از جمله سامانه هایی که در تهیه نقشه هدایت الکتریکی خاک مزارع بکار می روند، سامانه های مبتنی بر روش تماس مستقیم الکترود با خاک می باشند. در این تحقیق با علم به اینکه علاوه بر شوری پارامتر های فیزیکی و شیمیایی خاک نیز در هدایت پذیری الکتریکی خاک تاثیر گذارند، به کمک روش شبکه عصبی RBF در طرح آماری باکس- بنکن به بررسی تاثیر پارامترهای اثر گذار بر نتایج روش تماس مستقیم در اندازه گیری هدایت الکتریکی ظاهری خاک پرداخته و مدلی جهت تخمین هدایت الکتریکی واقعی خاک با داشتن هدایت الکتریکی ظاهری، دما، درصد رطوبت و چگالی توده تعیین شد. اندازه گیری همزمان پارامتر های موثر می تواند مرحله کالیبراسیون را حذف کند. مدل شبکه عصبی بدست آمده توانست به خوبی با ضریب تبیین 99/0 ECe را تخمین بزند. ضمن بررسی الگوریتم های مختلف آموزش شبکه عصبی عملکرد الگوریتم آموزشی بیزین بهتر از سایر الگوریتم ها تشخیص داده شد. نتایج تحلیل حساسیت شبکه نشان داد به ترتیب متغیرهای ECa، رطوبت، دما و چگالی توده بیشترین تاثیر را در تخمین مقدار ECe خاک دارند، به طوریکه با حذف آنها از مدل ضریب تبیین از 99/0 به ترتیب به 30/0، 35/0، 56/0 و 63/0 کاهش می-یابد. پس از مرحله مدل سازی، مدل شبکه عصبی بدست آمده با یک گروه داده مزرعه ای مورد اعتبار سنجی قرار گرفت. نتایج اعتبار سنجی مدل ضریب تبیین 986/0 بین خروجی مدل و مقادیر ECe اندازه گیری شده در آزمایشگاه را نشان داد. بدین ترتیب با استفاده از این مدل ضمن اندازه گیری هم زمان پارامتر های ذکر شده همراه با هدایت الکتریکی می توان دقت سامانه های اندازه گیری هدایت الکتریکی ظاهری خاک در تخمین و تهیه نقشه های شوری خاک افزایش داد. همچنین با توجه به عدم نیاز به داده برداری مجدد جهت کالیبراسیون سامانه ها، استفاده از این مدل زمان تحلیل داده ها و هزینه تهیه نقشه هدایت الکتریکی خاک را کاهش می دهد.

کلمات کلیدی