تحلیل منطقهای کربن آلی خاک با استفاده از شبکه عصبی مصنوعی به منظور تعیین سهم عوامل مدیریتی از تغییرات اقلیمی در مدیریت زیست بوم های مرتعی
- سال انتشار: 1392
- محل انتشار: دومین همایش ملی تغییر اقلیم و تاثیر آن بر کشاورزی و محیط زیست
- کد COI اختصاصی: NCCCIAE02_246
- زبان مقاله: فارسی
- تعداد مشاهده: 812
نویسندگان
دانشکده منابع طبیعی دانشگاه ارومیه
دانش آموخته دانشکده منابع طبیعی و علوم دریایی دانشگاه تربیت مدرس
چکیده
با توجه به نقش کربن آلی در مدیریت و پایداری خاک زیست بومهای مرتعی، پیشبینی مکانی کربن آلی خاک در مقیاسمنطقهای، ملی و جهانی به منظور تعیین سهم عوامل مدیریتی از تغییرات اقلیمی در مدیریت پایدار زیست بوم های مرتعی از اهمیتخاصی برخوردار است. بنابراین هدف از پژوهش حاضر ارائه مدلی میتنی بر استفاده از شبکه عصبی مصنوعی است که روابط بین کربنآلی خاک و عوامل ادافیکی موثر بر آن را بیان کند که بر مبنای نتایج آن، میتوان کربن آلی خاک در زیست بومهای فاقد آمار را دربلند مدت و تحت تاثیر شرایط مختلف اقلیمی (خشکسالی، ترسالی و سال نرمال از نظر بارندگی) برآورد نمود. برای این منظور،اکوسیستم مرتعی خانقاه سرخ ارومیه انتخاب گردید. کربن آلی خاک به عنوان متغیر وابسته و متغیرهای فیزیوگرافی، هواشناسی وزمینشناسی به عنوان متغیرهای مستقل در نظر گرفته شدند. با استفاده از تحلیل عاملی شش عامل هدایت الکتریکی، اسیدیته، درصدرس، درصد سیلت، وزن مخصوص ظاهری و درصد شن انتخاب و در مرحله بعد با استفاده از شبکه عصبی پرسپترون چند لایه با تابعیادگیری لونبرگ مارکوت با توابع انتقالی سیگموئید و تانژانت هیپربولیک در لایه پنهان و تابع انتقال خطی در لایه خروجی به تحلیلمنطقهای کربن آلی خاک مراتع پرداخته شد. نتایج نشان داد که شبکه عصبی مصنوعی با تابع انتقال سیگموئید در مرحله آزمون با ضریب تبیین 0/73، ریشه میانگین مربعات خطا 0/21 و ضریب کارایی 0/83 نسبت به تابع انتقال تانژانت هیپربولیک با ضریب تبیین 0/47، ریشه میانگین مربعات خطا 1/42 و ضریب کارایی 0/27، توانسته است بخوبی کربن آلی خاک را مدلسازی کند. ضمن اینکه شبکه عصبی توانست با دقت خوبی کربن آلی خاک را پیشبینی کند. طبیعی است با انجام مطالعات مشابه در دیگر زیست بوم های مرتعی استان، میتوان مقدار کربن ترسیب شده در واحد سطح زیست بوم های مرتعی را تحت شرایط مختلف تغییرات اقلیمی برآورد نمود.کلیدواژه ها
کربن آلی خاک، شبکه عصبی مصنوعی، تغییرات اقلیمیمقالات مرتبط جدید
- مقایسه درصد ترکیب تاج پوشش کلاسهای خوشخوراکی در سه رویشگاه مرتعی چهاردانگه ساری
- تاثیر تغییرات اقلیم بر اشتغال در بخش کشاورزی: مروری تحلیلی
- Land reform in some developing countries: A review
- شناسایی ژنوتیپهای امیدبخش گندم نان با استفاده از تحلیل روابط بین صفات و تجزیه خوشه ای
- Harnessing Renewable Energy for Environmental Sustainability: The Role of Wind Power in Carbon Reduction
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.