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.