مدلسازی رقومی تغییرات سهبعدی شوری خاک با استفاده از الگوریتمهای یادگیری ماشین در اراضی خشک و نیمهخشک دشت قزوین
نویسندگان
1 استاد گروه مهندسی علوم خاک، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران
2 استاد گروه مهندسی ماشینهای کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران
3 دانشجوی دکتری گروه مهندسی علوم خاک، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران
4 استاد دانشکده محیط زیست و علوم زمین، دانشگاه کاتولیک لوون، لوون، بلژیک.
doi
10.22059/ijswr.2021.323030.668957چکیده
شوری خاک به عنوان یکی از مهمترین شاخصهای کیفیت خاک، نقش مهمی در برنامهریزیهای کاربری و مدیریت اراضی در مناطق خشک و نیمهخشک دارد. این پژوهش با هدف مدلسازی رقومی تغییرات سطحی و عمقی شوری خاک در پنج عمق استاندارد پروژه جهانی نقشه برداری رقومی خاک (5-0، 15-5، 30-15، 60-30 و 100-60 سانتیمتر) در 60 هزار هکتار از اراضی دشت قزوین با وضوح مکانی 15 متر صورت پذیرفت. مطالعات میدانی شامل نمونهبرداری از 278 خاکرخ بود و هدایت الکتریکی خاکها در آزمایشگاه اندازهگیری شد. انتخاب متغیرهای محیطی، شامل پارامترهای مستخرج از دادههای تصاویر لندست 8، توپوگرافی و لایههای اقلیمی، طبق روش حذف ویژگی برگشتی (RFE) صورت پذیرفت. چهار الگوریتم یادگیری ماشین جنگل تصادفی (RF)، کوبیست (CB)، رگرسیون درخت تصمیم (DTr) و k- نزدیکترین همسایگی (k-NN) برای تهیه نقشه پیشبینی شوری خاک استفاده شد. بر اساس نتایج RFE درنهایت 10 متغیر کمکی در هر عمق انتخاب شدند. نتایج نشان داد که مدل CB در اعماق استاندارد 5-0 و 30-15 سانتیمتر با R2 برابر 92/0 و 85/0 و RMSE برابر 77/4 و 90/7 دسی زیمنس بر متر و مدل RF در اعماق 15-5، 60-30 و 100-60 سانتیمتر مدل با R2 بهتریتب برابر 93/0، 94/0، 96/0 و RMSE 65/6، 10/5 و 20/3 دسی زیمنس بر متر بالاترین مقادیر صحت را نسبت به دو مدل DTr و k-NN داشتند. همچنین در اعماق سطحی متغیرهای کمکی مستخرج از دادههای سنجش دور و در اعماق زیرسطحی پارامترهای اقلیمی و توپوگرافی بیشترین ارتباط را با تغییرات شوری داشتند. بطور کلی مدلهای RF و CB به همراه متغیرهای محیطی مناسب بخوبی توانستند تغییرات شوری را در اعماق استاندارد موردمطالعه ارائه نمایند.