بازشناخت الگوی پراکنش کلاس‌های خاک در یک زمین‌نمای نیمه‌خشک در ایران باختری با کاربرد نگرش دانش‌بنیاد فازی
سابقه و هدف: مدل کردن تغییرپذیری خاک در کاربری پایدار این منبع طبیعی اهمیت بنیادین دارد. مدل‌های ناپیوسته که از دیرباز به کار رفته‌اند تغییرات خاک را به اندازه نیاز در کشاورزی نوین تشریح نکرده و منجر به بروز کاستی‌های بنیادین در توان پیش‌بینی مکانی نقشه‌های خاک می‌شوند. کاربرد فزاینده الگوریتم‌های...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Gorgan University of Agricultural Sciences and Natural Resources
2017-02-01
|
| Series: | پژوهش‌های حفاظت آب و خاک |
| Subjects: | |
| Online Access: | https://jwsc.gau.ac.ir/article_3489_761c7387cee8457f8a7a426d3fed29ea.pdf |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | سابقه و هدف: مدل کردن تغییرپذیری خاک در کاربری پایدار این منبع طبیعی اهمیت بنیادین دارد. مدل‌های ناپیوسته که از دیرباز به کار رفته‌اند تغییرات خاک را به اندازه نیاز در کشاورزی نوین تشریح نکرده و منجر به بروز کاستی‌های بنیادین در توان پیش‌بینی مکانی نقشه‌های خاک می‌شوند. کاربرد فزاینده الگوریتم‌های آماری که ابزار "رایان‌آموختی" نامیده می‌شوند در تولید و بهبود نقشه‌های خاک به شکل رقومی از راه‌های رویارویی با این مشکل است. مدل SoLIMاز جمله این روش‌هاست که نگرش دانش‌بنیاد فازی را برای درک روابط خاک-سرزمین و پیش‌بینی پراکنش خاک به طور پیوسته به کار می‌گیرد. در این پژوهش توان مدل SoLIM در پیش‌بینی الگوی پراکنش خاک در بخشی از دشت میان‌دربند استان کرمانشاه به مساحت 2300 هکتار آزموده شد. مواد و روش‌ها: نقشه‌های تندی و راستای شیب، خمیدگی نیمرخی و تراز، و نمایه خیسی از مدل رقومی ارتفاع با دقت 10متر محاسبه و به همراه نقشه مواد مادری خاک‌ها به‌عنوان موثرترین متغیرهای محیطی همراه (متغیرهای همراه) مؤثر در تمایز خاک‌های منطقه در مدل به کار رفت. بر پایه تحلیل زمین‌ریخت‌‌شناختی، 26 پدان جایابی، تشریح و بر اساس Soil Taxonomy (ST) و WRB به ترتیب در هفت زیرگروه و شانزده گروه مرجع خاک رده‌بندی شد. برای آموزش الگوریتم در بازشناخت روابط میان متغیرهای همراه و خاک‌های رده‌بندی‌شده در هر یک از دو سیستم، قواعد لازم در محیطSoLIM تعریف شد. پس از استنتاج، برای هر یک از زیرگروه‌ها و RGSها یک نقشه فازی ساخته شد و با آمیختن خروجی‌های فازی، نقشه نافازی الگوی پراکنش خاک منطقه برای هر یک از دو سیستم رده‌بندی تولید گردید. یافته‌ها: نتایج نشان از توان خوب یادگیری الگوریتم داشت، اما خروجی‌ها برای دو سیستم رده‌بندی متفاوت بود. برای زیرگروه‌های ST نقشه یکپارچه‌تری از WRB به دست آمد که بازتابی از ساختار درختی آن بود. یکپارچگی کمتر نقشه WRB نشانی از توان پیش‌بینی مکانی بهتر تفسیر شد که پی‌آمد ساختار دو سطحی و منعطف‌تر آن بود. برای ارزیابی عملکرد مدل، نتایج 26 پدان در آرایشی متشکل از چهار ترانسکت و 5 نقطه با پراکنش هدفمند و به‌گونه‌ای که بر پایه دانش به دست‌آمده، بیشترین تغییرپذیری خاک را در منطقه دربر می‌گرفت با پیش‌بینی‌های الگوریتم فازی مقایسه گردید. بر پایه دو معیار "صحت عمومی نقشه" و "نمایه سازگاری کاپا" پیش‌بینی SoLIM در سطح زیرگروه‌های ST به ترتیب تا 78 و 64 درست بود. همین معیارها برای گروه‌های مرجع WRB 67 و 62 درصد محاسبه گردید. میزان درستی پیش‌بینی‌ها در الگوی ترانسکت برای ST و WRB به ترتیب 3/78 و 2/65، اما برای نقاط تصادفی تصادفی در هر دو سیستم رده بندی خاک 75درصد بود. بر پایه نتایج، توانایی SoLIM در برآورد الگوی پراکنش خاک‌ها در منطقه، پذیرفتنی بود. در سطوح پایین رده‌بندی به ویژه ST با ساختار درختی، مدل از توان مناسبی برای جداسازی خاک‌های مختلف برخوردار نبود به طوری‌که استنتاج در سطح خانواده به نتایج ضعیفی به دست داد. نتیجه‌گیری: بی‌گمان افزایش شمار مشاهدات در هر دو گروه روش‌های سنتی و نوین مهم‌ترین عامل در افزایش توانایی پیش‌بینی نقشه است. اما چنین راهکاری با دیدگاه اقتصادی نقشه‌برداری رقومی هماهنگی ندارد. به نظر می‌رسد با کاربست راهبردهای دیگری چون بازشناخت دقیق‌تر موثرترین متغیرهای همراه، افزایش حساسیت الگوریتم‌ها، و طراحی نمونه‌گیری بهتر برای دستیابی به شمار و پراکنش بهینه مشاهدات در منطقه، بتوان به نتایج بهتری رسید. |
|---|---|
| ISSN: | 2322-2069 2322-2794 |