ارزیابی تعمیم پذیری مدل جنگل تصادفی برای پیش بینی کلاس های خاک در سطح زیرگروه

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
سابقه و هدف
در ایران بیشتر نقشه های خاکی که طی شش دهه گذشته با روش سنتی تهیه شده اند، به دلیل نیاز به هزینه و زمان زیاد به روز نشده اند. در سال های اخیر روش نقشه برداری رقومی خاک با هدف تهیه نقشه های دقیق بر مبنای مدل سازی کمی روابط بین کلاس ها یا خصوصیات خاک و داده های کمکی ارزان نماینده عوامل خاک سازی به عنوان روش جایگزین روش های سنتی معرفی شده است. در این رابطه یک روش استفاده از مدل سازی داده های موجود خاک در یک منطقه برای پیش بینی کلاس های خاک در یک منطقه دیگر فاقد نقشه خاک است. این مطالعه با هدف ارزیابی تعمیم پذیری مدل جنگل تصادفی مستخرج از منطقه دهنده اطلاعات برای تهیه نقشه کلاس های خاک در سطح زیرگروه برای منطقه گیرنده انجام شد.
مواد و روش ها
دشت سعادت شهر استان فارس به عنوان منطقه دهنده یا مرجع و دشت سیدان در مجاور آن به عنوان منطقه گیرنده اطلاعات با توجه به شباهت متغیرهای محیطی در دو منطقه انتخاب شدند. در منطقه دهنده، موقعیت 82 پدون مشاهده ای بر اساس روش مربعات لاتین تعیین و طی مطالعه خاکشناسی مطابق سامانه رده بندی خاک آمریکایی (2014) طبقه بندی شدند. 25 متغیر کمکی پستی و بلندی و داده-های سنجش از دور با قدرت تفکیک 30 متر در مطالعه استفاده شدند. در منطقه دهنده با کاربرد روش جنگل تصادفی برای مدل سازی روابط بین کلاس های خاک و متغیرهای کمکی مهم، 70 درصد پدون ها برای آموزش مدل و 30 درصد برای آزمون به کار رفتند. در منطقه گیرنده با کاربرد متغیرهای کمکی مشابه در مدل های استخراج شده از منطقه دهنده (یکی با 70 درصد و دیگری با 100 درصد داده ها)، کلاس های پیش بینی شده با نتایج طبقه بندی 27 خاک رخ مطالعه شده در این منطقه مقایسه و صحت مدل ها در تعمیم داده ها مورد ارزیابی قرار گرفت. توانایی مدل در پیش بینی کلاس های خاک در هر دو منطقه بر اساس نتایج آماره های صحت کاربر، صحت تولید کننده، صحت کلی و ضریب کاپا مورد ارزیابی قرار گرفت.
یافته ها
نتایج نشان داد از میان تمامی عوامل محیطی استفاده شده، شیب، شاخص همواری دره با درجه تفکیک بالا، شاخص ناهمواری های توپوگرافی، شاخص خیسی توپوگرافی و مساحت حوزه اصلاح شده بیشترین تاثیر را در پیش بینی کلاس های خاک در سطح زیرگروه داشته-اند. دستیابی به مقادیر 72 درصد برای صحت کلی و 59/0 برای ضریب کاپا در پیش بینی کلاس های خاک حاکی از ارتباط خوب بین داده-های مشاهده ای و پیش بینی در منطقه مرجع بود. در منطقه تعمیم، با استفاده از 70 درصد داده های آموزشی منطقه دهنده، صحت کلی و ضریب کاپا به ترتیب 45 درصد و 27/0 و با کاربرد 100 درصد داده ها، علاوه بر پیش بینی یک کلاس بیشتر در منطقه گیرنده، صحت کلی و ضریب کاپا به ترتیب تا 52 درصد و 38/0 بهبود نشان داد. در بین زیرگروه های خاک، بهترین پیش بینی مربوط به خاک غالب تیپیک کلسی-زرپتز و تیپیک زراورتنتز و ضعیف ترین آن مربوط به خاک های مشابه کلاس های غالب بود. علاوه بر آن نتایج گویای آن است که مدل قادر به پیش بینی کلاس های دارای فراوانی ناچیز در هر دو منطقه گیرنده و دهنده نبود.
نتیجه گیری
این پژوهش نشان داد در مناطقی از ایران که فاقد نقشه خاک بوده یا نقشه های موجود به روز نشده است، انتقال مدل های ساخته شده بر پایه نقشه برداری رقومی در مناطق مشابه دارای داده های کافی می تواند ابزاری کارآمد برای تهیه نقشه خاک در این مناطق باشد. صرفه جوئی در هزینه و زمان و دقت قابل قبول، می تواند مشوق های اصلی استفاده از این روش توسط خاک شناسان باشد.
زبان:
فارسی
صفحات:
45 تا 64
لینک کوتاه:
magiran.com/p1989323 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 990,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 50 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!