پیش‌بینی مکانی برخی از ویژگی‌های خاک سطحی با استفاده از مدل‌های درون‌یابی و یادگیری ماشین

دست‌یابی به اطلاعات مکانی دقیق و با جزئیات بیشتر از پراکنش مکانی ویژگی‌های خاک بر روی سیمای اراضی برای پایش دقیق منابع اراضی، کاربردهای هیدرولوژیکی، مدیریت کاربری اراضی و سایر مدل‌سازی‌های محیطی ضروری است و نقش بنیادینی را در فرآیندها اکوهیدرولوژی، اراضی مستعد کشاورزی و مدیریت پایدار اراضی در مناطق نیمه‌خشک ایفا می‌نماید. پژوهش حاضر باهدف پیش‌بینی مکانی درصد کربن آلی خاک (SOC)، کربنات کلسیم معادل (CCE)، رس، لای و ماسه در منطقه قروه-دهگلان کردستان صورت پذیرفت. مواد و روش‌ها: منطقه قروه دهگلان با میانگین دمای سالیانه ۱۲ درجه سلسیوس و میانگین بارش سالیانه ۳۴۸ میلی‌متر (دوره آماری ۲۰ ساله) به‌ترتیب دارای رژیم‌های رطوبتی و حرارتی زریک و ترمیک است. حدود ۱۴۵ نمونه خاک از عمق ۳۰-۰ سانتی‌متر بر اساس الگوی نمونه‌برداری تصادفی برداشت گردید. سپس نمونه‌های خاک برای انجام آزمایش‌های فیزیکی و شیمیایی لازم به آزمایشگاه منتقل گردید. مدل جنگل تصادفی (RF) به‌عنوان نماینده روش‌های غیرپارامتریک و دو روش کریگینگ معمولی (OK) و وزن‌دهی عکس فاصله (IDW) برای مدل‌سازی تغییرات مکانی ویژگی‌های خاک و خودهمبستگی مکانی بین آنها استفاده گردیدند. تمامی مراحل مدل‌سازی روش RF در نرم‌افزار RStudio و روش‌های درون‌یابی (OK و IDW) در نرم‌افزارهای ArcGIS و GS+ صورت پذیرفت. ۳۰ متغیر محیطی شامل مشتقات مدل رقومی ارتفاع (DEM) در نرم‌افزار SAGA GIS 7.3 و داده‌های باند انعکاسی ماهواره لندست ۸ به‌عنوان متغیرهای محیطی تهیه شدند. تمامی متغیرهای محیطی مورداستفاده با تفکیک مکانی ۳۰ متر بازنمونه‌گیری گردیدند. انتخاب متغیرهای محیطی بهینه طبق شاخص تورم واریانس (VIF) انجام گردید. مدل‌سازی ویژگی‌ها طبق دو دسته داده ۸۰ و ۲۰ درصد، به‌ترتیب برای واسنجی و اعتبارسنجی انجام گردید و از دو آماره میانگین ریشه مربعات خطا (RMSE) و ضریب تبیین (R2) برای تعیین دقت مدل‌ها استفاده شد. بر اساس شاخص تورم واریانس از مجموع ۳۰ متغیر محیطی تهیه‌شده در نهایت هفت متغیر کمکی شامل،. چهار متغیر سنجش از دور شاخص پوشش گیاهی تعدیل یافته‌خاک (SAVI)، سبزینگی شاخص گیاهی تفاضلی نرمال‌شده (GNDVI)، شاخص پوشش گیاهی نسبی (RVI) و شاخص پوشش گیاهی بهبودیافته (EVI) و سه ویژگی ژئومورفومتری شامل مدل رقومی ارتفاع (DEM)، فاصله اقلیدسی از شبکه آبراهه و شاخص موقعیت توپوگرافی (TPI) انتخاب گردیدند. نتایج مدل‌سازی نشان داد که مدل RF برای متغیر کربن آلی خاک (۵/۰=R2 و ۴/۰=RMSE%)، متغیر کربنات کلسیم معادل (۴/۰=R2 و ۶۱/ ۱۱=RMSE%)، متغیر رس (۲۱/۰=R2 و ۶۵/۵=RMSE%) و متغیر لای (۱۵/۰=R2 و ۲۴/۷= RMSE%)، مناسب‌ترین مدل و روش کریگینگ معمولی برای متغیر ماسه با (۱۴/۰=R2 و ۲۶/۱۰=RMSE) نسبت به دو مدل RF و IDW دارای دقت بالاتری بودند. از میان نیم‌تغییرنما‌های برازش داده‌شده مدل نمایی برای متغیرهای کربن آلی خاک، رس، لای و ماسه به‌جز کربنات کلسیم معادل دارای مناسب‌ترین برازش بود. نتایج خودهمبستگی مکانی نشان داد که دو متغیر کربنات کلسیم معادل و ماسه دارای کلاس همبستگی مکانی قوی بود و مابقی دارای کلاس متوسط می‌باشند. بالاترین مقادیر سقف نیم‌تغییرنما مربوط به کربنات کلسیم معادل و رس و کمترین مقدار آن مربوط به کربن آلی خاک و ماسه بود. این نتایج بیانگر وجود الگوی تصادفی یا ساختار مکانی ضعیف در نمونه‌های مورداستفاده برای محاسبه نیم‌تغییرنما است. از میان متغیرهای کمکی مورداستفاده برای مدل‌سازی مکانی سه ویژگی کربن آلی خاک، کربنات کلسیم معادل و رس، متغیرهای ژئومورفومتری مدل رقومی ارتفاع، شاخص موقعیت توپوگرافی و فاصله اقلیدسی از شبکه آبراهه دارای بیشترین اهمیت و برای متغیرهای ماسه و لای پارامترهای NDVI، SAVI و RVI دارای اهمیت بیشتری بودند. .

Keywords:

تغییرپذیری مکانی , جنگل تصادفی , داده‌کاوی , نقشه‌برداری رقومی خاک