ارزیابی کاربرد مدل های شبکه عصبی مصنوعی، شبکه عصبی تطبیقی فازی و رگرسیون در پیش‌‌بینی کربن آلی ذره ای در مراتع خرابه سنجی ارومیه

کربن آلی خاک اثرات مفید­ی روی خواص شیمیایی­، فیزیکی و حرارتی خاک داشتهو همچنین روی فعالیت‌های بیولوژیکی خاک‌ها موثر است. کربن آلی ذره­اییکی از بخش های مهم ناپایدار مواد آلی می باشد و نقش قابل توجهی در کیفیت خاک و مدیریت سرزمینهای مرتعی دارد. در این تحقیق جهت برآورد دقیق کربن آلی ذره­ای خاک از مدل‌های شبکه عصبی مصنوعی (­­ANN)، شبکه عصبی تطبیقی- فازی(ANFIS)  و رگرسیون چند متغیره استفاده شد. جهت انجام تحقیق، 60 نمونه خاک از عمق 30- 0 سانتیمتری در میان 60 کوادرات یک متر مربعی که در طول 6 ترانسکت 100 متری در مراتع خرابه سنجی ارومیه مستقر شده بود، برداشت شد. خصوصیات خاک (­نیتروژن، رس، سیلت، کربن آلی، اسیدیته، هدایت الکتریکی و وزن مخصوص ظاهری خاک) اندازه­گیری شدند. شاخص های آماری RMSE و  CE جهت ارزیابی کارکرد مدل‌ها استفاده شدند. نتایج نشان داد  بر اساس معیارهای مجذور میانگین مربعات خطا و ضریب کارایی که در مدل رگرسیونی به ترتیب 16/0 و 41/0 و در مدل شبکه عصبی مصنوعی به ترتیب 11/0 و 65/0 و در مدل شبکه عصبی تطبیقی-فازی به ترتیب 06/0 و 79/0 می­باشند، مدل شبکه عصبی تطبیقی فازی (ANFIS) به عنوان ابزار قدرتمندتری در پیش­بینی کربن آلی ذره­ای خاک نسبت به آنالیز رگرسیون خطی چند­متغیره و شبکه عصبی مصنوعی عمل می­کند.