تخمین نسبت سدیم قابل ‌تبادل بر اساس نسبت جذبی سدیم در خاک‌ های شور در خراسان رضوی، ایران

نسبت سدیم قابل‌تبادل (esr) و نسبت جذبی سدیم (sar) دو فاکتور مهم در خاک‌های سدیمی می‌باشد. تخمین دقیق نسبت سدیم قابل‌تبادل (esr) که اغلب با استفاده از تست‌های آزمایشگاهی پرهزینه و وقت‌گیر انجام می‌شود، از اهمیت زیادی در اصلاح خاک‌های سدیمی برخوردار می‌باشد. در مطالعات صورت گرفته در مناطق مختلف، بین نسبت سدیم قابل‌تبادل (esr)  و نسبت جذبی سدیم (sar) رابطه قابل قبولی گزارش‌شده است. هدف از این مطالعه ارزیابی رابطه رگرسیون خطی بین کاتیون‌های محلول و قابل‌تبادل و نسبت جذبی سدیم در دشت سرخس استان خراسان رضوی می‌باشد. در این مطالعه 124 نمونه خاک به‌طور تصادفی از لایه‌های سطحی و عمیق خاک‌های نواحی آزمایش برداشته شد. نمونه‌های خاک از عمق‌های 0-30 سانتی‌متری تا 30-60 سانتی‌متری عمق خاک به‌وسیله آگر برداشته شد. سپس مدل رگرسیون خطی برای تخمین نسبت سدیم قابل‌تبادل در خاک‌های شور خاک بکار رفت. نسبت سدیم قابل‌تبادل اندازه‌گیری شده در نمونه‌های خاک با نسبت سدیم قابل‌تبادل تخمینی توسط مدل مورد مقایسه قرار گرفت. نتایج نشان داد که مقادیر esr و sar نسبت به عمق تغییرپذیری زیادی داشته و esr از  sar تغییرپذیری بیشتری نشان داد. نتایج آنالیزهای آماری نشان داد که به ترتیب در عمق‌های 30-0 سانتی‌متری و 60-30 سانتی‌متری خاک مدل رگرسیونی esr=0.0182sar0.027 با (r2=0.92, p<0.001) و esr=0.0157sar0.020 با (r2=0.83, p<0.001) مورد قبول می باشند. بنابراین به‌جای آزمایش‌های وقت‌گیر و پر هزینه می­توان از این دو مدل رگرسیونی در منطقه مورد مطالعه استفاده کرد.

prediction of soil exchangeable sodium ratio based on soil sodium adsorption ratio in saline soils of khorasan razavi, iran

sodium absorption ratio (sar) and exchangeable sodium ratio (esr) are two indicators of sodicsoils. accurate prediction on exchangeable sodium ratio (esr), which is often using costly and timeconsuming laboratory tests is important in reclamation of sodium (na)-affected soils. a significantcorrelation between esr and sodium adsorption ratio (sar) has been documented in many studies in different regions. the main purpose of this study is to develop a linear regression model between soluble and exchangeable cations in the sarakhs plain, northeast iran. in this study, 124 soil samples were randomly taken from the surface and subsurface the experimental site. the soil samples collected using a soil auger at 0-30 cm and 30-60 cm depth. then the linear regression model was used for predicting soil (esr) in saline soils. the soil esr values measured in soil samples compared to the soil esr values predicted using the soil esr-sar model. the results revealed that esr and sar are highly variable irrespective of depth despite a slight decrease with depth. the statistical results indicate that the linear regression model esr=0.0182sar-0.027 (r2= 0.92, p <0.001) andesr=0.0157sar-0.020 (r2=0.83, p<0.001) recommended to predict soil esr from soil sar insurface soil (0-30 cm) and subsurface soil (30-60 cm), respectively. in conclusion, the soil esr-sarmodel can be used instead of time-consuming and costly experiments in this study area.