مدل سازی آماری شوری خاک در پهنه های گسترده

شور شدن خاک ها در جهان به گونه ای روزافزون روبه گسترش است و درنتیجه تولید محصولات کشاورزی در مواجهه با این تنش کاهش می یابد. سیاست گذاران و تصمیم سازان در راستای برنامه ریزی برای تطبیق با تغییرات اقلیمی و افزایش نیاز به غذا نیازمند پایش کمی مستمر شوری خاک می-باشند. شاخص های طیفی حاصل از سنجنده های ماهواره ای و یا سنجنده های نزدیک به سطح زمین به طور روزافزونی برای پایش شوری خاک مورداستفاده قرار می گیرند به نحوی که تا کنون تعداد زیادی شاخص برای پایش شوری خاک معرفی شده اند. برای مدل سازی و سنجش اعتبار مدل حاصله روش های رگرسیونی مختلفی مورداستفاده قرار گرفته که مهم ترین آن ها رگرسیون خطی چندگانه (شامل رگرسیون گام به گام، انتخاب رو به جلو و حذف رو به عقب) و رگرسیون حداقل مربعات جزئی است. در این پژوهش به منظور ارزیابی این دو روش در مدل سازی تغییرات شوری خاک از اندازه-گیری های 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 تاریخ های نمونه برداری استخراج و به همراه مدل رقومی ارتفاع به عنوان متغیر مستقل مورداستفاده قرار گرفت. روش های مختلف رگرسیون خطی چندمتغیره با استفاده از داده های سال اول به عنوان آموزش و سال دوم به عنوان 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 هم راستایی خطی چندگانه در بین متغیرهای مستقل روش رگرسیون خطی چندگانه برای تمام متغیر ها قابل کاربرد نبود. حذف متغیرهای دارای هم راستایی خطی، تبدیل لگاریتمی و تصادفی کردن کل داده ها در دو دسته آموزش و آزمون، ضریب رگرسیون مدل و اعتبار آن را به طور قابل قبولی افزایش داد. استفاده از رگرسیون حداقل مربعات جزئی با استفاده از داده های اصلی و تبدیل لگاریتمی شده سال اول و دوم به عنوان 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 داده ها و تقسیم مجدد آن ها 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.