پیش‌بینی تغییرات مکانی برخی کلاس‌ها و ویژگی‌های خاک با تلفیق داده‌های محیطی و سنجش از دور و سنجش از نزدیک در منطقه جونقان استان چهارمحال و بختیاری

STUDENT

DEGREE

YEAR

The objectives of this study were: 1) investigation of the relationships between soil-landscape evolution in a hierarchical sequence of different soil classification and geomorphic levels using diversity indices; 2) to investigate the potential of visible to near-infrared (Vis-NIR: 350-2500 nm), mid-infrared (mid-IR: 2500-25000 nm) reflectance spectroscopy to predict soil organic matter (SOM) and calcium carbonate (CaCO 3 ) content; 3) spatial prediction of soil great groups and 4) spatial prediction of soil drainage classes in a semi-arid region located at Jouneqan district in Chaharmahal Bakhtiary province, Iran. A stratified sampling design was defined through digital lithology, geomorphology and topography maps and a total of 102 soil profiles located across the study area were described and classified according to US Soil Taxonomy. Soil samples were collected from various genetic horizons. 170 surface samples were collected to provide a suitable spatial coverage of the study area as well. The obtained result of soil-landscape evolution showed that soil evolution and its properties is mainly affected by some soil formation factors including parent material and topography and locally the underground water level. In the higher lands, the lowest evolution was observed whereas, more evolved soils were observed in lower lands with more stable conditions. The results also indicated that all of the pedodiversity indices showed nearby a similar trend and increased under the decrease of the taxonomy and geomorphic hierarchy levels. Besides, there was a positive linear relationship between species richness index and area of landform units. In other words, as the area of landform units increases, the diversity and consequently the richness index increases. The results of quantification of SOM and CaCO 3 using Vis-NIR and mid-IR reflectance spectroscopy demonstrated that generally mid-IR spectra showed better performance than Vis-NIR for prediction of SOM and CaCO 3 . Comparison of the average of R 2 , RMSE and RPD values of each calibration model in validation data-set showed that in both spectral ranges, PLSR was the best predictive model for SOM and CaCO 3 content. As regards spatial distribution of soil classes, achieved results proved that the importance of some covariates in prediction of soil great groups was more than other variables, including, soil color qualifiers especially chroma, magnetic susceptibility, vegetation indices and some terrain attributes such as slope. In overall, Multinomial Logistic Regression model showed higher performance compared to Support Vector Machine model to predict soil great groups. Regarding spatial distribution of soil drainage classes both Random Forest and Support Vector Machine models had the highest overall accuracies, using DEM-derived topographic variables, vegetation indices combined with soil spectra-derived color qualifiers as input variables. Based on the associated Kappa coefficient values, there was a substantial concurrence between the observed and predicted drainage classes for both models. The best classification results were acquired for two extreme soil drainage classes, i.e. well drained (WD) and poorly drained (PD), while the moderately well drained (MWD) class had the lowest classification overall ac curacy. Chroma, NDVI and SAVI were among the principle attributes which were potentially very useful inputs for discriminating drainage classes in the studied area. Classification results indicated that combining NDVI, SAVI and chroma with topographic attributes improved the overall accuracy of both models. Comparison of the predicting results revealed that although, both models exhibited nearby the same performance, the better soil drainage class estimates were obtained using Support Vector Machine model. Despite the promising results obtained in this study it is important to consider that no single predictive algorithm might serve best for every region and in order to recognize the most accurate model for prediction, various models using different covariates should be developed. Keywords: Diffuse reflectance spectroscopy, Digital soil mapping, Juneqan, Pedodiversity, soil drainage class

خاک، سیستمی ناهمگن با فرآیندها و مکانیسم‌‌های پیچیده‌ای است که شناخت کامل آن بسیار دشوار است. امروزه به منظور شناخت بهتر خاک، استفاده کارآمدتر از این منبع و همزمان حفظ آن برای نسل‌های آینده، نیاز به توسعه بیشتر تکنیک‌های تجزیه‌ای و تحلیلی، بیش از پیش احساس می‌شود. لذا، شناخت دقیق خاک، درک ارتباط آن با زمین‌نما و تهیه نقشه‌های با قدرت تفکیک مکانی بالا نسبت به گذشته اهمیت بسیار بیشتری پیدا کرده است. در این راستا مطالعه حاضر در قالب چهار مطالعه شامل بررسی ارتباط تکامل خاک-زمین‌نما، پیش‌بینی ویژگی‌های خاک با استفاده از اطلاعات تکنیک طیف‌سنجی انعکاسی پخشیده، پیش‌بینی مکانی کلاس‌های خاک در سطح گروه بزرگ و کلاس‌های زهکشی خاک در بخشی از اراضی دشت جونقان با مساحتی بالغ بر 16000 هکتار واقع در شهرستان فارسان استان چهارمحال و بختیاری انجام شد. به منظور نیل به اهداف این مطالعه نقشه ژئومورفولوژی منطقه با استفاده از روش استاندارد موجود تهیه و طی بازدیدهای صحرایی مورد بازبینی و اصلاح قرار گرفت. به منظور پوشش دادن کلیه عوامل تغییر دهنده‌ی ویژگی‌های خاک، نقاط نمونه‌برداری به گونه‌ای تعیین شد که با تغییرات ویژگی‌های خاک و با اهداف، مقیاس و فرضیات اولیه این مطالعه متناسب بوده و نشان دهنده‌ی تغییرات جامعه مورد مطالعه باشد. بنابراین بر اساس یک طرح نمونه‌برداری طبقه‌بندی شده، نقاط نمونه‌برداری به صورت تصادفی و متناسب با مساحت واحد در هر واحد انتخاب شد. در نهایت 102 پروفیل در منطقه مشخص و نمونه‌برداری و تشریح و کلاس‌بندی آن‌ها تا سطح گروه بزرگ انجام شد. جهت غنی‌تر شدن اطلاعات موجود و پوشش بهتر منطقه علاوه بر نمونه‌برداری پروفیلی تعداد 170 نمونه خاک سطحی نیز جمع‌آوری شد. نتایج مطالعه ارتباط تکامل خاک-زمین‌نما نشان دادکه عوامل پستی و بلندی، مواد مادری و نوسانات آب زیرزمینی از جمله مهم‌ترین عوامل مؤثر بر تکامل خاک در منطقه بوده‌اند .نتایج همچنین نشان داد که شاخص‌های تفرّق در هر دو سطح سلسله مراتب طبقه‌بندی و ژئومورفیک با کاهش سطح سلسله مراتب افزایش پیدا کرده است. افزایش شاخص‌های تفرّق در خاک و زمین‌نما در طول زمان، نشان دهنده واگرا بودن تکامل خاک است؛ به این معنی که با افزایش تکامل خاک، تفرّق آن افزایش یافته است. پس از شناخت دقیق‌تر منطقه و با در نظر گرفتن نتایج حاصل از بررسی تکامل خاک-زمین‌نما به پیش‌بینی مواد آلی (SOM) و کربنات کلسیم معادل (CCE) به عنوان اجزای پایه و مهم خاک‌ها بخصوص در مناطق خشک و نیمه خشک، با استفاده از تکنیک طیف‌سنجی انعکاسی پخشیده در سه محدوده طیفی Vis-NIR و mid-IR و Vis-Near-mid-IRبا استفاده از روش‌های پیش‌پردازش و مدل‌های مختلف پرداخته شد. بررسی ویژگی‌های کلی طیف‌های خاک نشان داد که کربنات کلسیم معادل باعث افزایش مقدار بازتاب از خاک و کربن آلی باعث کاهش مقدار آن می‌شود. بررسی میانگین عملکرد هرکدام از مدل‌ها نشان داد که به طور کلی در هر سه مجموعه طیفی با توجه به ضریب تبیین و حداقل مربعات خطا، مدل PLSR بهترین میانگین عملکرد را در پیش‌بینی میزان CCE و SOM داشته است. همچنین تمامی مدل‌های مورد استفاده به طور میانگین در محدوده طیفی mid-IR عملکرد بهتری را نسبت به طیف Vis-NIR نشان دادند. در مطالعه چهارم به بررسی عملکرد دو مدل MLR و SVM به عنوان روش‌های پیش‌بینی گروه‌های بزرگ خاک با استفاده از اطلاعات سنجش از دور و سنجش از نزدیک مختلف پرداخته شد. مقایسه عملکرد مدل‌ها نشان داد که هر دو مدل بهترین عملکرد را هنگام استفاده از تمامی متغیرهای کمکی تعریف شده (پارامترهای رنگ خاک و پذیرفتاری مغناطیسی به همراه متغیرهای محیطی و شاخص‌های NDVI و SAVI، نقشه زمین‌شناسی و ژئومورفولوژی) به عنوان پیش‌بینی کننده دارند. نتایج همچنین نشان داد که برخی متغیرها از جمله chroma، NDVI و SAVI، پارامترهای پذیرفتاری مغناطیسی و برخی متغیرهای محیطی نظیر شیب اهمیت بالاتری در پیش‌بینی گروه‌های بزرگ خاک نسبت به سایر متغیرهای کمکی داشته‌اند. در مطالعه پنجم، دو مدل RF و SVM برای پیش‌بینی توزیع مکانی سه کلاس‌ زهکشی خاک (WD، MWD و PD) به کار گرفته شد. در هر دو مدل یاد شده ضعیف‌ترین عملکرد در شرایط استفاده از متغیرهای محیطی مشتق از مدل رقومی ارتفاع به تنهایی و بهترین عملکرد در شرایط استفاده همزمان از متغیرهای محیطی، شاخص‌های گیاهی مستخرج از اطلاعات سنجش از دور و پارامترهای رنگ خاک مستخرج از طیف خاک مشاهده شد. بر اساس شاخص کاپا و صحت کلی، بین کلاس‌‌های مشاهده شده و پیش‌بینی شده در هر دو مدل توافق قابل توجهی دیده شد. همچنین بر اساس مقدار صحت تولید کننده در هر دو مدل، بهترین نتایج کلاس‌بندی برای دو کلاس WD و PD و ضعیف‌ترین نتایج برای کلاس حد واسط MWD حاصل شد. بررسی اهمیت متغیرها نشان داد که در هر دو مدل متغیرهای کروما، و NDVI و SAVI از جمله مهم ترین پارامترهای پیش‌بینی کننده کلاس‌های زهکشی در منطقه مورد مطالعه بوده‌اند. کلمات کلیدی: تنوع خاک، جونقان، طیف‌سنجی انعکاسی پخشیده، کلاس خاک، کلاس زهکشی، نقشه‌برداری رقومی.