پیدایش و طبقه بندی خاکها
فاطمه رحمتی؛ سعید حجتی؛ کاظم رنگزن؛ احمد لندی
چکیده
آگاهی از توزیع مکانی کربن آلی خاک گامی موثر در دستیابی به استفاده پایدار از اراضی و تعیین استرازی‌های مدیریتی مربوط به آن است. از این رو، این مطالعه با هدف مدلسازی و نقشهبرداری رقومی کربن آلی خاک سطحی (10-0 سانتی‌متری) شهرستان سمیرم با استفاده از روشهای رگرسیون جنگل تصادفی و رگرسیون خطی چند متغیره انجام شد. به این منظور200 نمونه ...
بیشتر
آگاهی از توزیع مکانی کربن آلی خاک گامی موثر در دستیابی به استفاده پایدار از اراضی و تعیین استرازی‌های مدیریتی مربوط به آن است. از این رو، این مطالعه با هدف مدلسازی و نقشهبرداری رقومی کربن آلی خاک سطحی (10-0 سانتی‌متری) شهرستان سمیرم با استفاده از روشهای رگرسیون جنگل تصادفی و رگرسیون خطی چند متغیره انجام شد. به این منظور200 نمونه خاک سطحی به صورت منظم و با فواصل نمونهبرداری 5 کیلومتر × 5 کیلومتر از سطح منطقه برداشت گردید و سپس کربن آلی نمونه ها با استفاده از روش واکلی- بلک اندازه‌گیری شد. در پایان، نقشه رقومی کربن آلی در خاک سطحی منطقه با روشهای مزبور و به کمک متغیرهای کمکی استخراج شده از مدل رقومی ارتفاع و تصاویر ماهوارۀ لندست 8 در محیط نرمافزار RStudio تهیه شد. یافته-های این مطالعه حاکی از آن است که الگوریتم جنگل تصادفی برای برآورد میزان کربن آلی خاک به ترتیب با مقادیر RMSE و R2 معادل 12/0 و 79/0 نسبت به روش رگرسیون خطی چندمتغیره با RMSE و R2 معادل 192/0 و 57/0پیش‌بینی‌های بهتری ارائه داده است. نتایج نشان داد که مهم‌ترین متغیرهای محیطی مؤثر بر توزیع کربن آلی خاک در منطقه مطالعاتی در مدلهای مورد استفاده یکسان نیستند. به‌گونه‌ای که در مدل جنگل تصادفی شاخصهای مستخرج از پوشش گیاهی و در رگرسیون خطی چندمتغیره شاخصهای توپوگرافی نقش بیشتری در توزیع کربن آلی داشته است. بررسی نقشه نهایی پراکنش کربن آلی خاک در منطقه مطالعاتی نشان داد که تخمین‌های انجام شده با روش جنگل تصادفی اگرچه در مقایسه با روش رگرسیون خطی چندمتغیره تخمین‌های بهتری را ارائه داده اما در تخمین مقادیر کمینه و بیشینه مقادیر کربن آلی سطحی خاکها موفق نبوده است.
پیدایش و طبقه بندی خاکها
اعظم جعفری؛ فریدون سرمدیان؛ احمد حیدری؛ زهرا رسائی
چکیده
دادههای خاک مانند هر داده مکانی ممکن است دارای خودهمبستگی مکانی باشند. اگر این وابستگی مکانی در باقیمانده‌های یک مدل آماری مشاهده شود، یکی از فرضیه‌های کلیدی آنالیز آماری که شامل استقلال و توزیع یکنواخت باقیمانده‌ها است، نقض می‌شود. معمولا الگوریتم‌های یادگیری ماشین، خودهمبستگی مکانی در داده-های خاک را درنظر نمی‌گیرند. مطالعه ...
بیشتر
دادههای خاک مانند هر داده مکانی ممکن است دارای خودهمبستگی مکانی باشند. اگر این وابستگی مکانی در باقیمانده‌های یک مدل آماری مشاهده شود، یکی از فرضیه‌های کلیدی آنالیز آماری که شامل استقلال و توزیع یکنواخت باقیمانده‌ها است، نقض می‌شود. معمولا الگوریتم‌های یادگیری ماشین، خودهمبستگی مکانی در داده-های خاک را درنظر نمی‌گیرند. مطالعه حاضر سعی دارد خودهمبستگی مکانی را به عنوان یک متغیر مستقل در مدلسازی تخمین شوری خاک لحاظ کند و نتایج تخمین را بررسی کند. بدین منظور، شوری خاک سطحی در 297 نقطه در منطقه آبیک قزوین اندازه‌گیری شد و متغیرهای محیطی مهم انتخاب شدند. سپس یک مدل غیرمکانی حداقل مربعات معمولی و یک مدل رگرسیون مکانی بر دادههای شوری خاک برازش داده شد. از دو شاخص موران و جری برای تشخیص خودهمبستگی مکانی استفاده گردید. نقشه توزیع مکانی شوری خاک در منطقه آبیک قزوین نشان می‌دهد در بخش‌های شمالی، شمال شرق و شمال غرب به سمت مرکز منطقه مورد مطالعه میزان شوری خاک کم بوده و بیشترین مقدار و محدودیت شوری در مناطق جنوب و جنوب شرقی دیده می‌شود. مقدار شاخص موران 57/0 و مقدار شاخص جری 4/0 به دست آمد که براساس هر دو شاخص، ویژگی شوری خاک در منطقه مورد نظر دارای خودهمبستگی مکانی است. با وارد کردن خودهمبستگی مکانی در مدل رگرسیون مکانی در مقایسه با مدل غیرمکانی نتایج پیشبینی بهبود یافت. با لحاظ کردن خودهمبستگی مکانی، مقدار R2 افزایش، درحالیکه مقادیر AIC، خودهمبستگی مکانی باقیمانده‌ها و RMSE کاهش یافت. به نظر می‌رسد ادغام خودهمبستگی مکانی در مدلسازی خصوصیات خاک امری ضروری است و باید در نظر گرفته شود.
پیدایش و طبقه بندی خاکها
مژده تقی پور؛ نفیسه یغمائیان مهابادی؛ محمود شعبانپور
چکیده
در این مطالعه شاخصهای کیفیت خاک با استفاده از تحلیل‌های‌چند متغیره در سه کاربری مختلف در منطقه توتکابن استان گیلان مورد ارزیابی قرار گرفت. 60 نمونه خاک مرکب از دو عمق صفر تا 15 و 15 تا 30 سانتی‌متری از سه کاربری جنگل، زراعی و مرتع برداشت شد. با استفاده از روش تجزیه به مؤلفه‌های اصلی(PCA) ، از میان 12 ویژگی موثر بر کیفیت خاک، چهار ویژگی شامل ...
بیشتر
در این مطالعه شاخصهای کیفیت خاک با استفاده از تحلیل‌های‌چند متغیره در سه کاربری مختلف در منطقه توتکابن استان گیلان مورد ارزیابی قرار گرفت. 60 نمونه خاک مرکب از دو عمق صفر تا 15 و 15 تا 30 سانتی‌متری از سه کاربری جنگل، زراعی و مرتع برداشت شد. با استفاده از روش تجزیه به مؤلفه‌های اصلی(PCA) ، از میان 12 ویژگی موثر بر کیفیت خاک، چهار ویژگی شامل درصد رس، میانگین وزنی قطر خاکدانه، کربن آلی و فسفر قابل دسترس به‌عنوان حداقل ویژگیهای مؤثر بر کیفیت خاک انتخاب شدند. سپس کیفیت خاک با استفاده از دو مدل شاخص کیفیت تجمعی (IQI) و شاخص کیفیت نمورو (NQI) به روشهای نمره‌دهی خطی و غیرخطی (LS و NLS) و هرکدام در دو مجموعه کل داده‌ها (TDS) و دادههای حداقل (MDS) ارزیابی شد. برای اولویتدهی و ارزیابی شاخصهای کیفیت خاک از مجموع دو معیار شاخص حساسیت و درصد راندمان استفاده شد. نتایج نشان داد که شاخصهای کیفیت خاک به روش نمره‌دهی خطی نسبت به غیرخطی تفاوت کیفیت خاک بین کاربریهای مختلف را بهتر نشان می‌دهد؛ بهطوریکه کاربری جنگل و زراعی در مقایسه با مرتع از میانگین شاخص کیفیت خاک بالاتری برخوردار بود.. مقادیر درصد راندمان نشان داد که شاخصهای IQI-LS و IQI-NLS برای مجموعه MDS در مقایسه با TDS با دارا بودن میزان راندمان 75 درصد از کارآیی بالاتری برخوردار هستند. براساس اولویتدهی شاخصهای کیفیت خاک، شاخص IQI-LS-MDS اولین رتبه را به خود اختصاص داد، بر این اساس از بین شاخصهای کیفیت خاک، IQI-LS-MDSبرای بررسی وضعیت کلی خاک در منطقه مطالعاتی قابلیت بیشتری دارد.
پیدایش و طبقه بندی خاکها
مستانه رحیمی مشکله؛ محمد امیر دلاور؛ محمد جمشیدی
چکیده
طبقه بندی داده های نامتعادل به یک موضوع تحقیقاتی مهم در زمینه داده کاوی تبدیل شده است. هدف از انجام این پژوهش شناسایی صحیح نمونه های کلاس اقلیت و افزایش دقت طبقه بندی کلاس های خاک با استفاده از رویکرد مدل تجمعی در بخشی از اراضی جنوب غربی استان زنجان است. تعداد 148 خاکرخ با روش الگوی شبکه‌بندی منظم و میانگین فاصله 500 متر حفر، تشریح و با ...
بیشتر
طبقه بندی داده های نامتعادل به یک موضوع تحقیقاتی مهم در زمینه داده کاوی تبدیل شده است. هدف از انجام این پژوهش شناسایی صحیح نمونه های کلاس اقلیت و افزایش دقت طبقه بندی کلاس های خاک با استفاده از رویکرد مدل تجمعی در بخشی از اراضی جنوب غربی استان زنجان است. تعداد 148 خاکرخ با روش الگوی شبکه‌بندی منظم و میانگین فاصله 500 متر حفر، تشریح و با تجزیه و تحلیل آزمایشگاهی تا سطح فامیل رده بندی گردید. مناسب ترین متغیرهای محیطی بر اساس نظر کارشناسی و رویکرد تحلیل مؤلفه اصلی از میان 57 متغیر شامل اطلاعات نقشه های ژئومورفولوژی و زمین شناسی، مدل رقومی ارتفاع و داده های حاصل از تصاویر ماهوارهای لندست 8 برای پیش بینی کلاس های خاک انتخاب شد. مدلسازی رابطه خاک - زمین نما با استفاده از الگوریتم های یادگیرنده جنگل تصادفی، درخت تصمیم توسعه‌یافته و رگرسیون لجستیک چندجمله ای و مدل تجمعی (بعد از متعادل سازی داده ها) در محیط نرمافزار "Rstudio" انجام شد. صحت کلی و ضریب کاپا برای ارزیابی کلاس های خاک در سطح زیرگروه به ترتیب در مدل های فردی رگرسیون لجستیک چندجمله ای 65 درصد و 0/41، جنگل تصادفی 65 درصد و 0/32، درخت تصمیم توسعه‌یافته 60 درصد و 0/35 و در مدل تجمعی 70 درصد و 0/62 به دست آمد. نتایج صحت کاربر و صحت تولیدکننده نشان داد در میان مدل های فردی، مدل رگرسیون لجستیک چندجمله ای دقت بالاتری در پیش بینی کلاس های خاک دارد.
پیدایش و طبقه بندی خاکها
وحیده صادقی زاده؛ سید علی ابطحی؛ مجید باقرنژاد؛ اعظم جعفری؛ سید علی اکبر موسوی
چکیده
تعداد متغیرهای محیطی مورد استفاده برای نقشهبرداری رقومی خاک به سرعت افزایش یافته است، که انتخاب و تمرکز بر روی مهم‌ترین متغیرهای کمکی را با چالش روبه‌رو کرده است. از طرفی، شناسایی همه متغیرهای محیطی به منظور دستیابی به اطلاعات مکانی برای بهبود پیش‌بینی‌ها، سودمند است. در این راستا، الگوریتم‌های انتخاب ویژگی با شناسایی متغیرهای ...
بیشتر
تعداد متغیرهای محیطی مورد استفاده برای نقشهبرداری رقومی خاک به سرعت افزایش یافته است، که انتخاب و تمرکز بر روی مهم‌ترین متغیرهای کمکی را با چالش روبه‌رو کرده است. از طرفی، شناسایی همه متغیرهای محیطی به منظور دستیابی به اطلاعات مکانی برای بهبود پیش‌بینی‌ها، سودمند است. در این راستا، الگوریتم‌های انتخاب ویژگی با شناسایی متغیرهای کمکی مرتبط، به کاهش ابعاد مدل پیشبینی کننده کمک می‌کنند. در مطالعه حاضر، چهار تکنیک مختلف انتخاب ویژگی شامل عامل تورم واریانس (VIF)، تجزیه مولفههای اصلی (PCA)، باروتا (Boruta) و حذف ویژگی بازگشتی (RFE) به منظور تولید مجموعه‌ای بهینه از متغیرهای کمکی، برای پیشبینی مکانی کلاسهای خاک در سطح گروه بزرگ به کمک مدل جنگل تصادفی بکار گرفته شد. مقایسه تکنیک‌های مختلف انتخاب ویژگی در تخمین کلاسهای خاک، با استفاده از معیارهای ارزیابی دقت و ضریب کاپا بین مقادیر مشاهده‌شده و پیش‌بینی‌شده، انجام شد. نتایج نشان داد، با استفاده از متغیرهای انتخاب شده توسط روشهای مختلف انتخاب ویژگی نسبت به کاربرد همه متغیرها در مدل، دقت پیشبینی تا حدودی افزایش یافت. همچنین در میان چهار رویکرد انتخاب ویژگی، بهبود عملکرد پیشبینی متفاوت بود. روش VIF و PCA به ترتیب بیشترین و کمترین دقت و ضریب کاپا را داشتند، در حالی که روش باروتا با کمترین تعداد متغیر توانست بعد از VIF عملکرد مدل را بهبود بخشد. بهطور کلی یافته‌ها نشان داد، کاربرد روشهای انتخاب ویژگی میتواند از وابستگی قابل‌توجه متغیرهای کمکی مربوطه برای پیشبینی کلاسهای خاک استفاده کند و دقت مدلسازی را بهبود بخشد.
پیدایش و طبقه بندی خاکها
مهیار مشتاقی؛ حسن رمضانپور؛ نفیسه یغمائیان مهابادی؛ محمود شعبانپور
چکیده
طبقهبندی خاک، خاکها را بر اساس ویژگیهای متمایزشان به طبقات مختلف گروه‌بندی می‌کند. بنابراین نام و دسته‌های خاک، نمای کلی از چندین ویژگی خاک را ارائه می‌دهد. بهمنظور بررسی توانایی دو سامانه‌ی طبقهبندی جهانی و آمریکایی در توصیف ویژگیهای خاکهای زیرکشت توتون شهرستان تالش استان گیلان، این مطالعه با حفر، تشریح و نمونهبرداری ...
بیشتر
طبقهبندی خاک، خاکها را بر اساس ویژگیهای متمایزشان به طبقات مختلف گروه‌بندی می‌کند. بنابراین نام و دسته‌های خاک، نمای کلی از چندین ویژگی خاک را ارائه می‌دهد. بهمنظور بررسی توانایی دو سامانه‌ی طبقهبندی جهانی و آمریکایی در توصیف ویژگیهای خاکهای زیرکشت توتون شهرستان تالش استان گیلان، این مطالعه با حفر، تشریح و نمونهبرداری بیست خاکرخ در مناطق کشت توتون این شهرستان (جوکندان و کوهستان) انجام شد. منطقهی مورد مطالعه دارای رژیم رطوبتی یودیک و حرارتی ترمیک بود. به‌کمک تجزیههای آزمایشگاهی و ویژگیهای مورفولوژیکی خاک ها، خاکرخ‌ها براساس دو سامانه‌ی آمریکایی و جهانی طبقهبندی شدند. خاکرخهای شاهد از بین آنها انتخاب و ویژگیهای آنها در دوسامانه‌ی طبقهبندی با یکدیگر مقایسه شدند. نتایج نشان داد که خاکرخهای شاهد در رده‌های انتی‌سولز، اینسپتی سولز، مالی‌سولز و ورتی‌سولز سامانه‌ی آمریکایی و ریگوسولز، فلووی‌سولز، کمبی‌سولز، اومبری‌سولز، فائوزمز و ورتی‌سولز سامانه‌ی جهانی طبقهبندی شدند. سامانه‌ی جهانی نسبت به سامانه‌ی آمریکایی، با نتایج تجزیههای آزمایشگاهی کمتر، اطلاعات بیشتری را ارائه می‌دهد. همچنین در این مطالعه مشخص شد که سامانه‌ی جهانی توصیف‌کننده‌های بیشتری را برای انعکاس ویژگیهای جزئی‌تر در نام‌گذاری خاکها ارائه می‌دهد. از این رو، کارایی آن در مقایسه با سامانه‌ی آمریکایی به نسبت بالاتر است. بنابراین می‌توان اظهار نمود که سامانه‌ی جهانی در ارائه اطلاعات بهتر خاک به کشاورزان، به مدیریت پایدار خاک مزارع توتون کمک بیشتری خواهد کرد.
پیدایش و طبقه بندی خاکها
مستانه رحیمی مشکله؛ محمد امیر دلاور؛ محمد جمشیدی؛ امین شریفی فر
چکیده
علی‌رغم استفاده گسترده از روش های نقشه برداری رقومی خاک در مطالعات خاکشناسی، محدودیت های مربوط به عدم تعادل کلاس های خاک مانع عملکرد موفقیت‌آمیز بسیاری از الگوریتم های یادگیری ماشین در این روش ها شده است. از اینرو هدف از این پژوهش بهبود عملکرد مدل سازی دادههای نامتعادل خاک با استفاده از روش پیش درمانی نمونه گیری مجدد در سه مدل پیش ...
بیشتر
علی‌رغم استفاده گسترده از روش های نقشه برداری رقومی خاک در مطالعات خاکشناسی، محدودیت های مربوط به عدم تعادل کلاس های خاک مانع عملکرد موفقیت‌آمیز بسیاری از الگوریتم های یادگیری ماشین در این روش ها شده است. از اینرو هدف از این پژوهش بهبود عملکرد مدل سازی دادههای نامتعادل خاک با استفاده از روش پیش درمانی نمونه گیری مجدد در سه مدل پیش بینی شامل جنگل تصادفی، درخت تصمیم توسعه یافته و رگرسیون لجستیک چندجمله ای در بخشی از اراضی استان زنجان است. برای این منظور موقعیت 148 خاک رخ مشاهداتی بر اساس الگوی شبکه‌بندی منظم با فاصله 500 متر حفر و بر اساس استانداردهای سیستم جامع رده بندی خاک تشریح و طبقه بندی گردید. متغیرهای محیطی شامل اطلاعات نقشه های ژئومورفولوژی و زمین شناسی، مدل رقومی ارتفاع و داده های حاصل از تصاویر ماهوارهای لندست 8 بودند که بر اساس نظر کارشناسی و رویکرد تحلیل مؤلفه اصلی تعدادی از متغیرهای محیطی به‌عنوان مؤثرترین متغیرهای محیطی و ورودی مدل انتخاب گردید. مدل سازی با استفاده از دادههای نامتعادل، منجر به از دست دادن کلاسهای با مشاهده های کم تعداد برای هر سه مدل بود. در این شرایط مدل رگرسیون لجستیک چندجملهای بالاترین دقت (66%) و ضریب کاپا (0/41) را نسبت به دو مدل دیگر نشان داد. پس از نمونه برداری مجدد داده ها در قالب فرآیند متعادل سازی، مدل درخت تصمیم توسعه‌یافته با حفظ کلاس های کم تعداد با صحت کلی 75% و ضریب کاپا 0/64 در پیشبینی مکانی زیرگروه های خاک، برآورد قابل قبولی ارائه داد.
پیدایش و طبقه بندی خاکها
سمانه تاجیک؛ شمس اله ایوبی؛ محمدمهدی درویشی؛ حسین خادمی
چکیده
حلزونهای خاکزی، بخش مهمی از اکوسیستم جنگل را شامل میشوند و نقش مهمی در تجزیه لاش‌برگ و غلظت کلسیم خاک دارند. این مطالعه با هدف بررسی ویژگیهای خاک و پارامترهای توپوگرافی موثر بر فراوانی حلزونهای خاکزی و همچنین پیشبینی پراکنش فراوانی آنها دربخشی از اراضی جنگلی استان گلستان آن‌جام گردید. تعداد 153 نمونه خاک از عمق 0-10 ...
بیشتر
حلزونهای خاکزی، بخش مهمی از اکوسیستم جنگل را شامل میشوند و نقش مهمی در تجزیه لاش‌برگ و غلظت کلسیم خاک دارند. این مطالعه با هدف بررسی ویژگیهای خاک و پارامترهای توپوگرافی موثر بر فراوانی حلزونهای خاکزی و همچنین پیشبینی پراکنش فراوانی آنها دربخشی از اراضی جنگلی استان گلستان آن‌جام گردید. تعداد 153 نمونه خاک از عمق 0-10 سانتیمتر جمعآوری شد؛ سپس حلزونهای خاکزی جمعآوری و تاسطح رده شناسایی و طبقهبندی شدند. ویژگیهای خاک از طریق آنالیزهای آزمایشگاهی و پارامترهای توپوگرافی، با استفاده از نقشه رقومی ارتفاع منطقه و تصاویر ماهوارهای به‌دست آمدند. بر طبق نتایج حاصل مدل غیر خطی جنگل تصادفی دارای ضریب تبیین 49/0 و خطا 82/1 است و دقت بالاتری نسبت به مدل رگرسیون خطی با ضریب تبیین 28/0 و خطا 13/2 در پیشبینی فراوانی حلزونها دارد. نتایج به‌دست آمده از آنالیز مولفههای اصلی و آنالیز حساسیت نشان دادند که کربنات کلسیم معادل، pH، EC و کربن آلی، از جمله مهم‌ترین ویژگیهای خاکی موثر بر فراوانی حلزونها هستند. پارامترهای توپوگرافی دارای روابط خطی با فراوانی حلزونهای خاکزی نداشتهاند اما در مدل غیر خطی به خوبی نقش آنها نشان داده شده است. جهت شیب، ارتفاع و دمای سطح زمین از جمله مهم‌ترین پارامترهای تاثیرگذار بر فراوانی حلزونها بودهاند که احتمالا تاثیر آنها به دلیل تاثیر بر ویژگیهای خاک مانند کربنات کلسیم و رطوبت خاک بوده است.
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
مهدی طاهری؛ فرهاد خرمالی؛ آرش امینی؛ شین وانگ؛ فائو چن
چکیده
خاکهای قرمز رنگی در زیر برخی از لس‌های شمال کشور وجود دارد که برخلاف لس‌های بالایی مطالعه چندانی بر روی آنها صورت نگرفته است. در این مطالعه مقطعی به ارتفاع تقریبی 19 متر در فلات لسی شمال ایران و در شرق استان گلستان مورد مطالعه قرار گرفته است. این مقطع قرمز رنگ که در شمال شرقی روستای آق‌بند واقع شده است، بر روی سنگ آهک سازند آقچگیل حوزه ...
بیشتر
خاکهای قرمز رنگی در زیر برخی از لس‌های شمال کشور وجود دارد که برخلاف لس‌های بالایی مطالعه چندانی بر روی آنها صورت نگرفته است. در این مطالعه مقطعی به ارتفاع تقریبی 19 متر در فلات لسی شمال ایران و در شرق استان گلستان مورد مطالعه قرار گرفته است. این مقطع قرمز رنگ که در شمال شرقی روستای آق‌بند واقع شده است، بر روی سنگ آهک سازند آقچگیل حوزه رسوبی کپه‌داغ مربوط به اواخر پلایوسین و در زیر لس‌های شناخته‌شده مربوط به اواخر دوره پلیستوسن قرار دارد، و بر اساس مطالعات پالئومغناطیس صورت گرفته در فاصله زمانی 8/1 تا 4/2 میلیون سال قبل تشکیل شده است. دراین مقاله خصوصیات ژئوشیمیایی مربوط به خاکهای قرمز رنگ از منظر عناصر اصلی و نادر مورد بررسی قرار گرفته است و در مقایسه بعمل آمده با خصوصیات ژئوشیمیایی لس‌های بالایی، پوسته بالایی زمین و همچنین خاکهای قرمزرنگ بادرفتی کشور چین، علاوه بر اثبات بادرفتی بودن این خاکهای قرمز رنگ، مشخص گردید که انباشتگی رسوبات بادی در فلات لسی ایران از اوایل دوران پلیستوسن آغاز گردیده است. همچنین پس از بررسی و اثبات یکسان بودن منشا خاکهای قرمز و لس‌های فوقانی، به منظور بازسازی اقلیم گذشته و کمی نمودن میزان هوادیدگی شیمیایی از شاخص هوادیدگی CIA و نسبتهای Al2O3/Na2O، Na2O/K2O، MgO/TiO2 و Rb/Sr استفاده شد که در نهایت گرم و مرطوبتر بودن اقلیم زمان تشکیل خاکهای قرمز رنگ (اوایل پلیستوسن) را نسبت به زمان تشکیل لس‌های فوقانی (اواخر پلیستوسن) به اثبات رسانید.
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
مریم محمدزاده محمدآباد؛ فرهاد خرمالی؛ فرشاد کیانی؛ محمد عجمی
چکیده
آنالیز تصویرروشی پیشرفته برای کمّی کردن خصوصیات خاک و افزایش دقت و صحت نتایج مطالعات میکرومورفولوژیکی است. در این پژوهش به منظور بررسی تأثیر نوع کاربری اراضی بر تخلخل و ریزساختمان افق سطحی خاکها، تعداد 9 خاکرخ در کاربریهای متفاوت جنگل طبیعی و مصنوعی، اراضی رها شده، باغ و زراعی حفر و تشریح گردید. سپس از هر افق یک نمونه ...
بیشتر
آنالیز تصویرروشی پیشرفته برای کمّی کردن خصوصیات خاک و افزایش دقت و صحت نتایج مطالعات میکرومورفولوژیکی است. در این پژوهش به منظور بررسی تأثیر نوع کاربری اراضی بر تخلخل و ریزساختمان افق سطحی خاکها، تعداد 9 خاکرخ در کاربریهای متفاوت جنگل طبیعی و مصنوعی، اراضی رها شده، باغ و زراعی حفر و تشریح گردید. سپس از هر افق یک نمونه جهت انجام تجزیههای فیزیکوشیمیایی و یک نمونه دست‌نخورده جهت مطالعات میکرومورفولوژی برداشته شد. پارامترهای فیزیکوشیمیایی مانند pH، بافت و کربن آلی اندازه‌گیری شد. پس از آمادهسازی مقاطع نازک خاک، مطالعات میکرومورفولوژی با میکروسکوپ پلاریزان و عکس‌برداری از آنها صورت پذیرفت. درصد تخلخل کل خاک، قطر معادل و مساحت حفرات با استفاده از نرمافزار Image Tool محاسبه شد و دادههای به دست آمده مورد تجزیه آماری قرار گرفت. مشاهدات میکروسکوپی نشان داد در کاربریهای جنگل طبیعی و مصنوعی، ریزساختمان غالب خاک از نوع دانهای و مکعبی نسبتاً زاویهداراست ولی در کاربری زراعی عمدتاً از نوع تودهای و مکعبی زاویهدار میباشد. درصد حفرات کانال در کاربریهای جنگل طبیعی و مصنوعی بیشتر از سایر کاربریهاست. اکثر حفرات در کاربری زراعی به دلیل جنگل‌تراشی و تخریب ساختمان خاک، از نوع واگ و صفحهای می‌باشند. نتایج آنالیز تصویر نشان داد، با تغییر کاربری از جنگل به زراعی، درصد حفرات با قطر و مساحت زیاد، بهطور معنیداری کاهش پیدا کرده است. کاربریهای باغ و جنگل طبیعی بهترتیب با 97/46 و 80/46 درصد، بیشترین تخلخل و کاربریهای زراعی و رها شده بهترتیب با 79/30 و 50/33 درصد،کمترین تخلخل را دارند.
کشاورزی دقیق
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.
