مدلسازی شوری فضای سبز شهری مبتنی بر داده های سنجنده OLI لندست ۸ ، مطالعه موردی شاهین شهر، اصفهان
- سال انتشار: 1401
- محل انتشار: دومین کنفرانس ملی مدیریت سبز پسماند
- کد COI اختصاصی: GMBTUMA02_117
- زبان مقاله: فارسی
- تعداد مشاهده: 418
نویسندگان
دانشیار گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه لرستان
دانشجوی دکتری مدیریت منابع خاک و ارزیابی اراضی، گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه لرستان
چکیده
مقدمه: شور شدن خاک یک فرآیند تخریب خاک و تهدید جدی برای محیط زیست به شمار می رود که در مناطق خشک ونیمه خشک دارای روند گسترش بیشتری است.مواد و روشها: در این مطالعه به منظور بررسی عملکرد شاخص های سنجش ازدور در پیش بینی خطر شوری خاک های موجوددر فضای سبز شهری، شاهین شهر اصفهان از تصاویر ماهواره لندست ۸ سنجنده OLI استفاده شد. به منظور دستیابی به این هدف قابلیت هدایت الکتریکی (EC)؛۵۳ ۵۳ نمونه خاک که از عمق سطحی (۰-۱۵ سانتی متر) برداشت و اندازه گیری شد. سپس برای انتخاب بهترین شاخص های سنجش ازدور تمام این شاخص ها به همراه EC های اندازه گیری شده توسط مدل جنگل تصادفی بررسی شدند و مهمترین آنها به عنوان پیش بینی کننده های محیطی جهت سنجش و برآورد خطر شوری خاک انتخاب شدند.نتایج: مدل جنگل تصادفی با ضریب تبیین برابر ۰/۵۹ و ۲/۲۳=RMSE دارای عملکرد متوسط در برآورد خطر شوری خاک ها در فضای سبز بود. از مجموع ۵۳ نمونه خاک ۳۵/۹ درصد آنها دارای خطر شوری کم و ۶۴/۱ درصد دارای شوری متوسط بودند. همچنین شاخص Greenness نیز از میان سایر متغیرهای کمکی منتخب موثرترین شاخص در برآورد مکانی شوری خاک در منطقه موردمطالعه شناسایی شد. نتیجه گیری: بنابراین داده های سنجش ازدور با توجه به سهل الوصول بودن، دسترسی بالا و قدرت تفکیک مکانی و زمانیمناسب، پتانسیل بالایی را میتوانند برای مدلسازی و سنجش وضعیت خطر شوری خاک در مناطق فضای سبز شهری ارائه نمایند.کلیدواژه ها
سنجش ازدور، ماهواره لند ست ۸، مدل جنگل تصادفی، خطر شوری خاکمقالات مرتبط جدید
- A Comprehensive Review of The Challenges Facing the Use of Nanoparticles in The Treatment of Parasitic Infections
- مروری بر لیشمانیوز از اپیدمیولوژی تا روش های تشخیصی نوین
- مروری بر روشهای خشک کردن گیاهان باتاکید بر خشک کردن پاششی
- بهبود فرایندهای تشخیصی و پیشگیری سرطان حیوانات با هوش مصنوعی و فناوری های نوین: پیشرفت ها، چالش ها و چشم انداز آینده
- Integrated Interdisciplinary One Health Surveillance Systems for Early Detection of Disease Spillovers: Pandemic Preparedness and Outbreak Investigation
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.