نوع مقاله : مقاله پژوهشی

نویسندگان

• اصغر رحمانی ¹
• فریدون سرمدیان ²
• سیدروح اله موسوی ³
• سیدعرفان خاموشی ³

¹ دانشجوی دکتری گروه علوم و مهندسی خاک، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران،کرج، ایران.

² استاد گروه علوم و مهندسی خاک، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران.

³ دانشجوی دکتری گروه علوم و مهندسی خاک، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران.

چکیده

روش­های ­معمول نقشه­برداری خاک وابسته به نمونه­برداری متراکم، متأثر از مقیاس و دانش کارشناس می­باشد، بنابراین استفاده از رویکردهای جدید داده­کاوی در تهیۀ نقشۀ رقومی ویژگی­های خاک برای مرتفع نمودن مشکلات روش معمول هدف اصلی این تحقیق است. در این پژوهش 62 نمونه خاک از عمق 0-20 سانتی­متر براساس روش شبکۀ منظم (300 متر) و نظر کارشناس انتخاب و ویژگی­های درصد کربن آلی، رس و کربنات کلسیم در بخشی از اراضی دیم منطقۀ کوهین با مساحت 370 هکتار اندازه­گیری گردیدند. دو دسته داده­ 80 و 20 درصد به­ترتیب برای واسنجی و اعتبارسنجی مدل­ها انتخاب گردیدند. با استفاده از نرم افزار
SAGA GIS و مدل رقومی ارتفاع با قدرت تفکیک مکانی10متر­، 19 متغیر ژئومورفومتری استخراج و براساس آنالیز تجزیۀ مؤلفه­های اصلی (PCA) سه متغیر ارتفاع، شاخص موقعیت توپوگرافی و شاخص شدت پستی و بلندی و همچنین براساس نظر کارشناس، نقشۀ واحدهای لندفرم برای مدل­سازی ویژگی­ها انتخاب گردیدند. مدل­ جنگل تصادفی دارای دقت بالاتری بود به­نحوی­که نتایج آن برای ویژگی­های درصد کربن آلی، رس و کربنات کلسیم بر اساس آماره­های ضریب تبیین (R²) به ترتیب مقادیر 63/0، 75/0 و 63/0 و ریشۀ میانگین مربعات خطا (RMSE) مقادیر 17/0، 5/7، 77/5 درصد و برای رویکرد SoLIM مقادیر ضریب تبیین (R²) 47/0، 42/0و42/0 و مقادیر ریشۀ میانگین مربعات خطای 2/0، 08/8 و 68/4 درصد حاصل گردید. رویکرد جنگل تصادفی با شناخت ارتباط غیرخطی و بهینۀ ویژگی­های خاک و متغیر­های محیطی مؤثر می­تواند نقشه­های رقومی را با دقت مناسب برای مدیریت و بهره­برداری پایدار از اراضی پیش­بینی نماید.

کلیدواژه‌ها

• جنگل تصادفی
• داده کاوی
• مدل استنباطی خاک-زمین نما
• نقشه‌برداری رقومی خاک

عنوان مقاله [English]

Application of Geomorphometric attributes in digital soil mapping by using of machine learning and fuzzy logic approaches

نویسندگان [English]

• Asghar Rahmani ¹
• Fereydoon Sarmadian ²
• Sayed Roholla Mousavi ³
• Seyyed Erfan Khamoshi ³

¹ Soil science department,Faculty of agriculture,university of tehran,karaj,Iran.

² Soil Science Department, faculty of agriculture, University of Tehran

³ Soil Science Department, faculty of agriculture, University of Tehran

چکیده [English]

Conventional soil mapping is related to High density sampling, affected by scale and expert knowledge So using of new data mining methods in digital soil properties mapping was the main aim of this study for resolving conventional soil survey problems. In this research, 62 surface soil samples based on regular grid and expert knowledge opinion were selected after that soil organic carbon(SOC), clay content and CaCO3 were determined in some part of Dryland Kuhin region with area of 372 ha. Data sets were divided to two 80%(calibration) and 20%(validation), respectively. From digital elevation model with 10-meter spatial resolution were derived 19 geomorphometric attribute in SAGA GIS software. Three geomorphometric covariate included TPI, TRI, DEM and landform map unit were chosen PCA and expert knowledge. RStudio and SoLIM Solution software were used for random forest (RF) and fuzzy logic modelling, respectively. The RF modelling results show that for SOC, clay and CaCO3 based on determination coefficient (R2) had 0.63,0.75,0.63 and RMSE 0.17,7.5,5.77 percentage and for SoLIM method revealed that R2 0.47,0.42,0.42 and RMSE 0.2,8.08,4.68 percentage, respectively. Generally, the RF model with creating nonlinear relationship among soil properties and environmental covariate can predicted digital map with appropriate precision for management and sustainable land utilization

کلیدواژه‌ها [English]

• Digital soil mapping
• Data mining
• Random Forest
• Soil Landscape Inference Model