|
|
تهیه نقشه رقومی شکلهای مختلف آهن خاک با استفاده از دادههای سنجنده Oli ماهواره لندست در ساحل شرقی دریاچه ارومیه
|
|
|
|
|
نویسنده
|
موسوی امین ,شهبازی فرزین ,اوستان شاهین ,جعفرزاده علی اصغر ,میناسنی بودیمن
|
منبع
|
تحقيقات كاربردي خاك - 1400 - دوره : 9 - شماره : 2 - صفحه:47 -60
|
|
|
چکیده
|
در این مطالعه با استفاده از دو روش دادهکاوی شامل مدل درخت تصمیمگیری (dt) و مدل کیوبیست (cu) نقشه رقومی مهمترین شکلهای آهن 131 نمونه خاک سطحی (عمق صفر تا 10 سانتیمتری) شامل آهن معادل کل (fet)، آهن پدوژنیک (fed) و آهن بیشکل (feo) در منطقهای به مساحت 500 کیلومترمربع از دو سایت جداگانه در بستر خشک شده ساحل شرقی دریاچه ارومیه تهیه شد. در این پژوهش در مجموع تعداد 19 متغیر کمکی برگرفته از تصویر سنجنده oli ماهواره لندست 8 مربوط به تیرماه سال 1396 مورد استفاده قرار گرفت. نتایج نشان داد که مدل کیوبیست با داشتن مقادیر (89/0 r2 =و 25/2rmse=) برای پیشبینی fet، (85/0 r2 =و 57/0rmse=) برای پیشبینی fed و (88/0 r2 =و 09/0rmse=) برای پیشبینی feo دارای دقت بالاتری نسبت به مدل درخت تصمیمگیری بهمنظور پیشبینی هر سه شکل آهن داشت. همچنین نتایج میزان اهمیت و درصد مشارکت متغیرهای کمکی در هر دو مدل نشاندهنده اهمیت بالای برخی شاخصهای طیفی از جمله شاخص نسبت رطوبتی نرمال شده (ndmi) و شاخص اصلاح شده گیاهی تعدیلکننده اثر خاک (msavi) در پیشبینی fet، fed و feo میباشد. بهطور کلی نتایج نشان داد که مدل کیوبیست در مقایسه با مدل درخت تصمیمگیری دارای توانایی و کارایی بالاتری در مدلسازی و تخمین پراکنش مکانی شکلهای مختلف آهن خاک در منطقه مورد مطالعه بوده است.
|
کلیدواژه
|
دادهکاوی، درخت تصمیمگیری، شکلهای مختلف آهن، کیوبیست، متغیرهای کمکی
|
آدرس
|
دانشگاه تبریز, دانشکده کشاورزی, گروه علوم و مهندسی خاک, ایران, دانشگاه تبریز, دانشکده کشاورزی, گروه علوم و مهندسی خاک, ایران, دانشگاه تبریز, دانشکده کشاورزی, گروه علوم و مهندسی خاک, ایران, دانشگاه تبریز, دانشکده کشاورزی, گروه علوم و مهندسی خاک, ایران, دانشگاه سیدنی, دانشکده علوم محیطی و کشاورزی, استرالیا
|
پست الکترونیکی
|
budiman.minasny@sydney.edu.au
|
|
|
|
|
|
|
|
|
Digital Mapping of Different forms of Soil Iron in the Eastern Shore of Urmia Lake by using Landsat8 OLI Imagery
|
|
|
Authors
|
Jafarzadeh Ali Asghar ,Mousavi Amin ,Minasny Budiman ,Shahbazi Farzin ,Oustan Shahin
|
Abstract
|
In this study, digital mapping of the most important forms of soil Iron were done using two data mining techniques namely Decision Tree (DT) and Cubist (Cu) models. The study area includes 500 km2 of lands from two different sites located in the eastern shore of dried bed of Urmia Lake, northwest of Iran. 131 surface soil samples were taken from depth of 010 cm and three different forms of Iron including i): total iron (Fet); ii) pedogenic iron (Fed); and iii) amorphous iron (Feo) were measured. A total of 19 environmental covariates (auxiliary variables) derived from the Landsat8 OLI imagery related to July 2017 were used in this study. It was found that Cu model has a higher precision than that of the DT model for predicting all three forms of soil iron with the values R2=0.89 and RMSE= 2.25 g/kg , R2=0.85 and RMSE=0.57 g/kg and R2=0.88 and RMSE=0.09 g/kg for predicting Fet, Fed and Feo, respectively. In addition, the results of the importance and percentage of contribution of environmental covariates in both models indicated the high importance of some spectral indices such as Normalized Difference Moisture Index (NDMI) and Modified Soil Adjusted Vegetation Index (MSAVI) in the prediction of Fet, Fed and Feo. Generally, the Cu model has a higher ability and performance in modeling and predicting the spatial distribution of different forms of soil iron in the study area compared to the DT model.
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|