نقش تعداد و نوع ویژگی‌های فیزیکی و هیدرولیکی خاک در بازنمایی کیفیت فیزیکی خاک (مطالعه موردی: دشت شبستر)

انتخاب مجموعه صحیح و مناسب از ویژگی‌های فیزیکی و هیدرولیکی در قالب شاخص کیفیت فیزیکی خاک، گامی موثر در اخذ تصمیمات مدیریتی جهت ارتقاء کمی و کیفی تولید محصول است. ازاین‌رو این پژوهش با هدف بررسی کیفیت فیزیکی اراضی کشاورزی دشت شبستر و تعیین نقش تعداد و نوع ویژگی‌های فیزیکی و هیدرولیکی بر کیفیت خاک به منظور درجه‌بندی صحیح اراضی و اِعمال مدیریت مناسب بر آن‌ها انجام شد. برای این هدف 94 نمونه خاک سطحی از اراضی زیر کشت گندم در سال زراعی 1401 1400 در دشت شبستر انتخاب شده و مورد تجزیه قرار گرفت. برای تعیین شاخص کیفیت فیزیکی خاک (spqi) از حداقل مجموعه داده (mds) به روش تجزیه به مولفه‌های اصلی (pca) استفاده شد. تعداد 13 ویژگی فیزیکی، شیمیایی و هیدرولیکی (مقدار رس و سیلت، جرم مخصوص ظاهری، توزیع اندازه خاکدانه‌ها، شوری، نسبت جذب سدیم، اسیدیته خاک، کربن آلی، هدایت هیدرولیکی اشباع، آب قابل‌استفاده برای گیاه، شاخص دکستر، انرژی انتگرالی و پتانسیل کرشهف) طی 4 مرحله در تجزیه به مولفه‌های اصلی وارد شد تا خروجی، افزون بر حداقل بودن مجموعه داده، مناسب‌ترین مجموعه باشد. هدایت الکتریکی در تمام آرایه‌ها به‌عنوان مولفه اصلی ظاهر شد و این نشان از اهمیت این ویژگی در منطقه مورد پژوهش بود. آرایه اول به دلیل سادگی بیش‌ازحدِ حداقل مجموعه داده، حذف شد. مقایسه میانگین شاخص کیفیت فیزیکی خاک بین آرایه‌ها با آزمون چند دامنه‌ای دانکن نشان داد اختلاف معنی‌داری در سطح احتمال 99 درصد (0.01>p)، بین آرایه چهارم با آرایه دوم و سوم وجود داشت. ضریب حساسیت بالای آرایه چهارم (9.78) نسبت به آرایه دوم و سوم (هر دو 5.43) نشان داد اضافه شدن پتانسل کرشهف به مجموعه داده‌ها، منجر به درجه‌بندی متفاوت کیفیت فیزیکی خاک شد. طوری‌که کیفیت خاک‌ها از 72 درصد خاک‌های بسیار مناسب و مناسب، و 28 درصد خاک‌های با محدودیت شدید و بسیار شدید در آرایه دوم و سوم به 41 درصد خاک‌های بسیار مناسب و مناسب، و 59 درصد خاک‌های با محدودیت شدید و بسیار شدید در آرایه چهارم تبدیل شد. این مطلب نشان‌دهنده آن است که ساده‌سازی نظام ارزیابی کیفیت خاک با استفاده از ویژگی‌های آسان اندازه‌گیری‌شونده لزوماً به نتایج صحیح منتهی نمی‌شود.

the effect of number and type of soil physical and hydraulic properties on representing the soil physical quality (case study: shabestar plain)

making management decisions for the quantitative and qualitative improvement of product production effectively begins with selecting the correct and appropriate set of physical and hydraulic characteristics in the form of a soil physical quality index. in order to investigate the physical quality of shabaster plain which were under wheat cultivation and to determine the role of the number and type of properties on the quality of the soils, 94 soils from these lands until the year 2022, were selected. to determine the soil physical quality index (spqi), the minimum data set (mds) was used by principal component analysis (pca). 13 physical, chemical, and hydraulic properties (clay, silt, bulk density, aggregate size distribution, electrical conductivity, sodium adsorption ratio, ph, organic carbon, hydraulic conductivity (k_s), conventional plant available water (cpaw), integral energy (ei), dexter index (s_dex), kirchhoff potential (m_h0)) were consciously entered into four stages in the principal component analysis so that the output is not only the minimum data set but also the best data set. ec appeared as one of the main components in all arrays. the first array was eliminated from the minimum data set. comparing the mean soil physical quality index between the arrays with duncan’s test showed a significant difference at the 99% probability level (p<0.01) between the fourth array and the second and third arrays. the high sensitivity coefficient of the fourth array (9.78) with the second and third arrays (5.43) showed that the correct addition of the kirchhoff potential to the data set, led to different results in terms of classifying soil physical quality. as a result, the quality of the soils decreased from 72% of very suitable and suitable soils and 28% of the soils with severe and very severe restrictions in the second and third arrays to 41% of very suitable and suitable soils and 59% of soils with restrictions in the fourth array. this data demonstrates using easily measured properties, to simplify the soil quality assessment system, does not always produce accurate results.