مدل‌سازي فرسايش‌پذيري خاك در منطقه خور و بيابانك با استفاده از شاخص‌هاي دورسنجي

Modeling of soil erodibility in the Khoor and Biabanak region, using remote sensing indices

فرسايش خاك توسط نيروي توامان فرايندهاي آب و باد سبب تخريب اراضي در سطحي گسترده مي‌شود. بنابراين مدل‌سازي منطقه‌اي فرسايش‌پذيري يكي از مناسب‌ترين راهكارهاي تخمين هدررفت خاك محسوب مي‌گردد. لذا هدف از اين پژوهش، تدوين يك مدل منطقه‌اي فرسايش‌پذيري توسط روش‌هاي آماري، از طريق رابطه‌سنجي بين پارامترهاي فيزيكي خاك و شاخص‌هاي دورسنجي در خور و بيابانك است. روش نمونه‌برداري ميداني، از نوع ترانسكت خطي بوده و در امتداد آنها، 33 نمونه خاك از عمق 0 تا 50 سانتي‌متر برداشت شد. با انتقال نمونه‌ها به آزمايشگاه، ميزان عناصر ماسه، رس، سيلت، كربن و ماده آلي اندازه‌گيري و سپس مقادير فرسايش‌پذيري در قالب فاكتور K و شاخص SEI محاسبه شد. در مرحله بعد، تصوير سنجنده OLI منطبق با زمان نمونه‌برداري ميداني از پايگاه اينترنتي USGS اخذ و با اعمال توابع Clay، NDVI، GOSAVI، SAVI، TSAVI، NDSI، SCI و GSAVI، مقادير شاخص‌هاي مزبور استخراج گرديد. درنهايت، با استفاده از آزمون پيرسون، همبستگي بين عناصر فيزيكي و فرسايش‌پذيري خاك با شاخص‌هاي دورسنجي محاسبه و در پايان جهت مدل‌سازي SEI و K، از طريق رگرسيون ساده و چندگانه، مبادرت به رابطه‌سنجي بين پارامترهاي مذكور گرديد و از بين آن‌ها مناسب‌ترين مدل‌ها باارزش رجحاني بالاتر انتخاب شد. نتايج مدل‌سازي نمايانگر حداكثر ارتباط خطي SEI با شاخص‌هاي SAVI، NDVI و TSAVI به‌ترتيب با ضريب تعيين 0/69، 0/66 و 0/66، و رابطه خطي فاكتور K با شاخص‌هاي NDSI، SAVI و SCI، به‌ترتيب با ضريب تعيين 0/630، 0/61 و 0/58 در سطح 99 درصد است. نتايج رگرسيون چندگانه نيز بيانگر بالاترين ارتباط SEI و K با اجماع گروهي شاخص‌هاي دورسنجي به‌ترتيب با ضريب تعيين 0/517 و 0/564 و خطاي برآورد 0/0031144 و 0/0092369 در سطح 99 درصد است. بنابراين از طريق شاخص‌هاي دورسنجي و مدل‌هاي آماري تك متغيره و چندمتغيره، مي‌توان ميزان فرسايش‌پذيري خاك را برآورد نمود كه امكان تخمين سريع و نسبتاً دقيق مقادير SEI و K را در منطقه خور و بيابانك فراهم مي‌آورد.

Soil erosion by water and wind processes are carried out widely. So one of the best ways to estimate soil loss and land degradation is regional erodibility model. The aim of this research is codification regional erodibility model by statistical methods, the relation survey in Khoor and Biabanak between physical properties of soils and remote sensing indices. Sampling Method field was linear transect method and picked up 33 soil samples from depths of 0 to 50 cm. By transferring the samples to the laboratory, were calculated the elements of sand, clay, silt, organic matter and carbon, and then measurement erodibility values using the K-factor and SEI index. Then, was taken OLI sensor image accordance time sampling from USGS website. And were extracted the indices by enforcing functions the amount of Clay, NDVI, GOSAVI, SAVI, TSAVI, NDSI, SCI and GSAVI. Finally, were calculated using Pearson correlation between physical elements and soil erodibility with Remote sensing indices. At the end of for modeling SEI and K, through simple and multiple regression attempts to gauge the relationship between these parameters and selected best models from among with higher preference value. The results of modeling SEI represents the maximum linear correlation with the indices SAVI, NDVI and TSAVI respectively, with coefficient of 0.69, 0.66 and 0.63, and K factor linear correlation with the indices NDSI, SAVI and SCI, respectively, with a coefficient of determination 0.63 0.61 and 0.58 is at level 99%. Multiple regression analysis also showed a high correlation with group consensus SEI, K and Remote Sensing indices, respectively, with a coefficient of determination 0.517 and 0.564 and estimated error 0.0031144 and 0.0092369 at level 99%. Therefore, can estimate the amount of soil erodibility by remote sensing indices and univariate and multivariate statistical models. Which enables fast and precise estimation of SEI and K values in the Khoor and Biabanak region.