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

بازشناسی موثر الگوی پراکنش خاک به دلیل اهمیت کاربردی آن، از هدف های دیرینه خاک شناسان بوده است. امروزهتلاش در این راستا به کاربست هوش مصنوعی انجامیده است. این مطالعه به منظور آزمودن توان الگوریتم ماشین بردارپشتیبان در پیش بینی الگوی پراکنش گروه بزرگ خاک Soil Taxonomy (ST) در دشت میان دربند کرمانشاه به مساحت000 / 50 هکتار انجام شد. برپایه روش سیستماتیک ساده، یک شبکه مربعی با 122 گره طراحی گردیده و 78 گودال بررسیحفر شد. پس از تشریح خاکرخ ها، پدان ها بر اساس سیستم رده بندی آمریکایی در سطح گروه بزرگ رده بندی گردید.متغیرهای کمکی از مدل رقومی ارتفاع و تصویر سنجنده OLI ماهواره لندست 8 با وضوح 30 متر محاسبه گردید. الگوریتمماشین بردار پشتیبان با تابع هسته پایه شعاعی برای پیش بینی توزیع کلاس های خاک در منطقه مورد مطالعه به کار برده شد.نتایج نشان از پتانسیل چشمگیر ماشین بردار پشتیبان در پیش بینی مکانی کلاس های خاک در سطح گروه بزرگ داشت.

نقشه برداری رقومی، رایان آموختی، ماشین بردار پشتیبان