واسنجی دستگاه القاگر الکترومغناطیس به منظور برآورد تغییرات عمودی شوری خاک با استفاده از روشهای فراکاوشی
واسنجی دستگاه القاگر الکترومغناطیس به منظور برآورد تغییرات عمودی شوری خاک با استفاده از روشهای فراکاوشی
عنوان فارسی :
واسنجی دستگاه القاگر الکترومغناطیس به منظور برآورد تغییرات عمودی شوری خاک با استفاده از روشهای فراکاوشی
عنوان انگلیسی :
Calibration of Electromagnetic Induction Device (EM38) in Order to Estimate Vertical Variation of Soil Salinity Using Machine Learning Techniques
چکیده:
شوری خاک یکی از مشکلات اساسی در مناطق خشک و نیمهخشک میباشد. بنابراین، تهیه و به روز رسانی نقشههای شوری خاک جهت شناسایی مراحل اولیه شوریزائی خاک حائز اهمیت میباشد. دستگاه القاگر الکترومغناطیس بهعنوان جایگزینی برای روش سنتی جهت ارزیابی سریع شوری خاک میباشد. بهمنظور واسنجی دادههای دستگاه القاگر الکترومغناطیس از روشهای مختلفی استفاده میشود. این پژوهش به واسنجی دستگاه القاگر الکترومغناطیس مدل EM38 در یکی از باغات پسته در حاشیه شهرستان اردکان با استفاده از روشهای رگرسیون خطی چندگانه، شبکه عصبی مصنوعی و مدل نروفازی پرداخته است. نتایج نشان داد که مناسبترین روش برای واسنجی دادههای قابلیت هدایتالکتریکی این دستگاه، بهکارگیری مدل نروفازی برای تخمین شوری خاک در 9 عمق بهترتیب از عمق اول تا عمق نهم با ضریب تبیین 06/0، 11/0، 30/0، 59/0، 69/0، 64/0، 70/0، 74/0 و 74/0 و با میانگین ریشه مربعات خطا بهترتیب 09/4، 66/3، 87/2، 22/2، 26/2، 62/2، 46/2، 38/2 و 50/2 بود، که دقت آن نسبت به دو مدل دیگر در تخمین مقادیر شوری خاک و واسنجی دستگاه بالاتر بود.
چکیده انگلیسی:
Soil salinity is a serious environmental problem especially in arid and semiarid areas. Therefore, it is vital to generate and update soil salinity maps in order to determine early stage of salinization. Electromagnetic induction instrument is an alternative to traditional methods for assessing soil salinity. Different methods have been used to calibrate electromagnetic induction instrument. At present research, an attempt was made to calibrate EM38 in pistachio orchard located in Ardakan city using multi-linear regression (MLR), artificial neural network (ANN) and neuro-fuzzy (ANFIS). To calibrate and predict soil salinity in nine standard depths, the best result was obtained by ANFIS model with R2 of 0.06, 0.11, 0.30, 0.59, 0.69, 0.64, 0.70, 0.74 and 0.74; and RMSE of 4.09, 3.66, 2.87, 2.22, 2.26, 2.62, 2.46, 2.38 and 2.50, respectively; which showed the accuracy of ANFIS was higher than other models (ANN and MLR) to predict soil salinity and calibrate EM38.
خبرنامه
برای ثبت نام در خبرنامه و دریافت خبرنامه ایمیل خود را وارد نمایید.