پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 163 |
| تعداد شماره‌ها | 6,762 |
| تعداد مقالات | 72,839 |
| تعداد مشاهده مقاله | 131,881,689 |
| تعداد دریافت فایل اصل مقاله | 103,542,588 |
نقشه‌برداری رقومی شوری سطحی خاک در مرکز استان خوزستان با استفاده از الگوریتم‌های طبقه‌بندی نظارت شده | ||
| تحقیقات آب و خاک ایران | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 07 تیر 1404 اصل مقاله (2.16 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2025.395197.669939 | ||
| نویسندگان | ||
| محمد عبیات1؛ سعید حجتی* 2؛ احمد لندی3؛ آسیم بیسواس4 | ||
| 1گروه مهندسی علوم خاک، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، خوزستان، ایران | ||
| 2استاد تمام گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، خوزستان، ایران | ||
| 3استاد تمام گروه مهندسی علوم خاک، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، خوزستان، ایران | ||
| 4مدرسه محیط زیست، کالج کشاورزی آنتاریو، دانشگاه گوئلف، آنتاریو، کانادا | ||
| چکیده | ||
| شوری خاک یکی از عوامل اصلی تخریب اراضی در مناطق خشک و نیمه خشک به شمار می‌رود. دورسنجی، نقش مهمی در شناسایی و طبقه‌بندی خاک‌های شور ایفا می‌کند. هدف این مطالعه، نقشه‌برداری رقومی شوری خاک سطحی در شهرستان باوی واقع در بخش مرکزی استان خوزستان می‌باشد. ابتدا 350 نمونه خاک با روش ابر مکعب لاتین مشروط (cLHS) جمع‌آوری شده و مجموعه‌ای از متغیرهای محیطی به وسیله داده‌های ماهواره‌ای و توپوگرافی استخراج گردید. سپس، برای کاهش حجم داده‌ها و تفسیرپذیری آن‌ها، از روش تجزیه و تحلیل مؤلفه‌های اصلی (PCA) استفاده شد. در این مطالعه، نقشه‌برداری رقومی شوری خاک با استفاده از الگوریتم‌های طبقه‌بندی نظارت شده پیکسل‌‌پایه و شیءگرا انجام شد. همچنین، تأثیر تعداد نمونه‌های آموزشی بر عملکرد الگوریتم‌های طبقه‌بندی مورد بررسی قرار گرفت. نتایج تحلیل PCA نشان داد که باندهای اولیه (PC1-PC6) بیشترین حجم اطلاعات را برای طبقه‌بندی داشته‌اند. همچنین، شاخص روشنایی (BI)، شاخص پوشش‌گیاهی شوری خاک (VSSI)، شاخص تفاوت پوشش‌گیاهی (DVI) و شاخص تفاضل نرمال‌شده پوشش‌گیاهی سبز (GNDVI) با بیشترین بار عاملی (99/0)، مهمترین متغیرهای تأثیرگذار در شناسایی و نقشه‌برداری شوری خاک در منطقه بوده‌اند. نتایج پژوهش نشان داد که کاهش تعداد نمونه‌های آموزشی، دقت الگوریتم‌های طبقه‌بندی را اندکی کاهش داده است. در روش طبقه‌بندی شیءگرا، الگوریتم ماشین بردار پشتیبان (SVM) و در روش طبقه‌بندی پیکسل‌‌پایه، الگوریتم جنگل تصادفی (RF) بهترین عملکرد را در تشخیص و جداسازی کلاس‌های شوری خاک داشته‌اند. نتایج بررسی شوری خاک در نقشه الگوریتم ماشین بردار پشتیبان نشان داد که خاک‌های با کلاس شوری خیلی شدید (dS/m 16 <) دارای بیشترین فراوانی در منطقه هستند. | ||
| کلیدواژه‌ها | ||
| متغیرهای محیطی؛ تحلیل مؤلفه‌های اصلی؛ روش پیکسل مبنا؛ آنالیز شیءگرا | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 17 تعداد دریافت فایل اصل مقاله: 16 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب