برآورد کمی فلزات روی و سرب در خاک با استفاده از تجزیه و تحلیل چند متغیره و فن سنجش از راه دور
Publish place: The Journal of Water and Soil، Vol: 33، Issue: 1
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 338
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WASO-33-1_006
تاریخ نمایه سازی: 16 فروردین 1402
Abstract:
آلودگی فلزات سنگین در خاک از مهمترین مشکلات زیستمحیطی در دنیا است. روشهای مرسوم ارزیابی مقادیر فلزات سنگین در خاک نیاز به زمان و هزینه زیادی دارند. هدف از این پژوهش بررسی کارایی روش تجزیه و تحلیل چند متغیره در بکارگیری فن سنجش از دور برای کمیسازی روی و سرب بود. برای این منظور ۲۳۰ نمونه خاک در منطقهای به وسعت ۳۴۲۴ کیلومتر مربع در شهرستان زنجان جمعآوری شد. مقادیر سرب و روی خاک اندازهگیری و ۳۱ شاخص طیفی با تصاویر ماهواره سنتینل ۲ تهیه شد. مدلهای برآورد طیفی فلزات با سه روش رگرسیون مولفههای اصلی (PCR)، حداقل مربعات جزئی (PLSR) و ماشین بردار پشتیبان (SVMR) ارزیابی شد. دامنه تغییرات مقدار سرب ۴۰ تا ۳۶۴ و روی ۹۶ تا ۸۲۴ میلیگرم بر کیلوگرم بود. مدل SVMR (۶/۲RPD≥ و ۸۴/۰≥ R²،۴۰ RMSE≤)، برآورد طیفی بهتری برای هر دو فلز نسبت به مدل PLSR (۹/۱RPD≥ و ۷/۰≥ R²،۵۳ RMSE≤) و مدل PCR (۳/۱RPD≥ و ۴۵/۰≥ R²،۷۵ RMSE≤) داشت. محدوده حاشیه قرمز و مادون قرمز موثرترین محدوده طول موجی نظارت بر آلودگی فلزات سرب و روی و شاخصهای روشنایی و پوشش گیاهی مثلثی اصلاح شده موثرترین شاخصها در برآورد طیفی سرب و روی در خاک های مورد مطالعه بودند. مدل SVMR دقت بالا و مدل PLSR دقت قابل قبولی جهت ارزیابی و نظارت بر سرب و روی نشان دادند. نتایج نشان داد تحلیل چند متغیره دادههای سنجش از دور ابزاری کاربردی جهت ارزیابی سریع و کمی آلودگی فلزات سنگین در اراضی استان زنجان و مناطق مشابه می باشد.
Keywords:
Authors
اولدوز بخشی راد
دانشجوی دکتری فیزیک و حفاظت خاک، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران
محمد صادق عسکری
استادیار گروه علوم خاک، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران
علیرضا واعظی
استاد گروه علوم خاک، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران
علی افشاری
دانشجوی دکتری علوم خاک، دانشگاه زنجان، زنجان، 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 :