مهتاب پیرباوقار

با توجه به نقش کربن آلی در حاصلخیزی خاک، جلوگیری از فرسایش خاک و ترسیب میزان دی اکسید کربن پیش بینی مقدار کربن آلی خاک از اهمیت خاصی برخوردار است. در این پژوهش کارایی تکنیکهای رگرسیون چندمتغیره خطی و غیر خطی گام به گام، شبکه عصبی مصنوعی و روشهای زمین آماری (کریجینگ معمولی، کوکریجینگ و وزندهی عکس فاصله) در پیشبینی مقدار کربن آلی خاک بررسی شد. بدین منظور 150 نمونه خاک از عمق 15-0 سانتیمتری دشت قروه-دهگلان در استان کردستان جمع آوری گردید. سپس توزیع اندازه ذرات و مقدار کربن آلی خاکها در آزمایشگاه اندازه گیری شد. شاخصهای توپوگرافی شامل ارتفاع، شیب، جهت شیب و شاخص خیسی با استفاده از نقشه ی رقومی ارتفاع (DEM) در محیط ArcGIS بدست آمدند. همچنین شاخصهای گیاهی شاخص نرمال شده اختلاف پوشش گیاهی (NDVI) و شاخص پوشش گیاهی با تنظیم انعکاس خاک (SAVI) با استفاده از تصاویر ماهواره ای لندست 8 در محیط MATLAB بدست آمدند. نتایج نشان داد که کارایی شبکه عصبی مصنوعی (74/0 =R2) در تخمین مقدار ماده آلی خاک بیشتر از رگرسیون چندمتغیره خطی (37/0 =R2) و رگرسیون چندمتغیره غیرخطی (41/0 =R2) بود. همچنین نتایج حاصل از رگرسیون خطی و غیرخطی بیانگر آن بود که متغیرهای درصد رس و شاخص های پوشش گیاهی (NDVI) و SAVI) بیشترین همبستگی را با ماده آلی خاک داشته است (05/0 =α). اعتبارسنجی متقاطع روشهای درونیابی استفاده شده نشان داد که روش کوکریجینگ با متغیر کمکی درصد رس خاک (50/0 =RMSE) بیشترین دقت را نسبت به کریجینگ معمولی (54/0 =RMSE) و وزن دهی عکس فاصله (56/0 =RMSE) در درونیابی مقدار ماده آلی خاک داشته است.