نقشه¬برداري رقومي سه بعدي ظرفيت تبادل كاتيوني خاك در منطقه دورود استان لرستان

3D Digital Mapping of Soil Cation Exchange Capacity in Dorud, Lorestan Province

ظرفیت تبادل كاتیونی خاك از جمله خصوصیات مهم خاك می¬باشد كه در پایگاه¬های داده¬ای مربوط به خاك و به عنوان ورودی در مدل¬های زیست محیطی و نیز مدل¬های مربوط به خاك به كار می¬رود. این مقاله از یك روش جدیدبرای پیش¬بینی تغییرات مكانی ظرفیت تبادل كاتیونی خاك به طور پیوسته (تا عمق یك متر) در منطقه دورود استان لرستان بهره می¬گیرد. در مطالعه حاضر از تركیب معادلات عمق اسپیلاین با نواحی یكسان و تكنیك نقشه¬برداری رقومی خاك بهره گرفته شد تا با استفاده از تعداد محدودی نقطه (103 نقطه)، تغییرات سطحی و عمقی ظرفیت تبادل كاتیونی خاك در كل محدوده مورد مطالعه بررسی شود. جهت ارتباط دادن ظرفیت تبادل كاتیونی خاك و متغیرهای كمكی به دست آمده از تصاویر ماهواره¬ای و مدل رقومی ارتفاع، از مدل رگرسیون درختی استفاده شد. نتایج نشان داد كه در پیش¬بینی پارامتر مذكور، بعضی از پارامترهای كمكی از جمله باند سه تصویر ماهواره و مساحت اصلاح شده حوزه دارای اهمیت بیشتری بودند. همچنین نتایج نشان داد كه مدل درختی به خوبی متغیر هدف را در پنج عمق استاندارد با ضریب تبیین 84/0، 84/0، 84/0، 66/0، 27/0 و میانگین ریشه مربعات به ترتیب 75/1، 84/1، 84/1، 11/2، 16/2 پیش¬بینی كرده است كه بیانگر قابل قبول بودن نتایج در همه اعماق (بجز عمق پنجم) می¬باشند. نتایج تحقیق حاضر نیز نشان داد كه استفاده از نقشه برداری رقومی، رگرسیون درختی و معادله اسپیلاین با نواحی یكسان ابزارهایی قدرتمند جهت برآورد تغییرات مكانی ظرفیت تبادل كاتیونی خاك به صورت جانبی و عمقی می¬باشند.

There is an increasing demand for reliable large-scale soil datato meet the requirements of models for planning of land-usesystems, characterization of soil pollution, and prediction ofland degradation. Cation exchangecapacity (CEC) is among the most important soil propertiesthat are required in soil databases. This paper applied a novel method for whole-soil profile predictions of CEC (to 1 m) across Dorudlocated in LorestanProvince. At present research, we combined equal-area spline depth functions with digital soil mapping techniques to predict the vertical and lateral variations of CEC across the study area where limited soil information exists (103 soil profiles). To model the relationship between CEC and environmental factors (i.e. Representative soil forming factors), derived from a digital elevation model and Landsat imagery, a regression tree was applied. Results indicated that some auxiliary data had more influence on the prediction model (i.e. B3 and modified catchment area). Our results also confirmed the regression tree model predicted target variable at the five specific depths with coefficient of determination of 0.84, 0.84, 0.84, 0.66, 0.27 and root mean square of 1.75, 1.84, 1.84, 2.11, and 2.16, respectively. Results showed a reasonable R2 in first four depths ranged from 0.66 to 0.84; while, it decreases to 0.27 in the last depth. Our results also confirmed that the regression tree as a predictive model, digital soil mappingtechniqueand equal area splinesare powerful tools to predict lateral and vertical variation of CEC.