تهیه نقشه های سه بعدی توزیع اندازه ذرات نهایی سازنده خاک (بافت خاک) با استفاده از معادلات عمق و شبکه های عصبی مصنوعی
Authors
abstract
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.
similar resources
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...
full textپیشبینی 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...
full textبرآورد 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...
full textاستفاده از شبکه های عصبی مصنوعی برای برآورد هدایت هیدرولیکی اشباع از ویژگی های زودیافت خاک
full text
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 ...
full textتخمین 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...
full textMy Resources
Save resource for easier access later
Journal title:
تحقیقات آب و خاک ایرانجلد ۴۸، شماره ۱، صفحات ۱۱۳-۱۲۳
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023