مدل سازی پراکنش مکانی کلاس های خاک با استفاده از الگوریتم های یادگیری ماشین در بخشی از اراضی استان زنجان
محل انتشار: نشریه پژوهش های خاک، دوره: 37، شماره: 2
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 115
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_AREO-37-2_004
تاریخ نمایه سازی: 8 مهر 1402
چکیده مقاله:
نقشهبرداری رقومی از روشهای نوینی است که از الگوریتمهای یادگیری ماشین و متغیرهای محیطی پیروی کرده و به دلیل صرفهجویی در زمان و هزینه انجام مطالعه برای پهنه بندی خصوصیات و کلاس های خاک در سطوح مختلف طبقه بندی کاربرد گستردهای در سطح جهانی دارد. این پژوهش باهدف مقایسه کارایی مدل های یادگیری ماشین در پیش بینی مکانی زیرگروههای خاک در بخشی از اراضی استان زنجان انجام شد. برای این منظور، بر اساس الگوی طبقه بندی تصادفی با میانگین فاصله ۵۰۰ متر، ۱۴۸ خاکرخ حفر و تشریح گردید و مطابق با سامانه جامع ردهبندی خاک به روش آمریکایی طبقهبندی شد. خاکها در سطح زیرگروه در پنج کلاس تیپیک کلسیزرپتز، تیپیک هاپلوزرپتز، جیپسیک هاپلوزرپتز، تیپیک زراورتنتز و لیتیک زراورتنتز طبقه بندی شد. متغیرهای محیطی شامل نقشههای ژئومورفولوژی، زمینشناسی، توپوگرافی و دادههای حاصل از تصاویر سنجش ازدور بود. ۵۷ متغیر محیطی به عنوان نمایندگان عوامل خاکسازی استخراج گردید و با استفاده از روش تحلیل مولفه اصلی و نظر کارشناسان، موثرترین متغیرهای محیطی انتخاب شد. مدل سازی خاک - زمیننما با استفاده از الگوریتمهای جنگل تصادفی، درخت تصمیم توسعه یافته و رگرسیون لجستیک چندجمله ای در محیط نرمافزار Rstudio انجام شد. صحت کلی و ضریب کاپا برای ارزیابی کلاسهای خاک در سطح زیرگروه به ترتیب در مدل رگرسیون لجستیک چندجملهای ۶۵% و ۰/۴۱%، در مدل جنگل تصادفی ۶۵% و ۰/۳۲ و در مدل درخت تصمیم توسعه یافته ۶۰% و ۰/۳۵ به دست آمد. صحت کاربر و صحت تولیدکننده نشان داد که مدل رگرسیون لجستیک چندجملهای برآورد قابل قبولی در پیش بینی مکانی زیرگروههای خاک ارائه میدهد. متغیرهای عمق دره، فاصله تا شبکه آبراهه، شاخص همواری بالای پشته با درجه تفکیک بالا و شاخص طول در جهت شیب دارای بیش ترین اهمیت در مدل رگرسیون لجستیک چندجملهای بود. کلاسهای خاک با فراوانی بیشتر صحت بالاتری داشت. که نشان میدهد رابطه مستقیمی بین فراوانی کلاسهای خاک در دادههای آموزشی با صحت نتایج پیشبینی کلاسهای خاک برقرار است.
کلیدواژه ها:
نویسندگان
مستانه رحیمی
دانشجوی دکتری گروه علوم خاک دانشکده کشاورزی، دانشگاه زنجان، ایران
محمد امیر دلاور
دانشیار گروه خاکشناسی، دانشکده کشاورزی، دانشگاه زنجان
محمد جمشیدی
استادیار موسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران
امین شریفی فر
پژوهشگر گروه علوم خاک پردیس کشاورزی، دانشگاه تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :