پیش بینی پراکنش مکانی ماده آلی خاک با استفاده از شاخص های توپوگرافی و تکنیک شبکه عصبی مصنوعی-کریجینگ
Publish place: Journal of Water and Soil، Vol: 32، Issue: 2
Publish Year: 1397
Type: Journal paper
Language: Persian
View: 116
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_JSW-32-2_007
Index date: 30 October 2023
پیش بینی پراکنش مکانی ماده آلی خاک با استفاده از شاخص های توپوگرافی و تکنیک شبکه عصبی مصنوعی-کریجینگ 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.
پیش بینی پراکنش مکانی ماده آلی خاک با استفاده از شاخص های توپوگرافی و تکنیک شبکه عصبی مصنوعی-کریجینگ Keywords:
پیش بینی پراکنش مکانی ماده آلی خاک با استفاده از شاخص های توپوگرافی و تکنیک شبکه عصبی مصنوعی-کریجینگ authors
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 :