روح اله تقی زاده مهرجردی
چکیده
مقیاس مکانی مورد نیاز اطلاعات منابع طبیعی با آن مقیاسی که در دسترس میباشد، بسیار متفاوت است. یک روش برای تطابق مقیاسها، استفاده از مفهوم مقیاسسازی است. در این مطالعه با استفاده از روشی جدید یزرگمقیاسسازی نقشه رقومی کربن آلی خاک از قدرت تفکیک مکانی 150 متر به 30 متر در منطقهای به وسعت 3000 هکتار واقع در استان کردستان انجام ...
بیشتر
مقیاس مکانی مورد نیاز اطلاعات منابع طبیعی با آن مقیاسی که در دسترس میباشد، بسیار متفاوت است. یک روش برای تطابق مقیاسها، استفاده از مفهوم مقیاسسازی است. در این مطالعه با استفاده از روشی جدید یزرگمقیاسسازی نقشه رقومی کربن آلی خاک از قدرت تفکیک مکانی 150 متر به 30 متر در منطقهای به وسعت 3000 هکتار واقع در استان کردستان انجام شد. در ابتدا، نقشه رقومی کربن آلی خاک با قدرت تفکیک مکانی 30 متر با استفاده از دادههای نمونهبرداری شده از سطح خاک، دادههای کمکی (استخراج شده از مدل رقومی ارتفاع و تصاویر ماهواره لندست) و مدل درختی بهدست آمد؛ سپس، با استفاده از روش کوچکمقیاس سازی سادهای به نام میانگیری بلوکی نقشه کربن آلی خاک با قدرت تفکیک مکانی 150 متر تهیه گردید. در مرحله بعد، با استفاده از الگوریتم بزرگمقیاسازی، نقشه کربن آلی خاک از قدرت تفکیک مکانی 150 متر به 30 متر تبدیل گردید. با فرض اینکه ارتباط دادههای کمکی و کربن آلی خاک میتواند یک رابطه غیر خطی باشد، در این مطالعه از روش رگرسیون تعمیم داده شده و شبکه عصبی مصنوعی استفاده گردید. برای ارزیابی الگوریتم بزرگمقیاسسازی از ضریب تبیین بین نقشه حاصل از مدل درختی و نقشه بزرگمقیاسسازی بهره گرفته شد. نتایج مدلسازی در مرحله اول نشان داد که بعضی از متغیرهای کمکی مانند شاخص گیاهی نرمال شده، شاخص خیسی، شاخص همواری دره با درجه تفکیک بالا و انحنای طولی شیب بیشترین تاثیر را بر پیشبینی کربن آلی خاک دارند. نتایج پیشبینی رگرسیون درختی در مرحله آزمون نیز نشان داد که مدل به خوبی توانسته کربن آلی خاک با دقت مکانی 30 متر را مدلسازی کند (ریشه مربعات خطا برابر با 15/0 و ضریب تبیین 78/. میباشد). نتایج بزرگمقیاسسازی نیز نشان داد که روش مورد استفاده جهت بزرگمقیاسسازی (شبکه عصبی مصنوعی و رگرسیون تعمیم داده شده) به خوبی با ضریب تبیین 81/0 و 70/0 توانستهاند تغییرات مکانی کربن آلی خاک را در مقیاس بزرگتر مدلسازی کنند.