ارزيابي روش هاي مدل سازي و طبقه بندي نظارت شده در تهيه نقشه شوري خاك با استفاده از تصاوير ASTER و ETM

Evaluation of modeling methods and supervised classification for mapping soil salinity using ASTER and ETM images

سابقه و هدف: شناسايي مناطق شور و تهيه نقشه‌ هاي رقومي ميزان شوري خاك‌ها، گامي موثر در مديريت صحيح اراضي شور به شمار مي‌رود. از آنجا كه بخش وسيعي از كشور ما را اراضي شور تشكيل مي‌ دهد، اهميت اين موضوع به شدت احساس مي‌ شود. شوري خاك يكي از مراحل تخريب زمين بوده كه منجر به كاهش بهره‌ وري نهايي در خاك مي‌ شود. شوري خاك مي‌ تواند ناشي از فرايندهاي طبيعي يا اعمال انساني باشد اما در هر صورت يكي از مخاطرات جدي محيط مي باشد. لذا تهيه نقشه شوري خاك باعث ارتقاء سطح مديريت شده و در فرايند تصميم گيري براي برنامه ريزي توسعه پايدار مورد استفاده قرار مي گيرد. امروزه تهيه نقشه‌ هاي شوري خاك به كمك تصاوير ماهواره‌اي و تكنيك‌هاي سنجش از دور براحتي امكان‌پذير است و تحقيقات زيادي جهت پايش شوري خاك به كمك تصاوير ماهواره‌ اي در اكثر نقاط جهان انجام شده است. با توجه به مشكلات توليد نقشه‌ هاي شوري خاك از داده‌ هاي ماهواره‌ اي در اين تحقيق دو رويكرد مدل سازي و طبقه‌ بندي در توليد نقشه‌ هاي خاك ارزيابي شده‌ اند. هدف از تحقيق حاضر نيز ارزيابي روش مدل‌ سازي و طبقه‌ بندي‌ هاي نظارت شده به منظور تهيه نقشه شوري خاك با استفاده از تلفيق تصاوير ASTER و ETM (كه كمتر مورد توجه قرار گرفته است) در شرق دشت سمنان مي باشد. مواد و روش‌ ها: به منظور انجام تحقيق حاضر ابتدا، پس از تعيين موقعيت منطقه، با تشكيل يك شبكه بر روي تصوير منطقه، موقعيت نقاط نمونه‌ برداري مشخص گرديد. در مرحله بعد با انجام پيمايش‌ هاي صحرايي، نمونه برداري انجام و سپس مقدار EC اندازه‌ گيري شدند. سپس با اعمال پيش پردازش داده‌ هاي ماهواره‌ اي و همچنين تكنيك‌ هاي پردازش تصوير از قبيل آناليز مولفه‌ هاي اصلي، ادغام باندهاي چند طيفي ASTER با باند پانكروماتيك ETM+، تبديل تسلدكپ، فيلترينگ، ايجاد شاخص‌ هاي شوري، نسبت‌ گيري طيفي و همچنين با استفاده از روش‌ هاي‌ طبقه‌ بندي نظارت شده، نقشه شوري خاك منطقه تهيه گرديد. يافته‌ ها: نتايج تحقيق نشان داد كه نقشه شوري تهيه شده به روش مدل‌ سازي با باند 8 تصاوير ASTER، مولفه حاصل از ادغام باند پانكروماتيك +ETM با باند5 ASTER و مولفه حاصل از شاخص شوري (Salinity2) ارتباط معنادار دارد و نتايج حاصل از اعتبارسنجي مدل با مقادير MAE، RMSE و R به ترتيب معادل 163، 165 و 0/81 بدست آمد كه دلالت بر مناسب بودن مقادير تخميني اين مدل دارد. صحت نقشه شوري تهيه شده به روش‌ هاي طبقه‌ بندي نظارت شده نيز به ترتيب براي روش حداكثر احتمال 84% و براي روش حداقل فاصله از ميانگين 74% برآورد گرديد كه حاكي از دقت كمتر اين روش‌ها نسبت به نقشه شوري به روش مدل‌ سازي مي‌ باشد. نتيجه‌ گيري: با توجه به نتايج بدست آمده در اين تحقيق، مي‌ توان با تعديل نمودن شاخص‌ هاي شوري، شاخص هاي جديدي را جهت تهيه نقشه شوري خاك بدست آورد. همچنين نتايج نشان داد كه دخالت باند سه ASTER موجب تشخيص بهتر مولفه شوري خاك شده است و اين بخش از طيف الكترومغناطيس شامل (0/52-0/86، 2/145-2/185، 2/295-2/365 ميكرومتر) مي‌تواند در تهيه نقشه شوري خاك در مناطق مختلف مفيد واقع شود.

Background and objectives: Identifying the saline soils and preparing digital maps of soil salinity, is an effective step in correct management of saline lands. Since vast areas of Iran are covered by saline soils, so these maps are very important. Soil salinity is one of the stages of land degradation that eventually leads to decrease in soil productivity. Soil salinity could be caused by natural processes or human activities. However, soil salinity is a major environmental hazard. So, providing a soil salinity map for these regions, can improve the level of management. Soil salinity maps are prepared by using satellite images as easily as possible. Considering the difficulty of mapping salinity from satellite data, in this study, two approaches for modeling and classification of soil salinity maps were evaluated. The purpose of this study is to evaluate the modeling method and supervised classification of soil salinity mapping using ASTER and ETM+ images in the East of Semnan plain. Materials and methods: After site selection and spreading a net over the image of area, we determined the location of sampling points. The soil salinity map was prepared After the following steps: measuring EC of soil samples, geometrical and radiometric modification of satellite data, applying some processing such as principal components analysis, fusion of ASTER multispectral bands with ETM+ panchromatic band, transformation of tasseled cap, filtering, producing the salinity indexes, assessment of spectral, and also using supervised classification method. Results: the salinity map was obtained using modeling method from the eighth band of Aster satellite. The results show that the component that is obtained from integration of an ETM+ panchromatic band and band 5 of ASTER, and a component of salinity index (Salinity2) have a significant relationship. The model validation by the MAE, RMSE and R showed that the selected model has good performance. The accuracy of the salinity map which was produced by Supervised Classification method has been estimated as 84% based on maximum likelihood method and 74% based on minimum distance method. This represents that the accuracy obtained by the above mentioned methods is lower than modeling method for preparing the salinity map. Conclusion: According to the results of the study, adjusting the salinity indicators resulted in obtaining new indicators for mapping soil salinity. A better diagnosis of soil salinity was resulted from the use of band 3 of Aster image. . So it can be suggested that a part of the electromagnetic spectrum, including (0.52 – 0.86, 2.145-2.185 and 2.295-2.365 micrometers) can be useful in mapping soil salinity in different areas.