محمود رستمی نیا

ارزیابی کیفیت خاک ابزاری مهم برای بررسی پایداری خاک در سامانه‌های کشاورزی و منابع طبیعی است. این پژوهش با هدف مدل‌سازی و نقشه‌برداری رقومی شاخص کیفیت خاک با بهره‌گیری از الگوریتم‌های یادگیری ماشین و روش‌های درون‌یابی در استان ایلام انجام شد. بدین منظور، 76 نمونه خاک سطحی (20-0 سانتی‌متر) با استفاده از روش ابرمکعب لاتین مشروط برداشت و 10 ویژگی فیزیکوشیمیایی خاک اندازه‌گیری شد. بر اساس تحلیل مؤلفه‌های اصلی، از میان ویژگی‌ها، پنج متغیر به‌عنوان مجموعه حداقل داده‌ها (MDS) انتخاب شد. شاخص کیفیت خاک (SQI) با دو مدل IQI و NQI و برای هر یک از دو مجموعه داده TDS و MDS با امتیازدهی خطی و غیرخطی محاسبه شد. برای پیش‌بینی SQI، دو روش درون‌یابی کریجینگ معمولی(OK) و وزن‌دهی معکوس فاصله (IDW) و هم‌چنین دو الگوریتم یادگیری ماشین جنگل تصادفی (RF) و نزدیک‌ترین همسایه (k-NN) به‌کار گرفته شد. نتایج نشان داد که خاک‌ها به دلیل کمبود کربن آلی و فسفر قابل جذب و نیز مقادیر بالای pH، درصد شن و جرم مخصوص ظاهری در رده کیفیت ضعیف قرار دارند. ارزیابی مدل‌ها نشان داد که روش OK در مقایسه با IDW دقت بالاتری در پیش‌بینی SQI دارد. هم‌چنین در میان مدل‌های یادگیری ماشین، RF بهترین عملکرد را در اغلب شاخص‌ها ارائه نمود. نتایج اهمیت متغیرها نشان داد که عوامل توپوگرافی بیشترین نقش را در پیش‌بینی کیفیت خاک دارند. در مجموع، ترکیب کریجینگ و مجموعه حداقل داده‌ها، به‌ویژه همراه با نمونه‌برداری مبتنی بر ابرمکعب لاتین مشروط، دقت بالایی در پیش‌بینی شاخص کیفیت خاک فراهم می‌کند.