ارزیابی کارآیی داده‌های طیفی و شاخص‌های منتج از سنجنده‌های oliو tirs در برآورد شوری خاک‌های مناطق خشک جنوب استان ایلام

شوری خاک یکی از مشکلات مهم زیست‌محیطی است و شناسایی و پهنه‌‌بندی خاک‌های شور، به‌علت نیاز به نمونه‌برداری و انجام‌دادن آنالیزهای آزمایشگاهی و همچنین تغییرپذیری زمانی و مکانی آن، مشکل است. در سال‌های اخیر استفاده از تصاویر ماهواره‌ای، به‌علت استفاده آسان و توانایی در شناسایی پدیده‌ها، همواره مورد توجه متخصصان قرار گرفته است. در این پژوهش، 220 نمونه خاک از منطقه میمه شهرستان دهلران، در جنوب استان ایلام، با توجه به نوع مطالعه و تیپ‌های فیزیوگرافی و واحدهای متشکل خاک‌ها برداشت شد. سپس مقادیر ph و ec با استفاده از روش‌های استاندارد اندازه‌گیری‌ شد. ارزیابی مقادیر شوری خاک، با استفاده از روابط همبستگی بین مقادیر هدایت الکتریکی ec حاصل از داده‌های زمینی، با متغیرهای به‌دست‌آمده از تصاویر ماهواره‌ای لندست 8 شامل باندها، شاخص‌های شوری، شاخص‌های پوشش گیاهی و شاخص‌های خاک صورت گرفت. در نهایت، مدل تخمین شوری سطحی خاک با روش رگرسیون گام‌به‌گام به‌دست آمد. این روش شامل انتخاب خودکار متغیرهای مستقل است و با دردسترس‌بودن بسته‌های نرم‌افزاری آماری، انجام‌دادن آن حتی در مدل‌هایی با صدها متغیر امکان‌پذیر است. در مطالعات گذشته، شاخص‌ها و باندها به‌صورت جداگانه و محدود به‌کار رفته‌اند اما، در این مطالعه، سعی شده است از ترکیب شاخص‌های گوناگون استفاده گسترده‌تری شود و در نهایت، با حذف شاخص‌هایی که کمترین تاثیر را در برآورد شوری خاک داشته‌اند، بهترین مدل برآورد شوری برای خاک منطقه پیشنهاد شد. با استفاده از آنالیز سطح معنی‌داری و میزان همبستگی بین خروجی مدل‌ها و داده‌های زمینی، بهترین مدل با مقدار (0.882=r^2) انتخاب و نقشه شوری خاک براساس آن تهیه شد. بیشترین مساحت مربوط به کلاس غیرشور است که 75% از کل منطقه مورد مطالعه را شامل می‌شود و حدود 1% از خاک‌های منطقه نیز مربوط به کلاس بسیار شور است. با مقایسه داده‌های حاصل از ماهواره لندست 8 و به‌کارگیری شاخص‌ها و قراردادن شاخص‌ها در معادله رگرسیونی گام‌به‌گام، این نتیجه حاصل شد که تصاویر ماهواره‌ای برای ارزیابی شوری خاک منطقه کارآمد است و نتایج حاصل، همبستگی بالایی در سطح  0.88 با داده‌های زمینی دارند.

Evaluation of the Efficiency of Spectral Data and Indices Derived from OLI and TIRS Sensors in Estimating Soil Salinity in Arid Regions ofSouthern Ilam Province

Soil salinity is one of the most important environmental problems, and the identification and zoningof saline soils is difficult due to the need for sampling and laboratory analysis, as well as havingtemporal and spatial variability. In recent years, the use of satellite imagery has always been ofinterest to experts due to its ease of use and ability to detect phenomena. Remote sensing informationgreatly aids the study of soil salinity and can be helpful in identifying salinity values. In this study,220 soil samples were collected from Meymeh area of Dehloran, south of Ilam province, according tothe type of study and physiographic types and soil units. Then, pH and EC values were measuredusing standard methods. Soil salinity values were evaluated using correlations between EC electricalconductivity values obtained from ground data and variables obtained from Landsat 8 satellite imagesincluding bands, salinity indices, vegetation indices and soil indices. Finally, the soil surface salinityestimation model was obtained using stepwise regression method. This method involves the automaticselection of independent variables, and with the availability of statistical software packages, it ispossible to do so even in models with hundreds of variables. In previous studies, indicators and bandshave been used separately and in a limited way, but in this study, an attempt has been made to use acombination of different indicators more widely, and finally to achieve the best relationship byeliminating the indicators that have the least impact on soil salinity estimation. Using significant levelanalysis and correlation between the output of models and ground data, the best model with a value of(R2 = 0.882) was selected and a soil salinity map was prepared based on it. In the study area, thehighest area belonged to nonsaline class which comprises 75% of the total study area and about 1%of the soils belong to the saline class.