ارزيابي تناسب ارضي با استفاده از رويكردهاي سنتي و مدل هاي يادگيري ماشيني (مطالعه موردي: دشت آبيك، استان قزوين)

تناسب اراضي يك عامل اساسي در برنامه‌ريزي استفاده از اراضي و توليد پايدار محصولات كشاورزي است. ارزيابي تناسب اراضي به بهينه‌سازي استفاده از اراضي، ترويج استفاده پايدار از اراضي، حفاظت از محيط‌زيست و اطمينان از استفاده بهينه از منابع طبيعي كمك مي‌كند. اين تحقيق در منطقه آبيك استان قزوين واقع در شمال غرب ايران به وسعت 60 هزار هكتار انجام شده است، پس از جمع آوري داده‌ها از 300 خاكرخ و تعيين كلاس‌هاي تناسب زمين براي گندم با آبياري سطحي با استفاده از سامانه طبقه بندي فائو، نقشه‌هاي رقومي به دو روش مرسوم و يادگيري ماشيني با استفاده از متغيرهاي محيطي مستخرج از مدل رقومي ارتفاع، تصاوير ماهواره لندست-8 و سنتينل-2 بدست آمد. نتايج نشان داد كه روش يادگيري ماشيني با دقت كلي 74 درصد و شاخص كاپاي 68 توانست دقت بالاتري را نسبت به روش مرسوم با دقت كلي 62 درصد و شاخص كاپاي 53 از خود نشان دهد. همچنين مهم ترين متغيرهاي محيطي كه در مدلسازي يادگيري ماشيني استفاده شدند متغيرهاي مستخرج از مدل رقومي ارتفاع و ماهواره لندست-8 بود. بيشترين وسعت منطقه براي كشت گندم با آبياري سطحي در كلاس نسبتاً مناسب (S2) با 30753 هكتار در روش جنگل‌هاي تصادفي و 21028 هكتار در روش سنتي بدست آمد و كمترين وسعت نيز متعلق به كلاس نامناسب (N) با 3052 هكتار در روش جنگل‌هاي تصادفي و 7185 هكتار در روش سنتي شناسايي شد. 15000 هكتار از منطقه مورد مطالعه نيز بدون محدوديت (S1)كشت براي گندم با آبياري سطحي گزارش گرديد.