محور مقاله: پدومتری و ارزیابی خاک ها- پیش بینی پراکنش مکانی گروه های مرجع خاک در یک منطقه نیمه خشک به کمک مدل رگرسیون لاجستیک

در دو دهه گذشته توسعه و کاربرد تکنیک های کمی به ویژه الگوریتم های هوش مصنوعی برای نقشه های خاک بطور چشمگیریافزایش یافته است. در این پژوهش از روش رایان آموختی نسبتا پرکاربرد رگرسیون لاجستیک استفاده شد. بخشی از منطقه سنجابی استانکرمانشاه با مساحت بیش از 48000 هکتار به عنوان منطقه ی مطالعاتی برگزیده شد. تعداد 100 خاکرخ در منطقه مطالعاتی با روش نمونه برداریGRTS مشخص شد. تمامی خاکرخ های حفرشده، براساس راهنمای تشریح و نمونه برداری خاک ها در صحرا و راهنمای مطالعات خاک شناسیتشریح و از تمامی افق های ژنتیک خاکرخ ها نمونه تهیه گردید. براساس ویژگی های ریخت شناختی و داده های آزمایشگاهی خاکرخ ها مطابق باسیستم مرجع جهانی (WRB) در سطح گروه مرجع خاک رده بندی شدند. متغیرهای محیطی مشتق شده از مدل رقومی ارتفاع و یک تصویرماهواره لندست 8 به عنوان متغیرهای محیطی برای پیش بینی کلاس های خاک به کار رفت. مدل رگرسیون لاجستیک توانایی قابل توجهی برایپیش بینی گروه های مرجع خاک در شرایط منطقه مطالعاتی داشت به گونه ای که مقدار صحت عمومی و شاخص کاپای مدل به ترتیب 58 / 0 و46 / 0 بدست آمد. در منطقه ی مطالعاتی، Calcisols در مقایسه با دیگر گروه های مرجع گسترش بیشتری داشت. نتایج نشان داد کهپیش بینی های این روش نیز مانند دیگر روش های رایان آموختی به فراوانی مشاهده ها و نوع و تعداد متغیرهای محیطی حساس است.

کلیدواژه ها:

نقشه برداری رقومی ، متغیرهای محیطی ، رایان آموختی ، منطقه سنجابی