ارزيابي و مدل سازي تراكم كربن آلي خاك با استفاده از داده هاي زميني و سنجش از دور در دو نوع كاربري در منطقه فندوقلو استان اردبيل

سابقه و هدف: كـربن آلـي خـاك نقـش بسـيار مهمـي در افزايش توليد محصولات كشاورزي، كاهش فرسايش خاك و كـاهش انتشار گازهاي گلخانه‌اي دارد. درك بهتر از مقدار و ذخيره كربن آلي خاك براي استفاده از خاك و حفظ بهره‌وري آن مؤثر و ضروري مي باشد. مراتع گسترده منطقه فندوقلو در استان اردبيل به‌طور بالقوه مي‌توانند مقادير قابل توجهي از كربن را حفظ و ترسيب كند اما به‌دليل افزايش جمعيت در معرض تغيير كاربري اراضي قرار دارند. چنين تنش‌هايي منجر به تخريب زمين و كاهش ترسيب كربن در برخي قسمت‌ها خواهد شد. بنابراين هدف اين مطالعه شناسايي متغيرهاي طبيعي مؤثر در ترسيب و تراكم كربن آلي خاك انجام شده است كه مي‎توان از متغيرهاي شناسايي شده براي اصلاح و كاهش تخريب مراتع و اراضي زراعي در منطقه فندوقلو استفاده كرد. مواد و روش‌ها: با استفاده از تكنيك اَبَر مكعب لاتين و متغيرهاي مكاني مانند نقشه‌هاي خاك، كاربري اراضي و زمين‌شناسي، محل نقاط نمونه‌برداري تعيين شد. براي هر واحد كاربري (مرتع يا زراعي) 70 نمونه خاك سطحي مركب (در كل 140 نمونه) از عمق صفر تا 15 سانتي‌متري جمع‌آوري شد. پس از آماده‌سازي نمونه‌هاي خاك، خصوصيات فيزيكي و شيميايي خاك‌ها با توجه به روش‌هاي استاندارد اندازه‌گيري شد. مدل رقومي ارتفاعي از منطقه مورد مطالعه با استفاده از خطوط هم‌تراز نقشه توپوگرافي تشكيل و مشتقات اوليه و ثانويه ساخته شد. باندهاي لندست هشت از درگاه زمين‌شناسي ايالات متحده استخراج و شاخص تفاضل نرمال شده پوشش گياهي و نقشه حرارتي منطقه مورد مطالعه محاسبه شد. از مدل‌هاي رگرسيون خطي چندمتغيره و مدل شبكه عصبي مصنوعي با استفاده از داده‌هاي خاك، مدل رقومي ارتفاعي و مشتقات آن، شاخص تفاضل نرمال شده پوشش گياهي و نقشه حرارتي به عنوان متغيرهاي مستقل براي پيش‌بيني تراكم كربن آلي خاك استفاده شد. براي ارزيابي نتايج مدل‌ها، از ضريب تبيين و جذر ميانگين مربعات خطا استفاده شد.يافته‌ها: استفاده از مدل رگرسيون خطي چندمتغيره نشان داد كه نيتروژن كل خاك، شاخص تفاضل نرمال شده پوشش گياهي و ميانگين وزني قطر خاكدانه، 53 درصد تراكم كربن آلي خاك را در مراتع توجيه نمود در حالي كه 46 درصد از تراكم كربن آلي خاك در كاربري زراعي توسط نيتروژن كل خاك و انحناي سطح توجيه گرديد. نتايج آزمون تي جفتي، تفاوت معني‌داري (0.01 P) بين تراكم كربن آلي خاك در كاربري مرتع و زراعي نشان داد. شبكه عصبي مصنوعي با آرايش 24 10 1 و تابع انتقال تانژانت سيگموييدي در لايه پنهان به ترتيب 71 درصد و 82 درصد از تراكم كربن آلي خاك را در كاربري مرتع و زراعي توجيه نمود. جذر ميانگين مربعات خطا مدل‌هاي رگرسيون خطي چندمتغيره براي پيش‌بيني تراكم كربن آلي خاك در كاربري مرتع و زراعي به‌ترتيب 1.07 و 1.04 بود، اما همين مقادير در مدل شبكه عصبي مصنوعي به‌ترتيب براي كاربري مرتع و زراعي به 0.85 و 0.58 كاهش يافت. تحليل حساسيت نشان داد كه مدل شبكه عصبي مصنوعي به‌شدت به مدل رقومي ارتفاعي و رطوبت خاك در نقطه پژمردگي حساس هستند.نتيجه‌گيري: نتيجه اين مطالعه حاكي از معني‌داري اثر پوشش ‌گياهي و ميانگين وزني قطر خاكدانه روي ترسيب كربن در كاربري مرتع بود. نتايج شبكه‌هاي عصبي مصنوعي كه براي شبيه‌سازي تغييرات تراكم كربن آلي خاك مورد استفاده قرار گرفت، نشان دادند كه اين شبكه ها مي‌توانند با شناسايي اثرات اين متغيرها در رديابي بخش مهمي از تغييرات تراكم كربن آلي خاك در كاربري‌هاي مرتع و زراعي موفق عمل كنند. نتايج همچنين نشان داد كه توابع انتقالي به‌دست آمده توسط پارامترهاي توپوگرافيكي اوليه و ثانويه براي تخمين تراكم كربن آلي خاك مي‌تواند در منطقه، مورد استفاده قرار گيرد.