مقالات آب و خاك (علوم و صنايع كشاورزي)

ظرفيت تبادل کاتيوني (CEC) يکي از مهمترين ويژگي هاي خاک در ارتباط با موادغذايي، نگهداري آب در خاک و همچنين مديريت آلودگي خاک مي باشد. اندازه گيري  CECکاري دشوار و وقت گير است. بنابراين تخمين آن از طريق خصوصيات زود يافت خاک مطلوب مي باشد. در اين مطالعه، توابع انتقالي براي پيش بيني ظرفيت تبادل کاتيوني از خصوصيات اساسي خاک مانند توزيع اندازه ذرات، کربن آلي، درصد رطوبت اشباع و pH توسعه داده شد و با استفاده از روش هاي شبکه عصبي مصنوعي و رگرسيوني چندمتغيره خطي ارزيابي شد و سپس توانايي پيش بيني اين دو روش با استفاده از آماره هاي ارزيابي مقايسه شد. کل 200 نمونه خاک به دو دسته 165 تايي براي توسعه مدل و 35 تايي براي ارزيابي مدل تقسيم شدند. دقت پيش بيني بوسيله آماره هاي ضريب تعيين (R²) و ريشه دوم ميانگين مربعات خطا (RMSE) بين CEC اندازه گيري و پيش بيني شده ارزيابي شد. نتايج نشان داد هنگامي که از شبکه عصبي با يک لايه پنهان و هفت نرون در اين لايه و ماده آلي، درصد رطوبت اشباع، درصد رس و شن به عنوان ورودي استفاده شد، CEC با R²=0.81 و RMSE=3.05 سانتي مول بر کيلوگرم خاک بهتر از ديگر مدل ها پيش بيني شد. مقادير  R²و RMSE به ترتيب از 66/0 تا 69/0 و از 69/4 تا 26/4 براي روش رگرسيوني، و از 78/0 تا 81/0 و 29/3 تا 05/3 براي شبکه عصبي متغير بود. نتايج نشان داد که پيش بيني شبکه عصبي بهتر از تابع هاي رگرسيوني مي باشد.

 نسخه قابل چاپ