ریزمقیاس سازی مکانی نقشه رقومی کربن آلی خاک با استفاده از الگوریتم دیزور

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
سابقه و هدف

در بیشتر پروژه های ملی و منطقه ای به منظور تولید نقشه رقومی ویژگی های خاک، تراکم نمونه برداری، به دلیل پرهزینه و زمان بر بودن، کم در نظر گرفته می شود. به همین دلیل نقشه های رقومی تولیدی دارای قدرت تفکیک مکانی درشت (بیش از90 متر) هستند که در مقیاس مزرعه ای (قدرت تفکیک مکانی کمتر از30 متر) قابل استفاده نیستند. یکی از راه کارهای حل این مسیله، ریزمقیاس سازی نقشه های رقومی با قدرت تفکیک مکانی درشت با استفاده از متغیرهای محیطی با قدرت تفکیک مکانی ریز است. هدف از انجام تحقیق حاضر، بررسی کارآیی الگوریتم ریزمقیاس سازی دیزور برای تولید نقشه رقومی کربن آلی با قدرت تفکیک مکانی 30 متر از نقشه رقومی کربن آلی خاک با قدرت تفکیک مکانی 90 مترمی باشد.

مواد و روش ها:

 ناحیه مورد مطالعه به وسعت تقریبی 14084 هکتار بخش کوچکی از حوضه آبریز کرخه واقع در استان کرمانشاه می باشد. در ابتدا با استفاده از 110 نقطه مشاهداتی تصادفی و روش کریجینگ بلوکی، نقشه رقومی کربن آلی خاک در محدود مورد مطالعه با اندازه پیکسل 90 متر تهیه گردید. سپس مجموعه ای شامل 23 متغیر کمکی محیطی مرتبط با فاکتورهای اسکورپن شامل اقلیم، توپوگرافی، موجودات زنده و مواد مادری به عنوان متغیرهای پیش بینی کننده مورد استفاده قرار گرفت. به منظور تهیه متغیرهای محیطی اقلیمی و توپوگرافی، از مدل رقومی ارتفاعSTRM و برای تهیه شاخص های پوشش گیاهی و زمین شناسی از تصاویر ماهواره لندست 5 استفاده شد. از الگوریتم دیزور که یک فرایند تکراری برای نزدیک شدن به راه حلی برای حفظ جرم است و مدل های خطی چند متغیره، افزودنی تعمیم یافته، کوبیست، جنگل تصادفی و مدل تجمعی برای تولید نقشه های ریزمقیاس استفاده گردید. برای ارزیابی کارآیی روش های مختلف، از مقایسه نقشه های بازسازی شده (حاصل از تبدبل نقشه های ریزمقیاس با اندازه پیکسل 30 متر به 90 متر با استفاده از فیلتر میانگین) با نقشه پایه (نقشه کریجینگ بلوکی) و معیارهای ارزیابی نااریبی، ضریب تبیین، ریشه میانگین مربعات خطا وضریب همبستگی تطابق استفاده شد. همچنین ساختار مکانی نقشه های بازسازی شده و نقشه پایه با استفاده پارامترهای نیم تغییرنمای تجربی بررسی گردید. 

یافته ها: 

رابطه بین متغیرهای کمکی با کربن آلی با استفاده از روش های داده کاوی در چهارچوب الگوریتم دیزور منجر به تولید نقشه های ریزمقیاس شد. نتایج نشان داد توابع تراکم احتمال نقشه های بازسازی در مدل کوبیست بسیار نزدیک به تابع تراکم احتمال نقشه پایه است. همچنین نقشه ریزمقیاس شده حاصل از مدل کوبیست دارای بیشترین ضریب تبیین بازسازی (75/0) و ضریب همبستگی تطابق بازسازی (8/0) و کمترین ریشه میانگین مربعات خطای بازسازی (06/0) و نااریبی بازسازی (001/0) بوده و بنابراین دارای بالاترین کارآیی در ریزمقیاس سازی نسبت به مدل های مختلف داده کاوی مورد بررسی است. همچنین مشخص شد استفاده از روش مدل سازی تجمعی در مقایسه با مدل های داده کاوی منفرد، صحت و دقت نقشه های ریز مقیاس شده را افزایش می دهد. مطالعه ساختار مکانی نقشه های ریزمقیاس شده با روش های داده کاوی در مقایسه با نقشه پایه (نقشه کریجینگ بلوکی کربن آلی خاک) نشان داد که واریانس کل نیم-تغییرنمای نقشه بازسازی شده مدل کوبیست نسبت به سایر مدل ها به واریانس کل نیم تغییرنمای نقشه پایه بسیار نزدیکتر است.

نتیجه گیری:

الگوریتم دیزور اصلاح شده به دلیل استفاده از روش های مختلف داده کاوی و مدل تجمعی، یک گزینه عملی برای ریزمقیاس-سازی نقشه ویژگی های خاک با قدرت تفکیک مکانی درشت است. با توجه به کارایی بالای این روش، می توان از آن برای تولید نقشه های ویژگی های خاک در مقیاس مزرعه ای از نقشه های رقومی در مقیاس منطقه ای و ملی استفاده نمود.

زبان:
فارسی
صفحات:
25 تا 45
لینک کوتاه:
magiran.com/p2189751 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • 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.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!