نقشهبرداری رقومی مقادیر کربنات کلسیم خاک سطحی در مناطق خشک و نیمهخشک با استفاده از الگوریتم بیان ژن (مطالعه موردی: دشت آبیک، قزوین) | ||
| تحقیقات آب و خاک ایران | ||
| دوره 57، شماره 6، شهریور 1405، صفحه 1421-1445 اصل مقاله (1.58 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2026.404804.670039 | ||
| نویسندگان | ||
| محسن دویرند1؛ فریدون سرمدیان* 2؛ سجاد تیموری بردیانی3 | ||
| 1گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشکدگان کشاورزی و منابع طبیعی دانشگاه تهران، کرج، ایران. | ||
| 2عضو هیأت علمی گروه مهندسی علوم خاک، پردیس کشاورزی و منابع طبیعی دانشگاه تهران | ||
| 3گروه علوم ومهندسی خاک دانشکدگان کشاورزی و منابع طبیعی دانشگاه تهران، کرج، ایران | ||
| چکیده | ||
| پیشبینی کربنات کلسیم معادل (CCE) خاک برای مدیریت اراضی در مناطق نیمهخشک، بهویژه در مناطقی با تنوع بالای خاک و توپوگرافی، از اهمیت ویژهای برخوردار است. این پژوهش با هدف ارزیابی توانایی الگوریتم برنامهنویسی بیان ژن (GEP) در مدلسازی مکانی CCE در منطقهای نیمهخشک انجام شد. بدین منظور، مجموعهای از متغیرهای محیطی شامل ۷ باند طیفی لندست ۸ و 15 شاخص طیفی مشتقشده از آن، 9 شاخص طیفی مستخرج از تصاویر ماهواره ASTER، همراه با 20 متغیر توپوگرافیکی DEM و مشتقات آن، بهعنوان ورودی مدل در نظر گرفته شدند. برای کاهش ابعاد داده و انتخاب متغیرهای بهینه، از روش حذف بازگشتی ویژگیها مبتنی بر ماشین بردار پشتیبان (RFE-SVM) استفاده گردید که منجر به کاهش ۸۴ درصدی متغیرها شد. مدل GEP با ترکیب سه ژن مستقل و تابع پیونددهنده جمع، معادلهای ریاضی و تفسیرپذیر برای پیشبینی CCE استخراج کرد. ارزیابی عملکرد مدل در فاز آموزش (R²=0.62 و RMSE=4.13) و در فاز آزمون (R²=0.52 و RMSE=4.25) نشاندهندهی توانایی نسبی مدل در یادگیری الگوها و تعمیم به دادههای جدید است. با این حال، شیب خطوط رگرسیون در هر دو فاز (بهترتیب 509/0 و 487/0) که بهمراتب کمتر از واحد هستند، بیانگر انقباض شدید مدل به سمت میانگین و فشردهشدگی دامنهی پیشبینی است. نتایج نقشهی پیشبینیشده، الگوی مکانی واضحی از شمال به جنوب را نشان داد که با عوامل هیدرولوژیکی و توپوگرافی مرتبط است. بهطور کلی، این مطالعه نشان داد که هرچند رویکرد ترکیبی RFE-SVM و GEP پایهای مناسب برای نقشهبرداری رقومی CCE در مناطق نیمهخشک ارائه میدهد، اما بهبود کیفیت و توزیع دادههای آموزشی، گنجاندن متغیرهای محیطی مؤثرتر و استفاده از مدلهای ترکیبی برای افزایش دقت در پیشبینی حدود مقادیر ضروری است. | ||
| کلیدواژهها | ||
| الگوریتم برنامهنویسی بیان ژن (GEP)؛ کربنات کلسیم معادل (CCE)؛ مناطق نیمهخشک؛ نقشهبرداری رقومی خاک | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 95 تعداد دریافت فایل اصل مقاله: 98 |
||