تهیه نقشه های سه بعدی توزیع اندازه ذرات نهایی سازنده خاک (بافت خاک) با استفاده از معادلات عمق و شبکه های عصبی مصنوعی

  • سال انتشار: 1396
  • محل انتشار: مجله تحقیقات آب و خاک ایران، دوره: 48، شماره: 1
  • کد COI اختصاصی: JR_IJSWR-48-1_011
  • زبان مقاله: فارسی
  • تعداد مشاهده: 221
دانلود فایل این مقاله

نویسندگان

علیرضا امیریان چکان

عضو هیات علمی دانشگاه صنعتی خاتم الانبیاء بهبهان

روح اله تقی زاده مهرجردی

استادیار دانشکده کشاورزی و منابع طبیعی دانشگاه اردکان

فریدون سرمدیان

استاد گروه مهندسی علوم خاک دانشگاه تهران

احمد حیدری

گروه مهندسی علوم خاک، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران

چکیده

در نقشه­های مرسوم معمولا چگونگی تغییرات بافت خاک در فواصل بین نقاط نمونه­برداری نشان داده نمی­شود و در این نقشه­ها و نقشه­های رقومی، تغییرات تدریجی بافت خاک با عمق به خوبی قابل پیش­بینی نیست. از تکنیک نقشه­برداری رقومی برای تخمین ذرات نهایی سازنده خاک در مکان­های نمونه­برداری نشده و از معادلات عمق خاک برای نشان دادن تغییرات بافت خاک با عمق و تخمین آن در هر عمق دلخواه می­توان استفاده نمود. در این مطالعه در ۱۰۳ نقطه مشاهداتی واقع در دشت سیلاخور در شمال غرب شهرستان دورود استان لرستان، معادله عمق اسپلاین با سطح برابر بر داده­های سیلت، شن و رس تا عمق یک متری برازش داده شد و مقادیر این اجزاء در پنج عمق استاندارد شامل ۵-۰، ۱۵-۵، ۳۰-۱۵، ۶۰-۳۰ و ۱۰۰-۶۰ سانتی­متر تخمین زده شد.  این اطلاعات با متغیرهای کمکی استخراج شده از تصاویر ETM+سنجنده­های ماهواره لندست و مدل رقومی ارتفاعی (DEM) تلفیق و بر اساس روابط بین آن­ها نقشه پیوسته پیش­بینی مقدار اندازه ذرات نهایی سازنده خاک و کلاس­های بافت خاک با استفاده از مدل شبکه­های عصبی مصنوعی برای کل منطقه به دست آمد. نتایج تجزیه و تحلیل حساسیت نشان داد اهمیت نسبی داده­های کمکی در پیش­بینی بافت خاک برای اجزاء مختلف بافت و در اعماق مختلف متفاوت است. بر طبق نتایج حاصله توانایی شبکه­های عصبی در تخمین بافت خاک در لایه­های سطحی بیشتر از لایه­های پایینی بود. مقادیر R۲ برای رس، سیلت و شن از سطح به عمق به ترتیب از ۷۳/۰ تا ۴۹/۰، از ۷۶/۰ تا ۴۳/۰ و از ۶۸/۰ تا ۲۶/۰ به دست آمد. این نتایج در نقشه­برداری رقومی در حد قابل قبولی هستند. افزون بر این، نتایج نشان داد داده­های کمکی مستخرج از تصاویر ماهواره­ای در لایه های سطحی و داده­های مستخرج از DEM در لایه­های عمقی اهمیت بیشتری در تخمین بافت خاک داشتند.

کلیدواژه ها

digital soil mapping, Silakhor Plain, scorpan model, remote sensing

اطلاعات 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.