پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,572 |
| تعداد مقالات | 71,020 |
| تعداد مشاهده مقاله | 125,496,013 |
| تعداد دریافت فایل اصل مقاله | 98,757,980 |
پهنه بندی و شناسایی ویژگیهای محیطی موثر بر ذخیره کربن آلی خاک در حوضه زوجی گنبد | ||
| نشریه علمی - پژوهشی مرتع و آبخیزداری | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 12 آذر 1403 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jrwm.2024.362517.1716 | ||
| نویسندگان | ||
| بهناز عطائیان* 1؛ علی بادرستانی1؛ سعید خسروبیگی بزچلویی2؛ محمد مهدی ارتیمانی3 | ||
| 1گروه مهندسی طبیعت، دانشکده منابع طبیعی و محیط زیست، دانشگاه ملایر، ملایر، ایران | ||
| 2اداره کل منابع طبیعی و آبخیزداری استان مرکزی، اراک، ایران | ||
| 3اداره کل منابع طبیعی و آبخیزداری استان همدان، همدان، ایران | ||
| چکیده | ||
| کربن آلی خاک به عنوان عامل کلیدی در پایداری و حاصل‌خیزی خاک به عنوان یکی از چالش‌های مهم محیط زیستی در مقوله تغییرات اقلیمی بشمار می‌آید. هدف از این تحقیق، پهنه‌بندی کربن آلی خاک در حوزه آبخیز زوجی گنبد استان همدان می‌باشد. در این تحقیق از اطلاعات مطالعه هواشناسی، خاکشناسی و فرسایش و رسوب حوزه آبخیز معرف گنبد، شامل اطلاعات 49 خاکرخ در لایه 15-0 سانتی‌متری خاک استفاده شد. پس از جمع‌آوری اطلاعات ابتدا آزمون‌های نرمالیتی (آزمون شپیرو – ویلکα <0.05 )، همگنی واریانس و سپس ارتباط بین متغیرهای مستقل و کربن آلی با استفاده از همبستگی خطی پیرسون در نرم‌افزار SAS انجام شد. همچنین تعیین موثرترین متغییر مستقل با استفاده از تجزیه چند متغیره تجزیه و تحلیل عاملیPCA در نرم‌افزار XlStat 2.1 استفاده شد. به منظور تعیین پراکنش و مقدار کربن آلی خاک در حوزه آبخیز معرف گنبد از مدل‌سازی با استفاده از الگوریتم‌های یادگیری ماشین بردار پشتیبانSVM و جنگل تصادفی RF در نرم‌افزار R استفاده شد. نتایج نشان داد که 18/78 درصد از تغییرات کربن آلی خاک به چهار مؤلفه وابسته است. درصد رس و نیتروژن به عنوان تاثیرگذارترین متغیر‌ها، بر مقدار کربن آلی خاک انتخاب شدند، به طوری‌که مؤلفه اول درصد رس 34 درصد و مؤلفه دوم نیتروژن 18 درصد تغییرات را در بردارند. با توجه به نتایج حاصل از اجرای مدل‌های ماشین پشتیبان بردار و جنگل تصادفی، مدل ماشین پشتیبان بردار با میزان ضریب کارایی 86/0 میزان خطای 05/0 در مرحله آزمون، مدل دقیق‌تری در این مطالعه می‌باشد. | ||
| کلیدواژه‌ها | ||
| اکولوژی؛ جنگل تصادفی؛ کربن آلی خاک؛ ماشین پشتیبان بردار | ||
| عنوان مقاله [English] | ||
| Zoning and Identification of Environmental Characteristics Affecting Soil Organic Carbon Storage in Gonbad Paired-Watershed | ||
| نویسندگان [English] | ||
| Behnaz Attaeian1؛ Ali Badrestani1؛ Saeid Khosrobeigi Bozchelui2؛ Mohammad Mehdi Artimani3 | ||
| 1Department of Nature Engineering, Faculty of Natural Resources and Environment, Malayer University, Malayer, Iran | ||
| 2General Department of Natural Resources of Markazi Province, Iran | ||
| 34. General Department of Natural Resources of Hamedan Province, Hamedan, Iran | ||
| چکیده [English] | ||
| Soil organic carbon as a key factor in soil stability and fertility is considered as one of the important environmental challenges in the context of climate change. The aim of this study was to determine soil organic carbon zonation in Gonbad paired-watershed, Hamedan province. In this research, the information of meteorology, soil science and erosion and sedimentation study of Gombad watershed was used, including the information of 49 profiles in the 0-15 cm soil layer. After collecting data, tests of normality (Shapiro-Wilkα test <0.05), homogeneity of variance, and then the relationship between independent variables and organic carbon were performed using Pearson's linear correlation in SAS software. Also, determining the most effective independent variable using multivariate analysis, PCA factor analysis was used in XlStat 2.1 software. In order to determine the distribution and amount of soil organic carbon in the Gonbad representative watershed, modeling using SVM support vector machine learning algorithms and RF random forest was used in R software.The results showed that 78.18% of soil organic carbon changes depend on four components. Clay and nitrogen percentage were selected as the most effective variables on soil organic carbon content, so that the first component of clay content explained 34% and the second component nitrogen explained 18% of variations. According to the results of the implementation of the SVM and RF Models, the SVM model with a CE factor of 0.86 and RMSE of 0.05 in the test stage is a more accurate model in this study. | ||
| کلیدواژه‌ها [English] | ||
| Ecology, Random Forest, Soil Organic Carbon, Vector Support Machine | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 43 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب