نقشه برداری رقومی کلاس های خاک با استفاده از رویکردهای یادگیری ماشین در بخشی از اراضی پایاب سد آزاد (مطالعه موردی: استان کردستان)
محل انتشار: مجله تحقیقات آب و خاک ایران، دوره: 54، شماره: 11
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 39
نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJSWR-54-11_006
تاریخ نمایه سازی: 30 بهمن 1402
چکیده مقاله:
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 ۳/۲۱۷۸ هکتار استفاده شد. در سال ۱۳۹۶ تعداد ۸۴ 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 ۱۰ متر و تصویر ماهواره سنتیل ۲-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 ۶۵/۰، ۵۳/۰ و ۱۶/۰) برای الگوریتم شبکه عصبی مصنوعی به دست آمد. ضعیف ترین پیش بینی مربوط به مدل درخت تصمیم با صحت عمومی ۳۸/۰، شاخص کاپای ۲۲/۰ و درجه برابر ۸۷/۰ بود.
کلیدواژه ها:
نویسندگان
مریم اوسط
استادیار بخش تحقیقات خاک و آب، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان کردستان، سازمان تحقیقات، آموزش و ترویج کشاورزی،
شاهرخ فاتحی
استادیار بخش تحقیقات خاک و آب، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان کرمانشاه، سازمان تحقیقات، آموزش و ترویج کشاورزی،
زینب زین الدینی
دانش آموخته کارشناسی ارشد، گروه علوم و مهندسی خاک، دانشگاه رازی، دانشکده کشاورزی
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :