تعيين مناطق حساس به فرآيند بياباني شدن با استفاده از مدل سازي سه بعدي شوري خاك در شهر اردكان

Determination of vulnerable regions To desertification process using 3D soil salinity modelling In Ardakan city

آسماني آراني سميه AsemaniArani Somayeh

تقي زاده مهرجردي روح الله Taghizadeh Mehrjardi Ruhollah

تازه مهدي Tazeh Mehdi , رحيميان محمدحسن Rahimian Mohammad Hassan

مديريت و كنترل بيابان

كشاورزي و منابع طبيعي

مهندسي طبيعت

102ص

بيابان زايي , پهنه بندي رقومي , القاگر الكترومغناطيس , نقشه سه بعدي , شوري خاك

desertification , digital mapping , electromagnetic inductor , three-dimensional maps , soil salinity

پديده بيابان¬زايي در اثر يك يا تركيبي از فرايندهاي بيابان¬زايي از قبيل شورشدن اراضي، تخريب منابع طبيعي، ماندابي شدن، فرسايش آبي، فرسايش بادي و ... ايجاد مي¬شود. شوري خاك يكي از مشكلات اساسي در مناطق خشك و نيمه¬خشك است. بنابراين، تهيه نقشه شوري اهميت دارد. اين پژوهش به¬منظور پهنه¬بندي رقومي شوري خاك در يكي از باغات پسته در حاشيه بيابان و شهر اردكان و تعيين مناطق مستعد شوري‌زايي و بيابان¬زايي انجام شده است. بدين منظور تعداد 49 نمونه خاك، در سه عمق (30-0، 60-30 و 90-60 سانتي¬متري) و 252 قرائت بوسيله دستگاه EM-38 در دو حالت افقي و عمودي برداشت شد. سپس جهت واسنجي قرائت‌هاي دستگاه فوق از روش¬هاي رگرسيون خطي چندگانه، شبكه عصبي مصنوعي و مدل نروفازي استفاده گرديد. نتايج اين پژوهش نشان¬داد كه مناسب¬ترين روش براي واسنجي داده‌هاي هدايت الكتريكي دستگاه، به¬كارگيري مدل نروفازي براي پيش¬بيني شوري خاك اعماق مختلف مي¬باشد كه دقت آن نسبت به دو مدل ديگر بالاتر بود. همچنين جهت پهنه¬بندي قابليت هدايت الكتريكي از روش¬هاي رگرسيون كريجينگ، كريجينگ، كوكريجينگ و وزن¬دهي عكس فاصله استفاده شد. نتايج ارزيابي مدل¬ها نمايانگر دقت بالاي رگرسيون كريجينگ (نروفازي + كريجينگ) نسبت به مدل¬هاي ديگر زمين¬آمار مورد استفاده در اين تحقيق است. در انتها، نقشه مناطق مستعد بيابان‌زايي تهيه شد كه نتايج نشان¬داد بيشترين شوري خاك در نواحي جنوبي و غربي منطقه قرار گرفته است.

Desertification phenomenon is result of one or combination of processes such as soil salinization, natural resources degradation, waterlogging, water erosion, wind erosion, and etc. Soil salinity is a major issue in arid and semi-arid regions. Therefore, salinity mapping is of great important. The present research was conducted to digital zoning and mapping soil salinity in a pistachio orchard on suburb of Ardekan city and determines area prone to salinization and desertification. For this purpose 49 soil samples at three depths (0-30, 30-60 and 60-90 cm) and 252 reads by EM-38 in both vertical and horizontal modes were taken. Then to calibrate readings multiple linear regression, neural networks methods and neuro-fuzzy model were used. Results showed that the most appropriate method to calibrate electrical conductivity data is to use neuro-fuzzy model to predict soil salinity at different depths as it had high accuracy than the two others. In addition to mapping the electrical conductivity, kriging regression, kriging, and inverse distance weighting cokriging were considered. The results of the model validation suggested high accuracy of RK (neuro-fuzzy + kriging) than others geo-statistical model in the present. Finally areas prone to desertification were mapped and results showed that southern and western area accounted for highest salinity.

10/7/2015 12:00:00 AM

65

NE22

خانم فتوحي