مقایسه عملکرد مدل های خطی و هیبریدی در پیش بینی پراکنش عناصر سنگین در خاک با استفاده از سنجش از دور و تحلیل فضایی در شرق زنجان

هدف از این پژوهش ارزیابی مدل های خطی و الگوریتم های تکاملی در تهیه نقشه پراکنش فلزات سنگین سرب، روی، کادمیم و مس با استفاده از تکنیک سنجش از دور در اطراف شرکت ملی سرب و روی استان زنجان است. در این پژوهش پیش بینی پراکنش فلزات سنگین با استفاده از اطلاعات تصاویر ماهواره ای سنجنده TM و مدل های رگرسیون چندمتغیره خطی گام به گام و مدل هیبریدی شبکه عصبی مصنوعی-الگوریتم ژنتیک انجام شد. مجذور میانگین مربعات خطا داده های آموزش مدل های شبکه عصبی مصنوعی-الگوریتم ژنتیک برای غلظت کل عناصر سرب، روی، کادمیم و مس به ترتیب ۰۷/۰، ۰۹/۰، ۱۷/۰ و ۱۷/۰ و با استفاده از مدل رگرسیون چندمتغیره خطی گام به گام به ترتیب ۴۵/۰، ۳۲/۰، ۴۸/۰ و ۵۴/۰ بود. ضرایب تبیین داده های آموزشی در مدل شبکه عصبی مصنوعی-الگوریتم ژنتیک برای عناصر فوق به ترتیب ۸۸/۰، ۸۰/۰، ۷۵/۰، ۴۵/۰ و در مدل رگرسیون چندمتغیره خطی گام به گام به ترتیب ۵۳/۰، ۴۳/۰، ۴۴/۰ و ۴۳/۰ بود. نتایج تحلیل خودهمبستگی فضایی نشان داد که فلزات سرب و کادمیم خوشه های متمرکزی در اطراف تاسیسات صنعتی داشته و برای عنصر روی بیشتر در اطراف آبراهه های موجود در منطقه تمرکز وجود دارد. نتایج موید پیش بینی موفق کاربرد مدل شبکه عصبی مصنوعی-الگوریتم ژنتیک در تعیین الگوی پراکنش عناصر سنگین با استفاده از داده های سنجش از دور بود.

Keywords:

Soil Pollution , spatial variability , Local moran index , Artificial neural network-genetic algorithm