ارزیابی وضعیت ماده آلی خاک با استفاده از تکنیک رگرسیون کریجینگ و تصاویر ماهواره لندست

ماده آلی یکی از فاکتورهای مهم کیفی خاک است که تاثیر زیادی بر ویژگی های فیزیکی، شیمیایی و بیولوژیکی خاک دارد. برآورد دقیق تغییرات مکانی ماده آلی خاک بویژه در کشاورزی دقیق الزامی است. هدف از این پژوهش برآورد تغییرات مکانی ماده آلی خاک و وضعیت آن با استفاده از تکنیک رگرسیون کریجینگ در اراضی دشت قروه در استان کردستان می باشد. بدین منظور تعداد 150 نمونه خاک به روش سیستماتیک با فواصل 2×2 کیلومتر از عمق 0 تا 15 سانتیمتری جمع آوری شد. توزیع اندازه ذرات و مقدار ماده آلی خاک ها در آزمایشگاه اندازه گیری شدند. با استفاده از رگرسیون خطی چند متغیره گام به گام رابطه بین مقدار ماده آلی و داده های بافت خاک (درصد شن، سیلت و رس) و شاخص های پوشش گیاهی، بدست آمده از تصاویر ماهواره لندست 8، بدست آمد. به کمک مدل بدست آمده نقشه اولیه ماده آلی خاک تهیه شد. سپس مقدار باقیمانده های مدل رگرسیونی با روش کریجینگ معمولی درون یابی شد که پس از ادغام آن با نقشه اولیه، نقشه نهایی ماده آلی خاک بدست آمد. نقشه وضعیت ماده آلی خاک از همپوشانی نقشه ماده آلی خاک با نقشه بافت خاک در چهار کلاس خیلی کم، کم، متوسط و زیاد بدست آمد. نتایج حاصل از رگرسیون خطی چند متغیره نشان داد که متغیرهای درصد رس و شاخص پوشش گیاهی اصلاح شده (savi) اثر معنی داری بر روی مقدار ماده آلی خاک داشتند (p<0/05). بر اساس نتایج حاصل از ارزیابی متقاطع روش رگرسیون کریجینگ توانست 84 درصد از تغییرات مکانی ماده آلی خاک را توصیف کند. نقشه وضعیت ماده آلی خاک نشان داد که بیش از 96 درصد از خاک های منطقه از نظر ماده آلی در وضعیت کم قرار دارند.

Assessment of soil organic matter status using regression kriging technique and Landsat images

Soil organic matter (SOM) is an important soil quality factor that affects physical, chemical and biological properties of the soil. Accurate estimation of SOM spatial variabilities provides critical information especially in precision agriculture. The objective of this study was to estimate SOM spatial variabilities and to assess its status using regression kriging (RK) in Ghorveh plain in Kurdistan province (Iran). Therefore,  150 soil samples from a depth of 015 cm were taken systematically in a grid spaced 2 Km × 2 Km. Particle size distribution and SOM content of the soil samples were measured in the laboratory. Stepwise multiple linear regressions (MLR) was used to estimate SOM variabilities based on the soil texture data (percentages of sand, silt and clay) and vegetation indices obtained from Landsat Enhanced Thematic Mapper (ETM) imagery. The MLR model was used to provide an initial map of SOM content. Furthermore, the residuals of MLR model were interpolated using ordinary kriging (OK) and they were combined with the initial map of SOM to produce the final map of RK SOM. The SOM status map was derived from overlaying of soil texture and SOM maps in four different levels (very low, low, medium and high). The results of MLR indicated that both clay content and soil adjusted vegetation index (SAVI) variables have a significant effect on SOM content (p <0.05). The crossvalidation results indicated that the RK method was able to explain about 84% of the spatial variabilities of SOM. The SOM status map indicated that more than 96% of the soil in the proposed region is in a low condition in terms of organic matter.