پیش بینی ظرفیت تبادل کاتیونی خاک های ایران با استفاده از روش های گوناگون

اندازه گیری ظرفیت تبادل کاتیونی خاک در سطوح وسیع، بسیار پرهزینه و وقت گیر است. برآورد این خصوصیت به وسیله ویژگی های زودیافت خاک، از طریق روش های پارامتریک و غیرپارامتریک (توابع انتقالی) می تواند رویکرد مناسبی باشد. در این پژوهش، روش پارامتریک رگرسیون های خطی و غیر خطی و روش های غیر پارامتریک شبکه های عصبی مصنوعی، رگرسیون درختی و فازی عصبی در تخمین ظرفیت تبادل کاتیونی خاک مورد استفاده قرار گرفت. برای این منظور 1770 نمونه خاک از مناطق مختلف ایران انتخاب شدند که 1414 عدد برای آموزش و 356 عدد از آن ها به عنوان داده های آزمون مدل ها استفاده شدند. بررسی همبستگی ها نشان داد که پارامترهای رس و درصد ماده آلی خاک بیش ترین ارتباط را با ظرفیت تبادل کاتیونی خاک دارند؛ بنابراین این ویژگی ها به عنوان متغیر مستقل ورودی (ویژگی زود یافت) و ظرفیت تبادل کاتیونی به عنوان متغیر وابسته خروجی انتخاب شدند. ریشه میانگین مربعات خطا و ضریب تبیین در روش رگرسیون خطی برابر 74/4 و 50/0 و در روش رگرسیون غیر خطی برابر 71/4 و 52/0 بود که نشان می دهد که هر دو روش با دقت نسبتا خوب و یکسانی قادر به پیش بینی ظرفیت تبادل کاتیونی خاک می باشند؛ همچنین نتایج نشان داد که روش رگرسیون غیر خطی فقط سبب بهبود 6/0 درصدی دقت پیش بینی ظرفیت تبادل کاتیونی خاک شده است. نتایج نشان داد که استفاده از روش های شبکه عصبی مصنوعی سبب بهبود معنی داری در دقت برآورد ظرفیت تبادل کاتیونی خاک نمی شود. بیش ترین بهبود در پیش بینی مدل به نسبت توابع انتقالی خطی در روش شبکه عصبی پس انتشار مشاهده شد. این روش سبب بهبود 3 درصدی پیش بینی ظرفیت تبادل کاتیونی خاک گردید. دقت برآورد روش درخت تصمیم، اندک بهتری از روش های شبکه عصبی مصنوعی بود. بهبود نسبی این روش نسبت به رگرسیون خطی برابر با 4/4 درصد بود؛ اما بیشترین بهبود نسبی در روش فازی عصبی مشاهده شد. این روش سبب کاهش 15 درصدی خطا به نسبت معادلات رگرسیونی خطی گردید؛ لذا این نتایج نشان می دهد که یکی از بهترین روش ها در پیش بینی ظرفیت تبادل کاتیونی خاک های ایران، روش فازی عصبی می باشد.