تعيين مناسب ترين درجه وضوح پيكسل و اندازه پنجره مدل رقومي ارتفاع براي تعيين پراكنش مكاني درصد رس خاك

Determination of the Best Pixel Resolution and Window Size of DEM for Digital Mapping of Soil Clay Content

اگر چه درك بهتر و انتخاب مناسب تر مقياس مدل رقومي ارتفاع به بهبود پيش بيني هاي خاك كمك خواهد كرد، اما اثرات تعاملات بين اندازه پيكسل و پنجره به تفصيل بررسي نشده است. در اين تحقيق، سعي شده است تا نقش مقياس مكاني بر روي كارايي پيش بيني درصد رس خاك از طريق آزمودن تجربي تعاملات بين درجه وضوح پيكسل و اندازه پنجره با استفاده از مدل رگرسيون درختي ارزيابي شد. بدين منظور، در دو منطقه متفاوت از لحاظ ژيومورفولوژي و خاك (منطقه 1، ميبد در استان يزد با مساحت 400 كيلومتر مربع و منطقه 2، ياسوكند در استان كردستان با مساحت 400 كيلومتر مربع) 120 نمونه خاك سطحي (30-0 سانتي متري) نمونه برداري و درصد رس خاك آن ها اندازه گيري شد. از 121 مدل رقومي ارتفاع با مقياس هاي متفاوت، 22 خصوصيت ژيومورفومتري استخراج و جهت پيش بيني درصد رس خاك استفاده شدند. نتايج نشان داد منطقه ميبد داراي حداقل ميانگين ريشه مربعات خطا (0/9)، حداكثر ضريب تبيين (47/0) بوده و وابستگي مدل درختي جهت پيش بيني درصد رس خاك به ابعاد پيكسل بيشتر مي باشد، ولي منطقه ياسوكند داراي كمترين ريشه مربعات خطا (65/5)، بيشترين ضريب تبيين (77/0) و وابستگي مدل درختي جهت پيش بيني درصد رس خاك به ابعاد پنجره بيشتر مي باشد.

Although a better understanding and quantitative knowledge of digital elevation model scale will help to improve soil predictions, the influence of pixel size has not been investigated in detail. The aim of this study was to investigate the role of spatial scale on soil clay content prediction by empirically testing the interaction between pixel resolution and window size with regression tree model. In two different areas in terms of their geomorphology and soil (area 1, Maybod located in Yazd province covered 400 km2; area 2, Iasokand located in Kurdistan province covered 400km2), 120 surface soil samples (0-30 cm) were taken and their clay contents were measured. From 121 digital elevation models representing different scales, 22 attribute were extracted and used for soil clay content prediction. Results showed that Maybod area had the minimum RMSE (9.0%) and maximum R2 (0.47) and dependence of tree model on pixel size was significant for clay prediction; however, in Iasokand area, the minimum RMSE (5.65%) and maximum R2 (0.77) were obtained and window size was significant for clay prediction.