علوم آب و خاک

Mendeley  

Zotero  

Habibi Arbatani V, Akbari M, Moghaddam Z, Bayat A. Application of the GMDH Neural Network in Monitoring Soil Salinity of Saveh Plain using Spectral and Topographic Indicators. jwss 2023; 26 (4) :249-259
URL: http://jstnar.iut.ac.ir/article-1-4252-fa.html

در سال‌های اخیر از روش‌های غیرمستقیم نظیر سنجش از دور و داده‌کاوی برای برآورد شوری خاک زمین‌های کشاورزی استفاده می‌شود. در این تحقیق، هدایت الکتریکی 94 نمونه خاک از 0 تا 100 سانتی‌متر با استفاده از تکنیک ابرمکعب در دشت ساوه، اندازه‌گیری شد. تعداد 23 نوع داده ورودی در قالب دو دسته توپوگرافی و طیفی استفاده شدند. پارامترهای سطح زمین مانند شاخص رطوبت توپوگرافیک (TWI)، شاخص طبقه‌بندی زمین برای مناطق پست (TCI)، شاخص قدرت جریان (STP)، مدل رقومی ارتفاع (DEM) و طول شیب (LS) با استفاده از نرم‌افزارهای Arc-GIS و SAGA به‌عنوان ورودی‌های توپوگرافی لحاظ شدند. همچنین شاخص‌های مکانی شوری و پوشش گیاهی از تصاویر لندست 8 استخراج شدند و به‌عنوان ورودی‌های طیفی درنظر گرفته شدند. به‌منظور مدل‌سازی شوری از شبکه عصبی GMDH با نسبت 70 درصد برای آموزش و 30 درصد برای صحت‌سنجی استفاده شد. نتایج اندازه‌گیری نشان داد مقادیر شوری خاک بین 0/1 تا 18 با میانگین 5 و انحراف معیار 4/7 دسی‌زیمنس بر متر بودند. نتایج مدل‌سازی نیز نشان داد پارامترهای آماری R2، MBE وNRMSE  در مرحله آموزش به‌ترتیب 0/80، 0/06 و 42/1 درصد بودند. همین مقادیر در مرحله صحت‌سنجی به‌ترتیب 0/79، 0/13 و 48/7 درصد بودند. بنابراین استفاده از شاخص‌های طیفی، توپوگرافی و شبکه عصبی GMDH، در مدل‌سازی شوری خاک، کارایی مناسبی دارد.