<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>موسسه تحقیقات خاک و آب</PublisherName>
				<JournalTitle>پژوهش های خاک</JournalTitle>
				<Issn>2228-7124</Issn>
				<Volume>37</Volume>
				<Issue>2</Issue>
				<PubDate PubStatus="epublish">
					<Year>2023</Year>
					<Month>08</Month>
					<Day>23</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Generating a Digital Map of Field Capacity and Permanent Wilting Point of Agricultural Soils in the Southern Part of Sistan Plain</ArticleTitle>
<VernacularTitle>تهیه نقشه رقومی ظرفیت زراعی و نقطه پژمردگی دائم خاک‌های زراعی بخش جنوبی دشت سیستان</VernacularTitle>
			<FirstPage>183</FirstPage>
			<LastPage>198</LastPage>
			<ELocationID EIdType="pii">129892</ELocationID>
			
<ELocationID EIdType="doi">10.22092/ijsr.2023.361678.699</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>فاطمه</FirstName>
					<LastName>کیخایی</LastName>
<Affiliation>دانشجوی دکتری گروه مهندسی آب دانشگاه زابل وعضو هیأت علمی
 موسسه تحقیقات خاک وآب. سازمان تحقیقات آموزش و ترویج کشاورزی، کرج. ایران</Affiliation>

</Author>
<Author>
					<FirstName>معصومه</FirstName>
					<LastName>دلبری</LastName>
<Affiliation>دانشیار گروه مهندسی آب، دانشکده آب و خاک، دانشگاه زابل</Affiliation>

</Author>
<Author>
					<FirstName>ناصر</FirstName>
					<LastName>دوات گر</LastName>
<Affiliation>دانشیار موسسه تحقیقات خاک وآب. سازمان تحقیقات آموزش و ترویج کشاورزی</Affiliation>

</Author>
<Author>
					<FirstName>فرزاد</FirstName>
					<LastName>حسن پور</LastName>
<Affiliation>دانشیار گروه مهندسی آب، دانشکده آب و خاک، دانشگاه زابل، زابل</Affiliation>

</Author>
<Author>
					<FirstName>محمد</FirstName>
					<LastName>جمشیدی</LastName>
<Affiliation>استادیار موسسه تحقیقات خاک وآب. سازمان تحقیقات آموزش و ترویج کشاورزی، کرج. ایران</Affiliation>

</Author>
<Author>
					<FirstName>پیمان</FirstName>
					<LastName>افراسیاب</LastName>
<Affiliation>دانشیار گروه مهندسی آب، دانشکده آب و خاک، دانشگاه زابل، زابل</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2023</Year>
					<Month>03</Month>
					<Day>14</Day>
				</PubDate>
			</History>
		<Abstract>This study aimed to estimate the spatial distribution of soil properties including field capacity (FC), permanent wilting point (PWP) and  total available water (TAW) using ordinary kriging (OK) and random forest (RF) in agricultural lands of the southern Sistan Plain, covering an area of approximtely 147000 hectars. FC, PWP, and TAW and soil texture components were measured for a total of 200 surface soil samples (0-30 cm). Performance evaluation of the two methods based on the percentage of normalized root mean square error (nRMSE) revealed that the conventional OK with 5% less error in estimating FC, 3% less error in estimating PWP, and 5% less error in estimating TAW performed slightly better than RF. Comparing Bias values showed that OK underestimates both FC and PWP and overestimates TAW, while RF overestimates all three parameters. Spatial distribution maps of FC, PWP, and TAW produced by OK model showed that the highest amount of FC (23%) and TAW (14.4%) were in the west and northeast of the region, which had heavier texture and lower altitude from the sea level. In the southern and southeastern regions, which have lighter soil texture, the amount of available water was less compared to the western and northeastern regions. In the RF model, the most important variable extracted from satellite images was Digital Elevation Model  (DEM), and all three features had higher values in areas where DEM was lower. It seems that the flatness of the study area and the inadequacy of auxiliary variables caused the lower accuracy of the RF method.</Abstract>
			<OtherAbstract Language="FA">&lt;strong&gt;این پژوهش باهدف بررسی توزیع مکانی ویژگی­های خاک شامل ظرفیت زراعی &lt;/strong&gt;&lt;strong&gt;(FC)&lt;/strong&gt;&lt;strong&gt;، نقطه پژمردگی دائم &lt;/strong&gt;&lt;strong&gt;(PWP)&lt;/strong&gt;&lt;strong&gt; و کل آب قابل‌دسترس &lt;/strong&gt;&lt;strong&gt;(TAW)&lt;/strong&gt;&lt;strong&gt; با استفاده از روش کریجینگ معمولی (&lt;/strong&gt;&lt;strong&gt;OK&lt;/strong&gt;&lt;strong&gt;) و مدل جنگل تصادفی &lt;/strong&gt;&lt;strong&gt;(RF)&lt;/strong&gt;&lt;strong&gt; در بخش جنوبی دشت سیستان با مساحت حدود 147 هزار هکتار انجام شد. مقادیر &lt;/strong&gt;&lt;strong&gt;FC&lt;/strong&gt;&lt;strong&gt;، &lt;/strong&gt;&lt;strong&gt;PWP&lt;/strong&gt;&lt;strong&gt; و &lt;/strong&gt;&lt;strong&gt;TAW&lt;/strong&gt;&lt;strong&gt; و اجزای بافت خاک برای 200 نمونه خاک جمع‌آوری‌شده از عمق 30-0 سانتی­متری اندازه‌گیری شد. ارزیابی عملکرد دو روش‌ &lt;/strong&gt;&lt;strong&gt;OK&lt;/strong&gt;&lt;strong&gt; و &lt;/strong&gt;&lt;strong&gt;RF&lt;/strong&gt;&lt;strong&gt; بر اساس شاخص‌ درصد ریشه میانگین مربعات خطای نرمال شده &lt;/strong&gt;&lt;strong&gt;(nRMSE)&lt;/strong&gt;&lt;strong&gt; نشان داد که عملکرد &lt;/strong&gt;&lt;strong&gt;رو&lt;/strong&gt;&lt;strong&gt;ش&lt;/strong&gt;&lt;strong&gt; &lt;/strong&gt;&lt;strong&gt;OK &lt;/strong&gt;&lt;strong&gt;با 5% خطای کمتر در پیش­بینی &lt;/strong&gt;&lt;strong&gt;FC&lt;/strong&gt;&lt;strong&gt;، 3% خطای کمتر در پیش­بینی &lt;/strong&gt;&lt;strong&gt;PWP&lt;/strong&gt;&lt;strong&gt; و 3% خطای کمتر در پیش­بینی &lt;/strong&gt;&lt;strong&gt;TAW&lt;/strong&gt;&lt;strong&gt;، اندکی بهتر از روش جنگل تصادفی است.&lt;/strong&gt;&lt;strong&gt; &lt;/strong&gt;&lt;strong&gt;مقایسه میانگین انحراف (&lt;/strong&gt;&lt;strong&gt;Bias&lt;/strong&gt;&lt;strong&gt;) هر دو روش نشان داد که مدل &lt;/strong&gt;&lt;strong&gt;OK&lt;/strong&gt;&lt;strong&gt; دو ویژگی &lt;/strong&gt;&lt;strong&gt;FC&lt;/strong&gt;&lt;strong&gt; و &lt;/strong&gt;&lt;strong&gt;PWP&lt;/strong&gt;&lt;strong&gt; را کمتر و مقدار &lt;/strong&gt;&lt;strong&gt;TAW&lt;/strong&gt;&lt;strong&gt; را بیشتر برآورد نموده است، اما روش &lt;/strong&gt;&lt;strong&gt;RF&lt;/strong&gt;&lt;strong&gt; هر سه ویژگی را بیش برآورد کرده است. نقشه­های پراکنش مکانی &lt;/strong&gt;&lt;strong&gt;FC&lt;/strong&gt;&lt;strong&gt;، &lt;/strong&gt;&lt;strong&gt;PWP&lt;/strong&gt;&lt;strong&gt; و &lt;/strong&gt;&lt;strong&gt;TAW&lt;/strong&gt;&lt;strong&gt; تولیدشده با مدل &lt;/strong&gt;&lt;strong&gt;OK&lt;/strong&gt;&lt;strong&gt; نشان داد که &lt;/strong&gt;&lt;strong&gt;بیشترین مقدار &lt;/strong&gt;&lt;strong&gt;FC&lt;/strong&gt;&lt;strong&gt;(&lt;/strong&gt;&lt;strong&gt;23%&lt;/strong&gt;&lt;strong&gt;) و &lt;/strong&gt;&lt;strong&gt;TAW&lt;/strong&gt;&lt;strong&gt;(14%) در غرب و شمال شرق منطقه بود که دارای بافت سنگین‌تر و ارتفاع کمتری از سطح دریا هستند. در مناطق جنوبی و جنوب شرقی منطقه که دارای بافت خاک سبک‌تری هستند، مقدار آب قابل‌دسترس نسبت به مناطق غربی و شمال شرقی کمتر به دست آمد.&lt;/strong&gt;&lt;strong&gt; &lt;/strong&gt;&lt;strong&gt;در مدل &lt;/strong&gt;&lt;strong&gt;RF&lt;/strong&gt;&lt;strong&gt;، مهم‌ترین متغیر مستخرج از تصاویر ماهواره­ای، مدل رقومی ارتفاع بود و هر سه ویژگی در مناطقی که &lt;/strong&gt;&lt;strong&gt;DEM&lt;/strong&gt;&lt;strong&gt; کمتر بود، مقادیر بیشتری داشتند. به نظر می­رسد مسطح بودن منطقه و ناکافی بودن متغیرهای کمکی موجب دقت پایین­تر روش &lt;/strong&gt;&lt;strong&gt;مدل جنگل تصادفی شده است.&lt;/strong&gt;</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">آب قابل‌دسترس خاک</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">متغیرهای محیطی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">کریجینگ معمولی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مدل جنگل تصادفی</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://srjournal.areeo.ac.ir/article_129892_50828072befae87d03126daf515ef618.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
