تهيه نقشه شوري و سديمي خاك سطحي با روشهاي دورسنجي و زمين آماري در جنوب شهرستان مه ولات

در چند دهه گذشته استفاده از روش‌هاي زمين‌آمار و دورسنجي براي تهيه نقشه شوري خاك و پايش تغييرات آن توسعه پيدا كرده است. هدف از اين مطالعه مقايسه قابليت روش‌هاي زمين‌آمار و سنجش از دور براي تهيه نقشه شوري و سديمي خاك سطحي در بخشي از پلاياي واقع درجنوب شهرستان مه ولات استان خراسان رضوي مي‌باشد. تعداد 88 نمونه از عمق 10-0 سانتي‌متري خاك سطحي از محل تقاطع خطوط يك شبكه منظم با ابعاد 1000×1000 متري برداشت و EC، pH و SAR نمونه ها اندازه گيري شد. پس از تبديل داده هاي غيرنرمال به نرمال، بررسي ناهمسانگردي و تعيين پارامترهاي واريوگرام، نقشه هاي شوري و سديمي با روش كريجينگ و با دقت هاي 58 و60 تهيه شد. نتايج نشان داد كه روش كريجينگ روي داده هاي شوري و سديمي اثر پيرايشي داشته و موجب كاهش انحراف معيار داده ها شده است. براي تهيه نقشه شوري و سديمي با فن دورسنجي از تصاويرماهواره IRS-P6 هند استفاده شد. پس از انجام عمليات پيش پردازش، تصاويرPCA ، شاخص هاي شوري SI1، SI2، BI و NDSI تهيه و سپس ارزش روشنايي مربوط به نقاط نمونه برداري استخراج گرديد. با بررسي همبستگي بين داده ها و ارزش روشنايي تصاوير، شاخص SI1 كه داراي بالاترين ضريب همبستگي بود، گزينش و نقشه شوري خاك سطحي با روش طبقه بندي نظارت شده و دقت 81 درصد تهيه شد. به دليل نبود همبستگي ميان تصاوير با داده هاي سديمي و همچنين بين داده هاي سديمي با شوري و اسيديته، امكان استخراج تهيه نقشه سديمي با اين روش ضعيف ارزيابي شد. مقايسه بين اين دو روش نشان مي دهد كه به منظور افزايش دقت در نقشه هاي بدست آمده از روش كريجينگ بايد تعداد نقاط زيادتري برداشت نمود، درصورتي كه در روش دورسنجي مي توان با تعداد نقاط كمتر، صرفه جويي در وقت و هزينه به نقشه ‌هاي دقيق‌تري دست يافت.

In the recent decades, application of geostatistic and remote sensing for mapping salinity and sodicity of surface soil and monitoring itʹs changes have been developed. The goal of this research was to compare the capability of geostatistic and remote sensing methods for mapping salinity-sodicity of soils in playa from sourthern Mah Valat county, in the Khorasan Razavi province. 88 samples of surface soil from depth of 0 to 10cm on the crossing lines of 1000×1000 meter grids were taken, and their EC, PH and SAR were measured. After normalizing variables, checking anisotropy and determining the parameters of variogram, the salinity and sodicity maps of soil were prepared using kriging method with an accuracy of 60 and 58 percent. the Results revealed that kriging had trimmed salinity and sodicity data because it had lowered the standard deviation. The IRS-P6 images were used to map salinity and sodicity maps. After pre-processing of images, PCA, salinity indexes of SI1, SI2, BI and NDSI were calculated and digital number of sampling points were extracted. By checking the correlation between variables and digital numbers of images, the SI1 that had the highest Pearson coefficient, was selected and salinity map of surface soil was prepared by the method of supervised classification. There was no correlation between images and sodicity data, and also between sodicity, salinity and pH data. Probability of extracting sodicity map by this method was evaluated poor. The result of this resarch also showed that for increasing accuracy in kriging maps more points should be taken, while in the remote sensing with less points while saving time and money, it’s possible to have more accurate maps.