1کارشناس ارشد خاکشناسی دانشکده کشاورزی دانشگاه گیلان
2مربی پژوهش موسسه تحقیقات برنج کشور
3کارشناس آزمایشگاه شیمی خاک موسسه تحقیقات برنج کشور
چکیده
اندازهگیری گنجایش تبادل کاتیونی خاکها، CEC، که از خواص شیمیایی مهم تاثیرگذار بر سایر خواص فیزیکی، هیدرولیکی، حاصلخیزی و بیولوژیکی خاک میباشد، با وجود ضروری بودن، بسیار پرهزینه و وقتگیر است. استفاده از برخی خصوصیات فیزیکی و شیمیایی که با سهولت و هزینه کمتر اندازهگیری میشوند، میتواند در پیشبینی گنجایش تبادل کاتیونی موثر باشد. هدف از این تحقیق ایجاد یک تابع انتقالی مناسب برای برآورد گنجایش تبادل کاتیونی خاکهای استان گیلان با استفاده از توزیع اندازه ذرات، درصد کربنآلی و pH میباشد. برای این تحقیق از 1676 داده مربوط به خاکهای استان گیلان از بانک اطلاعات آزمایشگاه شیمی خاک موسسه تحقیقات برنج کشور استفاده گردید. 1260 داده به عنوان دادههای آموزشی (برای ایجاد مدل) و 416 داده به عنوان دادههای آزمونی (برای ارزیابی اعتبار تابع) مورد استفاده قرار گرفتند. با استفاده از روش رگرسیون چندگانه، متغیرها به روش گام به گام پیشرو گزینش و وارد مدل شدند. مدل ایجاد شده (pH 453/1 – 5/0OC 863/7 + Clay 32/0 + 524/15 = CEC) با بقیه مدلهای منتشر شده در منابع مقایسه و با توجه به بالاتر بودن ضریب تبیین تعدیل شده (R2adj) و کمتر بودن مقادیر آمارههای ME و RMSE، به عنوان مدل برتر انتخاب شد. نتایج نشان داد که متغیرهای رس، کربنآلی و pH، 8/42 درصد از تغییرات CEC را توجیه مینمایند و در این میان با توجه به ضریب ß نقش رس بیشتر از بقیه متغیرها است.
Estimation of Cation Exchange Capacity in Guilan Soils
نویسندگان [English]
S. Moallemi1؛ Naser Davatgar2؛ F. Darigh Goftar3
1M.Sc. of Soil Science, Faculty of Agriculture, University of Guilan
2Researcher, Rice Research Institute of Iran
3Laboratory Epert of Soil Chemistry, Rice Research Institute of Iran
چکیده [English]
Measuring cation exchange capacity (CEC) of soils is both time consuming and expensive. CEC can be estimated, indirectly, from some readily and cheaply measured chemical and physical properties of soils. The objective of this study was to develop a proper pedotransfer function (PTF) for predicting CEC in soils of Guilan by particle size distribution, organic carbon percentage and acidity (pH). A total of 1676 data from the soil chemical laboratory of Rice Research Institute of Iran database in Rasht, Guilan, were used to develop the predictive CEC model: 1260 data were used for model calibration and 416 data were used for validation. The variables were selected by using stepwise regression method. The developed model (CEC = 15.524 + 0.32 Clay + 7.863 OC0.5 – 1.453 pH) was compared with the other existing models and was selected as the best predictive model on the basis of the greatest R2adj and the smallest ME and RMSE. The results showed that 42.8 percentages of CEC variations can be interpreted by clay, organic carbon and pH variables, with the clay variable having the largest impact according to the greatest ß coefficient.
احیایی، م. 1376. شرح روشهای تجزیه شیمیایی خاک. جلد دوم. موسسه تحقیقات خاک و آب. تهران.
احیایی، م و ع. ا. بهبهانیزاده. 1372. شرح روشهای تجزیه شیمیایی خاک. جلد اول. موسسه تحقیقات خاک و آب. تهران.
بغدادی، م. 1377. بررسی خاکهای شمال ایران (استان گیلان) طرح تهیه نقشه جامع خاکهای ایران. موسسه تحقیقات خاک و آب. نشریه فنی شماره 1045.
دواتگر، ن.، م. کاووسی، م. ح. علینیا و م. پیکان. 1384. برررسی وضعیت پتاسیم و اثر خواص فیزیکی و شیمیایی خاک بر آن در شالیزارهای استان گیلان. مجله علوم و فنون کشاورزی و منابع طبیعی 89:4-71.
کریمیان، ن. ع. 1375. سهم رس و موادآلی در ظرفیت تبادل کاتیونی خاکهای آهکی استان فارس. پنجمین کنگره علوم خاک ایران. کرج. ایران.
محمودی، ش. و م. حکیمیان (مترجمان).1377. مبانی خاکشناسی. چاپ دوم. انتشارات دانشگاه تهران.
میرخانی، ر.، شعبانپور، م. و س. سعادت. 1384. استفاده از فراوانی نسبی ذرات و درصد کربنآلی برای برآورد ظرفیت تبادل کاتیونی خاکهای استان لرستان. مجله علوم خاک و آب 242:19-235.
نوربخش، ف.، جلالیان، ا. و ح. شریعتمداری. 1382. تخمین گنجایش تبادل کاتیونی خاک با استفاده از برخی ویژگیهایی فیزیکوشیمیایی خاک. مجله علوم و فنون کشاورزی و منابع طبیعی 117:3-107.
Amini M., K.C. Abbaspour, H. Khademi, N. Fathianpour, M. Afyuni, and R. Schulin. 2005. Neural Network Models to Predict Cation Exchange Capacity in Arid Regions of Iran. Eur. J. Soil Sci.. 56:551-559.
Bell, M.A., and H. van Keulen. 1995. Soil pedotransfer functions for four Mexican soils. Soil Sci. Soc. Am. J. 59: 865-871.
Breeuwsma, A., J.H.M. Wosten, J.J. Vleeshouwer, A.M. van Slobbe, and J. Bouma. 1986. Derivation of land qualities to assess environmental problems from soil surveys. Soil Sci. Soc. Am. J. 50:186-190.
Horn A. L., R. A. Düring, and S. Gäth. 2005. Comparison of the prediction efficiency of two pedotransfer functions for soil cation-exchange capacity. Plant Nutr. and Soil Sci.168:372-374.
Manrique, A., Jones, C.A., and P.T. Dyke. 1991. Predicting cation-exchange capacity from soil physical and chemical properties. Soil Sci. Soc. of Am. J. 50:787-794.
McBratney A. B., B. Minasny, S. R. Cattle, and R. W. Vervoort. 2002. From pedotransfer functions to soil inference systems. Geoderma 109:41-73.
Miller W. F. 1970. Inter-regional predictability of cation-exchange capacity by multiple regression. Plant and Soil 33:721-725.
Pachepsky, Y. A., and W. J. Rawls. 1999. Accuracy and reliability of pedotransfer functions as affected by grouping soils. Soil Sci. Soc. Am. J. 63:1748-1757.
Parfitt R.L., D.J. Giltrap, and J.S. Whitton.1995. Contribution of organic matter and clay minerals to the cation exchange capacity of soils. Communications in soil sci. and plant analysis USA. Vol. 26, no.910
Seybold C. A., R. B. Grossman, and T. G. Reinsch. 2005. Predicting Cation Exchange Capacity for Soil Survey Using Linear Models. Soil Sci. Soc. Am. J. 69:856-863.
Sparks, D. L. 1953.Environmental soil chemistry. Academic Press. Inc. London.
Wilding, L. P., and L. R. Dress. 1983. Spatial variability and pedology. pp. 83-116. In: L. P. Wilding, N. E. Smeck and G. F. Hall (Eds.), pedogensis and soil taxonomy. I. Concepts and interactions. Elsevier Sci., Pub., North Hollan