تحلیل مکانی و زمانی ارتباط بین رطوبت خاک و شاخص‌های طیفی با استفاده از تصاویر ماهواره‌ای (مطالعه موردی: حوضه آبخیز فیروز‌آباد)

الموضوعات :

بهروز سبحانی ¹ , مرتضی مملوکی ²

1 - گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران.
2 - گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران.

تاريخ الإرسال : 26 الخميس , جمادى الأولى, 1446 تاريخ التأكيد : 24 السبت , محرم, 1447 تاريخ الإصدار : 01 الثلاثاء , ربيع الثاني, 1447

الکلمات المفتاحية: همبستگی, پوشش گیاهی, رطوبت خاک, فیروز‌آباد.,

ملخص المقالة :

این مطالعه با هدف بررسی رابطه میان رطوبت خاک و شاخص‌های طیفی در حوضه آبخیز فیروزآباد در دوره 2014 تا 2023 انجام شد. برای این منظور، از داده‌های رطوبت خاک مجموعه FLDAS و تصاویر ماهواره‌ای لندست 8 در محیط پلتفرم گوگل ارث انجین استفاده گردید. شاخص‌های طیفی مورد بررسی شامل NDVI، EVI، NDWI، SAVI، NDLI و NDBI بودند که برای ارزیابی ویژگی‌های مختلف مانند پوشش گیاهی، رطوبت خاک و نواحی بایر به‌کار گرفته شدند. تحلیل همبستگی بین شاخص‌های طیفی و رطوبت خاک با استفاده از ضریب همبستگی پیرسون و R² بر روی 500 پیکسل نمونه انجام شد. نتایج نشان داد که مناطق شرقی حوضه با تراکم بالای پوشش گیاهی و رطوبت بیشتر خاک، شاخص‌های سبزینگی بالاتری مانند NDVI، EVI، SAVI دارند و بهبود پوشش گیاهی را نشان می‌دهند. در مقابل، مناطق غربی و مرکزی به دلیل پراکندگی پوشش گیاهی و رطوبت کمتر خاک، شاخص‌های سبزینگی و رطوبتی کمتری را نشان دادند. شاخص NDWI نیز حضور آب‌های سطحی کم‌عمق در مناطق مرطوب را تأیید کرد. شاخص NDLI با بالاترین ضریب همبستگی (303/0) و ضریب تعیین (091/0) به‌عنوان بهترین شاخص برای پیش‌بینی رطوبت خاک شناخته شد، در حالی که شاخص NDBI کمترین ارتباط را با این پارامتر داشت. این یافته‌ها کاربردهای مهمی در مدیریت منابع طبیعی و پایش رطوبت خاک ارائه می‌دهند.

المصادر:

آرمین، محسن و ديگران (1399). اولویت‌بندی مناطق حساس به فرسایش خاک با استفاده از تصاویر ماهواره‌ای، مطالعه موردی بخشی از شهرستان بهمئی، کهگیلویه و بویر احمد. پژوهش‌های فرسایش محیطی. 10 (2)، 41-58.
بابازاده، حسین و ديگران (1391). تخمین رطوبت لایه سطحی خاک اراضی مرتعی مناطق خشک و نیمه‌خشک با استفاده از شاخص دما و پوشش گیاهی (مطالعه موردی: استان خراسان). تحقیقات مرتع و بیابان ایران. 19 (1)، 120-132.
باقری، کیوان و ديگران (1398). برآورد رطوبت خاک با استفاده از سنجش از دور نوریف حرارتی و راداری (مطالعه موردی اراضی جنوب تهران). مجله علوم و مهندسي آبخيزداري ايران. 13 (47)، 74-63.
غلامي بیدخانی، نبی‌اله؛ مباشری، محمدرضا (1398). توسعه یک مدل رگرسیونی شاخص مبنا به منظور برآورد رطوبت سطح خاک از تصاویر MODIS با در نظر گرفتن اثرات بافت خاک. علوم و فنون نقشه برداری. 9 (1)، 173-187.
سلیمانی، محمدرضا و ديگران (1387). تاثیر کم آبیاری بر عملکرد علوفه دو توده بومی گیاه شورزیست کوشیا در شرایط آبیاری با آب شور. آب و خاک. 26 (22)، 307-317.
شاه‌مرادی، صلاح؛ غفاریان مالمیری، حمیدرضا؛ شریفی پیچون، محمد (1401). مدل‌سازی و نقشه‌برداری شوری و رطوبت خاک با استفاده از سنجش از دور طیفی و راداری. تحقیقات کاربردی خاک. 10 (3)، 43-65.
صداقت، آزاده و ديگران (1400). استفاده از شاخصهای طيفی در برآورد رطوبت سطحی خاک بر اساس الگوريتم يادگيری ماشين. تحقیقات آب و خاک ایران. 52 (12)، 3001-3018.
عبادی، الهامه و ديگران (1403). بررسی تغییرات کاربری اراضی با استفاده از تکنیک شی‌گرا و پیکسل پایه (مطالعه موردی: حوضه فیروزآباد خلخال). جغرافیا و برنامه‌ریزی. 28 (87)، 275-261.
فرخ‌زاده، بهنوش؛ منصوری، شهروز؛ سپهری، عادل (13969). تعیین میزان همبستگی بین شاخص‌های پوشش‌گیاهی NDVI و EVI با شاخص خشک‌سالی هواشناسی SPI، مراتع دشتی استان گلستان. نشریه هواشناسی کشاورزی. 5 (2)، 56-65.
فیض‌الله‌پور، مهدی (1402). تشخیص تغییرات پهنه آبی تالاب میقان با بهره‌گیری از شاخص‌های طیفی NDWI، MNDWI، AWEI و مدل‌های نظارت شده SVM در بازه زمانی 1373 تا 1401. مطالعات جغرافیایی مناطق خشک. 14 (54)، 104-119.
میری، مرتضی و ديگران (1402). ارزیابی کارایی تصاویر ماهواره‌ای و شاخص‌های طیفی در برآورد رطوبت خاک منطقه تلو در استان تهران. پژوهش‌های خاک. 37 (4)، 343-354.
Ayehu, G. & et al (2022). Soil moisture monitoring using remote sensing data and a stepwise-cluster prediction model: The case of upper Blue Nile Basin, Ethiopia. Remote Sensing. 11 (2), 125.
Chen, Y. et al (2013). Evaluation of AMSR-E retrievals and GLDAS simulations against observations of a soil moisture network on the central Tibetan Plateau. Journal of Geophysical Research: Atmospheres. 118, 4466–4475.
Escorihuela, M. J. & Quintana-Seguí, P. (2016). Comparison of remote sensing and simulated soil moisture datasets in Mediterranean landscapes. Remote sening of environment. 180, 99-114.
Gilabert, M. A. et al (2002). A generalized soil-adjusted vegetation index. Remote Sensing of Environment. 82, 303–310.
Imran, H.M.; Hossain, A. & Islam, A.K.M.S. (2021). Impact of land cover changes on land surface temperature and human thermal comfort in Dhaka city of Bangladesh. Earth Syst Environ. 5, 667–693.
Liu, J. & Zhang, H. (2023). Application of NDLI in environmental monitoring. Journal of Environmental Management. 300, 113-120.
Robinson, D.A. et al (2008). Soil moisture measurement for ecological and hydrological watershed-scale observatories. Vadose Zone Journal. 7 (1), 358-389.
Sanchez R. et al (2022). Combining SMOS with visible and near/shortwave/thermal infrared satellite data for high resolution soil moisture estimates. Journal of Hydrology. 522, 723–783.
Wang, L. & Qu, J. (2009). Satellite remote sensing applications for surface soil moisture monitoring. Earth Science. 3, 237-247.
Wang, X. (2005). Relation Between Ground-Based Soil Moisture and Satellite Image–Based NDVI. Earth and Environmental Science Department, University of Texas at San Antonio.
Xia, L. et al (2023). A comparison of two methods for estimating surface soil moisture based on the triangle model using optical/thermal infrared remote sensing over the source area of the Yellow River. International Journal of Remote Sensing. 40 (5-6), 2120-2137.