برآورد تغییرات کربن آلی خاک با استفاده از مشتقات dem در تپه های لسی منطقه توشن، استان گلستان

وجود تغییرات مکانی در خصوصیات خاک امری طبیعی می باشد و شناخت این تغییرات به ویژه در اراضی کشاورزی جهت برنامه ریزی دقیق و مدیریت امری اجتناب ناپذیر است. مدیریت صحیح عملیات کشاورزی و حفظ مواد آلی خاک، از جمله عوامل مهم در کشاورزی پایدار می باشند. اهداف این پژوهش، شامل بررسی تاثیر ویژگی های توپوگرافی از جمله جهت شیب با استفاده از dem بر تغییرپذیری کربن آلی خاک و تهیه نقشه رقومی کربن آلی خاک با استفاده از ویژگی های توپوگرافی و زمین آمار بود. منطقه مورد مطالعه در اراضی تپه ماهوری توشن، غرب شهرستان گرگان در استان گلستان با کاربری زراعی، واقع در طول جغرافیایی َ16 ْ54 تا َ26 ْ54 و عرض جغرافیایی َ43 ْ36 تا َ51 ْ36 با میانگین ارتفاع برابر با 397 متر و میانگین بارندگی سالیانه و دمای سالیانه به ترتیب برابر با 652 میلی متر و 16 درجه سانتی گراد انتخاب و نمونه برداری در 135 نقطه از عمق 20-0 سانتی متری انجام شد. سپس میزان کربن آلی نمونه های خاک جمع آوری شده، اندازه گیری گردید. مدل رقومی ارتفاع منطقه در پیکسل هایی به ابعاد 10×10 متر در محیط نرم افزار9.3 arcgis تهیه و با استفاده از آن ویژگی های پستی و بلندی اولیه و ثانویه محاسبه شد. در نهایت مدل رگرسیون چند متغیره بین داده های توپوگرافی و کربن آلی خاک، برقرار و سپس به وسیله ی نقاط اضافی نمونه برداری شده (25 نقطه)، مدل به دست آمده اعتبارسنجی شد. نتایج پژوهش نشان داد که مدل های رگرسیونی توانستند 65 درصد از تغییرات مکانی کربن آلی با استفاده از داده های آنالیز سطح زمین را در منطقه مورد مطالعه توجیه نماید. نتایج ضرایب همبستگی نشان داد که شاخص خیسی (twi) بدست آمده براساس الگوریتم چند مسیره بهتر می توانند رطوبت خاک را نشان دهند و بنابراین همبستگی بیشتری با ماده آلی خاک دارند. به عبارتی دیگر، نتایج نشان داد که twi استخراج شده براساس الگوریتم چند مسیره ویا حتی الگوریتم های دو مسیره (infinity) نسبت به روش d8 همبستگی بیشتری با ماده آلی خاک دارد. همچنین نتایج نشان داد که در تخمین کربن آلی خاک در کل تپه ماهوری، کوکریجینگ معمولی با متغیر کمکی twi و کمترین مقدار me (0059/0) نسبت به دو روش کریجینگ و روش وزن دهی معکوس فاصله نتایج بهتری ارایه می دهد. این نتیجه به آن علت است که متغیر ثانویه (twi)با متغیر اصلی (کربن آلی خاک) دارای همبستگی مکانی بالایی بوده که این امر منجر به کاهش واریانس تخمین شده است.