پهنه‌بندي كربن آلي خاك با استفاده از روش‌هاي زمين‌آماري و شبكه عصبي مصنوعي (استان كهگيلويه و بويراحمد)

براي درك بهتر از ترسيب يا آزادسازي كربن به اتمسفر، پهنه‌بندي كربن آلي خاك براي داشتن خط مبنايي از مقدار و ذخيره آن در خاك و همچنين امكان پايش تغييرات آن در طول زمان، بسيار حائز اهميت است. هدف اصلي اين تحقيق، شناخت تغييرپذيري مقدار و ذخيره كربن آلي خاك با استفاده از روش‌هاي شبكه عصبي مصنوعي و زمين‌آمار در شرق و جنوب شرق استان كهگيلويه و بويراحمد بود. نمونه‌هاي خاك به‌صورت مركب و تصادفي از 204 نقطه از عمق 0-15 سانتي‌متر جمع‌آوري و مقدار كربن و ذخيره كربن آلي و برخي خصوصيات خاك اندازه‌گيري شد و از شاخص پوشش گياهي، ارتفاع، دما، بارش و شيب به‌عنوان داده‌هاي كمكي استفاده شد. به‌منظور تخمين نقاط در محل‌هاي نمونه برداري نشده از روش هاي شبكه عصبي مصنوعي (پرسپترون چندلايه، MLP)، كوكريجينگ، كريجينگ معمولي و وزن دهي معكوس فاصله استفاده شد و از شاخص هاي آماري نظير ضريب همبستگي (R2)، ضريب همبستگي همگام (CCC)، خطاي ميانگين (ME) و ريشه ميانگين مربعات خطا (RMSE) براي تعيين بهترين روش استفاده شد. مقدار و ذخيره كربن آلي خاك با كاهش ميانگين دما و افزايش ارتفاع، ارتقا يافت و در كاربري جنگل بيشترين مقدار بود. بهترين مدل واريوگرام براي مقدار و ذخيره كربن آلي مدل گوسي بود و روش MLP نسبت به روش هاي زمين‌آماري در تخمين مقدار و ذخيره كربن آلي خاك دقت بيشتري داشت. پهنه‌بندي حاصل از روش MLP با توجه به‌دقت بالاي آن (0.856= RMSE، 0.133= ME، 0.89 CCC=و 0.68= R2) و مدنظر قرار دادن عوامل زميني، خاكي و اقليمي، مي تواند به‌عنوان يك نقشه مبنا براي بيان وضعيت فعلي كربن آلي در منطقه معرفي گردد.