🔶 ویژه مدل سازی کربن خاک و عوامل موثر بر آن در خاک #ArcGIS, #SPSS, #Machine_Learning برای اطلاع از مهم¬ترین عوامل کنترل¬کننده کربن خاک از روش تحلیل مولفه اصلی (PCA)، رگرسیون خطی چند متغیره (MLR) و جنگل تصادفی استفاده خواهد شد برای کاهش هم¬خطی بین متغیرهای متعدد بر اساس تحلیل عاملی، از روش تحلیل مولفه اصلی برای ایجاد شاخص‌ها استفاده شد و نمرات مؤلفه اصلی مطلق بر اساس داده‌های استاندارد شده و یک ماتریس ضریب امتیاز مؤلفه در محیط نرم افزارR محاسبه خواهد شد. بر اساس نتایج حاصل از تحلیل روش مولفه اصلی، تحلیل رگرسیون خطی چند متغیره برای مشخص کردن کمی هر جفت فاکتور تأثیر با استفاده از نمرات مؤلفه اصلی مطلق به عنوان متغیر مستقل و محتوای کربن آلی به عنوان متغیر وابسته انجام خواهد شد. تجزیه و تحلیل داده‌ها با استفاده از بسته¬های نرم افزاری SPSS 23.0 و R 3.6 انجام خواهد شد ((R Development Core Team, 2012; R Project for Statistical Computing, Vienna, Austria). برای رقومی¬سازی، تهیه نقشه پهنه¬بندی و برآورد کربن خاک از روش¬های شبکه عصبی مصنوعی، رگرسیون خطی، رگرسیون غیر خطی پیشرفته و زمین آمار استفاده خواهد شد. تصاویر سنجنده لندست مورد نیاز نیز از پایگاه داده http://earthexplorer.usgs.gov دریافت خواهد شد. بررسی روابط موجود بین مقادیر کربن و سایر ویژگی¬های خاک و پهنه¬بندی در نرم افزارهای Arc GIS و GS+ انجام خواهد شد. لازم به ذکر است تمامی مراحل انجام کار در شکل 2 نمایش داده شده است. مهلت انجام پروژه: 15 روز توسط: Hamraz1120 اطلاعات بیشتر: http://hw0.ir/2cf @hamiworkscom