ارزیابی و تناسب اراضی
سینا بیگدلی؛ حیدر غفاری؛ مجتبی نوروزی مصیر؛ عبدالامیر معزی
چکیده
امروزه مفهوم کیفیت خاک (SQ) به طور گستردهای برای آگاهی از ظرفیت و محدودیت خاکها در سیستمهای مختلف محیطی مورد استفاده قرار گرفته است. باتوجه به اهمیت اراضی دیم در تولیدات کشاورزی هدف اصلی این تحقیق مدلسازی و کمیسازی کیفیت خاک بخشی از اراضی کشاورزی دیم شهرستان دزپارت با استفاده از تحلیل چند متغیره یکپارچه و همچنین تعیین حداقل ...
بیشتر
امروزه مفهوم کیفیت خاک (SQ) به طور گستردهای برای آگاهی از ظرفیت و محدودیت خاکها در سیستمهای مختلف محیطی مورد استفاده قرار گرفته است. باتوجه به اهمیت اراضی دیم در تولیدات کشاورزی هدف اصلی این تحقیق مدلسازی و کمیسازی کیفیت خاک بخشی از اراضی کشاورزی دیم شهرستان دزپارت با استفاده از تحلیل چند متغیره یکپارچه و همچنین تعیین حداقل مجموعه دادههای موثر می-باشد. تعداد ۱۱۹ نمونه خاک به روش مرکب از عمق 30-0 سانتیمتری خاک اراضی کشاورزی تهیه شد. نمونهها به آزمایشگاه منتقل و ویژگیهای شیمیایی-حاصلخیزی و فیزیکی اندازهگیری شدند. سپس کیفیت خاکها با استفاده از دو مجموعه داده کل (TDS) و حداقل (MDS) و روش تحلیل-های چندمتغیره با سه شاخص نمرو (NQI)، تجمعی وزنی (IQI) و تجمعی ساده (AQI) تعیین گردید. نتایج آزمون تجزیه مولفه-های اصلی (PCA) حاکی از آن بود که سه مولفه اصلی وجود دارد که در مجموع 78 درصد تغییرات واریانس کل را پوشش میدهند. مولفه اول به تنهایی حدود 31 درصد و مولفه دوم و سوم نیز به ترتیب 25 و 12 درصد واریانس کل دادهها را بیان کردند. هفت ویژگی شامل نیتروژن زیتوده میکروبی، کربن آلی، هدایت هیدرولیکی اشباع، آب قابلاستفاده گیاه، میزان شن، pH و EC به عنوان اعضای MDS انتخاب شدند. در مجموعه TDS بیشترین وزنها مربوط به سیلت و شن (به ترتیب با 093/0 و 095/0) و کمترین وزن با مقدار 050/0 به جرم مخصوص ظاهری اختصاص پیدا کرد. در مجموعه MDS، بیشترین وزن مربوط به ماده آلی و سیلت و کمترین وزن مربوط به pH بود. بهطور کلی، بر اساس دو شاخص AQI و WQI کیفیت خاک منطقه مورد مطالعه در کلاس متوسط قرار گرفتند. اما مقادیر بدست آمده از روش NQI برای کیفیت خاک بیانگر پایین بودن کیفیت خاک منطقه بود. شاخص کیفیت خاک وزنی با مجموعه داده حداقل و تابع غیرخطی (WQI_MDS_NL) به دلیل دارا بودن شاخص حساسیت بیشتر (یا انحراف از معیار بزرگتر) به عنوان مدل برتر انتخاب شد. در نهایت نقشه کیفیت خاک منطقه با استفاده از روش معکوس فاصله وزندار تهیه شد. بر اساس نقشه تهیه شده حدود 53 درصد اراضی منطقه کیفیت خاک متوسط و 47 درصد اراضی کیفیت خاک پایینی دارند.
فیزیک، فرسایش و حفاظت خاک
حیدر غفاری؛ هادی عامری خواه
چکیده
باتوجه به فقدان تجهیزات مناسب در ایستگاههای رسوبسنجی کشور و اندازهگیری بسیار محدود دادههای رسوب، تخمین مقدار رسوب در روزهای فاقد داده در راستای مدیریت منابع آب و خاک بسیار حائز اهمیت است. در این پژوهش، از تکنیکهای مختلف یادگیری ماشینی شامل، شبکه عصبی مصنوعی (ANN)، سیستم استنتاجی فازی-عصبی تطبیقی (ANFIS) و جنگل تصادفی (RF) بهمنظور ...
بیشتر
باتوجه به فقدان تجهیزات مناسب در ایستگاههای رسوبسنجی کشور و اندازهگیری بسیار محدود دادههای رسوب، تخمین مقدار رسوب در روزهای فاقد داده در راستای مدیریت منابع آب و خاک بسیار حائز اهمیت است. در این پژوهش، از تکنیکهای مختلف یادگیری ماشینی شامل، شبکه عصبی مصنوعی (ANN)، سیستم استنتاجی فازی-عصبی تطبیقی (ANFIS) و جنگل تصادفی (RF) بهمنظور شبیهسازی رسوب و برآورد آن در روزهای فاقد داده استفاده شد. برای دستیابی به اهداف پژوهش، ابتدا دادههای بلند مدت هواشناسی و هیدرومتری (سال 2000 تا 2020) از سازمانهای مرتبط جمعآوری و قبل از ورود به مدل پیش-پردازش شدند. متغیرهای ورودی به مدلها شامل بارندگی، دبی جریان، شاخص پوشش گیاهی نرمالشده، دمای حداکثر و دمای حداقل بود و مقادیر رسوب معلق به عنوان خروجی تمام مدلها در نظر گرفته شد. داده-ها قبل از مدلسازی با نسبت 70 -30 به دو گروه داده-های آموزشی و دادههای آزمون تقسیم شدند. کارایی مدلها با استفاده از پنج شاخص ضریب تبیین (R2)، جذر میانگین مربعات خطا (RMSE)، درصد اریب (PBIS)، میانگین خطای مطلق (MAE) و ضریب ناش-ساتکلیف (NSE) ارزیابی شدند. نتایج نشان داد که در مورد ایستگاه ماشین از بین تکنیکهای مختلف، مدل شبکه عصبی دارای بیشترین مقدار ضریب تبیین (78/0) و کمترین مقدار خطا بود. همچنین در مورد ایستگاه منجنیق، مدل شبکه عصبی و نروفازی عملکرد تقریبا مشابهی را نشان دادند. لذا، مدل شبکه عصبی به عنوان مدل برتر در این پژوهش انتخاب شد. میانگین تولید سالانه رسوب برای کل دوره آماری بر اساس مدل شبکه عصبی، برابر با 1 تن در هکتار در سال بدست آمد.