این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
جغرافیا و برنامه ریزی محیطی، جلد ۳۰، شماره ۱، صفحات ۲۳-۳۶
عنوان فارسی بررسی خطا و عدم‌قطعیت در تهیه نقشه‌های موضوعی با استفاده از شبکه عصبی مصنوعی و داده‌های محیطی مطالعه موردی: نقشه رقومی خاک دشت شهرکرد
چکیده فارسی مقاله نقشه‌های خاک به‌منزله یکی از نقشه‌های پایه در بسیاری از مطالعات مرتبط با محیط و منابع طبیعی اهمیت زیادی دارند. نقشه‌های رقومی خاک بر پایه ارتباط بین ویژگی‌های محیطی و خاک پایه‌ریزی شده‌اند. هدف از انجام پژوهش حاضر، بررسی خطا و عدم‌قطعیت کلاس‌های رقومی خاک پیش‌بینی‌شده در سطوح مختلف سامانه رده‌بندی آمریکایی با استفاده از مدل شبکه عصبی مصنوعی است. تعداد 120 خاک‌رخ برمبنای یک الگوی شبکه‌ای منظم در دشت شهرکرد حفر، تشریح و نمونه‌برداری شد. برای تخمین کلاس‌های خاک، دو گروه ویژگی‌های خاکی (کمّی و کیفی) و داده‌های کمکی (شامل نقشه زمین‌شناسی، نقشه شکل اراضی، نقشه فاز شکل اراضی، نقشه خاک سنتی منطقه، شاخص تفاضل نرمال‌شده پوشش گیاهی و بعضی مشتقات مدل ارتفاع رقومی) مدنظر قرار گرفت. پس از تهیه نقشه‌های ویژگی‌های خاک و اطمینان از صحت و دقت آنها، این نقشه‌ها به‌ همراه داده‌های کمکی برای تخمین کلاس‌های خاک با مدل شبکه عصبی مصنوعی در محیط نرم‌افزار R استفاده شدند و درنهایت دقت و عدم‌قطعیت مدل مزبور به‌ترتیب با صحت عمومی و شاخص درهمی ارزیابی شد. نتایج نشان داد ورود جزئیات بیشتر در رده‌بندی خاک‌ها در سطوح پایین طبقه‌بندی، ضمن افزایش تعداد کلاس‌ها، کاهش صحت عمومی و افزایش عدم‌قطعیت را به همراه داشته است. با توجه به حد پذیرفته صحت عمومی (75درصد)، مدل شبکه عصبی مصنوعی از صحت لازم تا سطح گروه بزرگ برخوردار بوده است؛ اما عدم‌قطعیت زیادی را داشته‌ است؛ بنابراین صرف توجه به صحت مدل در انتخاب آن برای مدل‌سازی مؤثر نیست؛ بلکه در کنار خطای مدل، توجه به عدم‌قطعیت آن نیز بسیار مهم است. بر این اساس، به‌کارگیری روش‌های دیگری از محاسبات نرم برای مدل‌سازی در مناطق دشت یا مناطق با ناهمواری‌های کم پیشنهاد می‌شود.
کلیدواژه‌های فارسی مقاله ماتریس خطا، مدل‌سازی، نقشه خاک، سامانه طبقه‌بندی خاک،
عنوان انگلیسی Error and Uncertainty Analysis in the Preparation of Thematic Maps using Artificial Neural Network and Environmental Data (A Case Study: Digital Soil Map of Shahrekord Plain)
چکیده انگلیسی مقاله Soil maps have considerable significance as basic maps in many environmental and natural resources studies. Digital soil maps are based on the relationship between environmental variables and soil properties. The main purpose of this research was to analyze error and uncertainty of digital soil classes predicted at different taxonomic levels of Soil Taxonomy system using an artificial neural network. One hundred and twenty soil profiles were described and sampled based on a regular grid scheme in Shahrekord plain. Two groups of soil properties (qualitative and quantitative) and auxiliary parameters (including geologic map, landform map, landform-phase map, traditional soil map, normalized difference vegetation index, and some derivatives of digital elevation model) were used to estimate soil classes. After preparing the soil properties maps and checking their accuracy, these maps were used along with auxiliary parameters for estimating soil classes using an artificial neural network model in the R software. Finally, the accuracy and uncertainty of the model were evaluated by overall accuracy and confusion index, respectively. Results showed that the entry of more details in the soils classification at the lower levels of the Soil Taxonomy system, while increasing the number of classes, leads to decreasing the overall accuracy and increasing uncertainty. It is noticeable that the artificial neural network model has a good accuracy up to the great group level through the acceptable level of overall accuracy (i.e., 75 %), hence it has a high degree of uncertainty. Therefore, the accuracy of the model could not be effective in its selection trough the modeling process; however, paying attention to its uncertainty is also very important along with the model error. Accordingly, we suggest using the other methods of soft computing for modeling in plain areas or in low relief regions.  
کلیدواژه‌های انگلیسی مقاله Error Matrix, Modeling, Soil Map, Soil Taxonomy System
نویسندگان مقاله مجتبی شاهینی شمس آبادی |
دانشجوی دکتری علوم و مهندسی خاک، دانشکدة کشاورزی، دانشگاه ولی‌عصر رفسنجان، رفسنجان، ایران

عیسی اسفندیارپور |
دانشیار گروه علوم و مهندسی خاک، دانشکدة کشاورزی، دانشگاه ولی‌عصر رفسنجان، رفسنجان، ایران

زهره مصلح |
استادیار بخش خاک و آب، مرکز تحقیقات کشاورزی و منابع طبیعی کرج، کرج، ایران

حسین شیرانی |
استاد گروه علوم و مهندسی خاک، دانشکدة کشاورزی، دانشگاه ولی‌عصر رفسنجان، رفسنجان، ایران

محمدحسن صالحی |
استاد گروه علوم خاک، دانشکدة کشاورزی، دانشگاه شهرکرد، شهرکرد، ایران

نشانی اینترنتی http://gep.ui.ac.ir/article_23728_28fad54d0e28f0df23f5785185a949de.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/761/article-761-1675392.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات