|
|
کاربرد ویژگیهای میکروسکوپی منافذ خاک در ارزیابی کیفیت فیزیکی خاک
|
|
|
|
|
نویسنده
|
بخشی خرمدره آیدا ,علمداری پریسا ,حیدری احمد ,محمدی محمدحسین
|
منبع
|
تحقيقات آب و خاك ايران - 1402 - دوره : 54 - شماره : 10 - صفحه:1581 -1596
|
چکیده
|
منافذ خاک به دلیل اثرپذیری از شرایط محیطی، به عنوان یکی از مهمترین شاخصهای کیفیت فیزیکی خاک شناخته میشود. در این مطالعه پارامترهای مختلف مربوط به منافذ خاک تعیین و در کنار برخی دیگر از ویژگیهای فیزیکی و شیمیایی خاک برای تعیین دسته داده حداقل، مورد تجزیه و تحلیل قرار گرفت تا قابلیت آنها در بکارگیری به عنوان شاخصهای کیفیت فیزیکی خاک سنجیده شود. در بازه سالهای 1399 تا 1401 و در کارگاه میکرومورفولوژی گروه علوم خاک دانشگاه تهران، پارامترهای مربوط به منافذ ناشی از 126 واحد آزمایشی شامل تیمارهای آزمایشی اصلاحی و تخریبی و متاثر از 22 دوره تر و خشک شدن در دو خاک شن لومی و رس سیلتی ازجمله ضریب گردی، کشیدگی، مساحت و فشردگی منافذ با استفاده از روش آنالیز تصویر تعیین شد. نهایتاً این ویژگیها با روش تجزیه مولفه اصلی پالایش گشته و مهمترین ویژگیهای تعیینکننده کیفیت فیزیکی خاک تعیین گردید. دو مولفه اصلی اول و دوم (pc1 و pc2) بیانگر بیش از 70درصد از تغییرات خاکهای مورد مطالعه بود. از طرفی با توجه به همبستگی قوی مشاهده شده، پارامترهای ضریب گردی (81 و 80 درصد همبستگی با pc1 و pc2) و کشیدگی منافذ (با 77 و 83 درصد همبستگی با pc1 و pc2) در خاک شن لومی و پارامترهای کشیدگی (با 53 و 87 درصد همبستگی با pc1 و pc2) و مساحت منافذ (با 48 و 68 درصد همبستگی با pc1 و pc2) در خاک رس سیلتی به عنوان شاخصهای تعیین کیفیت شناسایی شدند. با توجه به توانایی در بیان تغییرات خاکها، ویژگیهای میکروسکوپی منافذ با موفقیت در این مطالعه جهت تعیین کیفیت خاک بکارگیری شدند. ازطرفی به دلیل خاصیت فراکتالی منافذ، میتوان از این شیوه در تعیین کیفیت خاک در مقیاس بزرگتر استفاده نمود.
|
کلیدواژه
|
آنالیز تصویر، تجزیه و تحلیل مولفه اصلی، دسته داده حداقل، ویژگیهای خاک
|
آدرس
|
دانشگاه زنجان, دانشکده کشاورزی, گروه علوم و مهندسی خاک, ایران, دانشگاه زنجان, دانشکده کشاورزی, گروه علوم و مهندسی خاک, ایران, دانشگاه تهران, دانشکده کشاورزی و منابع طبیعی, گروه علوم و مهندسی خاک, ایران, دانشگاه تهران، دانشکدگان کشاورزی و منابع طبیعی, گروه علوم و مهندسی خاک, ایران
|
پست الکترونیکی
|
mhmohmad@ut.ac.ir
|
|
|
|
|
|
|
|
|
application of microscopic features of soil pores in the assessment of soil physical quality
|
|
|
Authors
|
bakhshi khorramdarre aida ,alamdari parisa ,heidari ahmad ,mohammadi mohammad hossein
|
Abstract
|
researchers consistently seek methods that minimize data requirements and decrease soil quality assessment costs. soil pores are recognized as indicators of soil physical quality due to their environmental sensitivity. this study identified key parameters related to soil pores and physico chemical properties to assess their potential as indicators of soil physical quality. conducted between 2020 and 2022 at the university of tehran’s soil sciences department micromorphology laboratory, the study used image analysis to determine the parameters related to pores resulting from 126 experimental units, including ammendments, removals and disruptive experimental treatments and affected by 22 cycles of wetting and drying which were determined in two types of soils, sandy loam and silty clay. parameters included sphericity, elongation, area, and compactness. the first two principal components (pc1 and pc2) represent more than 70% of the variations in the studied soils. parameters like sphericity (81% and 80% correlation with pc1 and pc2) and elongation (77% and 83% correlation with pc1 and pc2) in loamy sand, and elongation (53% and 87% correlation with pc1 and pc2) and pore area (48% and 68% correlation with pc1 and pc2) in silty clay loam were identified as quality indicators. comparing soil quality based on pores in different treatments with control showed 32% and 18% differences in loamy sand and silty clay loam, respectively, demonstrating indicator efficacy in reflecting soil quality changes. the microscopic features of pores that possess fractal properties were successfully utilized in this study for assessing soil quality. based on this method, it is possible to employ this approach for determining soil quality on a field scale.
|
Keywords
|
image analysis ,minimum dataset ,principal component analysis ,soil properties
|
|
|
|
|
|
|
|
|
|
|