4 نتیجه برای نقشه‌برداری رقومی خاک
محسن باقری بداغ‌آبادی، محمدحسن صالحی، عیسی اسفندیارپور بروجن، جهانگرد محمدی، علیرضا کریمی‌‌کارویه، نورایر تومانیان،
جلد 16، شماره 61 - ( 7-1391 )
چکیده
کاربرد مدل‌های تغییرپذیری ناپیوسته در روش‌های سنتی (مرسوم) شناسایی خاک، محدودیتهایی را برای مرزبندی واحدهای نقشه بههمراه دارد. راه‌کارهای نوین ارایه‌شده برای غلبه بر این محدودیت‌ها (که به‌طور کلی، "نقشه‌برداری رقومی خاک" نامیده می‌شوند)، با بررسی تغییرات پیوسته خاک، تلاش می‌کنند براساس متغیرهای محیطی که بهسادگی قابل دست‌یابی یا محاسبه هستند، کلاس‌های خاک یا ویژگی‌های آن را پیش‌بینی کنند. پژوهش حاضر می‌کوشد تا با هدف تهیه نقشه خاک منطقه بروجن- استان چهارمحال و بختیاری- توسط مدل SoLIM و به‌کارگیری مدل رقومی ارتفاع و ویژگی‌های آن، گامی جدید در راستای تهیه نقشه‌های خاک بردارد. برای این منظور، 18 ویژگی مختلف از مدل رقومی ارتفاع استخراج گردیدند و پس از پردازش اولیه، هفت ویژگی مهم‌تر انتخاب شدند. این ویژگی‌ها بههمراه سه زیرگروه و هفت فامیل خاک غالب موجود در منطقه مطالعاتی (شامل 41 خاک‌رخ از 125 خاک‌رخ حفرشده در کل منطقه)، ماتریس داده‌های ورودی به مدل SoLIM را تشکیل دادند. نقشه‌های خاک فازیِ به‌دست آمده از SoLIM در سامانه اطلاعات جغرافیایی (نرم‌افزار آرک- جی‌آی‌اس) به نقشه چندگوشه‌ای پراکنش خاک‌ها تبدیل شدند. نتایج نشان داد که ترکیبات گوناگون ویژگی‌های مدل رقومی ارتفاع در برآورد نوع خاک‌ها دقت متفاوتی دارند، و به‌طورکلی، دقت درون‌یابی‌ها حدود دو برابر دقت برون‌یابی‌ها هستند. همچنین، مدل SoLIM در برآورد نوع واحدهای نقشه و خاک‌های موجود در آن، دقت قابل قبولی داشت؛ لیکن در برآورد مکان دقیق کلاس‌های خاک، از دقت چندانی برخوردار نبود. لزوم استفاده از اطلاعات بیشتر مانند نقشه‌های زمین‌شناسی و غیره، برای افزایش دقت این روش، پیشنهاد می‌شود.
شمس‌الله ایوبی، روح‌اله تقی‌زاده، زینب نمازی، علی ذوالفقاری، فاطمه روستایی صدرآبادی،
جلد 20، شماره 76 - ( 5-1395 )
چکیده
استفاده از داده‌های کمکی رقومی و ارتباط آنها با داده‌های مشاهداتی صحرایی از طریق روش‌های کامپیوتری که اصطلاحاً نقشه‌برداری رقومی خاک خوانده می‌شود، نسبت به روش‌های سنتی نقشه‌برداری خاک قابل‌اعتمادتر و کم هزینه‌تر است. بنابراین در مطالعه حاضر، از مدل‌های شبکه عصبی مصنوعی و k نزدیک‌ترین همسایگی جهت پیش‌بینی مکانی شوری خاک در منطقه‌ای خشک به وسعت 700 کیلومتر مربع در شمال شهرستان اردکان استفاده گردید. در این منطقه براساس روش شبکه‌بندی منظم 180 نمونه خاک مشخص‌شده و سپس نمونه‌برداری و خصوصیات فیزیکی- شیمیایی خاک اندازه‌گیری شدند. متغیرهای محیطی استفاده شده در این مطالعه شامل پارامترهای استخراج شده از مدل رقومی ارتفاع، داده‌های تصویر ETM+ ماهواره لندست و هدایت الکتریکی ظاهری (اندازه‌گیری شده توسط دستگاه هدایت‌گر الکترومغناطیس) بودند. نتایج این تحقیق نشان داد که مدل k نزدیک‌ترین همسایگی دارای دقت بیشتری نسبت به شبکه عصبی مصنوعی به‌منظور پیش‌بینی شوری خاک است. به‌طوری‌که این مدل به‌خوبی توانسته ارتباط قوی بین داده‌های شوری خاک و اطلاعات محیطی برقرار کند. مجموع ریشه مربعات خطا و ضریب تبیین مدل k نزدیک‌ترین همسایگی به‌ترتیب 73/18 و 92/0 است. نتایج نشان داد که برای پیش‌بینی شوری خاک، هدایت الکتریکی ظاهری، شاخص‌های سنجش از دور و شاخص خیسی مهم‌ترین پارامترها بودند.
اذر فاریابی، حمیدرضا متین فر،
جلد 22، شماره 3 - ( 8-1397 )
چکیده
یکی از مشکلات نقشه‌برداری مرسوم خاک‌ها، تکیه‌بر نظرات کارشناسی، وقت‌گیر بودن و زمان‌بر بودن تهیه و روزآمد کردن نقشه‌ها است. درحالی‌که نقشه‌برداری رقومی خاک، با استفاده از مدل‌های مختلف خاک - سیمای زمین، منجر به ساده‌سازی پیچیدگی‌های موجود در سامانه طبیعی خاک می‌شود. هدف از پژوهش حاضر، بررسی مدل استنباط خاک (SIE) در نقشه‌برداری خاک با تأکید بر استفاده از دانش کارشناسی و منطق فازی است. برای این منظور لایه رقومی زمین‌شناسی و لایه‌های محیطی از مدل رقومی ارتفاع شامل: ارتفاع، شیب، شکل انحنای سطح زمین و شاخص خیسی استخراج شدند که داده‌های ورودی مدل SIE را تشکیل می‌دهند، سپس نقشه‌های فازی برای پنج نوع خاک تهیه و نقشه نهایی پیش‌بینی خاک با عمل غیر فازی کردن، ایجاد شد. نتایج نشان داد که مدل SIE که از متغیرهای محیطی استفاده می‌کند، توانایی بالایی در جداسازی انواع خاک با جزئیات بیشتر دارد و خاک‌هایی که مواد مادری متفاوتی دارند را کاملاً از هم جدا می‌کند. مقایسه ماتریس خطا نشان می‌دهد که صحت کلی نقشه استنتاج شده از مدل SIE، برابر 75 درصد است، همچنین انطباق نتایج نقشه‌برداری رقومی با نقشه‌برداری مرسوم، بیانگر انطباق 68/74 درصدی نتایج است و تفاوت در میزان انطباق را می‌توان به تفاوت در ماهیت دو روش مرتبط دانست.
حمید رضا متین فر، زیبا مقصودی، روح الله موسوی، محبوبه جلالی،
جلد 24، شماره 4 - ( 12-1399 )
چکیده
شناخت توزیع مکانی کربن آلی خاک یکی از ابزارهای کاربردی در تعیین استراتژی‌های مدیریت پایدار اراضی است. طی دو دهه اخیر استفاده از رویکردهای داده‌کاوی در مدل‌سازی مکانی کربن آلی خاک با استفاده از تکنیک‌های یادگیری ماشین به‌طور گسترده‌ای مورد توجه قرار گرفته است. یکی از گام‌های اساسی در کاربرد این روش‌ها، تعیین متغیرهای بهینه پیش‌بینی کننده کربن آلی خاک است. این مطالعه به‌منظور مدل‌سازی و نقشه‌برداری رقومی کربن آلی خاک سطحی با استفاده از روش‌های یادگیری ماشین و ویژگی‌های خاک شامل درصد سیلت، رس، شن، کربنات کلسیم معادل، میانگین وزنی قطر خاکدانه و اسیدیته انجام پذیرفت. بدین منظور دقت عملکرد مدل‌های جنگل تصادفی، کوبیست، رگرسیون حداقل مربعات جزئی، رگرسیون خطی چندمتغیره و کریجینگ معمولی برای برآورد میزان کربن آلی خاک سطحی، در 141 نمونه از عمق 30-0 سانتی‌متر در بخشی از اراضی کشاورزی دشت خرم آباد با مساحت 680 هکتار مورد ارزیابی قرار گرفتند. نتایج آنالیز حساسیت متغیرهای پیش‌ران در مدل‌سازی کربن آلی نشان داد که به‌ترتیب سه ویژگی درصد سیلت، آهک و میانگین وزنی قطر خاکدانه بیشترین تأثیر را روی تغییرپذیری مکانی کربن آلی خاک داشتند. همچنین مقایسه رویکردهای مختلف تخمین کربن آلی نشان داد که مدل جنگل تصادفی به‌ترتیب با مقادیر ضریب تبیین (R2) و مجذور میانگین مربعات خطا (RMSE) 0/75 و 0/25 درصد بهترین کارایی را نسبت به سایر رویکردهای مورد استفاده در منطقه مطالعاتی ارائه کرد. در مجموع مدل‌های با رویکرد غیرخطی صحت بالاتری نسبت به مدل‌های خطی در مدل‌سازی تغییرات مکانی کربن آلی خاک نشان دادند.
