اشتقاق توابع رگرسیونی طیفی جهت برآورد کربن آلی خاک
Publish place: The Second National Congress for the Development and Promotion of Agricultural Engineering and Soil Science of Iran
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 432
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISCONF02_084
تاریخ نمایه سازی: 11 آبان 1395
Abstract:
کربن آلی خاک به عنوان یکی از کلیدی ترین ویزگی های فیزیکی و شیمیایی خاک میزان دی اکسید کربن هوا و گرمایش جهانی را تعدیل کرده و در تشکیل خاکدانه ها طی مراحل خاکدانه سازی نیز نقش مهم ایفا می کند افزون بر این کربن آلی خاک به طرز چشمگیری شرایط فیزیکی خاک را طی مدت زمان طولانی بهبود می بخشد گرچه کربن آلی خاک را می توان به روش مستقیم اندازه گیری کرد لیکن این روش های اندازه گیری زمان بر و پرهزینه می باشد یکی ازاین روش های غیر مخرب سریع و ارزان که جایگزین اندازه گیری های مستقیم آزمایشگاهی شده فن آوری طیف سنجی خاک می باشد هدف از انجام این پژوهش ارزیابی روش بازتابی طیفی خاک در برآورد کربن آلی خاک دشت های کشاورزی شهرستان های قروه و دهگلان در استان کردستان می باشد بدین منظور تعداد 120 نمونه خاک سطحی از منطقه مورد مطالعه جمع اوری شده و در آزمایشگاه مقدار کربن آلی آن ها اندازه گیری شد آنالیز طیفی خاک های مورد مطالعه با بهره گیری از دستگاه طیف سنجی زمینی با دامنه طول موج 2500-350 نانومتر انجام شد پس از ثبت طیف ها انواع روش های پیش پردازش مورد ارزیابی قرار گرفت سپس با استفاده از رگرسیون چندگانه گام به گام تابعی رگرسیونی برای پیش بینی پارامتر مورد نظر پیشنهاد شد نتایج نشان داد تابع پیشنهادی در تخمین کربن آلی OC خاک با مقادیر d=0/87 و RMSE-0/173 دارای کارایی بالایی می باشد در مجموع نتایج حاصل از این پژوهش نشان داد که داده های طیفی خاک می توانند به عنوان روشی غیر مستقیم در برآورد کربن آلی خاک مورد استفاده قرار می گیرد
Keywords:
Authors
صلاح الدین کریمی
دانشجوی کارشناسی ارشد علوم و مهندسی خاک دانشکده کشاورزی دانشگاه کردستان
مسعود داوری
استادیار گروه علوم و مهندسی خاک دانشکده کشاورزی 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 :