برآورد شاخص کیفیت فیزیکی خاک با استفاده از دادههای طیفی و بررسی همبستگی آن با فرسایشپذیری بادی
First Statement of Responsibility
محمود سیفی
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
کشاورزی
Date of Publication, Distribution, etc.
۱۴۰۰
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۱۳۴ص.
Accompanying Material
سی دی
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
دکتری
Discipline of degree
علوم خاک - گرايش فیزیک و حفاظت خاک
Date of degree
۱۴۰۰/۱۱/۲۰
SUMMARY OR ABSTRACT
Text of Note
ارزیابی مستمر کیفیت خاک اراضی کشاورزی امری ضروری برای اجتناب از تخریب خاک، حفظ پایداری تولید محصول و محیط زیست بویژه در مناطق در حال توسعه میباشد. روشهای متداول ارزیابی کیفیت خاک متکی بر عملیات صحرایی و تجزیه¬های آزمایشگاهی است که عموماً زمانبر و پرهزینه هستند، مخصوصاً اگر ارزیابی آن در مقیاس بزرگ و بطور مستمر مطرح باشد. استفاده از روشهای نوین از جمله طیفسنجی در محدوده نور مرئی، مادون قرمز نزدیک (2500-400 نانومتر) به عنوان یک روش سریع، آسان، کمهزینه و غیرمخرب در برآورد ویژگیهای خاک و ارزیابی کیفیت خاک میتواند بسیار مؤثر باشد. این مطالعه با هدف بررسی توانایی دادههای طیفی در برآورد خصوصیات فیزیکی و شاخصهای کیفیت فیزیکی خاک (SPQI) با استفاده از روش آماری رگرسیون حداقل مربعات جزئی (PLSR) و همچنین بررسی میزان همبستگی شاخص کیفیت فیزیکی با مقادیر فرسایشپذیری بادی خاک انجام شد. برای این منظور 96 نمونه خاک به روش نمونهبرداری هایپرکیوب از دشت تبریز (حدود 30 هزار هکتار) برداشته شد. اندازهگیری خصوصیات فیزیکی و سرعت آستانه فرسایش بادی (تونل بادی) نمونه خاکها در آزمایشگاه دانشگاه تبریز و طیفسنجی آنها با استفاده از دستگاه اسپکترورادیومتر در آزمایشگاه دانشگاه تربیت مدرس انجام شد. نتایج نشان داد که توابع طیفی از درستی متوسطی در برآورد خصوصیات فیزیکی (R2Calibration = 0.35 to 0.76) و شاخصهای کیفیت فیزیکی خاک (R2Calibration = 0.3 to 0.65) برخوردار هستند. درستی توابع طیفی در برآورد دو ویژگی شوری (EC) و قلیائیت (SAR) نسبت به خصوصیات فیزیکی بالا بود (R2Calibration SAR = 0.96 و R2Calibration EC = 0.77) و این به خاطر ارتباط مستقیم بازتاب طیفی با خصوصیات شیمیایی خاک میباشد. نتایج تجزیه واریانس دقت مدلها (R2/RMSE) در برآورد SPQIها از طریق دادههای طیفی نشان داد که احتلاف معنیداری (P-value= 0.01) بین مجموعه دادههای مورد استفاده (TDS، MDSPCA و MDSDA) در محاسبه شاخص کیفیت فیزیکی خاک وجود دارد. به طوری که بیشتری دقت برای مجموعه دادههای TDS و کمترین آن هم مربوط به مجموعه دادههای MDSDA است. همچنین نتایج شاخصهای کیفیت فیزیکی نشان داد که در انتخاب حداقل مجموعه داده ((MDS، روش آنالیز تشخیص (DA) کارائی بیشتری نسبت به روش تجزیه به مؤلفههای اصلی (PCA) دارد؛ به طوری که بیشترین ضریب همبستگی بین شاخصهای کیفیت خاک منتج از مجموعه کل دادهها (TDS) و MDS مربوط به SPQITDS و SPQIMDS-DA (r = 0.75 to 0.82)، بیشترین ضریب حساسیت (S) پیشنهادی مستو و همکاران (2008) (S= 3.40 to 4.31) و همچنین بیشترین ضریب همبستگی سرعت آستانه فرسایش بادی (TWV) (به عنوان یک "تک معیار" ارزیابی کیفیت فیزیکی خاک) در بین SPQIMDS ها مربوط به SPQIMDS-DA (r= 0.54 to 0.58) بود.
Text of Note
Abstract:Assessing soil quality of agricultural lands is essential for avoiding soil degradation, attaining sustainable production and environmental protection, especially in developing countries. Soil quality assessment which is traditionally based on sample collection and laboratory analyzes, could be quite costly and time consuming if to be carried out in large-scale and continuously. The use of new methods such as visible-near infrared (2500-400 nm) soil reflectance spectroscopy data as a fast, easy, low-cost and non-destructive method to predict soil properties can be quite useful. The objectives of this study were to investigate the ability of the spectral data to estimate soil physical properties and soil physical quality index (SPQI) using partial least squares regression (PLSR) method and also to investigate the correlation of SPQI with soil wind erodibility. For this purpose, 96 soil samples from a part of Tabriz plain (about 30,000 hectares) were collected using Latin hypercube sampling method. Physical properties and threshold velocity of wind erosion (wind tunnel) of the collected soil were measured in the laboratory of Tabriz University and the spectroscopy of soil samples was performed using a spectroradiometer in the laboratory of Tarbiat Modares University. The results revealed that spectral functions have moderate accuracy in estimating soil physical properties (R2Calibration = 0.35 to 0.76) and SPQIs (R2Calibration= 0.3 to 0.65), but very good accuracy for salinity (ECe) and alkalinity (SAR) assessment. This may be due to the high correlation of chemical properties with soil spectral reflectance. The variance analysis of the accuracy of models (R2/RMSE) in estimating SPQIs indicated that there is a significant difference (P-value = 0.01) between the data sets used (TDS, MDSPCA and MDSDA) in calculating the SPQI. The highest accuracy is for the TDS and the lowest for the MDSDA. Besides, the results also showed that the discriminate analysis (DA) method is more efficient than the principal component analysis (PCA) method in selecting the minimum data set (MDS) for SPQI computation; as the highest correlation coefficient between soil quality indicators from the TDS and MDS was related to SPQITDS and SPQIMDS-DA (r = 0.75 to 0.82), the highest sensitivity coefficient (S), (proposed by Masto et al. ,2008) (S = 3.40 to 4.31), and the highest correlation coefficient of the Threshold Wind Velocity (TWV) (as a "single criterion" for assessing soil physical quality), was related to SPQIMDS-DA (r= 0.54 to 0.58) among SPQIMDS.
OTHER VARIANT TITLES
Variant Title
Prediction of Soil Physical Quality Index (SPQI) by Using Spectral Data and its Correlation with Wind Erodibility