| ارزیابی الگوریتم‌های یادگیری ماشین در طبقه‌بندی شوری خاک با استفاده از سامانه گوگل ارث انجین (مطالعه موردی: دشت آبیک) |
| کد مقاله : 1260-ISSC19 |
| نویسندگان |
|
آیه جاویدفر1، فریدون سرمدیان *2، محمد گل‌پرور1 1دانشجو کارشناسی ارشد علوم و مهندسی خاک، دانشکدگان کشاورزی و منابع طبیعی دانشگاه تهران 2استاد گروه علوم و مهندسی خاک، دانشکدگان کشاورزی و منابع طبیعی دانشگاه تهران |
| چکیده مقاله |
| افزایش شوری خاک از مهم‌ترین چالش‌های تهدیدکننده پایداری منابع خاک در مناطق خشک است. این پژوهش با هدف طبقه‌بندی شوری خاک با استفاده از الگوریتم‌های Random Forest و CART در بستر Google Earth Engine در دشت آبیک انجام شد. برای این منظور، ۱۷۲ نمونه خاک سطحی برداشت و هدایت الکتریکی آنها اندازه‌گیری شد. پس از تهیه تصاویر Sentinel-2 با پوشش ابر کمتر از ۱۰ درصد و استخراج شاخص‌هایی نظیر SI، Albedo و DEM، دو مدل یادگیری ماشین برای پیش‌بینی مقادیر EC آموزش داده شدند. سپس با آستانه‌گذاری، نقشه‌های طبقه‌بندی شوری خاک در پنج کلاس تولید شد. مدل Random Forest با R² بیشتر و RMSE کمتر، عملکرد بهتری نسبت به CART نشان داد و الگوهای مکانی شوری را با دقت بالاتری بازسازی کرد. در حالی که هر دو مدل از نظر آماری قابل قبول بودند، تفکیک مکانی در مدل CART در کلاس‌های شوری کم و متوسط با محدودیت‌هایی همراه بود. این نتایج نشان داد استفاده از الگوریتم‌های پیشرفته یادگیری ماشین در کنار پردازش ابری گوگل ارث انجین، رویکردی کارآمد برای مدیریت و پایش شوری خاک فراهم می‌آورد که می‌تواند در جهت توسعه کشاورزی پایدار و حفاظت از منابع خاک مؤثر باشد. |
| کلیدواژه ها |
| جنگل تصادفی، درخت تصمیم، سنجش از دور، شوری خاک، گوگل ارث انجین |
| وضعیت: پذیرفته شده مشروط برای ارائه به صورت پوستر |
