تخمین رطوبت، نرخ نیترات زایی و هیدرولیز اوره در خاک با به کارگیری روش های هوشمند ترکیبی-موجک

بررسی تاثیر شیوه های مدیریت زراعی بر میزان نیترات و اوره در خاک از اهمیت ویژه ای برخودار است. هدف از این مطالعه، مدلسازی و بررسی ارتباط متقابل متغیرهای هیدرولیکی، واکنشی و جذب املاح عمق های مختلف خاک جمع آوری شده در سال (۱۴۰۰-۱۳۹۹) از مزرعه پایلوت شالیزاری واقع در دانشگاه علوم کشاورزی و منابع طبیعی ساری، استان مازندران، به مساحت ۶/۰ هکتار، است. در این مطالعه، حجم رطوبت باقیمانده در خاک (θr)، نرخ نیترات زایی (kn) و نرخ هیدرولیز اوره (kh) به ترتیب بر اساس چهار، چهار و دو سناریو تعریف شده، با به کارگیری مدل های شبکه عصبی مصنوعی-موجک (WANN)، سامانه استنتاجی فازی-عصبی-موجک (WANFIS) و برنامه ریزی بیان ژن-موجک (WGEP)، مدلسازی شد. نتایج نشان داد که درصد بهبود عملکرد مدل های WGEP نسبت به WANFIS و مدل WANFIS نسبت به WANN با در نظر گرفتن شاخص ارزیابی RMSE به ترتیب برای سه متغیرθr ، kn و kh (۹۶/۱۶، ۸۷/۴۱)، (۷۲/۸۵، ۰۰/۱) و (۳۷/۲۰، ۲۷/۳) به دست آمد. مدل WGEP دارای بیشترین مقدار R و کم ترین مقادیر RMSE و MAE جهت تخمین متغیرهایθr ، kn و kh می باشد. نتایج نشان داد که متغیرهای هیدرولیکی، واکنشی و جذب املاح خاک می تواند متاثر از شرایط اقلیمی منطقه، باشد. بنابراین، ارائه مدل های کاربردی هوشمند جهت تخمین متغیرهای نیترات و اوره در خاک، می تواند مدیران و کشاورزان را در مدیریت صحیح منابع آب و خاک و مصرف بهینه کود نیتروژن با صرف هزینه و زمان کم تر، یاری دهد.

Keywords:

املاح , خاک , رطوبت , موجک , هوش مصنوعی