مدل درختی M5

کربن آلی نقشی حیاتی در پایداری زیست محیطی, شاخص کیفیت و سلامت خاک دارد؛ بنابراین شناسایی توزیع مکانی ترسیب کربن از الزامات برنامه ریزی محیطی و مدیریت خاک است. پژوهش حاضر به منظور بررسی میزان ترسیب کربن در کاربری های کشت و صنعت نیشکر، کشاورزی سنتی و بایر انجام شد. در هر کاربری، شصت نمونه خاک برداشت و کربن آلی، شوری، آهک، واکنش خاک و سدیم محلول خاک اندازه گیری شد. با استفاده از داده های طیفی سنجنده OLI و TIRS ماهواره لندست 8، مقادیر باندها و شاخص های خاکی و پوشش گیاهی شامل NDVI، SAVI، TSAVI، OSAVI، MSAVI، SOCI، WDVI، PVI، RVI و BI در نقاط نمونه برداری به دست آمد و رابطه بین آنها و مقدار ماده آلی خاک محاسبه شد. نتایج نشان می دهد، بیشترین همبستگی را با مقدار ماده آلی خاک به خود اختصاص داده اند: در کاربری کشت و صنعت، شاخص SOCI با 30/50% و باند 3 با 82/53%؛ در کشاورزی سنتی، شاخص PVI با همبستگی 35/60% و باند 7 با 63/60%؛ در اراضی بایر، شاخص RVI با همبستگی 27/34% و باند 2 با 67/36%. نتایج تحلیل آماری به روش برازش حداقل مربعات جزئی نشان داد میانگین نتایج واسنجی و اعتبارسنجی به ترتیب 48/43 و 08/39% است. نتایج برآورد ماده آلی خاک به روش کریجینگ و مدل درخت M5 نشان می دهد که همبستگی مقادیر ماده آلی اندازه گیری و پیش بینی شده به ترتیب 20/66 و 00/82% بود. طبق این نتایج، بین مقادیر ماده آلی خاک و شاخص ها و باندهای ماهواره لندست 8 همبستگی معنی داری وجود دارد و می توان مقادیر ماده آلی خاک منطقه مورد مطالعه و سایر مناطق دارای شرایط مشابه را با احتمال مورد قبولی تخمین زد.

در کشورهای خشک و نیمه خشکی مانند ایران، پیش بینی دقیق خشکسالی ها، نقش بسیار مهمی در مقابله با بحران ناشی از خشکسالی و مدیریت سیستم های منابع آب ایفا می کند. با توجه به اینکه شاخص بارندگی استاندارد شده (SPI) به عنوان یکی از مناسب ترین شاخص برای تحلیل خشکسالی شناخته شده است، در این تحقیق، جهت پیش بینی SPI از مدل درختی M5 استفاده گردید. بدین منظور از داده های بارش ماهانه ایستگاه همدیدی مراغه در یک دوره ی 25 ساله (89-1365) استفاده و شاخص SPI در مقیاس 6 ماهه استخراج گردید. ن تایج نشان داد که شهرس تان مراغه در دو ده ه ی اخیر با خشکسالی های پی در پی و شدیدی مواجه بوده است. سپس با استفاده از مدل درختی M5 اقدام به پیش بینی مقادیر شاخص SPI در مقیاس زمانی 6 ماهه برای 1 تا 12 ماه آینده گردید. نتایج به دست آمده نشان داد که میزان شاخص SPI در مقیاس های زمانی گذشته بیشترین تأثیر را نسبت به پارامترهای دیگر در پیش بینی شاخص بارش استاندارد شده دارد و با افزایش طول دوره ی پیش بینی از دقت مدت کاسته می شود. به طوری که در محاسبه SPI6 برای یک ماه آینده مقدار ضریب همبستگی حدود 94/0 به دست آمد که این مقدار برای 12 ماه آینده به حدود 40/0 کاهش پیدا کرد. با این وجود نتایج نشان داد که مدل درختی M5 با ارایه ی روابط خطی کاربردی و قابل فهم از دقت و توانایی نسبتاً بالایی در پیش بینی خشکسالی برخوردار است.