>
Fa   |   Ar   |   En
   پیش‌بینی میزان کربن ترسیب شده در خاک مراتع تحت تاثیر عمق نمونه ‌برداری از خاک با استفاده از روش سطح پاسخ (rsm)  
   
نویسنده جعفریان زینب ,قربانی ژیلا
منبع مرتع - 1402 - دوره : 17 - شماره : 2 - صفحه:179 -194
چکیده    سابقه و هدف: کربن آلی خاک یکی از پارامترهای مهم تعیین کننده میزان حاصل خیزی خاک، قابلیت تولید و شاخص مهمی در نشان دادن کیفیت خاک مخصوصاً خاک های مناطق خشک و نیمه خشک است. مراتع، در حدود نیمی از خشکی های جهان را تشکیل می دهند و حاوی بیش از یک سوم ذخایر کربن زیست کره خاکی هستند. با توجه به این که مراتع به عنوان مهمترین اکوسیستم های خشکی، ذخایر طبیعی کربن به شمار می روند، بسیار مورد توجه بوده و نحوه و میزان ترسیب کربن در آن ها مهم است. مواد و روش ها: در این تحقیق پس از انتخاب مراتع واقع در دامنه جنوبی کوه دماوند،  با توجه به وضعیت جغرافیایی و پوشش گیاهی منطقه، 4 طبقه ارتفاعی از سطح دریا با نوع و ترکیب پوشش گیاهی یکسان همچنین شیب متوسط به گواهی بازدید میدانی و اطلاعات اداره منابع طبیعی ناحیه شامل طبقه ارتفاعی 1 (2664_2504 متر)، طبقه 2 (2896_2730 متر)، طبقه 3 (3050_2923 متر) و طبقه 4 (3545_3119 متر) جهت نمونه برداری از خاک در ارتفاع های متفاوت، معین گردید. در هر طبقه ارتفاعی، 13 نقطه تصادفی مشخص و از هر نقطه، سه نمونه خاک (در نقش تکرار) از اعماق 15_0 و 30_15 سانتی متر تهیه گردید. پس از اندازه گیری میزان کربن ترسیب شده در هر نمونه خاک، داده ها مورد تجزیه و تحلیل قرار گرفت. میزان ترسیب کربن در خاک (گرم بر متر مربع) با ضرب میزان کربن آلی خاک (درصد) در وزن مخصوص ظاهری(گرم بر سانتی متر مکعب) و عمق( سانتی متر) مورد مطالعه و عدد ثابت 10000به علت تبدیل واحد، محاسبه شد. سپس اقدام به ایجاد معادلات رگرسیونی و روش سطح پاسخ (rsm) شده و دقت آن ها در پیش بینی میزان ترسیب کربن با یکدیگر مقایسه گشته و روش دقیق تر مشخص شد. برای ارزیابی دقت مدل های رگرسیونی و روش سطح پاسخ از ضریب تعیین (r^2) میان داده های اندازه گیری شده و پیش بینی شده استفاده شد. نتایج: نتایج تجزیه واریانس داده ها نشان داد که فقط عمق نمونه برداری، اثر معنی داری بر میزان ترسیب کربن خاک داشته و اثر ارتفاع نمونه برداری همچنین اثر متقابل عمق و ارتفاع نمونه برداری بر میزان ترسیب کربن خاک بی معنی بود. در حالت کلی، میزان ترسیب کربن در عمق 30_15 سانتی متری بیشتر از 15_0 سانتی متر بوده و در هر دو عمق تحت بررسی، طبقه ارتفاعی 4 (3545_3119 متر) بیشترین میزان ترسیب کربن خاک را داشت. به علاوه پس از طبقه ارتفاعی4، بیشترین میزان ترسیب کربن مربوط به طبقه ارتفاعی1 (2664_2504 متر) بود. بیشترین میزان ترسیب کربن به میزان 604654 گرم در متر مربع مربوط به طبقه ارتفاعی4 و عمق 30_15 سانتی متر و کمترین میزان ترسیب کربن در حدود 225000 گرم در متر مربع مربوط به طبقه ارتفاعی 2 و عمق 15_0 سانتی متر بود. در بخش مدل سازی، مدل درجه دوم روش سطح پاسخ با دقت بالاتر (0.7363=r^2) نسبت به مدل خطی همین روش (0.6014=r^2) و مدل کم دقت تر رگرسیونی (0.428=r^2)، میزان ترسیب کربن خاک مراتع را پیش بینی نمود. به علاوه، روش سطح پاسخ موفق به بهینه سازی ورودی ها به صورت ارتفاع 3500 متری و عمق دوم به منظور یافتن میزان ترسیب کربن در خاک به صورت 8088.117 گرم در متر مربع با رضایتمندی 0.976 گردید. نتیجه گیری: روش سطح پاسخ (rsm) به عنوان یک ابزار نوین نه تنها در پیش بینی و بهینه سازی میزان ترسیب کربن خاک مراتع تحت شرایط عمق و ارتفاع نمونه برداری متفاوت عملکرد مطلوبی دارد، بلکه می توان از آن به عنوان ابزاری هوشمند در جهت پیش بینی پارامترهای مختلف در علوم مرتع و مراتع تحت بررسی به عنوان مثال در پیش بینی حجم زیست توده زیرزمینی و روزمینی، نحوه پراکنش گونه های مرتعی و ... استفاده نمود.
کلیدواژه مدل‌سازی، روش سطح پاسخ، رگرسیون، ترسیب کربن، بهینه سازی
آدرس دانشگاه علوم کشاورزی و منابع طبیعی ساری, دانشکده منابع طبیعی, گروه مرتعداری, ایران, دانشگاه علوم کشاورزی و منابع طبیعی ساری, دانشکده منابع طبیعی, گروه مرتعداری, ایران
پست الکترونیکی engzhghorbani@gmail.com
 
   prediction of soil carbon sequestration in rangelands based on soil sampling depth and elevation using response surface methodology  
   
Authors jafarian zeinab ,ghorbani zhila
Abstract    background and objectives: organic carbon is a crucial parameter for assessing soil fertility, productivity, and quality, particularly in dry and semi-dry lands. rangelands cover approximately 50% of the earth's land area and store over 33% of the global carbon reservoirs. considering rangelands as significant terrestrial ecosystems and natural carbon reserves, understanding and quantifying carbon sequestration in these ecosystems is of great importance. methodology: this research focused on rangelands in the southern domain of damavand mountain. four height groups were selected based on geographic conditions, regional plant cover, and slope. each height group represented a different elevation range: group 1 (2504-2664 m), group 2 (2730-2896 m), group 3 (2923-3050 m), and group 4 (3119-3545 m). soil sampling was conducted at two depths (0-15 cm and 15-30 cm) using 13 random points within each height group. soil organic carbon and bulk density were measured, and carbon sequestration was calculated at the hectare level by multiplying organic carbon and depth. regression equations and response surface models (rsm) were developed using design software to predict carbon sequestration and compare their accuracy. results: analysis of variance (anova) showed that only sampling depth significantly affected soil carbon sequestration, while sampling height and the interaction between depth and height had no significant effect. carbon sequestration was higher at a depth of 15-30 cm compared to 0-15 cm. among the height groups, group 4 (3119-3545 m) exhibited the highest soil carbon sequestration, followed by group 1 (2504-2664 m). the highest carbon sequestration (6046.54 g/m2) was observed in height group 4 at a depth of 15-30 cm, while the lowest (2250 g/m2) was found in height group 2 at a depth of 0-15 cm. the quadratic model of the response surface methodology demonstrated higher accuracy (r^2 = 0.7363) in predicting soil carbon sequestration compared to the linear model (r^2 = 0.6014) and the less accurate regression model (r^2 = 0.428). the response surface method successfully optimized the inputs, suggesting a height of 3500 meters and a specific depth to achieve a soil carbon sequestration amount of 8088.117 g/m2 with a satisfaction level of 0.976. conclusion: the response surface methodology (rsm) proved to be a valuable tool for predicting and optimizing soil carbon sequestration in rangelands, considering different sampling depths and heights. it can also be utilized for predicting various parameters in rangeland science, such as above and underground biomass volume and plant species coverage. rsm offers a novel approach for understanding and managing rangeland ecosystems.
Keywords modeling ,response surface methodology ,regression ,carbon sequestration ,optimization
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved