محمود رستمی نیا

اطلاعات مکانی دقیق و تفصیلی درباره توزیع ویژگی‌های خاک برای نظارت مؤثر بر منابع اراضی، شیوه‌های مدیریت آگاهانه و مدل‌سازی محیطی، به‌ویژه در مناطق خشک و نیمه خشک، حیاتی است. این مطالعه به‌منظور توسعه یک مدل پیش‌بینی مکانی برای شوری خاک در دشت میمه، شهرستان دهلران، ایران، با استفاده از الگوریتم یادگیری جنگل تصادفی (RF) به بررسی تغییرات مکانی هدایت الکتریکی (EC) در لایه سطحی (0–30 سانتی‌متر) و زیرسطحی (30-60 سانتی‌متر) پرداخته است. نمونه‌های خاک از 100 نقطه جمع‌آوری و EC آنها در آزمایشگاه مورد اندازه‌گیری قرار گرفت و تغییرات مکانی شوری خاک با استفاده از RF مدل‌سازی شد. هفت متغیر محیطی شامل شاخص سبزینگی (Greens)، شدت تابش پخشیده ((Diffuse، شاخص همواری کف دره (MrVBF)، شاخص تفاضلی پوشش گیاهی نرمال شده (NDVI)، شاخص شوری ((SI، شاخص اثر باد (WE) و درخشندگی (Brightness) بر اساس روش جنگل تصادفی از مدل رقومی ارتفاع (DEM) و داده‌های ماهواره‌های سنتتیل 2 بودند. این مدل با استفاده از 80 درصد از داده‌ها برای آموزش و 20 درصد برای اعتبارسنجی طراحی شد و کارایی آن از طریق آماره‌های ریشه دوم میانگین مربعات خطا (RMSE)، ضریب تعبین (R² )و ضریب همبستگی تطابق (CCC) ارزیابی گردید. مدل RF دقت پیش‌بینی بالایی برای EC سطحی و نتایج نسبتاً قابل قبولی برای لایه زیرسطحی خاک نشان داد؛ به گونه‌ای که به ترتیب R² سطحی برابر با 80/0 و زیرسطحی برابر 37/0،RMSE برای هر دو لایه سطحی و زیرسطحی برابر 22/0 و CCC لایه سطحی برابر با 82/0 و لایه زیرسطحی برابر 07/0 بدست آمد. به طور کلی مشتقات توپوگرافی هم در خاک سطحی و هم زیرسطحی نسبت به داده‌های سنجش از دور اثر بیشتری در پیش‌بینی شوری خاک نشان دادند؛ و از طرفی شاخص MrVBF با وضوح مکانی بالا به‌عنوان مهم‌ترین پیش‌بینی کننده شوری خاک شناسایی شد که نشان از تاثیر فاکتورهای توپوگرافی در منطقه مطالعاتی است.