مدل سازی مقاومت فروروی خاک با استفاده از رگرسیون، شبکه عصبی مصنوعی و برنامه ریزی بیان ژن

  • سال انتشار: 1403
  • محل انتشار: فصلنامه آب و خاک، دوره: 38، شماره: 2
  • کد COI اختصاصی: JR_JSW-38-2_007
  • زبان مقاله: فارسی
  • تعداد مشاهده: 164
دانلود فایل این مقاله

نویسندگان

شکراله اصغری

گروه علوم و مهندسی خاک، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران

مهسا حسنپور کاشانی

گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران

حسین شهاب آرخازلو

گروه علوم و مهندسی خاک، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران

چکیده

اطلاع از مقاومت فروروی (PR) خاک از نظر جوانه­زنی بذر، رشد ریشه و عملیات خاک­ورزی اهمیت فراوان دارد. اندازه­گیری مستقیمPR  خاک به­دلیل تغییرپذیری مکانی و زمانی شدید آن، کاری پرزحمت و گران می­باشد. هدف از این پژوهش، ارایه مدل­های رگرسیون خطی (MLR)، شبکه عصبی مصنوعی (ANN) و برنامه­ریزی بیان ژن (GEP) برای برآورد PR از روی ویژگی­های زودیافت خاک بود. در مجموع ۸۰ نمونه خاک سطحی (۰ تا cm ۱۰) دست­خورده و دست­نخورده (با استفاده از استوانه­های استیل به قطر و ارتفاع ۵ سانتی­متر) از اراضی جنگلی، مرتعی و زراعی منطقه فندقلوی اردبیل در تابستان ۱۴۰۲ برداشته شد سپس برخی خصوصیات فیزیکی و شیمیایی زودیافت خاک در آنها اندازه­گیری شد. مقاومت فروروی خاک به­طور درجا در محل با استفاده از یک فروسنج مخروطی تعیین گردید و همزمان رطوبت خاک مزرعه در استوانه­ها اندازه­گیری شد. داده­ها به­طور تصادفی به دو گروه آموزشی (۶۰ نمونه) و آزمونی (۲۰ نمونه) تقسیم گردید. مدل­های MLR، ANN و GEP به­ترتیب با استفاده از نرم­افزارهای SPSS، MATLAB و Gene Xpro Tools ایجاد شدند. نتایج مدل­سازی نشان داد که رطوبت خاک مزرعه، سیلت و جرم مخصوص ظاهری نسبی، مهمترین متغیرهای ورودی در برآورد PR خاک بودند. مقادیر آماره­های ضریب تبیین (R۲)، مجذور میانگین مربعات خطا (RMSE)، میانگین خطا (ME) و ضریب نش-ساتکلیف (NS) براساس داده­های آزمونی برابر ۴۴/۰، MPa ۱۹/۱، MPa ۱۹/۰ و ۳۶/۰، ۹۲/۰، MPa ۴۱/۰، MPa ۰۵/۰- و ۹۲/۰، ۷۹/۰، MPa ۹۱/۰، MPa ۱۳/۰ و ۶۳/۰ به­ترتیب برای بهترین مدل MLR، ANN و GEP تعیین گردید. براساس نتایج آماره­های ارزیابی مدل­ها، می­توان گفت که در منطقه مورد مطالعه، مدل ANN از بیشترین دقت و مدل MLR از کمترین دقت در برآورد PR خاک برخوردار بود.

کلیدواژه ها

تخمین, رطوبت جرمی, مقاومت خاک, منطقه فندقلو, ویژگی زودیافت

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.