پیشبینی تغییرات مکانی شوری و رس خاک با استاده از روش‌های زمین‌آمار و شبکه عصبی مصنوعی
به منظور مقایسه روش‌های زمین‌آماری و شبکه‌عصبی‌مصنوعی در تخمین مقادیر شوری و رس خاک، این پژوهش در بخشی از اراضی منطقه سیستان انجام شد. تعداد 121 نمونه خاک با فواصل 750 متر از عمق 30- 0 سانتیمتر برداشت و مقادیر شوری و درصد رس خاک تعیین شد. 105 نمونه برای آموزش مدل‌ها و 16 نمونه جهت اعتبار سنجی مدل‌ها...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Gorgan University of Agricultural Sciences and Natural Resources
2016-04-01
|
| Series: | مدیریت خاک و تولید پایدار |
| Subjects: | |
| Online Access: | https://ejsms.gau.ac.ir/article_3015_c8947a6665e50051e0405484523baa26.pdf |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | به منظور مقایسه روش‌های زمین‌آماری و شبکه‌عصبی‌مصنوعی در تخمین مقادیر شوری و رس خاک، این پژوهش در بخشی از اراضی منطقه سیستان انجام شد. تعداد 121 نمونه خاک با فواصل 750 متر از عمق 30- 0 سانتیمتر برداشت و مقادیر شوری و درصد رس خاک تعیین شد. 105 نمونه برای آموزش مدل‌ها و 16 نمونه جهت اعتبار سنجی مدل‌ها استفاده شد. مدل‌های مختلف زمین‌آماری و شبکه عصبی مصنوعی برازش و بهترین مدل‌ها انتخاب شدند. مقایسه دو روش نشان داد که شبکه عصبی با ضریب تبیین (R2) 68/0 و معیار خطای (RMSE) 18/6 در مقایسه با روش زمین‌آمار با ضریب تبیین 62/0 و با معیار خطای 2/8 مقدار رس خاک را بهتر پیشبینی می‌کند. همچنین در تخمین شوری خاک هم روش شبکه عصبی مصنوعی با ضریب تبیین 59/0 و معیار خطای 2/10 نسبت به روش زمین‌آمار با ضریب تبیین 53/0 و معیار خطای 2/13دقت بیشتری داشت. تاثیر مدیریت در تغییرات شوری خاک در منطقه مورد مطالعه سبب کاهش دقت برای تخمین این متغیر با هر دو مدل گردید |
|---|---|
| ISSN: | 2322-1267 2322-1275 |