بررسی ویژگی‌های جذبی کربن آلی خاک با روش طیف‌سنجی آزمایشگاهی در مناطق مستعد تولید ریزگرد استان خوزستان

Abstract

سابقه و هدف: در سال‌های اخیر نواحی گسترده‌ای از استان خوزستان به دلیل عدم پوشش سطحی و مقاومت کم خاک در برابر باد فرساینده، مستعد تولید ریزگرد هستند. در بین ویژگی‌های خاک، ماده آلی با اتصال ذرات خاک نقش مهمی در مقاومت به فرسایش بادی و تولید ریزگرد دارد. با توجه با سطح گسترده‌ی کانون‌های ریزگرد استان خوزستان، استفاده از روش‌های سنتی تجزیه و تحلیل خاک پر هزینه و زمان‌بر است. روش طیف‌سنجی به دلیل مزیت سرعت عمل و سهولت جابجایی، می‌تواند هزینه و زمان اندازه‌گیری ویژگی‌های خاک را کاهش دهد. بر این اساس هدف از این پژوهش بررسی رفتار طیفی کربن آلی خاک در مناطق مرکز و جنوب استان خوزستان با استفاده از دو مدل رگرسیونی چند متغیره ماشین بردار پشتیبان (SVR) و شبکه عصبی (PLS-ANN) و تعیین طول موج کلیدی کربن آلی خاک در این مناطق است.مواد و روش‌ها: در این پژوهش منطقه مطالعاتی به شبکه‌های 2 در 2 کیلومتری تقسیم گردید و نمونه‌برداری به روش سیستماتیک- تصادفی انجام شد. مقدار کربن آلی نمونه‌های خاک در آزمایشگاه اندازه‌گیری گردید. طیف بازتابی نمونه‌ها با استفاده از دستگاه Fildspec3 در اتاقک تاریک تعیین شد و اندازه‌گیری طیفی با سه نوع آشکارساز در محدوده مرئی تا مادون‌قرمز نزدیک (2500-350 نانومتر) صورت گرفت. به منظور حذف نویز در طیف بازتابی، طیف اصلی با 4 روش مشتق اول همراه با فیلتر ساویتزکی - گولای (FD-SG)، روش مشتق دوم به همراه فیلتر ساویتزکی - گولای (SD-SG)، واریانس نرمال استاندارد (SNV) و حذف پیوستار (CR) پیش‌پردازش شد. در ادامه عملکرد مدل‌های SVR و PLS-ANN در طیف اصلی و روش‌های پیش‌پردازش مورد مقایسه قرار گرفت.یافته‌ها: نتایج نشان داد که مدل PLS-ANN دقت بیشتری نسبت به مدل SVR در برآورد کربن آلی خاک داشت. در مدل SVR روش پیش‌پردازش حذف پیوستار (CR) بهترین عملکرد (CR) (82/1=CAL RPD و 06/0 =CAL RMSE ،84/0 =CAL R2) و طیف اصلی (ROW) (66/1=CAL RPD و 14/0 =CAL RMSE ،74/0 =CAL R2) کمترین عملکرد را داشتند. در مدل PLS-ANN بهترین عملکرد مرتبط به روش مشتق دوم (SD-SG) (34/2=CAL RPD و 05/0 =CAL RMSE ،92/0 =CAL R2) و کمترین عملکرد در روش مشتق اول (FD-SG) (86/1=CAL RPD و 1/0 =CAL RMSE ،80/0 =CAL R2) مشاهده شد.نتیجه‌گیری: در این پژوهش روش‌های پیش‌پردازش سبب بهبود دقت کلی مدل های SVR و PLS-ANN نسبت به طیف اصلی شدند. با توجه به عملکرد روش مشتق دوم در مدل PLS-ANN که بهترین دقت را در برآورد کربن آلی خاک داشت، طول موج‌های 800، 1800 و 2000 نانومتر به عنوان طول موج کلیدی کربن آلی خاک در برای مناطق مستعد تولید ریزگرد شناسایی شد.

Keywords

• ماشین بردار پشتیبان
• مدل شبکه عصبی
• پیش‌پردازش
• حذف پیوستار