تلفیق خودهمبستگی مکانی در مدلسازی توزیع شوری خاک در منطقه قزوین

داده های خاک مانند هر داده مکانی ممکن است دارای خودهمبستگی مکانی باشند. اگر این وابستگی مکانی در باقیمانده های یک مدل آماری مشاهده شود، یکی از فرضیه های کلیدی آنالیز آماری که شامل استقلال و توزیع یکنواخت باقیمانده ها است، نقض می شود. معمولا الگوریتم های یادگیری ماشین، خودهمبستگی مکانی در داده-های خاک را درنظر نمی گیرند. مطالعه حاضر سعی دارد خودهمبستگی مکانی را به عنوان یک متغیر مستقل در مدلسازی تخمین شوری خاک لحاظ کند و نتایج تخمین را بررسی کند. بدین منظور، شوری خاک سطحی در 297 نقطه در منطقه آبیک قزوین اندازه گیری شد و متغیرهای محیطی مهم انتخاب شدند. سپس یک مدل غیرمکانی حداقل مربعات معمولی و یک مدل رگرسیون مکانی بر داده های شوری خاک برازش داده شد. از دو شاخص موران و جری برای تشخیص خودهمبستگی مکانی استفاده گردید. نقشه توزیع مکانی شوری خاک در منطقه آبیک قزوین نشان می دهد در بخش های شمالی، شمال شرق و شمال غرب به سمت مرکز منطقه مورد مطالعه میزان شوری خاک کم بوده و بیشترین مقدار و محدودیت شوری در مناطق جنوب و جنوب شرقی دیده می شود. مقدار شاخص موران 57/0 و مقدار شاخص جری 4/0 به دست آمد که براساس هر دو شاخص، ویژگی شوری خاک در منطقه مورد نظر دارای خودهمبستگی مکانی است. با وارد کردن خودهمبستگی مکانی در مدل رگرسیون مکانی در مقایسه با مدل غیرمکانی نتایج پیش بینی بهبود یافت. با لحاظ کردن خودهمبستگی مکانی، مقدار R2 افزایش، درحالیکه مقادیر AIC، خودهمبستگی مکانی باقیمانده ها و RMSE کاهش یافت. به نظر می رسد ادغام خودهمبستگی مکانی در مدل سازی خصوصیات خاک امری ضروری است و باید در نظر گرفته شود.