تهیه نقشه های سه بعدی توزیع اندازه ذرات نهایی سازنده خاک (بافت خاک) با استفاده از معادلات عمق و شبکه های عصبی مصنوعی

نویسندگان

علیرضا امیریان چکان

عضو هیات علمی دانشگاه صنعتی خاتم الانبیاء بهبهان روح اله تقی زاده مهرجردی

استادیار دانشکده کشاورزی و منابع طبیعی دانشگاه اردکان فریدون سرمدیان

استاد گروه مهندسی علوم خاک دانشگاه تهران احمد حیدری

گروه مهندسی علوم خاک، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران

چکیده

در نقشه­های مرسوم معمولا چگونگی تغییرات بافت خاک در فواصل بین نقاط نمونه­برداری نشان داده نمی­شود و در این نقشه­ها و نقشه­های رقومی، تغییرات تدریجی بافت خاک با عمق به خوبی قابل پیش­بینی نیست. از تکنیک نقشه­برداری رقومی برای تخمین ذرات نهایی سازنده خاک در مکان­های نمونه­برداری نشده و از معادلات عمق خاک برای نشان دادن تغییرات بافت خاک با عمق و تخمین آن در هر عمق دلخواه می­توان استفاده نمود. در این مطالعه در 103 نقطه مشاهداتی واقع در دشت سیلاخور در شمال غرب شهرستان دورود استان لرستان، معادله عمق اسپلاین با سطح برابر بر داده­های سیلت، شن و رس تا عمق یک متری برازش داده شد و مقادیر این اجزاء در پنج عمق استاندارد شامل 5-0، 15-5، 30-15، 60-30 و 100-60 سانتی­متر تخمین زده شد.  این اطلاعات با متغیرهای کمکی استخراج شده از تصاویر etm+سنجنده­های ماهواره لندست و مدل رقومی ارتفاعی (dem) تلفیق و بر اساس روابط بین آن­ها نقشه پیوسته پیش­بینی مقدار اندازه ذرات نهایی سازنده خاک و کلاس­های بافت خاک با استفاده از مدل شبکه­های عصبی مصنوعی برای کل منطقه به دست آمد. نتایج تجزیه و تحلیل حساسیت نشان داد اهمیت نسبی داده­های کمکی در پیش­بینی بافت خاک برای اجزاء مختلف بافت و در اعماق مختلف متفاوت است. بر طبق نتایج حاصله توانایی شبکه­های عصبی در تخمین بافت خاک در لایه­های سطحی بیشتر از لایه­های پایینی بود. مقادیر r2 برای رس، سیلت و شن از سطح به عمق به ترتیب از 73/0 تا 49/0، از 76/0 تا 43/0 و از 68/0 تا 26/0 به دست آمد. این نتایج در نقشه­برداری رقومی در حد قابل قبولی هستند. افزون بر این، نتایج نشان داد داده­های کمکی مستخرج از تصاویر ماهواره­ای در لایه های سطحی و داده­های مستخرج از dem در لایه­های عمقی اهمیت بیشتری در تخمین بافت خاک داشتند.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

تهیه نقشه‌های سه بعدی توزیع اندازه ذرات نهایی سازنده خاک (بافت خاک) با استفاده از معادلات عمق و شبکه‌های عصبی مصنوعی

در نقشه­های مرسوم معمولا چگونگی تغییرات بافت خاک در فواصل بین نقاط نمونه­برداری نشان داده نمی­شود و در این نقشه­ها و نقشه­های رقومی، تغییرات تدریجی بافت خاک با عمق به خوبی قابل پیش­بینی نیست. از تکنیک نقشه­برداری رقومی برای تخمین ذرات نهایی سازنده خاک در مکان­های نمونه­برداری نشده و از معادلات عمق خاک برای نشان دادن تغییرات بافت خاک با عمق و تخمین آن در هر عمق دلخواه می­توان استفاده نمود. در ای...

متن کامل

پیش‌بینی بافت خاک با استفاده از شبکه‌های عصبی مصنوعی

بافت خاک یکی از مهم­ترین ویژگی‌های خاک است که بر روی بسیاری از خصوصیات فیزیکی و شیمیایی مانند ظرفیت نگهداری آب، ظرفیت تبادل کاتیونی، حاصلخیزی خاک و تهویه خاک اثر می­گذارد. امروزه از فناوری هوش مصنوعی مانند شبکه­های عصبی و عصبی فازی برای حل مسائل مربوط به مدل­سازی سیستم­ها و فرآیند­ها استفاده می­شود. در این پژوهش کارآیی شبکه‌های عصبی مصنوعی در پیش‌بینی بافت خاک بررسی شد. بدین­منظور 150 نمونه خاک...

متن کامل

برآورد دمای روزانه خاک با استفاده از شبکه عصبی مصنوعی

دمای خاک یکی از متغیرهای مهم در مطالعات هیدرولوژی، هواشناسی، کشاورزی و اقلیم­شناسی است که اندازه­گیری و برآورد آن ضروری است. با توجه به این­که دمای خاک فقط در ایستگاه­های سینوپتیک کشور اندازه­گیری می­شود، کمبود آن در نقاط فاقد ایستگاه از چالش­های بزرگ در بسیاری از مطالعات مرتبط با کشاورزی است. در این پژوهش، با استفاده از پارامترهای هواشناسی ایستگاه سینوپتیک شیراز در یک دوره 9 ساله (2008-2000) ب...

متن کامل

ارزیابی داده های خروجی از حسگر اندازه گیر بلادرنگ رطوبت خاک با استفاده از شبکه عصبی

محتوای رطوبتی خاک،یکی از مهمترین ویژگی‌های فیزیکی تاثیر گذار بر تولیدات کشاورزی می باشد. استفاده از حسگرهای خازنی، روشی برای تخمین محتوای رطوبت خاک می باشد. در این روش، خاک به عنوان بخشی از دی الکتریک حسگر خازنی محسوب می شود. در این تحقیق، داده های خروجی از یک حسگر خازنی که به شکل فرکانس بودند توسط شبکه عصبی مورد برازش قرار گرفته و با نتایج حاصل از رگرسیون مقایسه شدند. در ارزیابی استاتیکی داده ...

متن کامل

تخمین ضریب توزیع خاک-آب فلزات سنگین با کاربرد شبکه های عصبی مصنوعی

آلودگی منابع آب و خاک یکی از چالش های مهم استفاده بهینه از این منابع در سرتاسر جهان است. ضریب توزیع (Kd) نه تنها یک پارامتر کاربردی در مدلسازی انتقال آلاینده ها در خاک است، بلکه در ارزیابی ریسک آلودگی منابع آب و خاک نیز کاربرد دارد. مدل های پارامتریک، معمول ترین روش کمی برای تخمین Kd هستند. لیکن معمولاً ضریب همبستگی این مدل ها اندک است. درحالیکه مقدار تخمینی این پارامتر می تواند باعث اشتباه قابل...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
تحقیقات آب و خاک ایران

جلد ۴۸، شماره ۱، صفحات ۱۱۳-۱۲۳

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023