پیدایش و طبقه بندی خاکها
فریده عباس زاده افشار؛ شمس اله ایوبی؛ اعظم جعفری
چکیده
نقشه توزیع مکانی کلاسهای خاک برای استفاده مناسب از خاک و تصمیمگیریهای مدیریتی مهم است. نقشهبرداری رقومی خاک میتواند توزیع مکانی از کلاسهای خاک را به صورت کمّی پیشبینی کند. ماشین یادگیری اصطلاح کلی برای مجموعه گستردهای از مدلها برای کشف الگوهای موجود در دادهها و پیشبینی متغیرهای مورد مطالعه است. این ...
بیشتر
نقشه توزیع مکانی کلاسهای خاک برای استفاده مناسب از خاک و تصمیمگیریهای مدیریتی مهم است. نقشهبرداری رقومی خاک میتواند توزیع مکانی از کلاسهای خاک را به صورت کمّی پیشبینی کند. ماشین یادگیری اصطلاح کلی برای مجموعه گستردهای از مدلها برای کشف الگوهای موجود در دادهها و پیشبینی متغیرهای مورد مطالعه است. این مطالعه با هدف مقایسه سه مدل رگرسیون لجستیک چندجملهای، رگرسیون درختی توسعهیافته و درخت تصمیم و کارایی آنها در پیشبینی گروه بزرگهای خاک در منطقه بم استان کرمان طراحی گردید. یک طرح نمونهبرداری طبقهبندی شده تصادفی در منطقهای به مساحت صد هزار هکتار تعریف شد و در نهایت، ۱۲6 خاکرخ حفر و بر اساس سیستم طبقهبندی آمریکایی تشریح و طبقهبندی گردید. نتایج حاصل از مدلسازی نشان داد که نقشه سطوح ژئومرفولوژی، یک ابزار مهم در روشهای نقشهبرداری رقومی خاک است که به افزایش دقت پیشبینی کمک میکند. پس از سطوح ژئومرفیک، اجزای سرزمین و شاخصهای سنجش از دور بهعنوان پارامترهای کمکی مؤثر شناخته شدند. نتایج مقایسه دقت ارزیابی مدلها نشان داد که بهترین پیشبینی مربوط به مدل درخت تصمیم است. این نتایج نشان میدهد که ساختار درختی ایجادشده بین متغیر هدف و متغیرهای انتخابشده در مدل باعث افزایش دقت این مدل نسبت به مدلهای رگرسیونی شده است. نتایج کلی نشان داد که نقشهبرداری رقومی خاک، میتواند به عنوان یک روش ارزیابی منابع خاک استفاده شود. علاوه بر این، قابلیت اطمینان نقشههای برآوردشده میتواند شروع یک بحث جدید بین متخصصان منابع زمین و خاکشناسان باشد. این اطلاعات همچنین میتواند برای تکمیل مجموعه دادههای موجود در کشور نیز استفاده شوند.
پیدایش و طبقه بندی خاکها
روح الله تقی زاده؛ فریدون سرمدیان؛ محمود امید؛ نورایر تومانیان؛ محمدجواد روستا؛ محمد حسن رحیمیان
دوره 37، شماره 2 ، اسفند 1393، ، صفحه 101-115
چکیده
در طی سالهای گذشته پیشرفتهای گستردهای در زمینه علم نقشهبرداری رقومی خاک شده است؛ بهطوریکه منجر به تولید نقشههای رقومی خاک در سطح ملی و قارهای گردیده است؛ اما به رغم مطالعات بسیار زیادی که در سطح دنیا انجام گرفته است و یا در حال انجام شدن میباشد، تعداد اندکی از خاکشناسان ایرانی به علم نقشهبرداری رقومی ...
بیشتر
در طی سالهای گذشته پیشرفتهای گستردهای در زمینه علم نقشهبرداری رقومی خاک شده است؛ بهطوریکه منجر به تولید نقشههای رقومی خاک در سطح ملی و قارهای گردیده است؛ اما به رغم مطالعات بسیار زیادی که در سطح دنیا انجام گرفته است و یا در حال انجام شدن میباشد، تعداد اندکی از خاکشناسان ایرانی به علم نقشهبرداری رقومی خاک علاقه نشان دادهاند؛ لذا در تحقیق حاضر، سعی شده تا از انواع روشهای دادهکاوی برای پیشبینی مکانی گروههای بزرگ خاک در اراضی به وسعت 72000 هکتار در منطقهی اردکان بهره گرفته شود. در این منطقه بر اساس روش مربع لاتین مکان جغرافیایی 187 پروفیل خاک مشخص شده و سپس تشریح، نمونهبرداری و بر اساس سیستم آمریکایی به شش گروه بزرگ و هشت زیرگروه طبقهبندی شدند. متغیرهای محیطی یا نمایندگان فاکتورهای خاکسازی که در این پژوهش استفاده شدند، شامل ویژگی های توپوگرافی دادههای تصویر ETM+ ماهواره لندست 2002 و نقشههای پلیگونی از جمله سطوح ژئومورفولوژی، زمینشناسی و کاربری اراضی است. نتایج نشان داد که مدل درخت تصمیم نسبت به سایر مدلها دارای برتری نسبی میباشد؛ بهطوریکه توانسته است دقت پیشبینی گروههای بزرگ خاک را نسبت به روش آنالیز تشخیصی (ضعیفترین مدل) 44% افزایش دهد. در کل نتایج تحقیق، دقت مدلهای درخت تصمیم، شبکه عصبی مصنوعی، ترکیب شبکه عصبی مصنوعی - الگوریتم ژنتیک، رگرسیون لاجیستیک چندجملهای و آنالیز تشخیصی را جهت پیشبینی گروههای بزرگ خاک با دقت کلی 70%، 65%، 65%، 55% و 47%، به ترتیب، تایید کرد. همچنین درخت تصمیم، کلاسهای زیرگروه خاک را با دقت 2/84% پیشبینی نموده است.