تهیه نقشه رقومی کیفیت خاک با استفاده از تصاویر ماهواره ای و الگوریتم های یادگیری ماشین (مطالعه موردی: لوشان، استان گیلان)

کیفیت خاک یکی از شاخص های بنیادین در ارزیابی پایداری اکوسیستم ها و بهره وری اراضی به شمار می رود و تحت تاثیر مجموعه ای از عوامل طبیعی و انسانی قرار دارد. هدف این پژوهش، تحلیل تغییرات مکانی شاخص کیفیت خاک در مقیاس منطقه ای با استفاده از الگوریتم یادگیری ماشین جنگل تصادفی (RF) و رگرسیون خطی چندمتغیره (MLR) با استفاده از متغیرهای محیطی در اراضی منطقه لوشان در استان گیلان بود. بدین منظور، تعداد ۷۶ نمونه خاک از عمق ۰ تا ۳۰ سانتی متر برداشت شد و ویژگی های فیزیکی، شیمیایی و زیستی خاک با استفاده از روش های معمول اندازه گیری گردید. علاوه بر این، شاخص های سنجش ازدور شامل شاخص گیاهی تفاوت نرمال شده (NDVI)، شاخص تفاوت نرمال شده آب (NDWI)، شاخص اختلاف رطوبت نرمال شده (NDMI)، شاخص تفاوت نرمال شده مناطق ساخته شده (NDBI)، شاخص خاک برهنه (BSI) و دمای سطح زمین (LST) به عنوان متغیرهای کمکی محیطی استخراج شدند. شاخص کیفیت خاک (SQI) با استفاده از دو رویکرد مجموعه کامل داده ها (TDS) و مجموعه حداقل داده ها (MDS) و به کمک توابع نمره دهی فازی محاسبه گردید. نتایج نشان داد مدل جنگل تصادفی با دقت بالاتری (R۲= ۰.۷۵) نسبت به رگرسیون خطی چندمتغیره (R۲= ۰.۵۳) ، قادر به پیش بینی تغییرات مکانی SQI بوده و ضرایب تعیین بالاتری را ارائه می دهد. همچنین شاخص های طیفی، به ویژه NDVI، NDWI و BSI بیشترین نقش را در تبیین تغییرات کیفیت خاک ایفا کردند. این مطالعه نشان می دهد رویکرد پیشنهادی نقشه برداری دیجیتال کیفیت خاک می تواند به عنوان ابزاری کارآمد در مدیریت پایدار اراضی، حفاظت خاک و پشتیبانی از تصمیم گیری های کشاورزی دقیق مورد استفاده قرار گیرد.

کلیدواژه ها:

ارزیابی خاک ، نقشه برداری دیجیتال خاک ، سنجش ازدور ، جنگل تصادفی ، مدلسازی مکانی