مدل ‌سازي مقاومت فروروي خاك با استفاده از رگرسيون، شبكه عصبي مصنوعي و برنامه‌ ريزي بيان ژن

اطلاع از مقاومت فروروي (PR) خاك از نظر جوانه زني بذر، رشد ريشه و عمليات خاك ورزي اهميت فراوان دارد. اندازه گيري مستقيمPR  خاك به دليل تغييرپذيري مكاني و زماني شديد آن، كاري پرزحمت و گران مي باشد. هدف از اين پژوهش، ارايه مدل هاي رگرسيون خطي (MLR)، شبكه عصبي مصنوعي (ANN) و برنامه ريزي بيان ژن (GEP) براي برآورد PR از روي ويژگي هاي زوديافت خاك بود. در مجموع 80 نمونه خاك سطحي (0 تا cm 10) دست خورده و دست نخورده (با استفاده از استوانه هاي استيل به قطر و ارتفاع 5 سانتي متر) از اراضي جنگلي، مرتعي و زراعي منطقه فندقلوي اردبيل در تابستان 1402 برداشته شد سپس برخي خصوصيات فيزيكي و شيميايي زوديافت خاك در آنها اندازه گيري شد. مقاومت فروروي خاك به طور درجا در محل با استفاده از يك فروسنج مخروطي تعيين گرديد و همزمان رطوبت خاك مزرعه در استوانه ها اندازه گيري شد. داده ها به طور تصادفي به دو گروه آموزشي (60 نمونه) و آزموني (20 نمونه) تقسيم گرديد. مدل هاي MLR، ANN و GEP به ترتيب با استفاده از نرم افزارهاي SPSS، MATLAB و Gene Xpro Tools ايجاد شدند. نتايج مدل سازي نشان داد كه رطوبت خاك مزرعه، سيلت و جرم مخصوص ظاهري نسبي، مهمترين متغيرهاي ورودي در برآورد PR خاك بودند. مقادير آماره هاي ضريب تبيين (R^2)، مجذور ميانگين مربعات خطا (RMSE)، ميانگين خطا (ME) و ضريب نش-ساتكليف (NS) براساس داده هاي آزموني برابر 0.44، MPa 1.19، MPa 0.19 و 0.36، 0.92، MPa 0.41، MPa 0.05- و 0.92، 0.79، MPa 0.91، MPa 0.13 و 0.63 به ترتيب براي بهترين مدل MLR، ANN و GEP تعيين گرديد. براساس نتايج آماره هاي ارزيابي مدل ها، مي توان گفت كه در منطقه مورد مطالعه، مدل ANN از بيشترين دقت و مدل MLR از كمترين دقت در برآورد PR خاك برخوردار بود.