سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

پهنه بندی کربن آلی خاک با استفاده از روش های زمین آماری و شبکه عصبی مصنوعی (استان کهگیلویه و بویراحمد)

Publish Year: 1397
Type: Journal paper
Language: Persian
View: 134

This Paper With 14 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_JSW-32-6_008

Index date: 30 October 2023

پهنه بندی کربن آلی خاک با استفاده از روش های زمین آماری و شبکه عصبی مصنوعی (استان کهگیلویه و بویراحمد) abstract

برای درک بهتر از ترسیب یا آزادسازی کربن به اتمسفر، پهنه بندی کربن آلی خاک برای داشتن خط مبنایی از مقدار و ذخیره آن در خاک و همچنین امکان پایش تغییرات آن در طول زمان، بسیار حائز اهمیت است. هدف اصلی این تحقیق، شناخت تغییرپذیری مقدار و ذخیره کربن آلی خاک با استفاده از روش های شبکه عصبی مصنوعی و زمین آمار در شرق و جنوب شرق استان کهگیلویه و بویراحمد بود. نمونه های خاک به صورت مرکب و تصادفی از ۲۰۴ نقطه از عمق ۰-۱۵ سانتی متر جمع آوری و مقدار کربن و ذخیره کربن آلی و برخی خصوصیات خاک اندازه گیری شد و از شاخص پوشش گیاهی، ارتفاع، دما، بارش و شیب به عنوان داده های کمکی استفاده شد. به منظور تخمین نقاط در محل های نمونه­برداری نشده از روش­های شبکه عصبی مصنوعی (پرسپترون چندلایه، MLP)، کوکریجینگ، کریجینگ معمولی و وزن­دهی معکوس فاصله استفاده شد و از شاخص­های آماری نظیر ضریب همبستگی (R۲)، ضریب همبستگی همگام (CCC)، خطای میانگین (ME) و ریشه میانگین مربعات خطا (RMSE) برای تعیین بهترین روش استفاده شد. مقدار و ذخیره کربن آلی خاک با کاهش میانگین دما و افزایش ارتفاع، ارتقا یافت و در کاربری جنگل بیشترین مقدار بود. بهترین مدل واریوگرام برای مقدار و ذخیره کربن آلی مدل گوسی بود و روش MLP نسبت به روش­های زمین آماری در تخمین مقدار و ذخیره کربن آلی خاک دقت بیشتری داشت. پهنه بندی حاصل از روش MLP با توجه به دقت بالای آن (۸۵۶/۰= RMSE، ۱۳۳/۰= ME، ۸۹/۰ CCC=و ۶۸/۰= R۲) و مدنظر قرار دادن عوامل زمینی، خاکی و اقلیمی، می­تواند به عنوان یک نقشه مبنا برای بیان وضعیت فعلی کربن آلی در منطقه معرفی گردد.

پهنه بندی کربن آلی خاک با استفاده از روش های زمین آماری و شبکه عصبی مصنوعی (استان کهگیلویه و بویراحمد) Keywords:

پهنه بندی کربن آلی خاک با استفاده از روش های زمین آماری و شبکه عصبی مصنوعی (استان کهگیلویه و بویراحمد) authors

پریسا لاهوتی

دانشگاه علوم کشاورزی و منابع طبیعی ساری

سید مصطفی عمادی

دانشگاه علوم کشاورزی و منابع طبیعی ساری

مهدی قاجار سپانلو

دانشگاه علوم کشاورزی و منابع طبیعی ساری

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 :
Abdollahi S., Delavar M.A., and Shekari P. ۲۰۱۳. Spatial distribution ...
Bouyoucos G.J. ۱۹۶۲. Hydrometer method improved for making particle size ...
Cambardella C.A., Moorman T.B., Novak J.M., Parkin T.B., Karlen D.L., ...
Clair T.A., and Ehrman J.M. ۱۹۹۶. Variations in discharge and ...
Dai F., Liu G., Zhou Q., Lv Zh., and Wang ...
Falahatkar S., Hosseini S.M., Ayoubi Sh., and Salman Mahiny A. ...
Gholamalizadeh Ahangar A., Sarani F., Hashemi F., and Shabani A. ...
Lakzian A., Fazeli Sangani M., Astaraei A., and Fotivat A. ...
Lin L. ۱۹۸۹. A concordance correlation coefficient to evaluate reproducibility. ...
Moghimi S., Parvizi Y., Mahdian M.H., and Masih Abadi M.H. ...
Pilevar Shahri A.R., Ayoubi S.H., and Khademi S.H. ۲۰۱۱. Comparison ...
Shakouri Katigari M., Shabanpour M., Davagar N., and Babazadeh SH. ...
Taghizadeh Mehrjardi R., Mahmoudi S.H., Zareian Jahromi M., and Heidari ...
Taghizadeh Merjerdi R., Sarmadian F., Omid M., and Savaghebi Gh. ...
Were K., Bui D T., Dick Y B., and Singh ...
Wu W., Xiu D.T., and Liu H.B. ۲۰۰۸. Spatial variability ...
Yana J., Lee Ch.K., Umeda M., and Kosaki T. ۲۰۱۳. ...
Zare Abyaneh H., and Bayat M. ۲۰۱۳. Development and application ...
نمایش کامل مراجع