کاربرد مقایسه ­ای رگرسیون خطی چندگانه و شبکه های عصبی مصنوعی برای شبیه ­سازی اثرات عوامل توپوگرافی بر تغییرات کربن آلی خاک

کربن آلی خاک یکی از مهم ­ترین ویژگی ­های خاک بوده و هرگونه تغییر در مقدار و ترکیب آن بر اکثر ویژگی ­های شیمیایی، زیستی و فیزیکی خاک تاثیرگذار است. بهبود کربن آلی خاک سبب بهبود ساختمان خاک، کیفیت و کمیت رطوبت در حوضه، کیفیت هوا، افزایش سطح عناصر غذایی خاک و در نتیجه کیفیت و کمیت محصول، جلوگیری از تخریب و فرسایش خاک و احیا خاک و زیست بوم خواهد شد. عوامل متعددی از جمله عوامل اقلیمی، توپوگرافی و مدیریتی بر مقدار کربن آلی خاک تاثیر می­ گذارند. در مقیاس­ کوچک محلی مانند مرتع مورد مطالعه، عامل اقلیم تنوع قابل ملاحظه ای نداشته و عوامل توپوگرافی بر تغییرات کربن آلی خاک، بسیار اثرگذارند. لذا، هدف این پژوهش، برآورد تاثیر متغیرهای توپوگرافی ارتفاع، جهت شیب، درصد شیب، سایه روشن و انحنا بر مقدار کربن آلی خاک در اراضی مرتعی واقع در حوضه مرگ استان کرمانشاه است. به این منظور، برآورد کربن آلی خاک با دو روش رگرسیون چندمتغیره خطی (MLR) و شبکه های عصبی مصنوعی (ANN) انجام شد. بر طبق نتایج، مدل MLR، توانست ۵۳ درصد و مدل ANN، ۷۷ درصد از تغییرات کربن آلی خاک را پیش­ بینی کند. در روش MLR، مقدار RMSE و MBE به ­ترتیب ۰.۴ و صفر در روش ANN، مقدار RMSE و MBE به ­ترتیب ۰.۱۶ و ۰.۰۰۳ محاسبه شد. نتایج بررسی­ ها نشان داد، شبکه عصبی مصنوعی با آرایش ۱-۹-۵ و تابع فعال­ سازی تانژانت هایپربولیک در لایه پنهان، نسبت به ­روش رگرسیون خطی چندگانه، دارای دقت و صحت بالاتری است. طبق نتایج شبکه عصبی مصنوعی، از بین متغیرهای مورد بررسی، به­ ترتیب ارتفاع با ۰.۷۹، سایه روشن با ۰.۶۴ و درصد شیب با ۰.۲۸ ضریب تاثیر، در تغییرات ذخایر کربن آلی خاک در این منطقه بیشترین سهم را دارند.