فصلنامه
کلیدواژه‌ها = نقشه برداری رقومی
علوم خاک

نقشه‌برداری رقومی اجزای بافت خاک با استفاده از رویکردهای یادگیری ماشین و متغیرهای محیطی

دوره 37، شماره 6، بهمن و اسفند 1402، صفحه 923-942

https://doi.org/10.22067/jsw.2023.84413.1331

پگاه خسروانی، مجید باقرنژاد، سید علی اکبر موسوی، سید رشید فلاح شمسی

چکیده بافت به­عنوان یکی از ویژگی­های موثر بر وضعیت هیدرولوژیکی و مکانیکی خاک از اهمیت ویژه­ای برای رشد گیاهان برخوردار است. بنابراین، مطالعه حاضر با هدف مدل­سازی مکانی ذرات خاک شامل شن، سیلت و رس با استفاده از مدل­های یادگیری ماشین جنگل تصادفی (RF)، رگرسیون بردار پشتیبان (SVR) و مدل زمین­اماری کوکریگینگ (Co-Kriging) و نقشه مدل رقومی ارتفاع و تصاویر ماهواره­ای با وضوح مکانی بالا در دشت مرودشت استان فارس انجام گرفت. مطالعات میدانی شامل حفر 200 پروفیل مشاهداتی براساس روش نمونه‌برداری ابر مکعب لاتین (cLHS) و نمونه‌برداری از دو عمق، سطحی (30 سانتی‌متر) و زیرسطحی (60-30 سانتی­متر) بود. طیف وسیعی از متغیرهای کمکی با دسترسی آسان شامل پارامترهای توپوگرافی و شاخص­های سنجش از دور به‌عنوان پیش­بینی کننده­های محیطی با وضوح مکانی 30 متر تهیه گردید. مناسب­ترین متغیرهای کمکی با استفاده از آزمون هم‌خطی توسط شاخص تورم واریانس (VIF) و سپس رویکرد انتخاب متغیر باروتا انتخاب شد. نتایج نشان داد که مدل RF نسبت به مدل­های SVR و Co-Kriging دارای عملکرد بهتر و دقت بیشتر برای پیش­بینی هر سه ذره شن، سیلت و رس است. ضریب تبیین (R2) پیش­بینی شده برای رس در عمق سطحی و زیر سطحی به‌ترتیب 52/0 و 49/0، برای سیلت 48/0 و 64/0 و برای شن 54/0 و 36/0 درصد محاسبه شد. همچنین متغیر عمق دره مهمترین متغیر در پیش­بینی توزیع مکانی شن، سیلت و رس شناسائی شد. تهیه نقشه توزیع مکانی اندازه ذرات خاک حاصل می‌تواند منبع مهمی از اطلاعات برای مدیریت کارآمد منابع زمین و نظارت بر محیط‌زیست باشد. به­طور کلی رویکرد مورد استفاده در این تحقیق به‌دلیل استفاده از منابع اطلاعاتی با دسترسی آسان و ارزان می­تواند به­عنوان راهنمایی برای تهیه­ی نقشه­های مدیریت­پذیر خاک در دشت­های کشاورزی کشور با قابلیت به­روز رسانی در حداقل زمان ممکن مورد استفاده قرار گیرد.

نقشه برداری رقومی بافت خاک با استفاده از رگرسیون درختی و شبکه عصبی مصنوعی در منطقه بیجار کردستان

دوره 28، شماره 5، پاییز 1394، صفحه 1025-1036

https://doi.org/10.22067/jsw.v0i0.28735

کمال نبی اللهی، احمد حیدری، روح الله تقی زاده مهرجردی

چکیده در مطالعه حاضر جهت پهنه بندی رقومی کلاس های بافتی خاک در منطقه بیجار کردستان، 103 پروفیل حفر، تشریح و از افق های سطحی A نمونه برداری شد. متغیرهای محیطی یا فاکتورهای خاک سازی که در این پژوهش استفاده شد شامل اجزاء سرزمین، داده های تصویر +ETM ماهواره لندست و نقشه سطوح ژئومورفولوژی می باشد. همچنین، جهت ارتباط دادن بین داده های خاک (رس، شن و سیلت) و متغیرهای کمکی از مدل های شبکه عصبی مصنوعی و رگرسیون درختی بهره گرفته شد. نتایج این تحقیق نشان داد که مدل رگرسیون درختی دارای دقت بیشتری نسبت به شبکه عصبی مصنوعی به منظور پیش بینی هر سه پارامتر رس، شن و سیلت می باشد. برای جزء رس، مدل رگرسیون درختی و شبکه عصبی مصنوعی دارای ضریب تبیین و میانگین ریشه مربعات خطا 46/0، 81/0 و 10/17، 50/12 براساس داده های آزمون (20درصد) می باشد. نتایج نشان داد که برای پیش بینی رس، شن و سیلت پارامترهای سطوح ژئومورفولوژی، شاخص خیسی، شاخص همواری دره با درجه تفکیک بالا، ارتفاع، طول شیب و باند 3 مهم‌ترین بوده اند. در کل نتایج نشان داد که مدل های درختی دارای دقت بالاتری نسبت به روش شبکه عصبی مصنوعی بوده و همچنین تفسیر نتایج مدل درختی بسیار راحت تر می باشد. لذا پیشنهاد می شود که جهت تهیه نقشه رقومی خاک از مدل های درختی در مطالعات آینده استفاده شود.