مدل سازی مکانی و پیش بینی شاخص حاصلخیزی خاک در دو منطقه خشک و نیمه خشک استان ایلام

استفاده از رویکردهای معمول شناسایی حاصلخیزی خاک در مناطق با وسعت زیاد، فعالیتی زمان بر و پرهزینه است. از این رو پژوهش حاضر با هدف مدل سازی و پیش بینی پراکنش مکانی شاخص حاصلخیزی خاک (SFI) در دو منطقه خشک (دهلران) و نیمه خشک (بدره) در استان ایلام، با استفاده از مدل های جنگل تصادفی (RF)، کوبیست (CB) و کریجینگ معمولی (OK) انجام شد. در مجموع ۲۰۴ نمونه خاک از افق سطحی دو منطقه به روش ابرمکعب لاتین برداشته و ویژگی های فیزیکی و شیمیایی آن ها اندازه گیری شد. متغیرهای محیطی شامل شاخص های توپوگرافی، سنجش از دور و اقلیمی (میانگین بارش و دمای سالانه) به عنوان ورودی مدل ها استفاده شد. انتخاب متغیرهای موثر به دو روش «شاخص تورم واریانس« (VIF) و الگوریتم «باروتا« (Boruta) انجام شد. در نهایت، ۹ متغیر در منطقه دهلران و ۱۲ متغیر در منطقه ولیعصر بدره انتخاب شد. نتایج نشان داد مدل RF با مقادیر R² برابر ۰/۷۹ و ۰/۶۰ و RMSE برابر۰/۶۴ و ۰/۶۹ به ترتیب در اراضی دهلران و بدره، دقت بالاتری نسبت به دو مدل دیگر دارد. نقشه های پهنه بندی نشان داد که بیش از ۷۰ درصد اراضی هر دو منطقه در کلاس های حاصلخیزی زیاد و بسیار زیاد قرار دارند. بررسی اهمیت متغیرها بیانگر نقش کلیدی میانگین دمای سالانه (MAT) و بارش (MAP) در تغییرپذیری SFI در هر دو منطقه مطالعاتی است. هم چنین، شاخص های سنجش از دور در دهلران و عوامل توپوگرافی در بدره تاثیر بیشتری داشتند. به طور کلی، ترکیب الگوریتم RF با داده های اقلیمی، توپوگرافی و سنجش از دور، ابزاری کارآمد برای تولید نقشه های دقیق حاصلخیزی خاک فراهم می آورد.

کلیدواژه ها:

درون یابی مکانی ، شاخص حاصلخیزی خاک ، متغیرهای کمکی ، نقشه برداری رقومی خاک ، یادگیری ماشین