| تعداد نشریات | 284 |
| تعداد نشریات سازمان | 82 |
| تعداد شماره‌ها | 3,034 |
| تعداد مقالات | 33,949 |
| تعداد مشاهده مقاله | 45,418,218 |
| تعداد دریافت فایل اصل مقاله | 69,071,144 |
توزیع مکانی کربن آلی خاک سطحی در تیپ های گیاهی مراتع آبخیزچهلگزی شهرستان سنندج، استان کردستان | ||
| پژوهش های آبخیزداری | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 28 اسفند 1403 | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/wmrj.2025.368385.1612 | ||
| نویسندگان | ||
| صلاح‌الدین زاهدی* 1؛ رستم خلیفه زاه2 | ||
| 1استادیار پژوهشی، بخش پژوهشی حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی کردستان | ||
| 2پژوهشگر گروه مرتع، موسسه تحقیقات جنگلها و مراتع کشور | ||
| چکیده | ||
| چکیدۀ مبسوط مقدمه و هدف کربن آلی خاک، یکی از مهمترین شاخص‌های کیفیت خاک است که تقریباً تمامی ویژگی‌های فیزیکی، شیمیایی و زیستی خاک را تحت تأثیر خود قرار داده و سبب حاصلخیزی خاک شده و در اکوسیستم های خشکی از جنبه‌های گوناگونی همچون کاهش اثرات گازهای گلخانه‌ای، افزایش عملکرد و حاصلخیزی خاک، کاهش فرسایش‌پذیری خاک، افزایش ظرفیت‌نگهداری آب و مواد غذایی و غیره، حائز اهمیت می‌باشد. لذا امروزه در زمره عوامل تعیین کننده سلامت خاک طبقه‌بندی شده است. هدف از انجام این پژوهش، ارزیابی توان عوامل طیفی و غیرطیفی خاک به منظور پیش‌بینی توزیع مکانی کربن آلی خاک سطحی در مراتع نیمهخشک چهلگزی سنندج با استفاده از تحلیل عاملی و رگرسیون خطی چندگانه است. مواد و روش‌ها از داده ماهوارة لندست 8 مورخ 18/06/2019 با شمارة مسیر (Path) و ردیف (Row) به ترتیب 167 و 35 استفاده شد. واحدهای کاری همگن برای نمونه‌برداری با استفاده از نقشه های شیب، جهت و طبقات ارتفاعی بدست آمده از نقشه های پایه و رقومی ارتفاع منطقه تهیه گردید. نمونه‌برداری از خاک، با استفاده از روش تصادفی طبقه‌بندی شده صورت گرفت. بدین منظور، تعداد 135 پایگاه تعلیمی در واحدهای کاری همگن انتخاب شد. از این تعداد، اطلاعات 105 پایگاه برای واسنجی مدل و اطلاعات 30 پایگاه برای اعتبارسنجی آن بکار گرفته شد. در هر یک از پایگاه‌های تعلیمی به شیوه تصادفی، یک نمونه خاک ترکیبی متشکل از نه مشاهده از عمق صفر تا 20 سانتیمتری خاک سطحی برداشت شد. در هر نمونه، محتوای کربن آلی خاک با استفاده از روش تیتراسیون والکلی – بلاک تعیین شد. با توجه به سطح منطقة مورد مطالعه و با بررسی تحقیقات انجام شده توسط سایر محققان، متغیرهای مستقل انتخاب شده به منظور پیش‌بینی کربن آلی خاک سطحی، در دو گروه شامل متغیرهای طیفی (حاصل از تصاویر لندست 8) و متغیرهای غیرطیفی (حاصل از عوامل پستی و بلندی) طبقه‌بندی شدند. به منظور تعیین یک مدل مناسب برای پیش‌بینی کربن آلی خاک سطحی، 22 متغیر مورد استفاده قرار گرفت. این متغیرها مشتمل بر 15 متغیر طیفی و هفت متغیر شکل معیار بودند. از میان 22 متغیر مورد نظر، تنها 15متغیر واجد توزیع نرمال و مناسب برای انجام تحلیل عاملی اولیه شناخته شدند. با تکرار تحلیل عاملی و بررسی کفایت داده‌ها از طریق شاخص KMO و آزمون کرویت بارتلت و شناسایی و حذف متغیرهای با کوچکترین وجوه اشتراک با اندازة دقت نمونه‌گیری کوچکتر از 5/0 و تکرار آزمون فوق، در نهایت تعداد 8 متغیر شامل؛ آلبیدوی سطح، شاخص NDVI، شاخص‌های روشنایی، سبزینگی و رطوبت تبدیل تسلدکپ، شاخص رس، شیب و ارتفاع از سطح تراز دریا، به‌عنوان متغیرهای مناسب و واجد صلاحیت برای ورود به مدل تحلیل عاملی انتخاب گردید. که از این میان 5 متغیر از نوع طیفی و 3 متغیر دیگر از نوع غیرطیفی هستند. که این امر دلالت بر اهمیت بیشتر متغیرهای طیفی نسبت به متغیرهای غیرطیفی در تبیین تغییرات متغیر پاسخ (کربن آلی خاک) دارد. با استفاده از رگرسیون خطی چندگانه، یک معادله رگرسیونی مناسب برای پیش‌بینی کربن آلی خاک سطحی محاسبه شد (R2= 0.66 ). نتایج و بحث جهت ایجاد مدل پیش‌بینی کربن آلی خاک، ابتدا رابطة رگرسیون خطی چندگانه میان کربن آلی خاک با لایه‌های اطلاعاتی عامل‌ها در 105 نقطة نمونه‌برداری شده، آزمون شد. با بررسی هم‌خطی چندگانه و محاسبة ضرایب متغیرهای مستقل به روش توأم، صحت مدل مذکور بررسی شد مقایسة میانگین ذخائر کربن آلی خاک سطحی در تیپ‌های گیاهی موجود در منطقة مورد مطالعه با استفاده از تجزیة واریانس، معنی‌دار بوده (01/0 < p) و با انجام تحلیل نمودار میانگین نرمال یک‌طرفه، تیپ‌های گیاهی دردو گروه (بیشتر و کمتر از میانگین کربن آلی کل رویشگاه) که برابر 26/1 درصد می باشد، طبقه‌بندی شدند. آزمون مدل رگرسیون با استفاده از 30 مشاهده نشان داد که ضریب همبستگی مقادیر پیش‌بینی شده با مقادیر واقعی کربن آلی برابر 71/0 بوده و ریشة متوسط مربعات خطا (RMSE) و میانگین نسبی خطای مطلق (MARE) به ترتیب برابر 191/0 و 117/0 می‌باشد. نتیجه‌گیری و پیشنهادها مطابق نتایج حاصل از تحلیل میانگین نرمال یک‌طرفه (ANOM) تیپ‌های گیاهی فوق در 2 گروه (برابر با میانگین کل کمتر از میانگین کل منطقه و بیشتر از میانگین کل منطقه) به شرح ذیل طبقه‌بندی شدند؛ الف) تیپ‌های گیاهی1، 2 و 5 که میانگین کربن آلی در افق سطحی خاک آنها اختلاف معنی‌داری با میانگین کل نمونه‌ها (150 نمونه) که برابر 26/1 می باشد در سطح احتمال (05/0> p) داشته و محتوای کربن آلی آنها به ترتیب 96/1، 39/1 و 1.44 می باشد. ب) تیپ‌های گیاهی 3 و 4 که میانگین کربن آلی در افق سطحی خاک آنها اختلاف معنی‌داری با میانگین کل نمونه‌ها (360 نمونه) که برابر 26/1 می باشد در سطح احتمال (05/0> p) داشته و محتوای کربن آلی آنها به ترتیب 88/0 و 16/1 می باشد. با توجه به نتایج بدست آمده، میانگین وزنی کربن آلی در خاک سطحی مراتع منطقه مورد مطالعه برابر 26/1 درصد می-باشد که با توجه به مساحت و توپوگرافی منطقه و تعداد نمونه های برداشت شده، در صورت افزایش تعداد نمونه ها و پراکنش مناسب تر نقاط نمونه برداری امکان تغییر این رقم وجود دارد. | ||
| کلیدواژه‌ها | ||
| مراتع نیمهخشک؛ لندست8؛ پارامترهای طیفی؛ پارامترهای شکل معیار؛ تحلیل عاملی اکتشافی؛ وایازی خطی چندگانه | ||
| عنوان مقاله [English] | ||
| The spatial distribution of Topsoil Organic Carbon in vegetation types of Chehelgazi rangelands, Sanandaj County, Kurdistan province | ||
| نویسندگان [English] | ||
| Salahudin Zahedi1؛ Rostam Khalifehzadeh2 | ||
| 1Soil Conservation and Watershed Management Research department, .of Kurdistan Agricultural and natural Resources research and Education Center | ||
| 2Researcher, Rangeland Section, Forests and Rangelands Research Institute, AREEO, Tehran, Iran | ||
| چکیده [English] | ||
| Extended Abstract Introduction and Goal Soil organic carbon is one of the most important soil quality indicators that affects almost all physical, chemical and biological properties of the soil and causes soil fertility and is important in dry ecosystems from various aspects such as reducing greenhouse gas effects, increasing soil yield and fertility, reducing soil erodibility, increasing water and nutrient retention capacity, etc. Therefore, today it is classified as one of the determinants of soil health. The purpose of this study is to evaluate the power of spectral and non-spectral soil factors to predict the spatial distribution of topsoil organic carbon in the semi-arid Chehelgazi rangelands of Sanandaj using factor analysis and multiple linear regression. Materials and Methods Landsat 8 satellite data dated 06/18/2019 with path and row numbers 167 and 35, respectively, were used. Homogeneous working units for sampling were prepared using slope, direction, and elevation class maps obtained from the base and digital elevation maps of the region. Soil sampling was carried out using a stratified random method. For this purpose, 135 training sites were selected in homogeneous working units. Of these, data from 105 sites were used to calibrate the model and data from 30 sites were used to validate it. In each of the training sites, a composite soil sample consisting of nine observations was randomly collected from a depth of 0 to 20 cm of topsoil. In each sample, the soil organic carbon content was determined using the Walkley-Block titration method. Considering the area of the study area and by reviewing the research conducted by other researchers, the independent variables selected for predicting topsoil organic carbon were classified into two groups including spectral variables (derived from Landsat 8 images) and non-spectral variables (derived from elevation and relief factors). In order to determine a suitable model for predicting topsoil organic carbon, 22 variables were used. These variables included 15 spectral variables and seven standard shape variables. Among the 22 variables considered, only 15 variables were identified as having a normal distribution and suitable for conducting an initial factor analysis. By repeating the factor analysis and examining the adequacy of the data through the KMO index and Bartlett’s Test of Sphericity and identifying and eliminating variables with the smallest common features with a sampling precision of less than 0.5 and repeating the above test, finally 8 variables including; surface albedo, NDVI index, brightness, greenery and moisture indices of the Tesselcap transformation, clay index, slope and altitude above sea level were selected as suitable and qualified variables to enter the factor analysis model. Of these, 5 are spectral variables and 3 are non-spectral variables. This indicates that spectral variables are more important than non-spectral variables in explaining changes in the response variable (soil organic carbon). Using multiple linear regression, a suitable regression equation was calculated to predict topsoil organic carbon (R2= 0.66). Results and Discussion To create a soil organic carbon prediction model, first the multiple linear regression relationship between soil organic carbon and the factor information layers at 105 sampled points was tested. By examining multiple collinearities and calculating the coefficients of independent variables using the joint method, the accuracy of the aforementioned model was examined. The comparison of the average soil organic carbon reserves in the plant types in the study area using analysis of variance was significant (p < 0.01). By performing a one-way normal mean plot analysis, the plant types were classified into two groups (more and less than the average total organic carbon of the habitat), which is equal to 1.26 percent. Regression model testing using 30 observations showed that the correlation coefficient of predicted values with actual organic carbon values was 0.71, and the root mean square error (RMSE) and relative mean absolute error (MARE) were 0.191 and 0.117, respectively. Conclusion and Suggestions According to the results of the one-way normal mean analysis (ANOM), the above plant types were classified into 2 groups (equal to the total mean less than the total area mean and greater than the total area mean) as follows; a) Plant types 1, 2 and 5 whose average organic carbon in the surface soil horizon has a significant difference with the average of all samples (150 samples) which is equal to 1.26 at the probability level (p < 0.05) and their organic carbon content is 1.96, 1.39 and 1.44 respectively. b) Plant types 3 and 4 whose average organic carbon in the surface soil horizon has a significant difference with the average of all samples (360 samples) which is equal to 1.26 at the probability level (p < 0.05) and their organic carbon content is 0.88 and 1.16 respectively. According to the results obtained, the average weight of organic carbon in the topsoil of the rangelands of the studied area is 1.26%. Considering the area and topography of the area and the number of samples taken, this figure may change if the number of samples is increased and the sampling points are more appropriately distributed. | ||
| کلیدواژه‌ها [English] | ||
| Semi-arid Rangelands, Landsat 8, Spectral parameters, Morphometric parameters, Exploratory Factor Analysis, Multiple Linear Regression | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 146 |
||