Journal of Rangeland

fa پیش‌بینی خصوصیات خاک مراتع تحت تأثیر شدت چرا و فاصله از بوته با استفاده از سیستم استنتاج فازی-عصبی (ANFIS) و روش سطح پاسخ (RSM) (مطالعه موردی: مراتع قوشچی ارومیه) Predicting Soil Properties of Goshchi Rangeland in Urmia: A Comparison of Adaptive Neuro-Fuzzy Inference System (ANFIS) and Response Surface Methodology (RSM) Approaches تخصصي Special پژوهشي Research سابقه و هدف: یکی از نیازهای پایه در مطالعات مرتع برای مدیریت مناسب آن، بررسی و شناخت چگونگی انتشار و توزیع مکانی پوشش گیاهی و عوامل مؤثر در این رابطه است. شناخت رفتار گونه‌های گیاهی نسبت به عوامل اکولوژیکی و در رأس آنها عوامل خاکی، راهنمای مؤثری در برنامه‌های اصلاح و بهره‌برداری صحیح از مراتع می‌باشد. تحقیق حاضر با هدف ارزیابی خصوصیات خاک شامل: کربن آلی، نیتروژن، فسفر، پتاسیم، هدایت الکتریکی و اسیدیته در مراتع منطقه قوشچی ارومیه به عنوان مراتع معرف اقلیم رویشی آذربایجانی در استان آذربایجان غربی انجام شد. مواد و روش‌ها: پیش‌بینی این خصوصیات در دو سایت قرق و تحت چرا با استفاده از سیستم استنتاج فازی عصبی (ANFIS) و روش سطح پاسخ(RSM)  به منظور ارزیابی قابلیت این روش‌های نوین در تخمین خصوصیات خاک و مقایسه میان نتایج آن‌ها صورت گرفت. از داده‌های به دست آمده به منظور آموزش سیستم استنتاج فازی عصبی(ANFIS)  در بستر نرم افزار متلب (MATLAB)  و روش سطح پاسخ (RSM) در بستر نرم‌افزار دیزاین اکسپرت (Design Expert) استفاده شد. نتایج: ضریب تعیین (R2) بین داده‌های پیش‌بینی‌شده توسط مدل استنتاج فازی عصبی و روش سطح پاسخ و اندازه‌گیری‌شده برای کربن آلی، نیتروژن، فسفر، پتاسیم، هدایت الکتریکی و اسیدیته به ترتیب برابر با 75/0، 93/0، 44/0، 95/0، 68/0 و 95/0 به همراه  84/0، 93/0، 24/0، 96/0، 54/0 و 98/0 به دست آمد. نتایج تحقیق حاضر نشان داد که عامل شرایط چرا (قرق و تحت چرا) و فاصله از بوته (پای بوته و بین بوته‌ها) بر اسیدیته، نیتروژن، پتاسیم و کربن آلی تأثیر معنی‌داری داشته اما بر هدایت الکتریکی و فسفر، اثر معنی‌داری نداشتند. بطوریکه بیشترین میزان کربن آلی، نیتروژن و فسفر در شرایط قرق و پای بوته مشاهده شده است که نشان از حساسیت این فاکتورها به عامل چرا می‌باشد. نتایج بخش روش سطح پاسخ نشان داد که دو فاکتور شرایط چرا و فاصله از بوته، فقط بر فسفر و هدایت الکتریکی اثر معنی‌داری نداشتند و بر سایر فاکتورها اثر معنادار قوی دارند. ضریب تعیین کمتر از حد انتظار در هر دو روش استنتاج فازی عصبی و روش سطح پاسخ نیز، دقیقاً برای همین دو عامل تعیین شده است. نتیجه گیری: بررسی نتایج هردو روش استنتاج فازی عصبی و روش سطح پاسخ نشان داد که هردوی آن‌ها با دقت بالایی می‌توانند خصوصیات خاک را تحت شرایط مورد بررسی پیش‌بینی کنند. این امر بیانگر این است که روش استنتاج فازی عصبی و روش سطح پاسخ، پیش‌بینی دقیق تری از عوامل تحت اثر معنی‌دار از متغیرهای ورودی دارند و در خصوص خروجی‌های غیرمعنی‌دار، دقت کافی را ندارند.   <div style="text-align: justify;">Background and Objectives: Understanding the spatial distribution of vegetation and its relationship with ecological factors, particularly soil properties, is crucial for effective rangeland management. This study aimed to evaluate soil properties, including organic carbon, nitrogen, phosphorus, potassium, electrical conductivity, and acidity, in Goshchi rangeland of Urmia, representing the Azerbaijani vegetation climate in West Azerbaijan province. The study utilized the adaptive neuro-fuzzy inference system (ANFIS) and response surface methodology (RSM) approaches to predict these soil properties and compare the results. Methodology: Soil properties were assessed in two sites, one under exclosure and the other under grazing, using ANFIS and RSM approaches. The collected data were used to train ANFIS in MATLAB software and RSM in Design Expert software. Results: The correlation coefficients (R2) between the predicted data from the ANFIS model and RSM method, and the measured data for organic carbon, nitrogen, phosphorus, potassium, electrical conductivity, and acidity were 0.75, 0.93, 0.44, 0.95, 0.68, and 0.95, respectively, and 0.84, 0.93, 0.24, 0.96, 0.54, and 0.98, respectively. The results indicated that grazing conditions (exclosure vs. grazed) and distance from plants (near vs. between plants) significantly influenced acidity, nitrogen, potassium, and organic carbon, while they had no significant effect on electrical conductivity and phosphorus. The exclosure conditions and proximity to plants resulted in higher levels of organic carbon, nitrogen, and phosphorus, highlighting the sensitivity of these factors to grazing. The RSM results showed that grazing conditions and distance from plants had no significant effect on phosphorus and electrical conductivity but had a strong significant effect on other soil properties. The lower R2 values observed for phosphorus and electrical conductivity in both ANFIS and RSM methods suggest their limited accuracy in predicting non-significant outputs. Conclusion: The findings from both ANFIS and RSM methods demonstrate their effectiveness in accurately predicting soil properties under the investigated conditions. However, their performance is more accurate for factors that exhibit a significant effect on the input variables, while their accuracy is limited for non-significant outputs.  </div> ویژگی های خاک, پیش بینی, سیستم استنتاج فازی عصبی, روش سطح پاسخ soil properties, prediction, adaptive neuro-fuzzy inference system, response surface method. 263 284 http://rangelandsrm.ir/browse.php?a_code=A-10-429-3&slc_lang=fa&sid=1 Mahshid Souri مهشید سوری souri@rifr-ac.ir 100319475328460016053 100319475328460016053 Yes Rangeland Research Division, Research Institute of Forests and Rangelands, Agricultural Research, Education and Extension Organization (AREEO), Tehran, Iran بخش تحقیقات مرتع، موسسه تحقیقات جنگلها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران، Saeedeh Nateghi سعیده ناطقی nateghi@rifr-ac.ir 100319475328460016054 100319475328460016054 No Rangeland Research Division, Research Institute of Forests and Rangelands, Agricultural Research, Education and Extension Organization (AREEO), Tehran, Iran بخش تحقیقات مرتع، موسسه تحقیقات جنگلها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران، Alireza Eftekhari علیرضا افتخاری eftekhari@rifr-ac.ir 100319475328460016055 100319475328460016055 No Rangeland Research Division, Research Institute of Forests and Rangelands, Agricultural Research, Education and Extension Organization (AREEO), Tehran, Iran بخش تحقیقات مرتع، موسسه تحقیقات جنگلها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران، Zhila Ghorbani ژیلا قربانی gorbani@gmail.com 100319475328460016056 100319475328460016056 No Department of Rangeland Management, Faculty of Natural Resources, Sari Agricultural Sciences and Natural Resources University, Sari گروه مرتعداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری Nadia Kamali نادیا کمالی kamali@rifr-ac.ir 100319475328460016057 100319475328460016057 No Rangeland Research Division, Research Institute of Forests and Rangelands, Agricultural Research, Education and Extension Organization (AREEO), Tehran, Iran بخش تحقیقات مرتع، موسسه تحقیقات جنگلها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران،