پديد آورندگان :
ذوالفقاري، علي اصغر دانشگاه سمنان - دانشكده كويرشناسي - گروه مديريت مناطق خشك , يزداني، محمدرضا دانشگاه سمنان - دانشكده كويرشناسي - گروه مديريت مناطق خشك , خسروي، مهين دانشگاه سمنان - دانشكده كويرشناسي - گروه مديريت مناطق خشك , محمودي، مهدي دانشگاه سمنان - دانشكده علوم پايه - گروه آمار
چكيده فارسي :
آگاهي از نحوه توزيع فضايي اندازه ذرات اوليه خاك براي مديريت اراضي، مديريت منابع، اجراي برنامه ها و مدل سازي ديگر خصوصيات خاك ضروري است. در سال هاي اخير با پيشرفت هاي روش هاي داده كاوي و با در اختيار بودن داده هاي ارزان قيمت حاصل از تصاوير ماهواره اي، روش هاي نقشه برداري رقومي خاك براي پيش بيني توزيع فضايي ذرات اوليه خاك به وفور مورد استفاده قرار گرفته است. لذا هدف اين تحقيق، پيش بيني فضايي ذرات اوليه خاك از قبيل رس، شن و سيلت با استفاده از نقشه برداري رقومي خاك در اراضي كشاورزي دشت سمنان مي باشد . همچنين بررسي كارايي سه روش داده كاوي براي تهيه نقشه رقومي ذرات خاك از ديگر اهداف اين مطالعه است. براي رسيدن به اين اهداف، مجموع 84 نمونه خاك از عمق0 تا 20 سانتي متر جمع آوري شدند. همچنين متغيرهاي محيطي با استفاده از تصاوير سنجنده OLI ماهواره لندست براي برقراري ارتباط با ذرات خاك استخراج گرديد. در اين مطالعه از مدل خطي حداقل مربعات جزيي (PLS) و دو مدل غيرخطي شامل جنگل تصادفي (RF)، ماشين تقويت شده گراديان (GBM) جهت ارتباط ميان متغيرهاي محيطي و ذرات اوليه خاك استفاده شد. مدل هاي موردمطالعه با استفاده از روش اعتبارسنجي متقابل واسنجي ارزيابي شدند. به منظور بررسي كارايي مدل هاي مختلف داده كاوي از آماره هاي ميانگين ريشه ي مربعات خطا (RMSE)، ضريب تبيين (R2) و ميانگين قدر مطلق خطا (MAE) استفاده شد. بر اساس نتايج RMSE ،R2 و MAE مدلRF با مقادير اين آماره ها به ترتيب براي ذرات شن (15/60، 0/35 و 12/62)، سيلت (11/49، 0/33و 9/34) و براي ذرات رس (8/42، 0/28و 5/9) بودند، اين نتايج نشان داد كه مدل RF به نسبت مدل هاي PLS و GBM داراي كارايي و دقت بيشتري در پهنه بندي ذرات اوليه خاك است. نتايج نشان داد كه مهمترين متغيرهاي محيطي، براي پيش بيني ذرات اوليه خاك باندهاي 10، 5 و شاخص گچ (GI) مي باشند. بنابراين، متغيرهايي كه داراي طيف مادون قرمز نزديك و مادون قرمز حرارتي بودند، سهم عمده اي در توصيف مكاني ذرات خاك را بر عهده داشتند.
چكيده لاتين :
Knowledge about the spatial distribution of particle-size fractions in different areas is required for various land management applications and resources, modeling, and monitoring practices. In recent years, with the advancement of data mining methods and the availability of cheap data from satellite imagery, digital soil mapping methods have been developed to predict the spatial distribution of primary soil particles. The objective of this study was to conduct a spatial prediction of particle-size fractionssuch as clay, sand and silt using digital soil mapping in agricultural lands in Semnan. To achieve these goals, a total of 84 soil samples were collected from 0 to 20 cm of soil surface. Also, the environmental variables were obtained from OLI Satellite Landsat to make dependence with soil particles. In this study a linear model such as Partial Least Squares (PLS) and two non-linear models, including Random Forest (RF) and Stochastic Gradient Boosting Machin (GBM) were used for spatial prediction of particle-size fractions. The models were calibrated and validated by the 10-fold cross-validation methods. Three statistics, such as Root Mean Squared Error (RMSE), Coefficient of determination (R2), and Mean Absolute Error (MAE) were used to determine the performance of the investigated models. Values of RMSE, R2, and MAE statics of RF model for prediction of sand, silt and clay were (15.6, 0.35, 12.62), (11.49, 0.33, and 9.34), and (8.42, 0.28, and 5.9), respectively. These results indicated that the most accurate model for the prediction of particle-size fractions was the RF model. Also, the results showed that the most important environmental covariates for predicting particle-size fractions were band 10 (B10), band 5 (B5), and the gypsum index (GI). This indicated that the variables containing the near-infrared and infrared thermal waves had a major contribution to explaining the spatial patterns of particle-size fractions.
