کاربرد حداقل مجموعه ‌داده‌ها برای ارزیابی کمی و بررسی خودهمبستگی فضایی کیفیت خاک در اراضی جنوب غربی دشت ارومیه

کیفیت خاک یکی از مهم‌ترین ویژگی‌های تاثیرگذار بر تولیدات زراعی و پایداری تولید است. عوامل فیزیکی، شیمیایی، بیولوژیکی و اکولوژیکی یک خاک بر کیفیت خاک تاثیرگذارند. اندازه‌گیری همه شاخص‌های کیفیت خاک طاقت‌فرسا و هزینه‌بر است؛ بنابراین بسیاری از پژوهشگران ارزیابی را بر تعداد محدودی از شاخص‌های کیفیت خاک متمرکز کرده‌اند. این پژوهش با هدف تعیین حداقل مجموعه‌داده‌ها برای ارزیابی کمی و بررسی خودهمبستگی فضایی کیفیت خاک در اراضی جنوب غربی دشت ارومیه انجام شد. برای این منظور تعداد 120 نمونه مرکب (عمق 60-0 سانتی‌متر) از خاک برداشته و شاخص کیفیت خاک به روش iqiw در 4 حالت مجموعه‌ کل - خطی (iqiwl_tds)، کل - غیرخطی (iqiwnl_tds)، حداقل - خطی (iqiwl_mds) و حداقل - غیرخطی (iqiwnl_mds) محاسبه شد. برای انتخاب مجموعه‌داده‌ها، تعداد 22 ویژگی فیزیکی و شیمیایی به‌عنوان ویژگی انتخابی برای روش کل داده‌ها (tds) و ویژگی‌های درصد شن، نسبت جذب سدیم، ظرفیت تبادل کاتیونی، فسفر قابل‌جذب، کربنات کلسیم فعال و غلظت نیکل با استفاده از روش تجزیه به مولفه‌های اصلی به‌عنوان مجموعه حداقل داده‌ها (mds) انتخاب شدند. بیشترین مقدار شاخص کیفیت خاک در حالت iqimds خطی و کمترین مقدار در حالت iqimds غیرخطی حاصل شد. بررسی ضریب همبستگی خطی و غیرخطی بین شاخص کیفیت خاک با دسته کل و حداقل داده‌ها نشان داد، حالت غیرخطی شاخص iqi ضریب همبستگی بالاتری (0/85=r^2) نسبت به حالت خطی شاخص iqi (r^2=0/73) دارد. نتایج محاسبه شاخص موران جهانی برای داده‌های شاخص کیفیت خاک iqiw در مجموعه‌های مطالعاتی نشان داد، داده‌های کیفیت خاک دارای خودهمبستگی فضایی هستند و به‌صورت خوشه‌ای در فضا توزیع یافته‌اند و مستقل از یکدیگر نیستند. نتایج آماره گتیس - ارد جی نشان داد، خوشه‌های با کیفیت خاک ضعیف، شوره‌زارهای ایجاد شده در اثر خشک‌شدن دریاچه ارومیه و اراضی بایر اطراف آن در بخش شرق و جنوب شرق محدوده مطالعاتی را شامل شده است.

application of minimal data sets for quantitative assessment and investigation of spatial autocorrelation of soil quality in southwestern lands of urmia plain

soil quality is one of the most crucial factors determining crop productivity and production stability. the soil’s physical, chemical, biological, and ecological characteristics affect its quality. numerous researchers have concentrated the evaluation on a small number of soil quality indicators because measuring all soil quality indicators would be time-consuming and expensive. this study looked at the spatial autocorrelation of soil quality in the southwest areas of the urmia plain to establish the minimal data set for quantitative assessment. to accomplish this, 120 composite soil samples were collected from a depth of 0 to 60 cm, and the soil quality index was then calculated using the iqi method in 4 modes: total-linear (iqiwl-tds), total-nonlinear (iqiwnl-tds), minimum-linear (iqiwl-mds), and minimum nonlinearity (iqiwnl-mds). 22 physical and chemical characteristics were used to choose the data set. the characteristics of sand percentage, sodium absorption ratio, cation exchange capacity, available phosphorus, active calcium carbonate, and nickel concentration were chosen as the minimum data set (mds) using the decomposition method into principal components. the linear iqimds mode produced the greatest soil quality index result, whereas the non-linear iqimds mode produced the lowest. the non-linear mode of the iqi index has a greater correlation coefficient (r2=0.85) than the linear mode of the iqi index (r2=0.73), according to an analysis of the linear and non-linear correlation coefficient between the soil quality index with the total category and minimum data. the findings of computing the global moran’s index for study sets of iqi soil quality index data revealed that the soil quality data are not independent of each other and are spatially autocorrelated, distributed in clusters, and have spatial autocorrelation. getis-ord gi statistics indicated that the eastern and southeastern parts of the research region comprise clusters with poor soil quality, salt marshes produced by lake urmia’s drying up, and surrounding arid plains.