روی از عناصر ضروری کم¬مصرف برای رشد و توسعه گیاهان است. با این وجود غلظت زیاد آن در محلول خاک ممکن است اثر سمی گیاهی داشته و عملکرد و کیفیت محصول را محدود کند. جذب روی توسط فاز جامد خاک مهمترین فرایندی است که فراهمی، تحرک و سمیت این عنصر را در خاکها کنترل می¬کند. شاخص های جذب روی خاک ها توسط هم¬دمای جذب تعیین می¬شوند. هم دماهای جذب، اطلاعات مفیدی درباره گنجایش نگهداری و قدرت جذب روی درخاک فراهم می¬کنند. آزمایشهای همدمای جذب بسیار وقت گیر و پرهزینه بوده و این امر تعیین ویژگیهای جذبی خاک را با مشکل مواجه می¬کند. اما با تخمین ویژگیهای جذبی روی با استفاده از ویژگی¬های زودیافت خاک می¬توان بر این مشکل غلبه نمود. این تحقیق با هدف امکان¬سنجی پیش¬بینی پارامترهای جذبی روی در سطح حوضه آبخیز در منطقه قروه استان کردستان با استفاده از روشهای رگرسیونی و مدل های یادگیری ماشین انجام گرفت. بدین منظور برای برآورد پارامترهای جذب روی، 101 نمونه خاک از دشت قروه استان کردستان تهیه گردیده و همدماهای جذب روی این خاکها در آزمایشگاه اندازه گیری شده. پس از برازش مدل های مزبور برخی شاخص های جذب شامل حداکثر جذب سطحی روی (Qmax)، انرژی پیوند(KL)، ثابت جذب روی فرندولیچ (KF)، شاخص شدت جذب روی (N)، ظرفیت بافری حداکثر (MBC) و ظرفیت بافری روی در غلظت واحد (ZBC1) محاسبه شدند. سپس ارتباط این شاخص¬ها با برخی ویژگی¬های فیزیکی و شیمیائی خاک نظیر درصد رس، سیلت و شن، درصد آهک، ظرفیت تبادل کاتیونی و مواد آلی خاک به کمک مدل رگرسیون چندمتغیره خطی و روش های ماشین یادگیری شامل شبکه عصبی مصنوعی(ANN)، جنگل تصادفی(RF)، ماشین های بردار پشتیبان(SVM)، K- نزدیک ترین همسایه(KNN) بررسی شد. نتایج این مطالعه نشان داد روش رگرسیون خطی در ایجاد ارتباط بین ویژگیهای خاک و پارامترهای جذب روی موفق نیستند، در حالی که مدل¬های جنگل تصادفی و ماشین بردار پشتیبان به دلیل داشتن ضریب تبیین بزرگتر دقت بیشتری نسبت به بقیه مدل¬ها نشان دادند. در مورد پارامتر Qmax مدل RF با 65/0= R2 ، در مورد KL مدل RF با 59/0= R2 ، برای پارامتر KF مدل SVM با 59/0= R2 ، برای پارامترN نیز مدلRF با 54/0= R2 ، و برای MBC مدل SVM با 52 /0= R2 بهترین عملکرد را نشان دادند. نتایج آنالیز حساسیت نشان داد که از ویژگی¬های خاک درصد رس، ماده آلی، درصد سیلت،گنجایش تبادل کاتیونی وکربنات کلسیم مهم ترین پارامترهایی بودند که تغییرات این ضرائب را کنترل می¬کنند. بطورکلی نتایج این تحقیق نشان داد با توجه به اندازه¬گیری پرهزینه همراه با محاسبات زمان بر تعیین شاخص¬های جذب عنصر روی در سطح وسیع و تعداد زیاد نمونه می¬توان بر اساس روشهای رقومی و استفاده از داده¬های بانک اطلاعاتی خاک به راحتی این پارامترها را تخمین زده و از آنها در مدیریت کودی و ارزیابی حاصلخیزی خاکها استفاده نمود. واژهای کلیدی: هم دماهای جذب، لانگمویر، فروندلیچ، رگرسیون چندمتغیره، شبکه عصبی مصنوعی، درخت تصمیم گیری