کارآیی فن آوری مجاورت سنجی به منظور برآورد مقادیر سیلت در خاک های استان مازندران

مقدمه و هدف: سیلت از مهمترین اجزای بافت بوده که بطور مستقیم در فرآیند فرسایش خاک دخیل است و در بسیار از پروژه های مدیریت فرسایش و حفاظت خاک، باید مد نظر قرار گیرد. مطالعۀ این جزء خاک، با استفاده از روش های سنتی و مرسوم آزمایشگاهی، در مقیاس وسیع، مستلزم صرف وقت، هزینه و انرژی بالایی می باشد. امرزوه، با استفاده از روش های نوین همچون فن آوری طیف سنجی، می توان با سرعت بیشتر و صرف هزینه و وقت کمتر، به بررسی اجزای خاک پرداخت. پژوهش حاضر قصد دارد به مطالعۀ رفتارهای طیفی اجزای سیلت خاک در استان مازندران با استفاده از فن آوری طیف سنجی بازتابی، بپردازد. مواد و روش ها: بدین ترتیب، مجموع 128 نمونۀ خاک از عمق 20 سانتی متری سطح خاک، بر اساس روش نمونه برداری طبقه بندی شدۀ تصادفی (srs) و نیز با کمک اطلاعات جانبی همچون: زمین شناسی، کاربری اراضی، نقشۀ راه ها، و خاک شناسی استان، جمع آوری شد. در ابتدا، مجموع نمونه ها به دو قسمت: برای ایجاد مدل (واسنجی) و برای صحت سنجی مستقل (اعتبارسنجی)، تقسیم شدند. با بهره گیری از تحلیل چندمتغیرۀ رگرسیون حداقل مربعات جزئی (plsr) و بر اساس تکنیک اعتبارسنجی متقاطع (cv)، و عملیات پیش پردازش ابرطیفی همچون: میانگین گیری (کاهش- داده های- طیفی)، الگوریتم های هموارسازی و مشتق اول طیفی (1st d) بر اساس الگوریتم ساویتسکی-گولای (sga)؛ علائم طیفی و دامنه های بازتابی مختص اجزای سیلت، مشخص گردید.یافته ها: بررسی علائم و رفتارهای طیفی ذرات سیلت، بر اساس عملیات مدل سازی بر مبنای الگوریتم pls به انجام رسید. مدل نهایی با تعداد 4 فاکتور پنهان (lfs) با این مشخصات کالیبره شد، rc: 0/55، rmsec: 8/31 %، rpdc تقریبی 1/20، و نیز rpiqc تقریبی 1/71، که به عنوان مطلوب ترین مدل جهت برآورد مقادیر سیلت خاک های استان مازندران، شناخته شد. نتایج، نشان دهندۀ توانایی مدل در تخمین مقادیر سیلت منطقه بوده است که در ادامه، دامنه های طیفی موثر در بررسی اجزای سیلت، نیز آشکارسازی شده و مشخص گردید. ضرایب همبستگی مقادیر سیلت با دامنه های طیفی موثر نیز بدین ترتیب محاسبه شدند: uv 390 نانومتر: 0/27، vis 680 نانومتر: 0/31، nir 970 الی 990 نانومتر: 0/32، swir: باندهای 1400 الی 1410 نانومتر: 0/34، 1910 الی 1930 نانومتر: 0/38، 2200 الی 2210 نانومتر: 0/39، 2340 الی 2350 نانومتر: 0/41 و نیز در آخر، برای باندهای 2430 الی 2460 نانومتر: 0/43 محاسبه گردید. باندهای طیفی تعیین شده با بیشترین مقادیر همبستگی (r(ccmax))، حاکی از نفوذ و تاثیر بالای آن ها به عنوان متغیرهای مستقل تخمین گر، در فرآیند مدلینگ پارامتر سیلت در استان مازندران، بوده اند. در نهایت، قابلیت فن آوری مجاورت سنجی بازتابی پراکنشی مرئی-مادون قرمز نزدیک (vnir-ps)، در بررسی اجزای سیلت در منطقه به اثبات رسید. نتیجه گیری: در این شیوه، علاوه بر فرآیند مدل سازی، دامنه ها و باندهای طیفی بارز تحت اثر سیلت مشخص گردید که می تواند به عنوان مبنایی جهت بررسی مقادیر سیلت در مقیاس بسیار وسیع، با عملیات بیش مقیاس سازی توسط داده های ابرطیفی هوایی- ماهواره ای، مورد استفاده قرار گیرد. همچنین، این امر نشان دهندۀ اهمیت فن آوری طیف سنجی بازتابش خاک، به عنوان پایه ای در آشکارسازی و تشخیص طول موج های طیفی مفید و نیز ایجاد مدل، جهت استفادۀ آن در داده های دورسنجی ماهواره ای می باشد. همچنین، توصیه می شود برای بهبود کیفیت مدل، از داده هایی با ضریب تغییرات بالاتر و نیز رنج بیشتر استفاده گردد تا الگوریتم pls بتواند به طور بهتری عمل کند. 

applicability of proximal sensing technology in the study of silt in the soils of mazandaran province

introduction and objective: silt is one the most important constituents of soil texture that directly influence the soil erosion process and should take into account in many projects of soil erosion management and conservation. the study of this fraction using the traditional and prevalent lab methods, especially on large scales, is time-consuming, laborious and costly. today, this can be done in a quick and cost-effective method applying new high-techs such as the spectroscopy technology. the present work intends to investigate the spectral behaviours of the soil silt fraction using the reflectance spectroscopy technology in mazandaran province.   material and methods: accordingly, 128 soil samples were collected from 20 cm of soil surface using the srs method and auxiliary info-layers like as geology, pedology, landuse and road map of mazandaran province. first, the sample set was sub-divided into two subsets: calibration and validation. spectral signatures and domains specific to the silt components were detected and specified utilizing the plsr and cross-validation techniques, as well, the hyperspectral pre-processing methods such as averaging, smoothing and 1st derivative algorithms based on the savitzky-golay algorithm were done. results: modeling process was done based on the pls technique to investigate the spectral signatures and behaviours of silt constituents. the final model with 4 latent factors (lfs) was calibrated with these specs: rc: 0.55, rmsec: 8.31 %, rpdc: 1.20 and rpiqc: 1.71 and was eventually selected as the best model for studying the soil silt of mazandaran province. results showed the model potentiality in prediction of soil silt of the study area, as well, the most influential spectral domains and ranges were detected and recognized. the correlation coefficients of silt contents with the influential spectral ranges and wavebands were also defined as follows, uv-390 nm: 0.27, vis-680 nm: 0.31, nir-970 to 990 nm: 0.32, swir- 1400 to 1410 nm wavebands: 0.34, 1910-1930 nm: 0.38, 2200-2210 nm: 0.39, 2340-2350 nm: 0.41 and finally, for 2430-2460 wavebands calculated as 0.43. the obtained spectral wavebands with the highest correlation coefficients (r(ccmax)) indicate the high impact as the independent predictor variables in the processes of soil silt modeling of mazandaran province. finally, the capability of the proximal sensing of diffuse reflectance spectroscopy technology (vnir-ps) was demonstrated in the study of silt contents of mazandaran province. conclusion: in this approach, the spectral ranges and bands affected by the silt components were defined, in addition to the predictive modeling processes. that can be used as a basis for studying silt contents at large scales applying the upscaling operation via airborne/satellite hyperspectral data. also, it indicates the importance of soil reflectance spectroscopy technology as a fundament for detecting and recognizing the useful and effective spectral wavelengths as well as creating the optimized model for the utilization by remotely sensed satellite data. moreover, the use of data with higher coefficient of variation and greater amplitude is highly recommended to improve and boost the model preciseness so that, the pls algorithm can process better.