پیش بینی ظرفیت تبادل کاتیونی خاک های ایران با استفاده از روش های گوناگون

اندازه گیری ظرفیت تبادل کاتیونی خاک در سطوح وسیع، بسیار پرهزینه و وقت گیر است. برآورد این خصوصیت به­وسیله ویژگی‌های زودیافت خاک، از طریق روش‌های پارامتریک و غیرپارامتریک (توابع انتقالی) می‌تواند رویکرد مناسبی باشد. در این پژوهش، روش پارامتریک رگرسیون‌های خطی و غیر خطی و روش‌های غیر پارامتریک شبکه‌های عصبی مصنوعی، رگرسیون درختی و فازی عصبی در تخمین ظرفیت تبادل کاتیونی خاک مورد استفاده قرار گرفت. برای این منظور 1770 نمونه خاک از مناطق مختلف ایران انتخاب شدند که 1414 عدد برای آموزش و 356 عدد از آن­ها به عنوان داده­های آزمون مدل­ها استفاده شدند. بررسی همبستگی‌ها نشان داد که پارامترهای رس و درصد ماده آلی خاک بیش­ترین ارتباط را با ظرفیت تبادل کاتیونی خاک دارند؛ بنابراین این ویژگی­ها به عنوان متغیر مستقل ورودی (ویژگی زود­یافت) و ظرفیت تبادل کاتیونی به عنوان متغیر وابسته خروجی انتخاب شدند. ریشه میانگین مربعات خطا و ضریب تبیین در روش رگرسیون خطی برابر 74/4 و 50/0 و در روش رگرسیون غیر خطی برابر 71/4 و 52/0 بود که نشان می‌دهد که هر دو روش با دقت نسبتاً خوب و یکسانی قادر به پیش‌بینی ظرفیت تبادل کاتیونی خاک می‌باشند؛ همچنین نتایج نشان داد که روش رگرسیون غیر خطی فقط سبب بهبود 6/0 درصدی دقت پیش‌بینی ظرفیت تبادل کاتیونی خاک شده است. نتایج نشان داد که استفاده از روش‌های شبکه عصبی مصنوعی سبب بهبود معنی‌داری در دقت برآورد ظرفیت تبادل کاتیونی خاک نمی‌شود. بیش­ترین بهبود در پیش‌بینی مدل به نسبت توابع انتقالی خطی در روش شبکه عصبی پس انتشار مشاهده شد. این روش سبب بهبود 3 درصدی پیش‌بینی ظرفیت تبادل کاتیونی خاک گردید. دقت برآورد روش درخت تصمیم، اندک بهتری از روش‌های شبکه عصبی مصنوعی بود. بهبود نسبی این روش نسبت به رگرسیون خطی برابر با 4/4 درصد بود؛ اما بیشترین بهبود نسبی در روش فازی عصبی مشاهده شد. این روش سبب کاهش 15 درصدی خطا به نسبت معادلات رگرسیونی خطی گردید؛ لذا این نتایج نشان می­دهد که یکی از  بهترین روش­ها در پیش‌بینی ظرفیت تبادل کاتیونی خاک‌های ایران، روش فازی عصبی می­باشد.