مدل سازی تغییرات عمقی کربنات کلسیم معادل خاک با استفاده از الگوریتم های یادگیری ماشین در دشت قزوین

کربنات کلسیم معادل یکی از ویژگی­های کلیدی خاک­های مناطق خشک و نیمه خشک است که بررسی تغییرات سطحی و عمقی آن از اهمیت ویژه­ای در بهره­برداری پایدار از خاک­های زراعی برخوردار است. هدف از این تحقیق مدل سازی مکانی کربنات کلسیم معادل (CCE) در پنج عمق استاندارد ۱۰۰-۶۰، ۶۰-۳۰، ۳۰-۱۵، ۱۵-۵ و ۵-۰ سانتی­متر متناظر با پروژه جهانی نقشه خاک با استفاده از سه الگوریتم یادگیری ماشین جنگل تصادفی (RF)، رگرسیون درخت تصمیم (DTr) و k-نزدیک ترین همسایگی (k-NN) بود. مطالعات میدانی و آزمایشگاهی شامل حفر ۲۷۸ خاکرخ، نمونه­برداری و انجام تجزیه­های فیزیکوشیمیایی موردنظر بود. متغیرهای کمکی شامل مشتقات مدل رقومی ارتفاع، شاخص­های سنجش ازدور، داده­های اقلیمی و خاک بودند که انتخاب دسته مناسب آن ها با استفاده از روش تجزیه مولفه های اصلی (PCA) و نظر کارشناس انجام گردید. همسان­سازی مقادیر CCE در اعماق استاندارد به وسیله تابع عمق اسپیلاین اجرا گردید. بر اساس روش PCA در مولفه های اول تا پنجم با توجیه بیش از ۸۰% واریانس تجمعی، متغیرهای کمکی شاخص همواری دره با وضوح مکانی بالا (MrVBF)، میانگین دمای سالانه (MAT)، شاخص سبزینگی (Greenness)، احتمال افق کلسیک (Cal.hr) و شاخص اثر باد (Wind Effect) و براساس نظر کارشناس، درصد رس (Clay) انتخاب گردیدند. الگوریتم RF در مقایسه با دو الگوریتم دیگر (DTr،k-NN) با دامنه مقادیر R۲ برابر ۰/۸۳ – ۰/۷۶ و RMSE برابر ۲/۱۴- ۳/۲۱ درصد بالاترین میزان دقت و حداقل خطا را ارائه نمود. در سه عمق سطحی تغییرات مکانی CCE متاثر از متغیر Clay بود، در حالی که در اعماق زیرین Cal.hr مهم ترین فاکتور پیش­بینی کننده آن بود. به طورکلی استفاده از رویکردهای نوین نقشه­برداری در تهیه نقشه CCE به دلیل تاثیر این ویژگی بر روی قابلیت دسترسی رطوبت خاک و جذب عناصر غذایی توسط گیاهان بسیار کاربردی است.

Keywords:

اعماق استاندارد , تابع اسپیلاین , فاکتورهای خاکساری , نقشه برداری رقومی خاک