ارزیابی تناسب ارضی با استفاده از رویکردهای سنتی و مدلهای یادگیری ماشینی (مطالعه موردی: دشت آبیک، استان قزوین)

تناسب اراضی یک عامل اساسی در برنامه ریزی استفاده از اراضی و تولید پایدار محصولات کشاورزی است. ارزیابی تناسب اراضی به بهینه سازی استفاده از اراضی، ترویج استفاده پایدار از اراضی، حفاظت از محیط زیست و اطمینان از استفاده بهینه از منابع طبیعی کمک می کند. این تحقیق در منطقه آبیک استان قزوین واقع در شمال غرب ایران به وسعت ۶۰ هزار هکتار انجام شده است، پس از جمع آوری داده ها از ۳۰۰ خاکرخ و تعیین کلاس های تناسب زمین برای گندم با آبیاری سطحی با استفاده از سامانه طبقه بندی فائو، نقشه های رقومی به دو روش مرسوم و یادگیری ماشینی با استفاده از متغیرهای محیطی مستخرج از مدل رقومی ارتفاع، تصاویر ماهواره لندست-۸ و سنتینل-۲ بدست آمد. نتایج نشان داد که روش یادگیری ماشینی با دقت کلی ۷۴ درصد و شاخص کاپای ۶۸ توانست دقت بالاتری را نسبت به روش مرسوم با دقت کلی ۶۲ درصد و شاخص کاپای ۵۳ از خود نشان دهد. همچنین مهم ترین متغیرهای محیطی که در مدلسازی یادگیری ماشینی استفاده شدند متغیرهای مستخرج از مدل رقومی ارتفاع و ماهواره لندست-۸ بود. بیشترین وسعت منطقه برای کشت گندم با آبیاری سطحی در کلاس نسبتا مناسب (S۲) با ۳۰۷۵۳ هکتار در روش جنگل های تصادفی و ۲۱۰۲۸ هکتار در روش سنتی بدست آمد و کمترین وسعت نیز متعلق به کلاس نامناسب (N) با ۳۰۵۲ هکتار در روش جنگل های تصادفی و ۷۱۸۵ هکتار در روش سنتی شناسایی شد. ۱۵۰۰۰ هکتار از منطقه مورد مطالعه نیز بدون محدودیت (S۱)کشت برای گندم با آبیاری سطحی گزارش گردید.

Keywords:

جنگل تصادفی , خصوصیات ژئومرفولوژیک , روش پارامتریک , گندم