دوره 13، شماره 4 - ( 10-1398 )
جلد 13 شماره 4 صفحات 644-632 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Mirshekari Z, Sadeghinia M, Asadi M. Estimation of vegetation cover through data mining techniques and soil physicochemical parameters. مرتع 2019; 13 (4) :632-644
URL: http://rangelandsrm.ir/article-1-824-fa.html
URL: http://rangelandsrm.ir/article-1-824-fa.html
میرشکاری زینب، صادقی‌نیا مجید، اسدی مریم. تلفیق تکنیکهای دادهکاوی و پارامترهای فیزیک و شیمیایی خاک در برآورد درصد پوشش گیاهی. مرتع. 1398; 13 (4) :632-644
گروه مهندسی طبیعت، دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان، اردکان
چکیده: (3805 مشاهده)
شناخت اجزای اکوسیستم مرتع و دستیابی به روابط بین اجزای آن از جمله خاک و پوشش گیاهی، از ضروریات مدیریت بهینۀ مراتع میباشد. از سوی دیگر به کارگیری روشهای یادگیری ماشین به منظور کشف روابط بین این عوامل میتواند کمک بسیاری در زمینه کاهش هزینههای نمونهبرداری و آزمایشات خاک داشته باشد. در این مطالعه به منظور آگاهی از تأثیر برخی خصوصیات خاک بر درصد پوشش گونه درمنه دشتی در مراتع دشت یزد- اردکان و ندوشن، اطلاعات مربوط به پوششگیاهی در قالب 320 پلات در طول 40 ترانسکت برداشت گردید. پس از حفر پروفیل در ابتدا و انتهای هر ترانسکت و تهیه نمونه خاک از دو عمق صفر تا 10 و 10 تا 30 سانتیمتری برخی پارامترهای خاک اندازهگیری شد. در این پژوهش به منظور بررسی وضعیت درصد پوشش درمنه دشتی بر مبنای پارامترهای خاک، از تکنیکهای دادهکاوی استفاده شد و شش الگوریتم اجرا شد. همچنین به منظور تعیین میزان وزن و تأثیر هر یک از عوامل در فرایند مدل‌سازی، وزندهی عامل‌ها بر مبنای مدل ماشینبردار پشتیبان صورت گرفت. نتایج حاصل از ارزیابی مدلها نشان داد که مدل فرآیند گوسی با (385/1RMSE=) و (998/0R=) در مجموعه داده آموزش و (960/0RMSE=) و (9999/0R=) در مجموعه داده تست از دقت بالاتری در برآورد درصد پوشش نسبت به سایر مدلها برخوردار بوده است. نتایج وزندهی نیز نشان داد، از بین پارامترهای خاک سدیم در عمقهای صفر تا 10 و 10 تا 30 سانتیمتر بیشترین تأثیر را در برآورد پوشش گیاهی دارند. به‌طور کلی نتایج نشان از اهمیت بالای پارامترهای خاک و کارایی بالای روشهای یادگیری ماشین در پیشبینی درصد پوشش مناطق داشته است.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
