نوع مقاله : مقاله پژوهشی

نویسندگان

• روح الله تقی زاده مهرجردی ¹
• فریدون سرمدیان ²
• غلامرضا ثواقبی ²
• محمود امید ³
• نورایر تومانیان ⁴
• محمد جواد روستا ⁵
• محمدحسن رحیمیان ⁶

¹ استادیار دانشکدة کشاورزی و منابع طبیعی دانشگاه اردکان

² استاد گروه مهندسی علوم خاک، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران

³ استاد گروه مهندسی ماشین¬آلات کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران

⁴ استادیار پژوهشی، مرکز تحقیقات کشاورزی و منابع طبیعی اصفهان

⁵ عضو هیئت علمی مرکز ملی تحقیقات شوری

⁶ کارشناس سنجش از دور و GIS، مرکز ملی تحقیقات شوری

چکیده

در سال‌های اخیر از روش‌های غیرمستقیم برای برآورد شوری خاک استفاده می‏شود. بدین منظور، در این پژوهش ششصد نمونة جمع‏آوری‌شده از منطقة اردکان آزمایش شد و قرائت‌های افقی -عمودی دستگاه القای الکترومغناطیس و پارامترهای سطح اراضی ـ شامل شاخص اراضی، شاخص خیسی، و انحنای شیب ـ به عنوان ویژگی‌های زودیافت استفاده شد و میزان شوری خاک به صورت وزنی در اعماق 30 و 100 سانتی‌متری به عنوان ویژگی‌های دیریافت تخمین زده شد. در این زمینه، داده‏ها به دو سری تقسیم شد: سری آموزشی (80% داده‏ها)؛ سری ارزیابی (20% داده‏ها). به منظور مدل‏سازی و پیش‏بینی شوری، از مدل‌های نروفازی، شبکة عصبی مصنوعی، الگوریتم ژنتیک، و رگرسیون چندمتغیره استفاده شد. نتایج ارزیابی مدل‏ها ـ بر اساس شاخص‌های ریشة مربعات خطا، میانگین خطا، خطای استاندارد نسبی، و ضریب تبیین ـ نشان داد که مدل نروفازی دارایِ بالاترین دقت در پیش‏بینی ویژگی‌های خاک است، به طوری که این مدل به میزان 17 و 11 درصد دقتِ پیش‏بینی شوری را، به‌ترتیب، در اعماق 30 و 100 سانتی‏متری، نسبت به روش رگرسیون خطی چندگانه، افزایش داده است. پس از این مدل، الگوریتم ژنتیک و شبکه‌های عصبی مصنوعی، نسبت به معادلات رگرسیونی، کارآیی بهتری داشت.

کلیدواژه‌ها

• شوری خاک
• نروفازی
• الگوریتم ژنتیک
• شبکة عصبی مصنوعی
• رگرسیون چندمتغیره

عنوان مقاله [English]

Comparison of Neuro-Fuzzy, Genetic Algorithm, Artificial Neural Network and Multivariate Regression for Prediction of Soil Salinity (Case study: Ardakan City)

نویسندگان [English]

• Ruollah Taghizadeh Mehrjardi ¹
• Fereydoon Sarmadian ²
• Gholem Reza Savaghebi ²
• Mahmoud Omid ³
• Nourayer Toomanian ⁴
• Mohammad Javad Rousta ⁵
• Mohammad Hasan Rahimiyan ⁶

¹ Assistant Professor Faculty of Agriculture & Natural Resources, University of Ardakan

² Assistant Professor Department of Soil Science, University College of Agriculture & Natural Resources, University of Tehran

³ Professor Faculty of Agricultural Engineering & Technology, University of Tehran

⁴ Assistant Professor Research Institute of Agriculture & Natural Resources, Isfahan

⁵ Academic Member of Soil Salinity National Center, Yazd

⁶ GIS & RS Expert of Soil Salinity National Center, Yazd

چکیده [English]

In recent years, alternative methods have been used for estimation of soil salinity. Therefore, at present research, 600 soil samples collected from Ardakan in central Iran. Then EM38 and terrain parameters such as wetness index, land index and curvature as readily measured properties and soil salinity (0-30 and 0-100) as predicted variables were measured. After that, the data set was divided into two subsets for calibration (80%) and testing (20%) of the models. For predicting of mentioned parameters, ANFIS, GA, ANNs and MLR were applied. In order to evaluate models, some evaluation parameters such as root mean square, average error, average standard error and coefficient of determination were used. Results showed that the ANFIS model gives better estimation than the other techniques for all characteristics whereas this model increased accuracy of predictions about 17 and 11% for EC30 and EC100 respectability. After ANFIS model, GA and ANN had better accuracy than multivariate regression.

کلیدواژه‌ها [English]

• ANFIS
• Soil Salinity
• GA
• ANN
• MLR