مقایسه روش های درخت تصمیم و شبکه عصبی در پیش بینی شوری خاک در غرب دریاچه ارومیه

Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 262

This Paper With 10 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_DRNL-1-1_008

تاریخ نمایه سازی: 24 بهمن 1400

Abstract:

   شور شدن خاک یکی از مهمترین پدیده ­های تخریب خاک در مناطق خشک و نیمه ­خشک است. در سال­های اخیر از روش ­های غیرمستقیم برای برآورد شوری خاک استفاده می­ شود. بدین­ منظور ۱۰۰ نمونه از عمق ۳۰-۰ سانتی­متری اطراف دریاچه ارومیه برداشته و آزمایش شد و شوری خاک با استفاده از شاخص ­های تصویر ماهواره لندست ۸ و مدل رقومی ارتفاع برآورد شد. به­ منظور مدل­سازی شوری خاک از مدل­های درخت تصمیم و شبکه عصبی مصنوعی استفاده شد. براین اساس داده­ ها به دو سری آموزشی (۸۰%) و ارزیابی (۲۰%) تقسیم شد. نتایج ارزیابی مدل­ها بر اساس شاخص ­های ریشه­ ی مربعات خطا، میانگین خطا و ضریب تبیین نشان داد که مدل درخت تصمیم دارای بالاترین دقت در پیش­ بینی ویژگی­ های خاک است. نتایج ضریب کاپا و صحت کلی حاصل از دو مدل نشان داد که مدل درخت تصمیم با دارا بودن درصد ضریب کاپا (۵۶/۵۶) و صحت کلی (۴۶/۷۳) میزان توافق بیشتری با شوری خاک منطقه داشته است. به­ طور کلی براساس نتایج بدست آمده نشان داده شد که برای پیش ­بینی کلاس شوری خاک شاخص­های CRSI و NDSI مهمترین پارامترها هستند و بیشترین همبستگی را با داده ­های زمینی دارند. لذا پیشنهاد می ­شود در مطالعات آینده برای تهیه نقشه رقومی  شوری خاک از مدل­های درختی و شاخص ­های CRSI و  NDSI  استفاده شود.

Authors

زهرا احمدی

in Soil Science, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran

آیدا عباسی

Department of Soil Science and Engineering, University of Mohaghegh Ardabili, Ardabil, Iran

محمود شهابی

of Soil Science, University of Tabriz

عبدالحسین بوعلی

in Desert Management and Control, University of Agriculture and Natural Recourses Sciences of Gorgan, Gorgan, Iran

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 :
  • Allbed, A., L. Kumar and Y. Aldakheel. ۲۰۱۴. Assessing soil ...
  • Afkhami, H., M.T. Dastoorani and F. Fotouhi. ۲۰۱۵. The impact ...
  • Azhirabi, R., B. Kamkar and O. Abdi. ۲۰۱۵. Comparison of ...
  • Amini, M., K.C. Abbaspour, H. Khademi, N. Fathianpour, M. Afyuni ...
  • Abdelfattah, M.A., SH.A. Shahid and Y.R. Othman. ۲۰۰۸. A model ...
  • Bouma, J. ۱۹۸۹. Using soil survey data for quantitative land ...
  • Bannari, A., A.M. Guedon, A. El-Harti, F.Z. Cherkaoui and A. ...
  • Hongyan, C., G. Zhao, L. Sun, R. Wang and Y. ...
  • Khan, N.M., V. Rastoskuev, Y. Sato and S. Shiozawa. ۲۰۰۵. ...
  • Luoto, M. and J. Hjort. ۲۰۰۵. Evaluation of current statistical ...
  • Mokhtari, M. and A. Najafi. ۲۰۱۵. Comparison of Support Vector ...
  • Moonjun, R., A. Farshad, D.P. Shrestha and C. Vaiphasa. ۲۰۱۰. ...
  • Metternicht, G. and J.A. Zinck. ۲۰۰۳. Remote sensing of soil ...
  • Soltaninejad, A., H. Ranjbar, M. Honarmand and S. Dargahi .۲۰۱۸. ...
  • Schaap, M.G., F.J. Leij and M.T. Genuchten. ۱۹۹۸. Neural network ...
  • Sarmadian, F., R. Taghizadeh, H.M. Askari and A. Akbarzadeh. ۲۰۱۱. ...
  • Taghizadeh, R., B. Minasny, F. Sarmadian and P.B. Malone. ۲۰۱۶. ...
  • Taghizadeh, R., K. Nabiollahi, B. Minasny and J. Triantafilis. ۲۰۱۵. ...
  • Vafaei, S., J. Soosani, K. Adeli, H. Fadaei, H. Naghavi, ...
  • Yu, H., M. Liu, B. Du, Z. Wang, L. Hu ...
  • Zhang, T., T. Zeng, S. YuGao, Z. Ouyang, B. Li, ...
  • نمایش کامل مراجع