ارزیابی کاربرد مدل های شبکه عصبی مصنوعی، شبکه عصبی تطبیقی فازی و رگرسیون در پیش بینی کربن آلی ذره ای در مراتع خرابه سنجی ارومیه

کربن آلی خاک اثرات مفید ی روی خواص شیمیایی ، فیزیکی و حرارتی خاک داشتهو همچنین روی فعالیت های بیولوژیکی خاک ها موثر است. کربن آلی ذره اییکی از بخش های مهم ناپایدار مواد آلی می باشد و نقش قابل توجهی در کیفیت خاک و مدیریت سرزمینهای مرتعی دارد. در این تحقیق جهت برآورد دقیق کربن آلی ذره ای خاک از مدل های شبکه عصبی مصنوعی ( ANN)، شبکه عصبی تطبیقی- فازی(ANFIS) و رگرسیون چند متغیره استفاده شد. جهت انجام تحقیق، 60 نمونه خاک از عمق 30- 0 سانتیمتری در میان 60 کوادرات یک متر مربعی که در طول 6 ترانسکت 100 متری در مراتع خرابه سنجی ارومیه مستقر شده بود، برداشت شد. خصوصیات خاک ( نیتروژن، رس، سیلت، کربن آلی، اسیدیته، هدایت الکتریکی و وزن مخصوص ظاهری خاک) اندازه گیری شدند. شاخص های آماری RMSE و CE جهت ارزیابی کارکرد مدل ها استفاده شدند. نتایج نشان داد بر اساس معیارهای مجذور میانگین مربعات خطا و ضریب کارایی که در مدل رگرسیونی به ترتیب 16/0 و 41/0 و در مدل شبکه عصبی مصنوعی به ترتیب 11/0 و 65/0 و در مدل شبکه عصبی تطبیقی-فازی به ترتیب 06/0 و 79/0 می باشند، مدل شبکه عصبی تطبیقی فازی (ANFIS) به عنوان ابزار قدرتمندتری در پیش بینی کربن آلی ذره ای خاک نسبت به آنالیز رگرسیون خطی چند متغیره و شبکه عصبی مصنوعی عمل می کند.