سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

تهیه نقشه رقومی کربن آلی ذخیره شده در خاک با استفاده از روش های یادگیری ماشینی

Publish Year: 1401
Type: Journal paper
Language: Persian
View: 217

This Paper With 11 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

JR_IJSWR-53-11_014

Index date: 20 May 2023

تهیه نقشه رقومی کربن آلی ذخیره شده در خاک با استفاده از روش های یادگیری ماشینی abstract

بررسی ذخایر کربن آلی خاک  (SOCS) در زمین های کشاورزی و نقش عوامل موثر بر تغییرپذیری آن و مدل سازی رقومی برای پیش بینی سناریوهای احتمالی ذخایرکربن در آینده مهم است. هدف از این مطالعه بررسی تنوع مکانی و برآورد مقدار کربن آلی ذخیره در عمق ۱۰۰ سانتی متری بر اساس دو نسل از مدل های یادگیری ماشین در بخشی از دشت قزوین است.  محتوای کربن آلی خاک، ۲۱۱ نمونه خاک که اطلاعات آن از قبل جمع آوری شده و موجود بود استخراج گردید. از متغیرهای محیطی، ۱۱ متغیر برپایه مدل رقومی ارتفاع و ۲۵ شاخص طیفی مستخرج از تصاویر ماهواره های لندست ۸ و سنتینل ۲ با قدرت تفکیک مکانی ۱۰ متر استفاده شد. علاوه بر این، مجموعه داده ها به دو بخش تقسیم شد: ۷۰ درصد از داده ها به عنوان آموزش و ۳۰ درصد از داده ها برای اعتبارسنجی مدل انتخاب شدند. جهت مدل سازی کربن ذخیره آلی در منطقه مورد مطالعه از دو مدل جنگل تصادفی (RF) و جنگل تصادفی کوانتایل  (QRF) استفاده شد. نتایج اعتبارسنجی نشان داد که استفاده از مدل QRF ضریب تعیین بالاتری نسبت به مدل RF دارد. با توجه به نتایج اهمیت نسبی متغیرهای محیطی، پارامترهای مدل رقومی ارتفاع و عمق دره نسبت به سایر متغیرها در مدل سازی فضایی SOCS اهمیت بیشتری دارند. به طور کلی، پیشنهاد می شود که در فرآیند مدل سازی ویژگی های ثانویه خاک، به بررسی مدل های هیبریدی پرداخته شود.

تهیه نقشه رقومی کربن آلی ذخیره شده در خاک با استفاده از روش های یادگیری ماشینی Keywords:

تهیه نقشه رقومی کربن آلی ذخیره شده در خاک با استفاده از روش های یادگیری ماشینی authors

سیدعرفان خاموشی

دانشجوی دکتری گروه علوم ومهندسی خاک، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی ومنابع طبیعی دانشگاه تهران. کرج، ایران

فریدون سرمدیان

استاد گروه علوم ومهندسی خاک، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی ومنابع طبیعی دانشگاه تهران. کرج، ایران

محمود امید

استاد گروه مهندسی ماشین های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی ومنابع طبیعی دانشگاه تهران. کرج، ایران

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 :
Adhikari, K., Owens, P. R., Libohova, Z., Miller, D. M., ...
Bangroo, S. A., Najar, G. R., Achin, E., & Truong, ...
Breiman, L. (۲۰۰۱). Random forests. Machine Learning, ۴۵(۱), ۵-۳۲.Canadell, J. ...
Dharumarajan, S., Kalaiselvi, B., Suputhra, A., Lalitha, M., Hegde, R., ...
Grimm, R., Behrens, T., Märker, M., & Elsenbeer, H. (۲۰۰۸). ...
Kuhn, M. (۲۰۰۸). Building predictive models in R using the ...
Martín, J. R., Álvaro-Fuentes, J., Gonzalo, J., Gil, C., Ramos-Miras, ...
Ma, X., Huete, A., Cleverly, J., Eamus, D., Chevallier, F., ...
McBratney, A. B., Santos, M. M., & Minasny, B. (۲۰۰۳). ...
Ottoy, S., De Vos, B., Sindayihebura, A., Hermy, M., & ...
Vicente-Vicente, J. L., García-Ruiz, R., Francaviglia, R., Aguilera, E., & ...
نمایش کامل مراجع