مدلسازی و پیشبینی مکانی کلاس خاک با استفاده از الگوریتم یادگیری رگرسیون درختی توسعهیافته و جنگل-های تصادفی در بخشی از اراضی دشت قزوین | ||
| تحقیقات آب و خاک ایران | ||
| مقاله 11، دوره 50، شماره 10، اسفند 1398، صفحه 2525-2538 اصل مقاله (1.66 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2019.280905.668198 | ||
| نویسندگان | ||
| سیدروح اله موسوی1؛ فریدون سرمدیان* 2؛ اصغر رحمانی3 | ||
| 1گروه علوم ومهندسی خاک، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، ایران | ||
| 2عضو هیأت علمی گروه مهندسی علوم خاک، پردیس کشاورزی و منابع طبیعی دانشگاه تهران | ||
| 3دانشجوی دکتری،گروه علوم ومهندسی خاک،پردیس کشاورزی ومنابع طبیعی، دانشگاه تهران | ||
| چکیده | ||
| انتخاب متغیرهای کمکی مناسب در روشهای یادگیرنده ماشینی جهت نقشهبرداری رقومی خاک از اهمیت ویژهای برخوردار است. طی سالهای اخیر در ایران استفاده از الگوریتمهای یادگیرنده در نقشهبرداری رقومی و بهنگام سازی نقشههای قدیمی توسعه یافته است. پژوهش حاضر در بخشی از اراضی دشت قزوین با هدف مقایسه جنگلهای تصادفی (RF) و رگرسیون درختی توسعهیافته (BRT) در پیشبینی مکانی کلاسهای زیرگروه و فامیل خاک بهمراه انتخاب متغیرهای کمکی با استفاده از شاخص تورم واریانس انجام شده است. 61 خاکرخ به روش نمونهبرداری تصادفی طبقهبندیشده حفر، تشریح و با تجزیهوتحلیل آزمایشگاهی تا سطح فامیل ردهبندی گردید. مناسبترین متغیرهای محیطی از میان 15 متغیر ژئومورفومتری و شاخصهای سنجش از دور با استفاده از فاکتور تورم واریانس انتخاب گردیدند. مدلسازی رابطه خاک – زمیننما در دو سطح زیرگروه و فامیل خاک با استفاده از دو الگوریتم یادگیرنده RF و BRT در نرمافزار RStudio بر اساس دو بسته "Randomforest" و "C5.0" اجرا گردید. نتایج انتخاب متغیرهای محیطی نشان داد که شش متغیر CHA،DEM ، STH، NDVI، SI و DVI بهعنوان متغیر ورودی انتخاب گردیدند. شاخصهای ارزیابی مدلها شامل صحت کلی و شاخص کاپا به ترتیب برای الگوریتم BRT، 35، 26 درصد و برای الگوریتم RF،70، 60 درصد در سطح فامیل خاک حاصل گردید. آنالیز حساسیت برمبنای شاخص میانگین حداقل صحت نشان داد که متغیر محیطی مساحت حوزه آبخیز اصلاحشده دارای بیشترین اهمیت نسبی در میان متغیرهای انتخاب شده است. بهطورکلی با استفاده از رویکردهای نوین انتخاب متغیر و الگوریتمهای یادگیرنده مؤثر میتوان نقشهی پراکنش مکانی خاکها را حتی در نواحی با پستیوبلندی کم با صحت قابلقبول تهیه نمود. | ||
| کلیدواژهها | ||
| نقشه برداری رقومی خاک؛ الگوریتم یادگیرنده؛ مدل جنگل تصادفی؛ درخت تصمیم توسعه یافته؛ دادهکاوی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,944 تعداد دریافت فایل اصل مقاله: 1,131 |
||