نقشه برداری رقومی ضخامت خاک سطحی و عدم قطعیت وابسته به آن با استفاده از رویکرد یادگیری ماشین در بخشی از اراضی خشک و نیمه خشک دشت قزوین

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 81

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJSWR-53-3_012

تاریخ نمایه سازی: 31 اردیبهشت 1402

چکیده مقاله:

پژوهش حاضر باهدف مدل سازی رقومی ضخامت خاک سطحی با استفاده از مدل های یادگیری ماشین جنگل تصادفی (RF) و شبکه عصبی مصنوعی (ANN) در حدود ۶۰۰۰۰ هکتار از اراضی دشت قزوین ( حد واسط آبیک و نظرآباد) با تراکم مشاهداتی ۲۷۸ پروفیل در بازه زمانی ۱۳۹۵-۱۳۹۹ و تعداد ۱۷ متغیر محیطی مستخرج از تصاویر ماهواره لندست۸، مشتقات اولیه و ثانویه مدل رقومی ارتفاع، داده های اقلیمی، نقشه کاربری اراضی و زمین شناسی اجرا گردید. برای انتخاب متغیرهای کمکی از الگوریتم نظارت شده باروتا (Boruta) به همراه نظر کارشناس استفاده شد. از دو تابع "nnet" و "random forest" و بسته "caret" در محیط نرم افزار R برای مدل سازی بر اساس ۸۰ درصد داده ها در مرحله واسنجی و ۲۰ درصد برای اعتبارسنجی استفاده شد و عدم قطعیت نقشه های نهایی با دو روش بوتسراپت (bootstrapping) و کا-مرتبه (k-fold) کمی سازی گردید. نتایج بیانگر انتخاب ۱۰ متغیر کمکی از میان ۱۷ متغیر بود و متغیرهای شاخص سبزینگی، تاثیر باد، تابش پخشیده و شاخص همواری دره باقدرت تفکیک بالا(Mrvbf) به عنوان مهم ترین متغیرهای کمکی مشخص گردیدند. نتایج اعتبارسنجی مدل RF بیانگر ضریب تبیین (R۲) ۸/۰ و ریشه میانگین مربعات خطای (RMSE) کمتر از ۳ سانتی متر و اریبی (Bias) ۶۳/۰ سانتی متر است. در مدل شبکه عصبی مقادیرR۲ ، RMSE  و Bias به ترتیب برابر۴۳/۰، ۰۵/۰ سانتی متر و ۰۰۴/۰ سانتی متر حاصل گردید، همچنین ضریب همبستگی توافق (CCC) برای مدل RF در مقایسه با ANN به میزان ۵۰ درصد افزایش نشان می دهد، عدم قطعیت برآورد شده توسط روش bootstrapping در مقایسه با k-fold به در مناطق با ضخامت ۱۰ تا۱۵ سانتی به میزان ۷ سانتی متر بیشتر است و در بخش زیادی از منطقه میزان پایین و دارای الگوی مکانی یکسانی می باشند. مدل جنگل تصادفی به همراه متغیرهای محیطی انتخاب شده و عدم قطعیت های کمی شده نقشه های خروجی می توانند برای مدل سازی ضخامت خاک سطحی در نواحی مشابه با این پژوهش در مطالعات آتی استفاده گردد.

نویسندگان

اصغر رحمانی

گروه علوم و مهندسی خاک، پردیس کشاورزی و منایع طبیعی، دانشگاه تهران، کرج، ایران

فریدون سرمدیان

گروه مهندسی علوم خاک، پردیس کشاورزی و منابع طبیعی دانشگاه تهران، کرج، ایران

حسین عارفی

گروه سنجش از دور و فتوگرامتری،دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده های فنی، دانشگاه تهران، 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 :
  • Adhikari, K., Owens, P. R., Ashworth, A. J., Sauer, T. ...
  • Arrouays, D., Grundy, M. G., Hartemink, A. E., Hempel, J. ...
  • Baltensweiler, A., Walthert, L., Hanewinkel, M., Zimmermann, S., & Nussbaum, ...
  • Chen, S., Richer-de-Forges, A. C., Mulder, V. L., Martelet, G., ...
  • Conrad, O., Bechtel, B., Bock, M., Dietrich, H., Fischer, E., ...
  • Dharumarajan, S., Hegde, R., & Lalitha, M. (۲۰۲۱). Modelling of ...
  • Gessler, P. E., Moore, I. D., McKenzie, N. J., & ...
  • Han, X., Liu, J., Mitra, S., Li, X., Srivastava, P., ...
  • Hengl, T., Mendes de Jesus, J., Heuvelink, G. B., Ruiperez ...
  • Horst-Heinen, T. Z., Dalmolin, R. S. D., ten Caten, A., ...
  • Kursa, M.B.; Rudnicki, W.R. Feature selection with the Boruta package. ...
  • Lalitha, M., Dharumarajan, S., Suputhra, A., Kalaiselvi, B., Hegde, R., ...
  • Leenaars, J. G., Claessens, L., Heuvelink, G. B., Hengl, T., ...
  • Li, A., Tan, X., Wu, W., Liu, H., & Zhu, ...
  • Li, X., Luo, J., Jin, X., He, Q., & Niu, ...
  • Liddicoat, C., Maschmedt, D., Clifford, D., Searle, R., Herrmann, T., ...
  • McBratney, A. B., Minasny, B., & Stockmann, U. (Eds.). (۲۰۱۸). Pedometrics. ...
  • Mehnatkesh, A., Ayoubi, S., Jalalian, A., & Sahrawat, K. L. ...
  • Moore, I. D., Gessler, P. E., Nielsen, G. A. E., ...
  • Mousavi, S. R., Sarmadian, F., & Rahmani, A. (۲۰۲۰). Modelling ...
  • MOUSAVI, S. R., Sarmadian, F., Omid, M., & Bogaert, P. ...
  • Mousavi, S., Sarmadian, F., Alijani, Z., & Taati, A. (۲۰۱۷). ...
  • Rahmani, A. Sarnadian, F. Mousavi, S.R. ۲۰۲۰. Application of geomorphometric ...
  • Rahmani, A., Sarmadian, F., Mousavi, S. R., & Khamoshi, S. ...
  • Rasaei, Z., Rossiter, D. G., & Farshad, A. (۲۰۲۰). Rescue ...
  • Rossel, R. V., Chen, C., Grundy, M. J., Searle, R., ...
  • Sepahvand, M., Khormali, F., Kiani, F., & Eftekhari, K. (۲۰۱۷). ...
  • Shrestha, D. L., & Solomatine, D. P. (۲۰۰۶). Machine learning ...
  • Staff, S.S., ۲۰۱۴. Keys to Soil Taxonomy, ۱۲th Edn Washington. DC: ...
  • Szatmári, G., & Pásztor, L. (۲۰۱۹). Comparison of various uncertainty ...
  • Tesfa, T. K., Tarboton, D. G., Chandler, D. G., & ...
  • Thompson, A. L., Gantzer, C. J., & Anderson, S. H. ...
  • Tibshirani, R. J., & Efron, B. (۱۹۹۳). An introduction to ...
  • Van Wambeke, A. R. (۲۰۰۰). The Newhall Simulation Model for ...
  • Vanwinckelen, G., & Blockeel, H. (۲۰۱۲). On estimating model accuracy ...
  • Vickers, N. J. (۲۰۱۷). Animal communication: when i’m calling you, ...
  • Minasny, B., McBratney, A. B., & Lark, R. M. (۲۰۰۸). ...
  • Wang, F., Sahana, M., Pahlevanzadeh, B., Pal, S. C., Shit, ...
  • Wang, Q., Wu, B., Stein, A., Zhu, L., & Zeng, ...
  • Wilson, J. (۲۰۱۸). Environmental applications of digital terrain modeling. John ...
  • Zahedi, p. Shahedi, K. Nejad Roshan, H. & Soleimani, K. ...
  • Zahedi, S., Shahedi, K., Rawshan, M. H., Solimani, K., & ...
  • Zeraatpisheh, M., Jafari, A., Bodaghabadi, M. B., Ayoubi, S., Taghizadeh-Mehrjardi, ...
  • Zhao, R., & Wu, K. (۲۰۲۱). Soil Health Evaluation of ...
  • Zhu, A. X., Hudson, B., Burt, J., Lubich, K., & ...
  • Zinck, J. A., Metternicht, G., Bocco, G., & Del Valle, ...
  • نمایش کامل مراجع