مقايسه سه روش زمين آمار براي پيش بيني گروه‌هاي بافتي در اراضي زراعي و باغي استان گيلان

بافت خاك يك خصوصيت ايستاي خاك است و بر بيشتر ويژگي هاي فيزيكي و شيميايي خاك تأثير ميگذارد.از اين رو، تقاضا براي اطلاعات مكاني آن رو به افزايش است. كمبود اينگونه اطلاعات مي تواند منجر به اتخاذ سياست هاي غلط در مديريت و تخريب منابع زمين و آب شود. در ايران داده هاي پراكنده بسياري در مورد خاك وجود دارد كه هزينه هاي بسياري صرف توليد آن ها شده است. در صورت پهنه بندي صحيح، اين داده ها به صورت نقشه در دامنه وسيعي از كاربردها قابل استفاده هستند. در اين پژوهش، روش هاي كريجينگ معمولي، وزن دهي عكس فاصله و طبقه بندي پيكسل مبنا براي پهنه بندي ذرات معدني و گروه هاي بافت خاك (سبك، سنگين و متوسط) در 4665 نمونه خاك سطحي با مختصات جغرافيايي معين در اراضي زراعي و باغي استان گيلان كه عمدتاً در دشت هاي ساحلي و پست قرار داشتند، مقايسه گرديد و با استفاده از آماره هاي صحت سنجي ضريب تبيين (R2)، ميانگين اريب خطا (MBE)، ريشه ميانگين نرمال شده مربعات خطا (NRMSE)، ضريب كاپا (KIA) و درصد صحت طبقه بندي پيكسل ها (Pa) ارزيابي شد. نتايج نشان داد كه روش وزن دهي عكس فاصله در برآورد درصد رس (0.64=R2  و 0.22=NRMSE) و شن (0.67=R2  و 0.25=NRMSE) از صحت بالاتري برخوردار بود. اما در برآورد گروه هاي بافتي سبك، سنگين و متوسط روش طبقه بندي پيكسل مبنا بر پايه آماره هاي ضريب كاپا و صحت طبقه بندي (به ترتيب برابر 0.46 و 73%) از صحت بيشتري نسبت به ديگر روش ها برخوردار بود؛ اما اين برتري نسبت به روش كريجينگ معمولي (0.43 =KIA  و  71% =Pa) جزئي بود. در طبقه بندي پيكسل مبنا از مولفه هاي داده هاي رقومي خاك به عنوان متغير ورودي در شبكه عصبي مصنوعي براي برآورد اجزاي معدني در پيكسل هاي مجهول استفاده شد. براي تصميم گيري با قطعيت بيشتر در رابطه با كارايي طبقه بندي پيكسل مبنا در برآورد گروه هاي بافتي خاك لازم است اين روش در شرايطي با تنوع بيشتر در فيزيوگرافي نيز ارزيابي شود.