مدل سازی تغییرات عمقی کربنات کلسیم معادل خاک با استفاده از الگوریتم های یادگیری ماشین در دشت قزوین

کربنات کلسیم معادل یکی از ویژگی های کلیدی خاک های مناطق خشک و نیمه خشک است که بررسی تغییرات سطحی و عمقی آن از اهمیت ویژه ای در بهره برداری پایدار از خاک های زراعی برخوردار است. هدف از این تحقیق مدل سازی مکانی کربنات کلسیم معادل (CCE) در پنج عمق استاندارد 100-60، 60-30، 30-15، 15-5 و 5-0 سانتی متر متناظر با پروژه جهانی نقشه خاک با استفاده از سه الگوریتم یادگیری ماشین جنگل تصادفی (RF)، رگرسیون درخت تصمیم (DTr) و k-نزدیک ترین همسایگی (k-NN) بود. مطالعات میدانی و آزمایشگاهی شامل حفر 278 خاکرخ، نمونه برداری و انجام تجزیه های فیزیکوشیمیایی موردنظر بود. متغیرهای کمکی شامل مشتقات مدل رقومی ارتفاع، شاخص های سنجش ازدور، داده های اقلیمی و خاک بودند که انتخاب دسته مناسب آن ها با استفاده از روش تجزیه مولفه های اصلی (PCA) و نظر کارشناس انجام گردید. همسان سازی مقادیر CCE در اعماق استاندارد به وسیله تابع عمق اسپیلاین اجرا گردید. بر اساس روش PCA در مولفه های اول تا پنجم با توجیه بیش از 80% واریانس تجمعی، متغیرهای کمکی شاخص همواری دره با وضوح مکانی بالا (MrVBF)، میانگین دمای سالانه (MAT)، شاخص سبزینگی (Greenness)، احتمال افق کلسیک (Cal.hr) و شاخص اثر باد (Wind Effect) و براساس نظر کارشناس، درصد رس (Clay) انتخاب گردیدند. الگوریتم RF در مقایسه با دو الگوریتم دیگر (DTr،k-NN) با دامنه مقادیر R2 برابر 0/83 - 0/76 و RMSE برابر 2/14- 3/21 درصد بالاترین میزان دقت و حداقل خطا را ارایه نمود. در سه عمق سطحی تغییرات مکانی CCE متاثر از متغیر Clay بود، در حالی که در اعماق زیرین Cal.hr مهم ترین فاکتور پیش بینی کننده آن بود. به طورکلی استفاده از رویکردهای نوین نقشه برداری در تهیه نقشه CCE به دلیل تاثیر این ویژگی بر روی قابلیت دسترسی رطوبت خاک و جذب عناصر غذایی توسط گیاهان بسیار کاربردی است.