مقایسه روش های شبکه عصبی و رگرسیونی به منظور پیش بینی تراکم بذور خاک با استفاده از برخی خصوصیات فیزیکی و شیمیایی خاک

امروزه بانک بذر خاک جهت احیاء اکولوژیکی جوامع گیاهی، درک بهتر از ترکیب گیاهی و شناسایی الگوی پراکنش و پویایی فصلی گونههای گیاهی، به عنوان بخش مهمی از مطالعات جامعشناسی گیاهی شناخته شده است. بانک بذر خاک میتواند از جایگزینی داده های زودیافت مانند بافت خاک و چگالی ظاهری با استفاده از توابع انتقالی به دست آید. شبکههای عصبی و رگرسیون آماری از جمله روشهایی هستند که برای تخمین توابع انتقالی خاک استفاده میشوند. هدف از این مطالعه مقایسه مدل رگرسیون چند متغیره، شبکه عصبی تطبیقی-فازی و شبکه عصبی مصنوعی در برآورد تراکم بانک بذر خاک به کمک ویژگیهای زودیافت خاک میباشد. منطقه مورد مطالعه در اکوسیستم مرتعی آقچه کند انتخاب و نمونه برداری از 56 نقطه و از عمق -10 0 سانتی متری انجام شد. تراکم بانک بذر خاک و ویژگی های زودیافت خاک (درصد ماده آلی، هدایت اکتریکی، اسیدیته، هدایت الکتریکی، نیتروژن، درصد تخلخل، وزن مخصوص ظاهری، رطوبت نسبی) آنالیز و محاسبه شد. در نهایت مدل رگرسیون چندمتغیره، شبکه عصبی مصنوعی و شبکه عصبی تطبیقی- فازی بین این ویژگیها و بانک بذر خاک، برقرار و نتایج مطالعه نشان داد که مدلهای رگرسیونی، شبکه عصبی مصنوعی و شبکه عصبی تطبیقی-فازی توانستند به ترتیب 66 ، 61 و 67 درصد از تغییرات مکانی تراکم بانک بذر خاک، را با توجه به ویژگیهای زودیافت خاک در منطقه توجیه نمایند. نتایج رگرسیون گام به گام نیز نشان داد که نیتروژن و وزن مخصوص ظاهری مهمترین عوامل تاثیرگذار بر تراکم بانک بذر خاک بودند. نتایج کلی این مطالعه نشان داد که تراکم بانک بذر خاک در منطقه از ویژگیهای زودیافت خاک تاثیر زیادی گرفته است. همچنین بر اساس معیارهای مجذور میانگین مربعات خطا و ضریب کارایی که در مدل رگرسیونی به ترتیب 0/13 و 0/10، مدل شبکه عصبی مصنوعی به ترتیب 0/08 و 0/60 و در مدل شبکه عصبی تطبیقی-فازی به ترتیب 0/07 و 0/64 می باشند.در نهایت میتوان گفت مدل شبکه عصبی تطبیقی-فازی (ANFIS) در پیش بینی تراکم بانک بذر خاک نسبت به آنالیز رگرسیون خطی چند متغیره و شبکه عصبی مصنوعی بهتر عمل میکند.

Keywords:

بانک بذر خاک , رگرسیون چند متغیره , شبکه عصبی مصنوعی , شبکه عصبی تطبیقی-فازی