پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 163 |
| تعداد شماره‌ها | 6,763 |
| تعداد مقالات | 72,848 |
| تعداد مشاهده مقاله | 131,944,380 |
| تعداد دریافت فایل اصل مقاله | 103,558,392 |
نقشه‌برداری رقومی هدایت هیدرولیکی اشباع خاک در حوزه آبخیز کیلانه، استان کردستان | ||
| نشریه علمی - پژوهشی مرتع و آبخیزداری | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 17 اسفند 1403 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jrwm.2025.389637.1801 | ||
| نویسندگان | ||
| فرزانه پارسایی1؛ احمد فرخیان فیروزی* 1؛ مسعود داوری2؛ روح الله تقی زاده مهرجردی3 | ||
| 1گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران. | ||
| 2گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه کردستان، سنندج، ایران | ||
| 3گروه علوم زمین، علوم خاک و ژئومرفولوژی، دانشگاه توبینگن، توبینگن، آلمان. | ||
| چکیده | ||
| هدایت هیدرولیکی اشباع خاک سطحی (Ks) به‌عنوان یکی از مهم‌ترین ویژگی‌های فیزیکی خاک، نقشی کلیدی در توزیع آب و مواد مغذی در محیط خاک ایفا می‌کند و در مدیریت منابع آب و خاک اهمیت ویژه‌ای دارد. این پژوهش با هدف مدل‌سازی رقومی هدایت هیدرولیکی اشباع خاک سطحی با استفاده از رویکردهای یادگیری ماشین در حوزه آبخیز کیلانه واقع در استان کردستان با مساحت 12 هزار هکتار انجام شد. سه الگوریتم یادگیری ماشین شامل: درخت تصمیم تقویت شده با گرادیان (XGBoost)، جنگل تصادفی (RF) و مدل نزدیکترین -k همسایگی (k-NN) با بهره‌گیری از تعدادی متغیرهای محیطی از مدل رقومی ارتفاع و تصاویر ماهواره سنتینل-2 شامل فاصله از کانال آبراهه، عمق دره، موقعیت نسبی شیب، سطح پایه کانال آبراهه، شاخص روشنایی، شاخص اثر باد، شاخص نرمال شده تفاوت پوشش گیاهی، باند 12، شاخص سبزینگی، انحنای سطح و پارامترهای خاک شامل ماده آلی، آهک، جرم مخصوص ظاهری، میانگین هندسی قطر ذرات، بافت خاک و داده‌های طیف سنجی نزدیک خاک در طول موج 2450-400 نانومتر به عنوان نمایندگان عوامل خاکسازی برای مدل‌سازی Ks مورد استفاده قرار گرفتند. نتایج نشان داد که مدل XGBoost برای پیش‌بینی Ks با R2 برابر 65/0 و nRMSE برابر 25/0 نسبت به سایر مدل‌ها دارای صحت بالاتری بودند. داده‌های طیفی، متغیرهای توپوگرافی و پارامترهای خاک، به‌عنوان ورودی مدل، نقش مهمی در پیش‌بینی تغییرپذیری مکانی Ks داشتند و مدل XGBoost با استفاده از این داده‌ها توانست پیش‌بینی دقیقی ارائه دهد. نتایج نشان داد که Ks تحت تأثیر متغیرهای توپوگرافی، فیزیکی و طیفی قرار دارد؛ ماده آلی، بافت خاک و شاخص‌های توپوگرافی مانند شیب و موقعیت نسبی بیشترین تأثیر را داشتند. نقشه‌های تولیدشده از این رویکرد تغییرپذیری مکانی می‌توانند در مدیریت منابع آب و خاک و مدل‌های هیدرولوژیکی مورد استفاده قرار گیرند. | ||
| کلیدواژه‌ها | ||
| تغییر پذیری مکانی؛ متغیرهای محیطی؛ سنجش خاک؛ یادگیری ماشین | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 150 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب