کاربرد دو تکنیک داده کاوی برای تهیه نقشه پراکنش مکانی کربن آلی خاک (مطالعه موردی: کرانه شرقی دریاچه ارومیه)
محل انتشار: فصلنامه آب و خاک، دوره: 34، شماره: 3
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 66
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSW-34-3_013
تاریخ نمایه سازی: 8 آبان 1402
چکیده مقاله:
در این پژوهش، از دو مدل جنگل تصادفی و کیوبیست به عنوان یکی از پرکاربردترین تکنیکهای نوین دادهکاوی برای تهیه نقشه رقومی کربن آلی خاک در ساحل شرقی دریاچه ارومیه استفاده شد. بدین منظور با استفاده از روش نمونهبرداری تصادفی مرتب شده در منطقهای به وسعت ۵۰۰ کیلومترمربع تعداد ۱۳۱ نمونه خاک سطحی (عمق ۱۰-۰ سانتیمتری) و از دوسایت جداگانه برداشت شد. متغیرهای کمکی مورداستفاده در این تحقیق شامل شش باند مستقل برگرفته از تصویر OLI ماهواره لندست ۸ (باندهای ۲ تا ۷)، تجزیه به مولفههای اصلی (PCA) باندها و همچنین تعداد ۱۴ شاخص ترکیبی مربوط به تیرماه سال ۱۳۹۶میباشد. نتایج پیشبینی مدل در مرحله آزمون (۲۵ درصد دادهها) نشان داد که مدل جنگل تصادفی با مقادیر (۸۹/۰ R۲ =، ۱۶/۰RMSE = و ۰۱/۰ME =) صحت و کارایی بالاتری نسبت به مدل کیوبیست (۸۵/۰ R۲ =، ۲۱/۰RMSE = و ۰۳/۰ME =) دارد. همچنین نتایج رتبهبندی اهمیت متغیرهای کمکی برای پیشبینی کربن آلی خاک نشان داد که پارامترهای شاخص مرئی مقاومت اتمسفریک (VARI)، شاخص گیاهی نرمال شده (NDVI)، شاخص سنگی شده آهک دو (CRI۲) و شاخص سنگی شده آهک یک (CRI۱) دارای بیشترین تاثیر و شاخص گچ (GI) و برخی باندهای مستقل از جمله باند ۵ (B۵) و باند ۳ (B۳) اهمیت کمتری نسبت به سایر شاخصها دارند. بهطور کلی نتایج نشان داد که مدل جنگل تصادفی در مقایسه با مدل کیوبیست به نحو مطلوبی قادر به مدلسازی و پیشبینی پراکنش مکانی کربن آلی خاک در منطقه مورد مطالعه بوده است.
کلیدواژه ها:
نویسندگان
امین موسوی
دانشگاه تبریز
فرزین شهبازی
دانشگاه تبریز
شاهین اوستان
دانشگاه تبریز
علی اصغر جعفرزاده
دانشگاه تبریز
بودیمن میناسنی
استرالیا
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :