زیبا مقصودی؛ حمید رضا متین فر؛ سید روح اله موسوی
چکیده
مقیاس متغیرهای محیطی یکی از مهمترین ویژگیهایی است که هنگام انتخاب داده برای نقشه برداری رقومی خاک باید در نظر گرفته شود. با توجه یه پیچیدگی های عوامل موثر بر تشکیل خاکها، استفاده از مقیاس مناسب به دلیل نقش مهمی که در انتخاب ویژگی و تعمیم اطلاعات دارد، بسیار حائز اهمیت میباشد. هدف از این مطالعه انتخاب مقیاس بهینه برای پیشبینی شش ...
بیشتر
مقیاس متغیرهای محیطی یکی از مهمترین ویژگیهایی است که هنگام انتخاب داده برای نقشه برداری رقومی خاک باید در نظر گرفته شود. با توجه یه پیچیدگی های عوامل موثر بر تشکیل خاکها، استفاده از مقیاس مناسب به دلیل نقش مهمی که در انتخاب ویژگی و تعمیم اطلاعات دارد، بسیار حائز اهمیت میباشد. هدف از این مطالعه انتخاب مقیاس بهینه برای پیشبینی شش ویژگی خاک شامل کربنآلی (SOC)، کربنات کلسیم معادل (CCE)، pH، شن، سیلت و رس در دشت سیلاخور استان لرستان است. برای این منظور تعداد 100 نمونه خاک سطحی ( 30-0 سانتیمتری) بر اساس الگوی نمونهبرداری تصادفی برداشت گردید. متغیرهای محیطی توپوگرافی و سنجش از دور از مدل رقومی ارتفاع (DEM) و ماهواره لندست 8 استخراج شدند. سپس متغیرهای محیطی بهینه توسط روش حذف ویژگی برگشتی در منطقه انتخاب گردید. مدلسازی ویژگیهای خاک توسط مدلهای یادگیری ماشین جنگل تصادفی (RF)، رگرسیون بردار پشتیبان (SVR)، کوبیست (CB) و مدلسازی ترکیبی اجرا شدند. نتایج مدلسازی نشان داد، مدل RF برای پیشبینی CCE، pH، Sand و Silt با R2 به ترتیب برابر با 64/0، 65/0، 59/0 و 7/0 بهترین عملکرد را داشت. همچنین مدل SVR با 62/0R2= برای پیشبینی SOC و مدل CB با 66/0R2= برای پیشبینی Clay بیشترین دقت را نشان دادند. مناسبترین اندازه سلول برای CCE، pH، Sand و Silt 30 *30 متر، برای SOC 60 *60 متر و برای Clay 90 *90 متر شناخته شد. به طور کلی نتایج نشان داد که در مناطقه مطالعاتی استفاده از مقیاسهای میانی (اندازه سلول 30 *30 متر تا 90 *90 متر) منجر به پیشبینی ویژگیهای خاک با دقت بالاتر شد.
