بررسی شاخص ها و تهیه نقشه شوری خاک با استفاده از داده های سنجش از دور (مطالعه موردی: دلتای آجی چای)
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 673
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GIRS-8-1_006
تاریخ نمایه سازی: 25 خرداد 1398
Abstract:
خاک یک منبع تجدیدناپذیر و پویا بوده که با مدیریت و کاربری ناصحیح اراضی، مستعد تخریب میگردد. شوری یکی از عوامل مهم تخریب اراضی در مناطق خشک و نیمه خشک است. شناسایی و پهنه بندی خاک های شور غالبا، به دلیل تغییرپذیری زمانی و مکانی آن و نیاز به نمونه برداری و کارهای آزمایشگاهی مشکل است. در سالهای اخیر فناوری سنجش از دور، به علت توانایی در شناسایی پدیدهها همواره مورد توجه متخصصین بوده است. اطلاعات به دست آمده از تصاویر ماهوارهای کمک زیادی به مطالعه پدیدههای مختلف میکند و میتواند در تشخیص تغییرات پدیدهها بسیار راهگشا باشد. منطقه مورد مطالعه دلتای آجیچای که در منطقه غرب شهر تبریز و شرق دریاچه ارومیه واقع است، انتخاب گردید که از لحاظ کشاورزی و اکولوژیکی حائز اهمیت است. در این پژوهش با استفاده از دادههای زمینی و تصاویر سنجنده OLI ماهواره لندست مربوط به سال 2015 و نمونه برداری در 14 و 15 مرداد 1394، به بررسی و ارزیابی شاخصهای شوری خاک پرداخته شد. با استفاده از آنالیز سطح معنی داری و میزان همبستگی بین خروجی مدلها و دادههای زمینی بهترین شاخص انتخاب و نقشه شوری خاک بر اساس بهترین شاخص استخراج شد. از بین شاخصهای مورد مطالعه، شاخص SIT دارای بیشترین همبستگی بوده (97%) و به عنوان بهترین شاخص برای مطالعه شوری خاک برای منطقه مورد مطالعه است که نقشه خاک از روی این شاخص استخراج شد. شاخص SI2 با 52% کمترین همبستگی را بین شاخصها به عنوان نامناسبترین شاخص مشخص شد. در منطقه مورد مطالعه بیشترین مساحت مربوط به کلاس بسیار شور که شامل 42 درصد از کل منطقه مورد مطالعه است.
Keywords:
Authors
مجید پیشنماز احمدی
دانش آموخته کارشناس ارشد سنجش از دور و GIS، دانشگاه تبریز
محمد حسین رضائی مقدم
استاد ژئومورفولوژی و سنجش از دور دانشگاه تبریز
بختیار فیضی زاده
استادیار دانشکده جغرافیا و برنامه ریزی، دانشگاه تبریز
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 :