فهرست نشریات علمی دسترسی آزاد ایران

شناخت توزیع مکانی کربن آلی خاک یکی از ابزارهای کاربردی در پیشبرد مدیریت پایدار اراضی و محیط زیست می‌باشد. داده­کاوی و مدل‌سازی مکانی همراه با تکنیک‌های یادگیری ماشینی به منظور بررسی میزان کربن آلی خاک مبتنی بر داده‌های سنجش از دور به صورت گسترده مورد توجه قرار گرفته است. هدف از این مطالعه،استفاده از تصاویر با دامنه طیفی مرئی تا مادون قرمز حرارتی و داده‌های زمینی برای مدل‌سازی میزان کربن آلی خاک می­باشد. با استفاده از الگوی نمونه‌برداری تصادفی156نمونه از خاک سطحی (30-0 سانتی­متر) جمع‌آوری شد. داده‌ها به دو دسته 80 درصد برای آموزش و 20 درصد جهت اعتبارسنجی دسته‌بندی شدند و از سه الگوریتم یادگیری ماشین شامل جنگل تصادفی، کوبیست و رگرسیون حداقل مربعات جزئی برای براورد و تهیه نقشه کربن آلی خاک استفاده شد. متغیرهای کمکی جهت پیش‌بینی کربن آلی خاک شامل باندها و شاخص‌های منتج از سنجنده‌ی OLI و TIRS لندست 8 می­باشد. به منظور کاهش حجم داده‌ها و انتخاب ویژگی‌هایی با بیشترین تأثیر بر براورد کربن آلی خاک، از روش آنالیز مؤلفه‌های اصلی استفاده شد. آنالیز مؤلفه‌های اصلی داده‌­های سنجش از دور منجر به گزینش 4 متغیر کمکی TSAVI، RVI، Band10 و Band11 به­عنوان مؤثرترین عوامل کمکی محیطی انتخاب گردیدند. همچنین مقایسه رویکردهای مختلف تخمین نشان داد که مدل جنگل تصادفی به ترتیب با مقادیر ضریب تبیین، خطای جذر میانگین مربعات و میانگین مربعات خطا 74/0، 17/0 و 02/0 بهترین کارایی را نسبت به سایر رویکردهای مورد استفاده در برآورد کربن آلی خاک سطحی در منطقه مطالعاتی ارائه نمود. به طور کلی نتایج این مطالعه بر قابلیت دادهای سنجش از دور و مدل یادگیری جنگل تصادفی در تخمین مکانی کربن آلی خاک به طور همزمان دلالت دارد. لذا می‌تواند به عنوان روشی جایگزین برای روش‌های مرسوم آزمایشگاهی در تعیین برخی ویژگی‌های خاک از جمله کربن آلی خاک مورد توجه قرار گیرد.