پایش دگرگونی رطوبت سطحی خاک با تحلیل گروه زمانی داده های لندست 8 در آبخیز گاودره کردستان

اطلاع دقیق از اندازه‌ی رطوبت و افت‌وخیز‌های آن ممکن است راه‌کاری مناسب برای تهیه‌کردن نقشه‌های رطوبت لایه‌ی سطحی خاک، پیش‌بینی روی‌داد طوفان‌های خاک و ریزگردها، سیل، خشک‌سالی و دیگر پدیده‌های اقلیمی، آگاهی از فصل چرای دام در مرتع، و زمان کشت و آبیاری گیاهان باشد. در این پژوهش برای برآوردکردن و آگاهی یافتن از رطوبت خاک، شاخص عمودی رطوبت خاک به‌دست‌آمده از تصویرهای لندست 8 به‌کار برده‌شد. با داده‌های میدانی ارتباط میان این شاخص و رطوبت خاک آشکار شد. پس از ویرایش پرتوسنجی و هندسی تصویرها و بهنجار‌سازی داده‌های میدانی، تصویرهای ماهواره‌یی پردازش شد و شاخص عمودی رطوبت خاک به‌دست‌ آمد. داده‌های میدانی و اندازه‌های شاخص در زمان‌های مختلف تحلیل وایازی ساده شد. درستی نقشه‌های تولیدشده با شاخص‌های آماری ضریب تبیین، جذر میانگین مربع‌های خطا، میانگین خطا، و ضریب کارآیی نش-ساتکلیف بررسی شد. نتایج نشان داد که اندازه‌های برآوردشده با شاخص عمودی رطوبت خاک وابستگی کامل به فصل و وضعیت پوشش گیاهی دارد، و در فصل رویش و زیادبودن ضریب سبزینگی دقت برآورد زیاد، و در فصل‌ خواب پوشش گیاهی همبستگی ضعیف و متوسطی با داده‌های میدانی دارد. میانگین ضریب تبیین در همه‌ی زمان‌های نمونه‌برداری حدود 0/65 بود. از یافته‌های این پژوهش می‌توان نتیجه گرفت که این شاخص را ممکن است برای پاییدن رطوبت خاک در منطقه‌های با پوشش گیاهی مناسب، برنامه‌ریزی آبیاری در عرصه‌های کشاورزی، و آغاز و پایان فصل چرای دام در مرتع به‌کار برد.

monitoring changes in soil surface moisture by analyzing the time series of landsat 8 data in gavdare watershed, kurdistan province

accurate information about the amount of moisture and its fluctuations can provide a suitable solution for preparing soil surface moisture maps, predicting the occurrence of soil storms and dust, forecasting floods, droughts, and other climatic phenomena, determining the irrigation time table and the grazing season. in this study, the perpendicular soil moisture index (psmi) extracted from landsat 8 images was used to estimate and determine surface soil moisture. using field data, the relationship between this index and soil moisture was determined. after radiometric and geometric corrections of images and normalization of field data, processing of satellite images and extraction of psmi index were performed. simple regression analysis between field data and index values ​​was performed at different times. then, the accuracy of produced maps was determined with statistical indicators including coefficient of correlation (r2), root mean square error (rmse), mean absolute error (mae) and nash sutcliffe efficiency coefficient. the results showed that estimated values with the psmi index are completely dependent on the season and vegetation status. in the growing season and with high greenness coefficient, the accuracy of estimation was high. in dormant seasons, vegetation had a weak and moderate correlation with field data. the average coefficient of r2 in all sampling times was about 0.65. from the findings of this study, it can be concluded that this index can be used to monitor soil moisture in areas with suitable vegetation, irrigation planning in agricultural areas, and the beginning and end of the livestock grazing season.