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

کربن آلی خاک اثرات مفیدی روی خواص شیمیایی، فیزیکی و حرارتی خاک داشته و همچنین روی فعالیت‌های بیولوژیکی خاک‌ها موثر است. کربن آلی ذره ای یکی 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 ذره­ای خاک از مدل‌های 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 مدل‌ها استفاده شدند. نتایج نشان داد  بر اساس معیارهای مجذور میانگین مربعات خطا و ضریب کارایی که در مدل رگرسیونی به ترتیب 0/16 و 0/41 و در مدل شبکه عصبی مصنوعی به ترتیب 0/11 و 0/65 و در مدل شبکه عصبی تطبیقیفازی به ترتیب 0/60 و 0/79 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.

Evaluation of Artificial Neural Network (ANN), Adative Neuro-Fuzzy Inference System (ANFIS) and Regression Models in Prediction of Particulate Organic Matter-Carbon (POM-C) in the Rangelands Kharabe Sanji of Urmia

Soil organic carbon has favorable effects on the chemical, physical and thermal properties of the soil as well as on the biological activities in the soil. Particulate organic mattercarbon (POMC) is one of the important unstable elements in the soil organic matter has a considerable role in soil quality and rangeland management. In this research, in order to exact estimate of POMC using ANN, ANFIS, Regression models were developed. Towards this attempt, 60 soil sles were taken from the depth of 030 cm of the soil within 60 quadrates of 1m2 of located along 6 transects of 100m in the rangelands Kharabeh Sangi of Urmia. Soil properties (Nitrogen, clay, silt, organic carbon, pH, EC, apparent specific weight of soil) were measured.  Statistic indicators RMSE, CE were used for performance evaluation of the models. The results showed RMSE and CE were calculated 0.16 and 0.41(in Regression Model), 0.11 and 0.65(in Artificial Neural Network Model), 0.06 and 0.79 (in Adative NeuroFuzzy Inference System Model), respectively. Also Adative NeuroFuzzy Inference System Model is considered as a strong tool in prediction of POMC compared with Multivariate Linear Regression and Artificial Neural Network Models in the rangelands Kharabeh Sanji of Urmia.