تهیه نقشه رقومی کربن آلی ذخیره شده در خاک با استفاده از روش‌های یادگیری ماشینی

نویسندگان

1 دانشجوی دکتری گروه علوم ومهندسی خاک، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی ومنابع طبیعی دانشگاه تهران. کرج، ایران

2 استاد گروه علوم ومهندسی خاک، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی ومنابع طبیعی دانشگاه تهران. کرج، ایران

3 استاد گروه مهندسی ماشین‌های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی ومنابع طبیعی دانشگاه تهران. کرج، ایران

doi
10.22059/ijswr.2022.346976.669339
چکیده

بررسی ذخایر کربن آلی خاک  (SOCS) در زمین‌های کشاورزی و نقش عوامل مؤثر بر تغییرپذیری آن و مدل‌سازی رقومی برای پیش‌بینی سناریوهای احتمالی ذخایرکربن در آینده مهم است. هدف از این مطالعه بررسی تنوع مکانی و برآورد مقدار کربن آلی ذخیره در عمق 100 سانتی متری بر اساس دو نسل از مدل‌های یادگیری ماشین در بخشی از دشت قزوین است.  محتوای کربن آلی خاک، 211 نمونه خاک که اطلاعات آن از قبل جمع آوری شده و موجود بود استخراج گردید. از متغیرهای محیطی، 11 متغیر برپایه مدل رقومی ارتفاع و 25 شاخص طیفی مستخرج از تصاویر ماهواره‌های لندست 8 و سنتینل 2 با قدرت تفکیک مکانی 10 متر استفاده شد. علاوه بر این، مجموعه داده‌ها به دو بخش تقسیم شد: 70 درصد از داده‌ها به عنوان آموزش و 30 درصد از داده ها برای اعتبارسنجی مدل انتخاب شدند. جهت مدل‌سازی کربن ذخیره آلی در منطقه مورد مطالعه از دو مدل جنگل تصادفی (RF) و جنگل تصادفی کوانتایل  (QRF) استفاده شد. نتایج اعتبارسنجی نشان داد که استفاده از مدل QRF ضریب تعیین بالاتری نسبت به مدل RF دارد. با توجه به نتایج اهمیت نسبی متغیرهای محیطی، پارامترهای مدل رقومی ارتفاع و عمق دره نسبت به سایر متغیرها در مدل‌سازی فضایی SOCS اهمیت بیشتری دارند. به طور کلی، پیشنهاد می‌شود که در فرآیند مدل‌سازی ویژگی‌های ثانویه خاک، به بررسی مدل‌های هیبریدی پرداخته شود.