تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,501 |
تعداد مشاهده مقاله | 124,093,044 |
تعداد دریافت فایل اصل مقاله | 97,197,344 |
کاربرد اطلاعات تشریح خاکرخ در برآورد کربن آلی خاک با استفاده از توابع انتقالی خاک | ||
نشریه علمی - پژوهشی مرتع و آبخیزداری | ||
دوره 74، شماره 4، اسفند 1400، صفحه 703-718 اصل مقاله (1010.06 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/jrwm.2022.337426.1641 | ||
نویسندگان | ||
محسن باقری بداغ آبادی* ؛ محمد جمشیدی؛ زهره مصلح | ||
موسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران | ||
چکیده | ||
کربن آلی خاک یکی از مهمترین ویژگیهای خاک بویژه از دیدگاه محیط زیستی میباشد. به همین دلیل مدلسازی و برآورد آن بسیار مد نظر قرار گرفته است. در مدلسازیها، استفاده از توابع انتقالی خاک به عنوان رویکردی برای برآورد ویژگیهای خاک با استفاده از دادههای زودیافت از جایگاه مهمی در علوم خاک برخوردار میباشد. اما متأسفانه در این راستا به دادههای ارزشمندی که با کمترین هزینه و زمان در عملیات تشریح خاکرخ به دست میآیند توجه چندانی نشده است. هدف از پژوهش کنونی تعیین اهمیت اطلاعات تشریح خاکرخ در برآورد کربن آلی خاک با استفاده از توابع انتقالی میباشد. برای این منظور، 124 نمونه خاک گردآروی گردید. فرآیند مدلسازی در سه حالت مختلف شامل دادههای آزمایشگاهی، دادههای تشریح خاکرخ و تلفیق دادههای آزمایشگاهی و تشریح خاکرخ انجام شد. نتایج نشان دادند براساس دادههای آزمایشگاهی، کربن آلی خاک با دو ویژگی درصد سیلت و کربنات کلسیم خاک با ضریب تبیین حدود 25 درصد (25/0=2R) رابطه معنیدار دارد. در حالی که دو ویژگی کروما و عمق افق ژنتیکی با ضریب تبیین حدود 65 درصد (65/0=2R) قادر به برآورد مقدار کربن آلی خاک هستند. در حالت تلفیق دادههای آزمایشگاهی و تشریح خاکرخ، ضریب تبیین همچنان برابر با 65 درصد بهدست آمد. این نتایج گویای آن است که در حضور دو ویژگی عمق افق ژنتیکی و رنگ خاک، دادههای آزمایشگاهی اثر معنیداری در برآورد کربن آلی خاک ندارند. این موضوع بیانگر اهمیت و کارآیی قابل توجه دادههای تشریح خاکرخ برای کاربرد در توابع انتقالی خاک نسبت به دادههای آزمایشگاهی در این منطقه مطالعاتی میباشد. | ||
کلیدواژهها | ||
توابع انتقالی خاک؛ مدلسازی؛ رگرسیون چندمتغیره؛ ریختشناسی خاک | ||
مراجع | ||
[1] Abbasian, A., Delavar, M.A., Golchin, A. and Beheshti Al-Agha, A. (2012). Comparison of Accuracy of Regression Transfer Functions and Artificial Neural Network in Estimating Organic Carbon of Histosol Soils in Shahrekord, National Soil Conference, Sustainable Agriculture, Malayer.
[2] Aitkenhead, M., Coull, M., Towers, W., Hudson, G. and Black, H.I.J. (2013). Prediction of soil characteristics and colour using data from the National Soils Inventory of Scotland. Geoderma. 200–201: 99–107.
[3] Asensio, S., A. Mateu, H. Moreno-Ramon, J.A. Balasch, and X. Lio. (2013). Statistical relationships between soil colour and soil attributes in semiarid areas. Biosystems Engineering. 116: 120-129.
[4] Bagheri Bodaghabadi M., Mosleh Z. Ebrahimi F. (2021). The Importance of Soil Profile Information in Determining Relationships Between Different Soil Properties, Case Study: Estimation of Soil Organic Carbon. 17th Iranian Soil Science Congress, Karaj, Iran.
[5] Bagheri Bodaghabadi, M. (2018). Is it necessarily a normally distributed data for kriging? A case study: soil salinity map of Ghahab area, central Iran. Desert. 23-2: 284-293.
[6] Bezabih, B., Aticho, A., Mossisa, T. and Dume, B.( 2016). The effect of land management practices on soil physical and chemical properties in Gojeb Sub-river Basin of Dedo District, Southwest Ethiopia. Journal of Soil Science and Environmental Management. 7:154-165.
[7] Costa, J.J.F., Giasson, E., da Silva, E.B., Coblinski, J.A. and Tiecher, T. (2020). Use of color parameters in the grouping of soil samples produces more accurate predictions of soil texture and soil organic carbon. Computers and Electronics in Agriculture. 177: 105710.
[8] Dadgar, M., Mahmoudi, S., Mahdian, M., Masih Abadi, M., Sokooti Oskouie, R. (2014). Estimating soil organic carbon using pedotransfer functions in Damavand Rangelands. , 21(3), 409-415. doi: 10.22092/ijrdr.2014.12114.
[9] Devore, J.L. (2011). Probability and Statistics for Engineering and the Sciences (8th ed.). Boston, MA: Cengage Learning. pp. 508–510. ISBN 978-0-538-73352-6.
[10] Fahmideh, S., Davari, M., Mosaddeghi, M., Sharifi, Z. (2020). Performance evaluation of reflectance spectroscopy for estimation of soil organic carbon content in Zrebar lake watershed, Kurdistan province. Journal of Water and Soil Conservation, 26(6), 59-78. doi: 10.22069/jwsc.2019.16387.3171
[11] Franzmeier, D.P. (1988). Relation of organic carbon content to texture of Indiana soils. Soil and Atmospheric Sciences. 98: 1-10.
[12] Ghaemi, M., Astaraei, A., Sanaeinejad, S. (2011). Assessment of Spatial Variations and Estimating Soil Organic Carbon by Using Pedotransfer Functions and Feasibility Study of SOC by Remote Sensing in Arid and Semi Arid Area (A Case Study in Neyshaboor Area, Iran). Iranian Journal of Field Crops Research, 9(2), 294-300. doi: 10.22067/gsc.v9i2.11007
[13] Kasel, S., Singh, S., Sanders, G. J. and Bennett, L. T. (2011). Species-specific effects of native trees on soil organic carbon in biodiverse plantings across north-central Victoria. Geoderma. 161: 95–106.
[14] Lindbo, D.L., Rabenhorst, M.C. and Rhoton, F.E. (1998). Soil color, organic carbon, and hydromorphy relationships in sandy epipedons, Quantifying Soil Hydromorphol. SSSA Spec. Publ. 54. 96e105.
[15] Matinfar, H., Mahmodzadeh, H. and Fariabi, A. (2018). Estimation Soil Organic Matter (SOM) Content Using Visible and Near Infrared Spectral data, PLSR and PCR Statistical Models. Iranian Journal of Remote Sensing & GIS, 10(2), 15-32.
[16] Munsell Soil Color Charts. (2000). Munsell Soil Color Charts (revised). Munsell Color.
[17] Schoeneberger, P.J, Wysocki, D.A, Benham, E.C, and Soil Survey Staff. (2012). Field book for describing and sampling soils, Version 3.0. Natural Resources Conservation Service, National Soil Survey Center, Lincoln, NE. 300p.
[18] Shangshi, L., Haihua, Sh., Songchao, C., Xia, Z., Asim, B., Xiaolin, J., Zhou, Sh., and Jingyun, F. (2019). Estimating forest soil organic carbon content using vis-NIR spectroscopy: Implications for large-scale soil carbon spectroscopic assessment. Geoderma. 348: 37-44.
[19] Soil Survey Staff. (2014a). Keys to Soil Taxonomy. 12th. ed. USDA-Natural Resources Conservation Service, Washington, DC.
[20] Soil Survey Staff. (2014b). Kellogg Soil Survey Laboratory Methods Manual. Soil Survey Investigations Report No. 42, Version 5.0. R. Burt and Soil Survey Staff (ed.). U.S. Department of Agriculture, Natural Resources Conservation Service.
[21] Viscarra Rossel, R.A., Behrens, T., Ben-Dor, E., Brown, D.J., Demattê, J.A.M., Shepherd, K.D., Shi, Z., Stenberg, B., Stevens, A., Adamchuk, V., Aïchi, H., Barthès, B.G., Bartholomeus, H.M., Bayer, A.D., Bernoux, M., Böttcher, K., Brodský, L., Du, C.W., Chappell, A., Fouad, Y., Genot, V., Gomez, C., Grunwald, S., Gubler, A., Guerrero, C., Hedley, C.B., Knadel, M., Morrás, H.J.M., Nocita, M., Ramirez-Lopez, L., Roudier, P., Campos, E.M.R., Sanborn, P., Sellitto, V.M., Sudduth, K.A., Rawlins, B.G., Walter, C., Winowiecki, L.A., Hong, S.Y. and Ji, W. (2016). A global spectral library to characterize the world’s soil. Earth-Science Reviews. 155: 198–230.
[22] Viscarra Rossel, R.A., Cattle, S.R., Ortega, A. and Fouad, Y. (2009). In situ measurements of soil colour, mineral composition and clay content by vis-NIR spectroscopy. Geoderma. 150: 253–266.
[23] Vodyanitskii, Y.N. and Savichev, A.T. (2017). The influence of organic matter on soil color using the regression equations of optical parameters in the system CIE- Lab. Annals of Agrarian Science. 15: 380–385 | ||
آمار تعداد مشاهده مقاله: 337 تعداد دریافت فایل اصل مقاله: 233 |