پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 163 |
| تعداد شماره‌ها | 6,788 |
| تعداد مقالات | 73,126 |
| تعداد مشاهده مقاله | 133,097,835 |
| تعداد دریافت فایل اصل مقاله | 104,121,937 |
مدل‌سازی هدررفت خاک ناشی از فرسایش خندقی با استفاده از مدل‌های جنگل تصادفی و ماشین‌بردار پشتیبان و ارزیابی کارایی آنها | ||
| نشریه علمی - پژوهشی مرتع و آبخیزداری | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 06 اردیبهشت 1404 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jrwm.2025.390477.1804 | ||
| نویسندگان | ||
| سید مسعود سلیمان پور* 1؛ امید رحمتی2؛ صمد شادفر3؛ مریم عنایتی1 | ||
| 1بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان فارس، سازمان تحقیقات، آموزش و ترویج کشاورزی، شیراز، ایران | ||
| 2بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع‌طبیعی استان کردستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، سنندج، ایران | ||
| 3پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران | ||
| چکیده | ||
| اندازه‌گیری میدانی میزان هدررفت خاک ناشی از فرسایش خندقی، بسیار زمان‌بر و هزینه‌بر بوده بنابراین اندازه‌گیری مستقیم فرسایش خندقی در سطوح وسیع فرآیندی زمان‌بر، هزینه‌بردار و طاقت‌فرسا است. به این منظور، پژوهش حاضر، نسبت به انجام این مهم از طریق مدل‌سازی هدررفت خاک ناشی از فرسایش خندقی با استفاده از مدل‌های یادگیری ماشینی جنگل تصادفی و ماشین‌بردار پشتیبان و ارزیابی کارایی آنها در حوزه آبخیز ماهورمیلاتی واقع در جنوب‌غرب استان فارس اقدام کرد. در طی چهار سال (1399 لغایت 1402)، اندازه‌گیری‌های میدانی پارامترهای ابعادی 70 خندق انجام شد. در فرآیند مدل‌سازی، 15 عامل محیطی، به‌عنوان متغیرهای مستقل و میزان هدررفت خاک خندق‌ها به‌عنوان متغیر وابسته در نظر گرفته شدند و مدل‌سازی با رویکرد اعتبارسنجی متقاطع انجام شد. دقت مدل‌ها با استفاده از معیارهای کمی خطای جذر میانگین مربعات (RMSE)، ضریب تعیین (R2)، ریشه مربعات خطا (RSR) و همبستگی تطابق (d) مورد بررسی قرار گرفت. میزان هدررفت خاک خندق‌ها در دوره مورد مطالعه 15300/94 تن بود. نتایج ارزیابی دقت پیش‌بینی مدل‌ها نشان داد مدل جنگل تصادفی از نظر معیارهای ارزیابی، نسبت به مدل ماشین‌بردار پشتیبان از عملکرد بهتری برخوردار بود و به‌عنوان مدل برتر برای پیش‌بینی میزان هدررفت خاک ناشی از فرسایش خندقی معرفی شد. یافته‌ها نشان داد "مدل‌سازی" می‌تواند در صرفه‌جویی وقت و هزینه، خدمات ارزنده‌ای به مدیریت حفاظت آب و خاک ارائه دهد. به این منظور پیشنهاد می‌شود استفاده از مدل‌های مبتنی بر هوش مصنوعی و ساختار یادگیری ماشینی در پژوهش‌های آینده مورد توجه بیشتری قرار گیرد. | ||
| کلیدواژه‌ها | ||
| فرسایش خندقی؛ مدل سازی؛ هدررفت خاک؛ هوش مصنوعی؛ یادگیری ماشینی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 112 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب