مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

675
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

651
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

ارزیابی روش های یادگیری ماشین در نقشه برداری رقومی کربن آلی خاک های زراعی (بخشی از دشت خرم آباد)

صفحات

 صفحه شروع 327 | صفحه پایان 342

چکیده

 شناخت توزیع مکانی کربن آلی خاک یکی از ابزارهای کاربردی در تعیین استراتژی های مدیریت پایدار اراضی است. طی دو دهه اخیر استفاده از رویکردهای داده کاوی در مدل سازی مکانی کربن آلی خاک با استفاده از تکنیک های یادگیری ماشین به طور گسترده ای مورد توجه قرار گرفته است. یکی از گام های اساسی در کاربرد این روش ها, تعیین متغیرهای بهینه پیش بینی کننده کربن آلی خاک است. این مطالعه به منظور مدل سازی و نقشه برداری رقومی کربن آلی خاک سطحی با استفاده از روش های یادگیری ماشین و ویژگی های خاک شامل درصد سیلت, رس, شن, کربنات کلسیم معادل, میانگین وزنی قطر خاکدانه و اسیدیته انجام پذیرفت. بدین منظور دقت عملکرد مدل های جنگل تصادفی, کوبیست, رگرسیون حداقل مربعات جزئی, رگرسیون خطی چندمتغیره و کریجینگ معمولی برای برآورد میزان کربن آلی خاک سطحی, در 141 نمونه از عمق 30-0 سانتی متر در بخشی از اراضی کشاورزی دشت خرم آباد با مساحت 680 هکتار مورد ارزیابی قرار گرفتند. نتایج آنالیز حساسیت متغیرهای پیش ران در مدل سازی کربن آلی نشان داد که به ترتیب سه ویژگی درصد سیلت, آهک و میانگین وزنی قطر خاکدانه بیشترین تأثیر را روی تغییرپذیری مکانی کربن آلی خاک داشتند. همچنین مقایسه رویکردهای مختلف تخمین کربن آلی نشان داد که مدل جنگل تصادفی به ترتیب با مقادیر ضریب تبیین (R2) و مجذور میانگین مربعات خطا (RMSE) 0/75 و 0/25 درصد بهترین کارایی را نسبت به سایر رویکردهای مورد استفاده در منطقه مطالعاتی ارائه کرد. در مجموع مدل های با رویکرد غیرخطی صحت بالاتری نسبت به مدل های خطی در مدل سازی تغییرات مکانی کربن آلی خاک نشان دادند. . .

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    متین فر، حمیدرضا، مقصودی، زیبا، موسوی، سیدروح اله، و جلالی، محبوبه. (1399). ارزیابی روش های یادگیری ماشین در نقشه برداری رقومی کربن آلی خاک های زراعی (بخشی از دشت خرم آباد). علوم آب و خاک (علوم و فنون کشاورزی و منابع طبیعی)، 24(4 )، 327-342. SID. https://sid.ir/paper/397002/fa

    Vancouver: کپی

    متین فر حمیدرضا، مقصودی زیبا، موسوی سیدروح اله، جلالی محبوبه. ارزیابی روش های یادگیری ماشین در نقشه برداری رقومی کربن آلی خاک های زراعی (بخشی از دشت خرم آباد). علوم آب و خاک (علوم و فنون کشاورزی و منابع طبیعی)[Internet]. 1399؛24(4 ):327-342. Available from: https://sid.ir/paper/397002/fa

    IEEE: کپی

    حمیدرضا متین فر، زیبا مقصودی، سیدروح اله موسوی، و محبوبه جلالی، “ارزیابی روش های یادگیری ماشین در نقشه برداری رقومی کربن آلی خاک های زراعی (بخشی از دشت خرم آباد)،” علوم آب و خاک (علوم و فنون کشاورزی و منابع طبیعی)، vol. 24، no. 4 ، pp. 327–342، 1399، [Online]. Available: https://sid.ir/paper/397002/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی





    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button