فهرست نشریات علمی دسترسی آزاد ایران

هدف از انجام این پژوهش تهیه نقشه رقومی اجزاء بافت خاک اراضی کشاورزی دشت سیستان با وسعت 1300 کیلومترمربع با استفاده از مدل‌های رگرسیون کریجینگ و مدل ترکیبی رگرسیون‌کریجینگ و کریجینگ باقی‌مانده شبکه عصبی‌مصنوعی (RKNNRK)می‌باشد. برای این منظور تعداد 160 نمونه لایه‌سطحی (cm30-0) از سری‌های مختلف خاک گرفته شد و درصد اجزاء بافت خاک در آزمایشگاه اندازه گیری گردید. با توجه به این که بافت خاک یک داده مرکب است، وقتی اجزاء آن جداگانه تخمین زده می‌شوند تضمینی برای اینکه جمع سه جزء برابر 100 شود وجود ندارد، از این‌رو قبل از مدل‌سازی، اجزء بافت خاک با استفاده از تابع لگاریتمی (alr) تبدیل شدند. از تصاویر باندهای 1 تا 8 ماهواره لندست 8 و شاخص‌های پوشش گیاهی، روشنایی، درصد رس و اندازه ذرات خاک به عنوان متغیر‌های کمکی برای درون‌یابی اجزاء بافت خاک استفاده گردید. 80 درصد داده‌ها برای پیش‌بینی و 20 درصد برای اعتبارسنجی اختصاص یافت. نتایج نشان داد که جزء رس خاک هم‌بستگی مکانی متوسط و اجزاء سیلت و شن خاک ساختار مکانی قوی دارند. مدل نمایی بیشترین انطباق را با نیم‌تغییرنمای تجربی با هر سه جزء شن، سیلت و رس خاک و اجزاء تبدیل شده بافت خاک شاملSiltalr و Clayalr دارد. همچنین داده‌های Siltalr و Clayalr نیز از هم‌بستگی مکانی قوی در منطقه مورد مطالعه برخوردار بودند. نتایج نشان داد که روش RKNNRK با آماره RMSE برابر 04/15، 30/14 و 18/7 به ترتیب برای اجزاء شن، سیلت و رس خاک دقت بالاتری در پیش بینی اجزاء بافت خاک در مقایسه با مدل رگرسیون کریجینگ داشت. بطوریکه این مقادیر به ترتیب 10، 6/10 و 5/3 درصد نسبت به مقادیر متناظر آن در روش رگرسیون کریجینگ کاهش دارد. بنابراین روش RKNNRK در تلفیق با داده‌های سنجش از دور بر دقت پیش‌بینی نقشه‌های رقومی اجزاء بافت خاک افزوده است و به‌عنوان یک روش مناسب قابل توصیه می‌باشد.