پهنه بندی شوری خاک های منطقه جنوب شرق استان اصفهان با استفاده از داده های زمینی و سنجنده TM ماهواره ای
محل انتشار: فصلنامه علوم آب و خاک، دوره: 19، شماره: 71
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 437
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWSS-19-71_004
تاریخ نمایه سازی: 22 اردیبهشت 1400
چکیده مقاله:
هدف تحقیق حاضر ارزیابی قابلیت داده های ماهواره ای لندست TM مربوطه به شهریور ماه ۱۳۸۸ در شناسایی و تفکیک اراضی شور منطقه ورزنه واقع در جنوب شرقی استان اصفهان می باشد. داده های زمینیEC با استفاده از روش نمونه برداری تصادفی از ۵۳ سایت نمونه برداری با سطحی حدود ۸۱۰۰ متر مربع (۹ پیکسل تصویر) جمع آوری گردید. شاخص های طیفی مانند باندهای TM، BI، ۱SI، ۲SI، و ۳SI، مولفه های ۱PC، ۲PC، ۳PC و همچنین مدل سازی رگرسیون چند متغیره خطی و روش طبقه بندی نظارت شده بر تصویر زمین مرجع شده اعمال شد. نتایج آنالیز رگرسیونی نشان داد که باند ۴TM رابطه قوی با EC زمینی دارد (۴۸/۰=۲R). همچنین تصویر مدل سازی با استفاده از باند ۳، ۴ و ۵ و ۳PC در سطح ۹۹% معنی دار بود. ارزیابی صحت نقشه های طبقه بندی باند ۴ و تصویر مدل سازی با ۵ کلاس شوری شامل ۴-۰، ۲۰-۴، ۶۰-۲۰، ۱۰۰-۶۰ و بیشتر از ۱۰۰ دسی زیمنس بر متر نشان داد که به طور کلی بیش از ۸۶% توافق بین نقشه ها و داده های زمینی EC وجود دارد. بنابراین، با توجه به صحت بالای تصاویر طبقه بندی شده نسبت به روش های رگرسیون در تفکیک خاک های پهناور شور می توان از آنها به عنوان ابزار مناسب در جهت مدیریت و مبارزه با شوره زایی استفاده نمود.
کلیدواژه ها:
Soil salinity ، Remote sensing ، Salinity index ، Multiple linear regressions. ، شوری خاک ، سنجش از دور ، شاخص شوری ، رگرسیون چند متغیره خطی
نویسندگان
فرید محمودی
Dept of Natur. Isf. Univ. of Technol., Isfahan. Iran.
رضا جعفری
Dept of Natur. Isf. Univ. of Technol., Isfahan. Iran.
حمید رضا کریم زاده
Dept of Natur. Isf. Univ. of Technol., Isfahan. Iran.
نفیسه رمضانی
Dept of Natur. Isf. Univ. of Technol., Isfahan. Iran.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :