مقایسه توابع انتقالی مبتنی بر روش‌های یادگیری ماشین برای تخمین رطوبت در ظرفیت‌زراعی و پژمردگی (مطالعه موردی: منطقه روانسر کرمانشاه)
سابقه و هدف: خصوصیات فیزیکی دیر‌یافت خاک نقش مهمی در طراحی سامانه‌های آبیاری و زهکشی دارند. ازآنجاکه اندازه‌گیری مستقیم این خصوصیات زمان‌بر و پر‌هزینه است، بیشتر محققان برای تخمین این پارامتر‌ها از روش‌های غیر‌مستقیم مانند توابع انتقالی استفاده می‌نمایند. هدف از این پژوهش بررسی و تعیین بهترین مدل ب...
Saved in:
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Gorgan University of Agricultural Sciences and Natural Resources
2023-03-01
|
| Series: | پژوهش‌های حفاظت آب و خاک |
| Subjects: | |
| Online Access: | https://jwsc.gau.ac.ir/article_6453_d6d04f9c30935a4ae2482c7511a37660.pdf |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | سابقه و هدف: خصوصیات فیزیکی دیر‌یافت خاک نقش مهمی در طراحی سامانه‌های آبیاری و زهکشی دارند. ازآنجاکه اندازه‌گیری مستقیم این خصوصیات زمان‌بر و پر‌هزینه است، بیشتر محققان برای تخمین این پارامتر‌ها از روش‌های غیر‌مستقیم مانند توابع انتقالی استفاده می‌نمایند. هدف از این پژوهش بررسی و تعیین بهترین مدل برای برآورد رطوبت ظرفیت زراعی (FC) و نقطه پژمردگی دائم (PWP) با استفاده از خصوصیات زود یافت خاک و توابع انتقالی در محیط نرم‌افزار R و همچنین انتخاب مناسب‌ترین تابع برای خاک‌‌های منطقه روانسر در استان کرمانشاه است. مواد و روش‌ها: در این پژوهش از خصوصیات زود‌یافت خاک به‌عنوان متغیر‌های ورودی برای پنج تابع انتقالی خطی چند‌متغیره ، شبکه عصبی مصنوعی ، کیوبیست ، جنگل تصادفی و ماشین‌بردار‌پشتیبان استفاده شد. در ابتدا در منطقه موردمطالعه با روش ابر مکعب لاتین موقعیت مکانی 120 خاکرخ تعیین شد. در این نقاط مشاهداتی خاکرخ‌ها حفر و از افق‌های آن نمونه‌برداری صورت گرفت. پس از تجزیه‌های آزمایشگاهی بر روی نمونه‌های خاک شامل اندازه‌گیری هدایت الکتریکی عصاره‌ی اشباع، واکنش خاک، کربنات کلسیم معادل، کربن آلی، درصد شن، سیلت و رس خاک، بر اساس دامنه تغییرات این ویژگی‌ها به‌ویژه اجزا بافتی خاک به ترتیب 75 نمونه خاک سطحی و 33 نمونه خاک از ده خاکرخ مختلف انتخاب گردیدند. اندازه‌گیری PWP بر روی 33 نمونه و اندازه‌گیری FC بر روی مجموع نمونه‌های سطحی و عمقی یعنی 108 نمونه انجام شد و در مرحله بعد عملیات مدل‌سازی بر روی آنها اجرا شد. برای ارزیابی مدلها از شاخص‌‌های ریشه میانگین مربعات خطا (RMSE)، میانگین خطای مطلق (MAE) و ضریب تبیین (R2) استفاده شد. یافته‌ها: نتایج نشان داد که دقت توابع انتقالی در برآورد رطوبت PWP بیشتر از FC است (مقدارR2 و RMSE مدل کیوبیست برای PWP به ترتیب برابر 813/0 و 054/ و برای FC برابر 53/0 و 085/0 بود). همچنین نتایج برآورد رطوبت FC نشان داد که مدل کیوبیست و شبکه عصبی مصنوعی به ترتیب دارای MAE (066/0 و 068/0) و RMSE (085/0) کمتر و R2 (53/0 و 54/0) بیشتری نسبت به سایر مدلها هستند. نتیجه‌گیری: نتایج کلی نشان داد که مدل‌های کیوبیست و شبکه عصبی مصنوعی و پس از آن مدل جنگل تصادفی با خطای کمتر و ضریب تبیین بالاتر نسبت به سایر مدلها از کارایی مناسبی برای برآورد رطوبت ظرفیت زراعی برخوردارند. نتایج مربوط به رطوبت PWP نشان داد که مدل کیوبیست و پس از آن مدل جنگل تصادفی از نظر مقایسه ضریب تبیین بهترین مدلها برای برآورد رطوبت PWP هستند. این پژوهش اهمیت استفاده از روش‌های نوین یادگیری ماشین در مطالعات مربوط به توابع انتقالی خاک برای برآورد خصوصیات دیر‌یافت خاک را نشان داد. همچنین نتایج این پژوهش برای دامنه وسیعی از دشت‌های استان کرمانشاه که شرایط تشکیل خاک مشابه با منطقه روانسر را دارند، قابل‌قبول هست. |
|---|---|
| ISSN: | 2322-2069 2322-2794 |