پیش بینی کربن آلی خاک با استفاده از شبکه عصبی مصنوعی در منطقه نازلوچای ارومیه

با توجه به نقش کربن آلی در مدیریت و پایداری خاک زیست بوم ها، پییش بینیی کربن آلی خاک درمقیاس منطقه ای، ملی و جهانی به منظور تعیین سهم عوامل مدیریتی از تغییرات اقلیمی در مدیریتپایدار زیست بوم ها از اهمیت خاصی برخوردار است. بنابراین هدف از پژوهش حاضر ارایه مدلی مبتنیبر استفاده از شبکه عصبی مصنوعی است که روابط بین کربن آلی خاک و عوامل ادافیکی موثر بر آن رابیان کند که بر مبنای نتایج آن، می توان کربن آلی خاک در زیست بوم های فاقد آمار را در بلند مدت وتحت تاثیر شرایط مختلف اقلیمی برآورد نمود. برای این منظور، منطقه نازلوچای ارومیه انتخاب گردید.کربن آلی خاک به عنوان متغیر وابسته و متغیرهای خا کشناسی به عنوان متغیرهای مستقل در نظرگرفته شدند. با استفاده از تحلیل عاملی شش عامل هدایت الکتریکی، اسیدیته، درصدرس، درصدسیلت، درصد شن و میزان آهک انتخاب و در مرحله بعد با استفاده از شبکه عصبی پرسپترون چند لایهبا توابع انتقالی سیگمویید و تانژانت هیپربولیک در لایه پنهان و تابع انتقال خطی در لایه خروجی بهتحلیل کربن آلی خاک منطقه پرداخته شد. نتایج نشان داد که شبکه عصبی مصنوعی با تابع انتقالسیگمویید در مرحله آزمون با ضریب تبیین 0/73 و ریشه میانگین مربعات خطا 0/81 نسبت به تابع انتقال تانژانت هیپربولیک با ضریب تبیین 0/046 و ریشه میانگین مربعات خطا 3/97، توانسته است بخوبی کربن آلی خاک را مدل سازی کند. ضمن اینکه شبکه عصبی توانست با دقت خوبی کربن آلی خاک را پیش بینی کند. طبیعی است با انجام مطالعات مشابه در دیگر مناطق استان، می توان مقدارکربن آلی در واحد سطح را تحت شرایط مختلف تغییرات اقلیمی برآورد نمود.

Keywords:

کربن آلی خاک , شبکه عصبی مصنوعی , توابع انتقالی , نازلوچای