Skip to main content
SUPERVISOR
نورایر تومانیان (استاد مشاور) محمدهادی فرپور (استاد مشاور) شمس اله ایوبی (استاد راهنما) حسین خادمی موغاری (استاد راهنما) احمد جلالیان (استاد مشاور)
 
STUDENT
Azam Jafarisirizi
اعظم جعفری سیریزی

FACULTY - DEPARTMENT

دانشکده کشاورزی
DEGREE
Doctor of Philosophy (PhD)
YEAR
1385

TITLE

Soil-Landscape modelling and digital soil mapping in Zarand region of Kerman
The main objectives of this study were to compare the regression models to produce soil left; LINE-HEIGHT: normal; TEXT-INDENT: -7.1pt; MARGIN: 0in 0in 0pt 7.1pt; unicode-bidi: embed; DIRECTION: ltr; mso-layout-grid-align: none" Keywords : regression models, soil great groups, geomorphology map
شناسایی رقومی خاک ها به عنوان ابزاری برای تأمین اطلاعات مکانی خاک محسوب می شود که راه حل هایی را برای نیاز رو به افزایش نقشه های خاک با تفکیک مکانی بالا ارائه می کند. این مطالعه با هدف نقشه برداری رقومی خاک در منطقه ی زرند کرمان طراحی گردید. به منظور نیل به این هدف و انجام دقیق پروژه نقشه برداری، لازم است یک شناخت کافی از منطقه شامل شناخت پدیده های مؤثر در تشکیل خاک و چگونگی تکامل و تکوین زمین نما حاصل شود. در این مطالعه، مدل های رگرسیون شامل رگرسیون لاجیستیک دوتایی، لاجیستیک چندجمله ای، رگرسیون درختی توسعه یافته لاجیستیک، درختی توسعه یافته چندکلاسه و شبکه عصبی مصنوعی برای پیش بینی گروه بزرگ خاک استفاده گردید. متغیرهای کمکی شامل نقشه ی ژئومرفولوژی، اجزای سرزمین و شاخص های سنجش از دور به عنوان پارامترهای ورودی در نظر گرفته شدند. یک طرح نمونه برداری طبقه بندی شده در منطقه ای به مساحت نود هزار هکتار تعریف شد و در نهایت، 126 خاک رخ، حفر و تشریح گردید. مدل های رگرسیون لاجیستیک دوتایی و رگرسیون درختی توسعه یافته لاجیستیک به عنوان مدل های غیرمستقیم مورد مطالعه قرار گرفتند. بدین معنی که برای پیش بینی گروه های بزرگ خاک، ابتدا افق های مشخصه پیش بینی شدند و سپس براساس احتمال حضور افق های مشخصه، پیش بینی گروه های بزرگ خاک انجام شد. به منظور ترکیب احتمال حضور پیش بینی افق های مشخصه، یک درخت تصمیم گیری ایجاد گردید. مدل هایی که به طور مستقیم گروه بزرگ خاک را پیش بینی می کنند، شامل مدل های رگرسیون لاجیستیک چندجمله ای، رگرسیون درختی توسعه یافته چندکلاسه و شبکه عصبی مصنوعی می باشند. نتایج نشان داد در پیش بینی همه گروه های بزرگ خاک، سطوح ژئومرفیک به عنوان یک پیش بینی کننده مؤثر محسوب می شود و به افزایش دقت پیش بینی کمک می کند. بعد از سطوح ژئومرفیک، پارامترهای سرزمین و شاخص های سنجش از دور در پیش بینی وارد شدند. مدل های غیرمستقیم، احتمال بالای حضور افق سالیک را در سیمای اراضی پلایا، افق جیپسیک را در تپه های گچی و افق کلسیک را در مخروط افکنه ها پیش بینی کردند. نتایج نشان داد عملکرد پیش بینی برای گروه های بزرگ هپلوجیپسید و هپلوسالید بهتر از گروه های بزرگ کلسی جیپسید و هپلوکمبید بود. خاک های با دقت پیش بینی بهتر خاک هایی هستند که به شدت تحت تأثیر مشخصات توپوگرافی و ژئومرفولوژی قرار گرفتند (گروه های بزرگ هپلوسالید، تری سامنت و هپلوجیپسید) و خاک های با دقت پیش بینی کمتر خاک هایی هستند که به سختی تحت تأثیر مشخصات توپوگرافی و ژئومرفولوژی (گروه های بزرگ هپلوکمبید و کلسی جیپسید) قرار گرفتند. پیش بینی های ضعیف عمدتاً مربوط به اندازه نمونه کم، تغییرپذیری شدید متغیرهای پیش بینی کننده و ناتوانی نقشه ژئومرفولوژی در تفکیک جزئی تر طبقات می باشد. خلوص نقشه خاک تحت تأثیر تنوع خاک قرار می گیرد به طوری که براساس رده بندی خاک از سطح رده تا سطح تحت گروه روند معکوسی نشان داد. نتایج حاصل از تنوع نشان داد که بیشترین انتروپی در لندفرم های پلایا، باهادای بریده بریده، باهادای قدیمی و کمترین انتروپی در زمین نمای کوه و تپه های ماسه ای مشاهده می شود. تنوع لندفرم ها یا در مقیاس بزرگ تر تنوع سطوح ژئومرفیک، موجب تنوع خاک ها می شوند و تغییرات خاک ها را دیکته می کنند. مقدار افزایش تنوع و مقدار کاهش خلوص نقشه براساس سلسله مراتب رده بندی خاک، پیشروی غیریکنواختی را در منطقه مطالعاتی نشان می دهد. تفسیر این شاخص ها و استفاده کاربردی از آنها نشان دهنده خاکشناسی کاربردی و توانایی و قابلیت آن در پروژه های عملی است.

ارتقاء امنیت وب با وف بومی