نقشه برداری رقومی کلاس فامیل خاک با استفاده از رویکرد یادگیری ماشین (مطالعه موردی: اراضی نیمه خشک غرب ایران)

نقشه برداری رقومی خاک همگام با پیشرفت های زیرساخت داده های مکانی، نقش مهمی را در جهت ارتقاء دانش مطالعات خاکشناسی ایفا می کند. لذا تحقیق حاضر با هدف تهیه نقشه رقومی کلاس فامیل خاک با استفاده از مدل های جنگل تصادفی و رگرسیون درختی توسعه یافته در بخشی از اراضی نیمه خشک استان ایلام اجرا شد. متغیرهای محیطی از مدل رقومی ارتفاع با قدرت تفکیک مکانی 30 متر با استفاده از نرم افزار SAGAGIS نسخه 7/3 استخراج شد. تعداد 46 خاکرخ حفر و ویژگی های فیزیکوشیمیایی نمونه های خاک اندازه گیری و بر اساس سامانه آمریکایی 2014 در سطح فامیل رده بندی شد. در محدوده مورد مطالعه سه رده مالی سولز، اینسپتی سولز و انتی سولز شناسایی شد. بر اساس نتایج داده کاوی متغیرهای محیطی با استفاده از آنالیز تورم واریانس (VIF)، متغیرهای کمکی ارتفاع، ارتفاع استاندارد شده و شاخص زبری پستی و بلندی بیشترین میزان تغییرپذیری مکانی خاک ها را در منطقه مدل سازی می کند. بهترین پیش بینی مکانی کلا س های خاک مربوط به فامیل خاکFine, carbonatic, thermic, Typic Haploxerolls است. همچنین نتایج نشان می دهد که مدل های جنگل تصادفی و رگرسیون درختی توسعه یافته به ترتیب صحت عمومی 0/80 و 0/64 و شاخص کاپای 0/70 و 0/55 را ارایه می کند. بنابراین، روش جنگل تصادفی می تواند یک روش قابل اعتماد و با دقت مناسب باشد که حتی با تعداد نمونه کم تخمین قابل قبولی را ارایه کند.