علوم آب و خاک

کربنات کلسیم معادل خاک (CCE) یکی از ویژگی‌های مهم خاک است. پیش‌بینی مقدار کربنات کلسیم معادل خاک برای مدیریت پایدار حاصلخیزی خاک ضروری است. مطالعه حاضر با هدف نقشه‌برداری رقومی کربنات کلسیم معادل با استفاده از متغیرهای کمکی محیطی و تصاویر ماهواره لندست 8 و مدل‌های پیش‌بینی‌کننده و معرفی بهترین مدل‌ها، در حوضه آبخیز بدر در جنوب شهرستان قروه انجام گرفت. برای انجام این پژوهش در مرحله اول، نقشه ژئومرفولوژی با استفاده از نقشه زمین‌شناسی و بر اساس روش ژئوپدولوژی زینک در محیط سامانه اطلاعات جغرافیائی ترسیم شد. در مرحله دوم، محل 125 خاکرخ مطالعاتی بر اساس تکنیک ابر مکعب لاتین تعیین شد و کربنات کلسیم معادل افق‌های خاک با روش تیتراسیون با اسید اندازه‌گیری شد. متغیرهای کمکی شامل مشتقات مدل رقومی ارتفاع، شاخص‌های سنجش‌ازدور دریافتی از ماهواره لندست 8 و نقشه ژئوپدولوژی بودند که انتخاب متغیرهای کمکی مناسب با استفاده از روش تجزیه مؤلفه‌های اصلی (PCA) انجام شد. در مرحله سوم، مدل‌سازی انجام، نقشه‌های رقومی کلاس‌ها و ویژگی‌های خاک تهیه شد و ارزیابی مدل‌ها صورت گرفت. برای برآورد کربنات کلسیم معادل خاک، در مطالعه حاضر دو حالت مختلف بررسی شد. در حالت اول، مدل‌های شبکه عصبی مصنوعی، تحلیل درخت تصمیم، جنگل تصادفی، مدل نزدیک‌ترین همسایه K برای پیش‌بینی استفاده شدند. همچنین به‌منظور ترکیب نتایج مدل‌ها، از مدل رگرسیون خطی چندگانه استفاده شد. در میان مدل‌های استفاده‌شده برای پیش‌بینی مقدار کربنات کلسیم معادل با استفاده از روش اعتبارسنجی کافلد 10 مکانی، مدل رگرسیون خطی چندگانه (MLR) با ضریب تعیین 0/796 و ریشه دوم متوسط مربعات خطا 6/514 از بیشترین دقت برای پیش‌بینی برخوردار بوده است. این در حالی است که با استفاده از روش اعتبارسنجی کافلد 5 تصادفی، مدل نزدیک‌ترین همسایه K (KNN) با ضریب تعیین 0/9845 و ریشه دوم متوسط مربعات خطا 2/1258 از بیشترین دقت برای پیش‌بینی برخوردار بوده است. به‌دلیل مکانی بودن روش اعتبارسنجی کافلد 10 مکانی، استفاده از این روش بر روش اعتبارسنجی کافلد 5 تصادفی ارجحیت دارد. همچنین متغیرهای کمکی مهم در پیش‌بینی کربنات کلسیم معادل خاک به‌ترتیب اهمیت شامل شاخص کربنات، جهت شیب، ژئومورفولوژی، سطح ‌مبنای شبکه آبراهه و شیب حوضه آبخیز بودند.

هدررفت خاک و تخریب فراوان ناشی از فرسایش خندقی همواره خسارات فراوانی به همراه داشته است. به دلیل اینکه اندازه گیری مستقیم میدانی و پایش فرسایش خندقی امری هزینه بر و زمان بر است، امکان تعیین میزان هدررفت خاک ناشی از فرسایش خندقی بسیار مشکل است. این پژوهش با هدف محاسبه حجم خاک ازدست‌رفته ناشی از فرسایش خندقی با استفاده از مدل های یادگیری ماشین در حوزه آبخیز آبگندی استان کهگیلویه و بویراحمد بر اساس مطالعات میدانی، انجام شده است. مدل های یادگیری ماشین عبارت‌اند از: جنگل تصادفی، ماشین بردار پشتیبان، شبکه عصبی مصنوعی و سیستم استنباط فازی عصبی تطبیقی. ازاین‌رو، موقعیت 68 خندق در منطقه ثبت و به منظور مدل سازی هدررفت خاک ناشی از خندق ها، لایه های رقومی عوامل تأثیرگذار بر گسترش خندق ها از جمله عوامل توپوگرافی، خاک شناسی، سنگ شناسی و هیدرولوژیک به عنوان متغیرهای مستقل تهیه شد. سپس حجم خاک ازدست‌رفته ناشی از فرسایش خندقی منطقه در تعدادی خندق معرف به صورت مستقیم به عنوان متغیر وابسته در عرصه اندازه گیری شد. خندق های اندازه گیری‌شده، به صورت تصادفی به دو گروه آموزش و اعتبارسنجی تقسیم شدند. نتایج مدل ها با استفاده از خطای جذر میانگین مربعات (RMSE) و شاخص R2 ارزیابی شده و مدل ها با یکدیگر مقایسه شدند. بر اساس نتایج این مطالعه، فرسایش خندقی در حوضه آبگندی استان کهگیلویه و بویراحمد هر ساله رو به افزایش است و در شرایطی که میزان بارندگی و همچنین فراوانی بارش‌های سنگین (بیشتر از مقدار پنج میلی‌متر یا بیشتر) و دارای شدت زیادی باشد، میزان فرسایش و هدررفت خاک به طور مستقیم افزایش چشمگیر خواهد داشت. از میان مدل‌های یادگیری ماشین مورد استفاده در این پژوهش، مدل جنگل تصادفی به عنوان مدل برتر در زمینه پیش‌بینی هدررفت خاک ناشی از فرسایش خندقی انتخاب شد.