پیش بینی شاخص سلامت خاک در محیط های کارستی با استفاده از تحلیل مولفه های اصلی و مدل های یادگیری ماشین مطالعه موردی چشمه ساسان ایران

سلامت خاک به عنوان شاخصی کلیدی در پایداری اکوسیستم های کارستی نقش مهمی در چرخه کربن و مدیریت منابع طبیعی ایفا می کند. این پژوهش با هدف توسعه یک شاخص ترکیبی سلامت خاک و بررسی روابط غیرخطی آن با متغیرهای اقلیمی در منطقه پایش چشمه ساسان در جنوب غرب ایران انجام شد. داده های پیوسته شامل رطوبت، حجمی، هدایت الکتریکی، دمای خاک و غلظت CO۲ در دو عمق (۲۰ و ۵۰ سانتیمتر) به همراه پارامترهای اقلیمی، دما، رطوبت نسبی و CO۲ هوا طی بازه دسامبر ۲۰۲۴ تا جولای ۲۰۲۵ گردآوری شدند. تحلیل مولفه های اصلی (PCA) برای استخراج شاخص سلامت خاک (SHI) و مولفه های ترکیبی اقلیمی به کار رفت و چهار مدل رگرسیونی شامل رگرسیون خطی ریج، جنگل تصادفی و شبکه عصبی پرسپترون چندلایه توسعه و ارزیابی شدند. نتایج نشان داد که مولفه اصلی اول (PC۱) در داده های خاک با ۳۱/۸۱ درصد واریانس به عنوان شاخص سلامت خاک شناسایی شد و رطوبت خاک و هدایت الکتریکی بیشترین بارگذاری مثبت و دما بارگذاری منفی معنادار بر این شاخص داشتند. دو مولفه اصلی اقلیمی نیز بیش از ۹۷ درصد تغییرپذیری دما، CO۲ و رطوبت را تبیین کردند. در مدل سازی شبکه عصبی با ۰.۶۳۸ = R و ۱.۸۸۴۱ = RMSE بهترین عملکرد را در پیش بینی SHI داشت و تحلیل حساسیت نشان داد که CO۲ و دما اثر غالب و رطوبت نسبی نقش ثانویه ای در تغییرات SHI دارند. این یافته ها اهمیت به کارگیری مدل های یادگیری ماشین در پایش سلامت خاک و طراحی راهبردهای مدیریتی سازگار با تغییرات اقلیمی در مناطق کارستی را برجسته می سازد.

کلیدواژه ها:

پایش پارامترهای خاک و هوا ، شاخص سلامت ، خاک ، چشمه ساسان ، کازرون