کاربرد مقایسه‌­ای رگرسیون خطی چندگانه و شبکه‌های عصبی مصنوعی برای شبیه‌­سازی اثرات عوامل توپوگرافی بر تغییرات کربن آلی خاک

کربن آلی خاک یکی از مهم‌­ترین ویژگی‌­های خاک بوده و هرگونه تغییر در مقدار و ترکیب آن بر اکثر ویژگی‌­های شیمیایی، زیستی و فیزیکی خاک تاثیرگذار است. بهبود کربن آلی خاک سبب بهبود ساختمان خاک، کیفیت و کمیت رطوبت در حوضه، کیفیت هوا، افزایش سطح عناصر غذایی خاک و در نتیجه کیفیت و کمیت محصول، جلوگیری از تخریب و فرسایش خاک و احیا خاک و زیست بوم خواهد شد. عوامل متعددی از جمله عوامل اقلیمی، توپوگرافی و مدیریتی بر مقدار کربن آلی خاک تاثیر می­‌گذارند. در مقیاس­ کوچک محلی مانند مرتع مورد مطالعه، عامل اقلیم تنوع قابل ملاحظه‌ای نداشته و عوامل توپوگرافی بر تغییرات کربن آلی خاک، بسیار اثرگذارند. لذا، هدف این پژوهش، برآورد تاثیر متغیرهای توپوگرافی ارتفاع، جهت شیب، درصد شیب، سایه روشن و انحنا بر مقدار کربن آلی خاک در اراضی مرتعی واقع در حوضه مرگ استان کرمانشاه است. به این منظور، برآورد کربن آلی خاک با دو روش رگرسیون چندمتغیره خطی (MLR) و شبکه‌های عصبی مصنوعی (ANN) انجام شد. بر طبق نتایج، مدل MLR، توانست 53 درصد و مدل ANN، 77 درصد از تغییرات کربن آلی خاک را پیش­‌بینی کند. در روش MLR، مقدار RMSE و MBE به‌­ترتیب 0.4 و صفر در روش ANN، مقدار RMSE و MBE به‌­ترتیب 0.16 و 0.003 محاسبه شد. نتایج بررسی­‌ها نشان داد، شبکه عصبی مصنوعی با آرایش 1-9-5 و تابع فعال­‌سازی تانژانت هایپربولیک در لایه پنهان، نسبت به‌­روش رگرسیون خطی چندگانه، دارای دقت و صحت بالاتری است. طبق نتایج شبکه عصبی مصنوعی، از بین متغیرهای مورد بررسی، به­‌ترتیب ارتفاع با 0.79، سایه روشن با 0.64 و درصد شیب با 0.28 ضریب تاثیر، در تغییرات ذخایر کربن آلی خاک در این منطقه بیشترین سهم را دارند.