بررسی سناریوهای مختلف وضوح طیفی در برآورد ویژگی‏ های هیدرولیکی خاک

توابع انتقالی خاک (ptfs) روشی غیر مستقیم برای برآورد ویژگی‏های هیدرولیکی خاک به کمک اطلاعات زودیافت خاک است که غالباً شامل بافت، ماده آلی، و جرم ویژه ظاهری خاک هستند. در چند دهه گذشته، مطالعاتی در زمینه برآورد مشخصه‏های مبنایی از روی اطلاعات طیفی خاک در گستره مرئی و مادون قرمز نزدیک (350ـ 2500 نانومتر) انجام شده است. برآورد ویژگی‏های هیدرولیکی خاک به کمک رفتارسنجی طیفی خاک رویکرد نوینی است که چندان مد نظر قرار نگرفته است. در این پژوهش، قابلیت استفاده از توابع انتقالی طیفی (stfs) در قالب چهار سناریو شامل داده‏های طیفی در مقیاس آزمایشگاهی (سناریوی 1)، داده‏های طیفی در مقیاس سنجنده‏ sentinel2 (سناریوی 2)، داده‏های طیفی در مقیاس سنجنده ابرطیفی enmap (سناریوی 3)، و مقایسه آن‏ها با نتایجِ کاربرد توابع rosetta و hypres (سناریوی 4) در مقیاس‏های نقطه‏ای و واحد نقشه خاک به‏ منظور برآورد پارامترهای مدل معلم‌ـ ون‏گنوختن بررسی شد. به ‏منظور اشتقاق stfها، روش رگرسیون مرحله‏ای چندگانه و روش بوت‏استراپ به کار رفت. بهترین نتایج برای برآورد پارامترهای مدل معلم‌ـ ون‏گنوختن به‏ازای سناریوی 1 و 2 (متوسط  برابر 0.382، 0.029، 0.061، 0.634 برای ، ، ، ) به‏ دست آمد. همچنین، استفاده از سه سناریوی طیفی به بالاترین دقت در پیش‏بینی منحنی مشخصه رطوبتی (متوسط rmsr برابر 0.0337 سانتی‌متر مکعب بر سانتی‌متر مکعب) و هدایت هیدرولیکی خاک (متوسط rmsr برابر 1.015 سانتی‌متر بر روز) در مقایسه با سناریوی چهارم انجامید. این نتایج نشان می‏دهد استفاده از اطلاعات با وضوح طیفی مختلف می‏تواند روشی غیر مستقیم و سریع و کم‏هزینه در برآورد ویژگی‏های هیدرولیکی خاک، به‏ویژه در مقیاس بزرگ، باشد.

Investigating Various Spectral Resolution Scenarios on Predicting Soil Hydraulic Properties

Pedotransfer functions (PTFs) have been developed to indirectly predict soil hydraulic properties (SHPs) from easily measurable soil properties mainly including textural properties, soil organic matter and bulk density. In the last few decades, several studies have addressed the potential of soil spectral information in visible, nearinfrared (3502500 nm), to provide predictors to estimate elementary soil properties. Predicting SHPs by soil spectral data is a new approach that has not yet been explored. In this study, the feasibility to estimate the Mualemvan Genuchten (MvG) hydraulic parameters was investigated using Spectro Transfer Functions (STFs). Four scenarios of data affrication namely: ASD full spectrum (scenario I), EnMAP (scenario II), Sentinel2 (scenario III) satellitebased spectral resolution and laboratory and soil mapbased Rosetta and HYPRESPTFs (scenario IV) were investigated. A Stepwise Multiple Linear Regression (SMLR) coupled with bootstrap method was employed to derive STFs. The most appropriate results for predicting MvG parameters were obtained for scenarios I and II. Compared with scenario IV, all the other three spectral scenarios performed reasonably well in terms of predicting soil water retention characteristics and unsaturated hydraulic conductivity. These findings suggest that spectral reflectance data at various spectral resolution levels is a promising indirect and quick method for large scale soil hydraulic parameter estimations.