ريزمقياس سازي مكاني نقشه رقومي كربن آلي خاك با استفاده از الگوريتم ديزور

Spatial downscaling of digital soil organic carbon map using Dissever algorithm

سابقه و هدف: در بيشتر پروژه‌هاي ملي و منطقه‌اي به‌منظور توليد نقشه رقومي ويژگي‌هاي خاك، تراكم نمونه‌برداري، به دليل پرهزينه و زمان‌بر بودن، كم در نظر گرفته مي‌شود. به همين دليل نقشه‌هاي رقومي توليدي داراي قدرت تفكيك مكاني درشت (بيش از90 متر) هستند كه در مقياس مزرعه‌اي (قدرت تفكيك مكاني كمتر از30 متر) قابل استفاده نيستند. يكي از راه‌كارهاي حل اين مسئله، ريزمقياس‌سازي نقشه‌هاي رقومي با قدرت تفكيك مكاني درشت با استفاده از متغيرهاي محيطي با قدرت تفكيك مكاني ريز است. هدف از انجام تحقيق حاضر، بررسي كارآيي الگوريتم ريزمقياس‌سازي ديزور براي توليد نقشه رقومي كربن آلي با قدرت تفكيك مكاني 30 متر از نقشه رقومي كربن آلي خاك با قدرت تفكيك مكاني 90 مترمي‌باشد. مواد و روش‌ها: ناحيه مورد مطالعه به وسعت تقريبي 14084 هكتار بخش كوچكي از حوضه آبريز كرخه واقع در استان كرمانشاه مي‌باشد. در ابتدا با استفاده از 110 نقطه مشاهداتي تصادفي و روش كريجينگ بلوكي، نقشه رقومي كربن آلي خاك در محدود مورد مطالعه با اندازه پيكسل 90 متر تهيه گرديد. سپس مجموعه‌اي شامل 23 متغير كمكي محيطي مرتبط با فاكتورهاي اسكورپن شامل اقليم، توپوگرافي، موجودات زنده و مواد مادري به عنوان متغيرهاي پيش‌بيني‌كننده مورد استفاده قرار گرفت. به‌منظور تهيه متغيرهاي محيطي اقليمي و توپوگرافي، از مدل رقومي ارتفاعSTRM و براي تهيه شاخص‌هاي پوشش گياهي و زمين‌شناسي از تصاوير ماهواره لندست 5 استفاده شد. از الگوريتم ديزور كه يك فرايند تكراري براي نزديك شدن به راه حلي براي حفظ جرم است و مدل‌هاي خطي چند متغيره، افزودني تعميم يافته، كوبيست، جنگل تصادفي و مدل تجمعي براي توليد نقشه‌هاي ريزمقياس استفاده گرديد. براي ارزيابي كارآيي روش‌هاي مختلف، از مقايسه نقشه‌هاي بازسازي شده (حاصل از تبدبل نقشه‌هاي ريزمقياس با اندازه پيكسل 30 متر به 90 متر با استفاده از فيلتر ميانگين) با نقشه پايه (نقشه كريجينگ بلوكي) و معيارهاي ارزيابي نااريبي، ضريب تبيين، ريشه ميانگين مربعات خطا وضريب همبستگي تطابق استفاده شد. همچنين ساختار مكاني نقشه‌هاي بازسازي شده و نقشه پايه با استفاده پارامترهاي نيم‌تغييرنماي تجربي بررسي گرديد. يافته‌ها: رابطه بين متغيرهاي كمكي با كربن آلي با استفاده از روش‌هاي داده‌كاوي در چهارچوب الگوريتم ديزور منجر به توليد نقشه‌هاي ريزمقياس شد. نتايج نشان داد توابع تراكم احتمال نقشه‌هاي بازسازي در مدل كوبيست بسيار نزديك به تابع تراكم احتمال نقشه پايه است. همچنين نقشه ريزمقياس‌شده حاصل از مدل كوبيست داراي بيشترين ضريب تبيين بازسازي (0/75) و ضريب همبستگي تطابق بازسازي (0/8) و كمترين ريشه ميانگين مربعات خطاي بازسازي (0/06) و نااريبي بازسازي (0/001) بوده و بنابراين داراي بالاترين كارآيي در ريزمقياس‌سازي نسبت به مدل‌هاي مختلف داده‌كاوي مورد بررسي است. همچنين مشخص شد استفاده از روش مدل‌سازي تجمعي در مقايسه با مدل‌هاي داده‌كاوي منفرد، صحت و دقت نقشه‌هاي ريز مقياس شده را افزايش مي‌دهد. مطالعه ساختار مكاني نقشه‌هاي ريزمقياس‌شده با روش‌هاي داده‌كاوي در مقايسه با نقشه پايه (نقشه كريجينگ بلوكي كربن آلي خاك) نشان داد كه واريانس كل نيم-تغييرنماي نقشه بازسازي شده مدل كوبيست نسبت به ساير مدل‌ها به واريانس كل نيم‌تغييرنماي نقشه پايه بسيار نزديكتر است. نتيجه‌گيري: الگوريتم ديزور اصلاح شده به‌دليل استفاده از روش‌هاي مختلف داده‌كاوي و مدل تجمعي، يك گزينه عملي براي ريزمقياس-سازي نقشه ويژگي‌هاي خاك با قدرت تفكيك مكاني درشت است. با توجه به كارايي بالاي اين روش، مي‌توان از آن براي توليد نقشه‌هاي ويژگي‌هاي خاك در مقياس مزرعه‌اي از نقشه‌هاي رقومي در مقياس منطقه‌اي و ملي استفاده نمود.

Background and objectives: In most national and regional projects, in order to produce a digital map of soil properties, usually sampling density is low due to costly and time-consuming. Because of this, produced digital maps have a large spatial resolution (more than 90 meters) that can’t be used on a farm scale (spatial resolution less than 30 meters). One way to solve this problem is to downscale of digital maps with coarse spatial resolution using covariates with fine spatial resolution. The purpose of this study was to investigate the efficiency of the Dissever algorithm for producing an organic carbon map with a spatial resolution of 30 m from a carbon-organic digital map with a spatial resolution of 90 meters. Materials and methods: The study area is approximately 14084 hectares and formed a small part of the Karkhe catchment in Kermanshah province. Initially, using 110 random observations and block Kriging method, an organic carbon map was prepared with a pixel size of 90 m. Then a set of 23 environmental covariates associated with scorpan factors including climate, topography, living organisms and maternal materials were used as predictor variables. SRTM digital elevation model and Landsat 5 satellite imagery were used to provide climatic and topographic predictors and vegetation and geology indicators. The dissever algorithm is a repetitive process for approaching a mass balance solution. Multiple regression model, generalized additive model, cubist, random forest, and ensemble model used for production fine spatial resolution map. In order to evaluate the efficiency of different methods, restored maps (obtained by converting downscaled maps with 30 m resolution to maps with 90 m resolution using mean filter) were compared with base map (block kriging map) using validation criteria include Bias, R2, root mean square error, and concordance correlation coefficient. The spatial structure of the restored maps and the base map was also investigated using parameters of their experimental variogram. Results: The relationship between the covariates and the soil organic carbon using data mining methods in the framework of dissever algorithm resulted in the production of downscaled maps. The results showed that the probability density function of the restored map of cubist model is very close to the base map probability density function. Also, the downscaled map using the cubist model had the highest coefficient of determination (0.75) and concordance correlation coefficient (0.8) and the lowest root mean square error (0.06) and bias (0.001). Thus, cubist model have the highest efficiency of downscaling in compared to the rest of models. . It was also found that the use of ensemble model increases the accuracy and precision of downscaled map compared to single data mining models. The study on the spatial structure of restored maps indicates that the cubist restored maps captured more of the variance of the base map than others. Conclusion: The modified dissever procedure due to the use of data mining methods and ensemble model is a practical option to downscale soil properties map with coarse resolution. Considering the high efficiency of dissever algorithm, this method can be used to prepare soil properties map at field scale from national and regional maps which can be used in farm management.