ارزيابي مدل استنباطي خاك- سرزمين (SOLIM) در نقشه برداري خاك براساس منطق فازي در كاشان

Evaluating Soil- Environment Inference Model (SOLIM) for Soil Mapping Based on Fuzzy Logic in Kashan

روش هاي معمول بررسي خاك ها از نظر زمان و هزينه مورد نياز نسبتاً گران هستند و باتوجه به سنتي بودن تهيه نقشه ها و وابستگي تام به نظرات كارشناسي، روزآمد نمودن نقشه ها هم وقت گير بوده و گاهاً صرفه اقتصادي ندارد. در حالي 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 شده و به كار بران امكان روزآمد نمودن سريع و ارزان را مي دهد. در واقع، مدل هاي مزبور، نشان دهنده شكل ساده شده اي از روابط پيچيده موجود بين خاك و شكل سرزمين مي باشند. هدف از پژوهش حاضر، بررسي مدل استنباطي خاك- سرزمين(SOLIM) در نقشه برداري و برآورد كلاس هاي خاك در منطقه آران، استان اصفهان مي باشد. براي اين منظور ورودي هاي مدل SOLIM، لايه رقومي زمين شناسي و لايه هاي محيطي از مدل رقومي ارتفاع (DEM)، شامل: ارتفاع، شيب برحسب درصد، جهت شيب، شكل انحنا سطح زمين، شاخص نمناكي، جهت جريان و تجمع جريان و تصاوير ماهواره اي لندست 8 مي باشند. همچنين هفت زير رده خاك در منطقه مطالعاتي داده هاي ورودي مدل SOLIM را تشكيل مي دهند. سپس نقشه هاي فازي براي هفت نوع خاك تهيه شده و نقشه نهايي پيش بيني خاك با عمل غير فازي كردن ايجاد شد. نتايج نشان داد كه مدل SOLIM با استفاده از متغيرهاي محيطي توانايي بسيار بالايي در جداسازي انواع خاك با جزئيات بيشتر دارد و خاك هايي كه مواد مادري، زمين شناسي، اقليم و پوشش گياهي متفاوتي دارند را مي توان با اين مدل با صحت بالا از هم تفكيك نمود. مقايسه ماتريس خطا نشان مي دهد كه صحت كلي نقشه استنتاج شده از مدل SOLIM برابر 92/36 % درصد مي باشد.

Typical routine surveys of soils are relatively expensive in terms of time and cost and due to the fact that maps have been traditionally developed and considering their dependence on experts' opinions, updating maps is time consuming and sometimes not economical as well. While soil digital mapping, using soil various models - the Landscape, leads to simplification of the complexity found in natural soil systems and provides users with quick and inexpensive updates. In fact, the model represents a simplified form of the complex relationships between the soil and the land. This study aims to consider inferential model Soil-Land (SOLIM) in mapping and estimating soil classes in Aran area, Isfahan province. For this purpose, the SOLIM model inputs are digital geological and environmental layers of digital elevation model (DEM) including elevation, slope in percent, slop direction, curvature of the earth's surface, wetness indicator, flow direction, flow accumulation, and satellite images of Landsat 8. The seven subcategory of soil in the study area are input data of SOLIM model. Then fuzzy maps were prepared for seven types of soil and final maps of soil prediction were created by non-fuzzy action. Results showed that the SOLIM using environment variables has very high ability to separate soil types in greater detail and soils with different parent materials, geology, climate and vegetation can be separated from each other by this model with a high degree of accuracy. Comparing error matrix shows that the overall accuracy of the map derived from the model SOLIM is 92.36%.