11 بهمن 1404

فریده عباس زاده افشار

مرتبه علمی: استادیار
نشانی:
تحصیلات: دکترای تخصصی / علوم خاک - پیدایش و رده بندی خاک
تلفن:
دانشکده: دانشکده کشاورزی

مشخصات پژوهش

عنوان
پیش بینی مکانی نرخ فرسایش و رسوب با تلفیق روش های نقشه برداری رقومی خاک و رادیونوکلئید سزیم -137 در حوضه آبخیز آجی چای استان آذربایجان شرقی
نوع پژوهش پایان نامه
کلیدواژه‌ها
فرسایش و رسوب خاک، مدل جنگل تصادفی، سزیم-137
پژوهشگران پرستو ناظری، شمس اله ایوبی، حسین خادمی، فریده عباس زاده افشار، محمدرضا عبدی

چکیده

فرسایش و رسوب خاک از مهمترین معضلات محیط زیست به شمار می آید. لذا بدست آوردن اطلاعات کمی و قابل قبول و بلندمدت در مورد مقدار نرخ جهانی فرسایش و رسوب و گسترش آن یک نیاز ضروری می باشد. در نتیجه برای ارزیابی وسیع و انجام برنامه ریزی در یک حوضه آبخیز و انجام پروژه های حفاظتی و مدیریت بهتر، لازم است تا اطلاعات کافی از مقدار هدررفت و رسوب در دسترس باشد. برای رفع محدودیت های موجود مدل ها و تکنیک های جدیدی جهت برآورد فرسایش و رسوب با کمترین مطالعات، با دقت زیاد و باسهولت بکار گرفته می شود. بدین منظور این پژوهش در چهار بخش به مطالعه نقشه برداری پایداری خاکدانه های خاک با استفاده از مدل های مبتنی بر یادگیری ماشینی تحت چهار سناریو در شمال غرب ایران، ارزیابی توزیع کربن آلی و نیتروژن کل در بخش های مختلف خاکدانه با استفاده از مدل های یادگیری ماشین، مدلسازی مکانی موجودی و توزیع مجدد سزیم-137 خاک با بکارگیری یادگیری ماشین و سنجش از دور به همراه متغیرهای کمکی در مقیاس حوضه آبخیز و در مطالعه چهارم به نقشه برداری فرسایش و رسوب بدست آمده با تکنیک سزیم-137 و مقایسه با داده های رسوب ایستگاه هیدرومتری حوضه در شمال غرب ایران پرداخته شد. مساحت تقریبی حوضه مورد مطالعه 777664 هکتار است که با روش نمونه برداری مربع لاتین هایپرکیوب شرطی 100 نمونه خاک رویین (0تا15و 15تا 30 سانتی متر) برداشت شد. نتایج پیش بینی پایداری خاکدانه ها در 4 سناریو با استفاده از الگوریتم های یادگیری ماشین نشان داد که مدل جنگل تصادفی نسبت به مدل های دیگر نتایج و عملکرد بهتری را نشان داد و زمانی که مدل از متغیرهای محیطی توپوگرافی، سنجش از دور و ویژگی های خاک استفاده می کند، دقت قابل قبول تری ارائه می دهد. ارزیابی توزیع کربن آلی و نیتروژن کل در بخش های خاکدانه با استفاده از مدل های یادگیری ماشین انجام شد. نتایج این بخش از پژوهش نشان داد که روش های یادگیری ماشین بخصوص مدل جنگل تصادفی تواتست کربن آلی و نیتروژن کل در بخش های مختلف خاکدانه را با متغییرهای محیطی سنجش از دور، توپوگرافی و نقشه کاربری ارضی بخوبی پیش بینی کند. مدلسازی مکانی موجودی و توزیع مجدد سزیم-137 خاک با بکارگیری یادگیری ماشین و سنجش از دور به همراه متغیرهای کمکی در مقیاس حوضه آبخیزدر چهار سناریو صورت گرفت. نتایج مدل سازی نشان داد که سناریو4 با ترکیبی از متغییرهای توپوگرافی، سنجش از دور و نقشه های موضوعی عملکرد بالایی دارد و بالاترین موجودی سزیم-137 و هدررفت/رسوب سزیم-137 با مدل سازی 23/319 بکربرمترمربع و 81/6% برآورد شد. در بخش چهارم به مطالعه نقشه برداری فرسایش و رسوب بدست آمده با تکنیک سزیم-137 و مقایسه با داده های رسوب ایستگاه هیدرومتری حوضه در شمال غرب ایران پرداخته شد. نتایج مدل سازی فرسایش و رسوب محاسبه شده با تعادل نسبی نشان داد که روش های یادگیری ماشین علی الخصول مدل جنگل تصادفی نتایج رضایت بخشی را در این پیش بینی ارائه نموده است که میزان فرسایش و رسوب در نقشه پیش بینی در بازه 25/8 و 95/118- تن برهکتار برآورد شد. همچنین مقایسه فرسایش و رسوب در کاربری ها و شیب های مختلف نشان داد که میزان فرسایش در کاربری های مرتع به دلیل قرار گرفتن در شیب های بین 10 تا 40 درصد مقادیر بالایی را نشان می دهد و با کاهش درصد شیب از میزان فرسایش کاسته می شود. به عبارت دیگر نقش ویژگی های توپوگرافی در فرسایش و رسوب حوضه آبخیز فوق العاده بارز بود. علاوه بر این میزان رسوب خروجی پیش بینی شده با مدل از حوضه آبخیزکل منطقه برابر 79/1 تن درهکتار در سال می باشد و و م