تهيه نقشه خاك‌هاي تحت‌تاثير شوري با استفاده از داده‌هاي سنجنده ETM+ در بخشي از دشت قزوين

Saline soil mapping using ETM+ data in the Qazvin plain

از فرآيندهاي غالب تخريب خاك در مناطق خشك و نيمه‌خشك، شور شدن خاك‌ها است. تحقيق حاضر به‌منظور ارزيابي قابليت داده‌هاي سنجنده ETM+ در شناسايي و تفكيك خاك‌هاي شور با استفاده از مطالعات صحرايي و نتايج آزمايشگاهي خاك‌ها، در دشت قزوين صورت گرفت. در اين تحقيق، ابتدا طبقه‌هاي طيفي منطقه مورد تحقيق در تصوير استخراج و آنگاه با كمك اطلاعات جانبي و مطالعات صحرايي به طبقه‌هاي شوري تبديل شد و در نهايت نقشه هدايت الكتريكي (EC) بدست آمد. نمونه‌برداري صحرايي با روش نمونه برداري طبقه‌بندي شده تصادفي انجام گرفت. با استفاده از نقشه خاك موجود، در هر واحد نقشه خاك كمينه يك پروفيل به‌منظور بررسي تغييرات عمقي شوري مورد مطالعه قرار گرفت. پارامترهاي هدايت الكتريكي،pH ، Na+،Mg2+ ،Ca2+ و بافت در نمونه‌هاي خاك اندازه‌گيري و از مدل رقومي ارتفاع، براي افزايش دقت طبقه‌بندي استفاده شد؛ همچنين شاخص‌هاي NDVI، SRVI، PVI، SAVI، SI، BI و NDSI، مولفه‌هاي اصلي و تبديل تسلدكپ براي طبقه‌بندي استفاده شد. براي انتخاب بهترين تركيب نواري طبقه‌بندي، شاخص مطلوبيت به كار گرفته شد. نتايج نشان داد الگوريتم بيشينه احتمال، داراي صحت بالاتري از كمينه فاصله از ميانگين و Box Classifier است؛ لذا به‌منظور طبقه‌بندي، از اين الگوريتم استفاده شد؛ همچنين تلفيق مدل رقومي ارتفاع و تمامي نوارهاي سنجنده داراي بالاترين صحت بود. از طرفي مشاهده شد نوار حرارتي دقت طبقه‌بندي را افزايش داده كه تاييدكننده نقش موثر اين نوار در طبقه‌بندي خاك‌هاي شور است. در بين روش‌‌هاي پردازش تصوير، تبديل تسلدكپ و شاخص‌ها داراي صحت بالايي بودند. شاخص‌هاي SI و BI، داراي بيش‌ترين همبستگي با (EC) بوده و بهتر توانستند خاك‌هاي شور را از خاك‌هاي غيرشور تفكيك كنند. شاخص مطلوبيت داراي صحت كلي كمي بود. پوسته‌هاي صاف با رنگ روشن، خصوصا پوسته‌هاي بدون درز و شكاف، موجب افزايش بازتاب‌ها در تمامي نوارهاي سنجنده شد؛ به‌طوري كه اين اراضي در تصوير داراي بالاترين بازتاب‌ها بوده و با صحت بالايي از ساير طبقه‌ها جدا شدند.

Salinity is the major factors of soil degradation in semi arid and arid regions. The main aim of this study was to evaluate the capability of Landsat ETM+ data for soil Salinity mapping in the selected part of the Qazvin plain, an area of arid environment. In this study spectral classes carried out on remotely sensed data and with the help of field observation and soil analysis were regrouped to soil salinity classes to prepare soil salinity map.. Soil sampling was implemented using stratified random sampling method, depending on landscape complexity and homogeneity as well as on the representativeness of Landsat ETM+ data. Also in each soil map unit at least one profile was studied for subsoil salinity variations. Field samples taken by using augur and profiles were analyzed in laboratory for Na+ , Ca2+ , Mg2+ cations, as well as soil texture, ECe and pH. We have analyzed the effectiveness of additional data such as digital elevation model to improve the accuracy of classification. Also NDVI, SRVI, PVI, SAVI, SI, BI and NDSI indices, PCA and Tasseled cap were analyzed. Soil salinity map of each selected bands produced and with ground truth map crossed. The results indicated that combination of DEM with ETM+ bands has highest accuracy. This study addressed that thermal band of ETM+ can increase the classification accuracy which illustrated its effective role to classify the soil salinity. Tasseled cap and other indices had almost high accuracy among studied image processing techniques. The SI and BI indices had the highest correlation with EC and could distinguish the saline and non saline soils while the optimum index factor had overall low accuracy.