مدل سازي و پيش بيني مكاني كلاس خاك با استفاده از الگوريتم يادگيري رگرسيون درختي توسعه يافته و جنگل-هاي تصادفي در بخشي از اراضي دشت قزوين

Modelling and Prediction of Soil Classes Using Boosting Regression Tree and Random Forests Machine Learning Algorithms in Some Part of Qazvin Plain

انتخاب متغيرهاي كمكي مناسب در روش هاي يادگيرنده ماشيني جهت نقشه برداري رقومي خاك از اهميت ويژه اي برخوردار است. طي سال هاي اخير در ايران استفاده از الگوريتم هاي يادگيرنده در نقشه برداري رقومي و بهنگام سازي نقشه هاي قديمي توسعه يافته است. پژوهش حاضر در بخشي از اراضي دشت قزوين با هدف مقايسه جنگل هاي تصادفي (RF) و رگرسيون درختي توسعه يافته (BRT) در پيش بيني مكاني كلاس هاي زيرگروه و فاميل خاك بهمراه انتخاب متغيرهاي كمكي با استفاده از شاخص تورم واريانس انجام شده است. 61 خاكرخ به روش نمونه برداري تصادفي طبقه بندي شده حفر، تشريح و با تجزيه وتحليل آزمايشگاهي تا سطح فاميل رده بندي گرديد. مناسب ترين متغير هاي محيطي از ميان 15 متغير ژئومورفومتري و شاخص هاي سنجش از دور با استفاده از فاكتور تورم واريانس انتخاب گرديدند. مدل سازي رابطه خاك - زمين نما در دو سطح زيرگروه و فاميل خاك با استفاده از دو الگوريتم يادگيرنده RF و BRT در نرم افزار RStudio بر اساس دو بسته "Randomforest" و "C5.0" اجرا گرديد. نتايج انتخاب متغير هاي محيطي نشان داد كه شش متغير CHA،DEM ، STH، NDVI، SI و DVI به عنوان متغير ورودي انتخاب گرديدند. شاخص هاي ارزيابي مدل ها شامل صحت كلي و شاخص كاپا به ترتيب براي الگوريتم BRT، 35، 26 درصد و براي الگوريتم RF،70، 60 درصد در سطح فاميل خاك حاصل گرديد. آناليز حساسيت برمبناي شاخص ميانگين حداقل صحت نشان داد كه متغير محيطي مساحت حوزه آبخيز اصلاح شده داراي بيشترين اهميت نسبي در ميان متغيرهاي انتخاب شده است. به طوركلي با استفاده از رويكردهاي نوين انتخاب متغير و الگوريتم هاي يادگيرنده موثر مي توان نقشه ي پراكنش مكاني خاك ها را حتي در نواحي با پستي وبلندي كم با صحت قابل قبول تهيه نمود.

Appropriate selection of ancillary covariates have a specific important on digital soil mapping. Currently, use of machine learning algorithms for digital mapping and updating of conventional soil map has been developed in Iran. The current study has been done to compare the BRT and RF models for spatial prediction of subgroup and family classes with selection of axillary variables using VIF approach in some part of Qazvin Plain. 61 pedons were sampled based on stratified random, digged, described and classified with consideration of laboratory analysis up to family level. The most appropriate variables were selected among 15 Geomorphometry and Remote Sensing Indices using Variance Inflation Factor (VIF). Soil landscape modeling was conducted with RF and BRT learning algorithm in RStudio software based on Randomforest and C5.0 packages at subgroup and family levels. The results showed that six indices including CHA, DEM, STH, SI DVI and NDVI were selected as input variables. Assessment indices such as the Overall Accuracy (OA) and Kappa were obtained for BRT (35, 26%) and RF (70, 60%) at family level, respectively. Sensitivity analysis based on the mean decrease accuracy (MDA) revealed that the modified catchment area variable is the most relative important variable among the selected variables. Generally, by using feature selection innovative approach and effective learning algorithms, the spatial distribution of soil maps could be made even in low relief lands with acceptable accuracy.