بهبود صحت برآورد غلظت فلزات سنگین خاک مبتنی بر بازتابندگی طیفی با کمینه سازی اثر رطوبت با الگوریتم متعامدسازی پارامتر خارجی
رطوبت خاک به دلیل تاثیرگذاری زیاد بر بازتاب طیفی خاک و تغییرپذیری زمانی و مکانی بالا، مهمترین عامل اختلاگر در بکارگیری تکنیک طیفسنجی بازتابی مرئی و مادون قرمز نزدیک (VNIRS) جهت برآورد فلزات سنگین خاک به حساب میآید. در این پژوهش، قابلیت الگوریتم متعامدسازی پارامتر خارجی (EPO) در کاهش اثر رطوبت از ب...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Shahid Chamran University of Ahvaz
2024-09-01
|
| Series: | مهندسی زراعی |
| Subjects: | |
| Online Access: | https://agrieng.scu.ac.ir/article_19537_c41457f1f0ac123ce72d7bf18070ca1f.pdf |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1850180866273181696 |
|---|---|
| author | سهیلا علی اوغلی محمود شعبان پور حسینعلی بهرامی |
| author_facet | سهیلا علی اوغلی محمود شعبان پور حسینعلی بهرامی |
| author_sort | سهیلا علی اوغلی |
| collection | DOAJ |
| description | رطوبت خاک به دلیل تاثیرگذاری زیاد بر بازتاب طیفی خاک و تغییرپذیری زمانی و مکانی بالا، مهمترین عامل اختلاگر در بکارگیری تکنیک طیفسنجی بازتابی مرئی و مادون قرمز نزدیک (VNIRS) جهت برآورد فلزات سنگین خاک به حساب میآید. در این پژوهش، قابلیت الگوریتم متعامدسازی پارامتر خارجی (EPO) در کاهش اثر رطوبت از بازتابندگی طیفی خاک به منظور بهبود قابلیت روشهای یادگیری ماشین در برآورد فلزات سنگین مورد ارزیابی قرار گرفته است. بدین منظور، تعداد 129 نمونه خاک از مزارع آلوده به فلزات سنگین در استانهای تهران، گیلان و آذربایجان شرقی برداشت شد. میزان نیکل و سرب نمونههای خاک هواخشک و الکشده در آزمایشگاه اندازهگیری شدند. بازتابندگی طیفی نمونههای خاک در ۷ سطح رطوبتی (هواخشک، ۶، ۱۲، ۱۸، ۲۴، ۳۰ و ۳۶درصد) با استفاده از طیف-سنج FieldSpec-3 و پروب تماسی در محدوده 350-2500 نانومتر در اتاق تاریک اندازهگیری شدند. الگوریتم EPO با استفاده از مجموعه نمونههای واسنجی توسعه داده شد. از الگوریتمهای یادگیری ماشین PLSR و SVR جهت برآورد فلزات سنگین استفاده شد. نتایج نشان داد که VNIRS قابلیت بالایی در برآورد فلزات سنگین بصورت هواخشک دارد. حضور رطوبت در خاک، حتی در سطح 6%، منجر به کاهش معنیداری در قابلیت این تکنیک در برآورد دقیق فلزات سنگین میگردد. در رطوبت بیشتر از 24 درصد، عملکرد مدلهای یادگیری ماشین برای برآورد فلزات سنگین در کلاس متوسط (1.4<RPD <2) قرار میگیرند. بطورکلی، بکارگیری روش EPO، از طریق اصلاح اثر رطوبت بر بازتابندگی طیفی، سبب بهبود قابلیت روشهای یادگیری ماشین مبتنی بر VNIRS در برآورد فلزات سنگین خاک میشود. در میان دو روش یادگیری ماشین، SVR بهترین عملکرد را برای مدلسازی نیکل و سرب به دست داد. نتایج حاکی از آن است که VNIRS در برآورد نیکل نسبت به سرب قابلیت بیشتری دارد. |
| format | Article |
| id | doaj-art-17e7dc07b43e40d8ae5689d3e253630c |
| institution | OA Journals |
| issn | 2588-5944 2588-526X |
| language | fas |
| publishDate | 2024-09-01 |
| publisher | Shahid Chamran University of Ahvaz |
| record_format | Article |
| series | مهندسی زراعی |
| spelling | doaj-art-17e7dc07b43e40d8ae5689d3e253630c2025-08-20T02:18:01ZfasShahid Chamran University of Ahvazمهندسی زراعی2588-59442588-526X2024-09-0147342944410.22055/agen.2024.47640.173819537بهبود صحت برآورد غلظت فلزات سنگین خاک مبتنی بر بازتابندگی طیفی با کمینه سازی اثر رطوبت با الگوریتم متعامدسازی پارامتر خارجیسهیلا علی اوغلی0محمود شعبان پور1حسینعلی بهرامی2دانشجوی دکتری خاکشناسی، دانشکدۀ کشاورزی، دانشگاه گیلان، رشت، ایراندانشیار گروه خاک شناسی، دانشکدۀ کشاورزی، دانشگاه گیلان، رشت، ایراناستاد گروه خاک شناسی، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایرانرطوبت خاک به دلیل تاثیرگذاری زیاد بر بازتاب طیفی خاک و تغییرپذیری زمانی و مکانی بالا، مهمترین عامل اختلاگر در بکارگیری تکنیک طیفسنجی بازتابی مرئی و مادون قرمز نزدیک (VNIRS) جهت برآورد فلزات سنگین خاک به حساب میآید. در این پژوهش، قابلیت الگوریتم متعامدسازی پارامتر خارجی (EPO) در کاهش اثر رطوبت از بازتابندگی طیفی خاک به منظور بهبود قابلیت روشهای یادگیری ماشین در برآورد فلزات سنگین مورد ارزیابی قرار گرفته است. بدین منظور، تعداد 129 نمونه خاک از مزارع آلوده به فلزات سنگین در استانهای تهران، گیلان و آذربایجان شرقی برداشت شد. میزان نیکل و سرب نمونههای خاک هواخشک و الکشده در آزمایشگاه اندازهگیری شدند. بازتابندگی طیفی نمونههای خاک در ۷ سطح رطوبتی (هواخشک، ۶، ۱۲، ۱۸، ۲۴، ۳۰ و ۳۶درصد) با استفاده از طیف-سنج FieldSpec-3 و پروب تماسی در محدوده 350-2500 نانومتر در اتاق تاریک اندازهگیری شدند. الگوریتم EPO با استفاده از مجموعه نمونههای واسنجی توسعه داده شد. از الگوریتمهای یادگیری ماشین PLSR و SVR جهت برآورد فلزات سنگین استفاده شد. نتایج نشان داد که VNIRS قابلیت بالایی در برآورد فلزات سنگین بصورت هواخشک دارد. حضور رطوبت در خاک، حتی در سطح 6%، منجر به کاهش معنیداری در قابلیت این تکنیک در برآورد دقیق فلزات سنگین میگردد. در رطوبت بیشتر از 24 درصد، عملکرد مدلهای یادگیری ماشین برای برآورد فلزات سنگین در کلاس متوسط (1.4<RPD <2) قرار میگیرند. بطورکلی، بکارگیری روش EPO، از طریق اصلاح اثر رطوبت بر بازتابندگی طیفی، سبب بهبود قابلیت روشهای یادگیری ماشین مبتنی بر VNIRS در برآورد فلزات سنگین خاک میشود. در میان دو روش یادگیری ماشین، SVR بهترین عملکرد را برای مدلسازی نیکل و سرب به دست داد. نتایج حاکی از آن است که VNIRS در برآورد نیکل نسبت به سرب قابلیت بیشتری دارد.https://agrieng.scu.ac.ir/article_19537_c41457f1f0ac123ce72d7bf18070ca1f.pdfآلودگی خاکفلزات سنگینطیف سنجیرطوبت خاکیادگیری ماشین |
| spellingShingle | سهیلا علی اوغلی محمود شعبان پور حسینعلی بهرامی بهبود صحت برآورد غلظت فلزات سنگین خاک مبتنی بر بازتابندگی طیفی با کمینه سازی اثر رطوبت با الگوریتم متعامدسازی پارامتر خارجی مهندسی زراعی آلودگی خاک فلزات سنگین طیف سنجی رطوبت خاک یادگیری ماشین |
| title | بهبود صحت برآورد غلظت فلزات سنگین خاک مبتنی بر بازتابندگی طیفی با کمینه سازی اثر رطوبت با الگوریتم متعامدسازی پارامتر خارجی |
| title_full | بهبود صحت برآورد غلظت فلزات سنگین خاک مبتنی بر بازتابندگی طیفی با کمینه سازی اثر رطوبت با الگوریتم متعامدسازی پارامتر خارجی |
| title_fullStr | بهبود صحت برآورد غلظت فلزات سنگین خاک مبتنی بر بازتابندگی طیفی با کمینه سازی اثر رطوبت با الگوریتم متعامدسازی پارامتر خارجی |
| title_full_unstemmed | بهبود صحت برآورد غلظت فلزات سنگین خاک مبتنی بر بازتابندگی طیفی با کمینه سازی اثر رطوبت با الگوریتم متعامدسازی پارامتر خارجی |
| title_short | بهبود صحت برآورد غلظت فلزات سنگین خاک مبتنی بر بازتابندگی طیفی با کمینه سازی اثر رطوبت با الگوریتم متعامدسازی پارامتر خارجی |
| title_sort | بهبود صحت برآورد غلظت فلزات سنگین خاک مبتنی بر بازتابندگی طیفی با کمینه سازی اثر رطوبت با الگوریتم متعامدسازی پارامتر خارجی |
| topic | آلودگی خاک فلزات سنگین طیف سنجی رطوبت خاک یادگیری ماشین |
| url | https://agrieng.scu.ac.ir/article_19537_c41457f1f0ac123ce72d7bf18070ca1f.pdf |
| work_keys_str_mv | AT shylạʿlyạwgẖly bhbwdṣḥtbrậwrdgẖlẓtflzạtsngynkẖạḵmbtnybrbạztạbndgyṭyfybạḵmynhsạzyạtẖrrṭwbtbạạlgwrytmmtʿạmdsạzypạrạmtrkẖạrjy AT mḥmwdsẖʿbạnpwr bhbwdṣḥtbrậwrdgẖlẓtflzạtsngynkẖạḵmbtnybrbạztạbndgyṭyfybạḵmynhsạzyạtẖrrṭwbtbạạlgwrytmmtʿạmdsạzypạrạmtrkẖạrjy AT ḥsynʿlybhrạmy bhbwdṣḥtbrậwrdgẖlẓtflzạtsngynkẖạḵmbtnybrbạztạbndgyṭyfybạḵmynhsạzyạtẖrrṭwbtbạạlgwrytmmtʿạmdsạzypạrạmtrkẖạrjy |