این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات مرتع و بیابان ایران، جلد ۲۷، شماره ۳، صفحات ۳۶۹-۴۰۹
عنوان فارسی مدیریت کودپاشی مراتع با استفاده از مدل‌های شبکه عصبی مصنوعی در مراتع نازلوچای استان آذربایجان غربی
چکیده فارسی مقاله در صورت بهره‌برداری مداوم از علوفه مرتع در صورتی که عناصر مهمی همانند NPC به خاک برنگردد، موجب می‌شود اراضی مرتعی حاصلخیزی خود را از دست بدهند. بنابراین، امروزه در حوزه مدیریت مراتع، اصلاح و احیاء مراتع اهمیت بالایی پیدا کرده است. یکی از روشهای اصلاح مراتع، کودپاشی می‌باشد. اگر عملیات کودپاشی متناسب با شرایط اقلیمی، وضعیت پوشش و خصوصیات خاک انجام شود، باعث بهبود مرتع می‌گردد. در غیر این صورت سبب افزایش غلظت املاح و سمی شدن خاک، آلودگی آب‌ها و خشک شدن گیاهان می‌شود. هدف از این پژوهش ارائه مدلی مبتنی بر استفاده از شبکه عصبی مصنوعی است که روابط بین کربن آلی، نیتروژن و فسفر خاک مرتع و عوامل گیاهی و ادافیکی مؤثر بر آن را بیان کند که بر مبنای نتایج آن، بتوان در زیست‌بوم‌های مرتعی فاقد آمار، عناصر مذکور را به‌منظور مدیریت کودپاشی برآورد نمود. در این پژوهش متغیرهای وابسته شامل کربن آلی، نیتروژن و فسفر خاک مراتع نازلوچای ارومیه بودند. هشت عامل هدایت الکتریکی، اسیدیته، درصد رس، درصد سیلت، درصد شن، میزان آهک، تولید و درصد تاج پوشش گیاهان مرتعی نیز به‌منظور انجام تحلیل عاملی انتخاب گردیدند. سپس با استفاده از شبکه عصبی پرسپترون چند لایه با توابع انتقالی سیگموئید و تانژانت هیپربولیک و آکسون خطی در لایه پنهان و تابع انتقال خطی در لایه خروجی، میزان کربن آلی، نیتروژن و فسفر خاک مراتع تخمین زده شد. نتایج نشان داد که تابع انتقال سیگموئید برای نیتروژن، فسفر و کربن آلی خاک مرتع با ضریب تبیین به‌ترتیب 70/0، 66/0 و 79/0 و میانگین مربعات خطای به‌ترتیب 008/0، 21/0 و 08/0 نسبت به تابع انتقال تانژانت هیپربولیک و آکسون توانسته است بخوبی کربن آلی، نیتروژن و فسفر خاک مرتع را مدل‌سازی کند. بنابراین با توجه به نتایج مذکور، شبکه عصبی توانست با دقت بالایی میزان کربن آلی، نیتروژن و فسفر خاک مرتع را در تیپ‌های مرتعی که فاقد نمونه‌برداری مقادیر NPC بودند، پیش‌بینی کند. در مورد کودپاشی در تیپ‌های مرتعی فاقد آمار، بر اساس میزان نیتروژن، فسفر و کربن آلی تخمین زده شده خاک تصمیم‌گیری شد. بدین صورت کهبر اساس نتایج، تیپ گیاهی Astragalus gummifera- prangos uloptera-Bromus tomentellus نیاز به کود فسفره و نیتروژنه دارد. تیپ گیاهی Onobrychis cornuta- Festuca ovina-Thymus kotschyanus نیازمند کود فسفره و تیپ گیاهی Astragalus macrostachys- Noeae mucronata-Stipa barbata به مواد آلی و کود نیتروژنه و فسفره نیاز دارد.
کلیدواژه‌های فارسی مقاله اصلاح مرتع، کودپاشی، شبکه عصبی مصنوعی، NPC خاک، مراتع نازلوچای،
عنوان انگلیسی Management of rangelands by using artificial neural network in Nazlouchai rangelands in West Azarbayjan province
چکیده انگلیسی مقاله If the rangeland forage is used continuously, the important elements such as NPC do not return to the soil, which will cause the rangeland lands to lose their fertility. Therefore, nowadays, in the field of rangeland management, rangeland improvement and rehabilitation has become very important. The use of fertilizers is one of the methods to rehabilitation the rangelands. If the proper fertilizer application is carried out in accordance with the climatic conditions, cover condition, and soil characteristics, it will improve the rangeland. Otherwise, it will increase the concentration of salts, soil toxicity, and surface and groundwater contamination and leads to drying of the plants. The aim of this study is to present a model based on the use of an artificial neural network that expresses the relationships between organic carbon, nitrogen and phosphorus of rangeland soil and plant factors, based on which, it is possible to estimate the mentioned elements in the rangeland ecosystems without statistics to manage fertilization. Based on the results, organic carbon, nitrogen and phosphorus of the soil were estimated in the Nazlocha rangeland of Urmia. Eight factors of electrical conductivity, acidity, clay percentage, silt percentage, sand percentage, lime content, production and canopy cover percentage of rangeland plants were also selected for factor analysis. Therefore, according to the mentioned results, the neural network was able to accurately predict the amount of organic carbon, nitrogen and phosphorus in rangeland soils. According to the results, the vegetation type Astragalus gummifera-prangos uloptera-Bromus tomentellus requires phosphorus and nitrogen fertilizers. Onobrychis cornuta- Festuca ovina-Thymus kotschyanus requires phosphorus fertilizer, and Astragalus macrostachys-Noeae mucronata-Stipa barbata requires organic matter and nitrogen and phosphorus fertilizers.
کلیدواژه‌های انگلیسی مقاله اصلاح مرتع, کودپاشی, شبکه عصبی مصنوعی, NPC خاک, مراتع نازلوچای
نویسندگان مقاله مهشید سوری |
استادیار پژوهشی ، بخش تحقیقات مرتع، موسسه تحقیقات جنگلها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران،

میرفرهاد بلورفروش |
دانش آموخته کارشناسی ارشد مرتع‌داری، دانشکده منابع طبیعی، دانشگاه ارومیه، ایران.

هیراد عبقری |
دانشیار، گروه مرتع و آبخیزداری،دانشکده منابع طبیعی، دانشگاه ارومیه، ایران

جواد معتمدی |
دانشیار پژوهشی ، بخش تحقیقات مرتع، موسسه تحقیقات جنگلها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران،

بهناز عطائیان |
استادیار، گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و محیط زیست، دانشگاه ملایر، ملایر، همدان، ایران

نشانی اینترنتی https://ijrdr.areeo.ac.ir/article_122600_00200c6b00512666695641f47b536bdb.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات