مقایسه روش های رگرسیون خطی، زمینآماری و شبکه عصبی مصنوعی در مدل سازی کربن آلیدر اراضی خشک دشت سیستان

آگاهی از تغییرات مکانی کربن آلی در کاربریهای مختلف اراضی کمک موثری به تفسیر و شبیه سازی رفتار اکوسیستم های خاکی در مواجهه با تغییرات اقلیمی و زیست محیطی خواهد نمود. هدف از این تحقیق مقایسه روش های رگرسیونی، زمین آمار و شبکه عصبی مصنوعی در تخمین مقادیر کربن آلی در 192 نمونه خاک، از خاک های سطحی ( 0 تا 30 سانتی متر) بخشی از دشت سیستان (منطقه میانکنگی) بود. در این تحقیق، تنها 5 درصد تغییرات کربن آلی در منطقه مورد مطالعه توسط متغیرهای موجود در مدل رگرسیون خطی توجیه گردید R2=0/05 همچنین بهترین روش زمین آماری، یعنی روش کوکریجینگ ساده با استفاده از متغیر کمکی رس، با R2=0/23 و RMSE=0/127 فقط تا اندازهای توانایی تخمین میزان کربن آلی را داشت. این در صورتی است که شبکه عصبی مصنوعی با استفاده از پارامترهای طول و عرض جغرافیایی کارایی بسیار بهتری باR2=0/79 و RMSE=0/044 در تخمین مقدار کربن آلی نسبت به روشهای رگرسیون خطی و زمین آماری نشان داد . در نتیجه روش ترکیبی شبکه عصبی کریجینگ بهترین روش برای پهنه بندی کربن آلی در منطقه مورد مطالعه شناخته شد

مقایسه روش های رگرسیون خطی، زمینآماری و شبکه عصبی مصنوعی در مدل سازی کربن آلیدر اراضی خشک دشت سیستان Keywords:

میانکنگی , کربن آلی , رگرسیون خطی , زمین آمار , مدل شبکه عصبی مصنوعی