تولید پایدار گندم در مناطق خشك و نیمه خشك مستلزم شناخت تغییرات مكانی خاك، حاصلخیزی و عوامل مؤثر بر عملكرد محصول است. این پژوهش با هدف نقشه برداری رقومی خاك، پیش بینی مكانی عملكرد گندم و ارزیابی شاخص حاصلخیزی خاك با استفاده از تلفیق طیف سنجی مرئی-مادون قرمز نزدیك (Vis-NIR)، داده های سنجش از دور، متغیرهای توپوگرافی و الگوریتم های یادگیری ماشین در بخشی از اراضی شهرستان دهلران، استان ایلام، انجام شد. برای این منظور، 135 نمونه خاك و عملكرد گندم در پلات یك مترمربع (1×1) برداشت و ویژگی های فیزیكی و شیمیایی خاك، داده های طیفی Vis-NIR و متغیرهای محیطی برای مدل سازی مورد استفاده قرار گرفتند. نتایج نشان داد كه در پیش بینی ویژگی های خاك، تلفیق داده های محیطی موجب بهبود عملكرد مدل ها شد؛ به طوری كه برای كربن آلی، كربنات كلسیم، رس و سیلت، مدل Cubist در سناریوی تلفیقی به ترتیب به مقادیر R برابر با 72/0، 85/0، 78/0 و 82/0 دست یافت. در نقشه برداری رقومی كلاس های فامیل خاك، مدل جنگل تصادفی با تفكیك مكانی 30 متر، صحت كلی 70 درصد و ضریب كاپای 64/0 را نشان داد. كلاس های 2، 3 و 7 دارای صحت كاربر 100 درصد بودند، در حالی كه عملكرد كلاس های 5، 6 و 9 پایین تر بود كه به كمبود نمونه های آموزشی و همپوشانی ویژگی های فیزیكوشیمیایی نسبت داده شد. در پیش بینی عملكرد گندم، عملكرد محصول در نمونه های مورد مطالعه بین 53/1 تا 28/4 تن در هكتار و میانگین آن 2/3 تن در هكتار بود. سناریوی تلفیقی شامل داده های طیفی، سری زمانی سنجش از دور و متغیرهای توپوگرافی نسبت به سناریوی فاقد اطلاعات توپوگرافی عملكرد بهتری داشت. در این سناریو، شاخص های سنجش از دور ماه آوریل مهم ترین نقش را در پیش بینی عملكرد داشتند و مدل جنگل تصادفی توانست روابط غیرخطی بین متغیرهای محیطی و عملكرد گندم را به خوبی بازنمایی كند. عملكرد پیش بینی شده در سطح منطقه بین 37/2تا 99/3 تن در هكتار متغیر بود و بیشترین مقادیر عمدتا در بخش های شمالی، شمال غربی و غربی منطقه مشاهده شد. همچنین، عدم قطعیت پیش بینی در بیشتر منطقه پایین بود و بیشینه دامنه عدم قطعیت به 44/0 تن در هكتار رسید. در ارزیابی شاخص حاصلخیزی خاك، مشتق دوم طیف و مدل ماشین بردار پشتیبان بهترین عملكرد را در بین تركیب های مورد بررسی نشان دادند. مدل SVM مبتنی بر داده های طیفی و پیش پردازش مشتق دوم، مقادیرR، RMSEو RPD به ترتیب 61/0، 21/9 و 61/1 را به دست آورد؛ با تلفیق داده های طیفی و متغیرهای محیطی، عملكرد مدل به 82/0 , R2=53/8RMSE=، 92/1 RPD= و 75/2 RPIQ= افزایش یافت. تحلیل طیفی نیز نشان داد كه متغیرهای پنهان طیفی، به ویژه مؤلفه های مرتبط با طول موج های 991، 1009 و 1905 نانومتر و همچنین 1908، 2205، 2224 و 2273 نانومتر، ارتباط معناداری با تغییرات عملكرد گندم و حاصلخیزی خاك دارند. در مجموع، نتایج نشان داد كه تلفیق داده های طیفی و محیطی با الگوریتم های یادگیری ماشین، به ویژه جنگل تصادفی و ماشین بردار پشتیبان، امكان پیش بینی مكانی عملكرد گندم، نقشه برداری شاخص حاصلخیزی و كلاس های خاك را با دقت قابل قبول فراهم می كند. با توجه به محدودیت تعداد نمونه ها و نامتوازن بودن برخی كلاس های خاك، افزایش تعداد نمونه های میدانی و استفاده از داده های مكانی و زمانی با تفكیك بالاتر می تواند به بهبود قابلیت تعمیم مدل ها در مطالعات آینده كمك كند.
واژههای كلیدی: طیف سنجی مرئی-مادون قرمز نزدیك، جنگل تصادفی، نقشه برداری رقومی خاك، شاخص حاصلخیزی خاك، عملكرد گندم، كشاورزی دقیق، فامیل خاك، یادگیری ماشین