بررسي تغييرپذيري مكاني شاخص‌هاي كيفيت خاك در كشتزارهاي منطقه نظرآباد در غرب استان البرز

Investigating Spatial Variability of Soil Quality Indices in Nazar Abad Fields, West of Alborz Province

آﮔﺎﻫﻲ از ﺗﻮزﻳﻊ ﻣﻜﺎﻧﻲ كيفيت ﺧﺎك از ﻣﻬﻢ‌ﺗﺮﻳﻦ ﻣﻮﺿﻮﻋﺎت در ﺷﻨﺎﺳﺎﻳﻲ، ﺑﺮﻧﺎﻣﻪ‌رﻳﺰي، ﻣﺪﻳﺮﻳﺖ و ﺑﻬﺮه‌ﺑﺮداري بهينه از ﻣﻨﺎﺑﻊ خاك در هر منطقه است. در اين مطالعه ويژگي‌هاي خاك سطحي (30-0 سانتي‌متر) در 95 مزرعه در منطقه نظرآباد استان البرز اندازه‌گيري و با استفاده از روش تجزيه به مؤلفه‌هاي اصلي (PCA)T داده‌هاي مؤثر بر كيفيت خاك انتخاب شدند و شاخص كيفيت تجمعي وزني (SQIw) و ساده (SQIa) و شاخص كيفيت نمورو (NQI) با استفاده از كل ويژگي‌ها و حداقل ويژگي‌ها تعيين شدند. تغييرات مكاني شاخص‌هاي كيفي خاك با استفاده از فن زمين‌آمار تحليل و توزيع مكاني آن‌ها با استفاده از روش كريجينگ معمولي تعيين شد. بر اساس نتايج، شاخص SQIW حاصل از حداقل ويژگي‌ها دقت بيشتري بر اساس آماره‌هاي R2 برابر با 92/0، ميانگين خطاي مطلق (MAE) برابر با 09/0 و ريشه ميانگين مربعات خطاي نرمال­شده (NRMSE) 01/0 داشت. بهترين مدل زمين‌آماري برازش­ يافته بر داده‌هاي شاخص SQIW و SQIa حاصل از حداقل داده‌ها مدل نمايي (95/0=2R) بود و براي شاخص NQI حاصل از حداقل داده‌ها مدل نيم‌تغييرنماي كروي بهترين برازش (90/0=2R) را داشت. همچنين دامنه تأثير شاخص‌هاي SQIa، SQIW و NQI به‌ترتيب 8، 10 و 5/11 كيلومتر بود. كيفيت خاك كشتزارها به‌شدت وابسته به توزيع اندازه ذرات اوليه به‌ويژه شن و رس با ضريب وابستگي 90/0 و 85/0 بود. اين ويژگي در منطقه از شرق به غرب روند كاهشي داشت. اين پژوهش نشان داد كه روش زمين‌آمار براي بررسي تغييرات مكاني شاخص‌هاي كيفيت خاك كاربرد دارد و نقشه‌هاي توزيع مكاني اين شاخص‌ها مي‌تواند براي طراحي راهبردهاي پايدار مديريت خاك در كشتزارها به كار گرفته شود.

Information about the spatial distribution of soil quality is one of the most significant issues in recognition, planning, management and optimal exploitation of soil resources in each area. In the this study, the characteristics of soil surface (0-30 Cm) were measured in 95 fields in the Nazar Abad region in Alborz province and the factors influencing soil quality were selected using principal component analysis (PCA) method. In addition, the weighted additive soil quality index (SQIw), the additive soil quality index (SQIa) and the Nemero soil quality index (NQI) were determined using total data set (TDS) and minimum data set (MDS). Spatial variability of these soil quality indices were analyzed using geostatistics technique and their spatial distribution were determined using the Ordinary kriging method. Based on the results and among the soil quality indices, the SQIw obtained from the MDS, had a higher accuracy in the area with R2 of 0.89, mean absolute error (MAE) of 0.11 and normalized root mean squares error (NRMSE) of 0.1. The exponential variogram model (R2 = 0.95) indicated that the SQIw and SQIa indices using MDS had the best fitness, whereas, the spherical model (R2= 0.90) was strongly fitted to the NQI index obtained from MDS. Furthermore, the effective range of spatial variability for SQIa, SQIw and NQI indices was 8, 10 and 11.5 kilometers, respectively. Soil quality of the fields in the area was strongly related to the soil particles size distribution, especially sand and clay percentages with coefficients of 0.90 and 0.85, respectively. Soil quality value in the area decreased considerably from west to east. This study revealed that the geostatistics technique can be used for spatial analysis of soil quality indices in the area and spatial distribution maps of these indices can be effectively used to plan the sustainable soil management strategies in the fields.