چکیده مبسوط
مقدمه: اگرچه مطالعات متعددی به بررسی روابط بین رطوبت خاک و برخی متغیرهای محیط‌زیستی و اقلیمی پرداخته‌اند، اما هنوز تغییرات مکانی ارتباط رطوبت خاک با بسیاری دیگر از متغیرهای محیطی به‌طور کامل مشخص نمی‌باشد؛ زیرا این روش‌های آماری، مقادیر پارامترها را به‌صورت میانگین در سطح منطقه مطالعاتی نشان می‌دهد و از تغییرات مکانی رابطه بین رطوبت خاک و متغیرهای مستقل چشم‌پوشی می‌کنند. ازاین‌رو، به‌کارگیری یک رویکرد مناسب برای رفع این محدودیت، ضروری است. در همین راستا، می‌توان روش‌های آمار مکانی برای مدل‌سازی روابط مکانی بین متغیرهای مختلف استفاده کرد. پرکاربردترین روش‌های آمار مکانی می‌توان به روش حداقل مربعات معمولی (OLS) و رگرسیون وزن‌دار جغرافیایی (GWR) اشاره کرد. حوزه آبخیز هلیل‌رود یکی از قطب‌های اصلی کشاورزی در استان کرمان و ایران بوده و اقتصاد محلی منطقه به آن بستگی دارد. رطوبت یکی از متغیرهایی است که بر خشکسالی کشاورزی تأثیر‌گذار می‌باشد؛ بنابراین، این پژوهش با هدف برآورد رطوبت خاک در حوزه آبخیز هلیل‌رود با استفاده از بازدید صحرایی و تجزیه و تحلیل آزمایشگاهی، ارزیابی ارتباط مکانی آن با شاخص‌های مبتنی بر سنجش‌ازدور ازجمله شاخص تفاضل نرمال شده پوشش گیاهی (NDVI)، شاخص دمای سطح زمین (LST) با استفاده از مدل OLS و GWR انجام شد.
مواد و روش‌ها: برای اندازه‌گیری رطوبت خاک، از دستگاه TDR در مناطق دشتی حوزه آبخیز هلیل‌رود استفاده شد. سنجش رطوبت خاک در 72 نقطه (عمق 30 سانتی‌متری خاک) و در اردیبهشت‌ماه 1398 انجام شد. برای تهیه نقشه شاخص تفاوت پوشش گیاهی نرمال شده (NDVI) و دمای سطح زمین (LST)، ابتدا تصاویر ماهواره لندست 8 (OLI) و مودیس (MOD11A1) منطقه موردمطالعه مربوط به اردیبهشت 1398 تهیه شد. سپس پیش‌پردازش‌های لازم برای تصاویر موردنظر انجام و شاخص‌ها استخراج گردید. برای ارزیابی ارتباط مکانی بین رطوبت خاک و هر یک از متغیرهای مستقل و همچنین ترکیب هر دو متغیر از مدل‌های رگرسیون وزنی جغرافیایی و مدل رگرسیون حداقل مربعات استفاده شد.
نتایج و بحث: نتایج حاصل از این بررسی نشان داد که بر اساس معیارهای ارزیابی، مدل رگرسیون وزنی جغرافیایی با R²=0/28 برای متغیر مستقل LST، R²=0/44 برای متغیر مستقل NDVI وR²=0/58  برای ترکیب هر دو متغیر، دارای قدرت تبیین و برآورد بهتری نسبت به مدل رگرسیون کلی می‌باشد. همچنین مدل‌ رگرسیون وزنی جغرافیایی در تمامی حالت‌ها و در نظر گرفتن متغیرهای مختلف، به دلیل داشتن مقادیر کمترAICc  و مقادیر بالاتر R² و Adjusted R² عملکرد بهتری نسبت به مدل حداقل مربعات معمولی داشته است. اگرچه، نتایج مدل حداقل مربعات معمولی نشان داد که همبستگی بین رطوبت خاک و متغیرهای مستقل وجود دارد اما مدل رگرسیون وزنی جغرافیایی تائید کرد که این ارتباط در نقاط مختلف، یکسان نمی‌باشد. به‌طوری‌که مناطق شمالی حوضه دارای ارتباط قوی‌تری بین تمامی متغیرهای مستقل و رطوبت خاک می‌باشند. یکی از دلایل برتری مدل رگرسیون وزنی جغرافیایی می‌تواند این باشد که در مدل رگرسیون حداقل مربعات، رابطه بین متغیرهای مستقل و وابسته در کل منطقه یکسان است؛ اما در مدل رگرسیون وزنی جغرافیایی، روابط بین متغیرها در نقاط مختلف منطقه به‌طور جداگانه مدل‌سازی و بررسی می‌شود.
نتیجه‌گیری: با استفاده از نقشه‌های حاصل از این مطالعه می‌توان نقاط در معرض کاهش یا افزایش رطوبت خاک را در منطقه شناسایی کرد و برای بهبود فرآیند تصمیم‌گیری و مدیریت حوزه آبخیز و پیش‌بینی نیازهای آبیاری در بخش کشاورزی مورداستفاده قرار داد. به‌کارگیری روش و هدف مطالعه حاضر در سایر حوزه‌های آبخیز می‌تواند از نظر کاربردی و پژوهشی، اهمیت زیادی داشته باشد. به‌علاوه، پیشنهاد می‌شود در مطالعات آینده به‌منظور یافتن مهم‌ترین متغیر، برخی دیگر از متغیرهای مستقل ازجمله خصوصیات توپوگرافی و نیز دیگر شاخص‌های مستخرج از تصاویر ماهواره‌ای مورداستفاده قرار گیرد.