TY - JOUR ID - 40633 TI - مدل‌سازی تغییرات عمقی کربنات کلسیم معادل خاک با استفاده از الگوریتم‌های یادگیری ماشین در دشت قزوین JO - آب و خاک JA - JSW LA - fa SN - 2008-4757 AU - موسوی, سید روح اله AU - سرمدیان, فریدون AU - امید, محمود AU - بوگارت, پاتریک AD - دانشجوی دکتری گروه مهندسی علوم خاک، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران. AD - استاد گروه مهندسی علوم خاک، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران AD - استاد گروه مهندسی ماشین‌های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران. AD - استاد دانشکده محیط زیست و علوم زمین، دانشگاه کاتولیک لوون، لوون، بلژیک. Y1 - 2021 PY - 2021 VL - 35 IS - 5 SP - 719 EP - 734 KW - اعماق استاندارد KW - تابع اسپیلاین KW - فاکتورهای خاکساری KW - نقشه‌برداری رقومی خاک DO - 10.22067/jsw.2021.71748.1076 N2 - کربنات کلسیم معادل یکی از ویژگی­های کلیدی خاک­های مناطق خشک و نیمه‌خشک است که بررسی تغییرات سطحی و عمقی آن از اهمیت ویژه­ای در بهره­برداری پایدار از خاک­های زراعی برخوردار است. هدف از این تحقیق مدل‌سازی مکانی کربنات کلسیم معادل (CCE) در پنج عمق استاندارد 100-60، 60-30، 30-15، 15-5 و 5-0 سانتی­متر متناظر با پروژه جهانی نقشه خاک با استفاده از سه الگوریتم یادگیری ماشین جنگل تصادفی (RF)، رگرسیون درخت تصمیم (DTr) و k-نزدیک‌ترین همسایگی (k-NN) بود. مطالعات میدانی و آزمایشگاهی شامل حفر 278 خاکرخ، نمونه­برداری و انجام تجزیه­های فیزیکوشیمیایی موردنظر بود. متغیرهای کمکی شامل مشتقات مدل رقومی ارتفاع، شاخص­های سنجش‌ازدور، داده­های اقلیمی و خاک بودند که انتخاب دسته مناسب‌ آن‌ها با استفاده از روش تجزیه مؤلفه‌های اصلی (PCA) و نظر کارشناس انجام گردید. همسان­سازی مقادیر CCE در اعماق استاندارد به‌وسیله تابع عمق اسپیلاین اجرا گردید. بر اساس روش PCA در مؤلفه‌های اول تا پنجم با توجیه بیش از 80% واریانس تجمعی، متغیرهای کمکی شاخص همواری دره با وضوح مکانی بالا (MrVBF)، میانگین دمای سالانه (MAT)، شاخص سبزینگی (Greenness)، احتمال افق کلسیک (Cal.hr) و شاخص اثر باد (Wind Effect) و براساس نظر کارشناس، درصد رس (Clay) انتخاب گردیدند. الگوریتم RF در مقایسه با دو الگوریتم دیگر (DTr،k-NN) با دامنه مقادیر R2 برابر 0/83 – 0/76 و RMSE برابر 2/14- 3/21 درصد بالاترین میزان دقت و حداقل خطا را ارائه نمود. در سه عمق سطحی تغییرات مکانی CCE متأثر از متغیر Clay بود، در حالی‌که در اعماق زیرین Cal.hr مهم‌ترین فاکتور پیش­بینی کننده آن بود. به‌طورکلی استفاده از رویکردهای نوین نقشه­برداری در تهیه نقشه CCE به دلیل تأثیر این ویژگی بر روی قابلیت دسترسی رطوبت خاک و جذب عناصر غذایی توسط گیاهان بسیار کاربردی است. UR - https://jsw.um.ac.ir/article_40633.html L1 - https://jsw.um.ac.ir/article_40633_015fe55b2260dd0bbd4558ac0800e799.pdf ER -