نقشه برداری رقومی و پیش بینی تغییرات مکانی کربنات کلسیم معادل خاک سطحی با استفاده از الگوریتم یادگیری ماشین

پذیرفته شده برای پوستر

کد مقاله : 1263-ISSC19

¹استادیار پژوهش ، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی خوزستان، سازمان تحقیقات، آموزش وترویج کشاورزی (AREEO)، اهواز، ایران

²دانشیار پژوهش، موسسه تحقیقات خاک و آب،سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران

روش معمول نقشه برداری ویژگی‌های خاک، وابسته به برداشت‌های میدانی بوده و اطلاعات حاصل از تغییرات مکانی آنها متاثر از مقیاس مطالعاتی و نیاز به دانش کارشناسان باتجربه دارد. استفاده از رویکردهای جدید داده‌کاوی در تهیه نقشه رقومی ویژگی‌های خاک ضرورت دارد. لذا این تحقیق با هدف مدلسازی مکانی کربنات کلسیم معادل خاک(CCE)در بخشی از اراضی کشاورزی دشت شادگان با تکیه بر دادههای میدانی، تصاویر لندست 8 و دادههای مدل رقومی ارتفاع وتوپوگرافی با استفاده از الگوریتم یادگیری ماشین جنگل تصادفی(RF) انجام شده است. بررسی نتایج نشان داد که متغیرهای محیطی حاصل از داده های توپوگرافی، سهم بیشتری را ازنظر فراوانی نسبت به سایر نمایندگان فاکتورهای خاکسازی در پیش بینی کربنات کلسیم خاک به خود اختصاص دادند. که متغیر MRRTF به عنوان مهمترین عوامل تأثیرگذار بر روی تغییرات کربنات کلسیم در منطقه مورد مطالعه می باشد. به طور کلی رویکرد جنگل تصادفی به خوبی توانست زیرمجموعه‌ مناسب از متغیرهای محیطی در رابطه با تغییرات کربنات کلسیم افق سطحی خاک ارائه دهد، و نقشه‌های رقومی را با دقت مناسب() برای مدیریت و بهره‌برداری پایدار از اراضی پیش‌بینی نماید.

شادگان؛ جنگل تصادفی؛ متغیرهای محیطی؛ نقشه برداری رقومی

پویایی مکانی و زمانی خاک