پيش‌ بيني مكاني كربن آلي افق سطحي خاك با استفاده از عوامل طيفي و غيرطيفي (مطالعۀ موردي؛ مرتع ييلاقي آسوران، استان سمنان)

Spatial Prediction of Soil Surface Organic Carbon Using Spectral and Non-Spectral Factors (Case Study; Asuran Summer Rangeland, Semnan Province)

كربن آلي خاك يكي از مهم­ترين شاخص‌هاي كيفيت خاك است. هدف از انجام اين پژوهش مطالعة رفتارهاي طيفي و غيرطيفي خاك به منظور برآورد كربن آلي خاك سطحي با استفاده از روش‌هاي تحليل عاملي و رگرسيون چندگانه در مراتع نيمه‌استپي آسوران استان سمنان است. نمونه‌برداري از خاك، با استفاده از روش نمونه‌برداري تصادفي طبقه‌بندي شده صورت گرفت. پس از ايجاد نقشۀ واحدهاي همگن منطقه، در هر واحد همگن متناسب با مساحت آن، چندين نقطۀ نمونه‌برداري به صورت كاملاً تصادفي انتخاب شد. در مجموع تعداد 145 نقطۀ نمونه‌برداري برداشت شد. در هر يك از نقاط نمونه‌برداري، يك نمونۀ خاك تركيبي (مخلوطي از 9 مشاهده) برداشت شد. كربن آلي خاك با استفاده از روش تيتراسيون والكلي – بلاك اندازه‌گيري شد. اطلاعات 114 نمونه براي واسنجي مدل و اطلاعات 31 نمونه براي اعتبارسنجي آن به­ كار گرفته شد. نتايج نشان داد ميزان همبستگي متغيرهاي طيفي حاصل از سنجندۀ OLI لندست 8 با كربن آلي خاك سطحي نسبت به متغيرهاي غيرطيفي حاصل از نقشه‌هاي توپوگرافي 1:25000 بيشتر است. همچنين نتايج تحليل عاملي به روش تجزية مؤلفه‌هاي اصلي با مقادير ويژة بزرگتر از يك نشان داد كل واريانس تجمعي تبيين‌شده به ­وسيلة 14 متغير، برابر 90/2 درصد بود كه اين ميزان واريانس به­وسيلة سه عامل توضيح داده شد. معادلة رگرسيون توليد شده با 3 عامل استخراج شده، از پتانسيل مناسبي براي پيش‌بيني كربن آلي خاك سطحي برخوردار بود (0/59 = R2). ريشة متوسط مربعات خطا (RMSE) مدل پيشنهادي برابر 0/3 محاسبه شد. با توجه به ارتباط مستقيم كربن آلي خاك با عوامل حاصلخيزي و مقاومت خاك در مقابل فرسايش، مدل توزيع مكاني كربن آلي خاك مي‌تواند به ­عنوان يك زيرمدل مهم به منظور طراحي ساير مدل‌هاي پيچيده همچون توليد (بايومس) اكوسيستم‌هاي خشكي و مدل‌هاي فرسايش خاك مورد استفاده واقع شود.

Soil organic carbon is one of the most important indicators of soil quality. The purpose of this study is to study the spectral and non-spectral behaviors of soil in order to estimate the organic carbon of topsoil using factor analysis and multiple regression methods in the semi-steppe rangelands of Asuran, Semnan province. Soil sampling was performed using stratified random sampling method. After creating a map of homogeneous units in the area, in each homogeneous unit according to its area, several sampling points were selected completely randomly. A total of 145 sampling points were collected. At each sampling point, a composite soil sample (a mixture of 9 observations) was taken. Soil organic carbon was measured using Valkyli-Block titration method. Data of 114 samples were used to calibrate the model and data of 31 samples were used to validate it. The results showed that the correlation of spectral variables obtained from Landsat OLI sensor with surface soil organic carbon is higher than non-spectral variables obtained from 1: 25000 topographic maps. Also, the results of factor analysis by principal component analysis with eigenvalues greater than one showed that the total cumulative variance explained by 14 variables was equal to 90.2%, which was explained by three factors. The regression equation generated by the three extracted factors had suitable potential for predicting surface soil organic carbon (R2 = 0.59). The root mean square error (RMSE) of the proposed model was calculated to be 0.3.