مقایسه روش های رگرسیون خطی، زمین آماری و شبکه عصبی مصنوعی در مدل سازی کربن آلی در اراضی خشک دشت سیستان

آگاهی از تغییرات مکانی کربن آلی در کاربری های مختلف اراضی کمک موثری به تفسیر و شبیه سازی رفتار اکوسیستم های خاکی در مواجهه با تغییرات اقلیمی و زیست محیطی خواهد نمود. هدف از این تحقیق مقایسه روش های رگرسیونی، زمین آمار و شبکه عصبی مصنوعی در تخمین مقادیر کربن آلی در 192 نمونه خاک، از خاک های سطحی (0 تا 30 سانتی متر) بخشی از دشت سیستان (منطقه میانکنگی) بود. در این تحقیق، تنها 5 درصد تغییرات کربن آلی در منطقه مورد مطالعه توسط متغیرهای موجود در مدل رگرسیون خطی توجیه گردید (R2= 0.05). همچنین بهترین روش زمین آماری، یعنی روش کوکریجینگ ساده با استفاده از متغیر کمکی رس، با R2= 0.23 and RMSE= 0.127 فقط تا اندازه ای توانایی تخمین میزان کربن آلی را داشت. این در صورتی است که شبکه عصبی مصنوعی با استفاده از پارامترهای طول و عرض جغرافیایی کارایی بسیار بهتری با R2= 0.79 and RMSE= 0.044 در تخمین مقدار کربن آلی نسبت به روش های رگرسیون خطی و زمین آماری نشان داد. در نتیجه روش ترکیبی شبکه عصبی- کریجینگ بهترین روش برای پهنه بندی کربن آلی در منطقه مورد مطالعه شناخته شد.