بررسی قابلیت داده‌های سنجنده LISS_III جهت تهیه نقشه خاک‌های تحت تاثیر املاح در بخشی از دشت قزوین

نویسندگان

چکیده

شور و قلیایی شدن خاک‌ها یکی از فرایندهای غالب تخریب خاک در مناطق خشک و نیمه خشک می‌باشد. تحقیق حاضر به منظور ارزیابی قابلیت داده‌های ماهواره IRS در شناسایی و تفکیک خاکهای شور و قلیلیی با استفاده از مطالعات صحرایی و نتایج آزمایشگاهی خاکها، در دشت قزوین صورت گرفت. کلاسهای طیفی منطقه مورد مطالعه در تصویر استخراج و سپس با کمک اطلاعات جانبی و مطالعات صحرایی به کلاسهای شوری تبدیل و در نهایت نقشه های EC و SAR بدست آمد. نمونه برداری صحرایی با روش نمونه برداری طبقه بندی شده تصادفی انجام گرفت. با استفاده از نقشه خاک موجود، در هر واحد نقشه خاک حداقل یک پروفیل به منظور بررسی تغییرات عمقی شوری و قلیائیت مورد مطالعه قرار گرفت. پارامترهای هدایت الکتریکی،pH ، Na+،Mg2+ ،Ca2+ و بافت در نمونه های خاک اندازه گیری شد. از اطلاعات کمکی مانند نقشه مدل رقومی ارتفاع برای افزایش دقت طبقه بندی استفاده گردید. همچنین از شاخصها NDVI)، SRVI، PVI، SAVI، SI، BI و (NDSI و مولفه های اصلی جهت طبقه بندی استفاده گردید. از شاخص مطلوب برای انتخاب بهترین ترکیب باندی جهت طبقه بندی استفاده گردید. نتایج نشان داد الگوریتم حداکثر احتمال دارای صحت بالاتری از حداقل فاصله از میانگین و روش متوازی السطوح می‌باشد، لذا جهت طبقه بندی از این الگوریتم استفاده گردید. نتایج طبقه بندی نشان می‌دهد برای شناسایی همه کلاسهای طیفی در تصویر نیاز به تمامی باندهای سنجنده می‌باشد. تلفیق مدل رقومی ارتفاع و تمامی باندهای سنجنده دارای بالاترین صحت بود. در بین تکنیکهای پردازش تصویر، شاخصها صحت کلی بالاتری داشتند. و شاخصهای SI و BI دارای بیشترین همبستگی با EC بودند و بهتر توانستند خاکهای شور را از خاکهای غیرشور تفکیک نمایند. مولفه های اصلی دارای صحت پایینی در تفکیک خاکهای شور بودند. شاخص مطلوب دارای صحت کلی کمی بود، به نظر می‌رسد استفاده از تمامی اطلاعات طیفی و مکانی عامل مهمتری نسبت به استفاده از شاخص مطلوب برای انتخاب بهترین ترکیب باندی در منطقه مطالعاتی باشد. نتایج نشان می‌دهد که پوسته‏های صاف و با رنگ روشن، خصوصا پوسته‏های بدون درز و شکاف موجب افزایش بازتابها می‏شوند، به طوری که این اراضی در تصویر دارای بالاترین بازتابها بوده و با صحت بالایی از سایر کلاسها تفکیک گردیدند. دقت طبقه بندی نقشه قلیائیت کمتر از نقشه شوری بود و در نقشه قلیائیت دقت طبقه بندی کلاسها با قلیائیت متوسط کمتر از کلاسهای با قلیائیت کم و زیاد بود

کلیدواژه‌ها


عنوان مقاله [English]

An Evaluation LISS_III Data Capability for Saline and Sodic Soil Mapping

نویسندگان [English]

  • M. Khodadadi
  • M. Sadeghi
  • H. Gh. Refahi
  • A. A. Nooroozi
  • A. Heydari
  • F. Sarmadian
چکیده [English]

Salinity and sodicity are the major factors of soil degradation in arid and semiarid areas. The main aim of this study was to evaluate the capability of LISS_III data for soil salinity and sodicity mapping in a selected part of the Qazvin plain, an area of arid environment. During the study, spectral classes were carried out of the remotely sensed data and then with the help of field observations and soil analysis regrouped to soil salinity and sodicity classes. Finally soil salinity and sodicity maps were prepared. Soil sampling was implemented using stratified random sampling method, depending on landscape complexity and homogeneity as well as on the representativity to LISS_III data. Also, in each soil map unit, at least one profile was studied for subsoil salinity variations. Field samples from augur and profiles were analyzed in laboratory for Na+ , Ca2+ , Mg2+ cations, as well as for soil texture , ECe and pH. The effectiveness of such additional data as digital elevation model and slope which may improve the accuracy of classification was analyzed. Also NDVI, SRVI, PVI, SAVI, SI, BI and NDSI indices as well as, PCA were taken into account in the analysis. Optimum index factor (OIF) was used for a detection of best band combination. Soil salinity map of each selected bands was produced and crossed with the ground truth map. The results indicated that maximum likelihood algorithm is of a higher accuracy than either Box Classifier or minimum distance algorithm. A combination of DEM with LISS_III bands benefits from a highest accuracy. The indices benefitted from an almost high degree of accuracy among the studied processing techniques. The SI and BI indices were in the most correlation with EC and could well distinguish the saline and no saline soils. PCA had a low accuracy in differentiating the saline soils. The optimum index factor had a low overall accuracy. Also results indicated that smooth crusts with no cracks caused increases in the reflections. The accuracy of sodicity map was less than that of the salinity map. The accuracy in moderate sodicity levels was less than in cases with either low or high sodicity levels.

کلیدواژه‌ها [English]

  • DEM
  • GIS.
  • indices
  • LISS_III
  • remote sensing
  • Saline and sodic soils