با همکاری انجمن آبخیزداری ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد، دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران

2 دانشیار دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران

3 استاد دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران

4 مربی پژوهشکده حفاظت خاک و آبخیزداری

5 استادیار دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران

6 استادیار دانشکده کشاورزی، دانشگاه لرستان

چکیده

از فرآیندهای غالب تخریب خاک در مناطق خشک و نیمه‌خشک، شور شدن خاک‌ها است. تحقیق حاضر به‌منظور ارزیابی قابلیت داده‌های سنجنده +ETM  در شناسایی و تفکیک خاک‌های شور با استفاده از مطالعات صحرایی و نتایج آزمایشگاهی خاک‌ها، در دشت قزوین صورت گرفت. در این تحقیق، ابتدا طبقه‌های طیفی منطقه مورد تحقیق در تصویر استخراج و آنگاه با کمک اطلاعات جانبی و مطالعات صحرایی به طبقه‌های شوری تبدیل شد و در نهایت نقشه هدایت الکتریکی بدست آمد. نمونه‌برداری صحرایی با روش نمونه برداری طبقه‌بندی شده تصادفی انجام گرفت. با استفاده از نقشه خاک موجود، در هر واحد نقشه خاک کمینه یک پروفیل به‌ منظور بررسی تغییرات عمقی شوری مورد مطالعه قرار گرفت. پارامترهای هدایت الکتریکی، pH ،+،Mg2+ ،Ca2+ ،Naو بافت در نمونه‌های خاک اندازه‌گیری و از مدل رقومی ارتفاع، برای افزایش دقت طبقه‌بندی استفاده شد؛ همچنین شاخص‌های (NDVI , SVRI , PVI , SAVI , SI , BI , NDSI ) ، مولفه‌های اصلی و تبدیل تسلدکپ برای طبقه‌بندی استفاده شد. برای انتخاب بهترین ترکیب نواری طبقه‌بندی، شاخص مطلوبیت به کار گرفته شد. نتایج نشان داد الگوریتم بیشینه احتمال، دارای صحت بالاتری از کمینه فاصله از میانگین و Box Classifier است؛ لذا به‌منظور طبقه‌بندی، از این الگوریتم استفاده شد؛ همچنین تلفیق مدل رقومی ارتفاع و تمامی نوارهای سنجنده دارای بالاترین صحت بود. از طرفی مشاهده شد نوار حرارتی دقت طبقه‌بندی را افزایش داده که تاییدکننده نقش موثر این نوار در طبقه‌بندی خاک‌های شور است. در بین روش‌‌های پردازش تصویر، تبدیل تسلدکپ و شاخص‌ها دارای صحت بالایی بودند. شاخص‌های BI و SI، دارای بیش‌ترین همبستگی با (EC) بوده و بهتر توانستند خاک‌های شور را از خاک‌های غیرشور تفکیک کنند. شاخص مطلوبیت دارای صحت کلی کمی بود. پوسته‌های صاف با رنگ روشن، خصوصا پوسته‌های بدون درز و شکاف، موجب افزایش بازتاب‌ها در تمامی نوارهای سنجنده شد؛ به‌طوری که این اراضی در تصویر دارای بالاترین بازتاب‌ها بوده و با صحت بالایی از سایر طبقه‌ها جدا شدند.

کلیدواژه‌ها

عنوان مقاله [English]

Saline soil mapping using ETM+ data in the Qazvin plain

نویسندگان [English]

  • Maral Khodadadi 1
  • Mohammad Sadegh Askari 1
  • Fereydoon Sarmadian 2
  • Hossein Gholi Refahi 3
  • Ali Akbar Norouzi 4
  • Ahmad Heidari 5
  • Hamid Reza Matinfar 6

1 MSc Student, Faculty of Agricultural Engineering, Tehran University, Iran

2 Associate Professor, Faculty of Agricultural Engineering, Tehran University, Iran

3 Professor, Faculty of Agricultural Engineering and Technology, Tehran University, Iran

4 Scientific Board, Soil Conservation and Watershed Management Research Institute, Iran

5 Assistant Professor, Faculty of Agricultural Engineering and Technology, Tehran University, Iran

6 Assistant Professor, Faculty of Agriculture, Lorestan University, Iran

چکیده [English]

Salinity is the major factors of soil degradation in semi arid and arid regions. The main aim of this study was to evaluate the capability of Landsat ETM+ data for soil Salinity mapping in the selected part of the Qazvin plain, an area of arid environment. In this study spectral classes carried out on remotely sensed data and with the help of field observation and soil analysis were regrouped to soil salinity classes to prepare soil salinity map..  Soil sampling was implemented using stratified random sampling method, depending on landscape complexity and homogeneity as well as on the representativeness of Landsat ETM+ data. Also in each soil map unit at least one profile was studied for subsoil salinity variations. Field samples taken by using augur and profiles were analyzed in laboratory for Na+ , Ca2+ , Mg2+ cations, as well as soil texture, ECe and pH. We have analyzed the effectiveness of additional data such as digital elevation model to improve the accuracy of classification. Also NDVI, SRVI, PVI, SAVI, SI, BI and NDSI indices, PCA and Tasseled cap were analyzed. Soil salinity map of each selected bands produced and with ground truth map crossed. The results indicated that combination of DEM with ETM+ bands has highest accuracy. This study addressed that thermal band of ETM+ can increase the classification accuracy which illustrated its effective role to classify the soil salinity. Tasseled cap and other indices had almost high accuracy among studied image processing techniques. The SI and BI indices had the highest correlation with EC and could distinguish the saline and non saline soils while the optimum index factor had overall low accuracy.

کلیدواژه‌ها [English]

  • DEM
  • Salinity index
  • saline soil
  • Soil Degradation
  • Tasseled cap