نقشه برداری رقومی کلاسهای خاک با استفاده از رویکردهای یادگیری ماشین در بخشی از اراضی پایاب سد آزاد (مطالعه موردی: استان کردستان) | ||
| تحقیقات آب و خاک ایران | ||
| دوره 54، شماره 11، بهمن 1402، صفحه 1697-1714 اصل مقاله (2.12 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2023.361410.669526 | ||
| نویسندگان | ||
| مریم اوسط* 1؛ شاهرخ فاتحی2؛ زینب زین الدینی3 | ||
| 1استادیار بخش تحقیقات خاک و آب، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان کردستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، | ||
| 2استادیار بخش تحقیقات خاک و آب، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان کرمانشاه، سازمان تحقیقات، آموزش و ترویج کشاورزی، | ||
| 3دانش آموخته کارشناسی ارشد، گروه علوم و مهندسی خاک، دانشگاه رازی، دانشکده کشاورزی | ||
| چکیده | ||
| نقشهبرداری رقومی خاک با برقراری روابط کمی میان متغیرهای محیطی و کلاسها یا ویژگیهای خاک قادر به پیشبینی مکانی ویژگی موردنظر است. در این پژوهش از الگوریتمهای شبکه عصبی مصنوعی، درخت تصمیم، رگرسیون لاجستیک چند جملهای و جنگل تصادفی برای پیشبینی نقشه خاک اراضی پایاب سد آزاد شهر سنندج با وسعت حدود 3/2178 هکتار استفاده شد. در سال 1396 تعداد 84 خاکرخ با الگوی تصادفی در منطقه مطالعاتی حفر، تشریح و نمونهبرداری گردید. بر اساس ویژگیهای ریختشناختی و دادههای آزمایشگاهی هر یک از خاکرخها تا سطح خانواده ردهبندی شدند. بر اساس سیستم ردهبندی جامع آمریکایی، دو رده اینسپتیسول و انتیسول، دو زیر رده، سه گروه بزرگ و پنج زیرگروه و خانواده مشاهده شد. برای محاسبه متغیرهای پیشبینی کننده، از مدل رقومی ارتفاع با قدرت تفکیک 10 متر و تصویر ماهواره سنتیل 2-B استفاده شد. برای بررسی صحت پیشبینی مدلها از صحت عمومی نقشه، شاخص کاپا و درجه برابر استفاده شد که بهترین نتایج (به ترتیب 65/0، 53/0 و 16/0) برای الگوریتم شبکه عصبی مصنوعی به دست آمد. ضعیفترین پیشبینی مربوط به مدل درخت تصمیم با صحت عمومی 38/0، شاخص کاپای 22/0 و درجه برابر 87/0 بود. | ||
| کلیدواژهها | ||
| شبکه عصبی مصنوعی؛ درخت تصمیم؛ رگرسیون لاجستیک؛ جنگل تصادفی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 683 تعداد دریافت فایل اصل مقاله: 463 |
||