جواد معتمدی - دانشکده منابع طبیعی دانشگاه ارومیه
بهنام بهرامی - دانش آموخته دانشکده منابع طبیعی و علوم دریایی دانشگاه تربیت مدرس

با توجه به نقش کربن آلی در مدیریت و پایداری خاک زیست بومهای مرتعی، پیشبینی مکانی کربن آلی خاک در مقیاسمنطقهای، ملی و جهانی به منظور تعیین سهم عوامل مدیریتی از تغییرات اقلیمی در مدیریت پایدار زیست بوم های مرتعی از اهمیتخاصی برخوردار است. بنابراین هدف از پژوهش حاضر ارائه مدلی میتنی بر استفاده از شبکه عصبی مصنوعی است که روابط بین کربنآلی خاک و عوامل ادافیکی موثر بر آن را بیان کند که بر مبنای نتایج آن، میتوان کربن آلی خاک در زیست بومهای فاقد آمار را دربلند مدت و تحت تاثیر شرایط مختلف اقلیمی (خشکسالی، ترسالی و سال نرمال از نظر بارندگی) برآورد نمود. برای این منظور،اکوسیستم مرتعی خانقاه سرخ ارومیه انتخاب گردید. کربن آلی خاک به عنوان متغیر وابسته و متغیرهای فیزیوگرافی، هواشناسی وزمینشناسی به عنوان متغیرهای مستقل در نظر گرفته شدند. با استفاده از تحلیل عاملی شش عامل هدایت الکتریکی، اسیدیته، درصدرس، درصد سیلت، وزن مخصوص ظاهری و درصد شن انتخاب و در مرحله بعد با استفاده از شبکه عصبی پرسپترون چند لایه با تابعیادگیری لونبرگ مارکوت با توابع انتقالی سیگموئید و تانژانت هیپربولیک در لایه پنهان و تابع انتقال خطی در لایه خروجی به تحلیلمنطقهای کربن آلی خاک مراتع پرداخته شد. نتایج نشان داد که شبکه عصبی مصنوعی با تابع انتقال سیگموئید در مرحله آزمون با ضریب تبیین 0/73، ریشه میانگین مربعات خطا 0/21 و ضریب کارایی 0/83 نسبت به تابع انتقال تانژانت هیپربولیک با ضریب تبیین 0/47، ریشه میانگین مربعات خطا 1/42 و ضریب کارایی 0/27، توانسته است بخوبی کربن آلی خاک را مدلسازی کند. ضمن اینکه شبکه عصبی توانست با دقت خوبی کربن آلی خاک را پیشبینی کند. طبیعی است با انجام مطالعات مشابه در دیگر زیست بوم های مرتعی استان، میتوان مقدار کربن ترسیب شده در واحد سطح زیست بوم های مرتعی را تحت شرایط مختلف تغییرات اقلیمی برآورد نمود.

کربن آلی خاک، شبکه عصبی مصنوعی، تغییرات اقلیمی