بررسی کارایی رویکرد تصمیم گیری درختی در مدلسازی رقومی تناسب اراضی دو محصول پسته و زعفران

بروزرسانی آذر 21, 1404

ثبت کننده نرگس گوهری راد

تعداد بازدید 81

ارزیابی تناسب اراضی برای افزایش تولید و برنامه ریزی در سامانه های بهره برداری از کشاورزی بسیار ضروری است. تحقیق حاضر بهمنظور ارزیابی کارایی مدلهای تصمیم گیری درختی در مدلسازی مکانی کلاس و تحت کلاس تناسب اراضی دو محصول زعفران و پسته در استان ایلام صورت پذیرفت. موقعیت ۸۰ خاکرخ مشاهداتی بر اساس روش ابر مکعب لاتین مشروط در منطقه نهایی گردید. محاسبه درجات کلاس و تحت کلاس تناسب با تطبیق نیازهای گیاهی با جداول استاندارد و روش پارامتریک اصلاح شده ریشه دوم صورت پذیرفت. از دو مدل رگرسیون درختی توسعه یافته (BRT) و درخت تصمیم طبقه بندی (DTc) نیز برای مدلسازی مکانی و تهیه نقشه پیشبینی مکانی کلاس و تحت کلاس محصولات باغی موردنظر استفاده گردید. نتایج مدلسازی نشان داد که بر اساس آماره های صحت عمومی (OA) و شاخص کاپا (Kappa) مدل BRT نسبت به مدل DTc در سطح تحت کلاس برای زعفران و پسته به ترتیب با مقادیر% ۷۰OA و%۶۰ و %۴۵ Kappa و %۵۰ کارایی بالاتری را داشت. به طورکلی مهمترین محدودیتهای موجود در اراضی مربوط به درصد بالای آهک، گچ، سنگریزه، کربن آلی و عمق خاک بودند که در برخی از بخشهای منطقه موجب کاهش تناسب محصولات میگردند.

Evaluating land suitability is crucial for increasing production and planning in agricultural exploitation systems. The present study was conducted to assess the efficiency of decision tree models in spatial modeling of the class and subclass suitability of saffron and pistachio lands in Ilam Province. The location of 80 observed soil profiles was finalized in the region based on the conditional Latin hypercube method. The calculation of class and subclass suitability degrees was carried out by matching plant requirements with standard tables and using a modified parametric square root method. Two developed decision tree regression models (BRT) and classification decision trees (DTc) were also used for spatial modeling and preparing spatial prediction maps of the class and subclass suitability of the intended orchard products. The modeling results showed that based on overall accuracy (OA) and Kappa index statistics, the BRT model had higher efficiency than the DTc model at the subclass level for saffron and pistachio, with OA values of 70% and 60%, and Kappa values of 45% and 50%, respectively. Overall, the main limitations present in the lands were high percentages of lime, gypsum, gravel, organic carbon, and soil depth, which in some parts of the region led to reduced crop suitability.

  • عنوان: بررسی کارایی رویکرد تصمیم گیری درختی در مدلسازی رقومی تناسب اراضی دو محصول پسته و زعفران
  • Title: Evaluating the Efficiency of the Decision Tree Approach in Modeling the Land Suitability Competition for Pistachio and Saffron Crops
  • نویسندگان: حسینی، الهه،
  • URL: https://civilica.com/doc/1312672/
  • عنوان مقاله: سایر
  • محور مقاله: تکنیک نوین
  • نام ژورنال: هفدهمین کنگره علوم خاک ایران و چهارمین همایش ملی مدیریت آب در مزرعه تجدید حیات حکیمانه خاک و حکمروائی حکیمانه آب
  • افیلیشن نویسنده مسئول: استادیار گروه علوم و مهندسی آب، دانشکده کشاورزی دانشگاه ایلام
  • سال انتشار مقاله: 2021
  • زبان: فارسی
  • کشور: ایران
  • کد مقاله: 25421
  • کلمات کلیدی فارسی: شاخص تناسب اراضی ، ارزیابی رقومی تناسب اراضی ، مدلهای یادگیری ماشین
  • کلمات کلیدی انگلیسی: Land suitability index, digital land suitability assessment, machine learning models
  • لینک کوتاه: https://wikisaffron.org?p=25421

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *