سعیده بردسیری زاده - دانشجوی کارشناسی ارشد علوم و مهندسی خاک، دانشگاه ولی عصر (عج) رفسنجان
عیسی اسفندیارپور بروجنی - دانشیار گروه علوم و مهندسی خاک، دانشگاه ولی‎عصر (عج) رفسنجان
پیمان عباس زاده دهجی - استادیار گروه علوم و مهندسی خاک، دانشگاه ولی‎عصر (عج) رفسنجان
علی اصغر بسالت پور - استادیار گروه علوم و مهندسی خاک، دانشگاه ولی‎عصر (عج) رفسنجان

سابقه و هدف: پایداری ساختمان خاک به توانایی یک خاک در نگه داری آرایش دانه های جامد و فضای میان آن ها در هنگام روبرو شدن با تنش های گوناگون برمی گردد. با آگاهی از کارکرد بسیار مهم مواد آلی در پیدایش و پایداری خاکدانه ها، بخش های گوناگون آن ها بر پایداری خاکدانه ها پیامدهای گوناگونی می تواند داشته باشند. هم چنین، جداکردن بخش های گوناگون ماده ی آلی، به شناسایی بخش های پاسخ دهنده و پایدار ماده ی آلی و جایگاه قرارگیری آن ها در ساختار خاکدانه کمک می کند. هدف از این پژوهش، بررسی پیامد بخش های گوناگون ماده ی آلی بر پایداری خاکدانه های درشت (25/0< میلی متر) و ریز (25/0≥ میلی متر) با بهره گیری از مدل شبکه ی عصبی مصنوعی و رابطه ی رگرسیون خطی می باشد. هم چنین، در این پژوهش به بررسی ارتباط میان بخش های گوناگون ماده ی آلی خاک در اجزای گوناگون خاکدانه ها، تاثیر نوع کاربری اراضی بر آن ها و بررسی موثرترین بخش مواد آلی بر پایداری خاکدانه ها در کاربری های گوناگون پرداخته شد. بنابراین، بخش بندی مزبور در اجزای گوناگون خاکدانه ها در سه کاربری جنگل، چراگاه و کشاورزی در شهرستان رابر مورد مطالعه قرار گرفت. مواد و روش ها: شمار 15 نمونه ی خاک رویین (صفر تا 10 سانتی متر) به روش تصادفی با بیلچه از سه زمین با کاربری جنگل، چراگاه و کشاورزی از منطقه ی رابر واقع در استان کرمان برداشت شد. پس از هواخشک کردن نمونه های برداشت شده و گذراندن آن ها از الک چهار میلی متری، میانگین وزنی قطر خاکدانه ها برای خاکدانه های درشت و ریز اندازه گیری شد. سپس، بخش بندی مواد آلی هر گروه از خاکدانه ها برای هر کدام از زمین های یادشده انجام شد. در پایان، اندازه ی کربن آلی در بخش های گوناگون ماده ی آلی و نیز اندازه ی کل کربن آلی خاک تعیین شد و با توجه به وزن و درصد ماده ی آلی هر بخش، درصدی از کل ماده ی آلی که در هر بخش بود، برآورد گردید. سپس داده های اندازه گیری ماده ی آلی، همانند داده های ورودی به مدل شبکه ی عصبی مصنوعی معرفی شدند. هم چنین، رابطه ی رگرسیونی میان این متغیرها و پایداری خاکدانه ها بررسی شد. یافته ها: این پژوهش نشان داد که مواد آلی دانه ای سست پوشیده ماده ی آلی (F1) در خاکدانه های درشت، بیشتر از خاکدانه های ریز بود. هم چنین، این بخش از ماده ی آلی در کاربری جنگل، به دلیل بالاتر بودن درصد ماده ی آلی آن در برابر دو کاربری دیگر، بیشتر بود. بخش پوشیده ماده ی آلی دانه ای (F2) در کاربری کشاورزی بسته به کارهای خاک ورزی، خرد شدن خاکدانه ها و آزاد شدن ماده ی آلی پوشیده شده ی درون آن ها، کمتر بود. بخش سنگین ماده ی آلی که همراه با مواد کانی بود (F3)، در برابر دو بخش دیگر، بیشترین درصد از کل ماده ی آلی خاک را داشت. این بخش در خاکدانه های ریز در برابر خاکدانه های درشت در هر سه کاربری، بیشتر بود. این بررسی هم چنین نشان داد که رابطه ی رگرسیون خطی توان خوبی در نشان دادن رابطه ی میان متغیرهای بررسی شده و شناسه ی پایداری خاکدانه ها ندارد. در برابر آن، نمودارهای مدل شبکه ی عصبی مصنوعی، نشان دادند که همه ی متغیرهای ورودی به این مدل، بر MWD پیامددار بوده اند؛ اگرچه ضریب نشان متغیرهای گوناگون، ناهمانند بود. نتیجه گیری: بخش های گوناگون ماده ی آلی خاک، در برابر کل ماده ی آلی، پاسخ دهی بیشتری به شیوه ی کاربری زمین ها داشتند. درصد خاکدانه های درشت و ریز بسته به شیوه ی کاربری، ناهمانند بود و خاکدانه های ریز با داشتن بیشترین اندازه ی ماده ی آلی، نسبت به خاکدانه های درشت، در برابر تنش ها پایداتر بودند. مدل شبکه ی عصبی مصنوعی در برآورد پایداری خاکدانه ها در برابر رابطه ی رگرسیون خطی از کارایی بالاتری برخوردار بود و نشان داد که میان بخش های گوناگون ماده ی آلی و MWD، روابط غیرخطی است. داشتن کارآیی بهتر مدل شبکه ی عصبی مصنوعی، نشان می دهد که از این روش می توان برای تعیین ارتباط خطی و یا غیرخطی میان ویژگی های گوناگون خاک، با بیشترین دقت و صرف کمترین هزینه و زمان بهره گیری نمود. بنابراین بهره گیری از این روش در برآورد ویژگی های گوناگون خاک، برای پژوهش های آینده نیز پیشنهاد می گردد.

بخش‎بندی فیزیکی ماده‎ی آلی‎ ‎خاک, پایداری خاکدانه, همبستگی خطی, مدل شبکه‎ی عصبی مصنوعی