مدل‌سازی آب قابل استفاده خاک با استفاده از روش‌های نروفازی، برنامه‌ریزی بیان ژن و جنگل تصادفی

آب و خاک

مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 24 اردیبهشت 1404

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jsw.2025.92342.1470

نویسندگان

مهسا حسنپور کاشانی^{* 1}؛ شکراله اصغری²

¹گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران

²گروه علوم و مهندسی خاک، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران

چکیده

آب قابل استفاده خاک (SAW) از تفاضل دو نقطه مهم و کاربردی منحنی رطوبتی خاک (رطوبت‌های ظرفیت مزرعه‌ای و پژمردگی دائم) به‌دست می‌آید؛ روش مستقیم اندازه‌گیری این نقاط رطوبتی خاک مستلزم صرف وقت و هزینه زیادی می‌باشد. بنابراین اخیراً از روش‌های غیر مستقیم مانند توابع انتقالی رگرسیونی و مدل‌های هوشمند برای تخمین این متغیرهای دیریافت خاک استفاده گردیده است. هدف از این پژوهش، مقایسه عملکرد سه مدل‌ هوشمند نروفازی (NF)، برنامه‌ریزی بیان ژن (GEP) و جنگل تصادفی (RF) در برآورد SAW از روی ویژگی‌های زودیافت خاک بود. در این تحقیق، داده‌های اندازه‌گیری شده مربوط به تعداد 102 نمونه خاک سطحی دشت اردبیل شامل مقادیر ذرات شن، سیلت، رس، میانگین و انحراف معیار هندسی قطر ذرات، جرم مخصوص ظاهری، کربن آلی و SAW مورد استفاده قرار گرفت. داده‌ها به‌طور تصادفی به دو گروه آموزشی (82 نمونه) و آزمونی (20 نمونه) تقسیم شدند. شش تابع SAW با ترکیب متفاوت از متغیرهای زودیافت خاک به‌عنوان ورودی مدل انتخاب و مدل‌های NF، GEP و RF برای هر کدام اجرا گردید. نتایج مدل‌ها بیانگر آن بود که کربن آلی و جرم مخصوص ظاهری خاک، دو متغیر ورودی مهم و اثرگذار در برآورد SAW بودند. مقادیر آماره‌های ضریب تبیین (R2)، مجذور میانگین مربعات خطا (RMSE)، میانگین خطا (ME) و ضریب نش-ساتکلیف (NS) براساس داده‌های آزمونی برابر 73/0، % g g-1 51/2، % g g-1 09/0 و 71/0، 76/0، % g g-1 10/3 ، % g g-1 41/1 - و 56/0، 68/0، % g g-1 30/3 ، % g g-1 45/1 - و 50/0 به‌ترتیب برای بهترین مدل‌‌ NF، GEP و RF تعیین شد. مقایسه نتایج آماره‌های ارزیابی مدل‌ها نشان داد که مدل NF به علت داشتن مقدار کم RMSE، مقدار نزدیک به صفر ME و مقدار زیاد NS نسبت به دو مدل دیگر از خطای پایین و دقت بالا در برآورد SAW برخوردار بود.

کلیدواژه‌ها

آب خاک؛ برآورد؛ متغیر زودیافت؛ مدل های هوشمند