>
Fa   |   Ar   |   En
   پهنه‌بندی رقومی شوری خاک سطحی در استان خوزستان با استفاده از روش رگرسیون کریجینگ  
   
نویسنده سواری زهرا ,حجتی سعید ,تقی زاده مهرجردی روح الله
منبع علوم آب و خاك - 1400 - دوره : 25 - شماره : 3 - صفحه:159 -175
چکیده    شوری خاک و شور شدن اراضی یکی از معضلات کشاورزی است که بایستی با تدبیر و مدیریت صحیح علمی این روند مهار شود. اولین گام در این راه شناسایی مناطق شور و تهیه نقشه شوری خاک است. امروزه با توجه به مشکلات موجود در تهیه نقشه های سنتی، استفاده از داده های کمکی در نقشه‌برداری رقومی به‌طور روز افزون در حال افزایش است. این تحقیق با هدف پهنه‌بندی شوری خاک با استفاده از روش رگرسیون کریجینگ (rk)، شناسایی مناطق دارای شوری زیاد و بررسی ارتباط شوری خاک با فاکتور های خاکساز انجام شد. به این منظور تعداد 291 نمونه خاک سطحی (10- 0 سانتی متر) در فروردین 1393 به‌صورت تصادفی برداشت شد. متغیر های کمکی یا فاکتور های خاکساز مورد استفاده در این مطالعه شامل پارامتر های سرزمین (مانند شیب، حوزه آبخیز و شاخص خیسی)، داده های تصاویر oli و tirs ماهواره لندست 8 و نقشه های کاتگوری (ماند نقشه خاک، کاربری اراضی و زمین شناسی) بودند. همچنین از روش کریجینگ عام به‌منظور مقایسه با روش رگرسیون کریجینگ استفاده شد. نتایج نشان داد که روش رگرسیون کریجینگ دقت بیشتری نسبت به روش کریجینگ عام دارد به‌طوری که در این روش ضریب تبیین، میانگین قدر مطلق خطا و مجذور میانگین مربعات خطا به‌ترتیب برابر 0/84، 0/41 و 6/21 برآورد شد. همچنین روش رگرسیون درختی به‌خوبی توانست ارتباط قوی بین شوری خاک و متغیر های کمکی برقرار کند. به‌علاوه، نتایج نشان داد که مهم‌ترین متغیر های کمکی در پیش بینی شوری خاک باند های 2، 4، 5 و7 تصاویر ماهواره لندست 8، شاخص روشنایی، شاخص خیسی، شاخص همواری سطح دره با درجه تفکیک بالا، سطح مبنای شبکه زهکشی، نقشه خاک، شاخص پوشش گیاهی نرمال شده و شاخص پوشش گیاهی تعدیل شده هستند. با استفاده از قوانین به‌دست آمده نقشه رقومی شوری خاک تهیه و سپس با تلفیق آن با نقشه واریانس خطا نقشه نهایی شوری خاک تهیه شد. نتایج این مطالعه حاکی از این است که تغییرات شوری خاک در استان از شمال به جنوب روند افزایشی دارد و نشان‌دهنده مشکل شوری در نواحی جنوب استان است. از دلایل عمده شوری خاک در این مناطق می توان به بالا بودن آب زیرزمینی، تفاوت در پستی و بلندی، حرکت موئینگی املاح به سطح خاک، تفاوت در نوع کاربری اراضی در نواحی مختلف استان و همچنین کیفیت آب زیرزمینی و آب آبیاری اشاره کرد که تحت تاثیر استفاده مکرر از کود های حیوانی و پساب فاضلاب ها تغییر می کند.
کلیدواژه نقشه‌های رقومی، درخت تصمیم، تغییرات مکانی، شوری
آدرس دانشگاه شهید چمران اهواز, دانشکده کشاورزی, گروه علوم خاک, ایران, دانشگاه شهید چمران اهواز, دانشکده کشاورزی, گروه علوم خاک, ایران, دانشگاه اردکان, دانشکده کشاورزی, گروه علوم خاک, ایران
پست الکترونیکی rh_taghizade@yahoo.com
 
   digital mapping of surface soil salinity in khuzestan province, using regression kriging  
   
Authors savari z. ,hojati s. ,taghizadeh mehrjerdi r.
Abstract    soil salinity and its development are the main problems that should be prevented by correct management methods. recognition of saline districts and the preparation of salinity maps are the first steps in this way. nowadays, the application of auxiliary data in digital soil mapping is increasing due to the current associated problems in the preparation of traditional maps. the objectives of this study were to map soil salinity by the regression kriging (rk) method,  to identify areas with high salinity, and to investigate the relationship between soil salinity and soil forming factors in khuzestan province. for this purpose, 291 surface soil samples (0 10 cm) were randomly collected in april 2014. auxiliary variables or soil forming factors were included in the land parameters such as slope, watershed and wetness index, oli and tirs images of landsat 8, and the category maps (soil, land use, and geological maps). also, kriging approaches were used to compare the precision of different mapping methods. the results indicated that the regression kriging method has a higher precision compared with other methods so that the coefficient of determination, mean absolute error (mae), and root mean square error (rmse) were estimated as 0.84, 0.41, and 6.21, respectively. the decision tree regression method could also create a good relationship between soil salinity and auxiliary variables. the results showed that some auxiliary variables were more effective on the prediction of soil salinity including 2, 4, 5, and 7 bands of landsat 8, brightness index, wetness index, multiresolution index of valley bottom flatness (mrvbf), channel network base level (cnbl), ndvi, savi and soil map. a digital map of soil salinity was prepared by the obtained rules, and then it was assimilated with the map of error of variance to prepare the final soil salinity map. accordingly, soil salinity was found to have an increasing trend from north to south in khuzestan province which indicates a salinity problem in the south of the province. the main reasons for the high salinity in the south and southwestern parts of the area could be attributed to the high water table levels, differences in topography, capillary movement of salt to the soil surface, the difference in the type of land uses, and also groundwater quality and irrigation water which is altered by the frequent application of wastewaters and animal manures.
Keywords digital maps ,decision tree ,spatial distribution ,salinity
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved