مدل سازی رقومی تغییرات سه بعدی شوری خاک با استفاده از الگوریتم های یادگیری ماشین در اراضی خشک و نیمه خشک دشت قزوین

شوری خاک به عنوان یکی از مهم ترین شاخص های کیفیت خاک، نقش مهمی در برنامه ریزی های کاربری و مدیریت اراضی در مناطق خشک و نیمه خشک دارد. این پژوهش با هدف مدل سازی رقومی تغییرات سطحی و عمقی شوری خاک در پنج عمق استاندارد پروژه جهانی نقشه برداری رقومی خاک (5-0، 15-5، 30-15، 60-30 و 100-60 سانتی متر) در 60 هزار هکتار از اراضی دشت قزوین با وضوح مکانی 15 متر صورت پذیرفت. مطالعات میدانی شامل نمونه برداری از 278 خاکرخ بود و هدایت الکتریکی خاک ها در آزمایشگاه اندازه گیری شد. انتخاب متغیرهای محیطی، شامل پارامترهای مستخرج از داده های تصاویر لندست 8، توپوگرافی و لایه های اقلیمی، طبق روش حذف ویژگی برگشتی (RFE) صورت پذیرفت. چهار الگوریتم یادگیری ماشین جنگل تصادفی (RF)، کوبیست (CB)، رگرسیون درخت تصمیم (DTr) و k- نزدیک ترین همسایگی (k-NN) برای تهیه نقشه پیش بینی شوری خاک استفاده شد. بر اساس نتایج RFE درنهایت 10 متغیر کمکی در هر عمق انتخاب شدند. نتایج نشان داد که مدل CB در اعماق استاندارد 5-0 و 30-15 سانتیمتر با R2 برابر 92/0 و 85/0 و RMSE برابر 77/4 و 90/7 دسی زیمنس بر متر و مدل RF در اعماق 15-5، 60-30 و 100-60 سانتی متر مدل با R2 به تریتب برابر 93/0، 94/0، 96/0 و RMSE 65/6، 10/5 و 20/3 دسی زیمنس بر متر بالاترین مقادیر صحت را نسبت به دو مدل DTr و k-NN داشتند. همچنین در اعماق سطحی متغیرهای کمکی مستخرج از داده های سنجش دور و در اعماق زیرسطحی پارامترهای اقلیمی و توپوگرافی بیشترین ارتباط را با تغییرات شوری داشتند. بطور کلی مدل های RF و CB به همراه متغیرهای محیطی مناسب بخوبی توانستند تغییرات شوری را در اعماق استاندارد موردمطالعه ارایه نمایند.