مقایسه سه روش زمین آمار برای پیش بینی گروههای بافتی در اراضی زراعی و باغی استان گیلان
نویسندگان
1 دانشیار پژوهش، موسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران
2 دانشیار پژوهش، موسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران
3 کارشناس ارشد آزمایشگاه شیمی خاک، موسسه تحقیقات برنج کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، رشت، ایران
4 مربی پژوهش، موسسه تحقیقات برنج کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، رشت، ایران؛
5 کارشناس ارشد آزمایشگاه خصوصی
6 استادیار پژوهش، پژوهشکده چای، موسسه تحقیقات علوم باغبانی، سازمان تحقیقات، آموزش و ترویج کشاورزی، لاهیجان، ایران
7 محقق، موسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران
8 محقق، موسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران.
9 استادیار پژوهش، موسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران
10 کارشناس ارشد آزمایشگاه فیزیک خاک، موسسه تحقیقات برنج کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، رشت، ایران
11 مربی پژوهشی علوم خاک، پژوهشکده چای، موسسه تحقیقات علوم باغبانی، سازمان تحقیقات، آموزش و ترویج کشاورزی، لاهیجان، ایران
doi
10.22092/ijsr.2019.119763چکیده
بافت[H1] خاک یک خصوصیت ایستای خاک است و بر بیشتر ویژگیهای فیزیکی و شیمیایی خاک تأثیر میگذارد.از این رو، تقاضا برای اطلاعات مکانی آن رو به افزایش است. کمبود اینگونه اطلاعات میتواند منجر به اتخاذ سیاستهای غلط در مدیریت و تخریب منابع زمین و آب شود. در ایران دادههای پراکنده بسیاری در مورد خاک وجود دارد که هزینههای بسیاری صرف تولید آنها شده است. در صورت پهنهبندی صحیح، این دادهها به صورت نقشه در دامنه وسیعی از کاربردها قابل استفاده هستند. در این پژوهش، روشهای کریجینگ معمولی، وزندهی عکس فاصله و طبقهبندی پیکسل مبنا برای پهنهبندی ذرات معدنی و گروههای بافت خاک (سبک، سنگین و متوسط) در 4665 نمونه خاک سطحی با مختصات جغرافیایی معین در اراضی زراعی و باغی استان گیلان که عمدتاً در دشتهای ساحلی و پست قرار داشتند، مقایسه گردید و با استفاده از آمارههای صحت سنجی ضریب تبیین (R2)، میانگین اریب خطا (MBE)، ریشه میانگین نرمالشده مربعات خطا (NRMSE)، ضریب کاپا (KIA) و درصد صحت طبقهبندی پیکسلها (Pa) ارزیابی شد. نتایج نشان داد که روش وزندهی عکس فاصله در برآورد درصد رس (64/0 R2 = و 22/0 NRMSE =) و شن (67/0 R2 = و 25/0 NRMSE =) از صحت بالاتری برخوردار بود. اما در برآورد گروههای بافتی سبک، سنگین و متوسط روش طبقهبندی پیکسل مبنا بر پایه آمارههای ضریب کاپا و صحت طبقهبندی (به ترتیب برابر 46/0 و 73%) از صحت بیشتری نسبت به دیگر روشها برخوردار بود؛ اما این برتری نسبت به روش کریجینگ معمولی (43/0 KIA = و 71% Pa =) جزئی بود. در طبقهبندی پیکسل مبنا از مولفههای دادههای رقومی خاک به عنوان متغیر ورودی در شبکه عصبی مصنوعی برای برآورد اجزای معدنی در پیکسلهای مجهول استفاده شد. برای تصمیمگیری با قطعیت بیشتر در رابطه با کارایی طبقهبندی پیکسل مبنا در برآورد گروههای بافتی خاک لازم است این روش در شرایطی با تنوع بیشتر در فیزیوگرافی نیز ارزیابی شود. [H1]
