پژوهشکده حفاظت خاک و آبخیزداری مهندسی و مدیریت آبخیز 2251-9300 2 4 2011 01 21 Characterization of Soil Salinity in Arid Region of Kashan by ‎Digital Processing of IRS_1D Data شنا‎سایی خاک‌های شور منطقه کاشان‎ ‎بر مبنای پردازش رقومی ‏داده‌های ماهواره ‏‎ IRS-1D‎‏ و مطالعات میدانی 211 220 101911 FA حمیدرضا متین‌فر استادیار دانشکده کشاورزی، دانشگاه لرستان فریدون سرمدیان استادیار دانشکده مهندسی علوم خاک، دانشگاه تهران سیدکاظم علوی‌پناه استاد دانشکده جغرافیا، دانشگاه تهران Journal Article 2010 06 08 Soil salinity is one of the main increasing problems of the world. In the recent years application of remote sensing and GIS techniques in order to assess saline soils is used because they bring about vast uniform coverage of ground phenomena in a short time. The images of LISS III sensor of the Indian satellite (IRS) were used in this research. The Brightness index (BI) could discriminate highly saline soils from non –saline and the salinity index (SI) show high potential to separate very high, high and non- saline soils. Results of supervised classification without combination DEM and remote sensing data have overall accuracy of 76%, producer accuracy of 78% and user's accuracy of 82%. While in supervised classification combination of remotely sensed data and DEM have overall accuracy of 98.1% , producer accuracy of 98.28% and user's accuracy of 98.4% .The reason for low accuracy of the classification , before combination of remote sensing and topographic data , can be explained by highly moist saline soils  spectral interference with non-saline soils (soil with 25 to 65% gravels) , but these two soils had different topographic condition with 200 meters elevation difference , thus , with combination of the DEM , this kind of area and other areas with similar conditions have been separated from each other. <span dir="rtl">شوری و شور شدن خاک یکی از مشکلات رو به افزایش در مناطق خشک و نیمه خشک است. در سال­های اخیر استفاده از روش­های دورسنجی ­و سامانه‌های اطلاعات جغرافیایی (GIS) <span dir="rtl">به­منظور تفکیک خاک­های شور مورد توجه بسیاری از محققین قرار گرفته است؛ زیرا تصاویر دور­سنجی ­دارای پوشش وسیع و یک­پارچه با شرایط زمانی یک­سان از پدیده­ها، موجب صرفه­ جویی در زمان و هزینه­‌های مطالعه می‌شود. در این تحقیــق تصاویر سنجنده</span> LISS- III <span dir="rtl">از ماهواره هندوستان </span>(IRS) <span dir="rtl">به­ کار گرفته شد</span>.<span dir="rtl">شاخص BI <span dir="rtl">توانست ضمن تفکیک نواحی با شوری شدید از نواحی غیرشور، جدا کند. شاخص SI </span>نسبت به BI با کیفیت بالاتری نواحی با شوری شدید، خیلی شور و غیرشور را جدا نمود. نتایج طبقه‌بندی نظارت شده بدون تلفیق با مدل رقومی ارتفاع، دارای دقت کلی 76 درصد، دقت تولید کننده 78 درصد و دقت کار­بر 82 در صد بود. در حالی‌که طبقه‌بندی نظارت شده نوارهای سنجنده و مدل رقومی ارتفاع دارای دقت کلی 98.1 درصد، دقت تولید کننده 98.28 درصد و دقت کار­بر 98.4 در­صد شد. علت دقت کم طبقه‌بندی، پیش از ترکیب داده­های سنجنده و ­مدل رقومی ارتفاع را می‌­توان به تداخل طیفی اراضی شور و شور و مرطوب با اراضی غیر شور (اراضی با 25 تا 65 درصد سنگ‌ریزه در سطح) نسبت داد؛ اما این دو نوع اراضی دارای موقعیت پستی و بلندی متفاوت بودند، ­به­‌طوری­که اختلاف ارتفاع آن­ها معادل 200 متر است. بنابر­این با ترکیب مدل رقومی ارتفاع، این دو نوع اراضی و اراضی، که وضعیت مشابهی داشتند، به‌خوبی از یک­دیگر تفکیک شدند.</span></span> https://jwem.areeo.ac.ir/article_101911_3340df371d10afcd85b450d49b757c7c.pdf