نوا کیانیان - دانش آموخته کارشناسی ارشد گروه علوم و مهندسی خاک، دانشکده کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه رازی، کرمانشاه
پرویز شکاری - استادیار گروه علوم و مهندسی خاک، دانشکده کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه رازی، کرمانشاه

کاربست روش های نوین مطالعات خاک شناسی برای دستیابی به اطلاعات کمی و آسان به روزشونده خاک در راستای برنامه ریزی ومدیریت پایدار سرزمین ضروری به نظر می رسد. K نزدیکترین همسایه (KNN) یکی از شناخته شده ترین مدل های ناپارامتری در دسته بندی ومدل کردن داده ها است. برای ارزیابی عملکرد KNN در تهیه نقشه پیش بینانه خاک، بخشی از دشت سنجابی به مساحت حدود 48 هزار هکتار دراستان کرمانشاه برگزیده شد. تعداد 93 پدان مطالعه و در سطح اول سیستم WRB رده بندی شد. ارزیابی پیش بینی ها به صحت عمومی 52 / 0 وضریب سازگاری کاپا 32 / 0 انجامید. عملکرد KNN به فراوانی مشاهدات حساسیت داشت به همین دلیل، گروه مرجع چیره در منطقه(Calcisols) را با صحت خوب، اما گروه های با فراوانی کمتر (Kastanozems, Vertisols, Leptosols) را ضعیف پیش بینی نمود. این ضعف درهمه روش های رایان آموختی دیده می شود. یکی از راه حل های این مشکل طراحی و کاربست روشی برای نمونه گیری است که توان سازگارشدن ازپیش با پراکنش خاک در هر منطقه معین مطالعاتی را داشته باشد. در مجموع، دست بالای عملکرد KNN در منطقه مطالعاتی میانه بود و در یکنمونه معین، نشان از نیاز به ترکیب این مدل با دیگر روش های رایان آموختی به عنوان راه دیگر بهبود عملکرد است.

رایان آموختی، الگوی پراکنش خاک، نقشه برداری رقومی خاک