برآورد کربنات کلسیم خاک با استفاده از تصاویر ماهواره ای و طیف سنجی فروسرخ نزدیک
Publish place: Remote Sensing and Iran GIS، Vol: 16، Issue: 4
Publish Year: 1403
Type: Journal paper
Language: Persian
View: 50
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_GIS-16-4_005
Index date: 2 February 2025
برآورد کربنات کلسیم خاک با استفاده از تصاویر ماهواره ای و طیف سنجی فروسرخ نزدیک abstract
سابقه و هدف: از مزایای دانش سنجش از دور و طیف سنجی مرئی – فروسرخ نزدیک، سرعت و سادگی و هزینه اندک آن، در مقایسه با روش قدیمی است. سنجش از دور دانش گردآوری داده ها، با حداقل تماس مستقیم فیزیکی با اشیای مورد اندازه گیری است. طیف سنجی مرئی – فروسرخ نزدیک دامنه ای از جذب را با سرعت آنالیز بالا، در مقایسه با روش سنتی، برآورد می کند. هدف از این تحقیق به کاربردن داده های ماهواره لندست ۸ و طیف فروسرخ نزدیک، در کاربری های کشاورزی و جنگل در دشت گیان نهاوند، استان همدان، برای تخمین کربنات کلسیم خاک است.مواد و روش ها: ۴۸ نمونه خاک از عمق ۳۰- ۰ سانتی متری برداشته و سپس هواخشک، و از الک دومیلی متری عبور داده شد. برخی ویژگی های فیزیکی و شیمیایی خاک ها اندازه گرفته شد. به منظور مطالعات سنجش از دور، تصویر لندست ۸ متعلق به تاریخ نمونه برداری (سپتامبر ۲۰۱۹) به کار رفت. مقادیر محاسبه شده هریک از قطعات نمونه در محیط ERDAS imagine ۹.۱ ایجاد شد. ارزش هر باند، برای ۴۸ نقطه، در محیط اکسل وارد و در نهایت، مراحل توصیف های آماری متغیرها انجام شد. در روش سنجش از دور، انعکاس طیفی نمونه ها روی ده باند اصلی استخراج و پردازش شد. سپس همبستگی بین ارزش باندهای اصلی، ترکیب باندها، و شاخص های کلسیت با مقدار کلسیت خاک انجام شد. با برازش انواع رگرسیون های چندمتغیره بدون حذف داده های پرت، بهترین مدل انتخاب شد. آنالیز طیفی خاک های مورد نظر با استفاده از دستگاه طیف سنج زمینی، با دامنه طول موج ۲۵۰۰-۳۵۰ نانومتر، انجام شد. پس از ثبت طیف ها، انواع روش های پیش پردازش مورد ارزیابی قرار گرفت. همبستگی پیرسون و رگرسیون خطی در محیط SPSS ۲۴.۱ سنجیده شد.نتایج و بحث: نتایج آزمایشگاهی نشان داد که میانگین کربنات کلسیم خاک، در کاربری کشاورزی و جنگل، به ترتیب ۳۰ و ۲۲/۲۲% است. طبق نتایج، باندهای ۱۰ و ۱۱ رابطه معنی داری با کلسیت خاک در کاربری جنگل داشته اند (۰۵/۰>p). دوازده ترکیب باندی در سطح ۵% و شش ترکیب باندی در سطح ۱% با میزان کلسیت خاک، ارتباط معنی داری نشان دادند. همچنین شاخص R۱ ((باند ۲/ باند ۵)/(باند ۴/ باند ۵))، با کلسیت خاک، رابطه معنی داری داشت (۰۵/۰>p). رگرسیون بین کلسیت محاسبه شده در آزمایشگاه و معادله حاصل از تصویر ماهواره ای، در کاربری های کشاورزی، برابر (۴۵/۰=r۲) به دست آمد. در روش طیف سنجی، بیشترین همبستگی در طول موج ۶۱۲ نانومتر (**۸۵/۰=r۲) مشاهده شد. براساس مدل سازی با رگرسیون حداقل مربعات جزئی (PLSR)، مقدار ضریب تبیین در گروه کالیبراسیون درمورد کلسیت ۸/۰ و مقادیر RMSE برابر با ۸/۴%، مقدار ضریب تبیین در گروه اعتبارسنجی برابر با ۵/۰ و مقدار RMSE برابر با ۸/۷% محاسبه شد. از بین مدل های برازش یافته با رگرسیون چندمتغیره، در تصاویر ماهواره ای، مدل SMLR برای برآورد کلسیت مناسب به نظر می رسد. مدل رگرسیونی حداقل مربعات جزئی، برای برآورد کلسیت به روش طیف سنجی نیز، تقریبا مناسب بوده است.نتیجه گیری: نتایج کلی نشان داد که مدل برآوردشده از روش آماری رگرسیون، در سنجش از دور، توانسته است میزان کلسیت خاک را در اراضی کشاورزی برآورد کند و میزان به دست آمده براساس روش سنجش از دور و آزمایشگاه اختلاف ناچیزی با یکدیگر دارند. بنابراین می توان گفت روش سنجش از دور، در برآورد کلسیت خاک، موفق بوده است. نتایج طیف سنجی نیز نشان داد که مدل PLSR، در برآورد مقدار کلسیت خاک، مدل مناسبی است؛ به شرط آنکه تعداد نمونه ها بیشتر باشد. در برآورد کلی، می توان نتیجه گرفت روش طیف سنجی مرئی – فروسرخ نزدیک دارای صحت بیشتری از روش سنجش از دور و تیتراسیون است؛ منتها به تعداد نمونه های بیشتری نیاز دارد. توصیه می شود، برای افزایش صحت کار، تعداد نمونه های طیف سنجی افزایش یابد و برای مقایسه بهتر بین دو کاربری نیز، تعداد نمونه های انتخابی برابر باشد.
برآورد کربنات کلسیم خاک با استفاده از تصاویر ماهواره ای و طیف سنجی فروسرخ نزدیک Keywords:
برآورد کربنات کلسیم خاک با استفاده از تصاویر ماهواره ای و طیف سنجی فروسرخ نزدیک authors
پری ناز عبدلی
کارشناسی ارشد علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه ملایر، ملایر، ایران
سهیلاسادات هاشمی
استادیار گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه ملایر، ملایر، 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 :