مدل سازی و پیش بینی مکانی کلاس خاک با استفاده از الگوریتم یادگیری رگرسیون درختی توسعه یافته و جنگل-های تصادفی در بخشی از اراضی دشت قزوین

پیام:
چکیده:

انتخاب متغیرهای کمکی مناسب در روش های یادگیرنده ماشینی جهت نقشه برداری رقومی خاک از اهمیت ویژه ای برخوردار است. طی سال های اخیر در ایران استفاده از الگوریتم های یادگیرنده در نقشه برداری رقومی و بهنگام سازی نقشه های قدیمی توسعه یافته است. پژوهش حاضر در بخشی از اراضی دشت قزوین با هدف مقایسه جنگل های تصادفی (RF) و رگرسیون درختی توسعه یافته (BRT) در پیش بینی مکانی کلاس های زیرگروه و فامیل خاک بهمراه انتخاب متغیرهای کمکی با استفاده از شاخص تورم واریانس انجام شده است. 61 خاکرخ به روش نمونه برداری تصادفی طبقه بندی شده حفر، تشریح و با تجزیه وتحلیل آزمایشگاهی تا سطح فامیل رده بندی گردید. مناسب ترین متغیر های محیطی از میان 15 متغیر ژئومورفومتری و شاخص های سنجش از دور با استفاده از فاکتور تورم واریانس انتخاب گردیدند. مدل سازی رابطه خاک - زمین نما در دو سطح زیرگروه و فامیل خاک با استفاده از دو الگوریتم یادگیرنده RF و BRT در نرم افزار RStudio بر اساس دو بسته "Randomforest" و "C5.0" اجرا گردید. نتایج انتخاب متغیر های محیطی نشان داد که شش متغیر CHA،DEM ، STH، NDVI، SI و DVI به عنوان متغیر ورودی انتخاب گردیدند. شاخص های ارزیابی مدل ها شامل صحت کلی و شاخص کاپا به ترتیب برای الگوریتم BRT، 35، 26 درصد و برای الگوریتم RF،70، 60 درصد در سطح فامیل خاک حاصل گردید. آنالیز حساسیت برمبنای شاخص میانگین حداقل صحت نشان داد که متغیر محیطی مساحت حوزه آبخیز اصلاح شده دارای بیشترین اهمیت نسبی در میان متغیرهای انتخاب شده است. به طورکلی با استفاده از رویکردهای نوین انتخاب متغیر و الگوریتم های یادگیرنده موثر می توان نقشه ی پراکنش مکانی خاک ها را حتی در نواحی با پستی وبلندی کم با صحت قابل قبول تهیه نمود.

نوع مقاله:
مقاله پژوهشی/اصیل
زبان:
فارسی
صفحات:
2525 -2538
لینک کوتاه:
magiran.com/p2098994 
برخی از خدمات از جمله دانلود متن مقالات تنها به مشترکان مگیران ارایه می‌گردد. شما می‌توانید به یکی از روش‌های زیر مشترک شوید:
اشتراک شخصی
در سایت عضو شوید و هزینه اشتراک یک‌ساله سایت به مبلغ 300,000ريال را پرداخت کنید. همزمان با برقراری دوره اشتراک بسته دانلود 100 مطلب نیز برای شما فعال خواهد شد!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی همه کاربران به متن مطالب خریداری نمایند!
توجه!
  • دسترسی به متن مقالات این پایگاه در قالب ارایه خدمات کتابخانه دیجیتال و با دریافت حق عضویت صورت می‌گیرد و مگیران بهایی برای هر مقاله تعیین نکرده و وجهی بابت آن دریافت نمی‌کند.
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.