پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,573 |
| تعداد مقالات | 71,032 |
| تعداد مشاهده مقاله | 125,502,418 |
| تعداد دریافت فایل اصل مقاله | 98,766,515 |
مقایسة روش‌های شبکة عصبی مصنوعی و درخت تصمیم در تهیة نقشة رقومی خاک در منطقة اردکان | ||
| تحقیقات آب و خاک ایران | ||
| مقاله 6، دوره 44، شماره 2، شهریور 1392، صفحه 173-182 اصل مقاله (516.25 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2013.50062 | ||
| نویسندگان | ||
| روح اله تقی زاده مهرجردی* 1؛ فریدون سرمدیان2؛ محمود امید2؛ غلامرضا ثواقبی2؛ نورایر تومانیان2؛ محمد جواد روستا2؛ محمد حسن رحیمیان2 | ||
| 1استادیار، دانشکدة کشاورزی و منابع طبیعی دانشگاه اردکان | ||
| 2استاد، دانشکدة مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران | ||
| چکیده | ||
| در پاسخ به تقاضای اطلاعات مکانی خاک، به‌کاربردن داده‌های کمکی رقومی و ارتباط آن‌ها با داده‌های مشاهداتی صحرایی در حال افزایش است. استفاده از اطلاعات رقومی از طریق روش‌های کامپیوتری، که اصطلاحاً نقشه‌برداری رقومی خاک خوانده می‌شود، قابل اعتمادتر و کم‌هزینه‌تر از روش‌های سنّتی نقشه‌برداری خاک است. بنابراین، در پژوهش حاضر از مدل‌های درخت تصمیم و شبکة عصبی مصنوعی برای پیش‌بینی مکانی کلاس‌های تاکسونومیک خاک در منطقه‌ای خشک، به وسعت 720 کیلومتر مربع در اردکان، استفاده شد. عملیات نقشه‌برداری در آنجا بسیار سخت است. در این منطقه بر اساس روش مربع لاتین مکان جغرافیایی 187 پروفیل خاک مشخص و سپس تشریح و نمونه‌برداری شدند و طبقه‌بندی بر اساس سیستم امریکایی انجام گرفت. متغیرهای محیطی یا نمایندگان فاکتورهای خاک‌سازی، که در این پژوهش استفاده شد، شامل اجزای سرزمین، داده‌های تصویر ETM+ ماهوارة لندست، و نقشة سطوح ژئومورفولوژی است. نتایج این تحقیق نشان داد، برای پیش‌بینی کلاس خاک، مدل درخت تصمیم نسبت به شبکة عصبی مصنوعی حدود هفت درصد دقیق‌تر است. مدل درختی و شبکة عصبی مصنوعی به‌ترتیب دقت کلی و ضریب تبیین و ضریب کاپای 48 درصد، 52 درصد، 34/0 و 46/0 و 13/0 و 25/0 دارند. نتایج نشان داد برای پیش‌بینی کلاس خاکْ شاخص خیسی، سطوح ژئومورفولوژی، و شاخص همواری دره با درجة تفکیک بالا مهم‌ترین پارامترها هستند. مدل‌های درختی نسبت به روش شبکة عصبی مصنوعی دقت بالاتری دارند و همچنین تفسیر نتایج مدل درختی بسیار راحت‌تر است. لذا پیشنهاد می‌شود در مطالعات آینده برای تهیة نقشة رقومی خاک از مدل‌های درختی استفاده شود. | ||
| کلیدواژه‌ها | ||
| پیش‌بینی مکانی؛ گروه‌های بزرگ خاک؛ مربع لاتین؛ نقشه‌برداری رقومی | ||
|
آمار تعداد مشاهده مقاله: 2,898 تعداد دریافت فایل اصل مقاله: 1,576 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب