مدلسازی شاخص S و تعیین عوامل موثر بر آن با استفاده از الگوریتم هیبرید شبیه‎سازی تبرید- شبکه عصبی مصنوعی در خاکهای آهکی جنوبشرق ایران

استفاده از شیب منحنی مشخصه رطوبتی خاک در نقطه عطف (شاخص S)، یکی از شاخص‎های مهم ارزیابی کیفیت خاک در برنامه‎ریزی مدیریت اراضی زراعی و باغی محسوب می‎شود. هدف از این پژوهش، تعیین موثرترین ویژگی‎های خاک در منطقه جیرفت بر تخمین شاخص S با استفاده از الگوریتم هیبرید شبیه‎سازی تبرید - شبکه عصبی مصنوعی بود. به ‎ا‎ین ‎منظور، ۳۵۰ نمونه خاک دست‎خورده و ۳۵۰ نمونه خاک دست‎نخورده ‎ا‎ز اراضی زراعی و باغی برداشت و سپس برخی از ویژگیهای فیزیکی و شیمیایی خاک، شامل درصد شن، سیلت، رس، قابلیت هدایتالکتریکی اشباع، چگالی ظاهری، درصد تخلخل کل، درصد مواد آلی و درصد کربنات کلسیم معادل با استفاده از روش‎های استاندارد اندازه‎گیری شدند. همچنین با استفاده از دستگاه صفحات فشاری، مقدار رطوبت خاک در مکشهای ۰، ۳۰،۱۰، ۵۰، ۱۰۰، ۳۰۰، ۵۰۰، ۱۰۰۰ و ۱۵۰۰ کیلوپاسکال تعیین شد. در ادامه با استفاده از الگوریتم هیبریدی شبکه عصبی مصنوعی- شبیهسازی تبرید، ویژگی‎های موثر بر مدل‎سازی شاخص S استخراج شدند. درنهایت با استفاده از پنج ویژگی استخراج شده (درصد ش و رس، قابلیت هدایتالکتریکی، چگالی ظاهری و ظرفیت زراعی)، مدلسازی شاخص S توسط شبکه عصبی مصنوعی انجام شد. نتایج نشان داد که با کاهش متغییرهای ورودی، دقت مدل‎سازی افزایش یافت. به‎علاوه، نتایج آنالیز حساسیت نشان داد چگالی ظاهری با بالاترین ضریب حساسیت (ضریب حساسیت ۵/۰) بهعنوان مهم‎ترین ویژگی در مدل‎سازی شاخص S محسوب میشود. بنابراین، از آنجا که افزایش تعداد ویژگی‎ها لزوما باعث افزایش دقت مدلسازی نمی‎شود، کاهش ویژگی‎های ورودی به‎سبب کاهش هزینه و زمان انجام پژوهش مقرون به‎صرفه است.

Keywords:

soil physical quality , feature selection , sensitivity analysis , meta-heuristic algorithms , کیفیت فیزیکی خاک , انتخاب ویژگی , تحلیل حساسیت , الگوریتم‎های تکاملی