کاربرد مدل های یادگیری ماشین در برآورد مکانی فسفر و پتاسیم خاک در بخشی از اراضی دشت آبیک
- سال انتشار: 1400
- محل انتشار: نشریه پژوهش های خاک، دوره: 35، شماره: 4
- کد COI اختصاصی: JR_AREO-35-4_005
- زبان مقاله: فارسی
- تعداد مشاهده: 332
نویسندگان
دانشجوی دکتری گروه مهندسی علوم خاک، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران
استاد گروه مهندسی علوم خاک، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران
استاد گروه مهندسی ماشین های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران
استاد دانشکده محیط زیست و علوم زمین، دانشگاه کاتولیک لوون، لوون، بلژیک
چکیده
مدلسازی و نقشهبرداری توزیع مکانی عناصر غذایی گیاه در خاک اهمیت ویژهای در افزایش بهرهوری بخش کشاورزی و نیل به توسعه پایدار دارد. این پژوهش باهدف تهیه نقشههای رقومی دو عنصر مغذی فسفر در دسترس (Pav) و پتاسیم قابل تبادل (Kex) خاک با استفاده از مدلهای یادگیری ماشین (MLM) شامل جنگل تصادفی (RF)، کوبیست (CB)، رگرسیون بردار پشتیبان (SVR) و k – نزدیکترین همسایگی (k-NN) در دو عمق ۱۵-۰ و ۳۰- ۱۵ سانتیمتر در بخشی از اراضی دشت آبیک صورت پذیرفت. در راستای این هدف ۲۷۸ خاک رخ مطالعاتی در منطقه موردمطالعه حفر و پس از نمونهبرداری از افقهای موردنظر، خاکها برای انجام آزمایشهای موردنیاز به آزمایشگاه منتقل شد. ارزیابی کارایی MLM بر اساس روش اعتبارسنجی متقابل با ۱۰-گام صورت پذیرفت. نتایج مدلسازی حاکی از آن است که مدل RF نسبت به سه مدل دیگر در برآورد مکانی Pav و Kex در دو عمق موردمطالعه دارای بیشترین میزان صحت و حداقل مقدار خطا بود. در عمق ۰-۱۵ سانتیمتر طبق آمارههای ضریب همبستگی تطابق (CCC) برای Pav مقادیر ۸۴/۰، ۷۴/۰، ۴۸/۰ و ۳۵/۰ و حداقل مقدار میانگین ریشه مربعات خطا نرمال شده (NRMSE) ۳۸/۰، ۵۴/۰، ۷۰/۰ و ۸۰/۰ به ترتیب توسط مدلهای RF، CB، k-NN، SVR و برای Kex در همین عمق مقادیر CCC برابر ۸۲/۰، ۷۲/۰، ۷۰/، ۴۷/۰ و NRMSE ۲۵/۰، ۳۴/۰، ۳۶/۰ و ۴۵/۰ به ترتیب توسط مدلهای RF، CB، SVR، k-NN مشاهده گردید. نتایج مشابهی برای لایه ۳۰-۱۵ سانتی متر به دست آمد. اهمیت نسبی متغیرهای محیطی موید نقش موثرتر ویژگیهای خاک نسبت به سایر متغیرهای محیطی در برآورد Pav و Kex بود. با توجه به نقشههای پهنهبندی دو عنصر مغذی و غالب بودن کاربری زراعی در اراضی موردمطالعه، بخشهای عمدهای از منطقه بر اساس مقادیر استاندارد Pav دارای کمبود بود. بنا بر این، بهمنظور افزایش بهرهوری و بهبود مدیریت حاصلخیزیخاک استفاده از کودهای فسفات با نظارت کارشناسان خاک توصیه میشود.کلیدواژه ها
فسفر در دسترس, پتاسیم قابل تبادل, مدل سازی مکانی, نقشه برداری رقومی خاکاطلاعات 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.