فیزیک، فرسایش و حفاظت خاک
سهیلا علی اوغلی؛ محمود شعبان پور؛ حسینعلی بهرامی
چکیده
رطوبت خاک به دلیل تاثیرگذاری زیاد بر بازتاب طیفی خاک و تغییرپذیری زمانی و مکانی بالا، مهمترین عامل اختلاگر در بکارگیری تکنیک طیف‌سنجی بازتابی مرئی و مادون قرمز نزدیک (VNIRS) جهت برآورد فلزات سنگین خاک به حساب می‌آید. در این پژوهش، قابلیت الگوریتم متعامدسازی پارامتر خارجی (EPO) در کاهش اثر رطوبت از بازتابندگی طیفی خاک به منظور بهبود قابلیت ...
بیشتر
رطوبت خاک به دلیل تاثیرگذاری زیاد بر بازتاب طیفی خاک و تغییرپذیری زمانی و مکانی بالا، مهمترین عامل اختلاگر در بکارگیری تکنیک طیف‌سنجی بازتابی مرئی و مادون قرمز نزدیک (VNIRS) جهت برآورد فلزات سنگین خاک به حساب می‌آید. در این پژوهش، قابلیت الگوریتم متعامدسازی پارامتر خارجی (EPO) در کاهش اثر رطوبت از بازتابندگی طیفی خاک به منظور بهبود قابلیت روش‌های یادگیری ماشین در برآورد فلزات سنگین مورد ارزیابی قرار گرفته است. بدین منظور، تعداد 129 نمونه خاک از مزارع آلوده به فلزات سنگین در استان‌های تهران، گیلان و آذربایجان شرقی برداشت شد. میزان نیکل و سرب نمونه‌های خاک هواخشک و الک‌شده در آزمایشگاه اندازه‌گیری شدند. بازتابندگی طیفی نمونه‌های خاک در ۷ سطح رطوبتی (هواخشک، ۶، ۱۲، ۱۸، ۲۴، ۳۰ و ۳۶درصد) با استفاده از طیف-سنج FieldSpec-3 و پروب تماسی در محدوده 350-2500 نانومتر در اتاق تاریک اندازه‌گیری شدند. الگوریتم EPO با استفاده از مجموعه نمونه‌های واسنجی توسعه داده شد. از الگوریتم‌های یادگیری ماشین PLSR و SVR جهت برآورد فلزات سنگین استفاده شد. نتایج نشان داد که VNIRS قابلیت بالایی در برآورد فلزات سنگین بصورت هواخشک دارد. حضور رطوبت در خاک، حتی در سطح 6%، منجر به کاهش معنی‌داری در قابلیت این تکنیک در برآورد دقیق فلزات سنگین می‌گردد. در رطوبت بیشتر از 24 درصد، عملکرد مدل‌های یادگیری ماشین برای برآورد فلزات سنگین در کلاس متوسط (1.4<RPD <2) قرار می‌گیرند. بطورکلی، بکارگیری روش EPO، از طریق اصلاح اثر رطوبت بر بازتابندگی طیفی، سبب بهبود قابلیت روش‌های یادگیری ماشین مبتنی بر VNIRS در برآورد فلزات سنگین خاک می‌شود. در میان دو روش یادگیری ماشین، SVR بهترین عملکرد را برای مدل‌سازی نیکل و سرب به دست داد. نتایج حاکی از آن است که VNIRS در برآورد نیکل نسبت به سرب قابلیت بیشتری دارد.
پیدایش و طبقه بندی خاکها
مژده تقی پور؛ نفیسه یغمائیان مهابادی؛ محمود شعبانپور
چکیده
در این مطالعه شاخص‌های کیفیت خاک با استفاده از تحلیل‌های‌چند متغیره در سه کاربری مختلف در منطقه توتکابن استان گیلان مورد ارزیابی قرار گرفت. 60 نمونه خاک مرکب از دو عمق صفر تا 15 و 15 تا 30 سانتی‌متری از سه کاربری جنگل، زراعی و مرتع برداشت شد. با استفاده از روش تجزیه به مؤلفه‌های اصلی(PCA) ، از میان 12 ویژگی موثر بر کیفیت خاک، چهار ویژگی شامل ...
بیشتر
در این مطالعه شاخص‌های کیفیت خاک با استفاده از تحلیل‌های‌چند متغیره در سه کاربری مختلف در منطقه توتکابن استان گیلان مورد ارزیابی قرار گرفت. 60 نمونه خاک مرکب از دو عمق صفر تا 15 و 15 تا 30 سانتی‌متری از سه کاربری جنگل، زراعی و مرتع برداشت شد. با استفاده از روش تجزیه به مؤلفه‌های اصلی(PCA) ، از میان 12 ویژگی موثر بر کیفیت خاک، چهار ویژگی شامل درصد رس، میانگین وزنی قطر خاکدانه، کربن آلی و فسفر قابل دسترس به‌عنوان حداقل ویژگی‌های مؤثر بر کیفیت خاک انتخاب شدند. سپس کیفیت خاک با استفاده از دو مدل شاخص کیفیت تجمعی (IQI) و شاخص کیفیت نمورو (NQI) به روش‌های نمره‌دهی خطی و غیرخطی (LS و NLS) و هرکدام در دو مجموعه کل داده‌ها (TDS) و داده‌های حداقل (MDS) ارزیابی شد. برای اولویتدهی و ارزیابی شاخص‌های کیفیت خاک از مجموع دو معیار شاخص حساسیت و درصد راندمان استفاده شد. نتایج نشان داد که شاخص‌های کیفیت خاک به روش نمره‌دهی خطی نسبت به غیرخطی تفاوت کیفیت خاک بین کاربری‌های مختلف را بهتر نشان می‌دهد؛ به‌طوری‌که کاربری جنگل و زراعی در مقایسه با مرتع از میانگین شاخص کیفیت خاک بالاتری برخوردار بود.. مقادیر درصد راندمان نشان داد که شاخص‌های IQI-LS و IQI-NLS برای مجموعه MDS در مقایسه با TDS با دارا بودن میزان راندمان 75 درصد از کارآیی بالاتری برخوردار هستند. براساس اولویتدهی شاخص‌های کیفیت خاک، شاخص IQI-LS-MDS اولین رتبه را به خود اختصاص داد، بر این اساس از بین شاخص‌های کیفیت خاک، IQI-LS-MDSبرای بررسی وضعیت کلی خاک در منطقه مطالعاتی قابلیت بیشتری دارد.
