نقشه برداری رقومی تغییرات سطحی و زیرسطحی کربن آلی و شوری خاک در بخشی از اراضی دشت قزوین (مطالعه موردی: مناطق آبیک و نظر آباد)

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 114

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JSW-37-2_009

تاریخ نمایه سازی: 16 مرداد 1402

چکیده مقاله:

آگاهی از توزیع مکانی شوری و کربن­ آلی خاک منجر به دستیابی به اطلاعات ارزشمندی می­گردد که در اتخاذ تصمیمات مدیریتی برای فعالیت­های کشاورزی موثر است. این مطالعه با هدف بررسی تغییرات مکانی قابلیت هدایت الکتریکی (EC) به عنوان بیانگر وضعیت شوری خاک و کربن­آلی خاک (SOC) در دو لایه سطحی (صفر تا۳۰ سانتی­متر) و زیرسطحی (۳۰-۶۰ سانتی­متر) با استفاده از چهار الگوریتم یادگیری ماشین جنگل تصادفی (RF)، درخت تصمیم (DTr)، رگرسیون بردار پشتیبان (SVR) و شبکه عصبی مصنوعی (ANN) در دشت قزوین انجام شد. بدین منظور، از ۲۷۸ خاکرخ مطالعاتی نمونه­برداری گردید و پس از عبور از الک دو میلی­متر، مقادیر EC و SOC آنها اندازه­گیری گردید. متغیرهای کمکی مستخرج از مدل رقومی ارتفاع و ماهواره لندست ۸، شامل ارتفاع (Elevation)، تابش پخشیدگی (Diffuse)، شاخص همواری کف دره با درجه تفکیک بالا (MrVBF)، شاخص تفاوت پوشش گیاهی نرمال شده (NDVI)، شاخص خیسی ساگا (SWI) و شاخص جهت باد (WE) به­عنوان نمایندگان عوامل خاکسازی مورد استفاده قرار گرفتند. نتایج نشان داد که مدل RF برای پیش­بینی EC خاک در لایه سطحی با R۲ برابر با ۷۴/۰ و RMSE ۳۶/۰ و nRMSE ۰۷/۰وهمچنین پیش­بینی کربن­آلی در هر دو لایه سطحی و زیر سطحی با R۲ به­ترتیب برابر با ۹۰/۰ و ۸۰/۰ و به دنبال آن مدل DTr برای پیش­بینی شوری خاک در لایه زیرسطحی با R۲ ۷۷/۰ و RMSE/ ۹/۰ و nRMSE ۱۷/۰ نسبت به سایر مدل­ها دارای صحت بالاتری بودند. همچنین، متغیرهای توپوگرافی شامل ارتفاع، شدت تابش پخشیدگی و شاخص همواری کف دره با درجه تفکیک بالا بیشترین ارتباط را با تغییرات شوری و کربن­آلی خاک در هر دولایه سطحی و زیرسطحی داشتند. به طور کلی مدل­های RF و DTr به همراه متغیرهای توپوگرافی توانستند تغییرات شوری و کربن­آلی سطحی و زیرسطحی خاک را با صحت قابل قبول در منطقه مورد مطالعه ارائه نمایند؛ که نقشه­های تهیه شده می­توانند برای اعمال تصمیم­­های مدیریتی لازم در مورد خاک­های  منطقه مورد استفاده قرار گیرند.

کلیدواژه ها:

تغییرات سطحی و عمقی ، متغیرهای محیطی ، مدلسازی رقومی ، نقشه برداری ویژگی های خاک

نویسندگان

گردآفرین رضایی

دانشجوی دکتری پیدایش و رده بندی و ارزیابی خاک، گروه علوم و مهندسی خاک، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی ، تهران، ایران.

فریدون سرمدیان

استاد گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران

علی محمدی ترکاشوند

استاد گروه علوم و مهندسی خاک،واحد علوم و تحقیقات، دانشگاه آزاد اسلامی ، تهران، ایران.

جواد سید محمدی

استادیار پژوهش، موسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران.

مریم مرعشی علی آبادی

استادیار گروه علوم و مهندسی خاک، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی ، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Abd El-Aziz, S.H., Gameh, M.A., & Ghallab, A. (۲۰۱۸). Applications ...
  • Abd-Elmabod, S.K., Fitch, A.C., Zhang, Z., Ali, R.R., & Jones, ...
  • Batista, F. (۲۰۲۰). Geostatistical analysis of soil properties of the ...
  • Boehner, J., Koethe, R., Conrad, O., Gross, J., Ringeler, A., ...
  • Boser, B.E., Guyon, I.M., & Vapnik, V.N. (۱۹۹۲). A training ...
  • Breiman, L. (۲۰۰۱). Random forests: Machine Learning ۴۵(۱): ۵-۳۲. https://doi.org/۱۰.۱۰۲۳/A:۱۰۱۰۹۳۳۴۰۴۳۲۴ ...
  • Corwin, D.L. (۲۰۲۱). Climate change impacts on soil salinity in ...
  • Esfandiarpour-Boroujeni, I., Shahini-Shamsabadi, M., Shirani, H., Mosleh, Z., Bagheri-Bodaghabadi, M., ...
  • Fathizad, H., Ali Hakimzadeh Ardakani, M., Sodaiezadeh, H., Kerry, R., ...
  • Fu, T., Gao, H., & Liu, J. (۲۰۲۱). Comparison of ...
  • Halima, O.I., Azzouzi, M.E., Douaik, A., Azim, K., & Zouahri, ...
  • Hamzehpour, N., Shafizadeh-Moghadam, H., & Valavi, R. (۲۰۱۹). Exploring the ...
  • Khamoshi, S. E., Sarmadian, F., & Keshavarzi, A. (۲۰۱۸). Digital ...
  • Khaledian, Y., & Miller, B.A. (۲۰۲۰). Selecting appropriate machine learning ...
  • Khazaie, E., Bostani, A. A., & Davatgar, N. (۲۰۱۷). Geostatic ...
  • Lamichhane, S., Kumar, L., & Wilson, B. (۲۰۱۹). Digital soil ...
  • Rahmani, A., Sarmadian, F., & Arefi, H. (۲۰۲۲). Digital mapping ...
  • Rossel, R.A.V. & McBratney, A.B. (۲۰۰۹). Diffuse reflectance spectroscopy as ...
  • Shabani, S., Samadianfard, S., Sattari, M. T., Mosavi, A., Shamshirband, ...
  • Taati, A., Sarmadian, F., Motaghian, H., & Mousavi, S.R. (۲۰۲۰). ...
  • Taghadosi, M.M., Hasanlou, M., & Eftekhari, K. (۲۰۱۹). Soil salinity ...
  • Wang, J., Peng, J., Li, H., Yin, C., Liu, W., ...
  • Wu, W., Zucca, C., Muhaimeed, A. S., Al‐Shafie, W. M., ...
  • نمایش کامل مراجع