مدل سازی و پیش بینی مکانی کلاس خاک با استفاده از الگوریتم یادگیری رگرسیون درختی توسعه یافته و جنگل-های تصادفی در بخشی از اراضی دشت قزوین
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 132
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJSWR-50-10_011
تاریخ نمایه سازی: 2 خرداد 1402
Abstract:
انتخاب متغیرهای کمکی مناسب در روشهای یادگیرنده ماشینی جهت نقشه برداری رقومی خاک از اهمیت ویژهای برخوردار است. طی سالهای اخیر در ایران استفاده از الگوریتمهای یادگیرنده در نقشهبرداری رقومی و بهنگام سازی نقشههای قدیمی توسعه یافته است. پژوهش حاضر در بخشی از اراضی دشت قزوین با هدف مقایسه جنگلهای تصادفی (RF) و رگرسیون درختی توسعه یافته (BRT) در پیشبینی مکانی کلاسهای زیرگروه و فامیل خاک بهمراه انتخاب متغیرهای کمکی با استفاده از شاخص تورم واریانس انجام شده است. ۶۱ خاکرخ به روش نمونهبرداری تصادفی طبقه بندی شده حفر، تشریح و با تجزیه وتحلیل آزمایشگاهی تا سطح فامیل ردهبندی گردید. مناسب ترین متغیرهای محیطی از میان ۱۵ متغیر ژئومورفومتری و شاخصهای سنجش از دور با استفاده از فاکتور تورم واریانس انتخاب گردیدند. مدلسازی رابطه خاک – زمین نما در دو سطح زیرگروه و فامیل خاک با استفاده از دو الگوریتم یادگیرنده RF و BRT در نرم افزار RStudio بر اساس دو بسته "Randomforest" و "C۵.۰" اجرا گردید. نتایج انتخاب متغیرهای محیطی نشان داد که شش متغیر CHA،DEM ، STH، NDVI، SI و DVI بهعنوان متغیر ورودی انتخاب گردیدند. شاخصهای ارزیابی مدلها شامل صحت کلی و شاخص کاپا به ترتیب برای الگوریتم BRT، ۳۵، ۲۶ درصد و برای الگوریتم RF،۷۰، ۶۰ درصد در سطح فامیل خاک حاصل گردید. آنالیز حساسیت برمبنای شاخص میانگین حداقل صحت نشان داد که متغیر محیطی مساحت حوزه آبخیز اصلاح شده دارای بیشترین اهمیت نسبی در میان متغیرهای انتخاب شده است. به طورکلی با استفاده از رویکردهای نوین انتخاب متغیر و الگوریتم های یادگیرنده موثر میتوان نقشهی پراکنش مکانی خاکها را حتی در نواحی با پستی وبلندی کم با صحت قابل قبول تهیه نمود.
Keywords:
Authors
سیدروح اله موسوی
گروه علوم ومهندسی خاک، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، ایران
فریدون سرمدیان
عضو هیات علمی گروه مهندسی علوم خاک، پردیس کشاورزی و منابع طبیعی دانشگاه تهران
اصغر رحمانی
دانشجوی دکتری،گروه علوم ومهندسی خاک،پردیس کشاورزی ومنابع طبیعی، دانشگاه تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :