TY - JOUR T1 - Estimation of Soil Saturated Hydraulic Conductivity in Part of Central Zagroos Using Regression and ANNs method TT - کاربرد روش‏های رگرسیونی و شبکه‏های عصبی به‌ منظور تخمین هدایت هیدرولیکی اشباع خاک منطقه زاگرس مرکزی JF - JSTNAR JO - JSTNAR VL - 19 IS - 71 UR - http://jstnar.iut.ac.ir/article-1-3014-fa.html Y1 - 2015 SP - 217 EP - 228 KW - Artificial Neural Network KW - Soil Saturated Hydraulic Conductivity KW - Process based models KW - Central Zagros Rangelands. N2 - در سال‌های ‌اخیر با‌ ظهور سامانه اطلاعات جغرافیایی و تکنولوژی سنجش از دور، ویژگی‏های توپوگرافیکی (ارتفاع، شیب و جهت شیب) و ویژگی‏های پوشش گیاهی به‌ راحتی به‌وسیله مدل‏های رقومی ارتفاع و شاخص پوشش گیاهی (NDVI) در مقیاس‏های مختلف (حوزه‏ای و منطقه‏ای) قابل دسترس می‏باشد. هدف از انجام این‌ پژوهش، بررسی امکان استفاده از ویژگی‏های توپوگرافیکی و پوشش گیاهی به‌همراه ویژگی‏های خاک به‌عنوان ویژگی‏های زود یافت برای تخمین هدایت هیدرولیکی اشباع خاک است. برای این‌ کار توزیع اندازه ذرات خاک، کربن آلی، کربنات کلسیم و چگالی ظاهری در افق‏های رویین و زیرین و ویژگی‏های توپوگرافیکی و NDVI از افق رویین خاک اندازه‏گیری شدند. سه ساختار شبکه عصبی پرسپترون برای مقایسه با رگرسیون چند‌متغیره‌ خطی مورد استفاده قرار گرفتند. کارایی توابع انتقالی خاک و توابع پیش‏بینی مکانی خاک به وسیله ضریب همبستگی اسپیرمن (r)، میانگین مربعات خطای نرمال شده (NMSE) و میانگین خطای مطلق(MAE) بین مقادیر اندازه‏گیری ‌‌شده و مشاهده‌ شده مورد ارزیابی قرار گرفت. نتایج نشان‌ داد که ویژگی‏های توپوگرافیکی و پوشش گیاهی از متغیر‏های حساس در تخمین هدایت هیدرولیکی اشباع خاک در مراتع زاگرس مرکزی می‏باشند. به‌طور‌ کلی شبکه‏های عصبی (87/0=r) داری کارایی بهتری از رگرسیون چند‌متغیره ‌خطی (69/0=r) در تخمین هدایت هیدرولیکی اشباع خاک هستند. M3 10.18869/acadpub.jstnar.19.71.217 ER -