آمار
| تعداد نشریات | 14 |
| تعداد شماره‌ها | 171 |
| تعداد مقالات | 1,669 |
| تعداد مشاهده مقاله | 2,732,559 |
| تعداد دریافت فایل اصل مقاله | 2,212,591 |
تجزیه تحلیل منابع مختلف عدم قطعیت در نقشه برداری رقومی برخی ویژگی های خاک(مطالعه موردی دشت روانسر ، استان کرمانشاه) | ||
| تحقیقات کاربردی خاک | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 25 شهریور 1404 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.30466/asr.2025.55489.1853 | ||
| نویسندگان | ||
| شاهرخ فاتحی* 1؛ یحیی پرویزی2؛ میرناصر نویدی3 | ||
| 1استادیار پژوهش، بخش تحقیقات خاک و آب، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان کرمانشاه، سازمان تحقیقات، آموزش و ترویج | ||
| 2بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات کشاورزی و منابع طبیعی کرمانشاه | ||
| 3دانشیار موسسه تحقیقات آب و خاک | ||
| چکیده | ||
| نقشه رقومی شن، سیلت و رس خاک در طراحی سیستم‌های آبیاری، ارزیابی تناسب اراضی و مدل‌های فرسایش خاک کاربرد دارد. از طرفی کمی‌سازی عدم قطعیت مکانی ویژگی‌های مذکور، معیاری برای قابل اعتماد بودن این نقشه‌های در اختیار کاربران قرار می‌دهد. به همین منظور در این پژوهش دو نوع عدم قطعیت شامل عدم قطعیت تغییرات داده‌های موجود و عدم قطعیت مدل با استفاده از شاخص انحراف معیار مورد بررسی قرار گرفت. این پژوهش در منطقه‌ای به وسعت 57 هزار هکتار در دشت روانسر استان کرمانشاه اجرا شد. از 120 نقطه مشاهداتی و مشتقات اولیه و ثانویه مدل رقومی ارتفاع و شاخص‌های پوشش گیاهی و مواد مادری حاصل از پردازش تصاویر لندست 8 به عنوان ورودی‌های مدل استفاده شد. برای برآورد عدم قطعیت ناشی از تغییرات داده‌های موجود 50 بار مدل جنگل تصادفی بر اساس تفکیک تصادفی داده‌ها به دو دسته آموزشی (25 درصد) و اعتبار سنجی (75 درصد) اجرا شد. برای تخمین ویژگی‌های خاک و برآورد عدم قطعیت مدل از مدل جنگل رگرسیون چندک استفاده شد. نتایج اعتبار سنجی پیش‌بینی‌های مدل جنگل تصادفی نشاندهند‌ی. مقدار ضریب تبیین (R2) 47/0، 38/0 و 27/0 به ترتیب برای شن، سیلت، و رس بود و مقدار ریشه میانگین مربعات خطا (RMSE) برای شن (61/8)، سیلت (25/8) و رس (1/8) تعیین شد. این نتایج بیان می‌کند که متغیرهای تخمین زننده، تغییرات شن خاک را به خوبی توضیح می‌دهند و اما توانایی مدل جنگل تصادفی برای پیش بینی مقدار شن نسبت به متغیرهای سیلت و رس خاک کمتر است. همچنین نتایج نشان داد که عدم قطعیت ناشی از تغییرات داده‌های مشاهداتی، حدود یک چهارم و عدم قطعیت مدل درحدود سه چهارم عدم قطعیت کل را شامل شده‌اند. از آنجاکه عدم قطعیت مدل سهم بیشتری از عدم قطعیت کل را در بردارد برای کاهش عدم قطعیت کل بایستی در انتخاب مدل‌های یادگیری ماشین دقت لازم صورت گیرد. | ||
| کلیدواژه‌ها | ||
| اندازه ذرات خاک؛ مکان نمونه برداری؛ جنگل رگرسیون چندک؛ نقشه برداری رقومی خاک | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 2 |
||