مهدی پرچم افشان - گروه مهندسی محیط زیست موسسه آموزش عالی صبا ارومیه
بهنام بهرامی - گروه مهندسی محیط زیست موسسه آموزش عالی صبا ارومیه
حسین رضایی - گروه مهندسی محیط زیست موسسه آموزش عالی صبا ارومیه

بانک بذر خاک در حفظ و احیای گونه های گیاهی در حال انقراض و حفظ تنوع ژنتیکی گیاهان دارای اهمیت ویژه و غیر قابل انکار می باشد. بانک بذر خاک می تواند از جایگزینی داده های زودیافتی مانند بافت خاک و چگالی ظاهری با استفاده از توابع انتقالی به دست آید. شبکه های عصبی و رگرسیون آماری از جمله روش هایی هستند که برای تخمین توابع انتقالی خاک استفاده می شوند. هدف از این مطالعه مقایسه مدل رگرسیون چند متغیره، شبکه عصبی تطبیقی -فازی و شبکه عصبی مصنوعی در برآورد بانک بذر به کمک برخی ویژگی های فیزیکی و شیمیایی خاک می باشد. منطقه مورد مطالعه در کشور بلژیک با کاربری مرتع انتخاب و نمونه برداری از 74 نقطه از عمق 0-5 سانتی متری انجام شد. مقدار بانک بذر خاک و ویژگی های فیزیکی و شیمیایی خاک (درصد ماده آلی، هدایت اکتریکی، بافت) آنالیز و محاسبه شد. در نهایت مدل رگرسیون چندمتغیره، شبکه عصبی مصنوعی و شبکه عصبی تطبیقی-فازی بین این ویژگی ها و بانک بذر خاک، برقرار و نتایج مطالعه نشان داد که مدل رگرسیونی توانست 14 درصد از تغییرات بانک بذر خاک و مدل شبکه عصبی مصنوعی حدود 98 درصد از تغییرات و مدل شبکه عصبی تطبیقی-فازی 51 درصد از تغییرات را در منطقه مورد مطالعه توجیه نماید. نتایج رگرسیون گام به گام نیز نشان داد که ذرات دارای قطر بیشتر از 63 میکرومتر از عوامل تاثیرگذار بر بانک بذر خاک بودند. بر اساس معیارهای مجذور میانگین مربعات خطا و ضریب کارایی که در مدل رگرسیونی به ترتیب 0/17 و 0/28 و در مدل شبکه عصبی مصنوعی به ترتیب 0/05 و 0/94 و در مدل شبکه عصبی تطبیقی -فازی به ترتیب 0/09 و 0/49 می باشند، مدل حاصل از شبکه عصبی (ANN) در پیش بینی بانک بذر خاک با استفاده از ویژگی های فیزیکی و شیمیایی خاک به نسبت سایر مدل های مورد بررسی از دقت بالاتری برخوردار بوده و بهتر عمل می کند.

بانک بذر خاک، رگرسیون جند متغیره، شبکه عصبی مصتوعی، شبکه عصبی تطبیقی-فازی