صاحب خورده بین - دانشجوی دکتری، گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران
سعید حجتی - دانشیار، گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران
احمد لندی - استاد، گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران
ایمان احمدیان فر - استادیار، گروه عمران، دانشکده فنی و مهندسی، دانشگاه صنعتی خاتم الانبیاء بهبهان، بهبهان، ایران

ذخیره کربن نقش مهمی در تعیین چرخه جهانی کربن و تنظیم اقلیم جهانی ایفا می کند و از طرفی خاک منبع ورودی یا خروجی کربن به اتمسفر است، که به نوع کاربری اراضی وابسته است. از این رو، این مطالعه با هدف مقایسه روش های مختلف داده کاوی در پیش بینی ذخیره کربن آلی خاک در کاربری های کشاورزی آبی، کشت مخلوط (آبی- دیم)، مرتع و نخلستان موجود در بخشی از اراضی شهرستان بهبهان انجام گرفت. نمونه برداری از خاک به روش هایپرکیوب انجام و پس از تعیین موقعیت مکانی نقاط نمونه برداری، حفر پروفیل و برداشت نمونه های خاکی از عمق ۳۰-۰ و ۶۰-۳۰ سانتی متر انجام گرفت. کربن آلی نمونه های خاکی به روش والکی بلک و وزن مخصوص ظاهری آن­ها به روش پارافین مذاب تعیین شد و سپس ذخیره کربن آلی خاک در نقاط نمونه برداری محاسبه گردید. پارامترهای کمکی مورد استفاده شامل اجزای سرزمین، داده های تصویر سنجنده OLI لندست ۸ و نقشه کاربری اراضی بود. نتایج نشان داد که شاخص های SAVI، NDVI، شوری، کربنات، گچ و رس بیشترین همبستگی را با مقادیر ذخیره کربن دارند. نتایج همچنین نشان داد که در همه کاربری ها، مدل جنگل تصادفی (RF) با بالاترین ضریب تبیین (۹۶۶/۰=R۲) و کمترین مجذور میانگین مربعات خطا (۰۳۲/۲=RMSE) بیشترین کارآیی را در پیش بینی ذخیره کربن آلی خاک دارد و پس از آن مدل شبکه عصبی مصنوعی (۷۸۸/۰= R۲ و ۲۵۷/۴=RMSE) و در نهایت مدل ماشین بردار پشتیبان (SVR) (۴۹۹/۰= R۲و ۳۴۴/۷ =RMSE) قرار دارد.

واژه های کلیدی: بهبهان, جنگل تصادفی, شبکه عصبی مصنوعی, ذخیره کربن, ماشین بردار پشتیبان