علوم خاک
فاطمه جنتی؛ فریدون سرمدیان
چکیده
مدیریت صحیح و منطقی و طراحی برنامههای کاربری اراضی در تأمین تقاضای غذا در سراسر جهان مفید بوده است. ارزیابی و تعیین تناسب زمین در حصول اطمینان از استفاده بهینه از منابع اراضی و درعینحال حفظ پتانسیل آن برای نسلهای آینده مفید است. هدف اصلی این مطالعه ارزیابی رقومی تناسب اراضی برای کشت آبی محصولات زراعی گندم، جو و یونجه در منطقه ...
بیشتر
مدیریت صحیح و منطقی و طراحی برنامههای کاربری اراضی در تأمین تقاضای غذا در سراسر جهان مفید بوده است. ارزیابی و تعیین تناسب زمین در حصول اطمینان از استفاده بهینه از منابع اراضی و درعینحال حفظ پتانسیل آن برای نسلهای آینده مفید است. هدف اصلی این مطالعه ارزیابی رقومی تناسب اراضی برای کشت آبی محصولات زراعی گندم، جو و یونجه در منطقه آبیک دشت قزوین است. بدینمنظور از اطلاعات 288 تعداد پروفیل خاک برای محاسبه شاخص اراضی استفاده گردید. همچنین متغیرهای توپوگرافی شامل مشتقات اولیه و ثانویه مدل رقومی ارتفاع و متغیرهای مستخرج از تصاویر سنجشازدور (ماهواره لندست 8) شامل شاخصهای طیفی بهعنوان متغیرهای محیطی جهت مدلسازی نقشه تحت کلاس تناسب اراضی برای سه محصول یونجه، گندم و جو و همچنین تهیه نقشه ردهبندی خاک در سطح فامیل استفاده شدند. هشت عامل توپوگرافی، خاک و اقلیمی شامل درصد شیب، اقلیم، بافت، گچ، کربنات کلسیم معادل، هدایت الکتریکی (EC) و نسبت جذب سدیم (SAR) بهعنوان عوامل مؤثر در ارزیابی تناسب زمین برای گندم، جو و یونجه شناسایی شدند. در ادامه از روش پارامتریک (ریشه دوم) برای محاسبه درجات تناسب سرزمین برای محصولات مورد نظر استفاده شد. مدل یادگیری ماشین جنگل تصادفی نیز جهت مدلسازی مکانی، تهیه نقشه پهنهبندی و تعیین درجه اهمیت متغیرهای محیطی مورداستفاده قرار گرفت. نتایج پیشبینی مکانی نشان داد که مدل جنگل تصادفی تناسب اراضی را برای گندم، جو و یونجه بهترتیب با ضرایب کاپا 81، 84، 85 درصد و دقت کلی 86، 88 و 89 درصد طبقهبندی کرد. بهترتیب نتایج ارزیابی تناسب اراضی نشان داد که بیشترین کلاس تناسب اراضی مربوط به جو با 40 درصد، یونجه با 5/35 درصد و گندم با 32 درصد از کل مساحت منطقه در کلاس S1 بود. در بین متغیرهای محیطی پیشبینی کننده برای محصول جو متغیرهایDiffuse ،SHt و MrVBF، برای محصول گندم متغیرهای Diffuse، MrVBF و TWI و برای محصول یونجه سه متغیر MrVBF، Diffuse و Valley_depth مهمترین مشاهده گردیدند. بطور کلی، مهمترین عوامل محدود کننده برای زراعت آبی محصولات مورد نظر مربوط به ویژگیهای خاک بود، بهنحویکه در نواحی شمالی بافت و در نواحی جنوبی ویژگیهای درصد آهک، گچ، شوری و قلیاییت خاکها بهعنوان مهمترین عوامل محدودکننده شناسایی شدند.
علوم خاک
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 ...
بیشتر
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.
علوم آب
زینب بیگدلی؛ ابوالفضل مجنونی هریس؛ رضا دلیرحسن نیا؛ سپیده کریمی
چکیده
شبیهسازی فرآیند بارش-رواناب میتواند نقش بسزایی در مدیریت منابع آب و مسائل هیدرولوژی داشته باشد. در این تحقیق با استفاده از مدلهای دادهکاوی ماشین بردار پشتیبان (SVM) و جنگل تصادفی (RF) اقدام به مدلسازی بارش- رواناب دو ایستگاه بناب و خرمازرد بهترتیب واقع بر روی رودخانههای صوفیچای و ماهپریچای (دشت مراغه) شده است. در مطالعه ...
بیشتر
شبیهسازی فرآیند بارش-رواناب میتواند نقش بسزایی در مدیریت منابع آب و مسائل هیدرولوژی داشته باشد. در این تحقیق با استفاده از مدلهای دادهکاوی ماشین بردار پشتیبان (SVM) و جنگل تصادفی (RF) اقدام به مدلسازی بارش- رواناب دو ایستگاه بناب و خرمازرد بهترتیب واقع بر روی رودخانههای صوفیچای و ماهپریچای (دشت مراغه) شده است. در مطالعه حاضر دادههای ایستگاههای هواشناسی و هیدرومتری منطقه از سال 1355 تا 1397 از شرکت آب منطقهای و سازمان هواشناسی استان آذربایجان شرقی دریافت گردید. تغییر روند رواناب جاری در سال 1374، باعث گردید مدت مطالعه به دو دوره قبل و بعد آن تقسیم شود. مقدار بارش و رواناب با تاخیر زمانی یک ماه بعنوان ورودی به این مدل وارد و سپس مقادیر رواناب ماهانه مشاهداتی با رواناب ماهانه تخمین زده شده با استفاده از معیارهای ارزیابی خطا مورد بررسی گرفت. نتایج نشان داد که در هر دو دوره برای ایستگاه بناب مدل SVM کارآیی بالاتری نسبت به مدل RF داشت و در ایستگاه خرمازرد نیز برای این دو دوره، مدل RF عملکرد بهتری از مدل SVM ارائه کرد. نتایج مدلسازی در مجموعه تست در دو ایستگاه نشان داد که مقدار همبستگی متقابل برای دو دوره مطالعاتی اول و دوم ایستگاه بناب بهترتیب برابر با 85/0 و 84/0 و برای ایستگاه خرمازرد برابر با 79/0 و 75/0 بدست آمد. با توجه به نتایج مقادیر آماره من کندال و سریهای زمانی برای هر دو ایستگاه، روند مشخصی برای بارش در طول دوره مشاهده نشد، ولی دبی رودخانه صوفیچای در ایستگاه بناب، بخصوص بعد از سال 1374 روند صعودی و دبی رودخانه ماهپریچای روند کاملا نزولی داشته است.
سمیره نظری؛ محمود رستمینیا؛ شمس الله ایوبی؛ اصغر رحمانی؛ سید روح اله موسوی
چکیده
تهیه نقشه های خاک با صحت مناسب یک ابزار توانمند برای دست یافتن به استفاده پایدار از اراضی در عرصههای کشاورزی و منابع طبیعی محسوب میشود. پژوهش حاضر در بخشی از اراضی وَرگَر شهرستان آبدانان در استان ایلام به منظور نقشه برداری رقومی کلاسهای خاک با استفاده از مدلهای جنگل تصادفی و منطق فازی اجرا ...
بیشتر
تهیه نقشه های خاک با صحت مناسب یک ابزار توانمند برای دست یافتن به استفاده پایدار از اراضی در عرصههای کشاورزی و منابع طبیعی محسوب میشود. پژوهش حاضر در بخشی از اراضی وَرگَر شهرستان آبدانان در استان ایلام به منظور نقشه برداری رقومی کلاسهای خاک با استفاده از مدلهای جنگل تصادفی و منطق فازی اجرا گردید. در اراضی مورد مطالعه موقعیت 44 خاکرخ تعیین، حفر، تشریح و نمونه برداری از کلیه افقهای ژنتیکی صورت پذیرفت. پس از انجام آزمایشهای فیزیکوشیمیایی لازم ردهبندی خاکها انجام شد. از مدل رقومی ارتفاع ماهواره آلوس پالسار و نرمافزار ساگا جیآیاس برای تهیه متغیرهای کمکی ژئومورفومتری استفاده گردید. سه رویکرد انتخاب متغیر شامل الگوریتم باروتا، شاخص تورم واریانس و میانگین کاهش صحت به همراه دو مدل دادهکاوی جنگل تصادفی و منطق فازی برای مدلسازی روابط خاک-زمیننما به کار گرفته شد. نتایج نشان داد که رویکرد انتخاب متغیر میانگین کاهش صحت بهعنوان مناسبترین روش، از تعداد 35 متغیر کمکی ژئومورفومتری منجر به انتخاب شش متغیر گردید. همچنین رویکرد مدلسازی جنگل تصادفی-میانگین کاهش صحت، در سطح زیرگروه با صحت عمومی و شاخص کاپای 84 و 57 درصد دارای بالاترین دقت بود. بررسی نتایج حاصل از رویکرد فازی حاکی از این بود که مقادیر شاخص کاپا و صحت عمومی این روش با سه سناریو دیگر مشابه و اختلاف ناچیزی بین صحت نتایج در سطح فامیل خاک مشاهده گردید. بهطورکلی استفاده از رویکردهای مختلف انتخاب متغیر میتوانند موجب افزایش دقت تهیه نقشه های رقومی خاک گردند. همچنین افزایش تعداد مشاهدات میدانی و استفاده از سایر متغیرهای محیطی تأثیرگذار بر روی تشکیل خاکها را می توان برای پیشبینی کلاسهای خاک با صحت پایین به کارگیری نمود.
امین موسوی؛ فرزین شهبازی؛ شاهین اوستان؛ علی اصغر جعفرزاده؛ بودیمن میناسنی
چکیده
در این پژوهش، از دو مدل جنگل تصادفی و کیوبیست به عنوان یکی از پرکاربردترین تکنیکهای نوین دادهکاوی برای تهیه نقشه رقومی کربن آلی خاک در ساحل شرقی دریاچه ارومیه استفاده شد. بدین منظور با استفاده از روش نمونهبرداری تصادفی مرتب شده در منطقهای به وسعت 500 کیلومترمربع تعداد 131 نمونه خاک سطحی (عمق 10-0 سانتیمتری) و از دوسایت جداگانه برداشت ...
بیشتر
در این پژوهش، از دو مدل جنگل تصادفی و کیوبیست به عنوان یکی از پرکاربردترین تکنیکهای نوین دادهکاوی برای تهیه نقشه رقومی کربن آلی خاک در ساحل شرقی دریاچه ارومیه استفاده شد. بدین منظور با استفاده از روش نمونهبرداری تصادفی مرتب شده در منطقهای به وسعت 500 کیلومترمربع تعداد 131 نمونه خاک سطحی (عمق 10-0 سانتیمتری) و از دوسایت جداگانه برداشت شد. متغیرهای کمکی مورداستفاده در این تحقیق شامل شش باند مستقل برگرفته از تصویر OLI ماهواره لندست 8 (باندهای 2 تا 7)، تجزیه به مؤلفههای اصلی (PCA) باندها و همچنین تعداد 14 شاخص ترکیبی مربوط به تیرماه سال 1396میباشد. نتایج پیشبینی مدل در مرحله آزمون (25 درصد دادهها) نشان داد که مدل جنگل تصادفی با مقادیر (89/0 R2 =، 16/0RMSE = و 01/0ME =) صحت و کارایی بالاتری نسبت به مدل کیوبیست (85/0 R2 =، 21/0RMSE = و 03/0ME =) دارد. همچنین نتایج رتبهبندی اهمیت متغیرهای کمکی برای پیشبینی کربن آلی خاک نشان داد که پارامترهای شاخص مرئی مقاومت اتمسفریک (VARI)، شاخص گیاهی نرمال شده (NDVI)، شاخص سنگی شده آهک دو (CRI2) و شاخص سنگی شده آهک یک (CRI1) دارای بیشترین تأثیر و شاخص گچ (GI) و برخی باندهای مستقل از جمله باند 5 (B5) و باند 3 (B3) اهمیت کمتری نسبت به سایر شاخصها دارند. بهطور کلی نتایج نشان داد که مدل جنگل تصادفی در مقایسه با مدل کیوبیست به نحو مطلوبی قادر به مدلسازی و پیشبینی پراکنش مکانی کربن آلی خاک در منطقه مورد مطالعه بوده است.
