نوع مقاله : مقالات پژوهشی
نویسندگان
1 شهیدباهنر کرمان
2 دانشگاه صنعتی اصفهان
چکیده
Abstract
Soil digital survey as tool for soil spatial information provides pathways for producing of high resolution soil maps. Therefore, it should be developed strategic methods for making high resolution soil spatial information. Subsequently, this study was designed for prediction of soil classes by regression models in Zarand region of Kerman. Regression models includes of multinomial logistic regression and multiclass boosted regression tree were used for prediction of soil great groups by relating those with predictors such as remote sensing indices, terrain attributes and geomorphology map. A confusion matrix was used to calculate aspects of map accuracy. The geomorphology map at the fourth level (geomorphic surface) was a powerful predictor unlike the other levels (landscape, landform and lithology). Terrain attributes and finally remote sensing indices after geomorphic surface were imported as predictors in the prediction. The map purity over all soil great groups was above 0.60 in both calibration and validation locations. Poorer performance was observed for Calcigypsids and Haplocambids. Both methods provided good predictions for Haplosalids that shown by high values for users’ accuracy and producers’ reliability The results showed soils with better reliability are those highly influenced by topographic and geomorphic characteristics at least in this study area (e.g. Haplosalids, Haplogypsids and Torripsamments) and soils with very low reliability and accuracy of prediction are hardly influenced by the topographic and geomorphic characteristics (e.g. Haplocambids and Calcigypsids).
Keywords: Digital soil mapping, Multinomial logistic regression, Boosted regression tree
عنوان مقاله [English]
Application of Regression Models for Prediction of Soil Classes in Some Regions of Central Iran (Zarand district, Kerman Province)
نویسندگان [English]
- A. Jafari 1
- Sh. Ayoubi 2
- H. Khademi 2
1 Kerman
2 Department of Soil Science, College of Agriculture, Isfahan University of Technology,
چکیده [English]
چکیده
شناسایی رقومی خاک ها بهعنوان ابزاری برای ایجاد اطلاعات مکانی خاک، راه حل هایی برای نیاز رو به افزایش نقشه های خاک با تفکیک مکانی بالا را تأمین می کند. بنابراین، باید روش های جدید بهمنظور بهدست آوردن اطلاعات مکانی خاک با تفکیک مکانی بالا توسعه پیدا کند. به همین منظور مطالعه ای جهت پیش بینی کلاس های خاک با استفاده از مدل های رگرسیونی در منطقه زرند کرمان طراحی گردید. در این مطالعه، مدل های رگرسیونی شامل رگرسیون لاجیستیک چندجمله ای و رگرسیون درختی توسعه یافته چندکلاسه برای پیش بینی گروه بزرگ خاک به کمک داده های سنجش از دور، پارامترهای سرزمین و نقشه ژئومرفولوژی استفاده گردید. کیفیت پیش بینی مدل ها با شاخص های حاصل از آرایه خطا بررسی گردید. نتایج نشان داد در پیش بینی همه گروه های بزرگ خاک، سطوح ژئومرفیک بهعنوان یک پیش بینی کننده مؤثر محسوب می شود. بعد از سطوح ژئومرفیک، پارامترهای سرزمین و شاخص های سنجش از دور در پیش بینی وارد شدند. در هر دو مدل خلوص نقشه برای همه گروه های بزرگ خاک در موقعیت های اعتبارسنجی و واسنجی بیشتر از 6/0 بود. نتایج نشان داد عملکرد پیش بینی برای گروه های بزرگ هاپلوجیپسید و هاپلوسالید بهتر از گروه های بزرگ کلسی جیپسید و هاپلوکمبید بود. در بین گروه های بزرگ خاک، مقادیر بالای دقت کاربر و قابلیت اطمینان تولیدکننده برای گروه بزرگ هاپلوسالید بهدست آمد. خاک های با قابلیت اطمینان بهتر خاک هایی هستند که به شدت تحت تأثیر مشخصات توپوگرافی و ژئومرفولوژی قرار گرفتند (گروه های بزرگ هاپلوسالید، تری سامنت و هاپلوجیپسید) و خاک های با قابلیت اطمینان و دقت پیش بینی کمتر خاک هایی هستند که به سختی تحت تأثیر مشخصات توپوگرافی و ژئومرفولوژی (گروه های بزرگ هاپلوکمبید و کلسی جیپسید) قرار گرفتند.
واژه های کلیدی: نقشه برداری رقومی خاک، رگرسیون لاجیستیک چندجمله ای، رگرسیون درختی توسعه یافته
)
ارسال نظر در مورد این مقاله