TY - JOUR T1 - Digital Soil Mapping of Soil Classes using Conventional Soil Maps in the Arid Region Southeastern Iran TT - نقشه‎برداری رقومی کلاس‌های خاک با استفاده از نقشه خاک قدیمی در منطقه خشک جنوب شرق ایران JF - JSTNAR JO - JSTNAR VL - 21 IS - 1 UR - http://jstnar.iut.ac.ir/article-1-3156-fa.html Y1 - 2017 SP - 239 EP - 253 KW - Auxiliary variables KW - Machine learning KW - Multiple logistic regression KW - Soil great groups N2 - نقشه توزیع مکانی کلاس‌های خاک برای استفاده مفید و مؤثر از خاک و تصمیم‏گیری‎های مدیریتی مهم است. نقشه‎برداری رقومی خاک (DSM) می‎تواند توزیع مکانی کمّی از کلاس‎های خاک پیش‎بینی کند. مؤلفه‎های کلیدی و اصلی DSM، روش‌ها و مجموعه‎ای از متغیرهای کمکی محیطی مورد استفاده برای پیش‎بینی کلاس‎های خاک هستند. این مطالعه به منظور تهیه نقشه رقومی گروه‎های بزرگ خاک با روش رگرسیون لجستیک چندجمله‎ای با استفاده از دو مجموعه از متغیرهای کمکی شامل: مجموعه (1) متغیرهای مشتق شده از مدل رقومی ارتفاع، شاخص‎های سنجش از دور و سطوح ژئومورفیک تفکیک ‎شده در منطقه و مجموعه (2) متغیرهای مشتق شده از مدل رقومی ارتفاع، شاخص‎های سنجش از دور، ژئومورفیک تفکیک ‎شده و واحدهای خاک شناسایی شده (نقشه خاک) در بخشی از اراضی شهرستان بم استان کرمان طراحی گردید. یک طرح نمونه‎برداری طبقه‎بندی شده تصادفی در منطقه‎ای به مساحت صد هزار هکتار تعریف شد و در‌نهایت، ۱۲6 خاکرخ حفر و تشریح گردید. نتایج ارزیابی دقت مدل رگرسیون لجستیک چندجمله‌ای با متغیرهای ورودی مختلف نشان داد که با وارد شدن نقشه خاک قدیمی در مدل‎سازی، شاخص ‏های صحت مدل ازجمله صحت کلی وآماره کاپا به ترتیب از 71/0 و 65/0 به 79/0 و 74/0 افزایش یافت. همچنین نتایج نشان داد که در پیش‎بینی کلاس خاک، سطح ژئومرفولوژی در بین متغیرهای ورودی دو مجموعه، به‎عنوان یک متغیر پیش‌بینی کننده قدرتمند است. به‎طور کلی نتایج نشان داد که تکنیک‌های نقشه‎برداری رقومی می‌توانند روش سنتی نقشه‎برداری را ارتقاء بخشند، کاربرد نقشه‎های تولید شده را افزایش داده وهمچنین قابلیت استفاده این نقشه‌ها را برای شاخه‌های علمی مختلف را امکان‎پذیر نماید. M3 10.18869/acadpub.jstnar.21.1.239 ER -