تخمین مقاومت کششی خاک با استفاده از روش‌های مختلف مدل‌سازی در برخی از اراضی پسته‌کاری رفسنجان

مقاومت کششی یکی از شاخص‌‌های مهم کیفیت فیزیکی خاک است که معادل بیشینه تنشی است که می‌توان بر روی یک خاکدانه به کار برد تا حدی که خاکدانه در آستانه یا در شرف تخریب قرار گیرد. هدف از این پژوهش بررسی کارایی روش‌های مدل‌سازی مختلف در تخمین مقاومت کششی خاک در باغ های پسته رفسنجان است. برای این منظور نمونه‌های خاک (80 نمونه خاک غالباً لوم‌شنی از عمق صفر تا 30 سانتی‌متری) تهیه و برخی از ویژگی‌های فیزیکی و شیمیایی خاک تعیین شدند. هم‌چنین مقاومت کششی خاکدانه‌های در اندازه‌های مختلف اندازه‌گیری شد. نتایج اندازه‌گیری ها نشان داد که با توجه به قابلیت هدایت الکتریکی، واکنش خاک و نسبت جذب سطحی سدیم، خاک منطقه مطالعاتی شور و سدیمی می‌باشد. رگرسیون چندگانه بین مقاومت کششی با سایر ویژگی‌های خاک بررسی شد. هم‌چنین مدل‌سازی مقاومت کششی با استفاده از شبکه عصبی پرسپترون چند لایه و درخت تصمیم انجام شد. در این پژوهش از میانگین مربعات خطا و ضریب تبیین برای ارزیابی مدل‌های مختلف مدل‌سازی استفاده شد. نتایج ارزیابی مدل‌ها نشان داد که استفاده از درخت تصمیم برای پیش‌بینی مقاومت کششی به دلیل دارا بودن کمترین خطا (rrmse =14% و با r2 = 0.88) نسبت به دو روش رگرسیون چندگانه و. شبکه عصبی پرسپترون چند لایه بهتر می‌باشد. هم‌چنین نتایج نشان داد که درصد رس، درصد رس قابل پراکنش، نسبت جذب سطحی سدیم، درصد کربنات کلسیم معادل و درصد ماده آلی تاثیرگذارترین متغیرها بر مقاومت کششی هستند. با توجه به نتایج حاصل، به نظر می‌رسد موثر‌ترین راهکار در بالابردن مقاومت کششی خاک و کاهش تراکم خاک در باغ‌های پسته افزایش درصد ماده آلی خاک خواهد بود.

Estimation of Soil Tensile Strength Using Different Modeling Methods in Some Pistachio Orchards of Rafsanjan, Iran

Tensile strength is one of the most important indicators for soil physical quality, which is equivalent to the maximum stress applied to an aggregate without any disruption. The purpose of this study was to investigate the performance of different modeling methods for estimating soil tensile strength of some Rafsanjan pistachio orchards. For this purpose, soil samples (80 samples from 0 30 cm depth mostly sandy loam) were taken and some soil physical and chemical properties were determined. Aggregate tensile strength was also measured in different sizes. The average EC, pH, and SAR indicated that soils of the study area were saline and sodic. Multiple regression between tensile strength and other soil properties were investigated. Tensile strength modeling was also performed using multilayer perceptron neural network and decision tree. The mean squares of error and coefficient of determination were used to evaluate different modeling models. The results of model evaluation showed that the use of regression decision tree for predicting tensile strength was better than the other modeling methods because of the lowest error (R2=0.88 and RRMSE = 14%) compared to the two methods of multiple regression and the multilayer perceptron neural network. Also, the results of different tensile strength modeling showed that the percentage of clay, percentage of dispersible clay, adsorption ratio of sodium, percentage of calcium carbonate equivalent, and the percentage of organic matter are the most influential variables on tensile strength. According to the results, it seems that the most effective way to increase soil tensile strength and reduce soil bulk density in pistachio orchards is to increase the percentage of soil organic matter.