مقایسه روش‎های درون‎یابی زمین‎آماری (کریجینگ) برای تخمین شوری خاک و عملکرد گندم در مزرعه نمونه ارتش آق ‏قلا

در دهه اخیر داده‎های به دست آمده از سامانه اطلاعات جغرافیایی (GIS) و سامانه موقعیت‏یاب جهانی (GPS) و زمین‎آمار نقش مهمی در مطالعه توزیع مکانی ویژگی‎های خاک داشته‎اند و نتایج به دست آمده اغلب حاکی از این است که تغییرات ویژگی‎های خاک می‎تواند در فواصل بسیار کوچک (در حد چند میلی‎متر) تا فواصل طولانی (چندین کیلومتر) صورت گیرد. این پژوهش با هدف مقایسه روش‏های مختلف درون‏یابی (کریجینگ) برای تعیین بهترین مدل در تهیه نقشه متغیرهای شوری خاک و عملکرد گندم در مزرعه نمونه ارتش آق‏قلا اجرا گردید. به منظور مطالعه اثرات شوری خاک و تغییرات آن در طول فصل رشد گندم، با روش نمونه‏برداری سیستماتیک از 101 نقطه در مزارع نمونه ارتش آق‏قلا نمونه‏ خاک تهیه شد و مقادیر EC و pH در دو مرحله رشد گندم و عملکرد متناظر آن‏ها در مرحله برداشت اندازه‏گیری شد. به منظور درون‏یابی مقادیر شوری، کریجینگ‏های معمولی، جهانی و فصلی در تلفیق با پنج مدل واریوگرامی مورد آزمون قرار گرفتند. به این منظور مزرعه به چهار قسمت جداگانه تقسیم و مدل‏ها به شکل جداگانه آزمون شدند. نتایج حاصل از روش‎های درون‎یابی کریجینگ نشان داد که از بین سه روش و پنج مدل انتخابی، روش کریجینگ معمولی‎ با مدل نمایی در برآورد شوری خاک و کریجینگ جهانی با مدل نمایی در برآورد عملکرد گندم از دقت بالاتری برخوردار هستند. در این مطالعه رابطه معنی‏داری بین اختلاف شوری دو مرحله با عملکرد گندم مشاهده شد، به نحوی که به ازای هر واحد افزایش شوری، عملکرد به میزان 5/4 گرم کاهش یافت. همچنین نتایج آزمون خاک نشان داد که مقدار EC برای هر کدام از 4 واحد A، B، C و D، بسته به توپوگرافی و مساحت واحد متفاوت بود، به نحوی که در زمینه شوری خاک واحد A با طیف شوری پایین‎تر در دو مرحله نمونه‎برداری، بیشترین عملکرد را نشان داد. طبق نتایج روش‎های درون‎یابی در زمینه پیش‎بینی عملکرد گندم برای 4 واحد A، B، C و D، واحد A طیف عملکرد بیشتر و واحد B طیف عملکرد کم‎تری نسبت به واحد‏‏های دیگر از خود نشان دادند‎.‎ در واحد A شوری کمتر بود و صرفا رقم کوهدشت کشت می‏شد، در حالی که در سایر واحدها سایر ارقام نیز (لاین 17، مروارید، کوهدشت و 8019 N) کشت می‏شدند. در کل نتایج نشان داد که سامانه اطلاعات جغرافیایی در کنار سایر اطلاعات می‏تواند ابزار قدرتمندی برای تشخیص اثرات عوامل غیر زنده (نظیر شوری) بر کارکرد بوم‏ نظام‏های کشاورزی باشد. همچنین نتایج بر این واقعیت تاکید دارند که مزارع از نظر عوامل مختلف، در معرض نوسان‏های مکانی گسترده‏ای قرار دارند و به همین دلیل مدیریت‏های متفاوتی را می‏ طلبند.