ارزیابی مدل استنباطی خاک- سرزمین (solim) در نقشه‌برداری خاک براساس منطق فازی در کاشان

روش های معمول بررسی خاک ها از نظر زمان و هزینه مورد نیاز نسبتاً گران هستند و باتوجه به سنتی بودن تهیه نقشه ها و وابستگی تام به نظرات کارشناسی، روزآمد نمودن نقشه ها هم وقت گیر بوده و گاهاً صرفه اقتصادی ندارد. در حالی که نقشه برداری رقومی خاک، با استفاده از مدل های مختلف خاک ndash; سیمای زمین، منجر به ساده سازی پیچیدگی های موجود در سامانه طبیعی خاک شده و به کار بران امکان روزآمد نمودن سریع و ارزان را می دهد. در واقع، مدل های مزبور، نشان دهنده شکل ساده شده ای از روابط پیچیده موجود بین خاک و شکل سرزمین می باشند. هدف از پژوهش حاضر، بررسی مدل استنباطی خاک سرزمین(solim) در نقشه برداری و برآورد کلاس های خاک در منطقه آران، استان اصفهان می باشد. برای این منظور ورودی های مدل solim، لایه رقومی زمین شناسی و لایه های محیطی از مدل رقومی ارتفاع (dem)، شامل: ارتفاع، شیب برحسب درصد، جهت شیب، شکل انحنا سطح زمین، شاخص نمناکی، جهت جریان و تجمع جریان و تصاویر ماهواره ای لندست 8 می باشند. همچنین هفت زیر رده خاک در منطقه مطالعاتی داده های ورودی مدل solim را تشکیل می دهند. سپس نقشه های فازی برای هفت نوع خاک تهیه شده و نقشه نهایی پیش بینی خاک با عمل غیر فازی کردن ایجاد شد. نتایج نشان داد که مدل solim با استفاده از متغیرهای محیطی توانایی بسیار بالایی در جداسازی انواع خاک با جزئیات بیشتر دارد و خاک هایی که مواد مادری، زمین شناسی، اقلیم و پوشش گیاهی متفاوتی دارند را می توان با این مدل با صحت بالا از هم تفکیک نمود. مقایسه ماتریس خطا نشان می دهد که صحت کلی نقشه استنتاج شده از مدل solim برابر 36/92 % درصد می باشد.

Evaluating Soil- Environment Inference Model (SOLIM) for Soil Mapping Based on Fuzzy Logic in Kashan

Typical routine surveys of soils are relatively expensive in terms of time and cost and due to the fact that maps have been traditionally developed and considering their dependence on experts' opinions, updating maps is time consuming and sometimes not economical as well. While soil digital mapping, using soil various models the Landscape, leads to simplification of the complexity found in natural soil systems and provides users with quick and inexpensive updates. In fact, the model represents a simplified form of the complex relationships between the soil and the land. This study aims to consider inferential model SoilLand (SOLIM) in mapping and estimating soil classes in Aran area, Isfahan province. For this purpose, the SOLIM model inputs are digital geological and environmental layers of digital elevation model (DEM) including elevation, slope in percent, slop direction, curvature of the earth's surface, wetness indicator, flow direction, flow accumulation, and satellite images of Landsat 8. The seven subcategory of soil in the study area are input data of SOLIM model. Then fuzzy maps were prepared for seven types of soil and final maps of soil prediction were created by nonfuzzy action. Results showed that the SOLIM using environment variables has very high ability to separate soil types in greater detail and soils with different parent materials, geology, climate and vegetation can be separated from each other by this model with a high degree of accuracy. Comparing error matrix shows that the overall accuracy of the map derived from the model SOLIM is 92.36%.