توسعه توابع انتقالي براي بررسي رابطه بين گنجايش تبادل كاتيوني و ميانگين وزني قطر خاكدانه‌ها

Developing pedotransfer functions to investigate the relationship between soil cation exchange capacity and mean weight diameter

با توجه به دشوار، زمان‌بر و پرهزينه بودن اندازه‌گيري گنجايش تبادل كاتيوني خاك‌ها (CEC)، تمايل به بهره‌گيري از توابع انتقالي (PTFs) براي برآورد اين ويژگي روبه افزايش است. تعداد 129 نمونه خاك از استان‌هاي همدان و گيلان نمونه‌برداري شد. سپس توزيع اندازه ذرات، كربن آلي، CEC،pH خاك و ميانگين وزني قطر خاكدانه‌ها (MWD) در آن‌ها اندازه‌گيري شدند. افزون بر ويژگي‌هايي كه به‌صورت مرسوم براي برآورد CEC به كار مي‌روند، از MWD نيز بهره‌گيري شده و توان اين ويژگي‌ در بهبود برآورد CEC به كمك مدل‌هاي رگرسيوني و شبكه‌هاي عصبي ارزيابي شد. نتايج نشان داد كه افزودن‌ MWD، سبب بهبود چشم‌گير صحت تخمين CEC شد كه ميزان بهبود از 6 تا 46 درصد متغير بود. علت اين بهبود ارتباط غيرمستقيم CEC باMWD خاك است. همچنين پنج مدل شبكه‌هاي عصبي براساس معيار ريشه ميانگين مربعات خطا برتري ويژه‌اي نسبت به مدل‌هاي رگرسيوني در برآورد CEC در مرحله آموزش داشتند. ولي در مرحله آزمون براي بيشتر مدل‌ها نتيجه‌اي متفاوت به دست آمد. بنابراين MWD تخمين‌گر‌ مناسبي براي برآورد CEC با استفاده از شبكه‌هاي عصبي مصنوعي و روش رگرسيوني است.

Pedotransfer functions are used increasingly to predict the cation exchange capacity (CEC), because, its measurement is difficult, costly and time-consuming. The 129 soil samples were collected from Hamedan and Guilan provinces. The soil particle size distribution, organic matter, CEC, pH and mean weight diameter (MWD) have been measured. In addition to conventional predictors of soil CEC, MWD have been used to predict CEC and their capability in the improvement of CEC predictions by regression and artificial neural networks (ANNs) have been evaluated. The results showed that entering MWD improved the accuracy of the models from 6 to 46 %. The indirect relationships between MWD and CEC were the reason for this improvement. According to root mean square error, ANN models performed better than regression models in the prediction of CEC in training step but, the different results were found in the testing step for most of the models. Therefore, MWD is the suitable predictor for the estimation of soil CEC by regression and ANNs methods.