ارائه پروتكل محاسباتي و شبيه‌سازي براي پايش مخازن كربن آلي خاك (مطالعه موردي: پارك جنگلي نور)

سابقه و هدف: با توجه به سناريوي گرمايش زمين به عنوان بزرگترين چالش زيست‌محيطي عصر حاضر و اهميت حفاظت و انباشت هر چه بيشتر موجودي كربن در خاك در قالب بزرگترين مخازن كربن اتمسفري در زمين، پايش بهينه مخازن كربن آلي خاك در بوم‌سازگان‌هاي جنگلي مي‌تواند ابزاري مناسب براي بررسي تغييرات پارامترهاي اقليمي در منطقه علاوه بر مديريت حفاظتي بهينه بوم‌سازگان‌هاي مذكور در رابطه با روند تغييرات ذخاير كربن خاك و چرخش كربن محسوب شود. از اين‌رو، يك پروتكل جامع با قابليت اطمينان زياد براي ايجاد مدل‌هاي پيش‌بيني ذخاير كربن آلي خاك با حداكثر دقت بايد ارائه شود، طوري‌كه با استفاده از مدل‌هاي مزبور شامل متغيرهاي توصيفي با قابليت اندازه‌گيري آسان با حداقل هزينه بتوان كنترل حفاظتي متناسب در رابطه با تغييرات مقادير ترسيب كربن در سطوح مختلف لايه‌هاي خاك انجام داد. مواد و روش: پژوهش حاضر در پارك جنگلي نور كه به عنوان بزرگترين جنگل‌هاي جلگه‌اي شمال كشور محسوب مي‌شود صورت گرفت. براي انجام پايش بهينه مخازن كربن آلي خاك در جنگل مذكور، 25 قطعه‌نمونه 400 متر مربعي با طرح بلوك تصادفي در توده‌هاي توسكا – انجيلي، پلت – انجيلي و اوجا – ممرز براي اندازه‌گيري مشخصه‌هاي كمي به‌منظور محاسبه شاخص‌هاي تنوع زيستي و فاكتور كربن خاك (در دو عمق 20 0 و 40 – 20 سانتي‌متر) پياده‌سازي شد. روش‌هاي محاسباتي تحليل رگرسيون و تكنيك شبيه‌سازي با استفاده از شبكه عصبي مصنوعي براي انجام مطالعه حاضر استفاده شدند. براي تحليل‌هاي محاسباتي از روش‌هاي سنتي مبتني بر رگرسيون به روش تخمين منحني و رگرسيون خطي چندگانه و براي پيشبرد تحليل‌هاي شبكه عصبي مصنوعي از الگوريتم پس‌انتشار خطا با ساختار پروسپترون چند لايه استفاده شد. يافته‌ها: نتايج نشان داد كه رگرسيون خطي چندگانه شامل شاخص‌هاي همبسته تنوع زيستي به عنوان عوامل توصيفي بر مبناي شاخص‌هاي اعتبارسنجي از جمله ضريب اطلاعات آكاييك و فاكتور تورم واريانس ( ) داراي اعتبار محاسباتي بوده ولي داراي دقت قابل ملاحظه‌اي نمي‌باشد. در تحليل‌ غيرخطي، مدل كرو بر حسب وفور پوشش علفي مدل بهينه ذخاير كربن لايه آلي خاك و مدل تواني تبديلي لگاريتمي ( ) شامل غلبه گونه‌اي درختي (D)، وفور (Abunance) و يكنواختي (J’) پوشش علفي بهترين مدل لايه معدني خاك محسوب شدند. تكنيك شبيه‌سازي نشان داد كه در الگوريتم پس‌انتشار خطا، خروجي بهينه لايه آلي خاك با ماتريس ورودي‌ Abundance و J’ با توپولوژي يك لايه پنهان و 15 نورون حاوي تابع Tan-sigmoid و خروجي بهينه لايه معدني خاك با اضافه شدن لايه D به ماتريس مزبور با معماري دولايه پنهان و 35 نورون داراي حداكثر قطعيت پيش‌بيني نسبت به كليه تحليل‌هاي رگرسيون هستند. نتيجه‌گيري: نوع روابط رياضي (ساختار تابع) بين شاخص‌هاي تنوع زيستي و متغير پاسخ مورد مطالعه صرفنظر از قطعيت ارتباط اكولوژيكي و بيولوژيكي بين آنها داراي قطعيت كم و محدوديت‌هاي تحليلي و آماري زياد از جمله وجود فاكتور تورم واريانس است. از اين‌رو، كاربرد تكنيك شبكه عصبي مصنوعي مي‌تواند بهترين جايگزين مدل‌هاي كلاسيك براي پيش‌بيني مقادير مذكور باشند. در اين خصوص، همانند پارامترهاي محاسباتي مدل‌هاي كلاسيك، توپولوژي هر مدل در شبكه عصبي مصنوعي تعيين كننده معماري و كارآيي (دقت) پايش مقادير ترسيب كربن در لايه‌هاي مختلف خاك مي‌باشد.