استفاده از GEOSTATIATIC و الگوریتم LSU به به منظور تعیین گیاهان در معرض خطر آلودگی کادمیوم (مطالعه موردی استان اصفهان)
محل انتشار: همایش ژئوماتیک 86
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,766
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:
GEO86_003
تاریخ نمایه سازی: 14 شهریور 1385
چکیده مقاله:
در بسیاری از مطالعات و بررسی های خاکشناسی برای اندازه گیری و تخمین پارامترهای مختلف خاک از قبیل فلزات سنگین موجود در خاک، تبدیل اطلاعات نقطه ای به سطح، امری اجتناب ناپذیر است. برای این کار روشهای مختلفی وجود دارد که از جمله آنها، روشهای درونیابی می باشد. در این مطالعه از روش Ordinary Kriging ، برای برآورد مقدارکادمیوم موجود در خاک منطقه مرکزی ایران واقع در استان اصفهان استفاده شد. سپس با استفاده از قابلیتهای GIS نقشه تخمین توزیع مکانی کادمیوم کل در منطقه مورد مطالعه ترسیم و جهت تعیین مناطق آلوده از نظر میزان کادمیوم، کلاسه بندی شد.
آزمون آنالیز واریانس نشان داد که کاربری تاثیر معنی داری بر روی کادمیوم کل موجود در خاک دارد. بطوریکه در کاربری شهری و صنعتی، میانگین این فلز سنگین به طور معنی داری بیشتر از میانگینش در سایر کاربریها بود. این امر موید این مطلب است که فعالیتهای انسانی به عنوان عمده ترین عامل افزایش دهنده فلزات سنگین موجود در خاک می باشد. بررسی نتایج آمار توصیفی کادمیوم کل و مقایسه آن با مقادیر پیشنهادی توسط کشورهای دیگر نشان داد که خاک منطقه از لحاظ مقدار کادمیوم موجود در آن دارای آلودگی است.
با استفاد ه از تصویر سنجنده ETM+ و بهره گیری از تکنیک بسیار برجسته Spectral unmixing پوشش گیاهی منطقه به روز و استخراج گردید و با انطباق نقشه آلودگی خاک و پوشش گیاهی میزان گسترش آلودگی در مناطق مختلف پوشش گیاهی مشخص گردید.
کلیدواژه ها:
نویسندگان
علی اکبر متکان
دکتری سنجش از دور - عضو هیئت علمی دانشگاه شهید بهشتی
آزاده کاظمی
کارشناسی ارشد سنجش از دور و GIS دانشگاه شهید بهشتی
محمدرضا گیلی
کارشناسی ارشد سنجش از دور و GIS دانشگاه شهید بهشتی
داود عاشورلو
کارشناسی ارشد سنجش از دور و GIS - عضو هیئت علمی دانشگاه شهید بهشتی
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 :