رونديابي تغييرپذيري مكاني كربن آلي خاك در كاربري‌‌هاي مختلف يك حوزه نيمه خشك

Spatial Variability Delineation of Soil Organic Carbon in Different Land Use Type of a Semi-arid Watershed

كربن آلي خاك كليدي‌ترين عامل در باروري و كيفيت خاك و حفاظت محيط زيست، به ويژه در مناطق نيمه‌‌خشك بوده و تنها ابزار شناخته شده براي اصلاح تغييرات اقليمي و كاهش گازهاي گلخانه‌‌اي در جو زمين مي‌باشد. مديريت كربن آلي خاك مستلزم شناخت ساختار تغييرپذيري آن در زمان و مكان است. اين پژوهش با هدف مقايسه كارايي روش‌‌هاي مختلف درون‌‌يابي كربن آلي خاك در كاربري‌‌هاي مختلف يك حوزه نيمه‌‌خشك در غرب كشور انجام شد. نتايج نشان داد كه روش‌‌هاي كريجينگ معمولي، كوكريجينگ با متغير كمكي درصد آهك و روش RBF با تابع اسپلين، به ترتيب داراي بيشترين كارايي در درون‌‌يابي بودند. با تفكيك كاربري‌‌ها و درون‌‌يابي مجزا در آنها، روش مناسب درون‌‌يابي عبارت بود از كوكريجينگ معمولي با متغير كمكي درصد سنگريزه سطحي، درصد آهك و كلاس فرسايش، به ترتيب براي مرتع، زراعت و جنگل بود كه تفاوت زيادي با روش RBF نداشت. مدل مناسب براي كليه روش‌‌هاي درون‌‌يابي زمين‌‌آماري در كليه كاربري‌‌ها، مدل نمايي با گام حدود 750 تا 1000 متر و خطاي اندازه‌گيري متوسط (35 تا 65 درصد) بود. استفاده از روش درون‌‌يابي پلي‌‌گونال كريجينگ توانست اثر نوع كاربري را در تغييرات مكاني كربن آلي خاك نشان دهد؛ اما تغيير چنداني در شاخص‌‌هاي كارايي درون‌‌يابي ايجاد ننمود. ضمن آنكه خطاي برآورد در دامنه جنوبي بخش مرتع، به دليل تفاوت زياد در جهت ناهمسان گردي و روند نسبت به واريوگرام پايه، در روش پلي‌‌گونال كريجينگ بيشتر بود.

Soil organic carbon (SOC) is a very important component of soil that supports sustainability and quality in all ecosystems, especially in semi-arid region, and is so important for climate change mitigation. This study was conducted to determine optimum interpolation method for draw SOC spatial variability in a semi-arid region from west of Iran. Cross validation results indicated that ordinary Kriging, Co-Kriging with calcareous percent as secondary variable and RBF with Spline with tension function and optimized parameters, were more efficient to interpolate SOC contents when all data in all land use were applied for interpolating. After division land uses, best interpolation methods were co-Kriging with secondary variable included: surface gravel percent, calcareous percent and soil degradation classes for rangelands, agriculture and forest lands respectively. Exponential model was suitable semivariogram model for all geostatistical methods in all land use types. Optimum lag size and measurement errors in all methods were 750 to 1000 meters and 35-65%, respectively. Application of polygonal Kriging analyses spatial structure of SOC with land use discrimination and abrupt borders between different land use types. But polygonal Kriging did not improve efficiency indices in interpolation, significantly. Estimation error specially increased in south part of ranges because of differences in anisotropy direction and trend existence from data in this location and base variogram in polygonal Kriging