چکیده: اهمیت بهره‌برداری صحیح و اصولی از منابع محدود آب و خاک بر همگان روشن است. خاک به عنوان یکی از مهمترین عناصر حیاتی نقش مهمی در زندگی موجودات دارد. تخریب اراضی به طور عمده نتیجه استفاده نادرست و مدیریت نامطلوب اراضی و یا به عبارتی "استفاده از اراضی به صورت نامتناسب با قابلیت و پتانسیل آنها" میباشد که باعث میگردد اراضی از منابعی ابدی و قابل تجدید به منابعی موقتی و آسیبپذیر تبدیل شوند. این مطالعه برای بررسی الگوی تغییرات مکانی و پهنهبندی برخی خصوصیات فیزیکی و شیمیایی در خاک‌های فضای سبز استان یزد، شهرستان ابرکوه با استفاده از سامانه اطلاعات جغرافیایی (GIS) و همچنین بررسی امکان تخمین پارامتر‌های مدل فیلیپ و هورتون و سرعت نفوذ نهایی آب در خاک با استفاده از شبکه عصبی مصنوعی و ماشین بردار پشتیبان (SVM) بوده است. برای انجام این پژوهش 100 نقطه در فضای سبز شهری انتخاب شد. در تمامی نقاط مورد مطالعه، خاک از عمق 30-0 سانتیمتری سطح خاک جمعآوری و برخی از خصوصیات فیزیکی و شیمیایی خاک نظیر بافت، هدایت الکتریکی، اسیدیته، و ماده آلی، آهک نفوذپذیری و ... با استفاده از روشهای استاندارد آزمایشگاهی اندازهگیری شد. سپس با بهرهگیری از قابلیتهای نرم افزار GIS نسبت به تهیه نقشه پراکنش مکانی اقدام گردید. در نزدیکی نقاط اندازه گیری نفوذپذیری خاک به روش استوانه‌ی مضاعف تعیین گردید. نتایج نشان داد که روش میانیابی کریجینگ نسبت به روش وزن‌دهی معکوس فاصله عملکرد بهتری داشت. شبکه‌های عصبی پرسپترون چند لایه (MLP) با چهار طراحی با 3، 5، 7 و 9 ورودی و ماشین بردار پشتیبان با نه ورودی برای برآورد سرعت نهایی نفوذ و پارامترهای مدلهای نفوذ به کار گرفته شد. نتایج نشان داد که در برآورد پارامترهای مدل فیلیپ و هورتون شبکههای طراحی شده با نه پارامتر ورودی بیشترین ضریب تبیین و کمترین خطا را نسبت به سایر شبکههای طراحی شده بیشترین کارایی را داشتند. نتایج آنالیز حساسیت نشان میدهد که حساسیت بهترین مدل MLP و SVM در شبیهسازی سرعت نفوذ نهایی به دو پارامتر نسبت جذب سدیم و ماده آلی بیشتر از هفت فاکتور دیگر بوده است. همچنین مدل SVM با دقت بسیار بالا توانایی تخمین و پیش‌بینی مقادیر نفوذپذیری نهایی خاکها را بر اساس پارامترهای زود یافت خاک دارد و کارایی این شبکه بیشتر از شبکه MLP در تخمین سرعت نفوذ نهایی آب به خاک بود.