فهرست نشریات علمی دسترسی آزاد ایران

در پاسخ به تقاضای اطلاعات مکانی خاک، به‌کاربردن داده‌های کمکی رقومی و ارتباط آن‌ها با داده‌های مشاهداتی صحرایی در حال افزایش است. استفاده از اطلاعات رقومی از طریق روش‌های کامپیوتری، که اصطلاحاً نقشه‌برداری رقومی خاک خوانده می‌شود، قابل اعتمادتر و کم‌هزینه‌تر از روش‌های سنّتی نقشه‌برداری خاک است. بنابراین، در پژوهش حاضر از مدل‌های درخت تصمیم و شبکة عصبی مصنوعی برای پیش‌بینی مکانی کلاس‌های تاکسونومیک خاک در منطقه‌ای خشک، به وسعت 720 کیلومتر مربع در اردکان، استفاده شد. عملیات نقشه‌برداری در آنجا بسیار سخت است. در این منطقه بر اساس روش مربع لاتین مکان جغرافیایی 187 پروفیل خاک مشخص و سپس تشریح و نمونه‌برداری شدند و طبقه‌بندی بر اساس سیستم امریکایی انجام گرفت. متغیرهای محیطی یا نمایندگان فاکتورهای خاک‌سازی، که در این پژوهش استفاده شد، شامل اجزای سرزمین، داده‌های تصویر ETM+ ماهوارة لندست، و نقشة سطوح ژئومورفولوژی است. نتایج این تحقیق نشان داد، برای پیش‌بینی کلاس خاک، مدل درخت تصمیم نسبت به شبکة عصبی مصنوعی حدود هفت درصد دقیق‌تر است. مدل درختی و شبکة عصبی مصنوعی به‌ترتیب دقت کلی و ضریب تبیین و ضریب کاپای 48 درصد، 52 درصد، 34/0 و 46/0 و 13/0 و 25/0 دارند. نتایج نشان داد برای پیش‌بینی کلاس خاکْ شاخص خیسی، سطوح ژئومورفولوژی، و شاخص همواری دره با درجة تفکیک بالا مهم‌ترین‌ پارامترها هستند. مدل‌های درختی نسبت به روش شبکة عصبی مصنوعی دقت بالاتری دارند و همچنین تفسیر نتایج مدل درختی بسیار راحت‌تر است. لذا پیشنهاد می‌شود در مطالعات آینده برای تهیة نقشة رقومی خاک از مدل‌های درختی استفاده شود.