کاربرد ویژگی های ژئومورفومتری در نقشه برداری رقومی خاک با استفاده از منطق فازی و یادگیری ماشین

روش های معمول نقشه برداری خاک وابسته به نمونه برداری متراکم، متاثر از مقیاس و دانش کارشناس می باشد، بنابراین استفاده از رویکردهای جدید داده کاوی در تهیه نقشه رقومی ویژگی های خاک برای مرتفع نمودن مشکلات روش معمول هدف اصلی این تحقیق است. در این پژوهش 62 نمونه خاک از عمق 0-20 سانتی متر براساس روش شبکه منظم (300 متر) و نظر کارشناس انتخاب و ویژگی های درصد کربن آلی، رس و کربنات کلسیم در بخشی از اراضی دیم منطقه کوهین با مساحت 370 هکتار اندازه گیری گردیدند. دو دسته داده 80 و 20 درصد به ترتیب برای واسنجی و اعتبارسنجی مدل ها انتخاب گردیدند. با استفاده از نرم افزار SAGA GIS و مدل رقومی ارتفاع با قدرت تفکیک مکانی10متر ، 19 متغیر ژیومورفومتری استخراج و براساس آنالیز تجزیه مولفه های اصلی (PCA) سه متغیر ارتفاع، شاخص موقعیت توپوگرافی و شاخص شدت پستی و بلندی و همچنین براساس نظر کارشناس، نقشه واحدهای لندفرم برای مدل سازی ویژگی ها انتخاب گردیدند. مدل جنگل تصادفی دارای دقت بالاتری بود به نحوی که نتایج آن برای ویژگی های درصد کربن آلی، رس و کربنات کلسیم بر اساس آماره های ضریب تبیین (R2) به ترتیب مقادیر 63/0، 75/0 و 63/0 و ریشه میانگین مربعات خطا (RMSE) مقادیر 17/0، 5/7، 77/5 درصد و برای رویکرد SoLIM مقادیر ضریب تبیین (R2) 47/0، 42/0 و 42/0 و مقادیر ریشه میانگین مربعات خطای 2/0، 08/8 و 68/4 درصد حاصل گردید. رویکرد جنگل تصادفی با شناخت ارتباط غیرخطی و بهینه ویژگی های خاک و متغیر های محیطی موثر می تواند نقشه های رقومی را با دقت مناسب برای مدیریت و بهره برداری پایدار از اراضی پیش بینی نماید.