مقایسه سه روش زمین آمار برای پیش بینی گروه های بافتی در اراضی زراعی و باغی استان گیلان

Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 578

This Paper With 13 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_AREO-33-2_007

تاریخ نمایه سازی: 23 شهریور 1399

Abstract:

بافت[H1]  خاک یک خصوصیت ایستای خاک است و بر بیشتر ویژگی­های فیزیکی و شیمیایی خاک تاثیر میگذارد.از این رو، تقاضا برای اطلاعات مکانی آن رو به افزایش است. کمبود اینگونه اطلاعات می­تواند منجر به اتخاذ سیاست­های غلط در مدیریت و تخریب منابع زمین و آب شود. در ایران داده­های پراکنده بسیاری در مورد خاک وجود دارد که هزینه­های بسیاری صرف تولید آن­ها شده است. در صورت پهنه­بندی صحیح، این داده­ها به صورت نقشه در دامنه وسیعی از کاربردها قابل استفاده هستند. در این پژوهش، روش­های کریجینگ معمولی، وزن­دهی عکس فاصله و طبقه­بندی پیکسل مبنا برای پهنه­بندی ذرات معدنی و گروه­های بافت خاک (سبک، سنگین و متوسط) در 4665 نمونه خاک سطحی با مختصات جغرافیایی معین در اراضی زراعی و باغی استان گیلان که عمدتا در دشت­های ساحلی و پست قرار داشتند، مقایسه گردید و با استفاده از آماره­های صحت سنجی ضریب تبیین (R2)، میانگین اریب خطا (MBE)، ریشه میانگین نرمال­شده مربعات خطا (NRMSE)، ضریب کاپا (KIA) و درصد صحت طبقه­بندی پیکسل­ها (Pa) ارزیابی شد. نتایج نشان داد که روش وزن­دهی عکس فاصله در برآورد درصد رس (64/0 R2 =  و 22/0 NRMSE =) و شن (67/0 R2 =  و 25/0 NRMSE =) از صحت بالاتری برخوردار بود. اما در برآورد گروه­های بافتی سبک، سنگین و متوسط روش طبقه­بندی پیکسل مبنا بر پایه­ آماره­های ضریب کاپا و صحت طبقه­بندی (به ترتیب برابر 46/0 و 73%) از صحت بیشتری نسبت به دیگر روش­ها برخوردار بود؛ اما این برتری نسبت به روش کریجینگ معمولی (43/0 KIA =  و  71% Pa =) جزئی بود. در طبقه­بندی پیکسل مبنا از مولفه­های داده­های رقومی خاک به عنوان متغیر ورودی در شبکه عصبی مصنوعی برای برآورد اجزای معدنی در پیکسل­های مجهول استفاده شد. برای تصمیم­گیری با قطعیت بیشتر در رابطه با کارایی طبقه­بندی پیکسل مبنا در برآورد گروه­های بافتی خاک لازم است این روش در شرایطی با تنوع بیشتر در فیزیوگرافی نیز ارزیابی شود.  [H1]

Keywords:

کریجینگ معمولی , وزن دهی عکس فاصله , طبقه بندی پیکسل مبنا , شبکه عصبی مصنوعی , پهنه بندی

Authors

سینا ملاح

محقق، موسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران

بهاره دلسوز خاکی

محقق، موسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران

ناصر دوات گر

دانشیار پژوهش، موسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران

کامبیز بازرگان

دانشیار پژوهش، موسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • بررسی تغییرات مکانی برخی خصوصیات فیزیکی و شیمیایی خاک منطقه سیستان [مقاله کنفرانسی]
  • زینالی، م، جعفرزاده، ع، ا، شهبازی، ف و ش، اوستان. ... [مقاله ژورنالی]
  • نوروزیان عزیزی، ز، م، قاجار سپانلو، عماری، س، م و ...
  • Bakker, A. 2012. Soil texture mapping on a regional scale with ...
  • Buckman, H. O, and N.C. Brady. 1960. The Nature and ...
  • Bieganowski, A., and M. Ryżak. 2011. Soil Texture: Measurement Methods. ...
  • Bouma, J., J. Stoorvogel, B. J. van Alphen,and H. W. ...
  • Chen, T., R. Niu, Y. Wang, P. Li, L. Zhang, ...
  • De Wit, A. J. W., and G. P. W. Clevers. ...
  • Gee, G. W., and J. W. Bauder. 1986. Particle-size analysis. ...
  • Gooverats, P. 1997. Geostatistics for natural resources evaluation. Oxford university ...
  • Haykin, S. 1999. Neural Computing, second ed. Prentice Hall, Princeton, ...
  • Hengel, T., N. Toomanian, I. R. Hannes,and M. J. Malakouti. ...
  • He, Y., Y. Wei, R. DePauw, B. Qian, R. Lemke, ...
  • Gozdowski, D., M. Stępień, S. Samborski, E. S. Dobers, J. ...
  • Jamieson, P. D., J. R. Porter, and D. R. Wilson. ...
  • Jafari, A., P. A. Finke, J. Vande Wauw, S. Ayoubi, ...
  • Kravchenko, A., and D.G. Bullock. 1999. A comparative study of ...
  • Landis J.R., and G. Koch. 1977. The measurement of observer ...
  • Liao, K., S. Xu, J. Wu, and Q. Zhu. 2013. ...
  • Paterson, S., B. Minasny, and A. Mc Barteny. 2018. Spatial ...
  • Merdun, H., O. Cinar, R. Meral, and M. Apan. 2006. ...
  • Rajurkar, M. P., U. C. Kothyari, and U. C. Chaube. ...
  • Reichardt, R., and L. C. Timm. 2004. Solo planta atmosfera: ...
  • Shirazi, M. A., Boresma, and C. Burch Johnson. 2001. Particle ...
  • Song, Y. Q., L. A. Yang, b. Li, Y. M. ...
  • Sun, B., Z. Shenglu, and Z. Qigou. 2003.Evaluation of spatial ...
  • Taghizadeh-Mehrjardi, R., S. Ayoubi, Z. Namazi, B. P. Malone, A. ...
  • Wang, D. C., G. L. Zhang, M. S. Zhao, X. ...
  • Zaeri, K., S. Hazbavi, N. Toomanian, and J. T. Zadeh. ...
  • Zhang, S. W., C. Y. Shen, X. Y. Chen, H. ...
  • Zheng, Z., F. Zhang, X. Chai, Z. Zhu, and F. ...
  • Walvoort, D. J., and J. J. de Gruijter. 2001. Compositional ...
  • نمایش کامل مراجع