بررسی شاخص اصلاح شده سرزمین در ارزیابی تناسب سرزمین و تصحیح روابط آن
Publish place: Journal of Water and Soil، Vol: 34، Issue: 6
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 24
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSW-34-6_007
تاریخ نمایه سازی: 8 آبان 1402
Abstract:
در ارزیابی تناسب سرزمین با روش پارامتریک، شاخص سرزمین (LI) باید با توجه به مقدار عددی محدودکننده ترین ویژگی یا همان درجه کمینه (Rmin) اصلاح شود و بعد از آن، کلاس تناسب تعیین گردد. توابعی که به منظور اصلاح شاخص سرزمین ارایه شده اند، از دیدگاه ریاضی باید در همه نقاط دارای پیوستگی باشند تا سبب از دست رفتن برخی از اعداد و پیرو آن از دست رفتن کلاس تناسب مربوط به آن اعداد نشوند. روابط ارایهشده توسط سایس، در نقطه مرزی برای رده N (نامناسب) پیوسته نیستند. بنابراین، استفاده از روابط ارایه شده برای کلاس های N۱ و N۲ تا حد زیادی می تواند گمراه کننده باشد؛ چرا که توانایی جداسازی کلاس های N۱ و N۲ را ندارند و در محاسبه این کلاس ها به شدت با مشکل همراه هستند. هدف از این پژوهش ارایه روابط جدیدی است که هم شرط پیوستگی را دارا باشند و هم نتایج حاصل از این روایط در دامنه تعریف شده برای دو کلاس N۱ و N۲ قرار گیرند. بنابراین، نخست توابع ارایه شده سایس از نظر ریاضیاتی مورد بررسی قرار گرفتند و تصحیح های مورد نیاز انجام شد. سپس با شبیه سازی عددی، نتایج حاصل بررسی و مقایسه گردیدند. یافته ها نشان دادند برای کلاس های N۱ و N۲ توابع تصحیح باید به ترتیب به صورت ۳۱۴/۰×(۲/۰- LQSI) + ۵/۱۲ و LSI ۵/۰ برای روش خیدیر و ۳۱۳/۰×(۰۰۲/۰- LSI) + ۵/۱۲ و LSI ۵/۰ برای روش استوری باشند تا هم پیوستگی توابع تصحیح برای همه کلاس ها برقرار باشد و هم شاخص اصلاح شده تناسب سرزمین در دامنه تعریف شده برای هر کلاس قرار گیرد. دستاوردهای دو میلیون بار شبیه سازی نیز درستی توابع به دست آمده را تایید نمودند. بنابراین پیشنهاد می گردد در تعیین کلاس های N۱ و N۲ به جای روابط سایس، از روابط ارایه شده در این پژوهش استفاده شود.
Keywords:
Authors
محسن باقری بداغ آبادی
استادیار موسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، 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 :