بررسی قابلیت تصاویر جهت مدل سازی شوری خاکIRS-P

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد آگرواکولوژی، واحد مهاباد، دانشگاه آزاد اسلامی، مهاباد، ایران

2 استادیار، دانشکده کشاورزی و منابع طبیعی، واحد مهاباد، دانشگاه آزاد اسلامی، مهاباد، ایران

3 دانشجوی دکتری اصلاح نباتات، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Investigating Potentiality of IRS-P6 Images for Soil Salinity Modeling

نویسندگان [English]

  • M Khan yaghma 1
  • N Ahmadi 2
  • N Jalilnazhad 3
چکیده [English]

Saline soils are one of the agricultural problems in many parts of the world. Soil salinity
knowledge is an essential factor for proper land planning and management. Preparing soil salinity
map based on fieldwork, especially in large areas, is time-consuming and costly. One of the useful
technologies for soil salinity mapping is remote sensing for which various satellite data have been
evaluated. In this study, potentiality of IRS-P6 images for soil salinity modeling in 180000 ha of
Mahabad county lands was investigated. For this purpose, 147 soil samples from a depth of 0-15 cm
using a systematic grid 1000 × 1000 meter were collected, and also the saturated electrical
conductivity was measured. On the other hand, after the geometric correction of images, synthetic
bands and salinity indices were generated. DNs of corresponding points in all bands and indices
were extracted. After data normalization, correlation coefficient value between DNs and salinity
was extracted. Band 2 and Fusion index (Pan and B2) had the highest correlation values of 0.73 and
0.736 respectively. The stepwise regression analysis was performed and a salinity model was
developed with 0.628 correlation value. Finally, the model validation was performed using 20% of
the samples, and the values of RMSE, ME and correlation coefficients between actual and estimated
salinity values were obtained. The results indicated that IRS-P6 images could explain about 0.39 of
soil salinity variation which reflect the high capability of the images in soil salinity modeling,
according to the situation of the study area.

کلیدواژه‌ها [English]

  • IRS-P6 images
  • Mahabad county
  • Modeling
  • Regression Analysis
  • Surface soil salinity
منابع مورد استفاده
احمدی ثانی ن، بابایی کفاکی س، متاجی ا و سلطانی م، 1390. کاربرد سامانه اطلاعات جغرافیایی و سنجش از دور در مطالعات ارزیابی توان اکولوژیک، صفحه‌های 1 تا 10. همایش ملی ژئوماتیک 90، 28-25 اردیبهشت، سازمان نقشه‌برداری کشور، تهران.
ایوبی ش، و جلالیان ا، 1385. ارزیابی اراضی. انتشارات دانشگاه صنعتی اصفهان.
بهبودی ف، ایزد پناه م و اکبر لو ح، 1393. آب و خاک و گیاه. نشر کتاب‌های درسی ایران.
تاج‌گردان ت، ایوبی ش، شتایی ش و خرمالی ف، 1388. تهیه نقشه شوری خاک با استفاده از داده‌های دورسنجی ETM+. مجله پژوهش‌های حفاظت آب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، جلد 16، شماره 2، صفحه‌های 1 تا 18.
خوان یغما م و احمدی‌ ثانی ن، 1392. بررسی کاربرد سنجش از دور در شناسایی ویژگی‌های خاک در کشاورزی دقیق. صفحه‌های 1 تا 8. اولین کنفرانس ملی راهکارهای دستیابی به توسعه پایدار در بخش­های کشاورزی، منابع‌ طبیعی و محیط زیست، 20 اسفند، وزارت کشور، تهران.
چیت ساز و، 1378. بررسی امکان تهیه نقشه شوری و قلیائیت خاک در منطقه شرق اصفهان با استفاده از داده‌های لندست.‌ پایان‌نامه کارشناسی ارشد، دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان.
دادرسی بزواری ا و پاک‌پرور م، 1386. بررسی روند بیابان‌زایی به روش سنجش از دور و نزدیک در دشت سبزوار.  فصل‌نامه تحقیقات مرتع و بیابان ایران، جلد 14، شماره 1، صفحه‌های 33 تا 52.
درویش صفت ع‌ا، ۱۳۸۱. ادغام داده‌های ماهواره‌ای، صفحه‌های 1 تا 13. همایش ملی ژئوماتیک 81،  2-1 اردیبهشت، سازمان نقشه‌برداری کشور، تهران.
درویش‌صفت ع‌ا و دماوندی ع‌ا، ۱۳۷۹. بررسی امکان طبقه‌بندی اراضی شور با استفاده از داده‌های رقومی TM ماهواره لندست.  مجله بیابان، جلد 5،  شماره ۲، صفحه‌های 27 تا 36.
زارع ابیانه ح، جوزی م، افروزی ع و غریب زاده ا، 1393. تعیین روابط هدایت الکتریکی عصاره اشباع با برخی پارامترهای شوری خاک در مقایسه با روش جدید تعیین ECe. فصل‌نامه علمی پژوهشی مهندسی آبیاری و آب، جلد 4، شماره 16، صفحه‌های 81 تا 93.
علوی‌پناه س‌ک، 1389. کاربرد سنجش از دور در علوم زمین (علوم خاک).  انتشارات دانشگاه تهران.
کافی م، برزئی ا، صالحی م، کمندی ع، معصومی ع و نباتی ج، 1388. فیزیولوژی تنش‌های محیطی در گیاهان. انتشارات جهاد دانشگاهی مشهد.
میر‌محمدی میبدی ع و قره‌یاضی ب، 1381. جنبه‌های فیزیولوژیک و به‌نژادی تنش شوری گیاهان. انتشارات دانشگاه صنعتی اصفهان.
Abdalsamad AA, David CW, Somsubhra C, Aakriti S and Bin L, 2015. Combination of proximal and remote sensing methods for rapid soil salinity quantification. Geoderma 239: 34–46.
Abdelhamid AE and  Jay SN, 2010. Application of Remote-sensing Data and Decision-Tree Analysis to Mapping Salt-Affected Soils over Large Areas. Remote Sensing 2: 151-165.
Amal and Lalit K, 2013. Soil Salinity Mapping and Monitoring in Arid and Semi-Arid Regions Using Remote Sensing Technology. Advances in Remote Sensing 2: 373-385.
Amal A, Lalit K and Priyakant S, 2014. Mapping and Modelling Spatial Variation in Soil Salinity in the Al Hassa Oasis Based on Remote Sensing Indicators and Regression Techniques. Remote Sensing 6: 1137-1157.
Anonymous, 2008. AQUASTAT Survey 2008, FAO Publishing, United Nations.
Dehn, A and Lounis M, 2012. Remote Sensing Techniques for Salt Affected Soil Mapping. Procedia Engineering 33:188-198.
Douaoui AEK., Nicolas H and Walter C, 2006. Detecting salinity hazards within a semiarid context by
       means of combining soil and remote-sensing data. Geoderma 134: 217–230.
Elia S, Todd HS and Dennis LC, 2014. Regional scale soil salinity evaluation using Landsat 7. Geoderma Regional 2-3: 82-90.
Farifteh J and Farshad A, 2002. Remote sensing and modeling of topsoil properties, a clue for assessing land degrading. Pp. 1-11. 17th World Congress of Soil Science, 14-21 August, Bangkok, Thailand.
Fernandez-Buses N, Siebe C, Cram S and Palacio JL, 2006. Mapping soil salinity using a combined spectral response index for bare soil. Journal of Arid Environments 65: 644-667.
Goldshleger N, Ben- Dor E, Benyamini Y and Agassi M, 2004. soil reflectance as a tool for assessing physical crust arrangement of four typical soils. Soil Science 169: 677- 687.
Helmut L, Tavakoli H, Ansair R, Askar H  and Rastegari J, 2013. Crop and Forage Production using Saline Waters. Daya Publishing House, India.
Khan MN, Rastoskuev VV,  Shalina EV and Sato Y, 2001. Mapping salt affected soils using remote sensing Indicators-a simple approach with the use of GIS. Pp. 1-5. 22nd ASIAN Conferences on Remote Sensing, 5-9 November, Singapore.
Naigenouri R, 2001. Investigation on possibility of detecting salty and gypsy areas kashan plain using TM data. M.Sc. thesis, Isfahan university of technology.
Pattanik SK, Singh OP, Sahoo RN and Singh DK, 2008. Irrigation Induced Soil Salinity Mapping through Principal Component Analysis of Remote Sensing Data. Journal of Agricultural Physics 8: 29-36.
Qureshi AS, Qadir M, Heydari N, Turral H and  Javadi A, 2007. A review of management strategies for salt-prone land and water resources in Iran. Working paper 125, International Water Management Institute, Sri Lanka.
Rivero RG, Grunwald S, and Bruland GL, 2007. Incorporation of spectral data into multivariate geostatistical models to map soil phosphorus variability in florida. Geoderma 140: 428-443.
Sanaeinejad SH, Astaraei A, Mirhoseini P, Mousavi M and Ghaemi M, 2009. Selection of Best Band Combination for Soil Salinity Studies using ETM+ Images. World Academy of Science, Engineering and Technology 54: 519-521.
Wang F, Chen X, Luo G, Ding J and Chen X, 2013. Detecting soil salinity with arid fraction integrated index and salinity index in feature space using Landsat TM. Journal of Arid Land 5: 340–353.
Weicheng W, Ahmad SM, Waleed MA, Feras Z, Boubaker D, Vinay N and Eddy DP, 2014. Mapping soil salinity changes using remote sensing in Central Iraq. Geoderma Regional 2-3: 21-31.
Yufeng GE, Alex TJ and Sui R, 2011. Remote sensing of soil properties in precision agriculture: A review. Frontiers of  Earth Science 5: 229–238.