پیش‌بینی مکانی واحدهای خاک در محیط سامانه‌های اطلاعات جغرافیایی در اراضی سیوان استان ایلام

محدودیت‌های موجود در روش‌های مرسوم شناسایی خاک و پیشرفت‌های صورت گرفته در فناوری اطلاعات، باعث شده تا توجه بیشتری به رویکرد های نوین نقشه برداری خاک برای افزایش خلوص نقشه های خاک صورت گیرد. هدف این رویکرد پیش‌بینی کلاس‌های خاک یا ویژگی‌های آن، بر اساس متغیرهای محیطی یا خصوصیاتی از خاک است که به سادگی قابل محاسبه هستند. پژوهش حاضر در اراضی بخش سیوان از شهرستان ایلام با هدف شناسایی و تهیه نقشه خاک های این منطقه صورت پذیرفته است. ابتدا موقعیت 46 خاکرخ با استفاده از تفسیر اولیه تصاویر ماهواره‌ای و روش مطالعه شناسایی آزاد مشخص گردید. سپس بر اساس مشخصات مورفولوژیکی هر خاکرخ ، نمونه‌برداری از کلیه افق های ژنتیکی و تجزیه های شیمیایی و فیزیکی لازم انجام گرفت. خاک‌های منطقه مورد مطالعه بر اساس کلید رده بندی خاک آمریکایی (2014) طبقه بندی گردید. در این مطالعه از مدل رگرسیون منطقی چند جمله‌ای برای پیش‌بینی مکانی کلاس‌های رده‌بندی خاک استفاده شد. ویژگی‌های پستی و بلندی اولیه و ثانویه زمین از مدل رقومی ارتفاع با قدرت تفکیک مکانی 30 متر با استفاده از نرم‌افزار ساگا استخراج شد. نتایج رده بندی خاکرخ ها نشان داد که خاک‌های‌ منطقه در سه رده مالی‌سولز، اینسپتی‌سولز و انتی‌سولز و شش کلاس در سطح خانواده خاک بود. بررسی همبستگی بین ویژگی‌های مدل رقومی ارتفاع نشان داد که پارامترهای موقعیت شیب میانی، تابش خورشیدی پراکنده، شاخص رطوبت پستی بلندی، شاخص زبری زمین، خمیدگی شکل سطح، خمیدگی طولی بیشترین تاثیر را روی تشکیل کلاس‌های خانواده خاک داشتند. دقت کلی مدل رگرسیون برای کلاس‌های خانواده 0.60 به دست آمد. هم‌چنین ضریب کاپای نقشه‌ی پیش‌بینی مکانی در سطح خانواده 0.38 برآورد گردید. نتایج این مطالعه نشان داد که متغیرهای زمین ریخت سنجی در پیش‌بینی کلاس‌های خاک موثر واقع شدند و پیشنهاد می شود در مطالعات آینده از سایر متغیرهای محیطی مشتق از داده های سنجش از دور نیز به منظور ارتقا صحت نقشه های خاک استفاده گردد.

Spatial Prediction of Soil Units Using Geographic Information Systems in Sivan Lands of Ilam Province

Limitations in conventional soil identification methods and the advances made in information technology in soil science have attracted more attention to new approaches to soil mapping in order to improve the purity of soil maps. The present study was carried out in a part of Ilam province to identify and prepare soil maps of this region. At first, 46 profiles were identified. Then, based on the morphological characteristics of each profile, soil samples were taken from all genetic horizons and analyzed for chemical and physical properties. Then, the soils were classified based on the Soil Survey Staff keys (2014). A multinomial logistic regression model was used for spatial prediction of soil taxonomic classes. The geomorphometric features were extracted from digital elevation model with a resolution of 30 m2 by SAGAGIS2.2 software. The classification results of each soil control profile in the studied area showed that, in general, the soils were in three order categories: Mollisols, Inceptisols, Entisols, and six classes at the family level. The correlation between the features of digital elevation model showed that the parameters of the mid slope position, spatial solar radiation, index of moisture content, ground roughness index, surface curvature, and profile curvature had the most effect on the formation of soil family classes. The overall accuracy and Kappa index of spatial prediction map from the regression model was 60% and 0.38 at the familial level, respectively. Finally, the results of this study showed that geomorphometric variables had a significant influence on the prediction of soil classes. Therefore, it is suggested that in future studies, other covariates derived from remote sensing data should also be used to improve the quality and accuracy of soil maps.