برای جهان پر از دگرگونی، چالش های بی شماری در نقشه برداری رقومی خاک وجود دارد. یکی از این چالش ها، روش نمونه برداری است که نقش مهمی در فراهم آوردن اطلاعات مناسب برای نقشه برداری رقومی خاک و افزایش کارآیی آن ایفا می کند. روش نمونه برداری کارآمد، با در نظر گرفتن تعداد نمونه، تغییرات مکانی و هزینه، راهی برای شناسایی مجموعه ای از مکان های پراکنده نمونه برداری در یک فضای جغرافیایی است که پوشش مکانی مناسبی از ویژگی ها را همراه داشته باشد. پوشش مکانی مناسب ویژگی ها برآورد دقیق پارامترهای رگرسیونی را پشتیبانی و موجب می شود تا میان یابی مکانی مؤثری واقع شود. در ارزیابی خاک، شمار نمونه های جمع آوری شده، بیشتر با محدودیت های زمان و هزینه روبرو است. همچنین، کمبود جاده های دسترسی، پوشش گیاهی انبوه و زمین های ناهموار، در بازدید از مناطق خود باعث محدودیت های بیشتری می شوند. این کمبودها، انگیزه به کارگیری روش های نمونه برداری نیرومند تری را ایجاد می کند تا بتوان تغییرات مکانی خاک و ویژگی های آن را برای کاهش شمار نمونه، زمان و هزینه مورد نیاز، به خوبی فراهم کند. به گونه ای که، کیفیت پایانی نقشه ها پشتیبانی شود. این مقاله برخی از مهم ترین روش های مختلف نمونه برداری های آماری و هندسی که الگوی نمونه برداری هندسی در یک فضای جغرافیایی را بهینه سازی می کند، بررسی و نقاط قوت و ضعف این روش ها را با توجه به پوشش مکانی، سادگی، دقت و کارآیی بیان می کند. نتایج نشان داد که از نظر دقت و کارایی، نمونه برداری تصادفی طبقه بندی شده بالاترین دقت و صحت را داشته و به طور گسترده استفاده شده است. نمونه برداری پوشش مکانی، از نظر پوشش مکانی بهترین روش است. نمونه برداری تصادفی ساده، نمونه برداری شبکه ای و نمونه برداری پوشش مکانی، از نظر سادگی در مراحل طراحی و پیاده سازی، ساده ترین روش های نمونه برداری هستند. در میان روش های نمونه برداری مطالعه شده، روش نمونه برداری مکعب لاتین مشروط، رایج ترین روش استفاده و بسیار توصیه شده است و نمونه برداری تصادفی طبقه بندی شده و نمونه برداری پوشش مکانی، به عنوان کارآمدترین روش هایی هستند که الگوی نمونه برداری را در فضای جغرافیایی بهینه سازی می کنند. . .

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

برنامه ریزی و مدیریت منابع اراضی نیاز به اطلاعات مکان دار تفصیلی و دقیق از خصوصیات خاک دارد. این در حالی است که در بسیاری از مناطق ایران این نوع اطلاعات در دسترس نیست. در این پژوهش کارائی روش های نقشه برداری رقومی خاک، شامل رگرسیون خطی چند متغیره، کوبیست و جنگل تصادفی برای پیش بینی تغییرات کربن آلی در سطح و عمق خاک اراضی دشت سعادت شهر مورد ارزیابی قرار گرفت. موقعیت نقاط مطالعاتی بر اساس روش مربعات لاتین تعیین و مقدار کربن آلی نمونه های خاک در افق های ژنتیکی اندازه گیری شد. با کاربرد الگوریتم اسپلاین با نواحی یکسان، مقدار کربن آلی افق های ژنتیکی به مقدار آن در اعماق استاندارد نقشه جهانی خاک تبدیل و بر اساس تعیین رابطه بین مقدار کربن آلی خاک در نقاط مطالعاتی با داده های متغیرهای کمکیانتخابی از مجموعه متغیرهای اجزای سرزمین، شاخص های سنجش از دور و نقشه های خاک، واحدهای ژئوفرم و فاصله از رودخانه، در قالب مدل های مورد استفاده، نقشه پیوسته مقدار کربن آلی اعماق مختلف خاک تهیه شد. کارائی مدل ها با استفاده از شاخص ریشه میانگین مربعات خطا (RMSE)، میانگین خطا (ME) و میانگین مربعات خطای نرمال شده (NRMSE) مورد ارزیابی قرار گرفت. نتایج ارزیابی نشان داد اگرچه اختلاف اندکی بین مقادیر خطای مدل های مختلف در تمام اعماق وجود داشت، روش جنگل تصادفی در عمق صفر تا پنج سانتی متری (49/0RMSE=) و 60 تا 100 سانتی متری (13/0RMSE=)، روش رگرسیون خطی چند متغیره در عمق پنج تا 15 سانتی-متری (41/0RMSE=) و روش کوبیست در عمق 15 تا 30 سانتی متری (27/0RMSE=) از خطای کمتری برخوردار بودند. برخلاف اختلاف اندک این مدل ها، با توجه به توانایی مدل جنگل تصادفی در نشان دادن توزیع مکانی مقادیر کربن آلی، این مدل برایتخمین کربن آلی در تمامی عمق ها انتخاب و نقشه های پراکنش کربن آلی در اعماق مختلف خاک دشت سعادت شهر در محیط سامانه های اطلاعات جغرافیایی (GIS) تهیه شد.

کاستی های روش های کلاسیک، ابداع سامانه اطلاعات جغرافیایی و تکنیک های سنجش از دور، ضرورت استفاده از نقشه برداری رقومی خاک را دوچندان نموده است. پژوهش حاضر برای بررسی توانایی تکنیک های یادگیری ماشین در توصیف پراکنش خاک ها در منطقه ای با وسعت حدود 5000 هکتار در غرب شهرستان هریس استان آذربایجان شرقی انجام شد. در این پژوهش از داده های بانک خاک، شامل ویژگی های فیزیکی و شیمیایی 50 خاکرخ و 50 مته که با استفاده از روش طبقه بندی تصادفی، حفر و تشریح شده بودند، استفاده شد. نتایج نشان داد که برای تمامی مدل های مورد مطالعه (رگرسیون درختی توسعه یافته، درخت تصمیم گیری تصادفی و شبکه های عصبی مصنوعی)، با پایین رفتن سطح رده بندی (از رده به گروه بزرگ)، مقادیر صحت عمومی کاهش یافت. از میان مدل های انتخابی، مدل رگرسیون درختی تعمیم یافته بالاترین کارایی را برای تخمین اکثر ویژگی های مورد مطالعه داشت، اما مناسب ترین مدل برای تخمین ویژگی های خاک، به طور حتم نمی تواند تخمین درستی از آن ویژگی های اراضی داشته باشد. از سوی دیگر، اگرچه مدل های مختلف از ویژگی های محیطی متفاوتی برای تخمین استفاده نموده اند، ولی اجزای اراضی، توانایی زیادی در تخمین ویژگی های خاک حتی در اراضی مسطح داشته اند. نتیجه گیری جامع و قطعی در مورد روش های نقشه برداری رقومی برای تخمین ویژگی های خاک در مناطق مسطح دارای ابهام است. شایان ذکر است که تخمین صحیح می تواند متأثر از تغییرپذیری ویژگی های خاک، مدل تخمین، تعداد نمونه های صحرایی و توانایی ویژگی های محیطی کاربردی در بیان تغییرات سطوح مختلف رده بندی باشد.

سابقه و هدف: کیفیت خاک یکی از خصوصیات بسیار مهم خاک بوده که بررسی تغییرات مکانی آن، جهت مدیریت و تخریب خاک مهم می باشد. رویکرد کمی کردن کیفیت خاک با استفاده از شاخص های کیفیت، جهت فهم بهتر اکوسیستم های خاک به طور گسترده ای به کار برده شده است. شاخص کیفیت خاک از طریق اندازه گیری یکسری خصوصیات خاک محاسبه می شود که اندازه گیری این خصوصیات گران و زمان بر می باشد که یکی از راه ها جهت این کاهش هزینه و زمان، استفاده از تکنیک نقشه برداری رقومی خاک است که می تواند خصوصیات خاک را با استفاده از داده های کمکی و مدل های داده کاوی به صورت رقومی پیش بینی کند. هدف از این تحقیق استفاده از مدل جنگل تصادفی و داده های کمکی برای نقشه برداری شاخص کیفیت خاک می باشد. مواد و روش ها: بر اساس نقشه ژئومورفولوژی، 17 پروفیل خاک و 105 نمونه اوگر از عمق 20-0 سانتی متری در منطقه قروه استان کردستان (با وسعت 6500 هکتار) برداشت شد و بافت خاک، کربن آلی، ظرفیت تبادل کاتیونی، هدایت الکتریکی، اسیدیته، کربنات کلسیم معادل، ازت کل، فسفر در دسترس، شدت تنفس میکروبی، نسبت جذب سطحی سدیم (SAR)، جرم مخصوص ظاهری و درصد سنگریزه اندازه گیری و محاسبه شدند و سپس شاخص کیفیت وزنی تجمعی خاک محاسبه شد. متغیرهای محیطی در این پژوهش نقشه ژئومورفولوژی، پارامترهای سرزمین و داده های تصویر +ETM بودند. نقشه ژئومورفولوژی بر اساس روش زینک تهیه شد. پارامترهای سرزمین ( شامل 10 پارامتر)، شاخص تعدیل شده خاک (SAVI)، شاخص روشنایی (BI) و شاخص گیاهی نرمال شده (NDVI) به ترتیب با استفاده از نرم افزار SAGA و ArcGIS10. 3 محاسبه و استخراج گردید. جهت ارتباط بین شاخص کیفیت خاک و متغیرهای کمکی از مدل جنگل تصادفی استفاده شد و با استفاده از روش اعتبارسنجی دوجانبه و پارامترهای آماری شامل ضریب تبیین، میانگین خطا و میانگین ریشه مربعات خطا مورد ارزیابی قرار گرفت. یافته ها: بر اساس آنالیز واریانس مشترک (سهم هر ویژگی) جرم مخصوص ظاهری خاک، شن، ظرفیت تبادل کاتیونی و رس دارای بیشترین وزن (1/0 ≥ ) و سنگریزه و SAR دارای کمترین وزن (05/0 ≤ ) در میان ویژگی های کیفیت خاک بودند. برای پیش بینی شاخص کیفیت خاک، متغیرهای کمکی شامل شیب، شاخص SAVI، شاخص خیسی، شاخص MrVBF، فاکتور LS، ارتفاع، شاخص NDVI و نقشه ژئومورفولوژی مهم ترین بودند. نتایج این تحقیق نشان داد که مدل جنگل تصادفی با 65/0، 042/0 و 062/ به ترتیب0برای ضریب تبیین، میانگین خطا و میانگین ریشه مربعات خطا دارای دقت نسبتا مناسب برای پیش بینی شاخص کیفیت خاک بودند. شاخص کیفیت خاک در محدوه بین 65/0-3/0 قرار داشت و میانگین مقادیر آن در واحدهای ژئومورفولوژی (مناطق مرتفع شمال، شمال غربی و شمال شرقی) با شیب زیاد و عمق کم خاک (Mo131، Mo141 و Hi231) کمترین و در واحدهای با شیب کم و عمق زیاد خاک (Pi111، Pi311، Pi322، Pi211 و Pi312) بیشترین بود که از لحاظ آماری هم این اختلافات معنی داری می باشند. نتیجه گیری: در پژوهش حاضر از مدل جنگل تصادفی جهت بررسی تغییرات مکانی شاخص کیفیت خاک در منطقه قروه استان کردستان استفاده شد. شرایط ژئومورفولوژیک منطقه مطالعاتی بسیاری از خصوصیات خاک و متعاقبا شاخص کیفیت خاک را در منطقه تاثیر قرار داده است. مدل جنگل تصادفی برآورد نسبتا دقیقی از شاخص کیفیت خاک داشت. لذا پیشنهاد می گردد جهت نقشه برداری خصوصیات خاک از تکنیک های پدومتری (همچون جنگل تصادفی) و داده های کمکی از قبیل نقشه ژئومورفولوژی، اجزاء سرزمین و تصاویر ماهواره ای استفاده شود.

شناسایی رقومی خاک، برای استفاده مفید و مؤثر از خاک و تصمیم گیری های مدیریتی مهم است. این پژوهش با هدف تهیه نقشه رقومی گروه بزرگ خاک با روش رگرسیون لاجیستیک چند جمله ای با استفاده از دو مجموعه از متغیر های کمکی، شامل: مجموعه (1) متغیر های مشتق شده از مدل رقومی ارتفاع، شاخص های سنجش از دور، سطوح ژئومورفیک تفکیک شده و نقشه زمین شناسی منطقه ی مورد پژوهش، و مجموعه (2) متغیر های مشتق شده از مدل رقومی ارتفاع، شاخص های سنجش از دور، سطوح ژئومورفیک تفکیک شده، نقشه زمین شناسی و واحد های خاک شناسایی شده (نقشه قدیمی خاک)، در بخشی از اراضی منطقه ی فاریاب کرمان، طراحی شد. به منظور دست یابی به این هدف، نقشه ژئومورفولوژی بر مبنای توپوگرافی، مواد مادری و تفسیر تصاویر ماهواره ای تهیه شد. از طرح نمونه برداری لاتین هایپر کیوب در منطقه مورد پژوهش به مساحت 14 هزار هکتار، برای تعیین نقاط نمونه برداری استفاده شد و 70 خاکرخ حفر و تشریح شد. نتایج این پژوهش نشان داد شاخص موقعیت توپوگرافی، بیشترین تاثیر را در پیش بینی گروه های بزرگ خاک دارد. نتایج ارزیابی دقت مدل رگرسیون لاجیستیک چند جمله ای، نشان داد که با به کارگیری نقشه قدیمی خاک در مدل سازی، شاخص های اعتبار سنجی مدل، از جمله خلوصنقشه و شاخص کاپا به ترتیب از 47/0 و 16/0 به 63/0 و 43/0 افزایش یافتند. به طور کلی نتایج نشان داد که دقت روش نقشه برداری رقومی با بکارگیری نقشه قدیمی خاک، می تواند ارتقاء پیدا کند و کاربرد نقشه های تولید شده را افزایش دهد؛ همچنین قابلیت استفاده از این نقشه ها را برای شاخه های علمی مختلف امکان پذیر کند.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

محدودیت ‏های موجود در روش های سنتی (مرسوم) شناسایی خاک و پیشرفت ‏های صورت گرفته در فناوری اطلاعات، باعث ارایه راه کارهای نوینی شده است که به طور کلی «شناسایی رقومی خاک» نامیده می شوند و هدف آنها پیش ‏بینی کلاس‏ های خاک یا ویژگی ‏های آن، بر اساس متغیرهای محیطی و یا خصوصیاتی از خاک است که به ‏سادگی قابل دستیابی یا محاسبه هستند. هدف از پژوهش حاضر، بررسی کارآیی مدل رقومی ارتفاع و مشتقات آن در پیش بینی و برآورد کلاس های خاک، با استفاده از مدل SoLIM و اعتبارسنجی نتایج این مدل در منطقه بروجن - استان چهارمحال و بختیاری - می باشد. برای این منظور، 18 ویژگی مختلف از مدل رقومی ارتفاع شامل ارتفاع، درصد شیب، جهت شیب، انحنای خالص، انحنای کمینه، انحنای بیشینه، انحنای تانژانت، انحنای نیمرخی، انحنای شکل سطح، جهت جریان، تجمع جریان، تابش مستقیم، مدت پخشیدگی، تابش پخشیده، تابش کل، شاخص قدرت جریان، شاخص رسوب و شاخص نمناکی استخراج گردیدند. این ویژگی ها به همراه سه زیرگروه و هفت فامیل خاک غالب موجود در منطقه مطالعاتی (شامل 89 خاک رخ از 125 خاک رخ حفر شده در کل منطقه)، ماتریس داده های ورودی به مدل SoLIM را تشکیل دادند. نتایج نشان داد که تنها با توجه به مدل رقومی ارتفاع می توان در سطح زیرگروه با دقت حدود 65 درصد در درون یابی و 40 درصد در تعمیم (برون یابی) نتایج، برآورد درستی از کلاس های خاک داشت. این مقادیر در سطح فامیل خاک، تقریبا به نصف کاهش یافتند. ارزیابی نتایج شناسایی خاک ها بر اساس کلید رده بندی خاک آمریکایی که دارای معیارهای سخت و صلب است، تا حدی می تواند گمراه کننده باشد؛ حال آن که استفاده از مدل فازی SoLIM که تغییرپذیری تدریجی خاک ها را مدنظر قرار می دهد، نمود بهتری از واقعیت خاک ها را بیان می کند.