کاربرد مقایسه ای رگرسیون خطی چندگانه و شبکه های عصبی مصنوعی برای شبیه سازی اثرات عوامل توپوگرافی بر تغییرات کربن آلی خاک

کربن آلی خاک یکی از مهم ترین ویژگی های خاک بوده و هرگونه تغییر در مقدار و ترکیب آن بر اکثر ویژگی های شیمیایی، زیستی و فیزیکی خاک تاثیرگذار است. بهبود کربن آلی خاک سبب بهبود ساختمان خاک، کیفیت و کمیت رطوبت در حوضه، کیفیت هوا، افزایش سطح عناصر غذایی خاک و در نتیجه کیفیت و کمیت محصول، جلوگیری از تخریب و فرسایش خاک و احیا خاک و زیست بوم خواهد شد. عوامل متعددی از جمله عوامل اقلیمی، توپوگرافی و مدیریتی بر مقدار کربن آلی خاک تاثیر می گذارند. در مقیاس کوچک محلی مانند مرتع مورد مطالعه، عامل اقلیم تنوع قابل ملاحظه ای نداشته و عوامل توپوگرافی بر تغییرات کربن آلی خاک، بسیار اثرگذارند. لذا، هدف این پژوهش، برآورد تاثیر متغیرهای توپوگرافی ارتفاع، جهت شیب، درصد شیب، سایه روشن و انحنا بر مقدار کربن آلی خاک در اراضی مرتعی واقع در حوضه مرگ استان کرمانشاه است. به این منظور، برآورد کربن آلی خاک با دو روش رگرسیون چندمتغیره خطی (MLR) و شبکه های عصبی مصنوعی (ANN) انجام شد. بر طبق نتایج، مدل MLR، توانست 53 درصد و مدل ANN، 77 درصد از تغییرات کربن آلی خاک را پیش بینی کند. در روش MLR، مقدار RMSE وMBE به ترتیب 4/0 و صفر در روش ANN، مقادیر RMSE و MBEبه ترتیب 16/0 و 003/0 محاسبه شد. نتایج بررسی ها نشان داد، شبکه عصبی مصنوعی با آرایش 1-9-5 و تابع فعال سازی تانژانت هایپربولیک در لایه پنهان، نسبت به-روش رگرسیون خطی چندگانه، دارای دقت و صحت بالاتری است. طبق نتایج شبکه عصبی مصنوعی، از بین متغیر های مورد بررسی، به ترتیب ارتفاع با 79/0، سایه روشن با 64/0 و درصد شیب با 28/0 ضریب تاثیر، در تغییرات ذخایر کربن آلی خاک در این منطقه بیشترین سهم را دارند.