پیدایش و طبقه بندی خاکها
اعظم جعفری؛ فریدون سرمدیان؛ احمد حیدری؛ زهرا رسائی
چکیده
دادههای خاک مانند هر داده مکانی ممکن است دارای خودهمبستگی مکانی باشند. اگر این وابستگی مکانی در باقیمانده‌های یک مدل آماری مشاهده شود، یکی از فرضیه‌های کلیدی آنالیز آماری که شامل استقلال و توزیع یکنواخت باقیمانده‌ها است، نقض می‌شود. معمولا الگوریتم‌های یادگیری ماشین، خودهمبستگی مکانی در داده-های خاک را درنظر نمی‌گیرند. مطالعه ...
بیشتر
دادههای خاک مانند هر داده مکانی ممکن است دارای خودهمبستگی مکانی باشند. اگر این وابستگی مکانی در باقیمانده‌های یک مدل آماری مشاهده شود، یکی از فرضیه‌های کلیدی آنالیز آماری که شامل استقلال و توزیع یکنواخت باقیمانده‌ها است، نقض می‌شود. معمولا الگوریتم‌های یادگیری ماشین، خودهمبستگی مکانی در داده-های خاک را درنظر نمی‌گیرند. مطالعه حاضر سعی دارد خودهمبستگی مکانی را به عنوان یک متغیر مستقل در مدلسازی تخمین شوری خاک لحاظ کند و نتایج تخمین را بررسی کند. بدین منظور، شوری خاک سطحی در 297 نقطه در منطقه آبیک قزوین اندازه‌گیری شد و متغیرهای محیطی مهم انتخاب شدند. سپس یک مدل غیرمکانی حداقل مربعات معمولی و یک مدل رگرسیون مکانی بر دادههای شوری خاک برازش داده شد. از دو شاخص موران و جری برای تشخیص خودهمبستگی مکانی استفاده گردید. نقشه توزیع مکانی شوری خاک در منطقه آبیک قزوین نشان میدهد در بخش‌های شمالی، شمال شرق و شمال غرب به سمت مرکز منطقه مورد مطالعه میزان شوری خاک کم بوده و بیشترین مقدار و محدودیت شوری در مناطق جنوب و جنوب شرقی دیده می‌شود. مقدار شاخص موران 57/0 و مقدار شاخص جری 4/0 به دست آمد که براساس هر دو شاخص، ویژگی شوری خاک در منطقه مورد نظر دارای خودهمبستگی مکانی است. با وارد کردن خودهمبستگی مکانی در مدل رگرسیون مکانی در مقایسه با مدل غیرمکانی نتایج پیشبینی بهبود یافت. با لحاظ کردن خودهمبستگی مکانی، مقدار R2 افزایش، درحالیکه مقادیر AIC، خودهمبستگی مکانی باقیمانده‌ها و RMSE کاهش یافت. به نظر می‌رسد ادغام خودهمبستگی مکانی در مدلسازی خصوصیات خاک امری ضروری است و باید در نظر گرفته شود.
روح الله تقی زاده مهرجردی؛ فریدون سرمدیان؛ علی اصغر ذوالفقاری؛ اعظم جعفری
چکیده
اندازه گیری ظرفیت تبادل کاتیونی خاک در سطوح وسیع، بسیار پرهزینه و وقت گیر است. برآورد این خصوصیت بهوسیله ویژگی‌های زودیافت خاک، از طریق روشهای پارامتریک و غیرپارامتریک (توابع انتقالی) می‌تواند رویکرد مناسبی باشد. در این پژوهش، روش پارامتریک رگرسیون‌های خطی و غیر خطی و روشهای غیر پارامتریک شبکه‌های عصبی مصنوعی، رگرسیون درختی ...
بیشتر
اندازه گیری ظرفیت تبادل کاتیونی خاک در سطوح وسیع، بسیار پرهزینه و وقت گیر است. برآورد این خصوصیت بهوسیله ویژگی‌های زودیافت خاک، از طریق روشهای پارامتریک و غیرپارامتریک (توابع انتقالی) می‌تواند رویکرد مناسبی باشد. در این پژوهش، روش پارامتریک رگرسیون‌های خطی و غیر خطی و روشهای غیر پارامتریک شبکه‌های عصبی مصنوعی، رگرسیون درختی و فازی عصبی در تخمین ظرفیت تبادل کاتیونی خاک مورد استفاده قرار گرفت. برای این منظور 1770 نمونه خاک از مناطق مختلف ایران انتخاب شدند که 1414 عدد برای آموزش و 356 عدد از آنها به عنوان دادههای آزمون مدلها استفاده شدند. بررسی همبستگی‌ها نشان داد که پارامترهای رس و درصد ماده آلی خاک بیشترین ارتباط را با ظرفیت تبادل کاتیونی خاک دارند؛ بنابراین این ویژگیها به عنوان متغیر مستقل ورودی (ویژگی زودیافت) و ظرفیت تبادل کاتیونی به عنوان متغیر وابسته خروجی انتخاب شدند. ریشه میانگین مربعات خطا و ضریب تبیین در روش رگرسیون خطی برابر 74/4 و 50/0 و در روش رگرسیون غیر خطی برابر 71/4 و 52/0 بود که نشان میدهد که هر دو روش با دقت نسبتاً خوب و یکسانی قادر به پیشبینی ظرفیت تبادل کاتیونی خاک می‌باشند؛ همچنین نتایج نشان داد که روش رگرسیون غیر خطی فقط سبب بهبود 6/0 درصدی دقت پیشبینی ظرفیت تبادل کاتیونی خاک شده است. نتایج نشان داد که استفاده از روشهای شبکه عصبی مصنوعی سبب بهبود معنی‌داری در دقت برآورد ظرفیت تبادل کاتیونی خاک نمی‌شود. بیشترین بهبود در پیشبینی مدل به نسبت توابع انتقالی خطی در روش شبکه عصبی پس انتشار مشاهده شد. این روش سبب بهبود 3 درصدی پیشبینی ظرفیت تبادل کاتیونی خاک گردید. دقت برآورد روش درخت تصمیم، اندک بهتری از روشهای شبکه عصبی مصنوعی بود. بهبود نسبی این روش نسبت به رگرسیون خطی برابر با 4/4 درصد بود؛ اما بیشترین بهبود نسبی در روش فازی عصبی مشاهده شد. این روش سبب کاهش 15 درصدی خطا به نسبت معادلات رگرسیونی خطی گردید؛ لذا این نتایج نشان میدهد که یکی از بهترین روشها در پیشبینی ظرفیت تبادل کاتیونی خاک‌های ایران، روش فازی عصبی میباشد.
لیلا ندرلو؛ رضا علیمردانی؛ محمود امید؛ فریدون سرمدیان؛ حسین جوادی کیا؛ محمدیاسر ترابی
چکیده
عوامل اجتماعی، اقتصادی و فنی علاوه بر عوامل محیطی، خاک، آب و هوا در عملکرد محصول و موفقیت در کشت آن مؤثر می باشند. اهداف این تحقیق، ارائه دو مدل فازی برای تعیین شاخصهای اجتماعی و فنی- مکانیزاسیون برای محصول گندم آبی و بهینهسازی قوانین و توابع عضویت فازی بود. بر این اساس، دادههای سن، تجربه و سطح تحصیلات کشاورزان به عنوان ورودی ...
بیشتر
عوامل اجتماعی، اقتصادی و فنی علاوه بر عوامل محیطی، خاک، آب و هوا در عملکرد محصول و موفقیت در کشت آن مؤثر می باشند. اهداف این تحقیق، ارائه دو مدل فازی برای تعیین شاخصهای اجتماعی و فنی- مکانیزاسیون برای محصول گندم آبی و بهینهسازی قوانین و توابع عضویت فازی بود. بر این اساس، دادههای سن، تجربه و سطح تحصیلات کشاورزان به عنوان ورودی های مدل فازی اجتماعی و داده های دسترسی به منبع آب، جاده، سیلو، نیروی کارگری، تراکتور-ماشین ها و همچنین تجهیزات خاک ورزی حفاظتی به عنوان ورودی های مدل فازی فنی-مکانیزاسیون بودند. برای طراحی مدل ها از سامانه استنتاج فازی ممدانی استفاده شد و قوانین آن توسط دانش متخصص مکانیزاسیون نوشته شد. ضریب تعیین شاخص بهدست آمده در مدل فازی اجتماعی و مدل فازی فنی- مکانیزاسیون، قبل از بهینه سازی قوانین فازی به ترتیب 11/0 و 51/0 بدست آمد. مقادیر پس از بهینه سازی قوانین فازی توسط الگوریتم ژنتیک به 50/0 و 71/0 به ترتیب برای مدل های اجتماعی و فنی-مکانیزاسیون افزایش یافت. این نتایج نشان داد که بهینه سازی قوانین فازی تأثیر قابل توجهی بر نتیجه مدل داشت؛ همچنین برنامه ای در نرم افزار متلب برای انتخاب بهترین نوع توابع عضویت در مجموعه های فازی متغیرهای ورودی نوشته و اجرا شد که مقدار ضریب تعیین از 14/0تا 51/0 و از 1/0 تا 73/0 به ترتیب برای مدل های اجتماعی و فنی- مکانیزاسیون تغییر نمود. این نتایج نیز نشان داد که انتخاب نوع توابع عضویت مجموعههای فازی اهمیت بهسزایی در دقت مدل دارد.
کشاورزی دقیق
روح الله تقی زاده؛ فریدون سرمدیان؛ محمود امید؛ نورایر تومانیان؛ محمدجواد روستا؛ محمد حسن رحیمیان
دوره 37، شماره 2 ، اسفند 1393، ، صفحه 101-115
چکیده
در طی سالهای گذشته پیشرفتهای گستردهای در زمینه علم نقشهبرداری رقومی خاک شده است؛ بهطوریکه منجر به تولید نقشههای رقومی خاک در سطح ملی و قارهای گردیده است؛ اما به رغم مطالعات بسیار زیادی که در سطح دنیا انجام گرفته است و یا در حال انجام شدن میباشد، تعداد اندکی از خاکشناسان ایرانی به علم نقشهبرداری رقومی ...
بیشتر
در طی سالهای گذشته پیشرفتهای گستردهای در زمینه علم نقشهبرداری رقومی خاک شده است؛ بهطوریکه منجر به تولید نقشههای رقومی خاک در سطح ملی و قارهای گردیده است؛ اما به رغم مطالعات بسیار زیادی که در سطح دنیا انجام گرفته است و یا در حال انجام شدن میباشد، تعداد اندکی از خاکشناسان ایرانی به علم نقشهبرداری رقومی خاک علاقه نشان دادهاند؛ لذا در تحقیق حاضر، سعی شده تا از انواع روشهای دادهکاوی برای پیشبینی مکانی گروههای بزرگ خاک در اراضی به وسعت 72000 هکتار در منطقهی اردکان بهره گرفته شود. در این منطقه بر اساس روش مربع لاتین مکان جغرافیایی 187 پروفیل خاک مشخص شده و سپس تشریح، نمونهبرداری و بر اساس سیستم آمریکایی به شش گروه بزرگ و هشت زیرگروه طبقهبندی شدند. متغیرهای محیطی یا نمایندگان فاکتورهای خاکسازی که در این پژوهش استفاده شدند، شامل ویژگی های توپوگرافی دادههای تصویر ETM+ ماهواره لندست 2002 و نقشههای پلیگونی از جمله سطوح ژئومورفولوژی، زمینشناسی و کاربری اراضی است. نتایج نشان داد که مدل درخت تصمیم نسبت به سایر مدلها دارای برتری نسبی میباشد؛ بهطوریکه توانسته است دقت پیشبینی گروههای بزرگ خاک را نسبت به روش آنالیز تشخیصی (ضعیفترین مدل) 44% افزایش دهد. در کل نتایج تحقیق، دقت مدلهای درخت تصمیم، شبکه عصبی مصنوعی، ترکیب شبکه عصبی مصنوعی - الگوریتم ژنتیک، رگرسیون لاجیستیک چندجملهای و آنالیز تشخیصی را جهت پیشبینی گروههای بزرگ خاک با دقت کلی 70%، 65%، 65%، 55% و 47%، به ترتیب، تایید کرد. همچنین درخت تصمیم، کلاسهای زیرگروه خاک را با دقت 2/84% پیشبینی نموده است.
