بررسی قابلیت تصاویر جهت مدل سازی شوری خاکirsp

خاک‌های شور یکی از معضل‌های کشاورزی در بسیاری از نقاط جهان به‌شمار می‌آیند. آگاهی از میزان شوری خاک برای برنامه‌ریزی و مدیریت صحیح اراضی در راستای توسعه پایدار ضروری می‌باشد. تهیه نقشه شوری خاک با کار میدانی، به‌ویژه در مناطق وسیع، با صرف هزینه و زمان زیادی همراه است. یکی از فن‌آوری‌های مرتبط در این زمینه، سنجش از دور می‌باشد که در این راستا داده‌‌های ماهواره‌های مختلف ارزیابی شده است. در این مطالعه قابلیت تصاویر irs-p6 جهت مدل‌سازی شوری خاک در 180 هزار هکتار از اراضی شهرستان مهاباد بررسی گردید. ابتدا تعداد 147 نمونه خاک از عمق 15-0 سانتی‌متری با یک شبکه منظم 1000×1000 متری برداشت و هدایت الکتریکی اشباع نمونه‌ها اندازه‌گیری شد. از سوی دیگر، پس از تصحیح هندسی تصاویر، باندهای مصنوعی و شاخص‌های شوری تهیه شدند. سپس dn متناظر نقاط در همه باندها و شاخص‌ها استخراج گردید. پس از نرمال‌سازی داده‌ها، ضریب همبستگی پیرسون بین dnها و شوری، به‌دست آمد. بیشترین همبستگی را باند 2 و شاخص حاصل از ادغام آن با باند پانکروماتیک به مقدار 73/0 و 736/0 داشتند. سپس با تجزیه رگرسیون توسط روش گام به گام، مدل شوری با ضریب همبستگی 628/0 استخراج شد. سرانجام اعتبارسنجی مدل با استفاده از 20 درصد نمونه‌ها انجام و مقادیر rmse، me و ضریب همبستگی بین مقادیر واقعی و برآوردی شوری استخراج گردید. به‌طور کلی نتایج نشان داد که تصاویر irs-p6، حدود 39/0 از تغییرات شوری خاک سطحی را توجیه کرده است که با توجه به شرایط منطقه، بیان‌گر قابلیت نسبتا مناسب آن برای مدل‌سازی و برآورد شوری می‌باشد.

Investigating Potentiality of IRSP6 Images for Soil Salinity Modeling

Saline soils are one of the agricultural problems in many parts of the world. Soil salinityknowledge is an essential factor for proper land planning and management. Preparing soil salinitymap based on fieldwork, especially in large areas, is timeconsuming and costly. One of the usefultechnologies for soil salinity mapping is remote sensing for which various satellite data have beenevaluated. In this study, potentiality of IRSP6 images for soil salinity modeling in 180000 ha ofMahabad county lands was investigated. For this purpose, 147 soil samples from a depth of 015 cmusing a systematic grid 1000 × 1000 meter were collected, and also the saturated electricalconductivity was measured. On the other hand, after the geometric correction of images, syntheticbands and salinity indices were generated. DNs of corresponding points in all bands and indiceswere extracted. After data normalization, correlation coefficient value between DNs and salinitywas extracted. Band 2 and Fusion index (Pan and B2) had the highest correlation values of 0.73 and0.736 respectively. The stepwise regression analysis was performed and a salinity model wasdeveloped with 0.628 correlation value. Finally, the model validation was performed using 20% ofthe samples, and the values of RMSE, ME and correlation coefficients between actual and estimatedsalinity values were obtained. The results indicated that IRSP6 images could explain about 0.39 ofsoil salinity variation which reflect the high capability of the images in soil salinity modeling,according to the situation of the study area.