علوم خاک
مهسا حسنپور کاشانی؛ شکراله اصغری
چکیده
آب قابل استفاده خاک (SAW) از تفاضل دو نقطه مهم و کاربردی منحنی رطوبتی خاک (رطوبت‌های ظرفیت مزرعه‌ای و پژمردگی دائم) به‌دست می‌آید؛ روش مستقیم اندازه‌گیری این نقاط رطوبتی خاک مستلزم صرف وقت و هزینه زیادی می‌باشد. بنابراین اخیراً از روش‌های غیر مستقیم مانند توابع انتقالی رگرسیونی و مدل‌های هوشمند برای تخمین این متغیرهای دیریافت ...
بیشتر
آب قابل استفاده خاک (SAW) از تفاضل دو نقطه مهم و کاربردی منحنی رطوبتی خاک (رطوبت‌های ظرفیت مزرعه‌ای و پژمردگی دائم) به‌دست می‌آید؛ روش مستقیم اندازه‌گیری این نقاط رطوبتی خاک مستلزم صرف وقت و هزینه زیادی می‌باشد. بنابراین اخیراً از روش‌های غیر مستقیم مانند توابع انتقالی رگرسیونی و مدل‌های هوشمند برای تخمین این متغیرهای دیریافت خاک استفاده گردیده است. هدف از این پژوهش، مقایسه عملکرد سه مدل هوشمند نروفازی (NF)، برنامه‌ریزی بیان ژن (GEP) و جنگل تصادفی (RF) در برآورد SAW از روی ویژگی‌های زودیافت خاک بود. در این تحقیق، داده‌های اندازه‌گیری شده مربوط به تعداد 102 نمونه خاک سطحی دشت اردبیل شامل مقادیر ذرات شن، سیلت، رس، میانگین و انحراف معیار هندسی قطر ذرات، جرم مخصوص ظاهری، کربن آلی و SAW مورد استفاده قرار گرفت. داده‌ها به‌طور تصادفی به دو گروه آموزشی (82 نمونه) و آزمونی (20 نمونه) تقسیم شدند. شش تابع SAW با ترکیب متفاوت از متغیرهای زودیافت خاک به‌عنوان ورودی مدل انتخاب و مدل‌های NF، GEP و RF برای هر کدام اجرا گردید. نتایج مدل‌ها بیانگر آن بود که کربن آلی و جرم مخصوص ظاهری خاک، دو متغیر ورودی مهم و اثرگذار در برآورد SAW بودند. مقادیر آماره‌های ضریب تبیین (R2)، مجذور میانگین مربعات خطا (RMSE)، میانگین خطا (ME) و ضریب نش-ساتکلیف (NS) براساس داده‌های آزمونی برابر 73/0، % g g-1 51/2، % g g-1 09/0 و 71/0، 76/0، % g g-1 10/3 ، % g g-1 41/1 - و 56/0، 68/0، % g g-1 30/3 ، % g g-1 45/1 - و 50/0 به‌ترتیب برای بهترین مدل NF، GEP و RF تعیین شد. مقایسه نتایج آماره‌های ارزیابی مدل‌ها نشان داد که مدل NF به علت داشتن مقدار کم RMSE، مقدار نزدیک به صفر ME و مقدار زیاد NS نسبت به دو مدل دیگر از خطای پایین و دقت بالا در برآورد SAW برخوردار بود.
غلام رضا شیخ زاده؛ شکراله اصغری؛ ترحم مصری گندشمین
چکیده
مقاومت فروروی (PR) یکی از پویاترین ویژگی های مکانیکی خاک است که عملیات خاک ورزی، رشد گیاه و فعالیت های بیولوژیکی خاک را تحت تاثیر قرار می دهد. اندازه گیری مستقیم این متغیر دشوار، زمان بر و پرهزینه است. هدف از تحقیق حاضر ارائه توابع انتقالی رگرسیونی و شبکه عصبی مصنوعی برای برآورد PR خاک بر پایه متغیرهای زود یافت شامل توزیع اندازه ذرات، ...
بیشتر
مقاومت فروروی (PR) یکی از پویاترین ویژگی های مکانیکی خاک است که عملیات خاک ورزی، رشد گیاه و فعالیت های بیولوژیکی خاک را تحت تاثیر قرار می دهد. اندازه گیری مستقیم این متغیر دشوار، زمان بر و پرهزینه است. هدف از تحقیق حاضر ارائه توابع انتقالی رگرسیونی و شبکه عصبی مصنوعی برای برآورد PR خاک بر پایه متغیرهای زود یافت شامل توزیع اندازه ذرات، کربن آلی، جرم مخصوص ظاهری و حقیقی، کربنات کلسیم معادل، تخلخل کل و رطوبت اولیه خاک مزرعه بود. به این منظور 105 نمونه از عمق 0 تا cm 10 خاک های زراعی دشت اردبیل برداشته شد سپس برخی ویژگی های فیزیکی و شیمیایی آن‌ها تعیین گردید. داده ها به دو سری آموزشی (78 نمونه) و آزمونی (27 نمونه) تقسیم شدند. برای اشتقاق توابع انتقالی رگرسیونی و شبکه عصبی به ترتیب از نرم افزارهای 18 SPSS و MATLAB استفاده گردید. نتایج توابع رگرسیونی و شبکه عصبی نشان داد که مناسب ترین متغیرها در برآورد PR خاک، رطوبت اولیه مزرعه، جرم مخصوص ظاهری و توزیع اندازه ذرات خاک بودند. مقادیر ضریب تبیین (R2)، مجذور میانگین مربعات خطا (RMSE) و معیار اطلاعات آکائیک (AIC) برابر 55/0، MPa 89/0 و 67/14- و 91/0، MPa 37/0 و 64/146- به ترتیب برای مناسب ترین تابع رگرسیونی و شبکه عصبی به دست آمد. بنابراین دقت توابع شبکه عصبی در برآورد PR خاک منطقه مورد مطالعه بیشتر از توابع رگرسیونی بود.
