بررسی گروه‌بندی خاک با استفاده از مدل‌های خوشه‌بندی مرسوم و مدرن در بخش‌هایی از دشت قزوین

خاک به عنوان یکی از اجزای اصلی دستیابی به اهداف توسعه پایدار، نقش مهمی در مدیریت مسائل محیط زیستی دارد. بنابراین، تفکیک خاک‌های با نیازهای مدیریتی مشابه ضروری می‌باشد. این امر باعث شده است که دانشمندان خاک‌شناسی از مدل‌های طبقه‌بندی عددی برای گروه‌بندی خاک‌ها بر اساس میزان شباهت آن‌ها استفاده کنند. از میان مدل‌های کمی ارائه‌ شده در این زمینه، مطالعه حاضر دو مدل خوشه‌بندی مرسوم و مدرن را برای گروه‌بندی خاک‌های اراضی قسمت‌هایی از دشت قزوین بکار برده است. بدین منظور، 297 خاکرخ مطالعه شده در منطقه بر اساس طیف گسترده‌ای از ویژگی‌های ریخت‌شناسی، فیزیکی-شیمیایی و محیطی آن‌ها با استفاده از مدل‌های خوشه‌بندی یک‌طرفه و دوطرفه مورد گروه‌بندی قرار گرفتند. گروه‌بندی‌های بدست آمده از این دو مدل بر اساس شاخص‌های ارزیابی درونی و بیرونی (با در نظر گرفتن نقشه توزیع زیرگروه‌های خاک به عنوان نقشه مرجع واقعیت زمینی) مورد بررسی قرار گرفت. نتایج نشان داد، مدل خوشه‌بندی سلسله مراتبی با میزان کم‌تر شاخص دویس-بولدین (1.38db:) و افزایش میزان شاخص‌ رند تعدیل‌شده (0.49ari: ) نسبت به مدل خوشه‌بندی دوطرفه کارایی بهتری دارد. با این حال، گروه‌بندی‌های بدست آمده از مدل خوشه‌بندی دوطرفه به میزان قابل قبولی با تغییرات پستی‌ و بلندی و تغییرات خاک‌ها در منطقه تطابق دارند. این امر با میزان شاخص تفرق شانن بیشتر در مدل خوشه‌بندی دوطرفه (1.82) نسبت به مدل خوشه‌بندی سلسله مراتبی (1.62) تایید می‌شود. بطورکلی یافته‌های این پژوهش، بر استفاده از مدل خوشه‌بندی دوطرفه به عنوان یک مدل داده کاوی مدرن در گروه‌بندی خاک‌ها و یافتن الگوی تشابه مدیریتی آن‌ها تاکید دارند.

investigating soil grouping using conventional and modern clustering models in some parts of qazvin plain

soil is a crucial component in achieving sustainable development goals due to its significant role in addressing environmental challenges. it is essential to differentiate soils that have similar management requirements. this necessity has prompted soil scientists to employ numerical classification models to categorize soils based on their similarities. in this study, we utilized two types of clustering models, traditional and modern, to classify soils from certain areas of the qazvin plain. using one-way and two-way clustering models, we grouped 297 soils from the region based on a comprehensive set of their morphological, physicochemical, and environmental attributes. the classifications derived from these two models were assessed using internal and external evaluation indicators, with the distribution map of soil subgroups serving as a ground truth reference map. the results indicated that the hierarchical clustering model, with a lower davis-bouldin index (db: 1.38) and a higher adjusted rand index (ari: 0.49), outperformed the biclustering model. however, the classifications from the bidirectional clustering model corresponded reasonably well with the topographical and soil changes in the region, as evidenced by the higher shannon’s difference index in the bidirectional clustering model (1.82) compared to the hierarchical clustering model (1.62). overall, the study’s findings underscore the utility of the co-clustering model as a contemporary data mining technique for soil classification and identification of soil management similarity patterns.