نقشه برداري رقومي كلاس هاي خاك با استفاده از نقشه خاك قديمي در منطقه خشك جنوب شرق ايران

Digital Soil Mapping of Soil Classes using Conventional Soil Maps in the Arid Region Southeastern Iran

نقشه توزيع مكاني كلاس هاي خاك براي استفاده مفيد و مؤثر از خاك و تصميم گيري هاي مديريتي مهم است. نقشه برداري رقومي خاك (DSM) مي تواند توزيع مكاني كمي از كلاس هاي خاك پيش بيني كند. مؤلفه هاي كليدي و اصلي DSM روش ها و مجموعه اي از متغيرهاي كمكي محيطي مورد استفاده براي پيش بيني كلاسهاي خاك هستند. اين مطالعه به منظور تهيه نقشه رقومي گروه هاي بزرگ خاك با روش رگرسيون لجستيك چندجمله اي با استفاده از دو مجموعه از متغيرهاي كمكي شامل: مجموعه (1) متغيرهاي مشتق شده از مدل رقومي ارتفاع، شاخص هاي سنجش از دور و سطوح ژئومورفيك تفكيك شده در منطقه و مجموعه (2) متغيرهاي مشتق شده از مدل رقومي هاي سنجش از دور، ژئومورفيك تفكيك شده و واحدهاي خاك شناسايي شده (نقشه خاك) در بخشي از اراضي شهرستان بم استان كرمان طراحي گرديد. يك طرح نمونه برداري طبقه بندي شده تصادفي در منطقه اي به مساحت صد هزار هكتار تعريف شد و در نهايت، 126 خاكرخ حفر و تشريح گرديد. نتايج ارزيابي دقت مدل رگرسيون لجستيك چند جمله اي با متغيرهاي ورودي مختلف نشان داد كه با وارد شدن نفشه خاك قديمي در مدل سازي، شاخص هاي صحت مدل از جمله صحت كلي و آماره كاپا به ترتيب از 0/71 و 0/65 به 0/79 و 0/74 افزايش يافت. همچنين نتايج نشان داد كه در پيش بيني كلاس خاك، سطح ژئومرفولوژي در بين متغيرهاي ورودي دو مجموعه، به عنوان يك متغير پيش بيني كننده قدرتمند است. به طور كلي نتايج نشان داد كه تكنيك هاي نقشه برداري رقومي مي توانند روش سنتي نقشه برداري را ارتقاء بخشند، كاربرد نقشه هاي توليد شده را افزايش داده و همچنين قابليت استفاده اين نقشه ها را براي شاخه هاي علمي مختلف را امكان پذير نمايد .

Abstract Mapping the spatial distribution of soil taxonomic classes is important for useful and effective use of soil and management decisions. Digital soil mapping (DSM) may have advantages over conventional soil mapping approaches as it may better capture observed spatial variability and reduce the need to aggregate soil types. A key component of any DSM activity is the method used to define the relationship between soil observations and environmental covariates. This study aims to compare multiple logistic regression models and covariate sets for predicting soil taxonomic classes in Bam district, Kerman province. The environmental covariates derived from digital elevation models, Landsat imagery, geomorphology map and soil unit map that were divided into two different sets: (1) variables derived from digital elevation models, remote sensing and geomorphology map, (2) variables derived from digital elevation model, remote sensing, geomorphology map and the soil map. Stratified sampling schemes were defined in 100000 hectares, and 126 soil profiles were excavated and described. The results of accuracy model showed that data set 2 increased accuracy of model including overall accuracy, kappa index, user accuracy and reliability of the producer. The results showed that the multiple logistic regression model can promote traditional soil mapping and it can be used to large group of other scientific fields.