ارزيابي شوري خاك در شرق اصفهان بر پايه داده‌هاي سنجنده OLI و تجزيه و تحليل عوارض توپوگرافي

Assessment soil salinity in east Isfahan based on OLI sensor data and topographic feature analysis

تحقيق حاضر با هدف بهبود دقت ارزيابي شوري خاك با استفاده از تصوير ماهواره اي لندست سنجنده OLI مربوط به تاريخ 5 خرداد 1394 و پارامترهاي توپوگرافي در منطقه شرق اصفهان انجام شد. داده هاي زميني با استفاده از روش نمونه برداري تصادفي از 29 سايت نمونه برداري از عمق 30-0 سانتي متر در نيمه دوم ارديبهشت 1394 جمع آوري شد. شاخص هاي طيفي مانند باندهاي سنجنده OLI، شاخص هاي شوري 1SI، 2SI و 3SI، شاخص هاي خاك SBI و SCI، شاخص هاي پوشش گياهي NDVI و RVI با انجام پردازش ها و محاسبات لازم از تصوير زمين مرجع شده به دست آمدند. عوارض توپوگرافي شامل درصد شيب، جهت شيب و ارتفاع از سطح دريا از مدل رقومي ارتفاع (DEM) منطقه استخراج شدند. سپس مدل برآورد شوري با استفاده از رگرسيون خطي به روش گام به گام تهيه شد. نتايج تجزيه و تحليل رگرسيوني نشان داد كه در سطح آماري 99 درصد همبستگي معني داري بين EC نمونه هاي خاك سطحي، ارتفاع از سطح دريا و باند 4 وجود دارد 0/68=R(2) نقشه شوري به دست آمده از مدل رگرسيوني نشان مي دهد كه ميزان شوري در منطقه بسيار بالاست به طوري كه بيش از 70 درصد از مساحت منطقه داراي غلظت نمك بيش از 60 دسي زيمنس بر متر است. در نهايت اعتبار مدل با استفاده از 20 درصد نمونه ها ارزيابي شد. نتايج نشان داد كه مدل مي تواند با RMSE برابر با 6/54 دسي زيمنس بر متر شوري خاك را برآورد كند. بر اساس نتايج پژوهش، نتيجه گيري مي شود كه استفاده از پارامتر ارتفاع از سطح دريا در كنار داده هاي ماهواره اي در مطالعات شوري خاك منطقه مطالعاتي سودمند بوده و سبب بهبود دقت ارزيابي مي شود.

The present study aims to improve the assessment، soil salinity accuracy، using of OLI Landsat satellite image dated to 26 May 2015 and topographic parameters in the eastern region of Isfahan. Ground data were collected in date second half May by using the random sampling method from 29 sampling sites from the depth of 0-30cm. Spectrum indexes include OLI sensor bands، salinity indexes SI1، SI2 and SI3، soil indexes SBI and SCI، and vegetation indexes NDVI and RVI were obtained from processing referenced ground images. Also، topographic feature including slope percent، orientation of slope and elevation from sea level were extracted from Digital Elevation Model (DEM)، then to estimate the salinity linear regression the stepwise method model was used. From analysis، regression indicated that on 99% statistical level، there is a meaningful correlation between EC of topsoil samples، elevation from sea level and band 4 (R2=0.68). The salinity map acquired from the regression model indicates the salinity is very high in the region so that more than 70% of the area has a salt concentration of more than 60 ds/m. Finally، the reliability of the model was evaluated using 20 percent of the samples. Results indicated that the model can estimate soil salinity by an RMSE=6.54 ds/m. According to the research results، Conclusion They are using elevation from sea level parameter with satellite data is Beneficial in the soil salinity research and causes improve the accuracy of the assessment.