ارزيابي كارآيي داده‌هاي طيفي و شاخص‌هاي منتج از سنجنده‌هاي OLIو TIRS در برآورد شوري خاك‌هاي مناطق خشك جنوب استان ايلام

Evaluation of the Efficiency of Spectral Data and Indices Derived from OLI and TIRS Sensors in Estimating Soil Salinity in Arid Regions of Southern Ilam Province

شوري خاك يكي از مشكلات مهم زيست محيطي است و شناسايي و پهنه بندي خاك هاي شور، به علت نياز به نمونه برداري و انجام دادن آناليزهاي آزمايشگاهي و همچنين تغييرپذيري زماني و مكاني آن، مشكل است. در سال هاي اخير استفاده از تصاوير ماهواره اي، به علت استفاده آسان و توانايي در شناسايي پديده ها، همواره مورد توجه متخصصان قرار گرفته است. در اين پژوهش، 220 نمونه خاك از منطقه ميمه شهرستان دهلران، در جنوب استان ايلام، با توجه به نوع مطالعه و تيپ هاي فيزيوگرافي و واحدهاي متشكل خاك ها برداشت شد. سپس مقادير pH و EC با استفاده از روش هاي استاندارد اندازه گيري شد. ارزيابي مقادير شوري خاك، با استفاده از روابط همبستگي بين مقادير هدايت الكتريكي EC حاصل از داده هاي زميني، با متغيرهاي به دست آمده از تصاوير ماهواره اي لندست 8 شامل باندها، شاخص هاي شوري، شاخص هاي پوشش گياهي و شاخص هاي خاك صورت گرفت. در نهايت، مدل تخمين شوري سطحي خاك با روش رگرسيون گام به گام به دست آمد. اين روش شامل انتخاب خودكار متغيرهاي مستقل است و با دردسترس بودن بسته هاي نرم افزاري آماري، انجام دادن آن حتي در مدل هايي با صدها متغير امكان پذير است. در مطالعات گذشته، شاخص ها و باندها به صورت جداگانه و محدود به كار رفته اند اما، در اين مطالعه، سعي شده است از تركيب شاخص هاي گوناگون استفاده گسترده تري شود و در نهايت، با حذف شاخص هايي كه كمترين تاثير را در برآورد شوري خاك داشته اند، بهترين مدل برآورد شوري براي خاك منطقه پيشنهاد شد. با استفاده از آناليز سطح معني داري و ميزان همبستگي بين خروجي مدل ها و داده هاي زميني، بهترين مدل با مقدار (0/882=R2) انتخاب و نقشه شوري خاك براساس آن تهيه شد. بيشترين مساحت مربوط به كلاس غيرشور است كه 75% از كل منطقه مورد مطالعه را شامل مي شود و حدود 1% از خاك هاي منطقه نيز مربوط به كلاس بسيار شور است. با مقايسه داده هاي حاصل از ماهواره لندست 8 و به كارگيري شاخص ها و قراردادن شاخص ها در معادله رگرسيوني گام به گام، اين نتيجه حاصل شد كه تصاوير ماهواره اي براي ارزيابي شوري خاك منطقه كارآمد است و نتايج حاصل، همبستگي بالايي در سطح 0/88 با داده هاي زميني دارند.

Soil salinity is one of the most important environmental problems, and the identification and zoning of saline soils is difficult due to the need for sampling and laboratory analysis, as well as having temporal and spatial variability. In recent years, the use of satellite imagery has always been of interest to experts due to its ease of use and ability to detect phenomena. Remote sensing information greatly aids the study of soil salinity and can be helpful in identifying salinity values. In this study, 220 soil samples were collected from Meymeh area of Dehloran, south of Ilam province, according to the type of study and physiographic types and soil units. Then, pH and EC values were measured using standard methods. Soil salinity values were evaluated using correlations between EC electrical conductivity values obtained from ground data and variables obtained from Landsat 8 satellite images including bands, salinity indices, vegetation indices and soil indices. Finally, the soil surface salinity estimation model was obtained using stepwise regression method. This method involves the automatic selection of independent variables, and with the availability of statistical software packages, it is possible to do so even in models with hundreds of variables. In previous studies, indicators and bands have been used separately and in a limited way, but in this study, an attempt has been made to use a combination of different indicators more widely, and finally to achieve the best relationship by eliminating the indicators that have the least impact on soil salinity estimation. Using significant level analysis and correlation between the output of models and ground data, the best model with a value of (R2 = 0.882) was selected and a soil salinity map was prepared based on it. In the study area, the highest area belonged to non-saline class which comprises 75% of the total study area and about 1% of the soils belong to the saline class.