پهنه بندی رقومی شوری خاک سطحی با بکارگیری مدل جنگل تصادفی در اراضی شور دشت ایوانکی.
محل انتشار: مجله تحقیقات آب و خاک ایران، دوره: 55، شماره: 3
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 70
نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJSWR-55-3_006
تاریخ نمایه سازی: 29 خرداد 1403
چکیده مقاله:
هدف این مطالعه بررسی تغییرات مکانی شوری خاک با استفاده از مدل RF در بخشی از دشت ایوانکی (استان سمنان، ۱۳۹۸) بود. تعداد ۱۰۴ نمونه به روش شبکه (فاصله ۱۰۰ متر)، از ۱۰۵ هکتار خاک های، واقع بر روی مارن و آبرفت های سنگریزه دار و کاربری پسته کاری با آبیاری جویچه ای و اراضی رها انجام شد. بیشترین EC خاک در اراضی رها شده و باغ پسته به ترتیب ۲/۱۷۳و ۳۴ dSm-۱ بود. عوامل شوری مواد مادری، کیفیت آب آبیاری، PET زیاد و خیز مویینه املاح بود. ضریب تبیین (R۲) نقشه پیش بینی شوری توسط مدل RF مساوی ۴۹/۰ و مهم ترین شاخص های کمکی، شوری نرمال شده، خیسی توپوگرافی، سطح مبنای زهکش، پوشش گیاهی نرمال شده و پوشش گیاهی تعدیل شده خاک بودند. شاخص های نسبت طیفی داده های لندست ۸، در پیش بینی تغییرات شوری اهمیت زیادی داشتند. از ۵ متغیر کمکی موثر در مدل، ۳ متغیر مربوط به شاخص های نسبت طیفی بود. دلیل اهمیت شاخص های نسبت طیفی در مدل، تجمع نمک در سطح خاک، و کاهش سهم متغیرهای زمین نما به دلیل مسطح بودن منطقه بود. کاربرد NDVI به تنهایی برای مطالعات شوری کافی نیست و استفاده از شاخص های شوری و رطوبت برای پیش بینی صحیح ضروری است. بررسی همبستگی بین متغیر های کمکی و اجرای مدل حذف برگشتی نشان داد که متغیرهای کمکی زیاد، سبب افزایش پیچیدگی و خطا در پیش بینی میشود. روش حذف برگشتی با شناسایی مهم ترین متغیرها به ساده سازی مدل کمک کرد. نقشه پیش بینی شوری با مدل جنگل تصادفی با مشاهدات میدانی تطابق داشت و منطقه بحرانی شوری را به خوبی مشخص نمود.
کلیدواژه ها:
نویسندگان
لیلا جهانبازی
گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه تهران، تهران، ایران.
احمد حیدری
گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه تهران، تهران، ایران.
محمدحسین محمدی
گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه تهران، 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 :