در مطالعه حاضر جهت پهنهبندی رقومی کلاسهای بافتی خاک در منطقه بیجار کردستان، 103 پروفیل حفر، تشریح و از افق های سطحی AETM+ماهواره لندست و نقشه سطوح ژئومورفولوژی میباشد. همچنین، جهت ارتباط دادن بین دادههای خاک (رس، شن و سیلت ) و متغیرهای کمکی از مدل های شبکه عصبی مصنوعی و رگرسیون درختی بهره گرفته شد. نتایج این تحقیق نشان داد که مدل رگرسیون درختی دارای دقت بیشتری نسبت به شبکه عصبی مصنوعی به منظور پیشبینی هر سه پارامتر رس، شن و سیلت میباشد. برای جزء رس، مدل رگرسیون درختی و شبکه عصبی مصنوعی دارای ضریب تبیین و میانگین ریشه مربعات خطا 46/0، 81/0، 1/17 و 5/12 براساس دادههای آزمون (20 درصد) میباشد. نتایج نشان داد که برای پیش بینی رس، شن و سیلت پارامترهای سطوح ژئومورفولوژی، شاخص خیسی، شاخص همواری دره با درجه تفکیک بالا، ارتفاع، طول شیب و باند 3 مهم ترین بودهاند. در کل نتایج نشان داد که مدلهای درختی دارای دقت بالاتری نسبت به روش شبکه عصبی مصنوعی بوده و همچنین تفسیر نتایج مدل درختی بسیار راحتتر میباشد. لذا پیشنهاد میشود که جهت تهیه نقشه رقومی خاک از مدلهای درختی در مطالعات آینده استفاده شود.
