زیبا مقصودی - دانشجوی کارشناسی ارشد، گروه مهندسی آب و خاک، دانشکده کشاورزی، دانشگاه ایلام
محمود رستمی نیا - استادیار گروه مهندسی آب و خاک، دانشکده کشاورزی، دانشگاه ایلام
مرزبان فرامرزی - دانشیارگروه مهندسی مرتع و آبخیزداری، دانشکده کشاورزی، دانشگاه ایلام
علی کشاورزی - استادیار گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه تهران

محدودیت های موجود در روش های مرسوم شناسایی خاک و پیشرفت های صورت گرفته در فناوری اطلاعات، باعث شده تا توجه بیشتری به رویکرد­های نوین نقشه­برداری خاک برای افزایش خلوص نقشه­های خاک صورت گیرد. هدف این رویکرد پیش بینی کلاس های خاک یا ویژگی های آن، بر اساس متغیرهای محیطی یا خصوصیاتی از خاک است که به سادگی قابل محاسبه هستند. پژوهش حاضر در اراضی بخش سیوان از شهرستان ایلام با هدف شناسایی و تهیه نقشه خاک­های این منطقه صورت پذیرفته است. ابتدا موقعیت 46 خاکرخ با استفاده از تفسیر اولیه تصاویر ماهواره ای و روش مطالعه شناسایی آزاد مشخص گردید. سپس بر اساس مشخصات مورفولوژیکی هر خاکرخ­، نمونه برداری از کلیه افق­های ژنتیکی و تجزیه­های شیمیایی و فیزیکی لازم انجام گرفت. خاک های منطقه مورد مطالعه بر اساس کلید رده­بندی خاک آمریکایی (2014) طبقه­بندی گردید. در این مطالعه از مدل رگرسیون منطقی چند­جمله ای برای پیش بینی مکانی کلاس های رده بندی خاک استفاده شد. ویژگی های پستی و بلندی اولیه و ثانویه زمین از مدل رقومی ارتفاع با قدرت تفکیک مکانی 30 متر با استفاده از نرم افزار ساگا استخراج شد. نتایج رده­بندی خاکرخ­ها نشان داد که خاک های منطقه در سه رده مالی سولز، اینسپتی سولز و انتی سولز و شش کلاس در سطح خانواده خاک بود. بررسی همبستگی بین ویژگی های مدل رقومی ارتفاع نشان داد که پارامترهای موقعیت شیب میانی، تابش خورشیدی پراکنده، شاخص رطوبت پستی بلندی، شاخص زبری زمین، خمیدگی شکل سطح، خمیدگی طولی بیشترین تاثیر را روی تشکیل کلاس های خانواده خاک داشتند. دقت کلی مدل رگرسیون برای کلاس های خانواده 60/0 به دست آمد. هم چنین ضریب کاپای نقشه ی پیش بینی مکانی در سطح خانواده 38/0 برآورد گردید. نتایج این مطالعه نشان داد که متغیرهای زمین ریخت سنجی در پیش بینی کلاس های خاک موثر واقع شدند و پیشنهاد می­شود در مطالعات آینده از سایر متغیرهای محیطی مشتق از داده­های سنجش از دور نیز به منظور ارتقا صحت نقشه­های خاک استفاده گردد. 

نقشه برداری رقومی خاک, روش رگرسیون منطقی, داده کاوی, متغیرهای محیطی