این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات آب و خاک ایران، جلد ۵۳، شماره ۶، صفحات ۱۳۳۱-۱۳۴۴
عنوان فارسی مدل‌سازی پراکنش فسفر قابل جذب در خاک‌های سطحی شمال استان خوزستان با استفاده از مدل رگرسیون خطی چندگانه و الگوریتم جنگل تصادفی
چکیده فارسی مقاله اطلاعات اندکی در رابطه با پراکنش مکانی عناصر دخیل در ارزیابی وضعیت حاصلخیزی خاک­های استان خوزستان و به­ویژه فسفر قابل جذب خاک­ها وجود دارد. از این رو، مطالعه حاضر با هدف تعیین مؤثرترین ویژگی­های خاکی کنترل کننده غلظت فسفر قابل جذب در خاک­های شمال استان خوزستان و معرفی مناسب­ترین روش مدل­سازی تغییرات مکانی فسفر قابل جذب با استفاده از روش­های رگرسیون خطی چندگانه و الگوریتم جنگل تصادفی انجام شد. بدین منظور تعداد 250 نمونه مرکب صورت تصادفی به روش ابرمکعب لاتین مشروط در دی­ماه تا بهمن ماه 1399 از خاک­های سطحی (10-0 سانتی­متری) اراضی شمال استان خوزستان تهیه شد. پس از آماده­سازی­های اولیه نمونه­ها، ویژگی­های فیزیکی و شیمیایی آن‌ها با استفاده از روش­های استاندارد آزمایشگاهی اندازه­گیری شد. سپس به­منظور مدل­سازی تغییرات مکانی فسفر قابل جذب خاک­ها، داده­های آزمایشی پس از آماده­سازی­های اولیه با استفاده از مدل­های رگرسیون خطی چندگانه و جنگل تصادفی در محیط نرم­افزار RStudio بررسی شدند. نتایج نشان داد که در 4/32 درصد از نمونه­های مورد بررسی غلظت فسفر قابل جذب کمتر از 5 میلی­گرم بر کیلوگرم است. نتایج ارزیابی مدل­های رگرسیون خطی چندگانه و جنگل تصادفی براساس آماره­های ارزیابی مدل شامل میانگین خطای مطلق (MAE)، جذر میانگین مربعات خطا (RMSE) و ضریب تبیین (R2) در هر سه مرحله­ی آموزش، آزمون و کل داده­ها نشان داد که مدل جنگل تصادفی با توجه به ضرایب تبیین بالاتر و همچنین مقادیر خطای کمتر، تخمین­های بهتر و دقیق­تری را ارائه می­دهد. بررسی اهمیت متغیرهای خاکی در مدل­سازی پراکنش فسفر قابل جذب در هر دو روش رگرسیون خطی چندگانه­ و جنگل تصادفی نشان داد که محتوای کربن آلی خاک­ها بیشترین نقش را در توزیع فسفر قابل جذب در منطقه مطالعاتی داراست. در کل به نظر می­رسد استفاده از مدل­هایی که روابط غیرخطی بین متغیرها را نیز لحاظ می­نمایند در پیش­بینی خصوصیات خاک­ها بهتر است.
کلیدواژه‌های فارسی مقاله مکعب لاتین شرطی،پیش بینی،اعتبارسنجی،محتوای کربن آلی،
عنوان انگلیسی Modelling distribution of available phosphorous contents in surface soils of northern Khuzestan Province using linear and random forest modelss
چکیده انگلیسی مقاله There is little information about the spatial distribution of elements involved in assessing the fertility of soils in Khuzestan province, especially the available phosphorus contents of the soils. Therefore, this study conducted to determine the most effective soil properties controlling the concentration of available phosphorus contents of soils in the north of Khuzestan province and to introduce the most appropriate method for modeling the spatial distribution of available phosphorus contents of the soils analyzed using linear regression and random forest algorithm. For this purpose, 250 composite soil samples (0-10 cm depth) were randomly collected using the Conditional Latin Hypercube sampling approach from December 2020 to February 2021. Then, the physical and chemical properties of the samples were determined using standard laboratory methods. The experimental data were then analyzed for descriptive statistics using SPSS software. To model the spatial variability of available phosphorus contents of the soils, the experimental data were modeled using linear regression and random forest models in RStudio software. The results showed that according to the measured amounts of absorbable phosphorus in the soil samples in 32.4% of the samples, the concentration of available phosphorus is less than 5 mg/kg. Evaluation of multiple linear regression and random forest models based on model evaluation metrics including mean absolute error (MAE), root mean square error (RMSE) and coefficient of determination (R2) using training, test and the whole dataset, showed that the random forest model provides better and more accurate estimates due to higher coefficients of determination as well as lower error values. The results also illustrated that the organic carbon content of the soils has the greatest contribution in the study area to predict available contents of soil phosphorus. In conclusion, models that include non-linear relationships between variables seem to be more suitable in predicting soil properties.
کلیدواژه‌های انگلیسی مقاله مکعب لاتین شرطی,پیش بینی,اعتبارسنجی,محتوای کربن آلی
نویسندگان مقاله سعید حجتی |
گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، خوزستان، ایران

مجتبی نوروزی مصیر |
گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، خوزستان، ایران

آسیم بیسواس |
گروه محیط زیست، دانشگاه گوئلف، آنتاریو، کانادا

نشانی اینترنتی https://ijswr.ut.ac.ir/article_90255_3c56745919106d96ab2189313c3ab5d3.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