نقشه برداری رقومی کلاس های خاک با استفاده از رویکردهای یادگیری ماشین در بخشی از اراضی پایاب سد آزاد (مطالعه موردی: استان کردستان)

نقشه برداری رقومی خاک با برقراری روابط کمی میان متغیرهای محیطی و کلاس ها یا ویژگی های خاک قادر به پیش بینی مکانی ویژگی موردنظر است. در این پژوهش از الگوریتم های شبکه عصبی مصنوعی، درخت تصمیم، رگرسیون لاجستیک چند جمله ای و جنگل تصادفی برای پیش بینی نقشه خاک اراضی پایاب سد آزاد شهر سنندج با وسعت حدود 3/2178 هکتار استفاده شد. در سال 1396 تعداد 84 خاک رخ با الگوی تصادفی در منطقه مطالعاتی حفر، تشریح و نمونه برداری گردید. بر اساس ویژگی های ریخت شناختی و داده های آزمایشگاهی هر یک از خاکرخ ها تا سطح خانواده رده بندی شدند. بر اساس سیستم رده بندی جامع آمریکایی، دو رده اینسپتی سول و انتی سول، دو زیر رده، سه گروه بزرگ و پنج زیرگروه و خانواده مشاهده شد. برای محاسبه متغیرهای پیش بینی کننده، از مدل رقومی ارتفاع با قدرت تفکیک 10 متر و تصویر ماهواره سنتیل 2-B استفاده شد. برای بررسی صحت پیش بینی مدل ها از صحت عمومی نقشه، شاخص کاپا و درجه برابر استفاده شد که بهترین نتایج (به ترتیب 65/0، 53/0 و 16/0) برای الگوریتم شبکه عصبی مصنوعی به دست آمد. ضعیف ترین پیش بینی مربوط به مدل درخت تصمیم با صحت عمومی 38/0، شاخص کاپای 22/0 و درجه برابر 87/0 بود.