بزرگ مقیاس سازی مکانی در نقشه برداری رقومی کربن آلی خاک با استفاده از داده های کمکی (مطالعه موردی: منطقه بانه)

مقیاس مکانی مورد نیاز اطلاعات منابع طبیعی با  آن مقیاسی که در دسترس می‌باشد، بسیار متفاوت است. یک روش برای تطابق مقیاس ها، استفاده از مفهوم مقیاس سازی است. در این مطالعه با استفاده از روشی جدید یزرگ مقیاس سازی نقشه رقومی کربن آلی خاک از قدرت تفکیک مکانی 150 متر به 30 متر در منطقه ای به وسعت 3000 هکتار واقع در استان کردستان انجام شد. در ابتدا، نقشه رقومی کربن آلی خاک با قدرت تفکیک مکانی 30 متر با استفاده از داده های نمونه‌برداری شده از سطح خاک، داده های کمکی (استخراج شده از مدل رقومی ارتفاع و تصاویر ماهواره لندست) و مدل درختی به‌دست آمد؛ سپس، با استفاده از روش کوچک مقیاس سازی ساده ای به نام میان‌گیری بلوکی نقشه کربن آلی خاک با قدرت تفکیک مکانی 150 متر تهیه گردید. در مرحله بعد، با استفاده از الگوریتم بزرگ مقیاس ‌ازی، نقشه کربن آلی خاک از قدرت تفکیک مکانی 150 متر به 30 متر تبدیل گردید. با فرض این که ارتباط داده های کمکی و کربن آلی خاک می‌تواند یک رابطه غیر خطی باشد، در این مطالعه از روش رگرسیون تعمیم داده شده و شبکه عصبی مصنوعی استفاده گردید. برای ارزیابی الگوریتم بزرگ مقیاس سازی از ضریب تبیین بین نقشه حاصل از مدل درختی و نقشه بزرگ مقیاس سازی بهره گرفته شد. نتایج مدل سازی در مرحله اول نشان داد که بعضی از متغیرهای کمکی مانند شاخص گیاهی نرمال شده، شاخص خیسی، شاخص همواری دره با درجه تفکیک بالا و انحنای طولی شیب بیشترین تاثیر را بر پیش بینی کربن آلی خاک دارند. نتایج پیش بینی رگرسیون درختی در مرحله آزمون نیز نشان داد که مدل به خوبی توانسته کربن آلی خاک با دقت مکانی 30 متر را مدل سازی کند (ریشه مربعات خطا برابر با 0.15 و ضریب تبیین 78/. می‌باشد). نتایج بزرگ مقیاس سازی نیز نشان داد که روش مورد استفاده جهت بزرگ مقیاس سازی (شبکه عصبی مصنوعی و رگرسیون تعمیم داده شده) به خوبی با ضریب تبیین 0.81 و 0.70 توانسته اند تغییرات مکانی کربن آلی خاک را در مقیاس بزرگ تر مدل سازی کنند.