رقومی سازی کربن آلی خاک (مطالعه موردی: شهرستان کامیاران، استان کردستان)

سابقه و هدف:

 کربن آلی خاک نقشی حیاتی درکنترل اقلیم و پایداری محیط زیست دارد. همچنین کربن آلی تاثیر کلیدی بر خصوصیات فیزیکو شیمیایی و بیولوژیکی خاک دارد به نحوی که از آن به عنوان شاخص سلامت خاک نام برده می شود. به همین جهت، بررسی توزیع مکانی کربن آلی خاک از الزامات برنامه ریزی مدیریت اقلیم و خاک می باشد. روش های مرسوم برآورد کربن آلی خاک پر هزینه و زمان بر بوده و قابلیت تکرار و تعمیم به نقاط مشابه را ندارد. در سال های اخیر با پیشرفت تکنولوژی و نیاز روز افزون بشر برای دستیابی به اطلاعات زودیافت و صرفه جویی در هزینه، از طریق داده کاوی و به کمک تصاویر ماهواره ای و پارامترهای محیطی توپوگرافی، رقومی سازی ویژگی های خاک از جمله کربن آلی امکانپذیر شده است. نقشه برداری رقومی خاک در واقع توسعه یک مدل عددی یا آماری از رابطه بین متغیرهای محیطی و خصوصیات خاک است که برای داده های جغرافیایی زیادی به منظور تولید نقشه رقومی بکار می رود. سه هدف اصلی نقشه برداری رقومی خاک عبارت است از: 1) استنباط رابطه بین متغیرهای محیطی و خصوصیات خاک، 2) تولید و ارایه داده هایی که پیوستگی خاک-زمین نما را بهتر نمایش می دهند و 3) بکارگیری صریح دانش کارشناس در طراحی مدل می باش همچنین نقشه برداری رقومی با ایجاد بینشی در مورد فرآیندهای خاکسازی، باعث پیشرفت بالقوه پدولوژی و جغرافیای خاک می شود.

در این پژوهش 110 نمونه خاک به همراه 101 پارامتر کمکی جهت پیش بینی کربن آلی خاک در شهرستان کامیاران (استان کردستان) استفاده گردید. با دو مدل رگرسیون خطی چند متغییره و شبکه عصبی مصنوعی به کمک نرم افزار JMP مدلسازی انجام شد.

نتایج نشان داد مقدار کربن آلی خاک در بخش های غربی و شمال غربی منطقه مورد مطالعه بیشترین مقدار است که شامل مناطق با پوشش جنگلی و مرتعی می باشد. متغیرهای کمکی سطح پایه شبکه کانال (40%)، باند 4 (23%)، مقدار آب برگ (20%)، زبری زمین (19%)، فاصله عمودی تا شبکه کانال (18%)، شیب حوزه (18%)، شاخص تفاضل نرمال شده پوشش گیاهی (17%)، سطح حوزه (16%)، جهت شیب (16%)، ارتفاع (16%)، باند 3 (15%)، شاخص جذب انعکاسی (14%)، باند 1 (14%)، باران (13%)، باند 5 (13%)، دمای هوا (12%)، شاخص پوشش گیاهی (11%)، شاخص خیسی توپوگرافی (10%)، شاخص تفاضل پوشش گیاهی (10%) و غیره بیشترین اثر را روی مدل سازی کربن آلی خاک در مدل شبکه عصبی مصنوعی داشته اند. مدلسازی توزیع کربن آلی خاک توسط شبکه عصبی مصنوعی (97/0= R2) نتیجه بهتری نسبت به رگرسیون خطی چند متغییره (59/0=R2) داشته است.

نتایج این پژوهش نشان داد که پراکنش کربن آلی بیشتر تحت تاثیر فاکتورهای توپوگرافی، پوشش گیاهی و اقلیم می باشد. در مناطقی که به هر دلیل امکان نمونه برداری در کل منطقه وجود ندارد، می توان از طریق داده های محیطی مانند پارامترهای توپوگرافی، اقلیمی و پوشش گیاهی و با روش های نوین داده کاوی برای تخمین کربن آلی خاک بهره گرفت.