بررسي عدم قطعيت در نقشه¬برداري رقومي خاك (مطالعه موردي: دشت شهركرد)

دانشگاه ولي عصر(عج) رفسنجان

دكتري

نقشه¬هاي رقومي خاك بر پايه ارتباط بين ويژگي¬هاي محيطي و خاك پايه¬ريزي شده-اند كه در اين راستا، مدل¬هاي ارتباط‌دهنده بين ويژگي¬هاي محيطي و خاك از اهميت بالايي برخوردار هستند. تاكنون ارزيابي اغلب مطالعات نقشه¬برداري رقومي خاك با استفاده از شاخص¬هاي خطا صورت گرفته است و بررسي روش¬هاي نوين نقشه¬برداري خاك از منظر بررسي عدم قطعيت مدل¬ها كمتر مورد توجه قرار گرفته است. بنابراين در پژوهش حاضر، خطا و عدم قطعيت چهار مدل درخت تصميم، جنگل تصادفي، شبكه عصبي مصنوعي و ماشين بردار پشتيبان در رابطه با پيش¬بيني كلاس-هاي خاك دشت شهركرد بر اساس دو سامانه رده¬بندي آمريكايي (2014) و طبقه¬بندي جهاني (2015) مورد مقايسه قرار گرفت. پس از حفر و تشريح 120 خاك¬رخ در منطقه مطالعاتي، از افق¬هاي ژنتيكي تمامي خاك¬رخ¬ها نمونه¬گيري شد و تجزيه¬هاي فيزيكي و شيميايي لازم بر روي آن¬ها انجام گرفت. هم¬چنين، ويژگي¬هاي محيطي منطقه شامل نقشه¬ زمين¬شناسي، نقشه شكل اراضي، نقشه فاز شكل اراضي، نقشه خاك سنتي، شاخص تفاضل نرمال¬شده پوشش گياهي و برخي از مشتقات مدل ارتفاع رقومي، مد نظر قرار گرفتند. با به¬كارگيري ويژگي¬هاي خاكي و محيطي مزبور، پژوهش حاضر در قالب سه مطالعه جداگانه پيگيري شد. در مطالعه اول، تأثير ورودي¬هاي مختلف (داده¬هاي خاكي، ويژگي¬هاي محيطي و تلفيق داده¬هاي خاكي و ويژگي¬هاي محيطي) و نقشه¬هاي كريجينگ آن¬ها در پيش¬بيني كلاس¬هاي خاك با استفاده از مدل درخت تصميم در محيط نرم¬افزار متلب، مورد بررسي قرار گرفت. در مطالعه دوم، نقشه¬هاي رقومي كلاس¬هاي خاك توسط دو مدل درخت تصميم و شبكه عصبي مصنوعي LVQ در نرم-افزار متلب تهيه شد و مقدار خطا و عدم قطعيت آن¬ها (با استفاده از روش واريانس اعتبار متقاطع) مورد مقايسه قرار گرفت. در مطالعه سوم، نقشه¬هاي رقومي كلاس¬هاي خاك توسط چهار مدل¬ گفته¬شده در نرم¬افزار R تهيه شد و مقدار صحت عمومي و عدم قطعيت آن¬ها (با استفاده از شاخص درهمي) مورد مقايسه قرار گرفت. نتايج مطالعه اول نشان داد كه خطاي پيش¬بيني كلاس¬هاي خاك با استفاده از ويژگي¬هاي خاكي نسبت به ساير ورودي¬ها داراي صحت عمومي بيشتري بود. هم-چنين، استفاده از نقشه¬هاي كريجينگ، باعث كاهش چشمگير ميزان خطا در سطوح مختلف سامانه رده¬بندي آمريكايي شد. نتايج مطالعه دوم حاكي از آن بود كه مدل درخت تصميم نسبت به شبكه عصبي مصنوعي LVQ، داراي خطا و عدم قطعيت كمتري بود. نتايج مطالعه سوم نشان داد كه براي پيش¬بيني ويژگي¬هاي كيفي خاك، مدل ماشين بردار پشتيبان و براي پيش¬بيني ويژگي¬هاي كمي خاك، مدل شبكه عصبي مصنوعي، نسبت به ساير مدل¬ها برتري داشتند. به¬علاوه، در نقشه¬هاي رقومي كلاس خاك، از سطح رده به فاميل، مقدار صحت عمومي كاهش و مقدار شاخص درهمي افزايش يافت. اين موضوع در رابطه با دو سطح سامانه طبقه¬بندي جهاني نيز صادق بود. به¬طور كلي، نقشه¬هاي عدم قطعيت ترسيم¬شده براي سطوح مختلف سامانه-هاي رده¬بندي امريكايي و طبقه¬بندي جهاني، حاكي از وجود عدم قطعيت بيشتر در نواحي مركزي منطقه نسبت به ساير نواحي بود. دليل احتمالي اين موضوع مي-تواند مربوط به حضور توأمان افق¬هاي كلسيك، پتروكلسيك و آرجيليك و نيز وجود رژيم رطوبتي اكوئيك در برخي نقاط نواحي مركزي باشد. نتايج همچنين نشان داد برخلاف نزديكي نتايج صحت عمومي دو مدل جنگل تصادفي و درخت تصميم، به¬دليل پايين¬تر بودن مقدار عدم قطعيت در مدل درخت تصميم، اين مدل ترجيح داده شد. به نظر مي¬رسد كه براي مقايسه مدل¬هاي مختلف مورد استفاده در تهيه نقشه¬هاي رقومي كلاس¬ها و ويژگي¬هاي خاك، توجه به عدم قطعيت در كنار صحت عمومي، امري ضروري

56938

دانشگاه وليعصر رفسنجان

حسين شيراني-محمد حسن صالحي -محسن باقري بداغ آبادي

خاك

عيسي اسفنديار پور