عنوان
|
پیش بینی کربن آلی خاک در ارتباط با تغییر پوشش اراضی با استفاده از مدل شبکه عصبی
|
نوع پژوهش
|
پایان نامه
|
کلیدواژهها
|
سنجش از دور، کربن آلی خاک، کاربری اراضی، شبکه عصبی مصنوعی
|
چکیده
|
تغییرات پوشش/ کاربری اراضی و تخریب جنگل و خاک به طور مؤثر بر انتشار گازهای گلخانه ای اثر می گذارد و منجر به گرمایش جهانی می گردد. با توجه به نقش کربن آلی در پایداری خاک، جلوگیری از فرسایش و کنترل میزان دی اکسید کربن هوا، پایش کربن آلی خاک از اهمیت زیادی برخوردار است. اهداف این مطالعه عبارتند از: برآورد کربن آلی خاک به کمک داده های محیطی، بررسی تغییرات مکانی کربن آلی خاک و ارزیابی و پایش کاربری اراضی و پوشش گیاهی منطقه در طی بازه زمانی 2009-1987 و پیش بینی کربن آلی خاک با استفاده از شبکه عصبی مصنوعی. منطقه مورد مطالعه جنگل آرمرده واقع در شهر بانه می باشد. روش تصادفی طبقه بندی شده به منظور مشخص کردن محل پلات های نمونه برداری در واحدهای همگن انتخاب شد. نمونه گیری های خاک از دو عمق20-0 و 40-20 سانتی متری خاک انجام گرفت. وزن مخصوص ظاهری نمونه های خاک به روش کلوخه و درصد کربن آلی خاک به روش والکی- بلاک تعیین شد. روش درون یابی کریجینگ جهت تعیین توزیع مکانی کربن آلی مورد بررسی قرار گرفت. برای تهیه نقشه کاربری اراضی و پوشش منطقه از تصاویر ماهواره ای لندست برای سال های (1987، 1998 و 2009) استفاده گردید. نقشه های کاربری اراضی با استفاده از شاخص NDVI، الگوریتم حداقل فاصله و طبقه بندی نظارت شده تهیه گردید. شبکه عصبی مصنوعی پرسپترون چند لایه جهت پیش بینی کربن آلی خاک به کار گرفته شد. نتایج نشلن داد که بیشترین مقدار کربن آلی خاک در کاریری جنگل در عمق 20-0 سانتی متری خاک و کمترین آن در کاربری زراعی در عمق40-20 سانتی-متری مشاهده شد. روش درون یابی مذکور نیز توزیع مکانی کربن آلی خاک در کاربری های مختلف را به خوبی نشان داد. نقشه کاربری اراضی در 5 طبقه شامل اراضی فاقد پوشش گیاهی، خاک، مراتع تنک، مراتع متراکم و کشاورزی تهیه گردید. دقت این طبقه بندی مورد ارزیابی قرار گرفت و ضریب کاپا برای سال های مذکور به ترتیب 98/0، 99/0 و 98/0 به دست آمد. ضریب همبستگی و جذر میانگین مربعات خطای حاصل از مدل شبکه عصبی مصنوعی در مرحله آموزش در عمق 20-0 به ترتیب 758/0 و 4/0 و در عمق 40-20 به ترتیب 829/0 و 3/0 به دست آمد. نتایج بررسی روند کلی تغییرات نشان دهنده افزایش قابل توجه مساحت مرتع، کاهش جنگل (کشاورزی) و ثابت ماندن کلاس خاک بین سال های 1987و 2009 بود. شبکه عصبی مصنوعی نشان داد که از روش فوق می توان به
|
پژوهشگران
|
سامره فلاحتکار (استاد مشاور)، جمیل امان اللهی (استاد راهنما)، فردین کریمی (دانشجو)
|