تعداد نشریات | 13 |
تعداد شمارهها | 150 |
تعداد مقالات | 1,491 |
تعداد مشاهده مقاله | 2,264,570 |
تعداد دریافت فایل اصل مقاله | 1,896,515 |
برآورد مکانی ضریب تغییرات ذخیره کربن آلی خاک با استفاده از دادههای طیفی و رقومی | ||
تحقیقات کاربردی خاک | ||
دوره 10، شماره 3، آذر 1401، صفحه 90-103 اصل مقاله (1.04 M) | ||
نوع مقاله: مقاله پژوهشی | ||
نویسندگان | ||
کمال خسروی اقدم1؛ نفیسه یغمائیان مهابادی2؛ حسن رمضان پور* 3؛ سالار رضاپور4؛ زهره مصلح5 | ||
1علوم خاک، دانشگاه گیلان، رشت، ایران | ||
2گروه علوم و مهندسی خاک، دانشگاه گیلان | ||
3دانشیار گروه علوم خاک، دانشکده علوم کشاورزی، دانشگاه گیلان، رشت، ایران. | ||
4عضو هیئت علمی دانشگاه ارومیه | ||
5استادیار موسسه تحقیقات خاک و آب، کرج، ایران. | ||
چکیده | ||
موجودیت خاک وابسته به پارامترهای فیزیکی، شیمیایی و بیولوژیکی آن است. ذخیره کربن آلی خاک یکی از عوامل کلیدی خاک است که تغییرات آن برروی تمامی این پارامترها اثر دارد. در این راستا، این تحقیق بهمنظور پهنهبندی ضریب تغییرات ذخیره کربن آلی خاک در بخشی از حوضه آبخیز سیمینهرود انجام شد. نمونهبرداری از خاک با استفاده از روش مکعب لاتین مشروط در 210 نقطه از عمق 30-0 سانتیمتری خاک سطحی انجام و مقدار کربن آلی خاک اندازهگیری شد. سپس، ذخیره کربن آلی خاک تعیین گردید. در مرحله بعد، مدل جنگل تصادفی اجرا و پارامترهای مؤثر برای تخمین ذخیره کربن آلی خاک شناسایی شد (در این مرحله جهت مدلسازی ذخیره کربن آلی خاک از شاخص بازتابش طیفی استاندارد شده و دادههای استخراجی از مدل رقومی ارتفاعی استفاده شد). در انتها، روش جنگل تصادفی 100 بار اجرا شد و پهنهبندی مقادیر بیشترین (صدک 95)، کمترین (صدک 5) و میانگین ذخیره کربن آلی خاک برای هر پیکسل با قدرت تفکیک مکانی 30 ×30 متر بهدست آمد. جهت بهدست آوردن ضریب تغییرات با ضریب اطمینان 90 درصد، صدک 95 و 5 درصد از هم کسر شد و ضریب تغییرات با استفاده از تقسیم آن به میانگین بهدست آمد. نتایج نشان داد که ضریب دقت (R2) مدل جنگل تصادفی 81/0 و ضرایب صحت شامل RMSE و MAE بهترتیب 44/0 و 34/0 ((kg m-2 میباشد. نتایج پهنهبندی ضریب تغییرات برای مقدار ذخیره کربن آلی خاک منطقه مورد مطالعه نشان داد که مقدار تغییرات این پارامتر بین 9/3-55 درصد متغیر میباشد. بر اساس نتایج حاصل از پهنهبندی ضریب تغییرات منطقعه مورد مطالعه، میانگین بیشترین و کمترین میزان تغییرات در کاربری زراعت دیم و مراتع مشاهده شد. احتمالاً کشت مداوم و بازگشت کم ماده آلی در زراعت دیم، باعث افزایش ضریب تغییرات ذخیره کربن آلی خاک در کاربری زراعت دیم شده است. | ||
کلیدواژهها | ||
جنگل تصادفی؛ زراعت دیم؛ کربن آلی؛ مربع لاتین مشروط چندگانه | ||
مراجع | ||
Babu S., Mohapatra K., Yadav G.S., Lal R., Singh R., Avasthe R., Das A., Chandra P., Gudade B., Kumar A. 2020. Soil carbon dynamics in diverse organic land use systems in North Eastern Himalayan ecosystem of India. Catena. 194, 104785.
Balesdent J., Chenu C., Balabane M. 2000. Relationship of soil organic matter dynamics to physical protection and tillage. Soil and tillage research. 53(3-4), 215-230.
Basile-Doelsch I., Brun T., Borschneck D., Masion A., Marol C., Balesdent J. 2009. Effect of landuse on organic matter stabilized in organomineral complexes: A study combining density fractionation, mineralogy and δ13C. Geoderma. 151(3-4), 77-86.
Chen D., Zhang J., Chen J. 2010. Adsorption of methyl tert-butyl ether using granular activated carbon: Equilibrium and kinetic analysis. International Journal of Environmental Science & Technology. 7(2), 235-242.
Chi M., Feng R., Bruzzone L. 2008. Classification of hyperspectral remote-sensing data with primal SVM for small-sized training dataset problem. Advances in space research. 41(11), 1793-1799.
Deng L., Sweeney S., Shangguan Z. 2014. Long‐T erm Effects of Natural Enclosure: Carbon Stocks, Sequestration Rates and Potential for Grassland Ecosystems in the Loess Plateau. CLEAN–Soil, Air, Water. 42(5), 617-625.
Ellert B., Janzen H., Entz T. 2002. Assessment of a method to measure temporal change in soil carbon storage. Soil Science Society of America Journal. 66(5), 1687-1695.
Gomes L.C., Faria R.M., de Souza E., Veloso G.V., Schaefer C.E.G., Fernandes Filho E.I. 2019. Modelling and mapping soil organic carbon stocks in Brazil. Geoderma. 340, 337-350.
Guo L., Zhao C., Zhang H., Chen Y., Linderman M., Zhang Q., Liu Y. 2017. Comparisons of spatial and non-spatial models for predicting soil carbon content based on visible and near-infrared spectral technology. Geoderma. 285, 280-292.
Guo Z., Adhikari K., Chellasamy M., Greve M.B., Owens P.R., Greve M.H. 2019. Selection of terrain attributes and its scale dependency on soil organic carbon prediction. Geoderma. 340, 303-312.
Hengl T. 2006. Finding the right pixel size. Computers & geosciences. 32(9), 1283-1298.
Hong Y., Chen S., Liu Y., Zhang Y., Yu L., Chen Y., Liu Y., Cheng H., Liu Y. 2019. Combination of fractional order derivative and memory-based learning algorithm to improve the estimation accuracy of soil organic matter by visible and near-infrared spectroscopy. Catena. 174, 104-116.
Hussain S., Sharma V., Arya V.M., Sharma K.R., Rao C.S. 2019. Total organic and inorganic carbon in soils under different land use/land cover systems in the foothill Himalayas. Catena. 182, 104104.
Iranian soil and water institute. 1991. Iranian soil map (1:1000.000).
Jin X., Li Z., Yang G., Yang H., Feng H., Xu X., Wang J., Li X., Luo J. 2017. Winter wheat yield estimation based on multi-source medium resolution optical and radar imaging data and the AquaCrop model using the particle swarm optimization algorithm. ISPRS Journal of Photogrammetry and Remote Sensing. 126, 24-37.
Keskin H., Grunwald S., Harris W.G. 2019. Digital mapping of soil carbon fractions with machine learning. Geoderma. 339, 40-58.
Khosravi Aqdam K., Miran N., Mohammadi Khajelou Y., Khosravi Aqdam M., Asadzadeh F. Mosleh Z. 2021. Predicting the spatial distribution of soil mineral particles using OLI sensor in northwest of Iran. Environmental Monitoring and Assessment. 193(6), 377.
Kuhn M., Johnson K. 2013. Applied predictive modeling, 26. Springer.
Kunkel V., Hancock G., Wells T. 2019. Large catchment-scale spatiotemporal distribution of soil organic carbon. Geoderma. 334, 175-185.
Ladd J., Foster R., Skjemstad J. 1993. Soil structure: carbon and nitrogen metabolism. Soil Structure/Soil Biota Interrelationships. 401-434.
Ma K., Zhang Y., Tang S., Liu J. 2016. Spatial distribution of soil organic carbon in the Zoige alpine wetland, northeastern Qinghai–Tibet Plateau. Catena. 144, 102-108.
Maia S.M., Ogle S.M., Cerri C.C., Cerri C.E. 2010. Changes in soil organic carbon storage under different agricultural management systems in the Southwest Amazon Region of Brazil. Soil and Tillage Research. 106(2), 177-184.
Malone B.P., Minasny B., McBratney A.B., 2017. Using R for digital soil mapping, 35. Springer.
McBratney A.B., Santos M.M., Minasny B., 2003. On digital soil mapping. Geoderma. 117(1-2), 3-52.
Minasny B., McBratney A.B., Malone B.P., Wheeler I. 2013. Digital mapping of soil carbon. Advances in agronomy. 118, 1-47.
Nelson D., Sommers L.E. 1983. Total carbon, organic carbon and organic matter. Methods of soil analysis: Part 2 chemical and microbiological properties 9, 539-579.
Paustian K., Collins H.P., Paul E.A. 2019. Management controls on soil carbon, Soil organic matter in temperate agroecosystems. CRC Press, pp. 15-49.
Richards J.A. 1986. Error correction and registration of image data, Remote Sensing Digital Image Analysis. Springer. pp. 33-68.
Schumacher B.A. 2002. Methods for the determination of total organic carbon (TOC) in soils and sediments.
Sharma V., Mir S.H., Arora S. 2009. Assessment of fertility status of erosion prone soils of Jammu Siwaliks. Journal of Soil and Water Conservation. 8(1), 37-41.
Sun X.-L., Minasny B., Wang H.-L., Zhao Y.-G., Zhang G.-L., Wu Y.-J. 2021. Spatiotemporal modelling of soil organic matter changes in Jiangsu, China between 1980 and 2006 using INLA-SPDE. Geoderma. 384, 114808.
Tian G., Granato T., Cox A., Pietz R., Carlson Jr C., Abedin Z. 2009. Soil carbon sequestration resulting from long‐term application of biosolids for land reclamation. Journal of Environmental Quality. 38(1), 61-74.
Wang B., Waters C., Orgill S., Gray J., Cowie A., Clark A., Li Liu D. 2018. High resolution mapping of soil organic carbon stocks using remote sensing variables in the semi-arid rangelands of eastern Australia. Science of the Total Environment. 630, 367-378.
Wang S., Fan J., Zhong H., Li Y., Zhu H., Qiao Y., Zhang H. 2019. A multi-factor weighted regression approach for estimating the spatial distribution of soil organic carbon in grasslands. Catena. 174, 248-258.
Wei J.-B., Xiao D.-N., Zeng H., Fu Y.-K. 2008. Spatial variability of soil properties in relation to land use and topography in a typical small watershed of the black soil region, northeastern China. Environmental geology. 53(8), 1663-1672.
Wood S.A., Sokol N., Bell C.W., Bradford M.A., Naeem S., Wallenstein M.D., Palm C.A. 2016. Opposing effects of different soil organic matter fractions on crop yields. Ecological Applications. 26(7), 2072-2085.
Zhang Z., Ding J., Wang J., Ge X. 2020. Prediction of soil organic matter in northwestern China using fractional-order derivative spectroscopy and modified normalized difference indices. Catena. 185, 104257.
Zhao M., Yue T., Zhao N., Sun X., Zhang X. 2014. Combining LPJ-GUESS and HASM to simulate the spatial distribution of forest vegetation carbon stock in China. Journal of Geographical Sciences. 24(2), 249-268.
Zhu M., Feng Q., Qin Y., Cao J., Zhang M., Liu W., Deo R.C., Zhang C., Li R., Li B. 2019. The role of topography in shaping the spatial patterns of soil organic carbon. Catena. 176, 296-305. | ||
آمار تعداد مشاهده مقاله: 1,506 تعداد دریافت فایل اصل مقاله: 1,240 |