بررسی کارایی روش طیف سنجی مرئی-مادون قرمز نزدیک در تخمین برخی ویژگی های خاک منطقه ی سمیرم اصفهان

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 248

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JSW-36-2_009

تاریخ نمایه سازی: 4 مرداد 1401

چکیده مقاله:

اندازه گیری ویژگی های خاک در یک مقیاس وسیع به دلیل حجم بالای نمونه برداری و تجزیه های آزمایشگاهی، زمان بر و گران است. بنابراین استفاده از روش های ساده، سریع، ارزان و پیشرفته مانند طیف سنجی خاک می تواند مفید باشد. این مطالعه با هدف بررسی کارایی روش طیف سنجی در پیش بینی برخی از ویژگی های خاک در منطقه سمیرم استان اصفهان انجام شد. به این منظور تعداد۲۰۰ نمونه خاک سطحی (۱۰ سانتی متری) جمع آوری گردید. مقادیر کربن آلی، pH، EC وکربنات کلسیم معادل در آزمایشگاه اندازه گیری شدند. همچنین، طیف سنجی نمونه های خاک با استفاده از دستگاه طیف سنج زمینی FieldSpec۳ درمحدوده طول موج ۳۵۰ تا ۲۵۰۰ نانومتر انجام گرفت. سپس روش های پیش پردازش مشتق اول و مشتق دوم با فیلتر ساویتزکی گلای و متغیر نرمال استاندارد بر روی طیف ها انجام شدند. برای برقراری ارتباط بین ویژگی های خاک با ویژگی های طیفی آن از مدل های حداقل مربعات جزئی (PLSR)، رگرسیون مولفه اصلی (PCR)، شبکه عصبی مصنوعی (ANN) و رگرسیون ماشین بردار پشتیبان (SVMR) استفاده گردید. بهترین مدل در برآورد هدایت الکتریکی خاک، کربنات کلسیم و کربن آلی مدل PLSR و برای واکنش خاک مدل SVMR و بهترین روش های پیش پردازش، روش های مشتق گیری بودند که ضرایب تبیین آن ها به ترتیب ۹۴/۰، ۸۸/۰، ۹/۰ و ۷۹/۰ بودند و تمام برآوردها، کمترین RMSE را نسبت به روش های دیگر و ۲ RPD> داشتند. به طور کلی نتایج این مطالعه بر قابلیت روش طیف سنجی مرئی مادون قرمز نزدیک در برآورد مکانی چندین ویژگی خاک به صورت همزمان، دلالت دارد. بنابراین، این روش می تواند به عنوان روشی جایگزین برای روش های مرسوم آزمایشگاهی در تعیین ویژگی های خاک مورد استفاده قرار گیرد.

کلیدواژه ها:

رگرسیون حداقل مربعات جزئی (PLSR) ، رگرسیون ماشین بردار پشتیبان (SVMR) ، رگرسیون مولفه اصلی (PCR) ، شبکه عصبی مصنوعی (ANN) ، طیف سنجی

نویسندگان

فاطمه رحمتی

گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، خوزستان، ایران

سعید حجتی

گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، خوزستان، ایران

کاظم رنگزن

گروه سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید چمران اهواز، اهواز، ایران

احمد لندی

گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، خوزستان، ایران

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 :
  • Aldabaa A., Weindorf D.C., Chakraborty S., Sharma A., and Li ...
  • Bilgili A., van Es H., Akbas F., and Durak A. ...
  • Bouyoucos G.J. ۱۹۵۱. A recalibration of hydrometer method for making ...
  • Clark R.N. ۱۹۹۹. Spectroscopy of rocks and minerals, principles of ...
  • Gras J.P., Barthès B.G. Mahaut B., and Trupin. S. ۲۰۱۴. ...
  • Guerrero C., Viscarra Rossel R.A., and Mouazen A.M. ۲۰۱۰. Diffuse ...
  • Hassani A., Bahrami H.A., Noroozi A.A., and Oustan Sh. ۲۰۱۴. ...
  • Hong Y., Chen S., Zhang Y., Chen Y., Yu L., ...
  • Islam K., Singh B., and McBratney A. ۲۰۰۳. Simultaneous estimation ...
  • Jalalian A. ۱۹۹۷. The studies of lands resources and capability ...
  • Khayamim, Khademi H., Stenberg B., and Wetterlind J. ۲۰۱۵. Capability ...
  • Knadel M., Deng F., Alinejadian A., de Jonge L.W., Møldrup ...
  • Kuśnierek ۲۰۱۱. Pre-processing of soil visible and near infrared spectra ...
  • Lanyon L.E., and Heald W.R. ۱۹۸۲. Magnesium, calcium, strontium and ...
  • Minasny B., and McBratney A.B. ۲۰۰۶. A conditioned Latin hypercube ...
  • Nawar, Buddenbaum H., Hill J., Kozak J., and Mouazen A. ...
  • Ostovari, Ghorbani-Dashtaki S., Bahrami H.A., Abbasi M., Dematte J.A.M., Arthur, ...
  • Rasooli N., Farpoor M., Khayamim F., and Ranjbar H. ۲۰۱۸. ...
  • Reeves, McCarty G., and Mimmo T. ۲۰۰۲. The potential of ...
  • Reeves, and Smith D.B. ۲۰۰۹. The potential of mid-and near-infrared ...
  • Richards L.A. ۱۹۵۴. Diagnosis and Improvement of Saline-Alkali Soils. US ...
  • SargentJ. ۲۰۰۱. Comparison of artificial neural networks with other statistical ...
  • Savitzky, and Golay M.J. ۱۹۶۴. Smoothing and differentiation of data ...
  • Seifi, Ahmadi A., Neyshabouri M.R., Taghizadeh-Mehrjardi R., and Bahrami H.A. ...
  • Shiferaw, and Hergarten Ch. ۲۰۱۴. Visible near infra-red (Vis-NIR) spectroscopy ...
  • Summers, Lewis M., Ostendorf B., and Chittleborough D. ۲۰۱۱. Visible ...
  • Stenberg B., Jonsson A., and Börjesson T. ۲۰۰۲. Near infrared ...
  • TerraS., Demattê J.A.M., and Viscarra Rossel R.A. ۲۰۱۵. Spectral libraries ...
  • Vapnik, and Vapnik V. ۱۹۹۸. Statistical learning theory. John Wiley ...
  • Viscarra RosselA., McGlynn R., and McBratney A. ۲۰۰۶. Determining the ...
  • Viscarra Rossel R.A., Walvoort D.J.J., McBratney A.B., Janik L.J., and ...
  • Viscarra Rossel R.A., Cattle S.R., Ortega A., and Fouad Y. ...
  • Viscarra Rossel R., and Behrens T. ۲۰۱۰. Using data mining ...
  • Walkley A., and Black I.A. ۱۹۳۴. An examination of the ...
  • Wang , Ding J., Abulimiti A., and Cai L. ۲۰۱۸. ...
  • Wilding ۱۹۸۵. Soil Spatial variability: Its documentation, accommodation, and implication ...
  • Wold, Sjostrom M., and Eriksson L. ۲۰۰۱. PLS-regression: a basic ...
  • نمایش کامل مراجع