استفاده از سطح ويژه براي بهبود تخمين ظرفيت تبادل كاتيوني خاك از طريق شبكه هاي عصبي مصنوعي

Using of Specific Surface to Improve the Prediction of Soil CEC by Artificial Neural Networks

ظرفيت تبادل كاتيوني (CEC) يكي از خصوصيات مهم خاك است كه اندازه گيري مستقيم آن مشكل، وقت گير و پر هزينه است. علي رغم تحقيقات زياد در مورد تخمين CEC، چگونگي بهبود تخمين‌ها با معرفي متغيرهاي جديد مورد بررسي كافي قرار نگرفته است. بر پايه بررسي انجام شده از منابع علمي داخلي و خارجي در هيچ تحقيقي از متغير كمكي سطح ويژه براي تخمين CEC استفاده نشده است. در اين تحقيق 1662 نمونه خاك از نقاط مختلف استان گيلان جمع آوري گرديد. رس، سيلت، شن، كربن آلي، pH و CEC براي نمونه هاي فوق اندازه گيري شدند. منحني دانه بندي (PSD) با استفاده از بافت خاك به روش مدل اسكاگز و همكاران شبيه سازي گرديد. سپس سطح ويژه كل (TSS) و حاصل ضرب سطح ويژه جز رس در كسر جرمي آن (SS1) از منحني PSDمحاسبه و براي تخمين CEC به عنوان ورودي در شبكه هاي عصبي مصنوعي استفاده شدند. همبستگي غير خطي قوي و معني داري بين CEC با TSS و SS1 مشاهده شد. استفاده از TSS و SS1 در PTF ها موجب بهبود تخمين CEC گرديد. SS1 بيشترين تاثير را در تخمين CEC داشت. تقسيم داده ها به هشت گروه بطور معني داري موجب بهبود عملكرد PTF ها شده و تاثير TSS و SS1 بر تخمين CEC را افزايش داد. استفاده از اين توابع انتقالي روشي آسان و مقرون به صرفه بوده و مي تواند گامي مهم در بهبود تخمين CEC خاك محسوب شود.