نقشه‌برداري رقومي فرسايش‌پذيري خاك (مطالعه موردي: دهگلان، استان كردستان)

سابقه و هدف: فرسايش‌پذيري خاك يكي از خصوصيات بسيار مهم خاك مي‌باشد كه بررسي تغييرات مكاني آن، جهت مديريت زراعي، تخريب اراضي و مطالعات زيست محيطي حائز اهميت مي‌باشد. بنابراين اطلاع از تغيير‌پذيري مكاني فرسايش‌پذيري خاك نقش مهمي در مدل‌سازي فرسايش آبي دارد. بررسي تغييرات فرسايش‌پذيري خاك به شيوه‌هاي مرسوم گران و زمان‌بر است . لذا يكي از راه‌هاي حل اين چالش استفاده از نقشه‌برداري رقومي خاك است كه مي‌تواند خصوصيات خاك را با استفاده از داده‌هاي كمكي و مدل‌هاي داده‌كاوي به صورت رقومي پيش‌بيني كند. هدف از اين تحقيق استفاده از مدل‌هاي شبكه عصبي مصنوعي و جنگل تصادفي و داده‌هاي كمكي براي تهيه نقشه فرسايش‌پذيري خاك مي‌باشد. مواد و روش: با استفاده از روش نمونه‌برداري تصادفي طبقه‌بندي، تعداد 100 نمونه خاك از عمق 30-0 سانتي‌متري خاك‌هاي منطقه دهگلان استان كردستان (با وسعت 48701 هكتار) برداشت شده و خصوصيت بافت خاك، شن ريز، كربن آلي، نفوذپذيري، ساختمان خاك و فرسايش‌پذيري خاك (با استفاده از معادله ويشماير و اسميت) اندازه‌گيري و محاسبه شد. متغيرهاي محيطي در اين پژوهش اجزاء سرزمين و داده‌هاي تصوير +ETM بودند. پارامترهاي سرزمين ( شامل 15 پارامتر) و شاخص رس و شاخص گياهي نرمال شده (NDVI) به ترتيب با استفاده از نرم‌افزار SAGA و ArcGIS10.3 محاسبه و استخراج گرديد. جهت ارتباط بين فرسايش‌پذيري خاك و متغيرهاي كمكي از مدل‌هاي جنگل تصادفي و شبكه عصبي مصنوعي بهره گرفته شد و با استفاده از روش اعتبارسنجي دوجانبه مورد ارزيابي قرار گرفت. در نهايت نقشه شوري خاك با استفاده از مدل بهتر تهيه شد. يافته‌ها: براي پيش‌بيني فرسايش‌پذيري خاك، متغيرهاي كمكي شامل شاخص خيسي، شاخص همواري دره، شيب، شاخص رس، شاخص NDVI و باند 7 مهم‌ترين بودند. نتايج اين تحقيق نشان داد كه دو مدل (شبكه عصبي مصنوعي با 0.80، 0.003 و 021/ و جنگل تصادفي با 0.76، 0.005 و 024/ به ترتيب0براي ضريب تبيين، ميانگين خطا و ميانگين ريشه مربعات خطا) داراي دقت نزديك به‌هم براي پيش‌بيني فرسايش‌پذيري خاك بودند. فرسايش‌پذيري خاك در محدوه بين 0.05-0 تن ساعت بر مگا ژول ميلي‌متر قرار داشت و بيش‌ترين مقادير فرسايش‌پذيري خاك در مناطق مرتفع جنوبي با شيب زياد و پوشش گياهي كم مشاهده شد. در كلاس شيب بيشتر از 10 درصد فرسايش‌پذيري خاك بيشتر از ساير كلاس‌هاي شيب بود. همچنين كلاس شيب بيشتر از 10 درصد، داراي كمترين مقادير داده‌هاي كمكي شامل شاخص خيسي، شاخص همواري دره با درجه تفكيك بالا، شاخص رس و باند7 و بيشترين مقدار شاخص NDVI بود. نتيجه گيري: در پژوهش حاضر از مدل‌هاي شبكه عصبي مصنوعي و جنگل تصادفي جهت بررسي تغييرات مكاني فرسايش‌پذيري خاك در منطقه دهگلان استان كردستان استفاده شد. ميزان فرسايش‌پذيري خاك در كلاس شيب 10% در مقايسه با ساير كلاس‌هاي شيب بيشتر بود. شاخص NDVI مهمترين متغير كمكي در پيش بيني فرسايش‌پذيري خاك در منطقه بود. همچنين شبكه عصبي مصنوعي و جنگل تصادفي بر اساس نتايج شاخص‌هاي آماري شامل ضريب تبيين، ميانگين خطا و ميانگين ريشه مربعات خطا ( به ترتيب 0.80، 0.003 و 021/ براي شبكه عصبي مصنوعي و 0.76، 0.005 و 024 براي جنگل تصادفي) برآورد دقيقي از فرسايش‌پذيري خاك داشتند. پيشنهاد مي‌گردد جهت نقشه‌برداري رقومي خصوصيات خاك و به روز كردن نقشه‌هاي قديمي از تكنيك‌هاي پدومتري (همچون مدل شبكه عصبي مصنوعي و جنگل تصادفي) و داده‌هاي كمكي اجزاء سرزمين و تصاوير ماهواره‌اي استفاده شود. همچنين پيشنهاد مي‌گردد كه فرسايش‌پذيري خاك مستقيماً اندازه گيري شده و نتايج آن با اين مطالعه مقايسه گردد.