ساهره صفرلکی؛ آزاده صفادوست؛ محمود روستمی نیا؛ سیده بهاره عظیمی
چکیده
اطلاعات مکانی دقیق درباره توزیع ویژگیهای خاک برای نظارت بر منابع اراضی، مدیریت آگاهانه و مدلسازیهای محیطی، بهویژه در مناطق خشک و نیمه خشک، حیاتی است. این مطالعه بهمنظور توسعه یک مدل پیشبینی مکانی برای شوری خاک در دشت میمه، شهرستان دهلران، با استفاده از الگوریتم یادگیری ماشین جنگل تصادفی (RF) جهت بررسی تغییرات مکانی شوری ...
بیشتر
اطلاعات مکانی دقیق درباره توزیع ویژگیهای خاک برای نظارت بر منابع اراضی، مدیریت آگاهانه و مدلسازیهای محیطی، بهویژه در مناطق خشک و نیمه خشک، حیاتی است. این مطالعه بهمنظور توسعه یک مدل پیشبینی مکانی برای شوری خاک در دشت میمه، شهرستان دهلران، با استفاده از الگوریتم یادگیری ماشین جنگل تصادفی (RF) جهت بررسی تغییرات مکانی شوری خاک در لایه سطحی و زیرسطحی انجام شده است. نمونههای خاک از ۱۰۰ نقطه جمعآوری، قابلیت هدایت الکتریکی (EC) آنها اندازهگیری و تغییرات مکانی شوری خاک با استفاده از مدل RF مدلسازی شد. هفت متغیر محیطی شامل شاخص سبزینگی، شدت تابش پخشیده، شاخص همواری کف دره، شاخص تفاضلی پوشش گیاهی نرمال شده، شاخص شوری، شاخص اثر باد و درخشندگی بر اساس روش جنگل تصادفی از مدل رقومی ارتفاع و دادههای ماهوارهی سنتتیل 2 بودند. این مدل با استفاده از ۸۰ درصد از دادهها برای آموزش و ۲۰ درصد برای اعتبارسنجی طراحی شد و کارایی آن از طریق آمارههای ریشه دوم میانگین مربعات خطا RMSE))، ضریب تعیین (R²) و ضریب همبستگی تطابق CCC)) ارزیابی گردید. مدل RF دقت پیشبینی بالایی برای EC در خاک سطحی و نسبتاً قابل قبولی برای لایه زیرسطحی نشان داد؛ بهگونهای که به ترتیب مقادیر R² برابر با 80/0 و 37/0 و مقادیر CCC برابر 92/0 و 97/0 برای لایه سطحی زیرسطحی بدست آمد. بهطور کلی مشتقات توپوگرافی هم در خاک سطحی و هم زیرسطحی نسبت به دادههای سنجش از دور نقش بیشتری در پیشبینی شوری خاک نشان دادند؛ و از طرفی شاخص همواری کف دره با درجه وضوح بالا بهعنوان مهمترین پیشبینی کننده شوری خاک شناسایی شد که نشان از تأثیر بالای متغیرهای وابسته به فاکتورهای توپوگرافی در تغییرپذیری وضعیت شوری در خاکهای منطقه مطالعاتی دارد. نتایج این مطالعه میتواند در مدیریت پایدار اراضی شور، کشاورزی دقیق، برنامهریزی منابع آب و پایش تغییرات شوری خاک مورد استفاده قرار گیرد.
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.
