صاحب خورده بین - دانشجوی دکتری گروه علوم خاک دانشکده کشاورزی، دانشگاه شهید چمران اهواز
سعید حجتی - دانشیار گروه علوم خاک دانشکده کشاورزی، دانشگاه شهید چمران اهواز
احمد لندی - استاد گروه علوم خاک دانشکده کشاورزی، دانشگاه شهید چمران اهواز
ایمان احمدیان فر - استادیار گروه عمران دانشکده مهندسی، دانشگاه صنعتی خاتم الاانبیاء بهبهان

این مطالعه با هدف مقایسه دو روش شبکه عصبی مصنوعی و درخت تصمیم در پیشبینی ذخیره کربن آلی خاک در برخی کاربریهای شهرستان بهبهان انجام شد. بدین منظور نمونه برداری از خاک به روش مربع لاتین انجام و جهت بررسی میزان ذخیره کربن خاک، حفر پروفیل از عمق ۰-۳۰ و ۳۰-۶۰ انجام و کربن آلی نمونه ها به روش والکی بلک و وزن مخصوص ظاهری به روش کلوخه همرا با پارافین مذاب تعیین و سپس ذخیره کربن آلی خاک محاسبه گردید. پارامترهای کمکی مورد استفاده شامل اجزاء سرزمین و داده های تصویر سنجنده OLI لندست ۸ میباشد. نتایج نشان داد که متغیرهای SAVI، NDVI، شاخص شوری، شاخص کربنات، شاخص گچ و شاخص رس بیشترین همبستگی را با مقادیر ذخیره کربن دارند.. همچنین در عمق ۰- ۳۰ سانتیمتری مدل درخت تصمیم(DT )۱ با ضریب تبیین (R۲=۰/۸۷۹ ) و مجذور میانگین مربعات خطا (RMSE =۳/۸۵۲) نسبت به مدل شبکه عصبی مصنوعی نتایج بهتری در پیش بینی ذخیره کربن نشان داد ولی برای عمق ۳۰ - ۶۰ سانتیمتری مدل شبکه عصبی مصنوعی با ضریب تبیین و مجذور میانگین مربعات خطای به ترتیب R۲=۰/۵۰۸ و RMSE =۵/۵۵۸ نسبت به مدل درخت تصمیم عملکرد مناسبتری در پیشبینی ذخیره کربن داشته است.

ذخیره کربن،شبکه عصبی مصنوعی،درخت تصمیم