استنباط نماذج تحويلية بتقنية الغابة العشوائية وتحليل الانحدار (RFR) وتحليل الانحدار المتعدد (MLR) لتقدير السعة الحقلية ونقطة الذبول الدائم لترب منطقة وادي الحي، بسهل الجفارة، ليبيا.

الملخص

أجريت هذه الدراسة لبناء واختبار قدرة نماذج تحويلية مستنبطة باستخدام أداة الغابات العشوائية وتحليل الانحدار (RFR)، التي تعد أحد نماذج التعلم الآلي، ومقارنتها بنماذج مستنبطة باستخدام تحليل الانحدار الخطي المتعدد (MLR)، وذلك لتقدير خاصيتي السعة الحقلية ونقطة الذبول الدائم لبيانات عينات سطحية من (157) قطاعاً ممثلاً لتربة وادي الحي بسهل الجفارة، والتي تم الحصول عليها من دراسة  Hidroprojekat. وكانت البيانات المدخلة لاستنباط النماذج هي النسب المئوية للرمل والسلت والطين والكثافة الظاهرية والكثافة الفعلية والكربون العضوي، وكانت جودة نماذج MLR المستنبطة مختلفة باختلاف المدخلات في النموذج التحويلي والخاصية المقدرة، فكان أفضل نموذج متحصل عليه لتقدير السعة الحقلية بتحليل الانحدار الخطي المتعدد عند استخدام نموذج الرمل والسلت والطين كمدخلات، حيث كانت قيم MEA و RMSE و R2 و (C2)  2.32% و 2.89 % و 0.84 و 0.77 على التوالي، في حين كانت أفضل النتائج المتحصل عليها للتنبؤ بنقطة الذبول الدائم للنموذج الذي تم فيه استخدام المدخلات الرمل والسلت والطين والكثافة الظاهرية والكثافة الفعلية والكربون العضوي والسعة الحقلية المقاسة، بقيم للمعايير MEA و RMSE و R2 و (C2)  1.78 % و 2.23 % و 0.56 و 0.56 على التوالي. في العموم، كانت النماذج MLR المستنبطة ذات جودة منخفضة ولا يمكن الاعتماد عليها كدوال للتنبؤ بخاصيتي السعة الحقلية ونقطة الذبول الدائم. وعند استخدام RFR لبناء نماذج تحويلية للتنبؤ بكلا الخاصيتين، تم الحصول على نتائج أفضل مما تم الحصول عليها من تحليل الانحدار الخطي المتعدد؛ حيث كانت المعايير الإحصائية للنماذج التحويلية المستنبطة للسعة الحقلية أفضل بكثير، بحيث تراوحت قيمة MEA و RMSE و R2 ومعامل ناش (C2) لنماذج تقدير السعة الحقلية، (0.88- 1.15 %) و (1.14-1.1.24 %) و (0.93-0.95) و (0.93-0.99)،. كما كانت القدرة التقديرية للنماذج المستنبطة لتقدير نقطة الذبول الدائم أفضل في جميع النماذج، حيث تراوحت قيمة MEA و RMSE و R2 ومعامل ناش (C2) ما بين 0.61- 0.88 %) و (0.68-1.43 %) و (0.93-0.95) و (0.93-0.99)، بالرغم من أن جميع النماذج بالمدخلات المختلفة كانت جيدة، إلا أن تقديرات النماذج تحسنت كلما زاد عدد المدخلات فيها. وللتأكد من عمل هذه النماذج في بيئة نظم المعلومات الجغرافية تم الاعتماد على أفضل نموذج مستنبط باستخدام RFR لإنتاج خرائط تنبؤ مكاني بطريقة مقلوب المسافة الموزون IDW، وتم الحصول على خرائط مشابهة ومتقاربة لخرائط التنبؤ المكاني للقيم المقاسة، وبذلك توصى هذه الدراسة  بزيادة استخدام واختبار النماذج المختلفة للتعلم الآلي، ومن أهمها الغابة العشوائية وتحليل الانحدار لاشتقاق نماذج لخصائص قد يتعذر قياسها.