کاربرد روش‏های رگرسیونی و شبکه‏های عصبی به منظور تخمین هدایت هیدرولیکی اشباع خاک منطقه زاگرس مرکزی

بیژن خلیلی مقدم، b. khalili moghadam dept of soil sci. ramin agric. and natur. resour. univ. of khozestan, ahvaz, iran.گروه خاک شناسی، دانشکده کشاورزی و منابع طبیعی رامین خوزستان مجید افیونی، m. afyuni dept of soil sci. college of agric. isfahan univ. of technol. isfahan, iran.گروه خاک شناسی، دانشکده کشاورزی، دانشگاه صنعتی اصفهان احمد جلالیان، a. jalalian dept of soil sci. college of agric. isfahan univ. of technol. isfahan, iran.گروه خاک شناسی، دانشکده کشاورزی، دانشگاه صنعتی اصفهان کریم عباسپور، k. c. abbaspour swiss federal institute for environ. sci. and technol. eawag, 8600 dübendorf, switzerland.گروه علوم و تکنولوژی آب مؤسسه تحقیقاتی ewag سوئیس امیر احمد دهقانی، a. a. dehghani faculty of agric. eng. gorgan univ. of agric.and natur. resour., gorgan, iran.گروه مهندسی آب دانشگاه علوم کشاورزی و منابع طبیعی گرگان

Abstract(in Persian; no English abstract is available)

در سال های اخیر با ظهور سامانه اطلاعات جغرافیایی و تکنولوژی سنجش از دور، ویژگی‏های توپوگرافیکی (ارتفاع، شیب و جهت شیب) و ویژگی‏های پوشش گیاهی به راحتی به وسیله مدل‏های رقومی ارتفاع و شاخص پوشش گیاهی (ndvi) در مقیاس‏های مختلف (حوزه‏ای و منطقه‏ای) قابل دسترس می‏باشد. هدف از انجام این پژوهش، بررسی امکان استفاده از ویژگی‏های توپوگرافیکی و پوشش گیاهی به همراه ویژگی‏های خاک به عنوان ویژگی‏های زود یافت برای تخمین هدایت هیدرولیکی اشباع خاک است. برای این کار توزیع اندازه ذرات خاک، کربن آلی، کربنات کلسیم و چگالی ظاهری در افق‏های رویین و زیرین و ویژگی‏های توپوگرافیکی و ndvi از افق رویین خاک اندازه‏گیری شدند. سه ساختار شبکه عصبی پرسپترون برای مقایسه با رگرسیون چند متغیره خطی مورد استفاده قرار گرفتند. کارایی توابع انتقالی خاک و توابع پیش‏بینی مکانی خاک به وسیله ضریب همبستگی اسپیرمن (r)، میانگین مربعات خطای نرمال شده (nmse) و میانگین خطای مطلق(mae) بین مقادیر اندازه‏گیری شده و مشاهده شده مورد ارزیابی قرار گرفت. نتایج نشان داد که ویژگی‏های توپوگرافیکی و پوشش گیاهی از متغیر‏های حساس در تخمین هدایت هیدرولیکی اشباع خاک در مراتع زاگرس مرکزی می‏باشند. به طور کلی شبکه‏های عصبی (87/0=r) داری کارایی بهتری از رگرسیون چند متغیره خطی (69/0=r) در تخمین هدایت هیدرولیکی اشباع خاک هستند.