پیش بینی مکانی درصد شن خیلی ریز با استفاده از مدل های نقشه برداری رقومی دردشت سیستان
- سال انتشار: 1402
- محل انتشار: چهارمین کنفرانس ملی توسعه کشاورزی، زمین سالم
- کد COI اختصاصی: HECACONF04_035
- زبان مقاله: فارسی
- تعداد مشاهده: 123
نویسندگان
مربی علوم و مهندسی خاک، دانشکده آب و خاک، دانشگاه زابل و دانشجوی دکتری مدیریت منابع خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
دانشیار علوم و مهندسی خاک، دانشکده آب و خاک، دانشگاه زابل
کارشناسی ارشد مهندسی کشاورزی-خاکشناسی،کارشناس فضای سبز شهرداری بجنورد.
چکیده
پیش بینی دقیق توزیع مکانی مقادیر شن خیلی ریز خاک یک پیش نیاز برای مدیریت کاربری اراضی، ارزیابی کیفیت خاک، رده بندی خاک و کنترل فرسایش است، زیرا انتقال و حرکت آب ،کود، هوا و گرما خاک را تعیین می کند و از طرفی یکی از حساس ترین اجزای خاک به فرسایش آبی و بادی می باشد. نقشه برداری دیجیتالی خاک (DSM) به طور گسترده برای پیش بینی خواص خاک استفاده می شود. لذا هدف این مطالعه توسعه یک مدل بهینه ماشین یادگیری برای پیش بینی شن خیلی ریز خاک بر اساس خصوصیات زودیافت خاک می باشد. بدین منظور براساس نقشه های سری های خاک منطقه ۳۰۰ نمونه خاک سطحی از کل دشت سیستان برداشت و ویژگی های درصد اجزای بافت خاک، درصد رطوبت اشباع، درصد ماده آلی و در صد شن خیلی ریز خاک محاسبه شد. در نهایت کل مجموع داده ها به دو دسته داده ۸۰ و ۲۰ درصد به ترتیب برای آموزش و آزمون تقسیم بندی گردیدند. نتایج نشان داد از بین الگوریتم های مختلف استفاده شده در پیش بینی پراکنش مکانی شن خیلی ریز خاک منطقه، مدل ترکیبی بوستینگ بر مبنای پارامترهای ارزیابی ضریب همبستگی و NRMSE به ترتیب برای مجموعه داده های آزمون با مقادیر ۰/۸ و ۰/۶ عملکرد بسیار بالایی داشت. بنابراین می توان از مدل ترکیبی بوستینگ برای تهیه نقشه های شن خیلی ریز خاک با وضوح بالا در مناطقی با شرایط مشابه بدون عملیات میدانی و آزمایشگاهی اضافی استفاده کرد.کلیدواژه ها
شن خیلی ریز، فرسایش خاک، ماشین یادگیری، نقشه برداری رقومی خاک، دشت سیستان.مقالات مرتبط جدید
- رویکرد اخیر صیادان در تنوع بخشی بهابزار صید گرگور به منظور استحصال آبزیان خلیج فارس (بندر بوشهر)
- نقش منابع طبیعی و محیط زیست در امنیت غذایی
- تهیه فرآورده های پروتئینی از آبزیان
- بررسی پیشرفت های اخیر در پژوهشهای بیوتکنولوژی مواد غذایی
- تغییرات شیمیایی رخ داده در طی فرآیند سرخ کردن در روغن زیاد بر اساس برخی محصولات واکنش
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.