بهبود دقت پیش بینی مکانی کلاس های خاک بر اساس رویکرد متعادل سازی داده

دستیابی به اطلاعات دقیق در مورد وضعیت و طبقه بندی خاک ها و پیش بینی پراکنش مکانی آن ها از اهمیت بالایی برخوردار است اما محدویت های مربوط به عدم تعادل داده ها به عنوان موضوع تحقیقاتی مهمی در زمینه داده کاوی است که اخیرا توجهمحققان زیادی را برای رفع این چالش به خود جلب کرده است. این پژوهش با هدف رفع چالش های نامتعادل بودن داده ها و بهبود دقت طبقه بندی کلاس های خاک در بخشی از اراضی جنوب غربی استان زنجان انجام گرفت. در این ارتباط تعداد ۱۴۸ خاک رخ طبق الگوی طبقه بندی تصادفی و با میانگین فاصله ۵۰۰ متر حفر و تشریح و طبقه بندی آن ها بر اساس سیستم جامع رده بندی خاک آمریکایی انجام شد. خاک ها در پنج کلاس با توزیع نامتعادل تیپیک کلسی زرپتز، تیپیک هاپلوزرپتز، جیپسیک هاپلوزرپتز، تیپیک زراورتنتز و لیتیک زراورتنتز قرار گرفتند. مناسب ترین متغیرهای محیطی بر اساس نظر کارشناسی و رویکرد تحلیل مولفه اصلی از میان ۵۷ متغیر شامل اطلاعات نقشه های ژئومورفولوژی و زمین شناسی، مدل رقومی ارتفاع و داده های حاصل از تصاویر ماهواره ای لندست ۸ برای پیش بینی کلاس های خاک انتخاب شد. مدل سازی رابطه خاک - زمین نما با استفاده از الگوریتم یادگیرنده جنگل تصادفی و رویکرد نمونه گیری مجدد (برای متعادل سازی داده ها) در محیط نرم افزار "Rstudio" انجام شد. نتایج نشان داد مقادیر صحت کلی و ضریب کاپا برای ارزیابی نقشه خاک در مدل جنگل تصادفی قبل از متعادل سازی داده ها به ترتیب برابر با ۶۵ درصد و ۰/۳۲ و پس از متعادل سازی داده ها با رویکرد نمونه گیری مجدد به ترتیب ۷۱ درصد و ۰/۵۴ به دست آمد. نتایج صحت کاربر و صحت تولید کننده نیز نشان داد دو کلاس جیپسیک هاپلوزرپتز و لیتیک زراورتنز که هنگام آموزش با استفاده از مجموعه داده نامتعادل حذف شده بودند، پس از متعادل سازی با دقت کاربر ۱۰۰ و ۷۸ درصد و دقت تولیدکننده ۷۵ و ۸۸ درصد در الگوریتم جنگل تصادفی به خوبی پیش بینی شدند. نتایج ارزیابی مدل ها نشان می دهد که متعادل سازی داده ها، با استفاده از روش نمونه برداری مجدد می تواند منجر به بهبود قابل توجهی در حفظ کلاس های خاک با تعداد مشاهده کمتر و ارتقاء دقت مدل های مبتنی بر روابط خاک - زمین نما در مطالعات نقشه برداری رقومی خاک گردد.

کلیدواژه ها:

داده های نامتعادل ، صحت کلی ، نمونه گیری مجدد ، یادگیری ماشین