مقایسه سه روش زمین آمار برای پیش بینی گروه های بافتی در اراضی زراعی و باغی استان گیلان

بافت[H1]  خاک یک خصوصیت ایستای خاک است و بر بیشتر ویژگی های فیزیکی و شیمیایی خاک تاثیر میگذارد.از این رو، تقاضا برای اطلاعات مکانی آن رو به افزایش است. کمبود اینگونه اطلاعات می تواند منجر به اتخاذ سیاست های غلط در مدیریت و تخریب منابع زمین و آب شود. در ایران داده های پراکنده بسیاری در مورد خاک وجود دارد که هزینه های بسیاری صرف تولید آن ها شده است. در صورت پهنه بندی صحیح، این داده ها به صورت نقشه در دامنه وسیعی از کاربردها قابل استفاده هستند. در این پژوهش، روش های کریجینگ معمولی، وزن دهی عکس فاصله و طبقه بندی پیکسل مبنا برای پهنه بندی ذرات معدنی و گروه های بافت خاک (سبک، سنگین و متوسط) در 4665 نمونه خاک سطحی با مختصات جغرافیایی معین در اراضی زراعی و باغی استان گیلان که عمدتا در دشت های ساحلی و پست قرار داشتند، مقایسه گردید و با استفاده از آماره های صحت سنجی ضریب تبیین (R2)، میانگین اریب خطا (MBE)، ریشه میانگین نرمال شده مربعات خطا (NRMSE)، ضریب کاپا (KIA) و درصد صحت طبقه بندی پیکسل ها (Pa) ارزیابی شد. نتایج نشان داد که روش وزن دهی عکس فاصله در برآورد درصد رس (R2 = 0/64 و  NRMSE =0/22) و شن (R2 = 0/67 و  NRMSE =0/25) از صحت بالاتری برخوردار بود. اما در برآورد گروه های بافتی سبک، سنگین و متوسط روش طبقه بندی پیکسل مبنا بر پایه آماره های ضریب کاپا و صحت طبقه بندی (به ترتیب برابر 0/46 و 73%) از صحت بیشتری نسبت به دیگر روش ها برخوردار بود؛ اما این برتری نسبت به روش کریجینگ معمولی (KIA =0/43  و  Pa =71%) جزئی بود. در طبقه بندی پیکسل مبنا از مولفه های داده های رقومی خاک به عنوان متغیر ورودی در شبکه عصبی مصنوعی برای برآورد اجزای معدنی در پیکسل های مجهول استفاده شد. برای تصمیم گیری با قطعیت بیشتر در رابطه با کارایی طبقه بندی پیکسل مبنا در برآورد گروه های بافتی خاک لازم است این روش در شرایطی با تنوع بیشتر در فیزیوگرافی نیز ارزیابی شود.  [H1]