بررسی خطا و عدم‌قطعیت در تهیة نقشه‌های موضوعی با استفاده از شبکة عصبی مصنوعی و داده‌های محیطی مطالعة موردی: نقشة رقومی خاک دشت شهرکرد

نقشه‌های خاک به‌منزلة یکی از نقشه‌های پایه در بسیاری از مطالعات مرتبط با محیط و منابع طبیعی اهمیت زیادی دارند. نقشه‌های رقومی خاک بر پایة ارتباط بین ویژگی‌های محیطی و خاک پایه‌ریزی شده‌اند. هدف از انجام پژوهش حاضر، بررسی خطا و عدم‌قطعیت کلاس‌های رقومی خاک پیش‌بینی‌شده در سطوح مختلف سامانة رده‌بندی آمریکایی با استفاده از مدل شبکة عصبی مصنوعی است. تعداد 120 خاک‌رخ برمبنای یک الگوی شبکه‌ای منظم در دشت شهرکرد حفر، تشریح و نمونه‌برداری شد. برای تخمین کلاس‌های خاک، دو گروه ویژگی‌های خاکی (کمّی و کیفی) و داده‌های کمکی (شامل نقشة زمین‌شناسی، نقشة شکل اراضی، نقشة فاز شکل اراضی، نقشة خاک سنتی منطقه، شاخص تفاضل نرمال‌شدة پوشش گیاهی و بعضی مشتقات مدل ارتفاع رقومی) مدنظر قرار گرفت. پس از تهیة نقشه‌های ویژگی‌های خاک و اطمینان از صحت و دقت آنها، این نقشه‌ها به‌ همراه داده‌های کمکی برای تخمین کلاس‌های خاک با مدل شبکة عصبی مصنوعی در محیط نرم‌افزار R استفاده شدند و درنهایت دقت و عدم‌قطعیت مدل مزبور به‌ترتیب با صحت عمومی و شاخص درهمی ارزیابی شد. نتایج نشان داد ورود جزئیات بیشتر در رده‌بندی خاک‌ها در سطوح پایین طبقه‌بندی، ضمن افزایش تعداد کلاس‌ها، کاهش صحت عمومی و افزایش عدم‌قطعیت را به همراه داشته است. با توجه به حد پذیرفتة صحت عمومی (75درصد)، مدل شبکة عصبی مصنوعی از صحت لازم تا سطح گروه بزرگ برخوردار بوده است؛ اما عدم‌قطعیت زیادی را داشته‌ است؛ بنابراین صرف توجه به صحت مدل در انتخاب آن برای مدل‌سازی مؤثر نیست؛ بلکه در کنار خطای مدل، توجه به عدم‌قطعیت آن نیز بسیار مهم است. بر این اساس، به‌کارگیری روش‌های دیگری از محاسبات نرم برای مدل‌سازی در مناطق دشت یا مناطق با ناهمواری‌های کم پیشنهاد می‌شود.