انبوهش زدایی واحدهای نقشه خاک با استفاده از مدل دسمارت: ترکیب مدل های مبتنی بر سیستم درختی و داده های جدید خاک رخی

نقشه های مرسوم خاک بصورت واحدهای چندضلعی می باشند که در آن ها، واحدهای خاک با مرزهای مشخص از یکدیگر تفکیک شده اند اما تغییرات کلاس های خاک در واحدها مشخص نمی باشد. با توجه به نیاز به اطلاع از تغییرات کلاس های خاک در واحدهای نقشه، هدف این مطالعه انبوهش زدایی واحدهای نقشه خاک با استفاده از روش دسمارت (DSMART) در منطقه آبیک می باشد. مدل دسمارت براساس مدل های درخت C۵.۰، جنگل تصادفی و تقویت گرادیان افراطی در دو سناریو انجام شد: (۱) استفاده از اطلاعات واحدهای نقشه خاک موروثی یک میلیونیم کشور و (۲) با اطلاعات ۲۳۰ خاک رخ جدید در سطح زیرگروه های خاک. عملکرد مدل ها و عدم قطعیت آن ها با شاخص های کمی ارزیابی شدند. در سناریوی اول، میزان صحت کلی نقشه ها بین ۲۹/۰ تا ۳۷/۰ و مقدار کاپا بین ۱۷/۰ تا ۲۹/۰ متغیر بود که بهترین نتایج از مدل تقویت گرادیان افراطی با شاخص درهمی ۷۴/۰ بدست آمد. در سناریوی دوم، در مدل جنگل تصادفی صحت کلی نقشه ها از ۵۱/۰ تا ۶۳/۰ و کاپا از ۴۴/۰ تا ۶۰/۰ افزایش یافت و شاخص درهمی به ۶۵/۰ کاهش یافت. مقایسه این نقشه ها با توزیع مکانی زیرگروه های خاک منطقه بیانگر تطبیق خوب نقشه ها با هم بود، به طوریکه در سناریوی دوم به میزان ۴۳ درصد افزایش نشان داد. در سناریوی اول، متغیرهای توپوگرافی، و در سناریوی دوم، میانگین بارندگی و شاخص پوشش گیاهی عمودی بیشترین اهمیت را در مدل سازی داشتند. ترکیب داده های جدید خاک رخی صحت مدل سازی را تا ۲۶ درصد افزایش داد. این نتایج کارایی روش دسمارت با اطلاعات خاک رخی اضافی در انبوهش زدایی واحدهای نقشه خاک موروثی را تایید می کنند.

کلیدواژه ها:

دسمارت ، ریزمقیاس سازی ، نقشه برداری رقومی خاک ، یادگیری ماشین