نقشهبرداری رقومی اجزا بافت خاک در بخشی از اراضی دشت خوزستان با استفاده از برخی مدلهای یادگیری ماشین | ||
| تحقیقات آب و خاک ایران | ||
| دوره 53، شماره 10، دی 1401، صفحه 2261-2276 اصل مقاله (2.11 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2022.348442.669360 | ||
| نویسندگان | ||
| نسیم صحرایی1؛ احمد لندی2؛ سعید حجتی* 3 | ||
| 1گروه علوم و مهندسی خاک، دانشکده کشاورزی،دانشگاه شهید چمران اهواز، خوزستان، ایران | ||
| 2هیات علمی گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه شهید چمران اهواز- خوزستان، ایران | ||
| 3عضو هیئت علمی گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، خوزستان، ایران | ||
| چکیده | ||
| مطالعه حاضر با هدف ارزیابی و مقایسه کارائی مدلهای ماشین بردار پشتیبان (SVM) و جنگل تصادفی (RF) با استفاده از رویکرد نقشهبرداری رقومی خاک (DSM) برای پیشبینی اجزا بافت خاک در بخشی از اراضی استان خوزستان انجام شد. در بهمن سال 1399، بهمنظور تعیین بافت خاک، 200 نمونه از خاک سطحی (عمق 10-0 سانتی متری) به صورت تصادفی طبقهبندی شده جمعآوری شدند. متغیرهای کمکی شامل مشتقات اولیه و ثانویه مدل رقومی ارتفاع (DEM) شامل (شیب، جهت شیب، شاخص شبکه آبراههای و ...) و شاخصهای طیفی و گیاهی سنجش از دور (RS) بودند که انتخاب دسته مناسب از آنها با استفاده از روش تجزیه مولفههای اصلی (PCA) انجام گرفت. بر اساس روش PCA، نه متغیر توپوگرافی از DEM و هشت شاخص پوشش گیاهی از RS برای پیشبینی اجزا بافت خاک (شن، سیلت و رس) انتخاب گردیدند. کارایی مدلها با استفاده از آمارههای ضریب تبیین (R2) و ریشهی میانگین مربعات خطا (RMSE) مورد ارزیابی قرار گرفت. نتایج نشان داد مدل جنگل تصادفی از دقت بالاتر و خطا کمتری نسبت به مدل ماشین بردار پشتیبان (SVM) برخوردار است، بهطوریکه میزان R2 در این مدل برای شن 80/0، سیلت 81/0 و رس 78/0 و ریشهی میانگین مربعات خطا (RMSE) در پیشبینی این ذرات به ترتیب 02/6، 89/5 و 02/6 بود. این درحالی است که R2 و RMSE در مدل ماشین بردار پشتیبان به ترتیب برای شن 39/0 و 70/13، سیلت 45/0 و 70/10 و رس46/0 و 32/9 بود. همچنین اهمیت نسبی متغیرهای استفاد شده در پیشبینی اجزای بافت خاک نشان داد شاخص شوری، شاخص روشنایی و شبکه آبراههای به همراه باند 6 ماهواره لندست 8 مهمترین متغیرهای محیطی پیشبینی کننده ذرات رس، سیلت و ماسه بودند. بنابراین پیشنهاد میشود از مدل جنگل تصادفی به عنوان روشی مفید و قابل اعتماد در تهیه نقشههای رقومی بافت خاک در منطقه مورد مطالعه استفاده شود. | ||
| کلیدواژهها | ||
| مدلسازی مکانی؛ سنجش از دور؛ ماشین بردار پشتیبان؛ جنگل تصادفی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,266 تعداد دریافت فایل اصل مقاله: 787 |
||