پیدایش و طبقه بندی خاکها
منصوره خالقی؛ اعظم جعفری؛ محمد هادی فرپور
چکیده
شناسایی رقومی خاک، برای استفاده مفید و مؤثر از خاک و تصمیمگیریهای مدیریتی مهم است. این پژوهش با هدف تهیه نقشه رقومی گروه بزرگ خاک با روش رگرسیون لاجیستیک چند جملهای با استفاده از دو مجموعه از متغیرهای کمکی، شامل: مجموعه (1) متغیرهای مشتق شده از مدل رقومی ارتفاع، شاخصهای سنجش از دور، سطوح ژئومورفیک تفکیک شده و نقشه زمینشناسی ...
بیشتر
شناسایی رقومی خاک، برای استفاده مفید و مؤثر از خاک و تصمیمگیریهای مدیریتی مهم است. این پژوهش با هدف تهیه نقشه رقومی گروه بزرگ خاک با روش رگرسیون لاجیستیک چند جملهای با استفاده از دو مجموعه از متغیرهای کمکی، شامل: مجموعه (1) متغیرهای مشتق شده از مدل رقومی ارتفاع، شاخصهای سنجش از دور، سطوح ژئومورفیک تفکیک شده و نقشه زمینشناسی منطقهی مورد پژوهش، و مجموعه (۲) متغیرهای مشتق شده از مدل رقومی ارتفاع، شاخصهای سنجش از دور، سطوح ژئومورفیک تفکیک شده، نقشه زمینشناسی و واحدهای خاک شناسایی شده (نقشه قدیمی خاک)، در بخشی از اراضی منطقهی فاریاب کرمان، طراحی شد. بهمنظور دستیابی به این هدف، نقشه ژئومورفولوژی بر مبنای توپوگرافی، مواد مادری و تفسیر تصاویر ماهوارهای تهیه شد. از طرح نمونهبرداری لاتین هایپرکیوب در منطقه مورد پژوهش به مساحت 14 هزار هکتار، برای تعیین نقاط نمونهبرداری استفاده شد و 70 خاکرخ حفر و تشریح شد. نتایج این پژوهش نشان داد شاخص موقعیت توپوگرافی، بیشترین تاثیر را در پیشبینی گروههای بزرگ خاک دارد. نتایج ارزیابی دقت مدل رگرسیون لاجیستیک چند جملهای، نشان داد که با بهکارگیری نقشه قدیمی خاک در مدلسازی، شاخصهای اعتبارسنجی مدل، از جمله خلوصنقشه و شاخص کاپا به ترتیب از 47/0 و 16/0 به 63/0 و 43/0 افزایش یافتند. به‌طور کلی نتایج نشان داد که دقت روش نقشهبرداری رقومی با بکارگیری نقشه قدیمی خاک، میتواند ارتقاء پیدا کند و کاربرد نقشههای تولید شده را افزایش دهد؛ همچنین قابلیت استفاده از این نقشهها را برای شاخههای علمی مختلف امکانپذیر کند.
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.
