تلفیق سنجش از دور و مدل‌های icona و scs برای پهنه‌بندی تخریب اراضی در استان فارس

پژوهش حاضر با هدف بررسی کارایی تلفیق بخشی از اطلاعات استخراج شده برای پهنه‌بندی تخریب اراضی با استفاده از داده‌های زمینی و سنجش از دور در استان فارس صورت گرفته است. بدین منظور نقشه معیارهای پوشش گیاهی، تولید خالص اولیه، کاربری اراضی و شیب به‌ترتیب از طریق داده‌های سنجش از دور mod13a3، mod17a3 ، srtmو landsat tm؛ فرسایش آبی توسط مدل آیکونا (icona) و رواناب سطحی با استفاده از مدل scs سال 2010 به‌دست آمد. معیار کارایی مصرف بارش نیز از نسبت تولید خالص اولیه به نقشه بارندگی مستخرج از ایستگاه‌های هواشناسی تولید شد و سپس نقشه تخریب اراضی منطقه با استفاده از روش هم‌پوشانی وزنی کلیه معیارها تهیه شد. مطابق مدل آیکونا 5/1، 9/05، 47/21، 27/91و 10/73 درصد از منطقه مطالعاتی به‌ترتیب در کلاس‌های فرسایش آبی خیلی‌کم، کم، متوسط، شدید و بسیار‌شدید قرار گرفت. هم‌پوشانی نقشه مدل آیکونا با نقشه معیارهای دیگر نشان داد که کلاس‌های تخریب خیلی‌زیاد، زیاد، متوسط، کم و خیلی‌کم به‌ترتیب 1/3، 7/18، 70 ، 9/1 و 0/9 درصد از سطح استان را در بر‌ می‌گیرند. مطابق یافته‌ها، تلفیق سنجش از دور با مدل‌های آیکونا و scs باعث ارتقاء قدرت شناسایی تخریب اراضی می شود.

integrating remote sensing with scs and icona models for mapping land degradation in fars province

the objective of the present study was to investigate the performance of some of the extracted information for mapping land degradation using remote sensing and field data in fras province. maps of vegetation cover, net primary production, land use, surface slope, water erosion, and surface runoff indicators were extracted from mod13a3, mod17a3, landsat tm, srtm, icona model, and scs model, respectively. the rain use efficiency index was obtained from the net primary production and rainfall map, which was calculated from meteorological stations. the final land degradation map was prepared by integrating all the mentioned indicators using the weighted overlay method. according to the icona model, 5.1, 9, 47.21, 27.91, and 10.73 percent of the study area were classified as very low, low, moderate, severe, and very severe water erosion; respectively. overlaying the icona map with other indicators showed that very high and high classes, moderate, and low and very low classes of land degradation covered 1.3, 18.7, 70, 0.9, and 9.1 percent of the study area, respectively. according to the results, integrating remote sensing with icona and scs models increases the ability to identify land degradation.