مدلسازی رقومی شاخص کیفیت خاک با استفاده از روشهای درون یابی و یادگیری ماشین | ||
| تحقیقات آب و خاک ایران | ||
| دوره 57، شماره 2، اردیبهشت 1405، صفحه 309-332 اصل مقاله (1.78 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2026.407603.670067 | ||
| نویسندگان | ||
| نسیبه گراوند1؛ محمود رستمی نیا* 2؛ اصغر رحمانی3؛ سید روح اله موسوی4 | ||
| 1گروه مهندسی آب و خاک، دانشکده کشاورزی، دانشگاه ایلام | ||
| 2گروه مهندسی آب و خاک، دانشکده کشاورزی، دانشگاه ایلام، ایلام، ایران | ||
| 3موسسه تحقیقات خاک و آب کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران | ||
| 4دانش آموحته دکتری مدیریت منابع خاک ، گروه علوم و مهندسی خاک، دانشگاه تهران، کرج ، ایران | ||
| چکیده | ||
| ارزیابی کیفیت خاک ابزاری مهم برای بررسی پایداری خاک در سامانههای کشاورزی و منابع طبیعی است. این پژوهش با هدف مدلسازی و نقشهبرداری رقومی شاخص کیفیت خاک با بهرهگیری از الگوریتمهای یادگیری ماشین و روشهای درونیابی در استان ایلام انجام شد. بدین منظور، ۷۶ نمونه خاک سطحی (20-0 سانتیمتر) با استفاده از روش ابرمکعب لاتین مشروط برداشت و ۱۰ ویژگی فیزیکوشیمیایی خاک اندازهگیری شد. بر اساس تحلیل مؤلفههای اصلی، از میان ویژگیها، پنج متغیر بهعنوان مجموعه حداقل دادهها (MDS) انتخاب شد. شاخص کیفیت خاک (SQI) با دو مدل IQI و NQI و برای هر یک از دو مجموعه داده TDS و MDS با امتیازدهی خطی و غیرخطی محاسبه شد. برای پیشبینی SQI، دو روش درونیابی کریجینگ معمولی (OK) و وزندهی معکوس فاصله (IDW) و همچنین دو الگوریتم یادگیری ماشین جنگل تصادفی (RF) و نزدیکترین همسایه (k-NN) بهکار گرفته شد. نتایج نشان داد که خاکها به دلیل کمبود کربن آلی و فسفر قابل جذب و نیز مقادیر بالایpH، درصد شن و جرم مخصوص ظاهری در رده کیفیت ضعیف قرار دارند. ارزیابی مدلها نشان داد که روش OK در مقایسه با IDW دقت بالاتری در پیشبینی SQI دارد. همچنین در میان مدلهای یادگیری ماشین،RF بهترین عملکرد را در اغلب شاخصها ارائه نمود. نتایج اهمیت متغیرها نشان داد که عوامل توپوگرافی بیشترین نقش را در پیشبینی کیفیت خاک دارند. در مجموع، ترکیب کریجینگ و مجموعه حداقل دادهها، بهویژه همراه با نمونهبرداری مبتنی بر ابرمکعب لاتین مشروط، دقت بالایی در پیشبینی شاخص کیفیت خاک فراهم میکند. | ||
| کلیدواژهها | ||
| روشهای خطی و غیرخطی؛ کیفیت خاک؛ مدلسازی مکانی؛ مجموعه داده حداقل | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 313 تعداد دریافت فایل اصل مقاله: 198 |
||