بررسی قابلیت داده های سنجنده LISS_III جهت تهیه نقشه خاک های تحت تاثیر املاح در بخشی از دشت قزوین

شور و قلیایی شدن خاک ها یکی از فرایندهای غالب تخریب خاک در مناطق خشک و نیمه خشک می باشد. تحقیق حاضر به منظور ارزیابی قابلیت داده های 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+،Mg۲+ ،Ca۲+ 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 می باشد، لذا جهت طبقه بندی از این الگوریتم استفاده گردید. نتایج طبقه بندی نشان می دهد برای شناسایی همه کلاسهای طیفی در تصویر نیاز به تمامی باندهای سنجنده می باشد. 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 می رسد 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 می دهد 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

Keywords:

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