کاربرد ویژگی‌های ژئومورفومتری در نقشه‌برداری رقومی خاک با استفاده از منطق فازی و یادگیری ماشین

روش­های ­معمول نقشه­برداری خاک وابسته به نمونه­برداری متراکم، متأثر از مقیاس و دانش کارشناس می­باشد، بنابراین استفاده از رویکردهای جدید داده­کاوی در تهیۀ نقشۀ رقومی ویژگی­های خاک برای مرتفع نمودن مشکلات روش معمول هدف اصلی این تحقیق است. در این پژوهش 62 نمونه خاک از عمق 0-20 سانتی­متر براساس روش شبکۀ منظم (300 متر) و نظر کارشناس انتخاب و ویژگی­های درصد کربن آلی، رس و کربنات کلسیم در بخشی از اراضی دیم منطقۀ کوهین با مساحت 370 هکتار اندازه­گیری گردیدند. دو دسته داده­ 80 و 20 درصد به­ترتیب برای واسنجی و اعتبارسنجی مدل­ها انتخاب گردیدند. با استفاده از نرم افزار SAGA GIS و مدل رقومی ارتفاع با قدرت تفکیک مکانی10متر­، 19 متغیر ژئومورفومتری استخراج و براساس آنالیز تجزیۀ مؤلفه­های اصلی (PCA) سه متغیر ارتفاع، شاخص موقعیت توپوگرافی و شاخص شدت پستی و بلندی و همچنین براساس نظر کارشناس، نقشۀ واحدهای لندفرم برای مدل­سازی ویژگی­ها انتخاب گردیدند. مدل­ جنگل تصادفی دارای دقت بالاتری بود به­نحوی­که نتایج آن برای ویژگی­های درصد کربن آلی، رس و کربنات کلسیم بر اساس آماره­های ضریب تبیین (R2) به ترتیب مقادیر 63/0، 75/0 و 63/0 و ریشۀ میانگین مربعات خطا (RMSE) مقادیر 17/0، 5/7، 77/5 درصد و برای رویکرد SoLIM مقادیر ضریب تبیین (R2) 47/0، 42/0و42/0 و مقادیر ریشۀ میانگین مربعات خطای 2/0، 08/8 و 68/4 درصد حاصل گردید. رویکرد جنگل تصادفی با شناخت ارتباط غیرخطی و بهینۀ ویژگی­های خاک و متغیر­های محیطی مؤثر می­تواند نقشه­های رقومی را با دقت مناسب برای مدیریت و بهره­برداری پایدار از اراضی پیش­بینی نماید.