توسعه و کاربرد دو الگوریتم فرا ابتکاری ترکیبی برای شناسایی مهم‌ترین مؤلفه‌های مؤثر بر شدت فرسایش بادی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دکتری علوم خاک، گروه علوم خاک، دانشکده کشاورزی، دانشگاه ولی عصر (عج) رفسنجان، رفسنجان، ایران

2 استاد، گروه علوم خاک، دانشکده کشاورزی، دانشگاه ولی عصر (عج) رفسنجان، رفسنجان، ایران

3 دانشیار، گروه علوم خاک، دانشکده کشاورزی، دانشگاه ولی عصر (عج) رفسنجان، رفسنجان، ایران

4 استادیار، گروه علوم خاک، دانشکده کشاورزی، دانشگاه ولی عصر (عج) رفسنجان، رفسنجان، ایران

10.29252/aridbiom.2021.1997

چکیده

فرسایش بادی به‌ عنوان یک پدیده طبیعی مؤثر در تخریب سرزمین و بیابان‌زایی در مناطق خشک و نیمه‌خشک جهان، تحت تأثیر مؤلفه‌های گوناگونی قرار دارد، به‌ گونه‌ای که درک ما از فرآیند فرسایش بادی اغلب به ­سبب تعدد و پیچیدگی عامل‌های مؤثر بر آن محدود می‌شود. پژوهش حاضر در راستای شناسایی مهم‌ترین مؤلفه‌های مؤثر بر شدت فرسایش بادی با استفاده از الگوریتم ترکیبی الگوریتم ژنتیک- شبکه عصبی مصنوعی (GA-ANN) و الگوریتم ژنتیک با مرتب‌سازی نامغلوب (NSGA-II) انجام شده است. به­ منظور دستیابی به یک مجموعه داده مناسب و قابل اطمینان، با طرح­ریزی یک الگوی تصادفی نظارت­شده، نمونه‌های خاک از 51 نقطه مشاهداتی در بخشی از دشت نرماشیر استان کرمان جمع‌آوری و ویژگی­های مختلف خاک اندازه‌گیری شد. علاوه بر آن، در هر نقطه مورد مطالعه، شدت فرسایش بادی با استفاده از یک دستگاه تونل باد قابل حمل تعیین شد. بر اساس نتایج حاصل از اجرای الگوریتم GA-ANN، ویژگی­های شن، رس، پوشش سنگریزه‌ای، پایداری خاکدانه‌ها، مقاومت سله سطحی، رطوبت و ماده آلی به ‌عنوان مؤثرترین مؤلفه‌ها در ارتباط با تغییرات مکانی شدت فرسایش بادی تشخیص داده شدند. در مقابل، زیرمجموعه انتخاب­شده توسط الگوریتم NSGA-II، ویژگی­های شن، پوشش سنگریزه‌ای، پایداری خاکدانه‌ها، مقاومت سله سطحی و رطوبت را به ­عنوان مؤثرترین متغیر‌ها معرفی نمود. میزان خطای محاسبه ­شده برای الگوریتم GA-ANN برابر با 58/3 درصد بود؛ در حالی که میزان این خطا برای الگوریتم NSGA-II برابر با 70/1 درصد بود. با توجه به نتایج به‌دست آمده، هر دو الگوریتم، عملکرد قابل قبولی در راستای دستیابی به هدف پژوهش حاضر نشان دادند. بنابراین، الگوریتم‌های توسعه داده شده در این پژوهش می‌توانند در راستای شناسایی مهم‌ترین عوامل مؤثر بر شدت فرسایش بادی در سایر مناطق با چالش‌های مشابه، مورد استفاده قرار گیرند.

کلیدواژه‌ها


[1]. Ahmadi, A., Qorbanian, R. and Jafarzadeh, A. A. (2013). The study on the effects of desert pavement on wind erodibility. 15th Iranian Soil Science Congress, Isfahan University of Technology, Isfahan, Iran. (in Farsi).
[2]. Azimzadeh, H. R. and Fotouhi, F. (2013). The study on the effects of desert pavement on wind erodibility (case study: Yazd- Ardakan plain). Iranian Journal of Range and Desert Reseach, 20 (4): 695-705. (in Farsi).
[3]. Besalatpour, A. A., Ayoubi, S., Hajabbasi, M. A., Jazi, A. Y. and Gharipour, A. (2014). Feature selection using parallel genetic algorithm for the prediction of geometric mean diameter of soil aggregates by machine learning methods. Arid Land Research and Management, 28(4): 383-394.
[4]. Blake, G. R. (1965). Bulk density. Methods of Soil Analysis. Part 1 Society of Agronomy, Madison, Wisconsin, USA.
[5]. Cerdà, A. (2001). Effects of rock fragment cover on soil infiltration, interrill runoff and erosion. European Journal of Soil Science, 52(1): 59-68.
[6]. Chepil, W. S. (1953). Factors that influence clod structure and erodibility of soil by wind: I. Soil texture. Soil Science, 75(6): 473-484.
[7]. Chepil, W. S. (1958). Soil conditions that influence wind erosion (Vol. 1185). US Dept. of Agriculture.
[8]. Ciric, V., Manojlovic, M., Nesic, L., and Belic, M. (2012). Soil dry aggregate size distribution: effects of soil type and land use. Journal of soil science and plant nutrition, 12(4): 689-703.
[9]. Colazo, J. C. and Buschiazzo, D. E. (2010). Soil dry aggregate stability and wind erodible fraction in a semiarid environment of Argentina. Geoderma, 159(1-2): 228-236.
[10]. Dong, Z., Liu, X., and Wang, X. (2002). Aerodynamic roughness of gravel surfaces. Geomorphology, 43(1-2), 17-31.
[11]. Ekhtesasi, M. R. (1991). Report design and construction of wind erosion meter. Publication of Science and Technology Research Organization of Yazd. (in Farsi).
[12]. Ekhtesasi, M. R., Akhavan Ghalibaf, M., Azimzadeh, H. R. and Emtehani, M. H. (2003). Effects of salts on erodibility of soil by wind. Iranian Journal of Natural Resources, 56(1): 17-28. (in Farsi).
[13]. Esfandiarpour, I., Salehi, M. H., Karimi, A. and Kamali, A. (2013). Correlation between Soil Taxonomy and World Reference Base for Soil Resources in classifying calcareous soils: (a case study of arid and semi-arid regions of Iran). Geoderma, 197: 126-136.
[14]. Esfandiarpour-Borujeni, I., Hosseinifard, S., Shirani, H., Zeinadini, M. and Besalatpour, A. A. (2018). Identifying Soil and Plant Nutrition Factors Affecting Yield in Irrigated Mature Pistachio Orchards. Communications in soil science and plant analysis, 49(12): 1474-1490.
[15]. Fayyad, U., Piatetsky-Shapiro, G. and Smyth, P. (1996). From data mining to knowledge discovery in databases. AI magazine, 17(3): 37-37.
[16]. Gee, G. W. and Bauder, J. W. (1986). Particle size analysis. In: Klute, A. (Ed.), Methods of Soil Analysis: Part 1. American Society of Agronomy and Soil Science Society of America, Madison, WI, 383-411.
[17]. Idah, P. A., Mustapha, H. I., Musa, J. J. and Dike, J. (2008). Determination of erodibility indices of soils in Owerri west local government area of Imo State, Nigeria. Assumption University Journal of Technology, 12(2): 130-133.
[18]. Kouchami-Sardo, I., Besalatpour, A. A., Bashari, H., Shirani, H. and Esfandiarpour-Broujeni, I. (2017). Assessment of IRIFR model capability in simulation of soil loss in different wind geomorphology landforms using wind erosion meter. Arid biome scientific and research journal. 7(1): 13-25. (in Farsi).
[19]. Kouchami-sardoo, I. (2015). Modeling of wind erosion hazard in a part of the Rafsanjan plain using Bayesian Belief Networks (BBNs). Master thesis, Vali-E-Asr University of Rafsanjan. (in Farsi).
[20]. Krishnaiyer, K. and Cheraghi, S. H. (2004). Minimizing Total Completion Time on a Single Machine with Tool Changes: An Ant Algorithms Approach. In IIE Annual Conference. Proceedings (p. 1). Institute of Industrial and Systems Engineers (IISE).
[21]. Liu, L. Y., Li, X. Y., Shi, P. J., Gao, S. Y., Wang, J. H., Ta, W. Q. and Xiao, B. L. (2007). Wind erodibility of major soils in the farming-pastoral ecotone of China. Journal of arid environments, 68(4): 611-623.
[22]. Mahmoodabadi, M. and Rajabpour, H. (2017). Study on the effect of initial soil moisture content on wind erosion rate using a laboratory wind tunnel. Journal of Water and Soil Conservation, 24(2): 167-183. (in Farsi).
[23]. Mahmoodabadi, M., and Ahmadbeygi, B. (2013). Effect of primary particle size distribution on aggregate stability at different size classes. Water Soil Science, 23: 207-219.
[24]. McKenna-Neuman, C. and Nickling, W. G. (1989). A theoretical and wind tunnel investigation of the effect of capillary water on the entrainment of sediment by wind. Canadian Journal of Soil Science, 69(1): 79-96.
[25]. Nodej, T. M. and Rezazadeh, M. (2018). The spatial distribution of critical wind erosion centers according to the dust event in Hormozgan province (south of Iran). Catena, 167: 340-352.
[26]. Pi, H., Sharratt, B., Feng, G. and Lei, J. (2017). Evaluation of two empirical wind erosion models in arid and semi-arid regions of China and the USA. Environmental modelling and software, 91: 28-46.
[27]. Pourmohammadali, B., Hosseinifard, S. J., Salehi, M. H., Shirani, H. and Boroujeni, I. E. (2019). Effects of soil properties, water quality and management practices on pistachio yield in Rafsanjan region, southeast of Iran. Agricultural water management, 213: 894-902.
[28]. Shirani, H., Habibi, M., Besalatpour, A. A. and Esfandiarpour, I. (2015). Determining the features influencing physical quality of calcareous soils in a semiarid region of Iran using a hybrid PSO-DT algorithm. Geoderma, 259: 1-11.
[29]. Syberfeldt, A., Grimm, H., Ng, A. and John, R. I. (2008, June). A parallel surrogate-assisted multi-objective evolutionary algorithm for computationally expensive optimization problems. In 2008 IEEE Congress on Evolutionary Computation (IEEE World Congress on Computational Intelligence) (pp. 3177-3184). IEEE.
[30]. Troeh, F. R., Hobbs, J. A. and Donahue, R. L. (1980). Soil and Water Conservation for Productivity and Environmental Production. Prentice-Hall, Inc.
[31]. Walkley, A. and Black, I. A. (1934). An examination of the Degtjareff method for determining soil organic matter, and a proposed modification of the chromic acid titration method. Soil science, 37(1), 29-38.
[32]. Webb, N. P., McGowan, H. A., Phinn, S. R. and McTainsh, G. H. (2006). AUSLEM (AUStralian Land Erodibility Model): A tool for identifying wind erosion hazard in Australia. Geomorphology, 78(3-4): 179-200.
[33]. Zhang, J. Q., Zhang, C. L., Chang, C. P., Wang, R. D. and Liu, G. (2017). Comparison of wind erosion based on measurements and SWEEP simulation: A case study in Kangbao County, Hebei Province, China. Soil and Tillage Research, 165(1): 169-180.