ارزیابی قابلیت مدل هیبریدی ImpeIERO در برآورد فرسایش خاک
Publish place: 6th National Conference on Watershed Management and Soil and Water Resources Management
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 1,108
This Paper With 7 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:
NCWMSWRM06_040
Index date: 12 July 2014
ارزیابی قابلیت مدل هیبریدی ImpeIERO در برآورد فرسایش خاک abstract
فرسایش خاک از جمله فرآیندهایی است که منابع آب و خاک کشور را بصورت مستقیم و غیر مستقیم تهدید می کند. شناخت و کمی نمودن تغییرات فرسایش خاک، ارزیابی مدل ها و طراحی آزمایش های مربوط به آن ضروری است. فرسایش در مقیاس حوزه، متنوع و ناهمگن بوده و در نتیجه ارزیابی آن مشکل است. نکته اساسی در استفاده از مدل های برآورد فرسایش و تولید رسوب، علاوه بر دستیابی به مقادیر فرسایش و تولید رسوب انتخاب مناسبترین مدل به ویژه در حوزه های فاقد آمار رسوب سنجی می باشد که در این زمینه بتواند پاسخگوی نیاز باشد. مدل ImpelERO بخشی از سیستم میکرولیز سیستم حمایتی تصمیم ارزیابی اراضی است که شاخص حساسیت فرسایش آبی، کاهش باروری و راهبردهای مدیریتی بهینه و مطلوب را در بخش کشاورزی پیش بینی می کند. این مدل با استفاده از سیتم شبکه های عصبی مصنوعی و درخت تصمیم هوشمند میزان فرسایش و عمق هدرروی خاک را پیش بینی می کند. علاوه بر پیش بینی فرسایشImpelERO بخشی از سیستم میکرولیز شاخص حساسیت فرسایش آبی، کاهش باروری و راهبردهای مدیریتی بهینه و مطلوب را در بخش کشاورزی پیش بینی می کند. این مدل با استفاده از سیتم شبکه های عصبی مصنوعی و درخت تصمیم هوشمند میزان فرسایش و عمق هدرروی خاک را پیش بینیسیستم حمایتی تصمیم ارزیابی اراضی است که می کند.
ارزیابی قابلیت مدل هیبریدی ImpeIERO در برآورد فرسایش خاک Keywords:
ارزیابی قابلیت مدل هیبریدی ImpeIERO در برآورد فرسایش خاک authors
زهره بقائی
دانشجوی کارشناسی ارشد علوم خاک، گروه خاکشناسی، دانشگاه لرستان
حمیدرضا متین فر
استادیارگروه خاکشناسی، دانشگاه لرستان
فرزین شهبازی
استادیارگروه خاکشناسی، دانشگاه تبریز
اکبر سهرابی
استادیار گروه خاکشناسی، دانشگاه لرستان
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 :