ارزیابی تناسب ارضی با استفاده از رویکردهای سنتی و مدلهای یادگیری ماشینی (مطالعه موردی: دشت آبیک، استان قزوین)

نویسندگان

1 گروه علوم و مهندسی خاک، دانشکدگان کشاورزی و منابع طبیعی دانشگاه تهران، کرج، ایران

2 عضو هیأت علمی گروه مهندسی علوم خاک، پردیس کشاورزی و منابع طبیعی دانشگاه تهران

3 استاد گروه مهندسی ماشین‌های کشاورزی، پردیس کشاورزی ومنابع طبیعی دانشگاه تهران

doi
10.22059/ijswr.2023.368117.669605
چکیده

تناسب اراضی یک عامل اساسی در برنامه‌ریزی استفاده از اراضی و تولید پایدار محصولات کشاورزی است. ارزیابی تناسب اراضی به بهینه‌سازی استفاده از اراضی، ترویج استفاده پایدار از اراضی، حفاظت از محیط‌زیست و اطمینان از استفاده بهینه از منابع طبیعی کمک می‌کند. این تحقیق در منطقه آبیک استان قزوین واقع در شمال غرب ایران به وسعت 60 هزار هکتار انجام شده است، پس از جمع آوری داده‌ها از 300 خاکرخ و تعیین کلاس‌های تناسب زمین برای گندم با آبیاری سطحی با استفاده از سامانه طبقه بندی فائو، نقشه‌های رقومی به دو روش مرسوم و یادگیری ماشینی با استفاده از متغیرهای محیطی مستخرج از مدل رقومی ارتفاع، تصاویر ماهواره لندست-8 و سنتینل-2 بدست آمد. نتایج نشان داد که روش یادگیری ماشینی با دقت کلی 74 درصد و شاخص کاپای 68 توانست دقت بالاتری را نسبت به روش مرسوم با دقت کلی 62 درصد و شاخص کاپای 53 از خود نشان دهد. همچنین مهم ترین متغیرهای محیطی که در مدلسازی یادگیری ماشینی استفاده شدند متغیرهای مستخرج از مدل رقومی ارتفاع و ماهواره لندست-8 بود. بیشترین وسعت منطقه برای کشت گندم با آبیاری سطحی در کلاس نسبتاً مناسب (S2) با 30753 هکتار در روش جنگل‌های تصادفی و 21028 هکتار در روش سنتی بدست آمد و کمترین وسعت نیز متعلق به کلاس نامناسب (N) با 3052 هکتار در روش جنگل‌های تصادفی و 7185 هکتار در روش سنتی شناسایی شد. 15000 هکتار از منطقه مورد مطالعه نیز بدون محدودیت (S1)کشت برای گندم با آبیاری سطحی گزارش گردید.