مدل‌سازی روند تغییرات شوری خاک با استفاده از شاخص‌های پوشش گیاهی، شوری و روش جنگل تصادفی (مطالعه موردی: شهرستان گمیشان، استان گلستان)

زمینه و هدف: شور شدن خاک یک فرآیند تخریب زمین است که منجر به تجمع بیش از حد نمک های محلول در خاک می شود. با توجه نبود اطلاعات در رابطه با خصوصیات شوری و بویژه با رویکردهای نقشه برداری نوین و همچنین اهمیت شوری خاک به عنوان یک ویژگی پویا و تاثیرگذار بر روی کیفیت خاک، تحقیق حاضر بر اساس مدل سازی مکانی شوری خاک با مدل جنگل تصادفی در منطقه مورد مطالعه شهرستان گمیشان واقع در استان گلستان در بازه زمانی 2000 تا 2024 انجام شده است.روش پژوهش: در تحقیق حاضر 150 نقطه نمونه برداری به روش روش اَبرمکعب لاتین انتخاب و 36 پارامتر بعنوان داده های محیطی در مدلسازی شامل: شاخص های پوشش گیاهی، شاخص های شوری خاک و شاخص های باندهای تصاویر ماهواره ای (مانند باند آبی، سبز، قرمز و...) استفاده شده است. همچنین برای تهیه شاخص های مورد نظر از تصاویر ماهواره ای لندست (سنجنده tm) سال 2000 و لندست 8 (سنجندۀ oli) سال 2024 استفاده شد. پس از تهیه پارامترهای محیطی و داده های شوری خاک، از مدل جنگل تصادفی (rf) برای مدل سازی استفاده گردیده شد. نتایج آماره های توصیفی برای ec سطحی خاک نشان می دهد که مقدار ec خاک در 150 نمونه خاک از 0.28 تا 107.46 دسی زیمنس بر متر (ds/m) متغیر بوده و انحراف معیار آن 2.58 است. مهمترین پارامترهای حاصل از آنالیز حساسیت مدل جنگل تصافی در مدلسازی شوری خاک، شاخص های پوشش گیاهی مانند mnf، pca و شاخص های باندهای تصاویر ماهواره ای می باشند. با توجه به اینکه پوشش گیاهی منطقه ضعیف است، بنابراین حضور و تجمع نمک در سطح خاک به راحتی توسط مولفه های اصلی تصویر ماهواره لندست شناسایی می شوند.یافته ها: نتایج نشان داد که ارتباط زیادی بین داده های خاک و متغیرهای محیطی وجود دارد، به طوری که نقشه نهایی شوری خاک را با ضریب تبیین 0.87 پیش بینی کرده است. مقایسه روند تغییرات شوری خاک از سال 2000 تا 2024 نشان می دهد که منطقه گمیشان در این مدت به سمت شور شدن پیش می رود. مقدار حداکثر و حداقل شوری در سال 2000 به ترتیب 0.93 و 54.65 و مقدار حداکثر و حداقل شوری در سال 2024 به ترتیب 1.14 و 71.87 دسی زیمنس بر متر (ds/m) می باشد. نتایج مقایسه روند تغییرات کلاس های شوری خاک نشان داد که مساحت کلاس های بدون محدودیت، محدودیت کم و محدودیت زیاد به ترتیب 848، 12110 و 15202 هکتار (0.63-، 8.95، 11.23- درصد) کاهش، و مساحت کلاس های محدودیت زیاد، محدودیت خیلی زیاد و محدودیت شدید به ترتیب 3256، 18906 و 5995 هکتار (2.41، 13.97 و 4.43 درصد) افزایش یافته اند.نتایج: روند تغییرات شوری در منطقه به سمت مرکز و جنوب افزایشی است که با روند تغییرات مهم ترین متغیرهای کمکی تشخیص داده شده مانند pca، همخوانی دارد. از نتایج این تحقیق می توان نتیجه گیری نمود که خاک های منطقه مورد مطالعه دارای محدودیت شوری و نیز تغییرپذیری زیاد مکانی از نظر مقدار پارامترهای خاک بخصوص شوری می باشند. این مسئله نشان می دهد که برای اصلاح و بهسازی خاک های منطقه گمیشان نیاز به تهیه نقشه های خاک می باشد.

modeling the trend of soil salinity changes using vegetation cover, salinity indices and random forest method (case study: gomishan county, golestan province)

introduction: soil salinization is a land degradation process that leads to excessive accumulation of soluble salts in the soil. given the lack of information regarding salinity characteristics, especially modern mapping approaches, and the importance of soil salinity as a dynamic and influential characteristic on soil quality, the present study was conducted based on spatial modeling of soil salinity with a random forest model in the study area of gomishan county, golestan province, during the period 2000 to 2024.methods: in the present study, 150 sampling points were selected using the latin hypercube method and 36 parameters were used as environmental data in modeling, including vegetation cover indices, soil salinity indices, and satellite images band indices (such as blue, green, red bands, etc.). also, to prepare the desired indicators, landsat (tm) satellite images from 2000 and landsat 8 (oli sensor) from 2024 were used. after preparing environmental parameters and soil salinity data, the random forest (rf) model was used for modeling. the results of descriptive statistics for soil surface ec show that the soil ec value in 150 soil samples varied from 0.28 to 107.46 deci-siemens per meter (ds/m) and its standard deviation is 2.58. the most important parameters obtained from the sensitivity analysis of the random forest model in soil salinity modeling are vegetation cover indices such as mnf, pca and band indices of satellite images. given that the vegetation cover of the region is poor, the presence and accumulation of salt on the soil surface are easily identified by the main components of the landsat satellite image.results: the results showed that there is a strong correlation between soil data and environmental variables, such that the final map predicted soil salinity with a coefficient of determination of 0.87. a comparison of the trend of soil salinity changes from 2000 to 2024 shows that the gomishan region is moving towards salinization during this period. the maximum and minimum salinity values in 2000 were 0.93 and 54.65, respectively, and the maximum and minimum salinity values in 2024 were 1.14 and 71.87 deci-siemens per meter (ds/m), respectively. the results of comparing the trends in soil salinity classes showed that the areas of the no-limitation, low-limitation, and high-limitation classes decreased by 848, 12,110, and 15,202 hectares (-0.63, 8.95, and -11.23 percent), respectively, and the areas of the high-limitation, very high-limitation, and severe-limitation classes increased by 3,256, 18,906, and 5,995 hectares (2.41, 13.97, and 4.43 percent), respectively.conclusion: the trend of salinity changes in the region is increasing towards the center and south, which is consistent with the trend of changes in the most important auxiliary variables identified, such as pca. from the results of this study, it can be concluded that the soils of the studied region have limited salinity and also have high spatial variability in terms of the amount of soil parameters, especially salinity. this indicates that soil maps are needed to improve and refinement the soils of the gomishan region.