این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های خاک، جلد ۲۵، شماره ۴، صفحات ۳۴۹-۳۵۹
عنوان فارسی برآورد برخی ویژگی‌های دیریافت خاک‌های استان کرمان با استفاده از توابع انتقالی رگرسیونی و شبکه عصبی مصنوعی
چکیده فارسی مقاله اندازه‌گیری برخی از ویژگی‌های مهم خاک، ممکن است دشوار، بسیار وقت‌گیر و پرهزینه باشد. بنابراین، تخمین این گونه از ویژگی­های خاک با استفاده از ویژگی­های زودیافت خاک، می­تواند مفید باشد. به این روابط، توابع انتقالی خاک (PTFs) می­گویند. این پژوهش به­منظور ایجاد توابع انتقالی خاک برای برآورد گنجایش زراعی (FC)، نقطه پژمردگی دائم (PWP) و گنجایش تبادل کاتیونی خاک (CEC) برای خاک­های استان کرمان انجام شد. بنابراین، تعداد 100 نمونه خاک از مناطق مختلف استان کرمان (کرمان، بردسیر، رفسنجان، شهربابک، سیرجان و ارزوئیه بافت) و از لایه صفر تا 30 سانتی­متر گرفته شد. سپس ویژگی­های دیریافت (FC ، PWP و CEC) و زودیافت (درصد رس، سیلت، شن، آهک، ماده آلی و گچ) خاک­ها اندازه­گیری گردید. در روش رگرسیون، برای FC درصد رس، شن و گچ، برای PWP درصد رس و برای CEC درصد رس و ماده آلی، اثرات معنی­داری در مدل­های ایجادشده نشان دادند. ضرایب تبیین (R2) به­ترتیب برای FC، PWP و CEC برابر 86/0، 45/0 و 94/0 محاسبه شدند. بهترین PTFs ها توسط شبکه عصبی مصنوعی برای FC، PWP و CEC با 6 لایه­ی پنهان و در نظر گرفتن تمامی ورودی­ها به­دست آمد (ضریب تبیین به­ترتیب برابر 98/0، 93/0 و 99/0). دقت در روش شبکه عصبی نسبت به روش رگرسیون بیش­تر بود. نتایج نشان داد که اگر تعداد ویژگی­های زودیافت اندازه­گیری­شده زیاد نباشند، می­توان از مدل­های رگرسیونی با دقت قابل قبولی استفاده کرد. اگر تعداد ویژگی­های زودیافت اندازه­گیری­شده زیاد بود، آن­گاه مدل شبکه عصبی، نتایج بسیار دقیق­تری ارائه می­نماید. دقت مدل شبکه عصبی با کاهش تعداد پارامترهای زودیافت (ورودی­ها)، کاهش یافت.
کلیدواژه‌های فارسی مقاله توابع انتقالی خاک، ویژگی‌های دیریافت، رگرسیون، شبکه عصبی مصنوعی،
عنوان انگلیسی Prediction of Some Difficult-to-measure Soil Characteristics Using Regression Pedotransfer Functions and Artificial Neural Network in Kerman Province
چکیده انگلیسی مقاله Measurement of some important soil characteristics may be difficult, time-consuming, and expensive. Thus, it is helpful to predict these properties using easily-available soil properties. These relationships and/or functions are called pedotransfer functions (PTFs). This study was conducted to derive PTFs for estimating field capacity (FC), permanent wilting point (PWP), and cation exchange capacity (CEC) of soils in Kerman Province. Hundred soil samples (0‒30 cm layer) were collected from different locations in Kerman Province including: Kerman, Bardsir, Rafsanjan, Shahre-Babak, Sirjan and Orzoueiyeh of Baft. Then, FC, PWP, CEC, clay, silt, sand, carbonate, organic matter and gypsum contents of the soils were measured. In the regression method, clay, sand, and gypsum contents significantly affected the FC prediction, whereas clay content entered as effective input in the derived model for PWP, and clay and organic matter contents had significant effects on the CEC. Coefficients of determination (i.e. R2) of 0.86, 0.45 and 0.94 were calculated for FC, PWP, and CEC regression models, respectively. The best PTFs were obtained by artificial neural network (ANN) for FC, PWP and CEC with 6 hide layers and including all the input variables (R2 values of 0.98, 0.93 and 0.99, respectively). The accuracy of ANN predictions was greater than that of regression method. Results revealed that regression models can be applied with acceptable accuracy if a few easily-available characteristics are measured. The ANN method presented highly accurate results when the number of known easily-available characteristics increased. The accuracy of ANN decreased with reducing the number of inputs. 
کلیدواژه‌های انگلیسی مقاله توابع انتقالی خاک, ویژگی‌های دیریافت, رگرسیون, شبکه عصبی مصنوعی
نویسندگان مقاله حسین شیرانی |
استادیار گروه علوم خاک دانشگاه ولی عصر (عج) رفسنجان

نغمه رفیع‌نژاد |
دانشجوی سابق کارشناسی ارشد علوم خاک دانشگاه ولی عصر (عج) رفسنجان

نشانی اینترنتی https://srjournal.areeo.ac.ir/article_126517_d338d4b86476abfb5f99d1c44a00b2f7.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