نقشه برداری رقومی کربن آلی خاک با استفاده از داده های کمکی و مدل های یادگیری ماشین در حوضه آبخیز بدر، جنوب شهرستان قروه استان کردستان

کربن آلی خاک به عنوان عامل کلیدی در پایداری حاصلخیزی و باروری خاک و خدمات رسانی زیست بوم خاک محسوب می شود. کربن آلی خاک به عنوان یکی از موضوعات و چالش های مهم محیط زیستی در مقیاس جهانی در برنامه محیط زیست سازمان ملل متحد نیز گنجانده شده است. بررسی ها در ایران نشان می دهد به طور میانگین به ازای افزایش هر گرم کربن آلی در کیلوگرم خاک، عملکرد دانه گندم به طور میانگین ۲۸۶ کیلوگرم در هکتار افزایش می یابد. همچنین آگاهی از تغییرات کربن آلی خاک یکی از مولفه های اصلی در ارزیابی کیفیت خاک است. اهداف این مطالعه نقشه برداری رقومی کربن خاک و شناسایی اثرات ویژگی های محیطی بر پیش بینی های مقدار کربن آلی خاک، تجزیه و تحلیل اثر زیر مجموعه متغیرهای کمکی بر پیش بینی کربن آلی خاک و انتخاب بهترین مدل برای پیش بینی ذخایر کربن آلی خاک است. بنابراین مطالعه حاضر با هدف نقشه برداری رقومی کربن آلی خاک با استفاده از متغیرهای کمکی محیطی و مدل های پیش-بینی کننده و معرفی بهترین مدل ها در حوضه آبخیز بدر در جنوب شهرستان قروه انجام گرفت. برای انجام این پژوهش در مرحله اول، داده های کمکی ازجمله تصاویر ماهواره ای لندست ۸ و مدل رقومی ارتفاع با قدرت تفکیک مکانی ۱۰ متر منطقه از سازمان نقشه برداری کشور تهیه گردید. نقشه ی زمین شناسی قروه از سایت زمین شناسی کشور تهیه و نقشه زمین شناسی حوضه آبخیز بدر از آن استخراج و در محیط سامانه اطلاعات جغرافیایی رقومی گردید. نقشه ی ژئومرفولوژی با استفاده از نقشه زمین شناسی و بر اساس روش ژئوپدولوژی زینک در محیط سامانه اطلاعات جغرافیائی ترسیم گردید. در مرحله ی دوم، محل نقاط مشاهداتی تعیین گردید، شناسایی خاک ها در صحرا انجام پذیرفت، نمونه برداری از لایه های مختلف خاک انجام شد و اندازه گیری های فیزیکی و شیمیائی و کانی شناسی خاک ها انجام و خاک ها طبقه بندی شدند. در مرحله سوم، مدلسازی انجام، نقشه های رقومی کلاس ها و ویژگی های خاک تهیه گردید و ارزیابی مدل ها صورت گرفت. برای انجام این مطالعه، بر اساس تکنیک ابر مکعب لاتین، محل ۱۲۵ خاک رخ در منطقه مطالعاتی انتخاب و حفر شد. نمونه های خاک، پس از هوا خشک شدن در محیط آزمایشگاه، کوبیده و از الک ۲ میلیمتری عبور داده شدند. سپس ماده آلی خاک به روش سوزاندن تر اندازه گیری شد. جهت برآورد ویژگی های خاک، در مطالعه حاضر دو حالت مختلف مورد بررسی قرار گرفت. در حالت اول، مدل های شبکه عصبی مصنوعی، تحلیل درخت تصمیم و رگرسیون چند متغیره خطی برای پیش بینی مورد استفاده قرار گرفتند. همچنین جهت ترکیب نتایج مدل ها، از مدل نزدیک ترین همسایه استفاده شد. در مرحله دوم، مدل های تحلیل درخت تصمیم، شبکه عصبی مصنوعی، نزدیک ترین همسایه و جنگل تصادفی برای پیش بینی به کار رفتند. همچنین جهت ترکیب نتایج مدل ها در این حالت، از روش رگرسیون چند متغیره خطی ترکیبی استفاده گردید. با استفاده از روش ارزیابی کافلد مکانی ۱۰، نتایج پیش بینی مورد ارزیابی قرار گرفتند. نتایج نشان داد که در میان مدل های استفاده شده برای پیش بینی ماده آلی خاک، مدل رگرسیون چند متغیره خطی (MLR)با ضریب تعیین ۶۳۷/۰ و ریشه دوم متوسط مربعات خطا ۲۳۲/۰ از بیشترین دقت برای پیش بینی برخوردار بوده است. کمترین دقت پیش بینی به مدل نزدیک ترین همسایه K (KNN)، اختصاص یافته است. این در حالی است که با استفاده از روش اعتبارسنجی کافلد ۵ تصادفی، از بین مدل های شبکه عصبی مصنوعی (Artificial Neural Network, ANN)، تحلیل درخت تصمیم (Decision Tree Analysis, DTA)، رگرسیون چند متغیره خطی (Multi Linear Regression, MLR) و نزدیک ترین همسایه K (K Nearest Neighbor)، مدل نزدیک ترین همسایه K (KNN) با ضریب تعیین ۹۹۰۶/۰ و ریشه دوم متوسط مربعات خطا ۰۳۶۱/۰ از بیشترین دقت برای پیش بینی مقدار کربن آلی برخوردار بوده است. بخاطر مکانی بودن روش اعتبارسنجی کافلد ۱۰ مکانی، استفاده از این روش بر روش اعتبارسنجی کافلد ۵ تصادفی ارجحیت دارد.

کلیدواژه ها:

نقشه برداری رقومی خاک ، متغیرهای کمکی ، رگرسیون خطی چندگانه ، تصاویر ماهواره ای