بررسي كارايي توابع انتقالي جهت تخمين ظرفيت تبادل كاتيوني خاك هاي آهكي و گچي استان يزد

Assessing the Efficiency of Pedotransfer Functions for Estimating CEC in some Calcareous and Gypsiferous Soils of Yazd Province

چكيده 1 اگرچه ظرفيت تبادل كاتيوني را مي توان به روش مستقيم اندازه گيري نمود ولي اين اندازه گيري، به ويژه در اريدي سول هاي ايران به دليل مقادير بالاي كلسيم و گچ موجود در خاك، سخت و پرهزينه است. يكي از روش هاي جايگزين اندازه گيري مستقيم ظرفيت تبادل كاتيوني استفاده از توابع انتقالي مي باشد. تخمين پارامترهاي ديريافت خاك با استفاده از اطلاعات موجود خاك، كه به وسيله معادله هاي رگرسيوني صورت مي گيرد، توابع انتقالي خاك ناميده مي شود. جهت توسعه توابع انتقالي مي توان از رگرسيون چند متغيره و شبكه عصبي مصنوعي استفاده كرد . در اين پژوهش به منظور تخمين ظرفيت 0 سانتي متر) به صورت شبكه منظم - تبادل كاتيوني اقدام به نمونه برداري به تعداد 60 نمونه سطحي ( 30 و با فاصله 250 متر از خاك هاي آهكي و گچي دشت يزد - اردكان گرديد. پارامترهاي ورودي جهت تخمين ظرفيت تبادل كاتيوني در هر دو مدل يادشده ، اجزا بافت خاك و كربن آلي بودند. سپس نتايج پيشبيني ظرفيت تبادل كاتيوني مدل هاي رگرسيون چند متغيره و شبكه عصبي مصنوعي با سه تابع انتقالي تجربي نيز مورد ارزيابي قرار گرفته شد . نتايج اين پژوهش نشان داد كه شبكه عصبي مصنوعي 0 داراي كار ايي بالاتري نسبت به رگرسيون پايه دارد ، كه احتمالا / 1/04 و ضريب تبيين 97 RMSE با به علت وجود روابط غيرخطي ميان متغيرهاي وابسته و پيش بيني شونده مي باشد. واژه هاي كليدي: توابع انتقالي، ظرفيت تبادل كاتيوني، خاك هاي آهكي و گچيچكيده 1 اگرچه ظرفيت تبادل كاتيوني را مي توان به روش مستقيم اندازه گيري نمود ولي اين اندازه گيري، به ويژه در اريدي سول هاي ايران به دليل مقادير بالاي كلسيم و گچ موجود در خاك، سخت و پرهزينه است. يكي از روش هاي جايگزين اندازه گيري مستقيم ظرفيت تبادل كاتيوني استفاده از توابع انتقالي مي باشد. تخمين پارامترهاي ديريافت خاك با استفاده از اطلاعات موجود خاك، كه به وسيله معادله هاي رگرسيوني صورت مي گيرد، توابع انتقالي خاك ناميده مي شود. جهت توسعه توابع انتقالي مي توان از رگرسيون چند متغيره و شبكه عصبي مصنوعي استفاده كرد . در اين پژوهش به منظور تخمين ظرفيت 0 سانتي متر) به صورت شبكه منظم - تبادل كاتيوني اقدام به نمونه برداري به تعداد 60 نمونه سطحي ( 30 و با فاصله 250 متر از خاك هاي آهكي و گچي دشت يزد - اردكان گرديد. پارامترهاي ورودي جهت تخمين ظرفيت تبادل كاتيوني در هر دو مدل يادشده ، اجزا بافت خاك و كربن آلي بودند. سپس نتايج پيشبيني ظرفيت تبادل كاتيوني مدل هاي رگرسيون چند متغيره و شبكه عصبي مصنوعي با سه تابع انتقالي تجربي نيز مورد ارزيابي قرار گرفته شد . نتايج اين پژوهش نشان داد كه شبكه عصبي مصنوعي 0 داراي كار ايي بالاتري نسبت به رگرسيون پايه دارد ، كه احتمالا / 1/04 و ضريب تبيين 97 RMSE با به علت وجود روابط غيرخطي ميان متغيرهاي وابسته و پيش بيني شونده مي باشد. واژه هاي كليدي: توابع انتقالي، ظرفيت تبادل كاتيوني، خاك هاي آهكي و گچي

Abstract1 CEC can be measured directly but its measurement is especially difficult and expensive in the Aridisols of Iran because of the large amounts of carbonates and gypsum in these soils. Pedotransfer functions (PTFs) provide an alternative to direct CEC measurement by estimating CEC from more readily available soil data. Estimation of costly measured properties from widely available or more easily measured basic soil properties by means of regression equations is referred to pedotransfer functions. To develop pedotransfer functions, we can use regression PTFs and neural networks. In the present study for estimating CEC, 60 surface soil samples (0-30 cm) were collected in 250×250 m grid from calcareous and gypsiferous soils of Yazd-Ardakan plain. Input parameters for estimating CEC in both mentioned models were: soil texture class and soil organic carbon content. Finally, result of prediction of CEC by regression PTFs and neural networks compare with empiric pedotransfer functions. In general, the neural network-based models were provided more reliable predictions (RMSE=1.04 and coefficient of determination=0.97) than the regression-based PTFs. Higher accuracy of ANN is because of non-linear correlation between dependent and independent variables. Keywords: Pedotransfer functions, Cation exchange capacity, Calcareous and gypsiferous soils