مروری بر کارایی و محدودیتهای طیفسنجی مرئی- مادون قرمز نزدیک در برآورد ویژگی های خاکهای مناطق خشک و نیمهخشک
محل انتشار: مجله تحقیقات آب و خاک ایران، دوره: 57، شماره: 8
سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 32
فایل این مقاله در 22 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_IJSWR-57-8_001
تاریخ نمایه سازی: 21 آبان 1405
چکیده مقاله:
طیف سنجی مرئی– مادون قرمز نزدیک (Vis–NIR) در سال های اخیر به عنوان روشی سریع، غیرمخرب و نسبتا کم هزینه، کاربرد گسترده ای در برآورد ویژگی های خاک و توسعه نقشه برداری رقومی خاک پیدا کرده است. این مقاله با هدف مرور و تحلیل کارایی و محدودیت های این فناوری در برآورد ویژگی های خاک های مناطق خشک و نیمه خشک، مطالعات انجام شده در ایران و جهان را بررسی کرده و جنبه های مختلف شامل اصول طیف سنجی، آماده سازی نمونه، روش های پیش پردازش، الگوریتم های مدل سازی و رویکردهای تلفیق داده ها را تحلیل می کند. نتایج این مرور نشان داد که Vis–NIR در برآورد ویژگی هایی مانند ماده آلی، بافت، رطوبت، هدایت الکتریکی و کربنات کلسیم، به ویژه در صورت استفاده از الگوریتم های پیشرفته یادگیری ماشین، عملکرد مطلوبی دارد. با این حال، در خاک های مناطق خشک و نیمه خشک، وجود مقادیر زیاد کربنات، گچ و شوری، همراه با تنوع کانی شناسی و تفاوت در روش های پیش پردازش و مدل سازی، موجب کاهش دقت و قابلیت تعمیم مدل ها می شود. بررسی مطالعات همچنین نشان داد که اختلاف قابل توجه دقت پیش بینی در پژوهش های مختلف، بیش از آنکه ناشی از نوع الگوریتم باشد، به کیفیت داده های مرجع، توسعه کتابخانه های طیفی بومی و اعتبارسنجی منطقه ای وابسته است. در مجموع، طیف سنجی Vis–NIR ظرفیت بالایی برای کشاورزی دقیق، مدیریت پایدار خاک و نقشه برداری رقومی دارد، اما توسعه کتابخانه های طیفی بومی، استانداردسازی روش های اندازه گیری و تلفیق داده های طیفی با اطلاعات سنجش از دور و متغیرهای محیطی، مهم ترین پیش نیازهای گسترش کاربرد عملی آن در خاک های مناطق خشک و نیمه خشک به شمار می روند.
نویسندگان
فاطمه خیامیم
مرکز تحقیقات، اموزش و ترویج کشاورزی استان اصفهان، بخش تحقیقات خاک وآب
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 :