پیش بینی وزن مخصوص ظاهری با استفاده از مدل شبکه های عصبی مصنوعی و توابع انتقالی و ارزیابی دقت آن به منظور استفاده در تعیین کیفیت خاک

وزن مخصوص ظاهری از پارامترهای کلیدی در تعیین کیفیت خاک می باشد . این پارامتر بر بسیاری از فاکتورهای موثر بر کیفیت خاک از قبیل نفوذ، هوای خاک، میزان فشردگی خاک و نگهداشت آب در خاک نیز تاثیربسزایی داشته و در مطالعه تاثیرات مدیریت های مختلف بر خصوصیات خاک- مانند حرکت و نگهداشت آب در خاک - اطلاعات مربوط به وزن مخصوص ظاهری بسیار ضروری است ( ۱ و ۶ و ۸ ). با این حال ان دازه گیری وزن مخصوص ظاهری در مطالعات معمول خاکشناسی اغلب در نظر گرفته نمی شود. علت این سهل انگاری بزرگ را می توان در روش های اندازه گیری این خصوصیت کلیدی جستجو کرد . روش های آزمایشگاهی اندازه گیری این پارامتر بسیار قدیمی و در عین حال فاقد دقت کافی هستند و ر وش های صحرائی با اینکه از دقت بالایی برخوردار هستند ولی به دلیل اینکه خسته کننده، وقتگیر، گرانقیمت و مستلزم عملیات صحرائی وسیع هستند ، کمتر مورد توجه قرار می گیرند. علاوه بر اینها ، به دلیل اینکه این خصوصیت از تغییرات فضائی قابل توجهی در خاک برخوردار است ، ب رای بدست آوردن آن در منطقه ای وسیع ، نیاز به تهیه نمونه های دست نخورده فراوان داریم . با این اوصاف نقصان در اطلاعات راجع به این خصوصیت ، مطالعات خاکشناسی در یک منطقه را با اشتباهات و خطاهای فراوان و در نهایت با شکست مواجه می کند. بنابراین در دست داشتن روش هایی که با استفاده از آنها بتوان این خصوصیت را بوسیله سایر خصوصیات زودیافت خاک مانند بافت و مواد آلی ، با دقت بالا و در عین حال با صرف وقت و هزینه کم ، پیش بینی کرد ، از اهمیت بسزائی برخوردار است . از جمله روش های پیش بینی این خصوصیت م ی توان به روش توابع انتقالی خاک( PTFs ) - که بر مبنای رگرسیون آماری مرسوم هستند -و روش شبکه های عصبی مصنوعی اشاره کرد ( ۴ و ۵ و ۷ ). محققین گوناگون در مطالعات خود روابط بین وزن مخصوص ظاهری و سایر خصوصیات خاک را با استفاده از مدل های رگ رسیونی مورد ارزیابی قرار دادند .کاور و همکاران ( ۲۰۰۲ ) و هوشر و همکاران ( ۲۰۰۵ )در مطالعات خود به این نتیجه رسیدند .که بافت و مواد آلی مؤلف ههای اصلی در تعیین وزن مخصوص ظاهری هستند ( ۳ و ۴).