جلد 29، شماره 1 - ( علوم آب و خاک-بهار 1404 )                   جلد 29 شماره 1 صفحات 96-81 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Zarinibahador M. Digital Mapping of Soil Equivalent Calcium Carbonate Using Landsat 8 Satellite Images and Environmental Data by Machine Learning Models in Badr Watershed, Kurdistan Province. jwss 2025; 29 (1) :81-96
URL: http://jstnar.iut.ac.ir/article-1-4445-fa.html
زرینی بهادر مسلم. نقشه‌برداری رقومی کربنات کلسیم معادل خاک با استفاده از تصاویر ماهواره‌ای لندست 8 و داده‌های کمکی توسط مدل‌های یادگیری ماشین در حوضه آبخیز بدر، استان کردستان. علوم آب و خاک. 1404; 29 (1) :81-96

URL: http://jstnar.iut.ac.ir/article-1-4445-fa.html


مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان تهران، سازمان تحقیقات، آموزش و ترویج کشاورزی (تات)، تهران، ایران. ، moslem.zarini@ymail.com
چکیده:   (17 مشاهده)
کربنات کلسیم معادل خاک (CCE) یکی از ویژگی‌های مهم خاک است. پیش‌بینی مقدار کربنات کلسیم معادل خاک برای مدیریت پایدار حاصلخیزی خاک ضروری است. مطالعه حاضر با هدف نقشه‌برداری رقومی کربنات کلسیم معادل با استفاده از متغیرهای کمکی محیطی و تصاویر ماهواره لندست 8 و مدل‌های پیش‌بینی‌کننده و معرفی بهترین مدل‌ها، در حوضه آبخیز بدر در جنوب شهرستان قروه انجام گرفت. برای انجام این پژوهش در مرحله اول، نقشه ژئومرفولوژی با استفاده از نقشه زمین‌شناسی و بر اساس روش ژئوپدولوژی زینک در محیط سامانه اطلاعات جغرافیائی ترسیم شد. در مرحله دوم، محل 125 خاکرخ مطالعاتی بر اساس تکنیک ابر مکعب لاتین تعیین شد و کربنات کلسیم معادل افق‌های خاک با روش تیتراسیون با اسید اندازه‌گیری شد. متغیرهای کمکی شامل مشتقات مدل رقومی ارتفاع، شاخص‌های سنجش‌ازدور دریافتی از ماهواره لندست 8 و نقشه ژئوپدولوژی بودند که انتخاب متغیرهای کمکی مناسب با استفاده از روش تجزیه مؤلفه‌های اصلی (PCA) انجام شد. در مرحله سوم، مدل‌سازی انجام، نقشه‌های رقومی کلاس‌ها و ویژگی‌های خاک تهیه شد و ارزیابی مدل‌ها صورت گرفت. برای برآورد کربنات کلسیم معادل خاک، در مطالعه حاضر دو حالت مختلف بررسی شد. در حالت اول، مدل‌های شبکه عصبی مصنوعی، تحلیل درخت تصمیم، جنگل تصادفی، مدل نزدیک‌ترین همسایه K برای پیش‌بینی استفاده شدند. همچنین به‌منظور ترکیب نتایج مدل‌ها، از مدل رگرسیون خطی چندگانه استفاده شد. در میان مدل‌های استفاده‌شده برای پیش‌بینی مقدار کربنات کلسیم معادل با استفاده از روش اعتبارسنجی کافلد 10 مکانی، مدل رگرسیون خطی چندگانه (MLR) با ضریب تعیین 0/796 و ریشه دوم متوسط مربعات خطا 6/514 از بیشترین دقت برای پیش‌بینی برخوردار بوده است. این در حالی است که با استفاده از روش اعتبارسنجی کافلد 5 تصادفی، مدل نزدیک‌ترین همسایه K (KNN) با ضریب تعیین 0/9845 و ریشه دوم متوسط مربعات خطا 2/1258 از بیشترین دقت برای پیش‌بینی برخوردار بوده است. به‌دلیل مکانی بودن روش اعتبارسنجی کافلد 10 مکانی، استفاده از این روش بر روش اعتبارسنجی کافلد 5 تصادفی ارجحیت دارد. همچنین متغیرهای کمکی مهم در پیش‌بینی کربنات کلسیم معادل خاک به‌ترتیب اهمیت شامل شاخص کربنات، جهت شیب، ژئومورفولوژی، سطح ‌مبنای شبکه آبراهه و شیب حوضه آبخیز بودند.
متن کامل [PDF 765 kb]   (7 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: عمومی
دریافت: 1403/5/28 | پذیرش: 1403/10/3 | انتشار: 1404/2/10

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله علوم آب و خاک دانشگاه صنعتی اصفهان می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2025 CC BY-NC 4.0 | JWSS - Isfahan University of Technology

Designed & Developed by : Yektaweb