ارزيابي مدل استنباط خاك (sie) در نقشه‌برداري خاك با تاكيد بر استفاده از دانش كارشناس و منطق فازي (شهرستان جلفا - گلفرج)

Evaluation of Soil Inference Model (SIE) in Soil Mapping with Emphasis on Using Expert Knowledge and Fuzzy Logic (Jolfa City-Golfaraj

يكي از مشكلات نقشه برداري مرسوم خاك ها، تكيه بر نظرات كارشناسي، وقت گير بودن و زمان بر بودن تهيه و روزآمد كردن نقشه ها است. درحالي كه نقشه برداري رقومي خاك، با استفاده از مدل هاي مختلف خاك سيماي زمين، منجر به ساده سازي پيچيدگي هاي موجود در سامانه طبيعي خاك مي شود. هدف از پژوهش حاضر، بررسي مدل استنباط خاك (sie) در نقشه برداري خاك با تاكيد بر استفاده از دانش كارشناسي و منطق فازي است. براي اين منظور لايه رقومي زمين شناسي و لايه هاي محيطي از مدل رقومي ارتفاع شامل: ارتفاع، شيب، شكل انحناي سطح زمين و شاخص خيسي استخراج شدند كه داده هاي ورودي مدل sie را تشكيل مي دهند، سپس نقشه هاي فازي براي پنج نوع خاك تهيه و نقشه نهايي پيش بيني خاك با عمل غير فازي كردن، ايجاد شد. نتايج نشان داد كه مدل sie كه از متغيرهاي محيطي استفاده مي كند، توانايي بالايي در جداسازي انواع خاك با جزئيات بيشتر دارد و خاك هايي كه مواد مادري متفاوتي دارند را كاملاً از هم جدا مي كند. مقايسه ماتريس خطا نشان مي دهد كه صحت كلي نقشه استنتاج شده از مدل sie، برابر 75 درصد است، همچنين انطباق نتايج نقشه برداري رقومي با نقشه برداري مرسوم، بيانگر انطباق 74.68 درصدي نتايج است و تفاوت در ميزان انطباق را مي توان به تفاوت در ماهيت دو روش مرتبط دانست.

One of the problems with the traditional mapping of soils is the expert’s opinion, it time-consuming and timely preparation, and the updating of the maps. While digital soil mapping, using different soil-earth models leads to the simplification of the complexity of the soil system. The purpose of this study was to investigate Soil-Environment Inference (SIE) in soil mapping with an emphasis on using the expert knowledge and fuzzy logic. For this purpose, the digital layer of geology and peripheral layers were derived from a digital elevation model including elevation, slope, and curvature of the ground surface, and auxiliary index, which comprised the input data of the SIE model. Then, the fuzzy maps prepared for the five soil types and the final map of soil prediction were created by hardening. The results showed that the SIE model, which used environmental variables, had a high ability to isolate soil types with more detailed compositions of soils with different maternal materials. The comparison of the error matrix showed that the overall accuracy of the derived map of the SIE model was equal to 75%, and the matching of the digital mapping results with conventional mapping accounted for 74.71% of the results. The difference in the compliance rate could be attributed to the difference in the nature of the two methods.