مهدی حسینی، سید علیرضا موحدی نائینی، مجتبی زراعت پیشه،
جلد 18، شماره 68 - ( مجله علوم و فنون كشاورزي و منابع طبيعي-علوم آب و خاك-تابستان- 1393 )
چکیده
به‌منظور بررسی اثر روش‌های مختلف خاکورزی بر تخلخل، رطوبت خاک، دمای روزانه و شبانه خاک، جذب رطوبت توسط گیاه و عملکرد ماده خشک گیاه، پژوهشی در قالب طرح بلوک کاملاً تصادفی با 5 تیمار و 4 تکرار، طی سال زراعی 89- 88 در اراضی زراعی دانشگاه علوم کشاورزی و منابع طبیعی گرگان واقع در سید میران اجرا گردید. 5 روش مختلف خاکورزی شامل شخم با گاو آهن بر گرداندار سوار به عمق (25-20 سانتی‌متر) به‌همراه یک شخم با دیسک، رویتواتور(17-12 سانتی‌متر)، دیسک (10-8 سانتی‌متر)، چیزل (30-25 سانتی‌متر) و نظام بدون خاکورزی بودند. نتایج نشان داد که در تمام مراحل رشد گندم در عمق 8-0 سانتی‌متر بیشترین و کمترین تخلخل خاک مربوط به تیمارهای گاوآهن برگرداندار و نظام بدون خاکورزی بود و در عمق 16-8 سانتی‌متر به‌جز مراحل قبل از پنجهزنی و برداشت، بیشترین مقدار تخلخل خاک مربوط به تیمار گاوآهن برگرداندار میباشد. افزایش شدت خاکورزی منجر به افزایش خلل و فرجی شده که آب را در پتانسیلهای بیش از 5- بار و کمتر از 15- بار نگهداری میکنند. در مرحله قبل از خوشهدهی، بیشترین و کمترین دما مربوط به نظام بدون خاکورزی و گاوآهن برگرداندار بود. افزایش شدت خاکورزی موجب افزایش مقدار تخلخل خاک و درنتیجه باعث رشد و توسعه بیشتر ریشه گندم شده و همچنین مقدار رطوبت موجود در خاک کاهش یافت که موجب افزایش جذب آب توسط گیاه و عملکرد ماده خشک شد.
ثریا بندک، سید علیرضا موحدی نائینی، چوقی بایرام کمکی، محمد کاکوئی، جوکم ورلست،
جلد 27، شماره 3 - ( علوم آب و خاک-پاییز 1402 )
چکیده
کربن آلی خاک (SOC) که یکی از حیاتی‌ترین خصوصیات فیزیکی و شیمیایی خاک است، نقش مهمی در تولید پایدار کشاورزی دارد و از تخریب و فرسایش خاک جلوگیری می‌کند. داده‌کاوی و مدل‌سازی مکانی همراه با تکنیک‌های یادگیری ماشینی به‌منظور بررسی میزان کربن آلی خاک مبتنی بر داده‌های سنجش از دور به‌صورت گسترده مورد توجه قرار گرفته است. هدف از این مطالعه بررسی تغییرات مقدار SOC با استفاده از تکنیک سنجش از دور در مقایسه با روش‌های نمونه‌برداری مزرعه‌ای در مناطقی از گنبد کاووس و جنگل نیلی آزادشهر است. نمونه‌های خاک به‌منظور اندازه‌گیری مقدار SOC در آزمایشگاه جمع‌آوری شد. داده‌ها به دو دسته 70 درصد برای واسنجی (آموزشی) و 30 درصد اعتبارسنجی (آزمون) دسته‌بندی شدند و از الگوریتم‌های یادگیری ماشین شامل جنگل تصادفی، ماشین بردار پشتیبان، درخت تصمیم پیشرفته، و افزایش گرادیان اکسترمم برای برآورد و تهیه نقشه کربن آلی خاک استفاده شد. متغیر‌های کمکی پیش‌بینی کربن آلی خاک شامل باندها، شاخص‌های منتج از ماهواره لندست 8 و سنتینل 2، اقلیم و توپوگرافی است. نتایج نشان داد که استخراج مؤلفه‌های مربوط به باندها همراه با محاسبه شاخص‌هایی مانند تفاوت پوشش گیاهی نرمال شده، شاخص خیسی، شاخص همواری دره به‌عنوان متغیر‌های کمکی نقش مهمی در برآورد صحیح‌تر مقدار ماده آلی خاک دارند. همچنین مقایسه رگرسیون‌های مختلف تخمین نشان داد، مدل جنگل تصادفی در ماهواره سنتینل 2 و مدل درخت تصمیم پیشرفته در لندست 8 به‌ترتیب با مقادیر ضریب تبیین، خطای جذر میانگین مربعات و میانگین خطای مطلق 0/64، 0/05 و 0/17 بهترین کارایی را نسبت به سایر رویکرد‌های استفاده شده در برآورد کربن آلی خاک سطحی در منطقه مطالعاتی ارائه کردند. نتایج این مطالعه بر قابلیت دادهای سنجش از دور و مدل یادگیری در تخمین مکانی کربن آلی خاک دلالت دارد و می‌تواند به‌عنوان روشی جایگزین برای روش‌های آزمایشگاهی در تعیین برخی ویژگی‌های خاک از جمله کربن آلی خاک مورد توجه قرار گیرد.
