ارزیابی و تهیه نقشه شوری خاک با استفاده از شاخص‌های پوشش گیاهی و تصاویر چند طیفی sentinel-2 و landsat-8 در شوره‌زار دشت قزوین

در این پژوهش، برای بررسی و پایش تغییرات شوری در منطقه، 23 نمونه خاک با مشخصات جغرافیایی مشخص اندازه‌گیری شد. استفاده از دو سنجنده sentinel-2 و landsat-8، به‌منظور بررسی و ارزیابی هفت شاخص پوشش گیاهی و پنج شاخص شوری در محیط gee صورت گرفت و به‌طورکلی 240 خروجی از دو سنجنده به‌دست آمد. برای ارزیابی مقادیر مدل‌سازی‌شده، از تعدادی شاخص آماری شامل میانگین جذر مربعات خطا (rmse)، ضریب تعیین r2، ریشه نرمال‌شده میانگین مربع خطا nrmse و درصد سوگیری pbias استفاده شد. نتایج نشان داد که شاخص si-2 با 0/91=r2 بیش‌ترین همبستگی با مقادیر شوری اندازه‌گیری‌شده در منطقه را داشته است، که نشان از دقت این شاخص در برآورد میزان شوری است. در مرحله بعد، از مدل رگرسیون چندگانه برای بررسی میانگین مقادیر ece اندازه‌گیری‌شده و شاخص‌های پوشش گیاهی gdvi و crsi سنجنده sentinel-2 استفاده شد. نتایج نشان داد که استفاده از این مدل رگرسیونی دومتغیره، با 0/84=r2 و 0/01=pbias، دقت مناسبی در تهیه نقشه شوری در منطقه داشته است. بنابراین، می‌توان از این مدل به‌عنوان یک روش برای تهیه نقشه شوری در منطقه با حداقل داده‌های زمینی و با هزینه کم استفاده کرد. در ادامه، بررسی اثر احداث زهکش حائل در منطقه نشان می‌دهد که احداث زهکش تا فاصله 250 متری تاثیرگذاری حدود 40 درصدی را در کنترل شوری داشته و توانسته است به‌طور قابل‌توجهی از افزایش میزان شوری در منطقه جلوگیری کند. بنابراین، در صورت عدم احداث زهکش در منطقه، می‌تواند به‌طور قابل‌توجهی افزایش پیدا کند.

evaluation and preparation of soil salinity map using vegetation indicators and sentinel-2 and landsat-8 multispectral images in salt marsh qazvin plain

in this research, 23 soil samples with specific geographical characteristics were collected to investigate and monitor salinity changes in the region. using the sentinel-2 and landsat-8 sensors, seven vegetation cover indices and five salinity indices were examined and evaluated in the gee environment, resulting in a total of 240 outputs from the two sensors. to assess the modeled values, several statistical indices including root mean square error (rmse), coefficient of determination (r2), normalized root mean square error (nrmse), and percent bias (pbias) were utilized. the results indicated that the si-2 index exhibited the highest correlation with the measured salinity values in the region, with an r2 value of 0.91, demonstrating its accuracy in estimating salinity levels. in the next step, a multiple regression model was employed to investigate the mean values of measured ece (electrical conductivity of the saturation extract) and the vegetation indices gdvi (green difference vegetation index) and crsi (crop salt stress index) obtained from the sentinel-2 sensor, which showed the highest correlation with the salinity data. the results demonstrated that the two-variable regression model achieved a satisfactory accuracy with an r2 value of 0.84 and a pbias value of 0.01 in producing a salinity map of the area. therefore, this model can be utilized as a cost-effective approach for salinity mapping in the region with minimal ground-based data. furthermore, the investigation of the impact of constructing a barrier drain in the area revealed that the construction of a barrier drain within a distance of 250 meters had a significant effect of approximately 40 percent in controlling salinity. it was able to prevent a substantial increase in salinity levels in the region. therefore, if a barrier drain is not constructed in the area, salinity progression in the upstream agricultural lands could significantly escalate.