fa ارزیابی و بررسی تعمیم‌پذیری مدل استنباطی خاک- سرزمین (SoLIM) در نقشه‌برداری رقومی خاک با استفاده از مدل رقومی ارتفاع و مشتقات آن عمومی Ggeneral پژوهشي Research کاربرد مدل‌های تغییرپذیری ناپیوسته در روش‌های سنتی (مرسوم) شناسایی خاک، محدودیت‏هایی را برای مرزبندی واحدهای نقشه به‌‌همراه دارد. راه‌کارهای نوین ارایه‌شده برای غلبه بر این محدودیت‌ها (که به‌طور کلی، "نقشه‌برداری رقومی خاک" نامیده می‌شوند)، با بررسی تغییرات پیوسته خاک، تلاش می‌کنند براساس متغیرهای محیطی که به‏سادگی قابل دست‌یابی یا محاسبه هستند، کلاس‏های خاک یا ویژگی‏های آن را پیش‏بینی کنند. پژوهش حاضر می‌کوشد تا با هدف تهیه نقشه خاک منطقه بروجن- استان چهارمحال و بختیاری- توسط مدل SoLIM و به‌کارگیری مدل رقومی ارتفاع و ویژگی‌های آن، گامی جدید در راستای تهیه نقشه‌های خاک بردارد. برای این منظور، 18 ویژگی مختلف از مدل رقومی ارتفاع استخراج گردیدند و پس ‌از پردازش اولیه، هفت ویژگی مهم‌تر انتخاب شدند. این ویژگی‌ها به‌همراه سه زیرگروه و هفت فامیل خاک غالب موجود در منطقه مطالعاتی (شامل 41 خاک‌رخ از 125 خاک‌رخ حفرشده در کل منطقه)، ماتریس داده‌های ورودی به مدل SoLIM را تشکیل دادند. نقشه‌های خاک فازیِ به‌دست آمده از SoLIM در سامانه اطلاعات جغرافیایی (نرم‌افزار آرک- جی‌آی‌اس) به نقشه چندگوشه‌ای پراکنش خاک‌ها تبدیل شدند. نتایج نشان داد که ترکیبات گوناگون ویژگی‌های مدل رقومی ارتفاع در برآورد نوع خاک‌ها دقت متفاوتی دارند، و به‌طورکلی، دقت درون‌یابی‌ها حدود دو برابر دقت برون‌یابی‌ها هستند. هم‌چنین، مدل SoLIM در برآورد نوع واحدهای نقشه و خاک‌های موجود در آن، دقت قابل قبولی داشت؛ لیکن در برآورد مکان دقیق کلاس‌های خاک، از دقت چندانی برخوردار نبود. لزوم استفاده از اطلاعات بیشتر مانند نقشه‌های زمین‌شناسی و غیره، برای افزایش دقت این روش، پیشنهاد می‌شود. Discrete Models of Spatial Variability (DMSV) have limitations for soil identification in traditional soil maps. New approaches, generally called digital soil mapping (DSM), using continuous methods (CMSV), try to predict soil classes or soil properties based on easily-available environmental variables. The objective of this study was to map the soil classes of the Borujen area, Chaharmahal-va-Bakhtiari province, using digital elevation model (DEM) and its attributes and Soil-Land Inference Model (SoLIM). To do this, eighteen terrain attributes were derived from the DEM of the area. The primary analysis showed seven attributes are the most important derivatives. These derivatives as well as three dominant soil subgroups and seven soil families of the region (41 profiles from 125 profiles) were used to construct the input data matrix of the model. Then, output fuzzy soil maps of SoLIM were converted to polygonal soil map, using ArcGIS. Results showed that different combinations of DEM attributes have different accuracy rates for soil prediction. The accuracy of the interpolation was twice that of the extrapolation. Although SoLIM had an acceptable accuracy for soil nomination, and identification of soil map units’ types, it did not have enough accuracy for the location of soil classes. It seems that using other data like parent material and geomorphic surface maps will increase the accuracy of the model prediction. نقشه خاک، مدل SoLIM، منطق فازی، نقشه‌برداری رقومی خاک، مدل رقومی ارتفاع Digital soil mapping, Digital elevation model, Fuzzy logic, SoLIM, Soil map. 155 166 http://jstnar.iut.ac.ir/browse.php?a_code=A-10-1177-2&slc_lang=fa&sid=1 M. Bagheri Bodaghabadi محسن باقری بداغ‌آبادی No M. H. Saleh محمدحسن صالحی mehsalehi@yahoo.com Yes I. Esfandiarpoor Borujeni عیسی اسفندیارپور بروجن No J. Mohammadi جهانگرد محمدی No A. Karimi Karouyeh علیرضا کریمی‌‌کارویه No N. Toomanian نورایر تومانیان No