پیش بینی مکانی برخی از ویژگی های خاک سطحی با استفاده از مدل های درون یابی و یادگیری ماشین

دست یابی به اطلاعات مکانی دقیق و با جزییات بیشتر از پراکنش مکانی ویژگی های خاک بر روی سیمای اراضی برای پایش دقیق منابع اراضی، کاربردهای هیدرولوژیکی، مدیریت کاربری اراضی و سایر مدل سازی های محیطی ضروری است و نقش بنیادینی را در فرآیندها اکوهیدرولوژی، اراضی مستعد کشاورزی و مدیریت پایدار اراضی در مناطق نیمه خشک ایفا می نماید. پژوهش حاضر باهدف پیش بینی مکانی درصد کربن آلی خاک (SOC)، کربنات کلسیم معادل (CCE)، رس، لای و ماسه در منطقه قروه-دهگلان کردستان صورت پذیرفت. مواد و روش ها: منطقه قروه دهگلان با میانگین دمای سالیانه 12 درجه سلسیوس و میانگین بارش سالیانه 348 میلی متر (دوره آماری 20 ساله) به ترتیب دارای رژیم های رطوبتی و حرارتی زریک و ترمیک است. حدود 145 نمونه خاک از عمق 30-0 سانتی متر بر اساس الگوی نمونه برداری تصادفی برداشت گردید. سپس نمونه های خاک برای انجام آزمایش های فیزیکی و شیمیایی لازم به آزمایشگاه منتقل گردید. مدل جنگل تصادفی (RF) به عنوان نماینده روش های غیرپارامتریک و دو روش کریگینگ معمولی (OK) و وزن دهی عکس فاصله (IDW) برای مدل سازی تغییرات مکانی ویژگی های خاک و خودهمبستگی مکانی بین آنها استفاده گردیدند. تمامی مراحل مدل سازی روش RF در نرم افزار RStudio و روش های درون یابی (OK و IDW) در نرم افزارهای ArcGIS و GS+ صورت پذیرفت. 30 متغیر محیطی شامل مشتقات مدل رقومی ارتفاع (DEM) در نرم افزار SAGA GIS 7.3 و داده های باند انعکاسی ماهواره لندست 8 به عنوان متغیرهای محیطی تهیه شدند. تمامی متغیرهای محیطی مورداستفاده با تفکیک مکانی 30 متر بازنمونه گیری گردیدند. انتخاب متغیرهای محیطی بهینه طبق شاخص تورم واریانس (VIF) انجام گردید. مدل سازی ویژگی ها طبق دو دسته داده 80 و 20 درصد، به ترتیب برای واسنجی و اعتبارسنجی انجام گردید و از دو آماره میانگین ریشه مربعات خطا (RMSE) و ضریب تبیین (R2) برای تعیین دقت مدل ها استفاده شد. بر اساس شاخص تورم واریانس از مجموع 30 متغیر محیطی تهیه شده در نهایت هفت متغیر کمکی شامل،. چهار متغیر سنجش از دور شاخص پوشش گیاهی تعدیل یافته خاک (SAVI)، سبزینگی شاخص گیاهی تفاضلی نرمال شده (GNDVI)، شاخص پوشش گیاهی نسبی (RVI) و شاخص پوشش گیاهی بهبودیافته (EVI) و سه ویژگی ژیومورفومتری شامل مدل رقومی ارتفاع (DEM)، فاصله اقلیدسی از شبکه آبراهه و شاخص موقعیت توپوگرافی (TPI) انتخاب گردیدند. نتایج مدل سازی نشان داد که مدل RF برای متغیر کربن آلی خاک (5/0=R2 و 4/0=RMSE%)، متغیر کربنات کلسیم معادل (4/0=R2 و 61/ 11=RMSE%)، متغیر رس (21/0=R2 و 65/5=RMSE%) و متغیر لای (15/0=R2 و 24/7= RMSE%)، مناسب ترین مدل و روش کریگینگ معمولی برای متغیر ماسه با (14/0=R2 و 26/10=RMSE) نسبت به دو مدل RF و IDW دارای دقت بالاتری بودند. از میان نیم تغییرنما های برازش داده شده مدل نمایی برای متغیرهای کربن آلی خاک، رس، لای و ماسه به جز کربنات کلسیم معادل دارای مناسب ترین برازش بود. نتایج خودهمبستگی مکانی نشان داد که دو متغیر کربنات کلسیم معادل و ماسه دارای کلاس همبستگی مکانی قوی بود و مابقی دارای کلاس متوسط می باشند. بالاترین مقادیر سقف نیم تغییرنما مربوط به کربنات کلسیم معادل و رس و کمترین مقدار آن مربوط به کربن آلی خاک و ماسه بود. این نتایج بیانگر وجود الگوی تصادفی یا ساختار مکانی ضعیف در نمونه های مورداستفاده برای محاسبه نیم تغییرنما است. از میان متغیرهای کمکی مورداستفاده برای مدل سازی مکانی سه ویژگی کربن آلی خاک، کربنات کلسیم معادل و رس، متغیرهای ژیومورفومتری مدل رقومی ارتفاع، شاخص موقعیت توپوگرافی و فاصله اقلیدسی از شبکه آبراهه دارای بیشترین اهمیت و برای متغیرهای ماسه و لای پارامترهای NDVI، SAVI و RVI دارای اهمیت بیشتری بودند. .