مدل سازی آماری شوری خاک در پهنه های گسترده

Abstract

شور شدن خاک‌ها در جهان به گونه‌ای روزافزون روبه گسترش است و درنتیجه تولید محصولات کشاورزی در مواجهه با این تنش کاهش می‌یابد. سیاست‌گذاران و تصمیم‌سازان در راستای برنامه‌ریزی برای تطبیق با تغییرات اقلیمی و افزایش نیاز به غذا نیازمند پایش کمی مستمر شوری خاک می-باشند. شاخص‌های طیفی حاصل از سنجنده‌های ماهواره‌ای و یا سنجنده‌های نزدیک به سطح زمین به‌طور روزافزونی برای پایش شوری خاک مورداستفاده قرار می‌گیرند به‌نحوی‌که تا کنون تعداد زیادی شاخص برای پایش شوری خاک معرفی شده‌اند. برای مدل‌سازی و سنجش اعتبار مدل حاصله روش‌های رگرسیونی مختلفی مورداستفاده قرار گرفته که مهم‌ترین آن‌ها رگرسیون خطی چندگانه (شامل رگرسیون گام‌به‌گام، انتخاب رو به جلو و حذف رو به عقب) و رگرسیون حداقل مربعات جزئی است. در این پژوهش به‌منظور ارزیابی این دو روش در مدل‌سازی تغییرات شوری خاک از اندازه-گیری‌های آزمایشگاهی و الکترومغناطیسی شوری خاک مربوط به 97 نقطه در سال 1392 و 225 نقطه در سال 1393 در بخشی از دشت سبزوار- داورزن به مساحت حدود 50 هزار هکتار استفاده شد. تعداد 23 شاخص طیفی از تصاویر ماهواره لندست 8 مربوط به تاریخ‌های نمونه‌برداری استخراج و به همراه مدل رقومی ارتفاع به‌عنوان متغیر مستقل مورداستفاده قرار گرفت. روش‌های مختلف رگرسیون خطی چندمتغیره با استفاده از داده‌های سال اول به‌عنوان آموزش و سال دوم به‌عنوان آزمون و بالعکس هرچند ضریب تبیین بین حدود 22 تا 88 درصد ایجاد کرد، ولی این همبستگی در دسته اعتبار سنجی از 29 درصد تجاوز نکرد. به علت وجود هم‌راستایی خطی چندگانه در بین متغیرهای مستقل روش رگرسیون خطی چندگانه برای تمام متغیر‌ها قابل کاربرد نبود. حذف متغیرهای دارای هم‌راستایی خطی، تبدیل لگاریتمی و تصادفی کردن کل داده‌ها در دو دسته آموزش و آزمون، ضریب رگرسیون مدل و اعتبار آن را به‌طور قابل قبولی افزایش داد. استفاده از رگرسیون حداقل مربعات جزئی با استفاده از داده‌های اصلی و تبدیل لگاریتمی شده سال اول و دوم به‌عنوان آموزش و آزمون و بالعکس نیز در دسته آموزش ضریب تبیین بین 39 تا 85 درصد ایجاد کرد، ولی از برآورد در دسته آزمون ناتوان بود. تصادفی کردن داده‌ها و تقسیم مجدد آن‌ها به دو دسته آموزش و آزمون موجب ارتقای چشمگیر ضریب تعیین در دسته اعتبارسنجی شد. تکرار عملیات تصادفی کردن نشان داد که روش از ثبات لازم برای برآورد ضرایب متغیرها برخوردار است.