زودآیند (تابستان)
برگشت به فهرست مقالات |
برگشت به فهرست نسخه ها
گروه علوم و مهندسی جنگل، دانشکده منابع طبیعی، دانشگاه گیلان، صومعه سرا ، asalehi@guilan.ac.ir
چکیده: (182 مشاهده)
درک تغییرات مکانی ویژگی‌های خاک برای نظارت بر قابلیت‌های زمین و مدیریت پایدار منابع خاک بسیار حائز اهمیت است. این مطالعه با هدف ارزیابی دقت و کارایی مدل‌های یادگیری ماشین در برآورد خصوصیات فیزیکی و شیمیایی خاک انجام شده است. برای این منظور، تعداد 110 نمونه خاک از دو عمق 0-30 سانتی‌متر و 30-60 سانتی‌متر جمع‌آوری و مورد بررسی قرار گرفت. مدل‌های یادگیری ماشین مورد استفاده شامل RF، Cubist و RF-Cubist بودند و داده‌ها به دو بخش آموزش (70٪) و آزمون (30٪) تقسیم شدند. نتایج نشان داد که برای عمق 0-30 سانتی‌متر، مدل RF برای شن با RMSE، Bias، Cor و RRSE بهترتیب معادل 19/10درصد، 30/0-، 92/0 و 41/0 بهترین عملکرد را داشت. همچنین، مدل Cubist برای کربن آلی با RMSE، Bias، Cor و RRSE بهترتیب معادل 23/0درصد، 005/0، 71/0 و 70/0 بهترین برآورد را داشته است. مدل RF-Cubist نیز در پیش‌بینی سیلت با RMSE، Bias، Cor و RRSE بهترتیب معادل 80/7درصد، 87/0-، 87/0 و 28/0 نتایج قابل قبولی به‌دست آورد. در عمق 30-60 سانتی‌متر، مدل RF برای شن با RMSE، Bias، Cor و RRSE بهترتیب معادل 42/11درصد، 23/0-، 88/0 و 47/0 بهترین عملکرد را داشت، و مدل Cubist برای کربن آلی با RMSE، Bias، Cor و RRSE بهترتیب معادل 26/0درصد، 05/0، 53/0 و 85/0 بهترین بود. همچنین، مدل RF-Cubist در پیش‌بینی سیلت با RMSE، Bias، Cor و RRSE بهترتیب معادل 28/9درصد،58/0-، 83/0 و 30/0 عملکرد خوبی داشت. نقشه‌های عدم قطعیت برای پارامترهای مختلف نیز نشان دادند که مدل RF در بسیاری از نقاط دارای عدم قطعیت کمتری نسبت به سایر مدل‌ها است. این پژوهش نشان می‌دهد که مدل‌های یادگیری ماشین، به‌ویژه RF-Cubist و Cubist، ابزارهای مؤثری برای پیش‌بینی خصوصیات خاک بوده و می‌توانند به مدیریت بهتر منابع خاک و کشاورزی پایدار کمک کنند.
واژه‌های کلیدی: یادگیری ماشین، جنگل تصادفی، Cubist، سنجش از دور، خصوصیات خاک، حوضه آبخیز دامغان‌رود.
نوع مطالعه: مستخرج از پایان‌نامه / رساله / طرح پژوهشی |
موضوع مقاله:
مدلسازی و تحلیل زمانی و مکانی رخداد انواع مختلف فرسایش محیطی
دریافت: 1403/10/2
دریافت: 1403/10/2
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
