مدلسازی شاخص S و تعیین عوامل موثر بر آن با استفاده از الگوریتم هیبرید شبیهسازی تبرید- شبکه عصبی مصنوعی در خاکهای آهکی جنوبشرق ایران
- سال انتشار: 1398
- محل انتشار: فصلنامه علوم آب و خاک، دوره: 23، شماره: 3
- کد COI اختصاصی: JR_JWSS-23-3_029
- زبان مقاله: فارسی
- تعداد مشاهده: 319
نویسندگان
۱. Department of Soil Science, College of Agriculture, Vali-e-Asr University of Rafsanjan, Rafsanjan, Iran.
۱. Department of Soil Science, College of Agriculture, Vali-e-Asr University of Rafsanjan, Rafsanjan, Iran.
۱. Department of Soil Science, College of Agriculture, Vali-e-Asr University of Rafsanjan, Rafsanjan, Iran.
۲. Inter ۳ GmbH - Institut for Ressources management, Berlin, Germany.
۳. Department of Soil Science, Faculty of Agriculture, University of Jiroft, Jiroft, Kerman, Iran.
چکیده
استفاده از شیب منحنی مشخصه رطوبتی خاک در نقطه عطف (شاخص S)، یکی از شاخصهای مهم ارزیابی کیفیت خاک در برنامهریزی مدیریت اراضی زراعی و باغی محسوب میشود. هدف از این پژوهش، تعیین موثرترین ویژگیهای خاک در منطقه جیرفت بر تخمین شاخص S با استفاده از الگوریتم هیبرید شبیهسازی تبرید - شبکه عصبی مصنوعی بود. به این منظور، ۳۵۰ نمونه خاک دستخورده و ۳۵۰ نمونه خاک دستنخورده از اراضی زراعی و باغی برداشت و سپس برخی از ویژگیهای فیزیکی و شیمیایی خاک، شامل درصد شن، سیلت، رس، قابلیت هدایتالکتریکی اشباع، چگالی ظاهری، درصد تخلخل کل، درصد مواد آلی و درصد کربنات کلسیم معادل با استفاده از روشهای استاندارد اندازهگیری شدند. همچنین با استفاده از دستگاه صفحات فشاری، مقدار رطوبت خاک در مکشهای ۰، ۳۰،۱۰، ۵۰، ۱۰۰، ۳۰۰، ۵۰۰، ۱۰۰۰ و ۱۵۰۰ کیلوپاسکال تعیین شد. در ادامه با استفاده از الگوریتم هیبریدی شبکه عصبی مصنوعی- شبیهسازی تبرید، ویژگیهای موثر بر مدلسازی شاخص S استخراج شدند. درنهایت با استفاده از پنج ویژگی استخراج شده (درصد ش و رس، قابلیت هدایتالکتریکی، چگالی ظاهری و ظرفیت زراعی)، مدلسازی شاخص S توسط شبکه عصبی مصنوعی انجام شد. نتایج نشان داد که با کاهش متغییرهای ورودی، دقت مدلسازی افزایش یافت. بهعلاوه، نتایج آنالیز حساسیت نشان داد چگالی ظاهری با بالاترین ضریب حساسیت (ضریب حساسیت ۵/۰) بهعنوان مهمترین ویژگی در مدلسازی شاخص S محسوب میشود. بنابراین، از آنجا که افزایش تعداد ویژگیها لزوما باعث افزایش دقت مدلسازی نمیشود، کاهش ویژگیهای ورودی بهسبب کاهش هزینه و زمان انجام پژوهش مقرون بهصرفه است.کلیدواژه ها
soil physical quality, feature selection, sensitivity analysis, meta-heuristic algorithms, کیفیت فیزیکی خاک, انتخاب ویژگی, تحلیل حساسیت, الگوریتمهای تکاملیاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.