تعداد نشریات | 44 |
تعداد شمارهها | 1,301 |
تعداد مقالات | 15,903 |
تعداد مشاهده مقاله | 52,146,753 |
تعداد دریافت فایل اصل مقاله | 14,915,428 |
تخمین شاخص کیفیت فیزیکی خاک و عدم قطعیت با به کارگیری شبکه عصبی مصنوعی بوت استرپ | ||
دانش آب و خاک | ||
مقاله 13، دوره 26، شماره1 بخش 2، خرداد 1395، صفحه 173-187 اصل مقاله (243.55 K) | ||
نوع مقاله: مقاله پژوهشی | ||
نویسندگان | ||
معصومه صبری* 1؛ محمدرضا نیشابوری2؛ محمدعلی قربانی3؛ فرزین شهبازی4؛ کامران ولیزاده5 | ||
1دانشجوی دکتری، گروه علوم خاک، دانشکده کشاورزی دانشگاه تبریز | ||
2استاد گروه خاکشناسی، دانشکده کشاورزی، دانشگاه تبریز | ||
3دانشیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز | ||
4دانشیار گروه خاکشناسی، دانشکده کشاورزی، دانشگاه تبریز | ||
5استادیار گروه جغرافیای طبیعی،دانشکده جغرافیا و برنامه ریزی، دانشگاه تبریز | ||
کلیدواژهها | ||
شبکه عصبی مصنوعی؛ عدم قطعیت؛ بوت استرپ؛ دور سنجی؛ شاخصSi | ||
مراجع | ||
منابع مورد استفاده امامی ح، شرفاء م، نیشابوری مر و لیاقت عا ، 1387 .برآورد شاخص کیفیت فیزیکی خاک با استفاده از ویژگی های زود یافت خاک در تعدادی از خاکهای شور وآهکی. علوم کشاورزی ایران (مجله تحقیقات آب و خاک ایران(، دوره 39، شماره1، صفحههای 39 تا46. پرویز ل، خلقی م، ولی زاده خ، عراقی نژاد ش و ایران نژاد پ، 1389. ارزیابی کارآیی شاخص تفاضل نرمال شده پوشش گیاهی از طریق پایش وضعیت پوشش گیاهی. صفحههای 432 تا441. مجموعه مقالات همایش ملی ژئوماتیک.1-2 اردیبهشت ماه، سازمان نقشه برداری کشور، تهران. ﻋﻠــﻮی ﭘﻨــﺎه سک ، 1382. ﻛــﺎرﺑﺮد ﺳــﻨﺠﺶ از دور در ﻋﻠــﻮم زﻣﻴﻦ(ﻋﻠﻮم ﺧﺎک) . ﻣﺆﺳﺴﻪ اﻧﺘﺸﺎرات و ﭼﺎپ داﻧﺸﮕﺎه ﺗﻬﺮان، صفحههای45 تا46 . Bates BC and Townley LR, 1988. Nonlinear, discrete flood event models: 3. Analysis of prediction. Uncertainty.J Hydrol. 99: 91–101.
Bayat H, Neyshabouri MR, Mohammadi K and Nariman-Zadeh N, 2011. Estimating water retention with pedotransfer functions using multi-objective group method of data handling and ANNs. Pedosphere 21: 107-114.
Blak GR and Hartge KH, 2002 .Bulk density. Pp. 809-812. In: Dan JH and Topp GC (eds) Methods of Soil
Analysis. Part 4. Physical Methods. ASA and SSSA, Madison WI.
Dane JH and Hopmans JW, 2002. Pressure plate extractor. Pp.688-690. In: Dan J H and Topp GC (eds) Methods of Soil Analysis. Part 4. Physical Method. ASA and SSSA, Madison WI.
Diebold FX and Mariano RS, 1995. Comparing Predictive Accuracy. J. Bus and Econ. Stat 13: 253 –263.
Dexter AR, 2004. Soil physical quality. Part I: Theory, effects of soil texture, density, and organic matter,
and effects on root growth. Geoderma 120: 201-214.
Efron B and Tibshirani RJ, 1993. An Introduction to the Bootstrap. Chapman and Hall, London, UK.
Emerson WW and Greenland DJ, 1990. Soil aggregates-formation and stability. Pp. 485-511. In: De Boodt
MF, Hayes MHB and Herbillon A (eds). Soil Colloids and Their Associations in Aggregates. Plenum Press, New York.
Franklin J, Mccullough P and Gray C, 2000.Terrain variables used for predictive mapping of vegetation communities in Southern California. Pp331-354. In: Wilson JP and Gallant JC (eds) Terrain Analysis: Principles and Applications. John Wiley and Sons. New York.
Gee GW and Bauder JW, 1986. Particle - size analysis. Pp. 383–411. In: Klute A (ed) Methods of Soil Analysis Part 1. 2nd ed. Physical and Mineralogical Methods. ASA and SSSA, Madison, WI.
Guerif J, Richard G, Durr C, Machet JM, Recous S and Rogrerestrade J, 2001. A review of tillage effects on crop residue management, seedbed conditions and seedling establishment. Soil Tillage Res 61: 13-32.
Leij FJ, Romano N, Palladino M and Schaap MG, 2004. Topographical attributes to predict soil hydraulic
properties along a hillslope transect. Water Resour Res 40: 1–15.
Nelson RE, 1982. Carbonate and gypsum. Pp. 181-197. In Page AL(ed) Methods of Soil Analysis. Part 2.2nd ed .Agron. Monogr. 9. ASA and SSSA, Madison, WI.
Pachepsky YA, Timlin DJ and Rawls WJ, 2001. Soil water retention as related to topographic variables. Soil Sci Soc Am J 65: 1787– 1795.
Romano N, Hopmans JW and Dane JH, 2002. Suction table.Pp.692-698. In: Dan JH and Topp GC (eds) Methods of Soil Analysis. Part 4. Physical Methods. ASA and SSSA, Madison WI.
Sharma SK, Mohanty BP, Zhu J, 2006. Including topography and vegetation attributes for developing pedotransfer functions in southern great plains of USA. Soil Sci Soc Am J 70: 1430–1440.
Shirazi MAand Boresma L, 1984. A unifying quantitative of soil texture. Soil Sci Soc Am J 48: 142- 147.
Shukla MK, Lal R and Ebinger M, 2006. Determining soil quality indicators by factor analysis. Soil Tillage
Res 87(2): 194-204.
Stuart G, Bienenstock E and Doursat R, 1992. Neural networks and the bias/variance dilemma .NC 4:1-58.
Twomey JM and Smith AE, 1998. Bias and variance of validation methods for function approximation neural networks under conditions of sparse data. IEEE Transactions on Systems, Man and Cybernetics C: Applications and Reviews 28(3): 417–430.
Van Genuchten MTh, Leij FJ and Yates SR, 1991. The RETC code for quantifying the hydraulic functions of unsaturated soils. Kerr S, Environmental Research Laboratory, Office of Research and Development, U.S. Environmental Protection Agency. Ada OK 74820.
Vereecken H, Maes J, Feyen J and Darius P, 1989. Estimating the soil moisture retention characteristics from texture, bulk density and carbon content. Soil Sci Soc Am J 148(6): 389-403.
Walkley A and Black IA, 1934. An examination of the Degtjareff method for determining soil organic matter and a proposed modification of the chromic acid titration method. Soil Sci 37: 29-39.
Yoder RE, 1936. A direct method of aggregate analysis and a study of a physical nature of erosion losses. J Am Agron 28: 337-351.
Zolfaghari Z, Mosaddeghi MR and Ayoubi S, 2015. ANN-based pedotransfer and soil spatial prediction functions for predicting Atterberg consistency limits and indices from easily available properties at watershed scale in western Iran. Soil Use Manag. doi: http://dx.doi.org/10.1111/sum.12167.
| ||
آمار تعداد مشاهده مقاله: 1,425 تعداد دریافت فایل اصل مقاله: 1,140 |