ارزيابي داده‌هاي سنجنده OLI،قابليت طيف‌سنج بازتابي ALTA و استفاده از مفهوم ايستگاه‌ مجازي در تهيه نقشه پراكندگي غلظت فلزات سنگين خاك

Evaluation of OLI Sensor Data, The Capabilities of ALTA ReflectanceSpectrometerand Using The Concept of Virtual StationsMapping The Distribution of Heavy Metals in Soil

استفاده از تكنولوژي سنجش از دور و تلفيق آن با سامانه اطلاعات جغرافيايي، از جمله راه‌هاي كسب سريع و كم‌هزينه اطلاعات به‌خصوص در حوزه مطالعات محيطي و علوم زمين جهت مديريت بهينه است. اين تحقيق با هدف ارزيابي داده‌هاي سنجنده OLIماهواره لندست 8، قابليت طيف‌سنج بازتابي ALTA در انتخاب بهينه باندهاي طيفي تصوير ماهواره‌اي براي مدل‌هاي پيش‌بيني وتأثير استفاده از مفهوم ايستگاه مجازي در تغيير دقت مدل‌ها، در تهيه نقشه پراكندگي غلظت عناصر سنگين نيكل، سرب و روي در خاك سطحي اطراف نيروگاه شهيد رجائي قزوين انجام شد. پس از تعيين محل ايستگاه‌هاي نمونه‌برداري روي تصوير ماهواره‌اي، با توجه به كاربري غالب زمين‌هاي اطراف نيروگاه (كاربري كشاورزي) و با توجه به استفاده از عمق شخم متفاوت خاك در اين نوع كاربري، به طور متوسط از عمق حدود 15-0 سانتي‌متري خاك سطحي، تعداد 34 نمونه‌ي مركب جمع‌آوري و هم‌زمان بازتابندگي طيفي نمونه‌ها با استفاده از طيف‌سنج بازتابي آلتا قرائت و ثبت شد. غلظت عناصر سنگين توسط دستگاه طيف‌سنج اتمي در آزمايشگاه تعيين شد. با توجه به معادل‌سازي تقريبي محدوده طيفي باندهاي تصوير ماهواره‌اي و محدوده طيفي لامپ‌هاي رنگي طيف‌سنج بازتابي آلتا، از اطلاعات طيفي ثبت شده توسط طيف‌سنج بازتابي براي انتخاب بهينه باندهاي تصوير ماهواره‌اي جهت شركت در روابط رگرسيون بين داده‌هاي بازتابندگي طيفي (متغير مستقل) و غلظت عناصر سنگين خاك (متغير وابسته) استفاده شد. از مفهوم ايستگاه‌ مجازي كه از لحاظ خصوصيات بازتابندگي طيفي شبيه ايستگاه‌هاي نمونه‌برداري شده هستند به منظور افزايش دقت مدل‌‌ها استفاده شد. براي اين منظور از داده‌هاي سنجنده OLI ماهواره لندست 8 و در بازه %1± ارزش‌هاي عددي پيكسل‌هاي تمامي باندهاي منتخب تصوير ماهواره‌اي (6 باند منتخب در محدوده مرئي و مادون قرمز)، بالغ بر4450 ايستگاه مجازي در محدوده اطراف نيروگاه يافت شد. در نهايت با استفاده از باندهاي تصوير ماهواره‌اي و اعمال روابط با ضريب تبيين بزرگتر، نقشه پراكندگي غلظت فلزات سنگين خاك با دقت متوسط به دست آمد. اعتبارسنجي مدل‌ها با استفاه از رابطه جذر ميانگين مربعات خطا (RMSE) نشان داد كه استفاده از مفهوم ايستگاه مجازي سبب افزايش دقت مدل‌ها شد؛ به‌نحوي كه در معادلات رگرسيون خطي، در مورد نيكل 21/17%، در مورد سرب 19/20% و در مورد روي 05/4% و در معادلات رگرسيون غيرخطي، در مورد نيكل 42/13%، در مورد سرب 19/20% و در مورد روي 10/3% افزايش دقت در مدل‌هاي پيش‌بيني مشاهده شد. پيشنهاد مي‌شود در مطالعات آتي، داده‌هاي ساير سنجنده‌ها مورد ارزيابي قرار گيرد. همچنين تأثير ساير متغيرهاي محيطي خاك از قبيل رطوبت، حرارت، پوشش گياهي و ... نيز درمدل‌ها در نظر گرفته شود.

The use of remote sensing and GIS technology, is to have a quick and inexpensive method of obtaining information, especially in the field of environmental studies and earth sciences for optimal management. This study was carried out to evaluate OLI sensor data, the capability of Alta reflectance spectrometer in the selected spectral band satellite images for predictive models and the use of concept of station virtual changing the accuracy of the models and mapping the distribution of the concentration of heavy metals nickel, lead and zinc the surface soil around the Rajaee Power Plant. After determining the location of sampling stations on satellite images, according to the dominant land use around power plants (agriculture) and with respect to the different soil depth in this kind of usage,from the average depth of about 0-15 cm topsoil , 34 composite samples were collected and spectral readings were recorded using Alta reflectance spectrometer. The heavy metals concentrattion was determined in the laboratory using atomic spectrometer. According to the equivalent range of spectral bands of satellite imagery and spectral range light colored Alta reflectance spectrometer, was used for spectral data recorded by reflectance spectrometer to select the optimal band satellite imagery to participate the relationship between spectral data (independent variable) and the concentration of heavy metals in the soil (the dependent variable).The concept of virtual stations which are characteristics like spectral reflectance sampling stations are used to enhance the accuracy of the models. For this purpose, the OLI images, Landsat 8 satellite images, in the range of values of the pixels in all the bands (6 bands in the visible and infrared range), amounting 4450 virtual station was found in the area around the power plant. At the end using satellite image bands and finding the relationships between larger coefficient of determination (R^2), the distribution map of soil concentrations of heavy metals has been found with moderate accuracy. Validation of the models with the use of Root Mean Square Error (RMSE) showed the efficiency of use of the concept of virtual stations to increase the accuracy of the models; So that was observed in the linear regression, nickel, 17.21%, 20.19% lead and 4.05% zinc and nonlinear regression, nickel, 13.42%, 20.19% lead and 3.10% zinc increased accuracy in prediction models. It is suggested that in future studies data collected from other sensors should be evaluated as well. Other variables also affect the soil environment (humidity, temperature, vegetation, etc.) which should be considered in models.