مقایسة روش های شبکة عصبی مصنوعی و درخت تصمیم در تهیة نقشة رقومی خاک در منطقة اردکان

در پاسخ به تقاضای اطلاعات مکانی خاک، به کاربردن داده های کمکی رقومی و ارتباط آن ها با داده های مشاهداتی صحرایی در حال افزایش است. استفاده از اطلاعات رقومی از طریق روش های کامپیوتری، که اصطلاحاً نقشه برداری رقومی خاک خوانده می شود، قابل اعتمادتر و کم هزینه تر از روش های سنّتی نقشه برداری خاک است. بنابراین، در پژوهش حاضر از مدل های درخت تصمیم و شبکة عصبی مصنوعی برای پیش بینی مکانی کلاس های تاکسونومیک خاک در منطقه ای خشک، به وسعت 720 کیلومتر مربع در اردکان، استفاده شد. عملیات نقشه برداری در آنجا بسیار سخت است. در این منطقه بر اساس روش مربع لاتین مکان جغرافیایی 187 پروفیل خاک مشخص و سپس تشریح و نمونه برداری شدند و طبقه بندی بر اساس سیستم امریکایی انجام گرفت. متغیرهای محیطی یا نمایندگان فاکتورهای خاک سازی، که در این پژوهش استفاده شد، شامل اجزای سرزمین، داده های تصویر etm+ ماهوارة لندست، و نقشة سطوح ژئومورفولوژی است. نتایج این تحقیق نشان داد، برای پیش بینی کلاس خاک، مدل درخت تصمیم نسبت به شبکة عصبی مصنوعی حدود هفت درصد دقیق تر است. مدل درختی و شبکة عصبی مصنوعی به ترتیب دقت کلی و ضریب تبیین و ضریب کاپای 48 درصد، 52 درصد، 34/0 و 46/0 و 13/0 و 25/0 دارند. نتایج نشان داد برای پیش بینی کلاس خاکْ شاخص خیسی، سطوح ژئومورفولوژی، و شاخص همواری دره با درجة تفکیک بالا مهم ترین پارامترها هستند. مدل های درختی نسبت به روش شبکة عصبی مصنوعی دقت بالاتری دارند و همچنین تفسیر نتایج مدل درختی بسیار راحت تر است. لذا پیشنهاد می شود در مطالعات آینده برای تهیة نقشة رقومی خاک از مدل های درختی استفاده شود.