%0 Journal Article %T مقایسه روش های رگرسیون خطی، زمین آماری و شبکه عصبی مصنوعی در مدل سازی کربن آلی در اراضی خشک دشت سیستان %J آب و خاک %I دانشگاه فردوسی مشهد %Z 2008-4757 %A غلامعلی زاده آهنگر, احمد %A سارانی, فریدون %A هاشمی, مسعود %A شعبانی, اسماء %D 2016 %\ 02/20/2016 %V 28 %N 6 %P 1250-1260 %! مقایسه روش های رگرسیون خطی، زمین آماری و شبکه عصبی مصنوعی در مدل سازی کربن آلی در اراضی خشک دشت سیستان %K میانکنگی %K کربن آلی %K رگرسیون خطی %K زمین آمار %K مدل شبکه عصبی مصنوعی %R 10.22067/jsw.v0i0.32714 %X آگاهی از تغییرات مکانی کربن آلی در کاربری های مختلف اراضی کمک مؤثری به تفسیر و شبیه سازی رفتار اکوسیستم های خاکی در مواجهه با تغییرات اقلیمی و زیست محیطی خواهد نمود. هدف از این تحقیق مقایسه روش‌های رگرسیونی، زمین آمار و شبکه عصبی مصنوعی در تخمین مقادیر کربن آلی در 192 نمونه خاک، از خاک‌های سطحی (0 تا 30 سانتی متر) بخشی از دشت سیستان (منطقه میانکنگی) بود. در این تحقیق، تنها 5 درصد تغییرات کربن آلی در منطقه مورد مطالعه توسط متغیرهای موجود در مدل رگرسیون خطی ‌توجیه گردید (05/0R2=). همچنین بهترین روش زمین آماری، یعنی روش کوکریجینگ ساده با استفاده از متغیر کمکی رس، با 23/0R2= و 127/0RMSE=، فقط تا اندازه ای توانایی تخمین میزان کربن آلی را داشت. این در صورتی است که شبکه عصبی مصنوعی با استفاده از پارامترهای طول و عرض جغرافیایی کارایی بسیار بهتری با 79/0R2= و 044/0RMSE= در تخمین مقدار کربن آلی نسبت به روش های رگرسیون خطی و زمین آماری نشان داد. در نتیجه روش ترکیبی شبکه عصبی- کریجینگ بهترین روش برای پهنه بندی کربن آلی در منطقه مورد مطالعه شناخته شد. %U https://jsw.um.ac.ir/article_37967_e02ea0e23652166e517943f970d4eed1.pdf