ahmadi Z, abbasi A, shahabi M, boali A. Comparison of Decision Tree and Neural Network Methods in Predicting Soil Salinity in the West of Lake Urmia. Degradation and Rehabilitation of Natural Land 2020; 1 (1) :82-91
URL:
http://drnl.sanru.ac.ir/article-1-140-fa.html
احمدی زهرا، عباسی آیدا، شهابی محمود، بوعلی عبدالحسین. مقایسه روش های درخت تصمیم و شبکه عصبی در پیش بینی شوری خاک در غرب دریاچه ارومیه. تخریب و احیاء اراضی طبیعی. 1399; 1 (1) :82-91
URL: http://drnl.sanru.ac.ir/article-1-140-fa.html
گروه علوم و مهندسی خاک، دانشگاه محقق اردبیلی، اردبیل، ایران
چکیده: (1236 مشاهده)
شور شدن خاک یکی از مهمترین پدیده های تخریب خاک در مناطق خشک و نیمه خشک است. در سالهای اخیر از روش های غیرمستقیم برای برآورد شوری خاک استفاده می شود. بدین منظور 100 نمونه از عمق 30-0 سانتیمتری اطراف دریاچه ارومیه برداشته و آزمایش شد و شوری خاک با استفاده از شاخص های تصویر ماهواره لندست 8 و مدل رقومی ارتفاع برآورد شد. به منظور مدلسازی شوری خاک از مدلهای درخت تصمیم و شبکه عصبی مصنوعی استفاده شد. براین اساس داده ها به دو سری آموزشی (80%) و ارزیابی (20%) تقسیم شد. نتایج ارزیابی مدلها بر اساس شاخص های ریشه ی مربعات خطا، میانگین خطا و ضریب تبیین نشان داد که مدل درخت تصمیم دارای بالاترین دقت در پیش بینی ویژگی های خاک است. نتایج ضریب کاپا و صحت کلی حاصل از دو مدل نشان داد که مدل درخت تصمیم با دارا بودن درصد ضریب کاپا (56/56) و صحت کلی (46/73) میزان توافق بیشتری با شوری خاک منطقه داشته است. به طور کلی براساس نتایج بدست آمده نشان داده شد که برای پیش بینی کلاس شوری خاک شاخصهای CRSI و NDSI مهمترین پارامترها هستند و بیشترین همبستگی را با داده های زمینی دارند. لذا پیشنهاد می شود در مطالعات آینده برای تهیه نقشه رقومی شوری خاک از مدلهای درختی و شاخص های CRSI و NDSI استفاده شود.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
اثرات خشکسالی و تغییر اقلیم بر عرصه های طبیعی دریافت: 1399/6/14 | پذیرش: 1399/9/4 | انتشار: 1399/10/16