برآورد اجزاء بافت خاک در شرایط محدودیت پراکنش داده های زمینی به کمک داده های ماهواره ای (مطالعه موردی: مراتع حوضه آبخیز مرجن)

Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 158

This Paper With 13 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_MMWS-2-3_006

تاریخ نمایه سازی: 16 خرداد 1401

Abstract:

آگاهی از تغییرپذیری مکانی بافت خاک به­عنوان یکی از مهم­ترین مشخصه­های خاک برای مدیریت منابع آب و خاک، در راستای بهره­وری تولید و توسعه پایدار ضروری است. لیکن در بسیاری از مواقع با محدودیت داده­های زمینی به­دلیل هزینه­های زیاد آزمایش ها مواجه­ هستیم. هدف از این مطالعه برآورد بافت سطحی خاک ( درصد ذرات رس، سیلت و شن) در شرایط عدم پراکنش مناسب داده­های زمینی از طریق داده­های ماهواره­ای به روش مدل سازی رگرسیونی بود. در این راستا نمونه برداری از عمق ۲۰-۰ سانتی­متری خاک به روش تصادفی-سیستماتیک و به­تعداد ۸۰ نمونه خاک برداشت شد. سپس با آنالیز آزمایشگاهی به روش هیدرومتری، درصد رس، سیلت و شن خاک تعیین شد. به­منظور پیش­بینی توزیع مکانی ذرات رس، سیلت و شن خاک از باندها و ترکیبات باندی طیفی داده­های ماهواره­ای لندست ۸ مانند شاخص اندازه ذره (Grain size index)، شاخص رس (Clay Index)، نسبت باند ۴ به ۷، نسبت باند ۶ به ۷ و شاخص روشنایی (Brightness index ) و ویژگی های فیزیوگرافی از قبیل درصد شیب (Slope) و مدل رقومی ارتفاع (Digital elevation model) به­عنوان متغیرهای کمکی استفاده شد. ۷۰ درصد داده­های میدانی برای پیش­بینی و ۳۰ درصد داده­ها برای اعتبار­سنجی استفاده شد. نتایج نشان دادند از بین شاخص­های سنجش­ از دوری مورد استفاده، شاخص  GSIبا هر سه ترکیب خاک و CI با میزان سیلت و شن خاک ارتباط معنا­داری (۰۵/۰ ≤p) داشتند. از بین متغیرهای فیزیوگرافی، DEM با میزان سیلت و شن خاک و slope با رس و شن خاک همبستگی معناداری (۰۵/۰≤ p) داشتند و برای مدل­سازی اجزاء بافت خاک انتخاب شدند. از اینرو، شاخص­های سنجش­از دوری مانند GSI و CI را می­توان متغیر­های کمکی مناسب برای پیش­بینی مکانی اجزای بافت خاک در ترکیب با متغیرهای فیزیوگرافی، به ویژه در مواقعی که پراکنش نامناسب و یا محدودیت داده­های برداشت شده زمینی وجود دارد، معرفی کرد. بنابراین، نقشه های پیش­بینی شده اجزاء بافت خاک می­توانند به عنوان اطلاعات و دانش پایه برای مدیریت بهتر و مدل­سازی­های محیطی مورد استفاده قرار گیرند.

Authors

ندا کاوه

دانشجوی دکتری/گروه مهندسی طبیعت، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد، شهرکرد، ایران

عطا الله ابراهیمی

دانشیار/گروه مهندسی طبیعت، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد، شهرکرد، ایران

اسماعیل اسدی

دانشیار/ گروه مهندسی طبیعت، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد، شهرکرد، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Adhikari, K., Guadagnini, A., Toth, G., & Hermann, T. (۲۰۰۹). ...
  • Asadzadeh, F., Khosraviaqdam, k., Yaghmaeian Mahabadi, N., & Ramezanpour, H. ...
  • Boettinger, J.L., Ramsey, R.D., Bodily, J.M., Cole, N.J., Kienast_Brown S., ...
  • Brown, D.J., & Shepherd K.D., Walsh M.G., Mays M.D., and ...
  • Broge, N.H., Thomsen, A.G., & Greve, M.H. (۲۰۰۴). Prediction of ...
  • Chagas, C.S., Junior, W.C., Bhering, S.B., & Filho, B.C. (۲۰۱۶). ...
  • Castro-Franco, M., Domenech, M.B., Borda, M.R., & Costa, J.L. (۲۰۱۸). ...
  • Cole, S., Mikhailova, E., Post, C., Privette, C., Schlautman, M.A., ...
  • Carvalho Junior, W., Lagacherie, P., Chagas, C.S., Calderano Filho, B., ...
  • Cotching, W.E., Oliver, G., Downie, M., Corkrey, R., & Doyle, ...
  • Delbari, M., Afrasiab, P., & Loiskandl, W. (۲۰۱۱). Geostatistical analysis ...
  • Dobarco, M.R., Arrouays, D., Lagacherie, P., Ciampalini, R., & Saby, ...
  • Ge, Y., Thomasson, J.A., & Sui, R. (۲۰۱۱). Regression-kriging for ...
  • Gee, G.W., & Bauder, J.W. (۱۹۸۶). Particle-size Analysis. Pp. ۳۸۳–۴۱۱, ...
  • Gozdowski, D., Stępień, M., Samborski, S., Dobers, E.S., Szatyłowicz, J., ...
  • Hengl, T., Heuvelink, G.B., Kempen, B., Leenaars, J.G., Walsh, M.G., ...
  • Jeihouni, M., Alavipanah, S., Toomanian, A., & Jafarzadeh, A. (۲۰۲۰). ...
  • Kavianpoor, H., Ouri, A.E., Jeloudar, Z.J., & Kavian, A. (۲۰۱۲). ...
  • Khan, S.R., Abbas, M.K. & Hussan, A.U. (۲۰۱۲). Effect of ...
  • Kettler, T.A., Doran, J.W., & Gilbert, T.L. (۲۰۰۱). Simplified method ...
  • Khaledian, Y., & Miller, B.A. (۲۰۲۰). Selecting appropriate machine learning ...
  • Khosravi Aqdam, K., Miran, N., Mohammadi Khajelou, Y., Khosravi Aqdam, ...
  • Liao, K., Xu, S., Wu, J., & Zhu, Q. (۲۰۱۳). ...
  • Luo, C., Zhang, X., Wang, Y., Men, Z., Liu, H., ...
  • Lopez-Granados, F., Jurado-Exposito, M., Pena-Barragan, J.M., & Garcia-Torres, L., (۲۰۰۵). ...
  • McBratney, A.B., Mendonça Santos, M.L., & Minasny, B. (۲۰۰۳). On ...
  • Mitran, T., Solanky, V., Suresh, G.J., Sujatha, G., Sreenivas, K., ...
  • Mikhailova, E.A., Post, C.J., Schlautman, J.M., Galbraith, M.A., & Zurqani, ...
  • Metternicht, G.I., & Zinck, J.A. (۲۰۰۳). Remote sensing of soil ...
  • Parviz, L. (۲۰۱۷). Evaluation the Preprocessing Effect of Satellite Images ...
  • Pordel, F., Ebrahimi, A., & Azizi, Z. (۲۰۱۸). Canopy cover ...
  • Pereira, P., Brevik, E.C., Oliva, M., Estebaranz, F., Depellegrin, D., ...
  • Santra, P., Kumar, M., & Panwar, N. (۲۰۱۷). Digital soil ...
  • Souza Junior, J.G., Demattê, J.A., & Araújo, S.R. (۲۰۱۱). Modelos ...
  • Shahriari, M., Delbari, M., Afrasiab, P., & Pahlavan-Rad, M.R. (۲۰۱۹). ...
  • Swain, S.R., Chakraborty, P., Panigrahi, N., Vasava, H.B., Reddy, N.N., ...
  • Sadeghi, A. (۲۰۰۶). Statistical Analysis, SPSS ۱۴. University Jahad Publications, ...
  • Tahmasebi, P., Ebrahimi, A., & Yarali, N.A. (۲۰۱۲). The Most ...
  • Van Capelle, C., Schrader, S., & Brunotte, J. (۲۰۱۲). Tillage-induced ...
  • Wetterlind, J., & Stenberg, B. (۲۰۱۰). Near‐infrared spectroscopy for within‐field ...
  • Wang, Y., Zhang, X., & Huang, C. (۲۰۰۹). Spatial variability ...
  • Xiao, J., Shen, Y., Tateishi, R., & Bayaer, W. (۲۰۰۶). ...
  • Yang, R.M., Zhang, G.L., Liu, F., Lu, Y.Y., Yang, F., ...
  • نمایش کامل مراجع