برآورد برخی ویژگی های دیریافت خاک های استان کرمان با استفاده از توابع انتقالی رگرسیونی و شبکه عصبی مصنوعی

اندازه گیری برخی از ویژگی های مهم خاک، ممکن است دشوار، بسیار وقت گیر و پرهزینه باشد. بنابراین، تخمین این گونه از ویژگی های خاک با استفاده از ویژگی های زودیافت خاک، می تواند مفید باشد. به این روابط، توابع انتقالی خاک (PTFs) می گویند. این پژوهش به منظور ایجاد توابع انتقالی خاک برای برآورد گنجایش زراعی (FC)، نقطه پژمردگی دائم (PWP) و گنجایش تبادل کاتیونی خاک (CEC) برای خاک های 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 سانتی متر گرفته شد. سپس ویژگی های دیریافت (FC، PWP و CEC) و زودیافت (درصد رس، سیلت، شن، آهک، ماده آلی و گچ) خاک ها اندازه گیری گردید. در روش رگرسیون، برای FC درصد رس، شن و گچ، برای PWP درصد رس و برای CEC درصد رس و ماده آلی، اثرات معنی داری در مدل های ایجادشده نشان دادند. ضرایب تبیین (R2) به ترتیب 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 لایه ی پنهان و در نظر گرفتن تمامی ورودی ها به دست آمد (ضریب تبیین به ترتیب برابر 98/0، 93/0 و 99/0). دقت در روش شبکه عصبی نسبت به روش رگرسیون بیش تر بود. نتایج نشان داد که اگر تعداد ویژگی های زودیافت اندازه گیری شده زیاد نباشند، می توان از مدل های رگرسیونی با دقت قابل قبولی استفاده کرد. اگر تعداد ویژگی های زودیافت اندازه گیری شده زیاد بود، آن گاه مدل شبکه عصبی، نتایج بسیار دقیق تری ارائه می نماید. دقت مدل شبکه عصبی با کاهش تعداد پارامترهای زودیافت (ورودی ها)، کاهش یافت.