پیدایش و طبقه بندی خاکها
فاطمه رحمتی؛ سعید حجتی؛ کاظم رنگزن؛ احمد لندی
چکیده
آگاهی از توزیع مکانی کربن آلی خاک گامی موثر در دستیابی به استفاده پایدار از اراضی و تعیین استرازیهای مدیریتی مربوط به آن است. از این رو، این مطالعه با هدف مدلسازی و نقشهبرداری رقومی کربن آلی خاک سطحی (10-0 سانتیمتری) شهرستان سمیرم با استفاده از روشهای رگرسیون جنگل تصادفی و رگرسیون خطی چند متغیره انجام شد. به این منظور200 نمونه ...
بیشتر
آگاهی از توزیع مکانی کربن آلی خاک گامی موثر در دستیابی به استفاده پایدار از اراضی و تعیین استرازیهای مدیریتی مربوط به آن است. از این رو، این مطالعه با هدف مدلسازی و نقشهبرداری رقومی کربن آلی خاک سطحی (10-0 سانتیمتری) شهرستان سمیرم با استفاده از روشهای رگرسیون جنگل تصادفی و رگرسیون خطی چند متغیره انجام شد. به این منظور200 نمونه خاک سطحی به صورت منظم و با فواصل نمونهبرداری 5 کیلومتر × 5 کیلومتر از سطح منطقه برداشت گردید و سپس کربن آلی نمونه ها با استفاده از روش واکلی- بلک اندازهگیری شد. در پایان، نقشه رقومی کربن آلی در خاک سطحی منطقه با روشهای مزبور و به کمک متغیرهای کمکی استخراج شده از مدل رقومی ارتفاع و تصاویر ماهوارۀ لندست 8 در محیط نرمافزار RStudio تهیه شد. یافته-های این مطالعه حاکی از آن است که الگوریتم جنگل تصادفی برای برآورد میزان کربن آلی خاک به ترتیب با مقادیر RMSE و R2 معادل 12/0 و 79/0 نسبت به روش رگرسیون خطی چندمتغیره با RMSE و R2 معادل 192/0 و 57/0پیشبینیهای بهتری ارائه داده است. نتایج نشان داد که مهمترین متغیرهای محیطی مؤثر بر توزیع کربن آلی خاک در منطقه مطالعاتی در مدلهای مورد استفاده یکسان نیستند. بهگونهای که در مدل جنگل تصادفی شاخصهای مستخرج از پوشش گیاهی و در رگرسیون خطی چندمتغیره شاخصهای توپوگرافی نقش بیشتری در توزیع کربن آلی داشته است. بررسی نقشه نهایی پراکنش کربن آلی خاک در منطقه مطالعاتی نشان داد که تخمینهای انجام شده با روش جنگل تصادفی اگرچه در مقایسه با روش رگرسیون خطی چندمتغیره تخمینهای بهتری را ارائه داده اما در تخمین مقادیر کمینه و بیشینه مقادیر کربن آلی سطحی خاکها موفق نبوده است.
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.