Hidrológiai Közlöny, 2014 (94. évfolyam)
2014 / 1. szám - Tóth Bettina - Makó András - Tóth Gergely: Talajaink víztartó képességének meghatározása talajtérképi információk alapján - a csernozjom talajok példája
TOTH B. - MAKO A. - TOTH G.: Talajaink víztartó képességének meghatározása — 71 (2008), Nemes et al. (2010) alkalmaztak és találták hasznosnak a döntési fák regressziós típusát (Classification and Regression Tree, CRT) különböző talaj vízgazdálkodási tulajdonságok becslésére. 3. táblázat. A MARTHA adatbázis nem szikes csernozjom tala jainak jellemzése. Talajtulajdonság Minta szám Átlag Mini műm Maxi műin Szó rás Medi án Talajaltípus Becsié 1296Teszt 146Agyagtartalom (< 0,002 mm) ttömee%) Becsié 1296 23,92 0,30 56,29 7,78 22,90 Teszt 146 24,24 2,60 50,02 7,92 22,75 Portartalom (0,002-0,05 mm) (tömee%) Becsié 1296 46,74 3,29 78,00 13,18 49,17 Teszt 146 48,13 12,97 70,00 11,09 49,46 Homoktartalom (0,05-2 mm) Ctömeti%) Becsié 1296 29,34 0,44 95,94 17,12 25,84 Teszt 146 27,6368 2,10 77,33 14,68 26,80 Arany féle kötöttség Becsié 1296 43 24 73 7,06 43 Teszt 146 44 26 64 6,44 43 Humusztartalom (tömeg%) Becsié 1296 1,9 0,1 5,5 0,92 1,8 Teszt 146 2,0 0,4 5,4 1,01 1,9 Kalcium-karbonát tartalom (tömeg%) Becsié 1296 14,31 0,00 53,00 11,22 12,00 Teszt 146 13,53 0,00 46,00 10,67 11,00 Vizes pH Becsié 1296 7,97 5,06 10,17 0,40 7,98 Teszt 146 7,92 6,75 10,06 0,35 7,92 Maximális vízkapacitás (Qj> KP.) ítf%) Becsié 1296 48,03 30,08 59,86 4,52 48,40 Teszt 146 47,66 33,70 57,99 4,38 48,01 Szabadföldi vízkapacitás (0.nip.) (tf%) Becsié 1296 31,31 10,10 45,67 4,77 31,67 Teszt 146 32,06 19,30 41,82 4,17 32,44 Holtvíz tartalom ($-1500kPa) (tf%) Becsié 1296 15,69 3,50 34,50 5,01 14,70 Teszt 146 15,96 6,86 30,40 4,54 15,20 Kategória típusú független változók esetén azonban, a CRT módszeren kívül, alkalmas még az úgynevezett CHA- ID (Chi-squared Automatic Interaction Detection) típusú klasszifikációs fa módszer is (Kass, 1980), aminek talajfizikai alkalmazását egy korábbi munkánkban mutattuk be (Tóth et al., 2012). A víztartó képesség kategória adatokból történő becslését a regressziós fa mellett -(CRT kat), a CH- A1D módszerrel is vizsgáltuk. Mindkét eljárás a döntési fák csoportjához tartozik. Az algoritmus a függő és független változók közötti kapcsolat- rendszert fastruktúrába rendezi, mégpedig úgy, hogy az a- datbázist minél homogénebb csoportokra ossza fel. A döntési fák nagy előnye, hogy mind a függő, mind a független változó mérési skálája bármilyen típusú lehet - tehát a változó lehet folytonos, ordinális, nominális -, és még azok eloszlásával kapcsolatban sincs semmilyen feltétel. A csoportok (elágazások) kialakítása a döntési fa és a függő változó típusától függően eltérő statisztikai vizsgálatokon alapul. Folytonos függő változó esetén - esetünkben a víztartó képesség becslésénél - a regressziós fa a négyzetes eltérés minimalizálása alapján dönti el, hogy melyik független változó (talajtulajdonság) mely értéke mentén ossza ketté az adatokat, a CHAID pedig F-próba alapján, és kettőnél többfelé is tud ágazni. A statisztikai eljárások részletesebb leírása Brei- man et al. (1998) (döntési fák), Kass (1980) és Hámori (2001) munkájában (CHAID típusú fa) olvasható. Az optimális (nem túl illesztett) modell helyes kiválasztásának érdekében (csökkentve a véletlenszerű felosztásból származó félrevezető eredményeket) tízszer végeztünk el tízszeres kereszt-validálást. Azt a modellbeállítást tekintettük optimálisnak, ami a legkisebb átlagos négyzetes eltérést eredményezte a százszorosán kereszt-validált adatbázis-részekre (Hill és Lewicki, 2006). A statisztikai vizsgálatokat az SPSS 13.0 szoftverrel végeztük (IBM, 2012). A vizsgálat során további célunk volt, hogy kiszámítsuk, hogy mennyiben változik a víztartó képesség becslésének megbízhatósága, ha a térképi kategória típusú változók helyett folytonos talajtulajdonságokat veszünk figyelembe a becsléshez. Ezért a becslő módszert a folytonos talajtulajdonságok alapján is kidolgoztuk a regressziós fa módszerrel (CRT). A talaj három nevezetes mátrixpotenciálhoz tartozó víztartó képességét (0_o,ikPa> 8-nwv ö isookpj tehát háromféleképpen végeztük el dolgoztuk ki (1) CHAID típusú (CHAlD_kat) és (2) regressziós (CRT_kat) fával, melyek a talaj víztartó képességét kategória típusú (ordinális, nominális) független változók alapján számítják: talaj altípus, humusztartalom, fizikai féleség, pH, kalcium-karbonát tartalom kategóriáival (7. és 2. táblázat) és a feltalaj és altalaj megkülönböztetésével. Ezek a módszerek alkalmasak a víztartó képesség talajtérképek alapján történő becslésre. Majd (3) ismét regressziós fával (CRT_folyt), ami független változóként a talajtérképeken feltüntetett tulajdonságokat tartalmazza, de azokat folytonos értékekként: az agyag (< 0,002 mm), por (0,002-0,05 mm), homok (0,05-2 mm) tartalmat, humusztartalmat, kalcium-karbonát tartalmat és pH- t. Az altípust és a feltalaj és altalaj megkülönböztetését kategóriaváltozóként vonja be a vizsgálatba. Becslési megbízhatóság számítása A különböző módszerekkel kidolgozott víztartó képesség becslő modellek összehasonlítását azok megbízhatósága alapján végeztük el. A megbízhatóságot az átlagos hibával (ME) É(y,-y.) ME = —---------------N ahoi. V, : az adott mátrixpotenciálon mért víztartó képesség érték; y, : az adott mátrixpotenciálhoz tartozó becsült víztartó képesség érték; N: mintaelemszám, az átlagos relatív hibával (RME) v-y,-yi RME = —----> (3) N az átlagos négyzetes hiba négyzetgyökével (RMSE) és a Pearson-féle korrelációs együtthatóval jellemeztük. A különböző módszerek becslési megbízhatósága közötti eltéréseket 5%-os szignifikancia szinten vizsgáltuk az SPSS 13.0 One-Way ANOVA (Homogeneity of Variance Test) módszerével, kettőnél több módszer esetén pedig a Duncan teszttel. Az összehasonlítást a minták négyzetes eltérése (SE) ((4) egyenlet): SE = (y,-y,)2 (4) alapján végeztük. Vizsgálati eredmények A víztartó képesség becslésében szerepet játszó talajtulajdonságokat a 4. táblázatban tüntettük fel becslési eljárá-
