برآورد شوری خاک با استفاده از تصاویر ماهواره‌ای و داده‌های آزمایشگاهی منطقه موردی: شهرستان برخوار استان اصفهان

محورهای موضوعی : برنامه های کاربردی در حفاظت از تنوع زیستی و مدیریت

صیاد اصغری سراسکانرود ^{1 *} , احسان توکلی ² , بتول زینالی ³ , شیوا صفری ⁴ , الهام ملانوری ⁵ , ابوذر صادقی ⁶

1 - استاد گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران
2 - جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران
3 - استاد جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران
4 - دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه محقق اردبیلی
5 - جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران
6 - جغرافیای طبیعی، علوم اجتماعی، دانشگاه محقق اردبیلی اردبیل، اردبیل،ایران

تاریخ دریافت : 1401/11/23 تاریخ پذیرش : 1404/02/22 تاریخ انتشار : 1404/10/06

کلید واژه: شاخص پوشش گیاهی , شاخص شوری, شاخص روشنایی, کوکریجینگ, الگوریتم SVM,

چکیده مقاله :

شور شدن خاک‌ها و توسعه آن در مناطق خشک و نیمه‌خشک از جمله مخاطرات محیطی است. هدف از این پژوهش برآورد شوری خاک در ﻳﻚ دوره مشخص ﺑﺎ اﺳﺘﻔﺎده ﺳﻨﺠﺶ ازدور در شهرستان برخوار استان اصفهان می‌باشد. در پژوهش حاضر برای تخمین شوری خاک، شاخص‌های شوری (,NDSI, 〖SI〗_1,SI, 〖SI〗_2, 〖SI〗_3)، شاخص پوشش گیاهی (NDVI)، شاخص روشنایی(BI) و شاخص‌های انتقال طیفی با به کارگیری روابط تجربی محاسبه و استخراج شدند. سپس کلیه شاخص‌ها به روش الگوریتم SVM طبقه‌بندی شدند و صحت سنجی نتایج انجام گرفت، و در نهایت بهترین شاخص در برآورد شوری خاک، مشخص شد. همجنین در این پژوهش 34 نمونه خاک از نظر نرمال بودن با آزمون‌های آماری در محیط نرم افزارSpss بررسی شد و با استفاده از روش کوکریجینگ، درون‌یابی انجام شد. ارزیابی نقشه‌های طبقه‌بندی شاخص‌های طیفی نشان می‌دهد که شاخص‌های 〖SI〗_3 اعمال شده بر تصاویر لندست 8، سنتینل 2 سال 2020 و لندست 8 سال 2014 به ترتیب با مقدار ضریب کاپا 94/0، 96/0 و 87/0، دقیق ترین شاخص طیفی جهت برآورد شوری خاک می‌باشد و همچنین نقشه‌های شوری استخراج شده از تصاویر ماهواره‌ای سنتینل2 از دقت بالاتری نسبت به نقشه‌های به دست آمده از تصاویر لندست 8 می‌باشد. بنابراین با مقایسه نتایج روش آستانه‌گذاری شاخص‌ها، مشخص شد که شاخص‌ها با نتایج زمین آمار همخوانی دارد و شاخص‌ها از دقت کافی برای برآورد شوری خاک برخوردارند. بررسی شوری خاک در منطقه مورد مطالعه طی بازه زمانی نشان می‌دهد شوری خاک دارای روندی افزایشی می‌باشد به صورتی که حدود 36 درصد از اراضی فاقد شوری، دچار شوری شده است؛ بیشترین تغییر در میزان شوری مربوط به اراضی دارای شوری شدید بوده است به‌طوری‌که حدود 1067 هکتار طی بازه زمانی مورد مطالعه دچار شوری شدید شده‌اند.

چکیده انگلیسی:

Soil salinization and its development in arid and semi-arid areas is one of the environmental hazards. The purpose of this research is to estimate soil salinity in a specific period using remote sensing in Barkhar city of Isfahan province. In this research, to estimate soil salinity, salinity indices (NDSI, SI1, SI, SI2, SI3), vegetation index (NDVI), brightness index (BI) and spectral transmission indices with Employing empirical relationships were calculated and extracted. Then, all the indicators were classified by SVM algorithm method and the accuracy of the results was done, and finally the best indicator in soil salinity estimation was determined. In this study, 34 soil samples were checked for normality with statistical tests in Spss software and interpolation method was used. The evaluation of the classification maps of spectral indices shows that the SI3 indices applied to the images of Landsat 8, Sentinel 2 of 2020 and Landsat 8 of 2014 are the most accurate indices with Kappa coefficient values of 0.94, 0.96 and 0.87 respectively. It is a spectrum for soil salinity estimation and also the salinity maps extracted from Sentinel 2 satellite images are of higher accuracy than the maps obtained from Landsat 8 images. Therefore, by comparing the results of the index thresholding method, it was found that the indices are consistent with the results of geostatistics and the indices have sufficient accuracy to estimate soil salinity. The investigation of soil salinity in the study area during the period of time shows that soil salinity has an increasing trend, so that about 36% of the land without salinity has become saline; The biggest change in the amount of salinity has been related to highly saline lands, so that about 1067 hectares have experienced severe salinity during the studied time period.