تلفیق تکنیک های داده کاوی و پارامترهای فیزیک و شیمیایی خاک در برآورد درصد پوشش گیاهی

شناخت اجزای اکوسیستم مرتع و دست یابی به روابط بین اجزای آن از جمله خاک و پوشش گیاهی، از ضروریات مدیریت بهینه مراتع می باشد. از سوی دیگر به کارگیری روش های یادگیری ماشین به منظور کشف روابط بین این عوامل می تواند کمک بسیاری در زمینه کاهش هزینه های نمونه برداری و آزمایشات خاک داشته باشد. در این مطالعه به منظور آگاهی از تاثیر برخی خصوصیات خاک بر درصد پوشش گونه درمنه دشتی در مراتع دشت یزد- اردکان و ندوشن، اطلاعات مربوط به پوشش گیاهی در قالب 320 پلات در طول 40 ترانسکت برداشت گردید. پس از حفر پروفیل در ابتدا و انتهای هر ترانسکت و تهیه نمونه خاک از دو عمق صفر تا 10 و 10 تا 30 سانتی متر ی برخی پارامترهای خاک اندازه گیری شد. در این پژوهش به منظور بررسی وضعیت درصد پوشش درمنه دشتی بر مبنای پارامترهای خاک، از تکنیک های داده کاوی استفاده شد و شش الگوریتم اجرا شد. همچنین به منظور تعیین میزان وزن و تاثیر هر یک از عوامل در فرایند مدل سازی، وزن دهی عامل ها بر مبنای مدل ماشین بردار پشتیبان صورت گرفت. نتایج حاصل از ارزیابی مدل ها نشان داد که مدل فرآیند گوسی با (385/1RMSE=) و (998/0R=) در مجموعه داده آموزش و (960/0RMSE=) و (9999/0R=) در مجموعه داده تست از دقت بالاتری در برآورد درصد پوشش نسبت به سایر مدل ها برخوردار بوده است. نتایج وزن دهی نیز نشان داد، از بین پارامترهای خاک سدیم در عمق های صفر تا 10 و 10 تا 30 سانتی متر بیشترین تاثیر را در برآورد پوشش گیاهی دارند. به طور کلی نتایج نشان از اهمیت بالای پارامترهای خاک و کارایی بالای روش های یادگیری ماشین در پیش بینی درصد پوشش مناطق داشته است.