بررسی کارایی رویکردهای باز نمونه گیری در بهبود کلاس بندی داده های نامتوازن در نقشه-برداری رقومی خاک

در سال های اخیر، استفاده از روش های نقشه برداری رقومی مبتنی بر الگوریتم های یادگیری ماشین باهدف تهیه نقشه کلاس های خاک بطور گسترده ای توسعه یافته است. اساس این روش ها پیش بینی کلاس ها یا ویژگی های خاک به کمک مدل سازی روابط بین آن ها و متغیرهای محیطی به عنوان نمایندگان عوامل خاک سازی، می باشد. ماهیت نامتوازن توزیع خاک ها در طبیعت که منجر به بیش برازش کلاس های با فراوانی زیاد و کم برازش کلاس های با فراوانی کم و درنتیجه کاهش دقت فرآیند نقشه برداری خاک شده، از چالش های موجود در این روش می باشد. بنابراین، پژوهش حاضر باهدف ارزیابی توانایی دو الگوریتم جنگل تصادفی و ماشین بردار پشتیبان در نقشه برداری رقومی کلاس های فامیل خاک با توزیع نامتوازن، حاصل از 95 خاک رخ مطالعاتی در 4000 هکتار از اراضی زیرحوضه هنام، استان لرستان انجام گرفت. در این مطالعه موضوع عدم توازن در فراوانی کلاس های خاک با استفاده از 6 مجموعه داده، ازجمله مجموعه داده های اصلی و پنج مجموعه داده ایجادشده توسط چندین رویکرد نمونه گیری مجدد از داده های اصلی، شامل دو رویکرد طبقه بندی دستی و سه الگوریتم بیش نمونه گیری و کم نمونه گیری و بیش نمونه گیری اقلیت مصنوعی در محیط نرم افزار R موردبررسی قرار گرفت. نتایج نشان داد علیرغم مقایر پایین آماره های اعتبارسنجی، شباهت گسترش خاک های با فراوانی زیاد در منطقه مطالعاتی در نقشه های حاصل از مدل جنگل تصادفی و مجموعه داده های اصلی و همچنین الگوریتم بیش نمونه گیری اقلیت مصنوعی با نقشه خاک تهیه شده به روش مرسوم قابل توجه می باشد. بنابراین فراوانی کم سایر کلاس های خاک و در نتیجه آن عدم آموزش درست مدل ها برای آن ها را می توان یکی از دلایل اصلی صحت کلی کم مدل های به کار رفته دانست.