برآورد فرسایش خاک در اراضی شیبدار مرتعی با بکارگیری شبکه عصبی مصنوعی (ANN) و سیستم اطلاعات جغرافیایی (GIS)

  فرسایش خاک از مهمترین مشکلات مدیریت منابع طبیعی بخصوص در اراضی شیبدار مرتعی می باشد. از طرفی، برآورد فرسایش بوسیله تجهیزات انداز ه گیری، هزینه بر و زمان بر است. بنابراین، استفاده از مدلسازی به منظور ارایه یک برآورد دقیق با زمان و هزینه اندک، کارآمد خواهد بود. هدف از تحقیق حاضر ارایه یک روش کارآمد برای برآورد مقادیر فرسایش خاک در اراضی شیبدار دور از دسترس می باشد.

در تحقیق حاضر مقادیر فرسایش سالانه خاک به وسیله استقرار پین های فرسایشی بر روی دامنه با کاربری مرتعی در حوضه آبخیز کسیلیان استان مازندران مورد مطالعه قرار گرفت. مقادیر فرسایش خاک در 109 پین فرسایشی یک سال پس از استفرار آنها براساس تغییرات سطح خاک و اعمال وزن مخصوص خاک برآورد گشت. در این راستا، شبکه عصبی مصنوعی در محیط نرم افزار NeuroSolutions  با بکارگیری مقادیر فرسایش به عنوان خروجی مدل و عوامل درصد پوشش مرتعی، شیب زمین، طول شیب، شکل شیب (انحناء زمین) و بافت خاک (درصد شن، رس، سیلت) به عنوان ورودی ها، جهت مدلسازی فرسایش بکار گرفته شدند. فرآیند مدلسازی با بکارگیری شبکهMLP  طی سه مرحله آموزش شبکه (65 درصد داده ها)، صحت صحنی (10 درصد) و تست (25 درصد داده ها) شبکه عصبی انجام پذیرفت. از سیستم اطلاعات جغرافیایی (GIS) نیز جهت تهیه نقشه فرسایش خاک با بکارگیری ارقام مدلسازی شده فرسایش در اراضی شیبدار استفاده شد.

نتایج تست یا اعتباریابی شبکه بهینه شده، دلالت برای کارایی شبکه عصبی در برآورد فرسایش خاک داشته است (Rsqr=0.9). همچنین، تجزیه و تحلیل های آماری با بکارگیری نرم افزار SPSS و ساختار شبکه عصبی بهینه و آنالیز حساسیت ورودی های شبکه نشان داد که مهمترین عوامل فرسایش خاک به ترتیب میزان پوشش گیاهی، شکل شیب، میزان شیب، طول شیب و خصوصیات خاک می باشند. در نهایت، ورودی های شبکه بهینه اعتباریابی شده، در محیط GIS با پیکسل سایز ده متر با هم تلفیق شدند و با ادغام قابلیت های  ANN و  GISنقشه مقادیر فرسایش سالانه خاک اراضی مرتعی مطالعاتی تهیه گردید.

متدولوژی ارایه شده می تواند به عنوان روشی کارآمد و جایگزینی برای اندازه گیری ها صحرایی فرسایش خاک در مناطق دور از دسترس با کارایی بالا، مورد استفاده قرار گیرد.