زمينه و هدف: فرسايشپذيري ذاتي خاک در برابر باد (SIWE)، حساسيت ذاتي ذرات تشکيل دهنده خاک در مقابل کنده شدن و انتقال، در مقابل فرسايش است. اندازهگيري فرسايشپذيري ذاتي خاک در برابر باد ميتواند به وسيله دستگاه تونل باد صورت بگيرد، که عموما پرهزينه، مشکل و زمانبر است. ا چکیده کامل
زمينه و هدف: فرسايشپذيري ذاتي خاک در برابر باد (SIWE)، حساسيت ذاتي ذرات تشکيل دهنده خاک در مقابل کنده شدن و انتقال، در مقابل فرسايش است. اندازهگيري فرسايشپذيري ذاتي خاک در برابر باد ميتواند به وسيله دستگاه تونل باد صورت بگيرد، که عموما پرهزينه، مشکل و زمانبر است. از طرف ديگر به دليل تغيير مداوم شرايط مختلف زراعي و اقليمي اين ويژگي نيز داراي تغييرات زماني و مکاني ميباشد. بنابراين برآورد SIWE به وسيله ابزار هوش مصنوعي مي تواند گامي مهم در برنامه ريزي عرصه هاي تحت فرسايش بادي باشد. در اين تحقيق، برآورد اين شاخص به کمک مدل الگوريتم ژنتيک در ترکيب با شبکه عصبي مصنوعي بررسي شد.
روش پژوهش: در منطقه مورد مطالعه که بخشي از دشت الله آباد در استان قزوين در مجاورت استان البرز است، 72 نمونه از عمق
10 -0 سانتيمتري سطح خاک برداشته شد. شاخص جزء فرسايشپذيري بادي خاک (EF) که درصد خاکدانه هاي با قطر کوچک تر از 84/0 ميلي متر است در نمونهها تعيين شد. همچنين بافت خاک (درصد رس، شن و سيلت)، pH، EC و کربنات کلسيم معادل اندازه-گيري شدند. نمونههاي خاک برداشته شده از مزرعه بعد از هواخشک شدن از الک 75/4 ميليمتري عبور داده شده و بر روي سيني دستگاه تونل باد بصورت صاف ريخته شد. سپس دستگاه تونل باد، بادي با سرعت ثابت 18 متر بر ثانيه و به مدت 10 دقيقه ايجاد نمود. با استفاده از وزن رسوبات جمع آوري شده در انتهاي تونل بعد از انجام آزمايش، SIWE تعيين شد. مدل الگوريتم ژنتيک در ترکيب با شبکه عصبي مصنوعي بر طبق الگويتم آموزشي لونبرگ - مارکوارت با توجه به متغيرهاي داراي همبستگي مثبت با SIWE به عنوان ورودي مدل، تهيه و تحليل شد.
يافته ها: مقدار pH خاک بين 00/7 تا 81/8 متغير بود. مقادير قابليت هدايت الکتريکي از 84/0 تا 3/49 دسي زيمنس بر متر (dS/m) متفاوت بود. داده هاي اجزاء بافت خاک، نشان دهنده مقدار بيشتر رس در مقايسه با اجزاء سيلت و شن در خاکها مي باشد. حداقل آهک (CCE) در خاک، 15/3 درصد و حداکثر آن، 52/30 درصد بود. فرسايش پذيري ذاتي خاک در برابر باد فقط با دو متغير قابليت هدايت الکتريکي و EF همبستگي معني دار داشت. مدل الگوريتم ژنتيک هيبريد با شبکه عصبي مصنوعي با دو متغير ورودي EF و EC تهيه شد. بررسي صحت و دقت مدل نشان داد که مقدار R2 در داده هاي سري آموزش 9 درصد با داده هاي سري آزمون اختلاف داشت و مقدار خطا (RMSE)،kg s m-4 62/1 بود. در داده هاي سري آموزش، R2 نتايج بدست آمده از مدل (805/0) بيشتر از دادههاي نتايج بدست آمده از سري آزمون (714/0) بود. اگرچه داده هاي آموزش از R2 بيشتري برخوردار بودند، لذا خطاي (RMSE) نتايج داده هاي آموزش از آزمون بيشتر بود و در سري آزمون، مدل داراي پراکندگي (GSDER) کمتري بود.
نتيجه گيري: از نتايج بدست آمده ميتوان نتيجه گرفت که شوري خاک و فاکتور جزء فرسايشپذير خاک از ويژگيهاي مهم خاک هستند که ميتوانند به عنوان تخمينگر مناسب وارد مدلهاي برآورد فرسايشپذيري خاک شوند. همچنين دقت تخمين مدل تلفيقي الگوريتم ژنتيک با شبکه عصبي مصنوعي براي دادههاي سري آموزش نسبت به دقت مدل براي دادههاي سري آزمون بيشتر است. اما مدل براي دادههاي سري آموزش از خطاي بيشتري برخوردار است. مقايسه خطا، دقت و صحت مدل در برآورد فرسايشپذيري ذاتي خاک در برابر باد در مقايسه با مطالعات مختلف فرسايش خاک و خصوصيات فيزيکي و شيميايي خاک، مدل تلفيقي الگوريتم ژنتيک و شبکه عصبي از صحت و دقت مناسبي در پيشبيني و برآورد فرسايشپذيري ذاتي خاک در برابر باد برخوردار است.
پرونده مقاله