسیون درختی استفاده شد. نتایج نشان داد که در پیش بینی پارامتر مذکور، بعضی از پارامترهای کمکی از جمله باند سه تصویر ماهواره و مساحت اصلاح شده حوزه دارای اهمیت بیشتری بودند. همچنین نتایج نشان داد که مدل درختی به خوبی متغیر هدف را در پنج عمق استاندارد با ضریب تبیین 84/0، 84/0، 84/0، 66/0، 27/0 و میانگین ریشه مربعات به ترتیب 75/1، 84/1، 84/1، 11/2، 16/2 پیش بینی کرده است که بیانگر قابل قبول بودن نتایج در همه اعماق (بجز عمق پنجم) می باشند. نتایج تحقیق حاضر نیز نشان داد که استفاده از نقشه برداری رقومی، رگرسیون درختی و معادله اسپیلاین با نواحی یکسان ابزارهایی قدرتمند جهت برآورد تغییرات مکانی ظرفیت تبادل کاتیونی خاک به صورت جانبی و عمقی می باشند.
کمال نبی اللهی؛ احمد حیدری؛ روح الله تقی زاده مهرجردی
چکیده
در مطالعه حاضر جهت پهنه بندی رقومی کلاس های بافتی خاک در منطقه بیجار کردستان، 103 پروفیل حفر، تشریح و از افق های سطحی A نمونه برداری شد. متغیرهای محیطی یا فاکتورهای خاک سازی که در این پژوهش استفاده شد شامل اجزاء سرزمین، داده های تصویر +ETM ماهواره لندست و نقشه سطوح ژئومورفولوژی می باشد. همچنین، جهت ارتباط دادن بین داده های خاک (رس، شن و ...
بیشتر
در مطالعه حاضر جهت پهنه بندی رقومی کلاس های بافتی خاک در منطقه بیجار کردستان، 103 پروفیل حفر، تشریح و از افق های سطحی A نمونه برداری شد. متغیرهای محیطی یا فاکتورهای خاک سازی که در این پژوهش استفاده شد شامل اجزاء سرزمین، داده های تصویر +ETM ماهواره لندست و نقشه سطوح ژئومورفولوژی می باشد. همچنین، جهت ارتباط دادن بین داده های خاک (رس، شن و سیلت) و متغیرهای کمکی از مدل های شبکه عصبی مصنوعی و رگرسیون درختی بهره گرفته شد. نتایج این تحقیق نشان داد که مدل رگرسیون درختی دارای دقت بیشتری نسبت به شبکه عصبی مصنوعی به منظور پیش بینی هر سه پارامتر رس، شن و سیلت می باشد. برای جزء رس، مدل رگرسیون درختی و شبکه عصبی مصنوعی دارای ضریب تبیین و میانگین ریشه مربعات خطا 46/0، 81/0 و 10/17، 50/12 براساس داده های آزمون (20درصد) می باشد. نتایج نشان داد که برای پیش بینی رس، شن و سیلت پارامترهای سطوح ژئومورفولوژی، شاخص خیسی، شاخص همواری دره با درجه تفکیک بالا، ارتفاع، طول شیب و باند 3 مهم‌ترین بوده اند. در کل نتایج نشان داد که مدل های درختی دارای دقت بالاتری نسبت به روش شبکه عصبی مصنوعی بوده و همچنین تفسیر نتایج مدل درختی بسیار راحت تر می باشد. لذا پیشنهاد می شود که جهت تهیه نقشه رقومی خاک از مدل های درختی در مطالعات آینده استفاده شود.
اعظم جعفری؛ نورایر تومانیان؛ روح الله تقی زاده
چکیده
اطلاعات خاک منبع مهم و ضروری برای تهیه نقشه خاک و واسنجی مدل‌های پیش‌بینی‌کننده خصوصیات خاک هستند. این اطلاعات از روش‌های مختلف نمونهبرداری استخراج می‌شوند. هیچ معیار آماری برای ارزیابی نمونه برداری خاک در نقشه‌برداری خاک وجود ندارد و این موضوع به عدم تعادل در نمونهبرداری و کاهش کیفیت نقشه خاک منجر میشود. نمونه ...
بیشتر
اطلاعات خاک منبع مهم و ضروری برای تهیه نقشه خاک و واسنجی مدل‌های پیش‌بینی‌کننده خصوصیات خاک هستند. این اطلاعات از روش‌های مختلف نمونهبرداری استخراج می‌شوند. هیچ معیار آماری برای ارزیابی نمونه برداری خاک در نقشه‌برداری خاک وجود ندارد و این موضوع به عدم تعادل در نمونهبرداری و کاهش کیفیت نقشه خاک منجر میشود. نمونه برداری هایپرکیوب لاتینبه عنوان یک طرح نمونهبرداری برای نقشه‌برداری رقومی خاک پیشنهاد شده است. در این مطالعه از اصول هایپرکیوب برای ارزیابی کیفیت نمونه‌های خاک با استفاده از الگوریتم "ارزیابی هایپرکیوب نمونهبرداری خاک"در نرم‌افزار R استفاده گردید. منطقه مورد مطالعه در فلات مرکزی ایران واقع در دره زاینده‌رود اصفهان قرار دارد. متغیرهای محیطی از مدل رقومی ارتفاع استخراج شد. هایپرکیوب لاتین از سه متغیر کمکی ارتفاع، شیب و شاخص خیسی تشکیل و براساس آن شاخص متغیر کمکی و وزن نسبی محاسبه شد. نتایج نشان داد افزایش تراکم و تغییرپذیری متغیر محیطی منجر به افزایش شاخص متغیر کمکی میشود. براساس شاخص وزن نسبی، نمونهبرداری بیش از حد در مناطق با تراکم پایین شاخص متغیر کمکی و نمونهبرداری کم در مناطق با تراکم و تغییرپذیری بالای شاخص متغیر کمکی مشاهده میشود.بنابراین لحاظ کردن فرایندهای ژئومرفولوژی برای بیان تغییرپذیری منطقه خشک در طراحی نمونهبرداری خاک بسیار مفید و موثر واقع شده که این تنها با عملیات میدانی و صحرایی قابل تشخیص است. به این ترتیب، جزء لاینفک پروژه‌های نقشه‌برداری و شناسایی خاک، عملیات صحرایی و میدانی است که منجر به نمونهبرداری دقیق‌تر برای برنامه‌های آینده همچون نقشه‌برداری رقومی خاک میشود.
