بزرگ مقیاس سازی مکانی در نقشه برداری رقومی کربن آلی خاک با استفاده از داده های کمکی (مطالعه موردی: منطقه بانه)

مقیاس مکانی مورد نیاز اطلاعات منابع طبیعی با  آن مقیاسی که در دسترس می‌باشد، بسیار متفاوت است. یک روش برای تطابق مقیاس­ها، استفاده از مفهوم مقیاس­سازی است. در این مطالعه با استفاده از روشی جدید یزرگ­مقیاس­سازی نقشه رقومی کربن آلی خاک از قدرت تفکیک مکانی 150 متر به 30 متر در منطقه­ای به وسعت 3000 هکتار واقع در استان کردستان انجام شد. در ابتدا، نقشه رقومی کربن آلی خاک با قدرت تفکیک مکانی 30 متر با استفاده از داده­های نمونه‌برداری شده از سطح خاک، داده­های کمکی (استخراج شده از مدل رقومی ارتفاع و تصاویر ماهواره لندست) و مدل درختی به‌دست آمد؛ سپس، با استفاده از روش کوچک­مقیاس سازی ساده­ای به نام میان‌گیری بلوکی نقشه کربن آلی خاک با قدرت تفکیک مکانی 150 متر تهیه گردید. در مرحله بعد، با استفاده از الگوریتم بزرگ­مقیاس­‌ازی، نقشه کربن آلی خاک از قدرت تفکیک مکانی 150 متر به 30 متر تبدیل گردید. با فرض این­که ارتباط داده­های کمکی و کربن آلی خاک می‌تواند یک رابطه غیر خطی باشد، در این مطالعه از روش رگرسیون تعمیم داده شده و شبکه عصبی مصنوعی استفاده گردید. برای ارزیابی الگوریتم بزرگ­مقیاس­سازی از ضریب تبیین بین نقشه حاصل از مدل درختی و نقشه بزرگ­مقیاس­سازی بهره گرفته شد. نتایج مدل­سازی در مرحله اول نشان داد که بعضی از متغیرهای کمکی مانند شاخص گیاهی نرمال شده، شاخص خیسی، شاخص همواری دره با درجه تفکیک بالا و انحنای طولی شیب بیشترین تاثیر را بر پیش­بینی کربن آلی خاک دارند. نتایج پیش­بینی رگرسیون درختی در مرحله آزمون نیز نشان داد که مدل به خوبی توانسته کربن آلی خاک با دقت مکانی 30 متر را مدل­سازی کند (ریشه مربعات خطا برابر با 15/0 و ضریب تبیین 78/. می‌باشد). نتایج بزرگ­مقیاس­سازی نیز نشان داد که روش مورد استفاده جهت بزرگ­مقیاس­سازی (شبکه عصبی مصنوعی و رگرسیون تعمیم داده شده) به خوبی با ضریب تبیین 81/0 و 70/0 توانسته­اند تغییرات مکانی کربن آلی خاک را در مقیاس بزرگ­تر مدل­سازی کنند.