مطالعۀ بافت خاك با استفاده از روش ANNs در شرق استان مازندران

برخي خصوصيات خاك داراي تغيير‌پذيري در بعد زمان و مكان مي‌باشند. عوامل مختلفي كه در طول زمان و مكان متغيرند، در فرآيند‌هاي تشكيل خاك دخيل بوده و تشكيل خواص خاك، تحت تاثير آن‌ها مي‌باشد. يكي از مهمترين ويژگي هاي خاك، بافت است. براي بررسي اجزاي بافت خاك در مقياس بزرگ، استفاده از روش هاي زمين آمار، كه مي توانند با پيش بيني خصوصيات خاك موجب كاهش در هزينه و وقت شوند توصيه مي گردد. براي بررسي تغيير پذيري مكاني بافت خاك نقاط، در محل نمونه‌برداري نشده، در اين مطالعه از روش شبكه هاي عصبي مصنوعي (ANNs) استفاده گرديد. نمونه‌ هاي خاك به صورت تصادفي مركب به تعداد 249 نقطه از عمق 15-0 سانتي‌متر تهيه گرديد. براي تست نرمال‌سازي داده‌ها از آزمون كولموگروف-اسميرنوف در محيط نرم‌افزاري SPSS 22 و Develve استفاده شد. با محاسبه خطاي ميانگين (ME) و باقيمانده ميانگين مجذور خطا (RMSE) بهترين برازش انتخاب گرديد. داده‌هاي هر پارامتر ابتدا با استفاده از روش تبديل لگاريتمي و سپس با استفاده از روش باكس كاكس نرمال، و واريوگرام پارامترها ترسيم گرديد. بهترين مدل براي مقادير شن، رس و سيلت مدل نمايي انتخاب گرديد. اگرچه بين مقادير درصد رس در كاربري هاي مختلف تفاوت معني‌دار وجود نداشت، بين مقادير درصد شن و سيلت تفاوت معني‌دار وجود داشت. بصورتيكه بيشترين درصد شن به ترتيب در اراضي مرتع، جنگل، زراعي، باير و باغ بوده، و بيشترين درصد سيلت به ترتيب در اراضي باغ، زراعي، جنگل، باير و مرتع يافت گرديد. علاوه بر استفاده هاي مختلف اراضي، ارتفاع ( 20- متر الي بيش از 500 متر) نيز بصورت معني دار بر بافت خاك مؤثر بود. طبق نتايج، روش شبكه عصبي مصنوعي در تخمين بافت خاك مناسب عمل كرده است. پيشنهاد مي گردد: 1) اين مطالعات در ساير نقاط استان نيز انجام شود، 2) از ساير روش‌هاي هوش مصنوعي نيز براي پهنه بندي خصوصيات خاك استفاده شود، 3) از نمونه‌برداري منظم در اين گونه مطالعات در صورت امكان استفاده شود، 4) از نقشه‌هاي بدست آمده به عنوان پايه‌اي براي تغييرات بافت خاك در استان استفاده گردد.