بررسی کارایی توابع انتقالی جهت تخمین ظرفیت تبادل کاتیونی خاک های آهکی و گچی استان یزد

چکیده 1اگرچه ظرفیت تبادل کاتیونی را می توان به روش مستقیم اندازه گیری نمود ولی این اندازه گیری،به ویژه در اریدی سول های ایران به دلیل مقادیر بالای کلسیم و گچ موجود در خاک، سخت و پرهزینهاست. یکی از روش های جایگزین اندازه گیری مستقیم ظرفیت تبادل کاتیونی استفاده از توابع انتقالیمی باشد. تخمین پارامترهای دیریافت خاک با استفاده از اطلاعات موجود خاک، که به وسیله معادله هایرگرسیونی صورت می گیرد، توابع انتقالی خاک نامیده می شود. جهت توسعه توابع انتقالی می توان ازرگرسیون چند متغیره و شبکه عصبی مصنوعی استفاده کرد . در این پژوهش به منظور تخمین ظرفیت0 سانتی متر) به صورت شبکه منظم - تبادل کاتیونی اقدام به نمونه برداری به تعداد 60 نمونه سطحی ( 30و با فاصله 250 متر از خاک های آهکی و گچی دشت یزد - اردکان گردید. پارامترهای ورودی جهتتخمین ظرفیت تبادل کاتیونی در هر دو مدل یادشده ، اجزا بافت خاک و کربن آلی بودند. سپس نتایجپیشبینی ظرفیت تبادل کاتیونی مدل های رگرسیون چند متغیره و شبکه عصبی مصنوعی با سه تابعانتقالی تجربی نیز مورد ارزیابی قرار گرفته شد . نتایج این پژوهش نشان داد که شبکه عصبی مصنوعی0 دارای کار ایی بالاتری نسبت به رگرسیون پایه دارد ، که احتمالا / 1/04 و ضریب تبیین 97 rmse بابه علت وجود روابط غیرخطی میان متغیرهای وابسته و پیش بینی شونده می باشد.واژه های کلیدی: توابع انتقالی، ظرفیت تبادل کاتیونی، خاک های آهکی و گچیچکیده 1اگرچه ظرفیت تبادل کاتیونی را می توان به روش مستقیم اندازه گیری نمود ولی این اندازه گیری،به ویژه در اریدی سول های ایران به دلیل مقادیر بالای کلسیم و گچ موجود در خاک، سخت و پرهزینهاست. یکی از روش های جایگزین اندازه گیری مستقیم ظرفیت تبادل کاتیونی استفاده از توابع انتقالیمی باشد. تخمین پارامترهای دیریافت خاک با استفاده از اطلاعات موجود خاک، که به وسیله معادله هایرگرسیونی صورت می گیرد، توابع انتقالی خاک نامیده می شود. جهت توسعه توابع انتقالی می توان ازرگرسیون چند متغیره و شبکه عصبی مصنوعی استفاده کرد . در این پژوهش به منظور تخمین ظرفیت0 سانتی متر) به صورت شبکه منظم - تبادل کاتیونی اقدام به نمونه برداری به تعداد 60 نمونه سطحی ( 30و با فاصله 250 متر از خاک های آهکی و گچی دشت یزد - اردکان گردید. پارامترهای ورودی جهتتخمین ظرفیت تبادل کاتیونی در هر دو مدل یادشده ، اجزا بافت خاک و کربن آلی بودند. سپس نتایجپیشبینی ظرفیت تبادل کاتیونی مدل های رگرسیون چند متغیره و شبکه عصبی مصنوعی با سه تابعانتقالی تجربی نیز مورد ارزیابی قرار گرفته شد . نتایج این پژوهش نشان داد که شبکه عصبی مصنوعی0 دارای کار ایی بالاتری نسبت به رگرسیون پایه دارد ، که احتمالا / 1/04 و ضریب تبیین 97 rmse بابه علت وجود روابط غیرخطی میان متغیرهای وابسته و پیش بینی شونده می باشد.واژه های کلیدی: توابع انتقالی، ظرفیت تبادل کاتیونی، خاک های آهکی و گچی