ارزیابی مدل های شبکه عصبی مصنوعی و رگرسیونی در برآورد کربن آلی خاک (منطقه مورد مطالعه: حوزه آبخیز پاکل، استان مرکزی)

با توجه به نقش کربن­ آلی در مدیریت و پایداری خاک، جلوگیری از فرسایش خاک و پایش میزان دی­ اکسیدکربن هوا، پیش­ بینی کربن آلی خاک در مقیاس منطقه ­ای، ملی و جهانی از اهمیت خاصی برخوردار است. در این تحقیق به­ منظور برآورد کربن آلی خاک از مدل­های شبکه عصبی مصنوعی  و رگرسیون چند متغیره استفاده شد. برای این منظور در ابتدا،  ۶۰ نمونه خاک از حوزه آبخیز پاکل اراک از عمق ۰ تا  ۳۰ سانتی­متری برداشت شد. سپس خصوصیات خاک شامل نیتروژن، رس، سیلت، کربن آلی، اسیدیته، هدایت الکتریکی و وزن مخصوص ظاهری خاک اندازه­ گیری گردید. به ­منظور ارزیابی کارکرد مدل­های مورد استفاده از مجذور میانگین مربعات خطا و ضریب کارآیی استفاده گردید. نتایج نشان داد که شبکه عصبی مصنوعی با مجذور میانگین مربعات ۰۴۳/۰RMSE= و ضریب کارایی ۸۷/۰CE= نسبت به مدل رگرسیونی با مجذور میانگین مربعات ۰۸/۰RMSE= و ضریب کارایی ۵۱/۰CE=  کارایی بهتری در برآورد کربن آلی داشت.  مقایسه بین مدل­های رگرسیونی و شبکه­ عصبی نشان داد که مقادیر برآورد شده به ­وسیله شبکه عصبی دارای دقت بیشتری نسبت به روش رگرسیونی می­باشد. روش­های آماری و نتایج شبکه­ های عصبی برتری مدل­های شبکه عصبی را در برآورد کربن آلی بیان می­ کند. نتایج کلی پژوهش نشان می ­دهد که در عرصه ­های طبیعی که مشکلات خاص نمونه ­برداری، هزینه­ های تجزیه و آنالیز نمونه ­ها در سطح زیاد وجود دارد، می­توان از روش ­های هوش مصنوعی و به کمک داده ­های زودیافت برای تخمین کربن آلی خاک سود جست. انجام مطالعات دوره ­ای پایش ترسیب کربن در منطقه مورد مطالعه به منظور بررسی تغییرات زمانی ترسیب کربن در کاربری­ های موردنظر پیشنهاد می ­شود.

Keywords:

خصوصیات خاک , مدل سازی , ضریب کارآیی , کربن خاک