محور مقاله: فناوری های نوین در علوم خاک- ارزیابی مدلسازی بهره متابولیک خاک با استفاده از روش هوش مصنوعی GEP

در این پژوهش از برنامه ریزی بیان ژن (GEP) برای تخمین بهره متابولیک خاک یا (q CO(2 استفاده شد. برای این منظور از اطلاعاتمربوط به 150 نمونه خاک متعلق به کاربری های مختلف (مرتعی، زراعی، جنگل و بایر) از سه استان آذربایجان شرقی، اردبیل و گیلان بهره بردهشد. در سناریوهای مختلف، از صفات اندازه گیری شده نظیر بافت، EC, pH ، کربن آلی، آهک، تنفس برانگیخته میکروبی، شمار جمعیتمیکروبی (شامل باکتری، قارچ و اکتینومیست)، کربن بیوماس میکروبی، داده های اقلیمی نظیر بارش سالانه و دمای میانگین سالانه به عنوانورودی مدل استفاده شد و صحت مدل با استفاده از شاخصه های آماری R(2), RMSE و SI ارزیابی شد. نتایج سناریوهای مورد بررسی نشان دادکه با استفاده از اطلاعاتی نظیر بافت خاک، کربن آلی، آهک، EC, pH و داده های اقلیمی به عنوان ورودی های مدل، به ترتیب در گروه داده هایآموزش و تست، 76 و 50 درصد تغییرات سهم متابولیک قابل برازش هستند. هر چند سهم متابولیک یک پارامتر اکوفیزیولوژیک بوده که ازتقسیم میلی گرم کربن موجود در دی اکسید کربن آزاد شده در هر ساعت از هر گرم خاک (در تنفس پایه) بر گرم کربن بیوماس میکروبی خاکمحاسبه می شود، اما استفاده از سایر اطلاعات اندازه گیری شده موجود در خاک نیز میتواند ما را برای برآورد این صفت کمک نماید و نتایج اینمطالعه حاکی از کارایی نسبی GEP در تخمین بهره متابولیک خاک است.