فرسایش و رسوب خاک از مهمترین معضلات محیط زیست به شمار میآید. لذا بدست آوردن اطلاعات کمی و قابل قبول و بلندمدت در مورد نرخ جهانی فرسایش و رسوب و گسترش آن یک نیاز ضروری میباشد. در نتیجه برای ارزیابی و برنامهریزی در یک حوضه آبخیز و انجام پروژههای حفاظتی و مدیریت بهتر، لازم است تا اطلاعات کافی از مقدار هدررفت و رسوب در دسترس باشد. برای رفع محدودیتهای موجود مدلها و تکنیکهای جدیدی جهت برآورد فرسایش و رسوب با کمترین مطالعات، با دقت زیاد و با سهولت بکار گرفته میشود. بدین منظور این پژوهش در چهار بخش به مطالعه نقشه برداری رقومی پایداری خاکدانه های خاک به عنوان شاخصی از فرسایشپذیری خاک تحت چهار سناریو در شمال غرب ایران، ارزیابی توزیع کربن آلی و نیتروژن کل در اندازههای مختلف خاکدانه با استفاده از مدلهای یادگیری ماشین، مدلسازی مکانی محتوا و توزیع مجدد سزیم-137 خاک با بکارگیری یادگیری ماشین و در مطالعه چهارم به ارزیابی تکنیک سزیم-137 و مقایسه با دادههای رسوب ایستگاه هیدرومتری حوضه در شمال غرب ایران پرداخته شد. مساحت تقریبی حوضه مورد مطالعه 777664 هکتار است که با روش نمونهبرداری مربع لاتین هایپرکیوب شرطی 100 نمونه خاک رویین (0تا15 و 15تا 30 سانتیمتر) برداشت شد. نتایج پیشبینی پایداری خاکدانهها در 4 سناریو با استفاده از الگوریتمهای یادگیری ماشین نشان داد که مدل جنگل تصادفی نسبت به مدلهای دیگر نتایج و عملکرد بهتری را نشان داد و زمانی که مدل از متغیرهای محیطی توپوگرافی، سنجش از دور و ویژگیهای خاک استفاده میکند، دقت قابل قبولتری ارائه میدهد. ارزیابی توزیع کربن آلی و نیتروژن کل در اندازههای مختلف خاکدانه با استفاده از مدلهای یادگیری ماشین انجام شد. نتایج این بخش از پژوهش نشان داد که روشهای یادگیری ماشین بخصوص مدل جنگل تصادفی تواتست کربن آلی و نیتروژن کل در اندازههای مختلف خاکدانه را با متغیرهای محیطی سنجش از دور، توپوگرافی و نقشه کاربری ارضی بخوبی پیشبینی کند. مدلسازی مکانی موجودی و توزیع مجدد سزیم-137 خاک با بکارگیری یادگیری ماشین و سنجش از دور به همراه متغیرهای کمکی در مقیاس حوضه آبخیزدر چهار سناریو صورت گرفت. نتایج مدلسازی نشان داد که سناریو4 با ترکیبی از متغیرهای توپوگرافی، سنجش از دور و نقشههای موضوعی عملکرد بالایی دارد و بالاترین موجودی سزیم-137 و هدررفت/رسوب سزیم-137 در نقشه پیشبینی با مدلسازی 23/319 بکرل برمترمربع و 81/6 درصد برآورد شد. در بخش چهارم به مطالعه نقشهبرداری فرسایش و رسوب بدست آمده با تکنیک سزیم-137 و مقایسه با دادههای رسوب ایستگاه هیدرومتری حوضه در شمال غرب ایران پرداخته شد. نتایج مدلسازی فرسایش و رسوب محاسبه شده با تعادل نسبی نشان داد که روشهای یادگیری ماشین بویژه مدل جنگل تصادفی نتایج رضایتبخشی را در این پیشبینی ارائه نموده است که میزان فرسایش و رسوب در نقشه پیشبینی در بازه 25/8 و 95/118- تن برهکتار در سال برآورد شد. همچنین مقایسه فرسایش و رسوب در کاربریها و شیبهای مختلف نشان داد که میزان فرسایش در کاربریهای مرتع به دلیل قرار گرفتن در شیبهای بین 10 تا 40 درصد مقادیر بالایی را نشان میدهد و با کاهش درصد شیب از میزان فرسایش کاسته میشود. به عبارت دیگر نقش ویژگیهای توپوگرافی در فرسایش و رسوب حوضه آبخیز فوقالعاده بارز بود. علاوه بر این میزان رسوب خروجی پیشبینی شده با مدل از حوضه آبخیزکل منطقه برابر 79/1 تن درهکتار در سال میباشد و میزان رسوب خروجی بدست آمده از ایستگاه هیدرومتری برابر 84/1 تن در هکتار در سال میباشد. نتایج پیشبینی رسوب قرابت و نزدیکی بالایی را به دادههای واقعی ایستگاه هیدرومتری نشان داد. به طور کلی نتایج این رساله مؤید آن بود که نقشهبرداری رقومی ویژگیهای خاک بخصوص در رابطه با برآورد فرسایش و رسوب با تکنیک سزیم_137 به همراه الگوریتمهای یادگیری ماشین شامل مدل جنگل تصادفی عملکرد مطلوب و بالایی دارد که در راستای نتایج آن میتوان اقدامات مدیریتی و حفاظتی لازم در جهت پیشگیری و کنترل فرسایش خاک در مقیاس حوضه اتخاذ نمود.
واژههای کلیدی: فرسایش و رسوب خاک، مدل جنگل تصادفی، سزیم-137، نقشهبرداری رقومی خاک، یادگیری ماشین