تخمین شوری نیمرخ خاک در شبکه آبیاری و زهکشی دشت تبریز با استفاده از مدل های SaltMod و شبکه عصبی مصنوعی

شوری خاک در منطقه توسعه ریشه از مهم ترین مشکلاتی است که در اراضی کشاورزی باعث کاهش محصول می شود. در این پژوهش شوری نیمرخ خاک در شبکه آبیاری و زهکشی دشت تبریز با استفاده از مدل های شبکه عصبی و SaltMod شبیه سازی شد. بر اساس توزیع مکانی اولیه شوری، منطقه مورد مطالعه به چهار گروه مختلف آب و خاک تقسیم شد و شوری برای دو فصل در یک سال پیش بینی شد. مدل SaltMod واسنجی گردید و برای تولید 2400 سری داده برای آموزش شبکه های عصبی مصنوعی به کار گرفته شد. تعدادی از عوامل ورودی SaltMod از جمله داده های عمق آب آبیاری، تبخیر-تعرق، عمق سطح ایستابی، بارندگی و شوری اولیه نیمرخ خاک در شبکه های عصبی استفاده شدند. همچنین کارایی الگوریتم ژنتیک در فرآیند آموزش شبکه های عصبی مورد بررسی قرار گرفت. میانگین ضریب تعیین (2R) و میزان خطای شوری برآورد شده (RMSE) انتهای سال در تمامی گروه ها با استفاده از شبکه های عصبی به ترتیب برابر 8/0 و 032/0 بود. در مجموع می توان گفت شبکه های عصبی مصنوعی به خوبی توانایی مدل سازی و پیش بینی شوری خاک منطقه ریشه را دارند و می توانند جایگزین خوبی برای SaltMod باشند. همچنین نتایج نشان داد که به طور کلی کارکرد شبکه های عصبی با به کارگیری الگوریتم ژنتیک بهبود می یابد.