مدلسازی شوری خاک شبکه آبیاری و زهکشی گتوند-عقیلی با استفاده از تصویر ماهواره لندست ۸ و رگرسیون های OLS و Ridge

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 198

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IDJ-13-4_015

تاریخ نمایه سازی: 25 اردیبهشت 1400

چکیده مقاله:

شور شدن خاک یکی از اساسی ترین مشکلات بخش کشاورزی و یکی از اصلی ترین دلایل کاهش عملکرد محصولات کشاورزی محسوب می شود. در این مطالعه با استفاده از تصویر ماهواره لندست ۸ و اطلاعات ۱۲۱ نمونه خاک برداشت شده از سطح شبکه و همچنین به کارگیری شاخص های شوری و رگرسیون های خطی چندگانه (با تخمین گر OLS) و ریچ شوری خاک سطحی شبکه آبیاری و زهکشی گتوند-عقیلی مدل سازی و نقشه شوری خاک رسم شد. نتایج نشان داد بین باندهای سنسور OLI ماهواره لندست ۸ و هدایت الکتریکی نمونه های خاک همبستگی معنی دار وجود دارد و بالاترین همبستگی مربوط به باند قرمز است. همچنین بین شاخص های شوری و هدایت الکتریکی نمونه ها نیز همبستگی معنی دار شناسایی شد. نتایج به دست آمده از مدل رگرسیونی OLS حاکی از توانایی این مدل در آشکارسازی % ۴۸ از تغییرات شوری خاک شبکه است، اما با توجه به شاخص عامل تورم واریانس مشخص شد که متغیرهای مستقل مدل OLS دارای هم خطی هستند. در مقابل نتایج رگرسیون ریچ نشان داد که این روش توانایی بالایی در حذف هم خطی متغیرهای مستقل دارد. با رسم نقشه های دو مدل رگرسیونی OLS و ریچ میانگین شوری خاک شبکه به ترتیب ۸/۵ و ۵/۴ دسی زیمنس بر متر برآورد گردید. همچنین براساس مدل رگرسیونی ریچ به ترتیب %۳۳ و %۱۵ از مساحت شبکه در کلاس های تقریبا شور و شور قرار گرفتند. علاوه بر این طبق نقشه شوری مدل رگرسیونی OLS، %۶ از مساحت شبکه در کلاس کاملا شور قرار گرفت.

کلیدواژه ها:

شاخص شوری ، عامل تورم واریانس ، کلاس های شوری خاک ، هم خطی

نویسندگان

حسین رحمتی

دانشجو دکتری آبیاری و زهکشی، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز

سعید برومندنسب

استاد گروه آبیاری و زهکشی، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز

زهرا ایزدپناه

استادیار گروه آبیاری و زهکشی، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز

محمد الباجی

استادیار گروه آبیاری و زهکشی، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز

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 :
  • ثنایی نژاد، س. ح.، آستارایی، ع.، قائمی، م.، میرحسینی، پ. ...
  • جعفری، م.، دین پژوه، ی.، اسدی، ا. ۱۳۹۴. آشنایی با ...
  • سازمان تحقیقات، آموزش و ترویج کشاورزی، ۱۳۹۴. ویژه نامه پژوهش ...
  • علوی پناه، س. ک. ۱۳۸۲. کاربرد سنجش از دور در ...
  • محمودی، ف.، جعفری، ر.، کریم زاده، ح.، رمضانی، ن. ...
  • نوری، ح.، دیهول، م.، وظیفه دوست، م.، نوروزی، ع. ۱۳۹۵. ...
  • Allbed, A., Kumar, L., Sinha, P., ۲۰۱۴. Mapping and Modelling ...
  • Azabdaftari, A., Sunar, F., ۲۰۱۶. SOIL SALINITY MAPPING USING MULTITEMPORAL ...
  • Barsi, J.A., Lee, K., Kvaran, G., Markham, B.L., Pedelty, J.A., ...
  • Chokmani, K., Ouarda, T.B.M.J., Hamilton, S., Ghedira, M.H., Gingras, H., ...
  • Dehni, A., Lounis, M., ۲۰۱۲. Remote Sensing Techniques for Salt ...
  • Ding, J., Yu, D., ۲۰۱۴. Monitoring and evaluating spatial variability ...
  • Douaoui, A.E.K., Nicolas, H., Walter, C., ۲۰۰۶. Detecting salinity hazards ...
  • El Harti, A., Lhissou, R., Chokmani, K., Ouzemou, J., Hassouna, ...
  • Fan, X., Liu, Y., Tao, J., Weng, Y., ۲۰۱۵. Soil ...
  • Field, A., ۲۰۰۹. DISCOVERING STATISTICS USING SPSS THIRD EDITION, Ovarian ...
  • Goeman, J.J., ۲۰۰۸. Autocorrelated logistic ridge regression for prediction based ...
  • Gorji, T., Sertel, E., Tanik, A., ۲۰۱۷. Monitoring soil salinity ...
  • Hessami, M., Gachon, P., Ouarda, T.B.M.J., St-Hilaire, A., ۲۰۰۸. Automated ...
  • Hoerl, A.E., Kennard, R.W., ۱۹۷۰. Ridge Regression: Biased Estimation for ...
  • Khan, N.M., Rastoskuev, V. V., Sato, Y., Shiozawa, S., ۲۰۰۵. ...
  • Khan, S., Abbas, A., ۲۰۰۷. Using Remote Sensing Techniques for ...
  • Kutner, M.H., Nachtsheim, C.J., Neter, J., Li, W., ۲۰۰۵. Applied ...
  • Li, Y.F., Xie, M., Goh, T.N., ۲۰۱۰. Adaptive ridge regression ...
  • Mahmoudabadi, E., Karimi, A., Haghnia, G.H., Sepehr, A., ۲۰۱۷. Digital ...
  • Metternicht, G., Zinck, J.A., ۱۹۹۷. Spatial discrimination of salt- and ...
  • Noroozi, A.A., Homaee, M., Farshad, A., ۲۰۱۲. Integrated Application of ...
  • Silber, A., Israeli, Y., Elingold, I., Levi, M., Levkovitch, I., ...
  • Singh, A., ۲۰۱۸. Managing the salinization and drainage problems of ...
  • Singh, A., ۲۰۱۲. An overview of the optimization modelling applications. ...
  • Skaggs, T.H., Anderson, R.G., Corwin, D.L., Suarez۱, D.L., ۲۰۱۴. Water ...
  • SONG, C., REN, H., HUANG, C., ۲۰۱۶. Estimating Soil Salinity ...
  • Vermeulen, D., van Niekerk, A., ۲۰۱۶. Evaluation of a WorldView-۲ ...
  • Yu, H., Liu, M., Du, B., Wang, Z., Hu, L., ...
  • Zhang, T.T., Qi, J.G., Gao, Y., Ouyang, Z.T., Zeng, S.L., ...
  • نمایش کامل مراجع