مستانه ویسی - دانش آموخته کارشناسی ارشد گروه علوم و مهندسی خاک، دانشکده کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه رازی، کرمانشاه، ایران
پرویز شکاری - استادیار گروه علوم و مهندسی خاک، دانشکده کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه رازی، کرمانشاه، ایران

نقشه های خاک از منابع عمده اطلاعات برای مدیریت پایدار سرزمین هستند. کاربرد روش های نقشه برداری رقومی (DSM) باعثکاهش هزینه و صرفه جویی در زمان مطالعات شناسایی خاک می گردد. در این پژوهش شبکه عصبی مصنوعی (ANN) برای پیش بینی نقشهخاک منطقه سنجابی در استان کرمانشاه با مساحت بیش از 48000 هکتار در سطح گروه مرجع سیستم ردهبندی WRB بکار رفت. با الگوریتمنمونه برداری GRTS مکان 100 خاکرخ در سطح منطقه تعیین گردید. هر یک از خاکرخها به دقت تشریح، نمونه برداری، تجزیه و سپس طبقسیستم مرجع جهانی رده بندی شدند. متغیرهای برگرفته از مدل رقومی ارتفاع، تصویر ماهواره به عنوان پیش بینی به کار رفت. توانایی ANN درپیش بینی مکانی گروه های مرجع خاک چشمگیر بود و صحت عمومی و شاخص کاپا بترتیب 68 / 0 و 58 / 0 بدست آمد. نتایج حساسیت بالایANN را به فراوانی مشاهدات در هر کلاس خاک نشان داد به گونه ای که در مواردی با مشاهدات کم، مدل کاملا ناموفق بود و به همین دلیلنتایج در سطح دوم WRB رضایت بخش نبود. همچنین اثر متفاوت متغیرهای محیطی در عملکرد ANN بخوبی ثابت گردید. درستی مکانی نقشهپیش بینانه تا اندازه خوبی با واقعیت منطقه هماهنگی داشت و به همین دلیل قابل قبول ارزیابی شد.

نقشه برداری رقومی، شبکه عصبی مصنوعی، متغیرهای محیطی، منطقه سنجابی