مقایسه گروه‌بندی و کیفیت مرزبندی‌های موروثی خاک با مدل‌های داده‌کاوی کمّی: مطالعه موردی بخش‌هایی از استان چهارمحال و بختیاری

کشف ارتباط بین خاک‌ها و گروه‌بندی آن‌ها بر اساس فاکتورهای مختلف، دربرگیرنده اهمیت بسزایی در زمینه‌های مختلف از جمله مدیریت اراضی و کشاورزی پایدار می‌باشد. این امر با ترسیم مدل‌های ذهنی و بر اساس فاکتورهای محیطی در قالب نقشه‌های سنتی خاک آغاز، و با استفاده از مفهوم فاصله و شباهت به کمک مدل‌های کمّی و ریاضی، ادامه یافته است. تحقیق حاضر به‌منظور مقایسه گروه‌بندی‌های در دسترس نقشه سنتی خاک با مدل‌های کمّی کلاسیک و مدرن صورت می‌گیرد. به این منظور، داده‌های موروثی خاک منطقه شهرکردبروجن با کمک الگوریتم‌های مختلف از جمله خوشه‌بندی سلسله مراتبی، میانگین‌های کا، درخت طبقه‌بندی و فاصله تاکسونومیکی گروه‌بندی شدند و نتایج با کلاس‌های خاک نقشه موروثی مورد مقایسه قرار گرفتند. نتایج بررسی‎ها در رزلوشن مکانی 90 متری نشان داد که گروه‌بندی‌های بدست آمده از درخت طبقه‌بندی، با کلاس‌های نقشه موروثی، بیشترین همخوانی را دارند. همچنین، الگوریتم‌های خوشه‌بندی سلسله مراتبی و میانگین‌های کا معمولی نیز به ترکیب گروهی مشابه با الگوی فیزیوگرافیک سنتی از نظر ویژگی‌های محیطی و مورفولوژیکی منجر شدند. آنالیز فاصله تاکسونومیکی با در نظر گرفتن همبستگی بین گروه‌ها و همچنین ویژگی‌های مورد بررسی، به بهترین ترکیب کلاس‌ها از نظر ویژگی‌های مختلف آن‌ها و همچنین بالاترین همبستگی درون کلاسی (0.522) و کمترین نسبت تغییر واریانس گروهی (0.915) منجر گردید. مقادیر کم آماره آنالیز تجزیه واریانس چندگانه (بین 0.001 در مدل سنتی تا 0.014 در مدل درختی)، نشان داد مدل‌های مورد بررسی بجز میانگین‌های کا، خاک‌ها را بطور موثری از یکدیگر تفکیک کرده‌اند. بطورکلی، استفاده از مدل‌های طبقه‌بندی عددی می‌توانند به نمایان کردن روابط کمّی بین خاک‌ها منجر شود. خاک‌شناس می‌تواند در نهایت ترکیب این گروه‌بندی‌ها را با استفاده از تجربه و آگاهی خویش از منطقه مورد بررسی در راستای دستیابی به گروه‌های یکنواخت‌تر از نظر ویژگی‌های مدیریتی و تاکسونومی آن‌ها تعدیل یا تصحیح کند.

Comparison of grouping and the quality of legacy soil map boundaries with numerical data mining models: a case study of some regions of ChaharmahalvaBakhtiari province

Investigation of the the relationship between soils and grouping them based on different factors, plays an important role in different fields and aspects such as land management and sustainable agriculture. This launched by creating subjective or mental models and using environmental factors in the format of traditional soil maps. It afterward continued by relying on distance and similarity measurement through quantitative or mathematical models. This study aims to compare soil groups in soil maps with classical and modern models. For this purpose, legacy soil data of a map of ShahrekordBorujen in ChaharmahalvaBakhtiari province is classified by using various algorithms: Heretical clustering, kmeans, classification tree, and taxonomic distance. Soil groups gained from these numerical methods were then compared with soil groups in the legacy maps. Results of investigations in 90m spatial resolution showed that the classes from the decision tree were more in line with the legacy soil classes. The hierarchical clustering and kmeans also resulted in group compositions similar to those of the legacy maps in terms of soil environmental and morphological characteristics that follow the traditional photographic units. The taxonomic distance led to the best combination of soil classes in the term of their traits with the highest withinclass correlation (0.522) and the least withingroup variance to betweengroup variance ratio. Low p < /em>values in multivariate analysis of variance (MANOVA) between 0.001 in the traditional model up to 0.014 in the tree model showed that the models used in this study have effectively separated soils, except for Kmeans. Overall, findings show that using numerical classification models can discover the quantitative relations between soils. The surveyor can afterward modify the composition of soil classes considering his experience and knowledge of the study area in order to achieve more homogenous soil groups in terms of their management and taxonomic characteristics.