ارزيابي مدل‌هاي شبكه عصبي مصنوعي و رگرسيوني در برآورد كربن آلي خاك (منطقه مورد مطالعه: حوزه آبخيز پاكل، استان مركزي)

با توجه به نقش كربن­ آلي در مديريت و پايداري خاك، جلوگيري از فرسايش خاك و پايش ميزان دي­ اكسيدكربن هوا، پيش­ بيني كربن آلي خاك در مقياس منطقه ­اي، ملي و جهاني از اهميت خاصي برخوردار است. در اين تحقيق به­ منظور برآورد كربن آلي خاك از مدل­هاي شبكه عصبي مصنوعي و رگرسيون چند متغيره استفاده شد. براي اين منظور در ابتدا، 60 نمونه خاك از حوزه آبخيز پاكل اراك از عمق 0 تا 30 سانتي­متري برداشت شد. سپس خصوصيات خاك شامل نيتروژن، رس، سيلت، كربن آلي، اسيديته، هدايت الكتريكي و وزن مخصوص ظاهري خاك اندازه­ گيري گرديد. به ­منظور ارزيابي كاركرد مدل­هاي مورد استفاده از مجذور ميانگين مربعات خطا و ضريب كارآيي استفاده گرديد. نتايج نشان داد كه شبكه عصبي مصنوعي با مجذور ميانگين مربعات 043/0RMSE= و ضريب كارايي 87/0CE= نسبت به مدل رگرسيوني با مجذور ميانگين مربعات 08/0RMSE= و ضريب كارايي 51/0CE= كارايي بهتري در برآورد كربن آلي داشت. مقايسه بين مدل­هاي رگرسيوني و شبكه­ عصبي نشان داد كه مقادير برآورد شده به ­وسيله شبكه عصبي داراي دقت بيشتري نسبت به روش رگرسيوني مي­باشد. روش­هاي آماري و نتايج شبكه­ هاي عصبي برتري مدل­هاي شبكه عصبي را در برآورد كربن آلي بيان مي­ كند. نتايج كلي پژوهش نشان مي ­دهد كه در عرصه ­هاي طبيعي كه مشكلات خاص نمونه ­برداري، هزينه­ هاي تجزيه و آناليز نمونه ­ها در سطح زياد وجود دارد، مي­توان از روش ­هاي هوش مصنوعي و به كمك داده ­هاي زوديافت براي تخمين كربن آلي خاك سود جست. انجام مطالعات دوره ­اي پايش ترسيب كربن در منطقه مورد مطالعه به‌منظور بررسي تغييرات زماني ترسيب كربن در كاربري­ هاي موردنظر پيشنهاد مي ­شود.