نقشه‌برداري رقومي اجزا بافت خاك در بخشي از اراضي دشت خوزستان با استفاده از برخي مدل‌هاي يادگيري ماشين

مطالعه حاضر با هدف ارزيابي و مقايسه كارائي مدل‌هاي ماشين بردار پشتيبان (SVM) و جنگل تصادفي (RF) با استفاده از رويكرد نقشه‌برداري رقومي خاك (DSM) براي پيش‌بيني اجزا بافت خاك در بخشي از اراضي استان خوزستان انجام شد. در بهمن سال 1399، به‌منظور تعيين بافت خاك، 200 نمونه از خاك سطحي (عمق 10-0 سانتي متري) به صورت تصادفي طبقه‌بندي شده جمع‌آوري شدند. متغيرهاي كمكي شامل مشتقات اوليه و ثانويه مدل رقومي ارتفاع (DEM) شامل (شيب، جهت شيب، شاخص شبكه آبراهه‌اي و ...) و شاخص‌هاي طيفي و گياهي سنجش از دور (RS) بودند كه انتخاب دسته مناسب از آنها با استفاده از روش تجزيه مولفه‌هاي اصلي (PCA) انجام گرفت. بر اساس روش PCA، نه متغير توپوگرافي از DEM و هشت شاخص پوشش گياهي از RS براي پيش‌بيني اجزا بافت خاك (شن، سيلت و رس) انتخاب گرديدند. كارايي مدل‌ها با استفاده از آماره‌هاي ضريب تبيين (R2) و ريشه‌ي ميانگين مربعات خطا (RMSE) مورد ارزيابي قرار گرفت. نتايج نشان داد مدل جنگل تصادفي از دقت بالاتر و خطا كمتري نسبت به مدل ماشين بردار پشتيبان (SVM) برخوردار است، به‌طوري‌كه ميزان R2 در اين مدل براي شن 0.80، سيلت 0.81 و رس 0.78 و ريشه‌ي ميانگين مربعات خطا (RMSE) در پيش‌بيني اين ذرات به ترتيب 6.02، 5.89 و 6.02 بود. اين درحالي است كه R2 و RMSE در مدل ماشين بردار پشتيبان به ترتيب براي شن 0.39 و 13.70، سيلت 0.45 و 10.70 و رس0.46 و 9.32 بود. همچنين اهميت نسبي متغيرهاي استفاد شده در پيش‌بيني اجزاي بافت خاك نشان داد شاخص شوري، شاخص روشنايي و شبكه آبراهه‌اي به همراه باند 6 ماهواره لندست 8 مهم‌ترين متغيرهاي محيطي پيش‌بيني كننده ذرات رس، سيلت و ماسه بودند. بنابراين پيشنهاد مي‌شود از مدل جنگل تصادفي به عنوان روشي مفيد و قابل اعتماد در تهيه نقشه‌هاي رقومي بافت خاك در منطقه مورد مطالعه استفاده شود.