بخشی از مقاله
چکیده
داده های میدانی وآزمایشگاهی برای برآورد اجزای بافت خاک و تعیین بافت خاک زمان بر و پر هزینه می باشد.در حالی که داده های طیفی محدوده مرئی - مادون قرمز که باحداقل هزینه و صرف وقت تهیه می شوند ، کار برد وسیعی در براورد خصوصیات فیزیکی و شیمیایی خاک دارند. طیف سنجی مرئی و مادون قرمز نزدیک - vis-NIR - به طور گسترده ای برای تخمین خصوصیات فیزیکی خاک واخیرا برآورد بافت خاک استفاده می شود.
مطالعه حاضر با هدف پیش بینی احتمالی بافت خاک با استفاده از اندازه گیری های طیفی و مدلهای شبکه عصبی مصنوعی و رگرسیون حداقل مربعات جزئی انجام گرفته است. بر اساس تکنیک هایپرکیوب، محل 115 پروفیل شناسایی و سپس نمونه برداری از افق های خاک انجام گرفت ، درصد شن و رس و سیلت نمونه های خاک اندازه گیری شد.رگرسیون حداقل مربعات جزئی - PLSR - و شبکه عصبی مصنوعی - ANN - برای مدل سازی درصد رس،شن و سیلت خاک مقایسه شدند.
نتایج این بررسی نشان داد که شبکه عصبی مصنوعی نسبت به رگرسیون حداقل مربعات جزئی کارایی بهتری داشته است. ما برای هر دو مدل از محدوده خاصی از طول موج استفاده کردیم. هنگامی که مدل PLSR اجرا شد، دقت بسیار پایینی داشت - R2 ~0.1-0.3 - ،در مقابل، روش ANN مقدار R2 به ترتیب برای رس،شن و سیلت 0/84 ،0/83 و 0/81 بود و میزان خطا به ترتیب 3/42،6/3 و4/3 بود که نشان دهنده دقت بالاتر و خطای کمتر مدل ANN می باشد.
از مزیت های این روش می توان به عدم پیش پردازشی قبل از اعمال مدل به داده های طیفی اشاره کرد. از آنجایی که رابطه بین درصد ذرات خاک - رس و شن وسیلت - و بازتاب طیفی خاک خطی نیست، به نظر می رسدروش ANN برای بررسی و تجزیه و تحلیل رابطه بین اجزای بافت خاک و داده های طیفی مناسب باشد.
مقدمه
اجزای بافت خاک پایه و بنیان مدل های تخمین زننده محیطی و نقشه برداری رقومی خاک است
از سویی خاک ها مستعد تغییر پذیری زمانی و مکانی معنی داری اند که تشخیص پهنه بندی و پایش آنها با روش های نمونه برداری سنتی و تحلیل آزمایشگاهی معمول بسیار هزینه بر و وقت گیراست در نتیجه ، توسعه روش هایی که برای تحلیل و بررسی خاک و جمع آوری اطلاعات آن از هر نظر به صرفه باشد ، به اولویت تبدیل شده است
یکی از شیوه های موثر در تجزیه و تحلیل خاک و کاربردهای آن طیف سنجی vis-NIR است. این روش روشی ساده و تحلیلی است که از ان می توان برای افزایش یا جایگزین نمودن روش های عادی تحلیل خاک استفاده کرد. طیف سنجی Vis-NIR به عنوان روشی موثر برای کاربران نهائی است و نشان داده شده است که این روش، اشاره به داده های دقیقی در مورد مشخصات شیمیائی و فیزیکی خاک دارد که برای نقشه برداری رقومی خاک، مفید می باشند
کوداریا و شیبوساوا ،. - 2013 برای مدلسازی روابط پیچیده بین نشانه های طیفی و نیز مشخصات خاک، روش های رگرسیون چند متغیری نسبت به روابط ساده ی دو متغیری برتری دارند
،PLSR شایع ترین روش در حال حاضر برای مدل سازی روابط میان شدت طیفی مادون قرمز اجزای خاک و خواص خاک از طریق بارگذاری ها ، نمرات و ضرایب رگرسیون مشتق شده از PLS می باشد
محققان مختلف نشان دادند که رگرسیون PLSR می تواند عملکرد مدل سازی بالایی ارائه دهد - وسکوئز و همکاران،. - 2008 با این حال، محققان دیگر گزارش دادند که سایر تکنیک های مدل سازی، مانند ANN، می توانند دقت پیش بینی بیشتری را نسبت به رگرسیون PLS ارائه دهند
روش ANN می تواند برای حل و بررسی واکنش های طیفی غیر خطی نسبت به PLS موثرتر باشد و به عنوان روشی با دسترسی به دقت زیاد پیش بینی تعریف شده است - زائو و همکاران،. - 2006 موازن و همکارانش - - 2010 به این نتیجه رسیدند که بهترین دقت پیش بینی برای درصد کربن آلی خاک با شبکه عصبی مصنوعی بر اساس داده هایی در مورد متغیرهای پنهان PLS کسب شده است.
تاکنون مطالعه ای برای مقایسه روش PLS و روش ANN برای بررسی تخمین بافت خاک صورت نگرفته است. فرضیه ی این مطالعه این است که ANN نتایج موثری را برای پیش بینی درصد رس،شن و سیلت خاک ارائه می دهد. هدف این مطالعه مقایسه نمودن روش های PLS و ANN برای مدلسازی داده های طیفی در براورد درصد ذرات رس،شن و سیلت می باشد.
مواد و روش ها
موقعیت منطقه مورد مطالعه
منطقه مورد مطالعه در جنوب شرق ایران، تقریباً در فاصله 70 کیلومتری شهر کرمان بین عرض جغرافیایی 30 40' تا 31 درجه شمالی و طول جغرافیایی 56 10' تا 56 50' درجه شرقی قرار گرفته است. این منطقه مساحتی حدود 100000 هکتار را میپوشاند. در منطقه مورد مطالعه بر اساس تکنیک هایپرکیوب، محل 115 پروفیل شناسایی و سپس نمونه برداری از افق ها انجام گرفت .به این شکل که برای هر نقطه مطالعاتی اطلاعات لازم اعم از محل پروفیل در زمین نما، نوع واحد ژئومورفیک و نوع مواد مادری یادداشت برداری و از افقهای هر پروفیل نمونه برداری شد .در کلیه نمونه های خاک پس از هوا خشک شدن و عبور از الک 2 میلیمتری بافت خاک به روش
هیدرومتری،اندازه گیری شد.
شکل : - 1 - موقعیت جغرافیایی منطقه مورد مطالعه و نحوه پراکنش مکانی داده های خاک
آنالیز طیفی
به منظور اندازهگیری بازتاب طیفی نمونههای خاک، از دستگاه اسپکترو رادیومتر زمینی1استفاده شد. نمونه های خاک برای کاهش آثار مزاحم رطوبت و تداخل ساختاری خاک در رفتار طیفی نمونه ها - کوانگ و همکاران، - 2012 هوا خشک و الک شدند و سپس در یک پتری دیش به قطر تقریبی ده سانتی متر قرار گرفتند و با کاردک سطح آن ها هموار شد و سپس جهت بررسی های طیفی به اتاق تاریک منتقل شدند . هر نمونه چهار بار - به ازای هر چرخش نود درجه ای متوالی - برای حذف آثار تغییر در هندسه تابش مورد سنجش طیفی قرار گرفت.
پیش از آغاز نمونه برداری طیفی از مرجع سفید اسپکترالون به طور تقریب به ازای هر نیم ساعت نمونه برداری طیفی برای کالیبره کردن انعکاس طیفی بهره برده شد. بدین طریق ، نمونه های خاک اسکن شد و بازتاب های مطلق در دامنه طیفی 350-2500 نانومتر و با قدرت تفکیک طیفی یک نانومتر سبب تولید 2150 نقطه داده طیفی - SDP - به ازای هر نمونه خاک شد. منحنی های به دست آمده بلافاصله و به طور خودکار با استفاده از نرم افزارRS3 موجود بر روی رایانه قابل حمل متصل به دستگاه میانگین گیری شده و به صورت یک منحنی طیفی به نمایش در آمد. برای هر نمونه 5 تکرار ثبت گردید .
تحلیل آماری طیفی
جهت ساخت مدل مناسب برای پیش بینی درصد رس،شن و سیلت خاک روش کمترین مربعات جزئی با تعداد فاکتور 1 تا 10 با استفاده از نرم افزار Unscrambler® و مدل سازی روش شبکه عصبی مصنوعی - - ANN با استفاده از نرم افزار JMP به کار گرفته شد.
