نقشه برداری رقومی شوری خاک با استفاده از داده های کمکی و مدل های یادگیری ماشین در حوضه آبخیز بدر، جنوب شهرستان قروه استان کردستان

استفاده از تکنیک­های سنجش از دور و یادگیری ماشین به طور فزاینده­ای به عنوان روش­های مقرون به صرفه برای نمایش نقشه شوری خاک شناخته می­شود. در این مطالعه از داده­های ماهواره ای لندست ۸ و تکنیک های پیچیده یادگیری ماشینی برای ترسیم و ارزیابی سطوح شوری خاک در حوضه آبخیز بدر استفاده گردید. به این منظور، از چندین تکنیک یادگیری ماشین در نرم افزار R برای پیش بینی مقادیر شوری در حوضه آبخیز بدر استفاده شد. این الگوریتم ها نزدیک ترین همسایه K  (KNN)، تحلیل درخت تصمیم (DTA)، شبکه عصبی مصنوعی(ANN) ، جنگل تصادفی (R.F.) و رگرسیون چند متغیره خطی ترکیبی(MLR) را در بر می گرفت.. برای انجام این مطالعه، بر اساس تکنیک ابر مکعب لاتین، محل ۱۲۵ خاک­رخ در منطقه مطالعاتی انتخاب و حفر شد. نمونه های خاک، پس از هوا خشک شدن در محیط آزمایشگاه، کوبیده شد و از الک ۲ میلی­متری عبور داده شد. سپس شوری خاک اندازه­گیری گردید. برای برآورد ویژگی­های خاک، دو حالت مختلف مورد بررسی قرار گرفت. در حالت اول، مدل­های شبکه عصبی مصنوعی، تحلیل درخت تصمیم و رگرسیون چند متغیره خطی برای پیش­بینی استفاده شد. همچنین، برای ترکیب نتایج مدل­ها، از مدل نزدیک­ترین همسایه استفاده شد. نتایج این مطالعه نشان داد که متغیرهای کمکی مهم در پیش بینی شوری خاک به ترتیب اهمیت عبارت اند از: ژئومورفولوژی، عمق دره، شاخص همواری قله برآمدگی با درجه تفکیک بالا، شاخص خیسی، جهت شیب، مدل رقومی ارتفاع، شیب حوضه، موقعیت نسبی شیب، مقدار شیب و طول شیب. همچنین، نتایج ارزیابی مدل­ها نشان داد که در میان مدل­های استفاده شده برای پیش بینی شوری، مدل رگرسیون چند متغیره خطی ترکیبی(MLR) با ضریب تعیین ۰/۶۱۱ و ریشه دوم متوسط مربعات خطا ۰/۰۳۲ از بیشترین دقت برای پیش بینی برخوردار بوده است.

کلیدواژه ها:

لندست ۸ ، الگوریتم نزدیک ترین همسایه ، تحلیل درخت تصمیم ، شبکه عصبی مصنوعی ، جنگل تصادفی ، رگرسیون چند متغیره خطی ترکیبی