حامد کاشی - دانشجوی کارشناسی ارشد گروه آب و خاک، ،دانشکده کشاورزی، دانشگاه صنعتی شاهرود
هادی قربانی - استادیار گروه آب و خاک، ،دانشکده کشاورزی، دانشگاه صنعتی شاهرود
صمد امامقلی زاده - استادیار گروه آب و خاک، ،دانشکده کشاورزی، دانشگاه صنعتی شاهرود
سید علی اصغر هاشمی - مربی مرکز تحقیقات منابع طبیعی و اموردام استان سمنان

در سال های اخیر استفاده از روش های غیرمستقیم مانند شبکه عصبی مصنوعی برای برآورد پارامترهای خاک مورد توجه قرار گرفته است . در این پژوهش به منظور تخمین ظرفیت تبادل کاتیونی خاک با استفاده از شبکه عصبی مصنوعی اقدام به نمونه برداری به تعداد 200 نمونه سطحی از منطقه قوشه واقع در استان سمنان گردید. نیمی از این تعداد نمونه ها از خاک های بکر و نیمی از آنها از اراضی کشاورزی منطقه جمع آوری گردید . پارامترهای فیزیکی و شیمیایی خاک شامل هدایت الکتریکی، فراوانی نسبی ذرات، درصد آهک، نسبت جذب سدیمویژگی های زود یافت و ظرفیت تبادل کاتیونی به عنوان پارامتر دیر یافت مورد بررسی قرار گرفت. داده SAR و وزن مخصوص ظاهری به عنوان ویژگی های زود یافت و ظرفیت تبادل کاتیونی به عنوان پارامتر دیر یافت مورد بررسی قرار گرفت. داده ها جمع آوری شده بصورت تصادفی به دو دسته آموزش 70 درصد و صحت سنجی 30 درصد تقسیم شدند و از آنها برای آموزش و ارزیابی مدل های شبکه عصبی شامل پرسپترون چند لایه MLP توابع پایه شعاعی RBF و همچنین رگرسیون خطی استفاده گردید. دقت پیش بینی به وسیله آماره های R(2)، RMSE، RSE بین ظرفیت تبادل کاتیونی اندازه گیری و پیش بینی شده، ارزیابی شد. نتایج کارایی بالاتر مدل پرسپترون چند لایه شبکه عصبی مصنوعی را با مقادیر R(2) و 0/94 و 0/84، RMSE 0/69 و 0/56 ، RSE و 0/05 و 0/05 و MAE 0/51 و 0/39 به ترتیب برای خاک های کشاورزی و بکر نسبت به مدل RBF شبکه عصبی مصنوعی و روش رگرسیون خطی نشان می دهد. همچنین با انجام آنالیز حساسیت به همبستگی بالای درصد رس و مقادیر وزن مخصوص ظاهری با ظرفیت تبادل کاتیونی خاک های کشاورزی و بکر، دست یافتیم.

آنالیز حساسیت، رگرسیون خطی، شبکه عصبی مصنوعی، ظرفیت تبادل کاتیونی خاک، مدلسازی