برآورد فرسایش خاک در اراضی شیبدار مرتعی با بکارگیری شبکه عصبی مصنوعی (ANN) و سیستم اطلاعات جغرافیایی (GIS)
Publish place: Journal of Watershed Management Research، Vol: 12، Issue: 24
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 141
This Paper With 12 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:
شناسه ملی سند علمی:
JR_JWMR-12-24_013
تاریخ نمایه سازی: 15 اسفند 1400
Abstract:
چکیده مبسوط
مقدمه و هدف: فرسایش خاک از مهمترین مشکلات مدیریت منابع طبیعی بخصوص در اراضی شیبدار مرتعی می باشد. از طرفی، برآورد فرسایش بوسیله تجهیزات انداز ه گیری، هزینه بر و زمان بر است. بنابراین، استفاده از مدلسازی به منظور ارائه یک برآورد دقیق با زمان و هزینه اندک، کارآمد خواهد بود. هدف از تحقیق حاضر ارائه یک روش کارآمد برای برآورد مقادیر فرسایش خاک در اراضی شیبدار دور از دسترس می باشد.
مواد و روش ها: در تحقیق حاضر مقادیر فرسایش سالانه خاک به وسیله استقرار پین های فرسایشی بر روی دامنه با کاربری مرتعی در حوضه آبخیز کسیلیان استان مازندران مورد مطالعه قرار گرفت. مقادیر فرسایش خاک در ۱۰۹ پین فرسایشی یک سال پس از استفرار آنها براساس تغییرات سطح خاک و اعمال وزن مخصوص خاک برآورد گشت. در این راستا، شبکه عصبی مصنوعی در محیط نرمافزار NeuroSolutions با بکارگیری مقادیر فرسایش به عنوان خروجی مدل و عوامل درصد پوشش مرتعی، شیب زمین، طول شیب، شکل شیب (انحناء زمین) و بافت خاک (درصد شن، رس، سیلت) به عنوان ورودی ها، جهت مدلسازی فرسایش بکار گرفته شدند. فرآیند مدلسازی با بکارگیری شبکهMLP طی سه مرحله آموزش شبکه (۶۵ درصد داده ها)، صحت صحنی (۱۰ درصد) و تست (۲۵ درصد داده ها) شبکه عصبی انجام پذیرفت. از سیستم اطلاعات جغرافیایی (GIS) نیز جهت تهیه نقشه فرسایش خاک با بکارگیری ارقام مدلسازی شده فرسایش در اراضی شیبدار استفاده شد.
یافته ها: نتایج تست یا اعتباریابی شبکه بهینه شده، دلالت برای کارایی شبکه عصبی در برآورد فرسایش خاک داشته است (Rsqr=۰.۹). همچنین، تجزیه و تحلیلهای آماری با بکارگیری نرم افزار SPSS و ساختار شبکه عصبی بهینه و آنالیز حساسیت ورودی های شبکه نشان داد که مهمترین عوامل فرسایش خاک به ترتیب میزان پوشش گیاهی، شکل شیب، میزان شیب، طول شیب و خصوصیات خاک می باشند. در نهایت، ورودیهای شبکه بهینه اعتباریابی شده، در محیط GIS با پیکسل سایز ده متر با هم تلفیق شدند و با ادغام قابلیت های ANN و GISنقشه مقادیر فرسایش سالانه خاک اراضی مرتعی مطالعاتی تهیه گردید.
نتیجه گیری: متدولوژی ارائه شده می تواند به عنوان روشی کارآمد و جایگزینی برای اندازه گیری ها صحرایی فرسایش خاک در مناطق دور از دسترس با کارایی بالا، مورد استفاده قرار گیرد.
Keywords:
Kasilian Watershed , MLP , Modeling , Soil erosion map , حوضه کسیلیان , مدلسازی , نقشه فرسایش خاک , MLP
Authors
وحید غلامی
Associate Professor, Faculty of Natural Resources, University of Guilan
فرهاد برنا
Department of Rangeland, Sari University of Agricultural Sciences and Natural Resources
محمدعلی هادیان امری
Assistant Professor of Mazandaran Agricultural and Natural Resources Education and Research Center, Soil Protection and Watershed Management Department
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 :