مقالات آب و خاك (علوم و صنايع كشاورزي)

با توجه به نقش کربن آلي در مديريت و پايداري خاک، جلوگيري از فرسايش خاک، پايش ميزان دي اکسيد کربن هوا، پيش بيني مکاني کربن آلي خاک در مقياس منطقه اي، ملي و جهاني از اهميت خاصي برخوردار است. هدف از اين مطالعه مقايسه مدل رگرسيون چندمتغيره و مدل هوشمند شبکه عصبي در برآورد کربن آلي خاک به کمک داده هاي آناليز سطح زمين مي باشد. منطقه مورد مطالعه با مساحت 24 کيلومتر مربع در اراضي تپه ماهوري جنوب ضرغام آباد سميرم اصفهان با کاربري مرتع انتخاب و نمونه برداري در 125 نقطه از عمق 10-0 سانتي متري انجام شد. ميزان کربن آلي نمونه هاي خاک جمع آوري شده، اندازه گيري شد. ويژگي هاي پستي و بلندي از روي مدل رقومي ارتفاع منطقه در پيکسل هايي به ابعاد 10×10 متر محاسبه شد. در نهايت مدل رگرسيون چندمتغيره و شبکه عصبي مصنوعي بين اين ويژگي ها و کربن آلي، برقرار و سپس به وسيله ي نقاط اضافي نمونه برداري شده (25 نقطه)، مدل هاي به دست آمده اعتبار سنجي شدند. نتايج مطالعه نشان داد که مدل رگرسيوني توانست 60 درصد از تغييرات مکاني کربن آلي و مدل شبکه عصبي مصنوعي حدود 89 درصد از تغييرات را در منطقه مورد مطالعه توجيه نمايد. نتايج آناليز حساسيت مدل شبکه عصبي مصنوعي نشان داد که انحناي قايم، شاخص قدرت جريان، شيب، شاخص حمل رسوب، شاخص رطوبت، انحناي افقي و جهت شيب به عنوان خصوصيات پستي و بلندي مهم در کنترل کربن آلي خاک در اراضي تپه ماهوري مورد مطالعه بودند. نتايج کلي مطالعه نشان داد که کربن آلي خاک در منطقه از خصوصيات پستي و بلندي و فرآيندهاي هيدرولوژيکي مرتبط با آن تاثير زيادي گرفته است. همچنين بر اساس معيارهاي ميانگين خطا و جذر ميانگين مربعات خطا که در مدل رگرسيوني به ترتيب 0.25 و 0.3 و در مدل شبکه عصبي مصنوعي به ترتيب 0.006 و 0.027 مي باشند، مدل شبکه عصبي مصنوعي به عنوان ابزار قدرتمندتري در پيش بيني کربن آلي نسبت به آناليز رگرسيون خطي چندمتغيره عمل مي کند.

 نسخه قابل چاپ