محمود رستمی نیا

استفاده‌ی بهینه از عوامل تولید، یکی از ارکان مهم توسعه‌ی پایدار محسوب می‌شود. فشار روز افزون به منابع خاک، ناشی از افزایش جمعیت، توسعه‌ی مناطق شهری و صنعتی منجر به کاهش سطح زیر کشت در اراضی کشاورزی گردیده است، بنابراین نیاز به استفاده‌ی بهینه و پایدار از منابع خاک و اراضی ضروری بنظر می‌رسد. یکی از راه‌های رسیدن به این هدف، شناسایی ظرفیت تولید هر زمین می‌باشد. برنامه‌ریزی برای استفاده‌ی بهینه از اراضی، موجب میگردد تا ضمن فراهم شدن شرایط حداکثر بهره‌وری، امکان استفاده از اراضی برای آیندگان نیز فراهم شود. در همین راستا، تحقیق حاضر با هدف ارزیابی رقومی تناسب اراضی برای کشت آبی محصولات باغی (انگور، پسته و زیتون) و زراعی (گندم، جو و زعفران) در شهرک ولیعصر بدره با استفاده از الگوریتم‌های یادگیری ماشین در محدوده‌ای از اراضی تحت توسعه کشاورزی با مساحت 1840 صورت پذیرفت. در این مطالعه، در مجموع 80 خاکرخ مشاهداتی طی عملیات میدانی، حفر، تشریح و از همه افق‌های ژنتیکی مورد شناسایی نمونه‌برداری گردید. تعیین موقعیت نقاط نمونه‌برداری بر اساس روش ابر مکعب لاتین مشروط در محیط نرم افزار R و بسته تخصصیclhs انجام گردید. پس از اتمام عملیات نمونه‌برداری و مشاهدات میدانی، کلیه نمونه‌های خاک جمع‌آوری شده به آزمایشگاه تحقیقاتی خاکشناسی دانشگاه ایلام جهت انجام آزمایش‌های فیزیکی و شیمایی لازم منتقل گردید. بر اساس نتایج آزمایشگاهی، میانگین وزنی ویژگی‌های مورد نیاز تا عمق توسعه ریشه (برای گیاهان یکساله و چندساله، به‌ترتیب عمق 100و 150سانتیمتری) محاسبه گردید. سپس، ویژگی‌های خاک هر خاکرخ با معیارهای جدول نیازهای زمینی و ویژگی‌های اقلیمی مورد نیاز برای ارزیابی اقلیم منطقه با جدول‌های نیازهای اقلیمی محصولات مختلف مطابقت داده شدند. پس از آن، 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 دو مدل یادگیرنده ماشین رگرسیون درختی توسعه یافته (BRT) و درخت تصمیم‌گیری طبقه‌بندی (DTc) استفاده گردید. در ادامه جهت تعیین مناسبترین پیش‌بینی کننده‌های محیطی از میان متغیرهای اجزای سرزمین مشتق شده از مدل رقومی ارتفاع و داده-های سنجش از تصاویر ماهواره سنتینل 2، از شاخص تورم واریانس (VIF) استفاده گردید. برای همه پارامترهای مورد بررسی بر اساس شاخص اهمیت نسبی، سهم هر متغیر کمکی در پیش‌بینی مشخص گردید. مدل‌های مورد مطالعه با 80 درصد داده‌ها (64 خاکرخ) تحت آموزش واسنجی و اعنبارسنجی آنها با 20 درصد داده‌ها (16 خاکرخ) انجام گردید. ارزیابی صحت کلاس‌ها و تحت کلاس‌های تناسب اراضی نیز بر اساس دو آماره صحت عمومی و شاخص کاپا صورت پذیرفت. نتایج انتخاب متغیرهای محیطی بر اساس روش VIF نشان داد، از میان 53 متغیر محیطی تهیه شده در نهایت 12 شاخص اجزای سرزمین و سنجش از دوری شامل (درازای شیب، موقعیت میانی شیب، واحدهای ژئومورفیک، مساحت حوزه‌های آبخیز اصلاح شده، فاصله تا شبکه آراهه، شاخص تحدب، شاخص رس، شاخص کربنات، اثر باد، تجزیه و تحلیل سایه اندازی تپه‌ها، شاخص گیاهی تفاضلی نرمال شده و شاخص همواری دره با درجه تفکیک بالا) انتخاب گردیدند. نتایج مدلسازی مکانی حاکی از آن بود که، روش BRT برای کلاس و تحت کلاس تناسب اراضی محصول‌های مورد نظر بر اساس آماره صحت عمومی بترتیب برای گندم، جو و زعفران مقادیر (85%، 75%، 75%) و (66%، 59%،70%) و برای محصولات باغی انگور، زیتون و پسته بترتیب (85%، 91%، 89%) و (74%، 67%، 60%)، نسبت به روش DTc صحت بالاتری را ارائه نمود. بطور کلی بر اساس هر دو مدل مورد نظر، مقادیر صحت عمومی از سطح کلاس به تحت کلاس دارای یک روند کاهشی بود. همچنین از میان متغیرهای محیطی پیش-بینی کننده محصولات زراعی شاخص‌های اثر باد، شاخص همواری دره با درجه تفکیک بالا، تجزیه و تحلیل سایه اندازی تپه‌ها، فاصله تا شبکه آراهه، طول شیب و شاخص کربنات و برای محصولات باغی علاوه بر متغیرهای محیطی اشاره شده برای محصولات زراعی فاکتورهای شاخص تحدب، موقعیت میانی شیب و شاخص رس نیز از بالاترین میزان اهمیت نسبی نسبت به سایر متغیرها برخوردار بودند. بطور کلی نتایج این تحقیق نشان داد که استفاده از الگوریتم یادگیرنده ماشین BRT در ارتباط با متغیرهای محیطی مناسب که با هزینه حداقل قابل دستیابی می‌باشند، بخوبی و با صحت بالایی قادر است تا نقشه کلاس و تحت کلاس تناسب اراضی محصولات زراعی و باغی استراتژیکی از قبیل گندم، جو، زعفران، انگور، پسته و زیتون را در منطقه مطالعاتی پیش‌بینی نمایند. در پایان نتایج این تحقیق جهت استفاده کلیه مدیران، برنامه‌ریزان، مروجان و بهره‌‌برداران اراضی با هدف استفاده بهینه از اراضی در کنار منابع آب موجود بویژه در مناطقی که فعالیت‌های توسعه کشاورزی در دست اقدام می‌باشد با شرایط مشابه با این منطقه توصیه می‌گردد. کلمات کلیدی: ارزیابی تناسب اراضی، درخت تصمیم‌گیری طبقه‌بندی، رگرسیون درختی توسعه یافته متغیرهای محیطی ، نقشه‌برداری رقومی