پیش بینی پراکنش مکانی ماده آلی خاک با استفاده از شاخص های توپوگرافی و تکنیک شبکه عصبی مصنوعی-کریجینگ

Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 59

This Paper With 14 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JSW-32-2_007

تاریخ نمایه سازی: 8 آبان 1402

Abstract:

ماده آلی یکی از فاکتورهای مهم کیفی خاک است که تاثیر زیادی بر ویژگی های فیزیکی، شیمیایی و بیولوژیکی خاک دارد. هدف از این پژوهش برآورد تغییرات مکانی ماده آلی خاک و وضعیت آن با استفاده از تکنیک شبکه عصبی مصنوعی-کریجینگ در اراضی دشت قروه در استان کردستان بود. بدین منظور تعداد ۱۵۰ نمونه خاک به روش سیستماتیک با فواصل ۲×۲ کیلومتر از عمق ۰ تا ۱۵ سانتی متری جمع آوری شد. مقدار ماده آلی خاک ها در آزمایشگاه اندازه گیری شد. با استفاده از شبکه عصبی مصنوعی رابطه بین مقدار ماده آلی و پارامترهای توپوگرافی (ارتفاع، درصد شیب، جهت شیب و شاخص خیسی توپوگرافی) بدست آمد. به کمک مدل بدست آمده نقشه اولیه ماده آلی خاک تهیه شد. سپس مقدار باقیمانده های مدل شبکه عصبی مصنوعی با روش کریجینگ معمولی درون یابی شد که پس از ادغام آن با نقشه اولیه نقشه نهایی ماده آلی خاک بدست آمد. نقشه وضعیت ماده آلی خاک از همپوشانی نقشه ماده آلی خاک با نقشه بافت خاک در چهار کلاس خیلی کم، کم، متوسط و زیاد بدست آمد. نتایج حاصل از شبکه عصبی مصنوعی نشان داد که متغیرهای ارتفاع و جهت شیب اثر معنی داری بر روی مقدار ماده آلی خاک داشتند (۰۵/۰>P). بر اساس نتایج حاصل از ارزیابی متقاطع روش شبکه عصبی مصنوعی-کریجینگ توانست ۸۹ درصد از تغییرات مکانی ماده آلی خاک را توصیف کند. نقشه وضعیت ماده آلی خاک نشان داد که در حدود ۷۹ درصد از خاک های منطقه از نظر ماده آلی در وضعیت خیلی کم و کم قرار دارند.

Authors

محمد علی محمودی

دانشگاه کردستان

مولود میرزایی

دانشگاه کردستان

سید محمد طاهر حسینی

دانشگاه کردستان

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 :
  • Beven K.J., and Kirkby M.J. ۱۹۷۹. A physically based, variable ...
  • Bishap C.M. ۱۹۹۵. Neural networks for pattern recogniation. Oxford University ...
  • Burgess T.M., and Webster, R. ۱۹۸۰. Optimal interpolation and isarithmic ...
  • Burrough P.A. ۱۹۸۶. Principles of geographical information systems for land ...
  • Chivenge P.P., Murwira H.K., Giller K.E., Mapfumo P., and Six ...
  • Eldeiry A., and Garcia L.A. ۲۰۰۹. Comparison of Regression kriging ...
  • Guo P.T., Wu W., and Sheng Q.K. ۲۰۱۳. Prediction of ...
  • Ingleby H.R., and Crowe T.G. ۲۰۰۱. Neural network models for ...
  • Istok J.D., Smyth J.D., and Flint A.L. ۱۹۹۳. Multivariate geostatistical ...
  • Li Z.Y. ۱۹۹۸. Supervised classification of multi-spectral remote sensing image ...
  • Liao K., Xu S., Wu J., and Zhu Q. ۲۰۱۳. ...
  • Mahmoodi S., and Hakimian M. ۱۹۹۸. Fundamentals of soil science. ...
  • McBratney A.B., and Webster R. ۱۹۸۶. Choosing functions for semivariograms ...
  • McBratney A.B., Santos M.L.M., and Minasny B. ۲۰۰۳. On digital ...
  • Mirzaie M. ۲۰۱۵. Prediction of soil organic matter based on ...
  • Mulla D.J., and McBratney A.B. ۲۰۰۰. Soil Spatial Variability. p. ...
  • Nash J.E., and Sutcliffe J.V. ۱۹۷۰. River flow forecasting through ...
  • Odeh I.O.A., McBratney A.B., and Chittleborough D.J. ۱۹۹۵. Further results ...
  • Quinton J.N. ۱۹۹۷. Reducing predictive uncertainty in model simulations: A ...
  • Shouse P.J., Gerik T.J., Russell W.B., and Cassel D.K. ۱۹۹۰. ...
  • Societ`a Italiana dei Laboratori Pubblici di Agrochimica (SILPA). ۱۹۹۹. From ...
  • Vauclin M., Vieira S.R., Vachaud G., and Nielsen D.R. ۱۹۸۳. ...
  • Walkley A., and Black I.A. ۱۹۳۴. An examination of the ...
  • Wu C., Wu J., Luo Y., Zhang L., and DeGloria ...
  • Yadav V., and Malanson G. ۲۰۰۷. Progress in soil organic ...
  • Yates S.R., and Warrick A.W. ۱۹۸۷. Estimating soil water content ...
  • Zhao Z., Yang Q., Benoy G., Chow T.L., Xing Z., ...
  • نمایش کامل مراجع