عنوان	مدل‌سازی رقومی تناسب کیفی محصول خرما در دشت کربلا با استفاده از داده‌های سنجش از دور و ژیومورفومتری
نوع پژوهش	پایان نامه
کلیدواژه‌ها	.
چکیده	خُرما گیاهی تک‌لپه‌ای و گرمسیری از تیره نخل‌ها است که میوه‌ای خوراکی و دارای پوستی نازک و طعمی شیرین و هسته‌ای سخت است. ارتفاع نخل به ۱۰ تا ۲۰ متر یا بیشتر می‌رسد. نخل خرما یکی از محصولات عمده میوه در اکثر کشورهای عربی است. از لحاظ تاریخی با حفظ زندگی بشر و سنت مردم در دنیای قدیم به عنوان یک محصول عمده کشاورزی مرتبط بوده است. درخت خرما در نواحی گرمسیری و نیمه‌گرمسیری، از جمله عراق پرورش می‌یابد. تحقیق حاضر با هدف ارزیابی رقومی تناسب اراضی برای کشت آبی نخل خرما در اراضی واقع در 11 کیلومتری شهر کربلا با مساحت 4360 هکتار صورت پذیرفت. در این مطالعه، در مجموع 35 خاکرخ مشاهداتی بر اساس روش ابر مکعب لاتین، طی عملیات میدانی، حفر، تشریح و از همه افق‌های ژنتیکی مورد شناسایی نمونه‌برداری وتجزیه‌های فیزیکی و شیمیایی نمونه‌های خاک انجام شد. با استفاده از روش پارامتریک (فرمول ریشه دوم)، کلاس نهایی تناسب کیفی اراضی برای تمامی محصولات مورد مطالعه تعیین گردید. زیرکلاس نیز بر اساس نامطلوبترین کلاس طبق ویژگی‌های اقلیمی یا اراضی تعیین گردید. به منظور مدل‌سازی مکانی و پیش‌بینی کلاس‌ها و تحت کلاس‌های تناسب اراضی از مدل‌های زمین‌آماری وزن فاصله معکوس (IDW)، کریجینگ معمولی (OK)، کریجینگ بیزین تجربی (EBK)، و توان پایه شعاعی (RBF) و همچنین دو مدل یادگیری ماشین جنگل تصادفی (RF) و فاصله کرنال نزدیک‌ترین همسایه (kNN) استفاده شد. در ادامه جهت تعیین مناسب‌ترین پیش‌بینی کننده‌های محیطی از میان متغیرهای اجزای سرزمین مشتق شده از مدل رقومی ارتفاع و داده‌های سنجش از دور تصاویر ماهواره لندست 8 استفاده شد. در نهایت چهار متغیر ژیومورفومتری با نظر کارشناس و دو شاخص سنجش از دور توسط مدل RFE انتخاب شد. نتایج مدل‌سازی مکانی حاکی از آن بود که مدل‌های یادگیری ماشین دارای صحت بیشتر نسبت به مدل‌های زمین‌آماری برای پیش‌بینی شاخص کیفیت خاک است. به-طوریکه روش RF با R2 برابر با 72/0 و RMSE برابر با 05/9 بهترین مدل برای پیش‌بینی شاخص کیفیت خاک است. همچنین مدل EBK با R2 برابر با 48/0 و RMSE برابر با 82/7 نسبت به سایر مدل‌های زمین‌آماری دارای صحت بیشتر است. همچنین از میان متغیرهای محیطی پیش‌بینی کننده تناسب نخل خرما متغیرهای عمق دره و تحدب از بالاترین میزان اهمیت نسبی نسبت به سایر متغیرها برخوردار بود. بطور کلی نتایج این تحقیق نشان داد که استفاده از الگوریتم یادگیرنده ماشین RF در ارتباط با متغیرهای محیطی مناسب که با هزینه حداقل قابل دستیابی می‌باشند، بخوبی و با صحت بالایی قادر است تا نقشه تناسب اراضی برای کشت نخل خرما را در منطقه مطالعاتی پیش‌بینی نمایند. نتایج تشریح و تجزیه‌های آزمایشگاهی نشان داد که محدودیت‌های موجود در اراضی موردمطالعه برای کشاورزی عبارتند از: سطح بالای آب زیرزمینی، درصد بالای گچ، شوری بالای خاک، درصد پایین ماده‌آلی خاک سطحی و pH نسبتاً بالا.
پژوهشگران	محمود رستمی نیا (استاد راهنما)، نبیل عیسی ارکوازی (دانشجو)