نقش شاخص های ژئومورفومتریک در کنترل الگوی زمانی و مکانی رطوبت خاک برآوردی از ماهواره :SMAP مطالعه موردی حوضه سیمینه- زرینه بوکان

نویسندگان

1 گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه تهران، کرج، ایران

2 گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشکده کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران

3 موسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران

4 گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران

doi
10.22059/jrwm.2026.402017.1851
چکیده

این پژوهش با هدف شناسایی ارتباط شاخص‌های ژئومورفومتریک بر رطوبت خاک سطحی در پنج زیر حوضه آبریز زرینه رود و سیمینه رود، واقع در شمال-غرب ایران انجام گرفت. داده‌های رطوبت خاک از 287 نقطه مربوط به سال 2015 تا 2017 ماهوارهSMAP مورد پردازش قرارگرفتند. شاخص‌های ژئومورفومتری شامل شاخص خیسی توپوگرافی (TWI)، موقعیت توپوگرافی (TPI)، اثر باد، درمعرض باد قرارگرفتگی(WEI)، جهت جریان (Flow_D) و تجمع(Accumulation) جریان، تحلیل سایه اندازی تپه‌ها( AH) تهیه و رابطه آنها با رطوبت خاک سطحی ماهوارهSMAP با استفاده مدل جنگل تصافی بررسی و اهمیت نسبی آن‌ها تعیین گردید. دامنه تغییرپذیری میانگین رطوبت خاک در حوضه بین 08/0 وcm-3.cm-3 5/0 می‌باشد. نتایج نشان داد که نواحی با کلاس رطوبتی بالا(35/0 تا cm3.cm3 5/0) در زیر حوضه میاندوآب پراکنش دارد. نتایج اعتبارسنجی داده های SMAP در محل 287 نقطه مشاهداتی براساس آماره های ضریب همبستگی(r) و ریشه میانگین مربعات اختلاف (RMSD) نشان داد که در ماه جولای به ترتیب با مقادیر 77/0 وcm3.cm-3 18/0 و ماه می با 5/0وcm3.cm-3 بیشترین و کمترین میزان تطابق وجود دارد. نتایج مدل سازی جنگل تصادفی بیانگر دقت مناسب این مدل غیرخطی با ضریب تبیین(R2) بیش از 7/0 با ریشه میانگین مربعات خطای 04/0 درصد می باشد. براساس تغییرات شاخص %IncMSE پارامترهای WEI و TWI با مقادیر بالاتر از16 بیشترین اهمیت و بعد از این دو، شاخص تحلیل سایه اندازی تپه‌ها (AH) یا مقدار13 درصد واقع شده است. پارامتر Flow_D با مقدار 9/8 درصد کمترین میزان تاثیر را بر تغییرات رطوبت خاک سطحی SMAP دارد. بطورکلی، همبستگی خوبی بین داده‌های رطوبت حاصل از ماهواره SMAP و پارامترهای ژئومورفومتری برای یافتن الگوی تغییرات مکانی رطوبت خاک سطحی در حوضه‌های ابریز سیمینه و ذرینه وجود داشت و رویکرد مورد استفاده در این تحقیق در تلفیق با پتانسیل رویکردهای یادگیری ماشین امکان استفاده در سایر حوضه‌های با شرایط اقلیمی و توپوگرافی مشابه را دارا می‌باشد.