فهرست نشریات علمی دسترسی آزاد ایران

این مطالعه با هدف مقایسه کارایی مدل‎های رگرسیون درختی (RT)، شبکه عصبی مصنوعی (ANN) و مدل عصبی فازی (ANFIS) به‌منظور نقشه‎برداری رقومی بافت خاک در بخشی از اراضی سیرجان انجام شد. بر این اساس در 84 نقطه مشاهداتی با شبکه منظم 2×2 کیلومتر از عمق صفر تا 30 سانتی‌متر، نمونه‌برداری خاک انجام گرفت و اجزای تشکیل‎دهنده بافت خاک به روش هیدرومتری تعیین شد. در این مطالعه نقشه زئومورفولوژی، شاخص‎های طیفی و گیاهی سنجش از دور و مشتقات مدل رقومی ارتفاع (DEM) به عنوان داده‌های کمکی پیش‌بینی کننده اجزای بافت خاک استفاده شد. سپس مهمترین داده‎ها توسط روش تجزیه مؤلفه‌های اصلی (PCA) انتخاب شدند. با استفاده از روشPCA ، 8 متغیر توپوگرافی از مشتقات DEM و6 شاخص پوشش گیاهی و طیفی به منظور ورودی مدل‎ها انتخاب شدند. برای بررسی عملکرد مدل‌های مختلف در برآورد متغیرهای وابسته (رس، شن و سیلت) از سه روش خطای ضریب تبیین (R2)، خطای متوسط (ME) ،متوسط مربعات خطا (RMSE) و میانگین خطای مربعات نرمال شده(nRMSE) استفاده شد. نتایج نشان داد که مقدار متوسط مربعات خطا در مدل انفیس برای متغیرهای رس، شن و سیلت به ترتیب 43/1، 98/1 و 10/2 بود و برای متغیر رس 32/4 ، شن 5 و سیلت 54/4 واحد نسبت به رگرسیون درختی کاهش داشت. همچنین پارامترهای نقشه ژئوموفولوژی، شاخص خیسی توپوگرافی، شاخص همواری دره، باند 5 و 6 لندست 8 بیشترین اهمیت نسبی را در پیش‌بینی اجزاء بافت خاک ارائه نمودند. بنابراین، نقش اشکال ژئومورفولوژیک در توزیع و تغییرات بافت خاک بسیار مهم و برجسته است و توجه به این نقشه‌ها در مطالعات خاک‌شناسی می‌تواند به بهبود پیش‌بینی‌ها در تهیه نقشه‌های مدیریت‌پذیر خاک کمک کند.