Stepwise

پیشینه و هدف: پیشگیری از شور شدن خاک و مدیریت آبیاری کشاورزی بستگی زیادی به برآورد دقیق شوری خاک دارد . بنابراین، استفاده از روش های سنتی (تحلیل آزمایشگاهی، بررسی های میدانی) برای پایش آن ناکافی و نامناسب است، زیرا با پویایی تکامل این پدیده هم خوانی ندارد و هزینه های بالایی را نیز به همراه دارد. در ضمن روش های مورد استفاده در ارزیابی تغییرات مکانی، باید قدرت پاسخ گویی به پرسش ها و تحولات جدیدی که در این زمینه رخ می دهد را داشته باشد. به عنوان یک راهکار، تصاویر ماهواره ای می توانند به عنوان ابزاری قدرتمند برای نظارت مستمر استفاده شوند؛ زیرا حساسیت سیگنال های الکترومغناطیسی به پارامترهای خاک در اولین لایه سطحی که مستقیما با محتوای نمک خاک مرتبط است، وجود دارد. در مورد شوری خاک مطالعات بسیاری صورت گرفته، که براساس نمونه های زمینی و تصاویر ماهواره ای مورد استفاده نتایج متفاوتی به دست آمده است، بنابراین به کارگیری داده ها و تکنیک هایی که بتواند ضمن حذف خطاهای تصویر از دقت و صحت کافی برخوردار باشد، مورد توجه نقشه برداران خاک است. با توجه به اهمیت این موضوع، هدف از این پژوهش، ارزیابی و بررسی ارتباط بین داده های زمینی با شاخص های طیفی استخراج شده از تصاویر ماهواره ای لندست در شهرستان بناب است. مواد و روش ها: در این پژوهش، سه نوع داده مورد استفاده قرار گرفت: تصاویر ماهواره ای لندست 7 و 8 با فاصله زمانی 15 ساله، تصویر DEM بعنوان داده کمکی در عملیات طبقه بندی ، هم چنین نمونه های شوری خاک که از 74 نقطه مختلف در فواصل مکانی 500 متری جمع آوری شده اند. این نمونه ها از یک منطقه به مساحت 40 کیلومتر مربع در پاییز 2014 برداشت شده اند. جهت بررسی معناداری نمونه های زمینی با تصاویر ماهواره ای، از 12 شاخص طیفی سنجش از دور، استفاده شده است، پس از پیش پردازش های لازم (اتمسفری، رادیومتری و اعمال فیلتر 3*3)، مقادیر متناظر به مقادیر EC استخراج شدند. تصاویر قبل و بعد از اعمال فیلتر از طریق روش های رگرسیون مورد بررسی قرار گرفتند. در ادامه، از روش رگرسیون گام به گام برای بررسی ارتباط بین متغیرهای مستقل و متغیر وابسته استفاده شد. همه شاخص های طیفی به عنوان متغیرهای مستقل وارد مدل شدند، نتایج نشان داد که از بین این شاخص ها، NDWI و NDSI دارای بیشترین ارتباط معنادار با نمونه های زمینی هستند. برای تهیه نقشه ی تغییرات شوری خاک برای سال های 1999 تا 2014، از نمونه های زمینی و شاخص NDSI استفاده شد. همچنین، با استفاده از داده های DEM، داده های زمینی، و تصویر Landsat 8، نقشه طبقه بندی حداکثر احتمال برای سال 2014 تهیه شد. نتایج و بحث: تحلیل رگرسیون بین نمونه های EC و شاخص های طیفی نشان داد که شاخص های NDVI (0/45)، NDWI (0/37)، SI-T (0/43) و NDSI (0/41)، نسبت به دیگر شاخص ها دارای ارتباط معنادارتری با شوری خاک هستند. استفاده از فیلتر، ضریب تبیین این ارتباطات را بهبود بخشیده است . به علاوه، شاخص های VSSI و BI کمترین ارتباط معنایی را با نمونه های زمینی نشان دادند. نمودار تغییرات شوری خاک نشان می دهد که در منطقه ای با مساحت حدود ۴۰ کیلومتر مربع، بیشترین تغییرات شوری خاک با مقدار ۳۵.۳ کیلومتر مربع مربوط به تغییرات از اراضی شور به فوق العاده شور رخ داده است. نقشه طبقه بندی حداکثر احتمال برای سال ۲۰۱۴ نشان می دهد که با خشک شدن دریاچه ارومیه، روند افزایش شوری در منطقه تشدید شده است. نتیجه گیری : نتایج این پژوهش نشان داد، همه شاخص های استخراج شده دارای ارتباط معنایی با داده های شوری خاک هستند، و از بین شاخص های استخراج شده، شاخص های (NDVI، NDWI، SI-T، NDSI) دارای ارتباط معنایی بیش تری نسبت به شاخص های دیگر بودند. هم چنین نتایج استفاده از فیلتر نشان داد، اعمال فیلتر بر روی شاخص می تواند نتایج پژوهش را بهبود ببخشد. این مطالعه بر استفاده از تصاویر ماهواره ای برای پایش مداوم شوری خاک به دلیل حساسیت و سازگاری آن، بهتر از روش های سنتی تاکید دارد. همبستگی های قابل توجه بین داده های زمینی و شاخص های طیفی مانند NDVI، NDWI، SI-T و NDSI بر اثربخشی آنها در تجزیه و تحلیل دینامیک شوری خاک تأکید می کند. این یافته ها راهنمایی های ارزشمندی را برای تحقیقات آتی فراهم می کنند و بر استفاده از تکنیک های فیلتر برای بهبود دقت در ارزیابی تغییرات مکانی در شوری خاک تاکید می کند. اطلاعات این پژوهش می تواند به عنوان راهنما مفیدی برای انتخاب داده ها و تصاویر ماهواره ای دیگر در مطالعات مشابه مربوط به تغییرات مکانی شوری خاک در نظرگرفته شود.