کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8894393 1629406 2018 16 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Compilation of a national soil-type map for Hungary by sequential classification methods
ترجمه فارسی عنوان
تدوین یک نقشه خاک ملی برای مجارستان با روش های طبقه بندی
کلمات کلیدی
نقشه نوع خاک، نقشه برداری خاک دیجیتال، داده کاوی، طبقه بندی چند مرحله ای تقسیم بندی،
ترجمه چکیده
به طور سنتی در مجارستان خاک تحت پوشش مدیریت کشاورزی و جنگل معمولا به طور مستقل و تقریبا یکسان مشخص می شود. جمع آوری داده های خاکی انجام می شود و پایگاه داده های ویژگی های خاک بدون توجه به آن مدیریت می شود. به عنوان یک نتیجه، نقشه های خاک خلیج فارس را نمی توان به صورت همگن برای خاک های زراعی و جنگل ها، دشت ها و مناطق تپه ای / کوهستانی پیش بینی کرد. نویسندگان منابع خود را یکپارچه کردند تا یک نقشه نوع خاک ملی با افسانه هماهنگ و همچنین توانایی و دقت پیش بینی شده نسبتا همگن فضایی را جمع آوری کنند. داده های اطلاعات خاک ناشی از دو منبع (کشاورزی و جنگلداری) بر اساس طبقه بندی کلی نوع خاک پاک شده و هماهنگ شده اند. روش های مختلفی برای جمع آوری نقشه هدف مورد آزمایش قرار گرفتند: تقسیم بندی یک تصویر سنتز شده شامل متغیرهای پیش بینی کننده، طبقه بندی چند مرحله ای با طبقه بندی و رگرسیون درختان، جنگل های تصادفی و شبکه های عصبی مصنوعی. ارزیابی نتایج نشان داد که روش مبتنی بر شیوه نقشهبرداری چند مرحله ای نسبت به روش های طبقه بندی ساده بهتر عمل می کند. ترکیبی از بهترین طبقه بندی های انجام شده، زمانی که هر رأی طبقه بندی کننده بر همان جسم با اعتماد به نفس خود در کلاس رای داده می شود، به محصول نهایی منجر شد: یک نقشه ی یکپارچه، ملی، خاکی با قابلیت های پیش بینی شده فضایی سازگار.
موضوعات مرتبط
مهندسی و علوم پایه علوم زمین و سیارات فرآیندهای سطح زمین
چکیده انگلیسی
Traditionally in Hungary the soil cover under agricultural and forestry management is typically characterized independently and just approximately identically. Soil data collection is carried out and the databases of soil features are managed irrespectively. As a consequence, nationwide soil maps cannot be considered homogeneously predictive for soils of croplands and forests, plains and hilly/mountainous regions. In order to compile a national soil type map with harmonized legend as well as with spatially relatively homogeneous predictive power and accuracy, the authors unified their resources. Soil profile data originating from the two sources (agriculture and forestry) were cleaned up and harmonized according to a common soil type classification. Various methods were tested for the compilation of the target map: segmentation of a synthesized image consisting of the predictor variables, multi stage classification by Classification and Regression Trees, Random Forests and Artificial Neural Networks. Evaluation of the results showed that the object based, multi-level mapping approach performs significantly better than the simple classification techniques. A combination of best performing classifiers, when each classifier's vote on the same object is weighted according to its confidence in the voted class, led to the final product: a unified, national, soil type map with spatially consistent predictive capabilities.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Geoderma - Volume 311, 1 February 2018, Pages 93-108
نویسندگان
, , , , ,