کاربرد روشهای رگرسیونی و شبکههای عصبی به منظور تخمین هدایت هیدرولیکی اشباع خاک منطقه زاگرس مرکزی
محل انتشار: فصلنامه علوم آب و خاک، دوره: 19، شماره: 71
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 417
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWSS-19-71_019
تاریخ نمایه سازی: 22 اردیبهشت 1400
چکیده مقاله:
در سال های اخیر با ظهور سامانه اطلاعات جغرافیایی و تکنولوژی سنجش از دور، ویژگیهای توپوگرافیکی (ارتفاع، شیب و جهت شیب) و ویژگیهای پوشش گیاهی به راحتی به وسیله مدلهای رقومی ارتفاع و شاخص پوشش گیاهی (NDVI) در مقیاسهای مختلف (حوزهای و منطقهای) قابل دسترس میباشد. هدف از انجام این پژوهش، بررسی امکان استفاده از ویژگیهای توپوگرافیکی و پوشش گیاهی به همراه ویژگیهای خاک به عنوان ویژگیهای زود یافت برای تخمین هدایت هیدرولیکی اشباع خاک است. برای این کار توزیع اندازه ذرات خاک، کربن آلی، کربنات کلسیم و چگالی ظاهری در افقهای رویین و زیرین و ویژگیهای توپوگرافیکی و NDVI از افق رویین خاک اندازهگیری شدند. سه ساختار شبکه عصبی پرسپترون برای مقایسه با رگرسیون چند متغیره خطی مورد استفاده قرار گرفتند. کارایی توابع انتقالی خاک و توابع پیشبینی مکانی خاک به وسیله ضریب همبستگی اسپیرمن (r)، میانگین مربعات خطای نرمال شده (NMSE) و میانگین خطای مطلق(MAE) بین مقادیر اندازهگیری شده و مشاهده شده مورد ارزیابی قرار گرفت. نتایج نشان داد که ویژگیهای توپوگرافیکی و پوشش گیاهی از متغیرهای حساس در تخمین هدایت هیدرولیکی اشباع خاک در مراتع زاگرس مرکزی میباشند. به طور کلی شبکههای عصبی (۸۷/۰=r) داری کارایی بهتری از رگرسیون چند متغیره خطی (۶۹/۰=r) در تخمین هدایت هیدرولیکی اشباع خاک هستند.
کلیدواژه ها:
Artificial Neural Network ، Soil Saturated Hydraulic Conductivity ، Process based models ، Central Zagros Rangelands. ، شبکه عصبی مصنوعی ، هدایت هیدرولیکی اشباع خاک ، مدلهای ریاضی- فیزیکی ، مراتع زاگرس مرکزی
نویسندگان
بیژن خلیلی مقدم
Dept of Soil Sci. Ramin Agric. and Natur. Resour. Univ. of Khozestan, Ahvaz, Iran.
مجید افیونی
Dept of Soil Sci. College of Agric. Isfahan Univ. of Technol. Isfahan, Iran.
احمد جلالیان
Dept of Soil Sci. College of Agric. Isfahan Univ. of Technol. Isfahan, Iran.
کریم عباسپور
Swiss Federal Institute for Environ. Sci. and Technol. EAWAG, ۸۶۰۰ Dübendorf, Switzerland.
امیر احمد دهقانی
Faculty of Agric. Eng. Gorgan Univ. of Agric.and Natur. Resour., Gorgan, Iran.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :