نقصان خاک بویژه شوری یک مسئله اساسی زیست محیطی است که بر جنبه های حیاتی زیست محیطی از جمله امنیت غذایی، کاهش تولید و کاهش حاصلخیزی زمین های کشاورزی، از بین رفتن تنوع زیستی و تغییرات اقلیمی جهانی تأثیر میگذارد. استفاده از اطلاعات بهنگام خاک هر منطقه میتواند، کمک زیادی به مطالعه روند شور شدن خاک و کاهش بیابانزایی نماید. در این راستا تکنیکهای سنجش از دور و GIS، روشهای بسیار مناسبی برای جمعآوری اطلاعات، تصمیمگیری سریع، دقیق و با صرفه محسوب میگردند. جهت انجام این مطالعه از تصاویر ماهواره لندست بین سالهای 2015-2000 با بازه زمانی یک ساله، و نیز از دادههای توپوگرافی و خاکشناسی شامل: شیب، جهت شیب، بافت خاک و نوع خاک استفاده خواهد شد. در این مطالعه سعی خواهد شد بهترین روشها و معیارها جهت ارزیابی شوری با استفاده از تکنیکهای سنجش از دور بویژه روش شیءگرای تصاویر ماهوراهای جهت مدیریت بهتر و کارآمد منابع طبیعی ارائه شود. به همین منظور تصاویر پس از انجام تصحیحات لازم، در محیط نرم افزاری eCognition پردازش شده و از الگوریتم های شئ پایه برای ارزیابی روند گسترش شوری در اراضی، همچنین از تلفیق لایه های اطلاعاتی جهت حصول نتایج بهتر و از دادههای زمینی EC جهت اعتبارسنجی نتایج استفاده خواهد شد. نتایج این تحقیق در تشخیص کارآمدی الگوریتم های شیءگرا برای شناسایی محدوده های تحت شوری و همینطور مدلسازی گسترش شوری در جلگه شرقی دریاچه ارومیه به عنوان یکی از قطبهای کشاورزی استان آذربایجان شرقی دارای اهمیت مضاعفی می باشد.

Netshahr

 

+

دانشکده جغرافیا و برنامه ریزی

گروه سنجش از دور و سیستم اطلاعات جغرافیایی

پيشنهاد طرح پژوهشی پایان نامه براي دريافت درجه کارشناسی ارشد

در رشتهي سنجش از دور و سیستم اطلاعات جغرافیایی گرايش مطالعات آب و خاک

عنوان فارسي

مدلسازی اثرات خشکی دریاچه ارومیه بر روند گسترش شوری اراضی حاشیه شرقی با پردازش شی ءگرای تصاویر ماهوارهای

عنوان انگليسي

Modeling the Impacts of Urmia Lake Shrinking, on Soil Salinity of Eastern Area by Object Based Image Analysis Approach

استاد راهنما

 

 

 

 

 

فهرست صفحه

چکیده ب‌

بیان مسئله: ۱

سؤالات تحقیق ۳

فرضیات تحقیق ۴

بررسی منابع ۴

مواد و روش ۸

مراحل مختلف تحقیق ۱۳

نتايج مورد انتظار ۱۳

معيار ارزيابي موفقيت ۱۳

زمان بندی: ۱۴

منابع: ۱۴

واژه نامه: ۱۶

چکیده

نقصان خاک بویژه شوری یک مسئله اساسی زیست محیطی است که بر جنبه های حیاتی زیست محیطی از جمله امنیت غذایی، کاهش تولید و کاهش حاصلخیزی زمین های کشاورزی، از بین رفتن تنوع زیستی و تغییرات اقلیمی جهانی تأثیر میگذارد. استفاده از اطلاعات بهنگام خاک هر منطقه میتواند، کمک زیادی به مطالعه روند شور شدن خاک و کاهش بیابانزایی نماید. در این راستا تکنیکهای سنجش از دور و GIS، روشهای بسیار مناسبی برای جمعآوری اطلاعات، تصمیمگیری سریع، دقیق و با صرفه محسوب میگردند. جهت انجام این مطالعه از تصاویر ماهواره لندست بین سالهای ۲۰۱۵-۲۰۰۰ با بازه زمانی یک ساله، و نیز از دادههای توپوگرافی و خاکشناسی شامل: شیب، جهت شیب، بافت خاک و نوع خاک استفاده خواهد شد. در این مطالعه سعی خواهد شد بهترین روشها و معیارها جهت ارزیابی شوری با استفاده از تکنیکهای سنجش از دور بویژه روش شیءگرای تصاویر ماهوراهای جهت مدیریت بهتر و کارآمد منابع طبیعی ارائه شود. به همین منظور تصاویر پس از انجام تصحیحات لازم، در محیط نرم افزاری eCognition پردازش شده و از الگوریتم های شئ پایه برای ارزیابی روند گسترش شوری در اراضی، همچنین از تلفیق لایه های اطلاعاتی جهت حصول نتایج بهتر و از دادههای زمینی EC جهت اعتبارسنجی نتایج استفاده خواهد شد. نتایج این تحقیق در تشخیص کارآمدی الگوریتم های شیءگرا برای شناسایی محدوده های تحت شوری و همینطور مدلسازی گسترش شوری در جلگه شرقی دریاچه ارومیه به عنوان یکی از قطبهای کشاورزی استان آذربایجان شرقی دارای اهمیت مضاعفی می باشد.

کلید واژه: محیط زیست، شوری خاک، سنجش از دور، تکنیکهای شیءگرا، شرق دریاچه ارومیه

بیان مسئله:

نقصان خاک یک مسئله اساسی زیست محیطی است که بر جنبههای حیاتی زیست محیطی از جمله امنیت غذایی، کاهش تولید، حفظ منابع طبیعی، از بین رفتن تنوع زیستی و تغییرات اقلیمی جهانی تأثیر میگذارد. این نقصان شرایطی را ایجاب میکند تا فرسایش خاک شتاب گرفته و کیفیت منابع آب شیرین تنزل یابد، و سرانجام به بیابانزایی که یک مسئله اصلی اجتمائی-اکولوژیکی در سطح جهانی است، به وقوع بپیوندد. فرآیندهای اصلی نقصان خاک، با اثرات نامطلوب شدید بر منطقه، را میتوان بر سه دسته فیزیکی، شیمیایی و زیست شناختی تقسیم کرد که عبارتند از:۱- فرسایش خاک، ۲- تراکم خاک، ۳- تهی شدگی از مواد مغذی، ۴- اسیدی شدن، ۵- کاهش مواد آلی خاک، و ۶- شور شدن (آلفرد هوتو[۱]،۱۳۸۶). در این راستا نقصان خاک در ارتباط با عوامل شوری خاک یک معضل جهانی بوده و منجر به اثرات شدید ناسازگار روی محیط زیست، اکوسیستمهای کشاورزی، و حاصلخیزی زمینهای کشاورزی میشود. شوری خاکها زمانی اهمیت بیشتر پیدا میکند که تشکیل یا رشد اکوسیستمها در روی زمین بواسطه تمرکز بالای نمک محلول تحت تأثیر قرار بگیرند و یا اینکه تولید محصولات با ارزش اقتصادی کم همراه باشند. تهدیدات زمانی شروع میشوند که کمیاب بودن آب، خشکسالی، افت کیفیت و کمیت آبهای سطحی و زیرزمینی منجر به شوری خاک شوند (گائو فانگ[۲] و همکاران،۲۰۱۱). خاکهای شور، به خاکهایی گفته میشود که میزان املاح محلول آنها به حدی است که رشد ونمو گیاهان را کاهش میدهد.(علوی پناه، ۱۳۸۲). تولید اطلاعات شوری خاک برای تعیین وسعت شوری و ریسک آن اهمیت ویژهای داشته و برای تصمیمگیری و مدیریت صحیح اراضی مهم است. نقشه برداری شوری خاک با روشهای مختلف تلفیق سنجش از دور و سیستم اطلاعات جغرافیایی در مقیاسهای کوچک و بزرگ میتواند انجام شود. عمق آبهای زیرزمینی و پوشش گیاهی شاخصی بسیار مناسب برای تعیین روند شوری و ریسک آن میباشد. (گائو فانگ و همکاران،۲۰۱۱). اقدامات انجام شده برای پایش و ارزیابی شوری خاک بطور فزایندهای در سطح دنیا در حال گسترش است. این در حالی است که نمونه برداری مستقیم همراه با اندازهگیریهای آزمایشگاهی یا صحرایی معمولا پرهزینه و وقت گیر بوده و در نتیجه برای اهداف کاربردی دارای محدودیت میباشند. در نتیجه، در سالهای اخیر، برای تخمین شوری خاک از روشهای غیرمستقیم نظیر سنجش از دور استفاده میکنند (تقی زاده مهرجردی و همکاران،۱۳۹۱).

اصلاح خاکهای شور نیاز به حجم زیاد آب شیرین دارد، معمولاً خاکهای که محتوای مقادیر زیاد املاح نمکی هستند با آب شیرین آبشویی میشوند، و این آبشویی باید به همراه زهکشی باشد، تا املاح از پروفیل خاک خارج شوند. شستشوی املاح خاکهای شور با توجه به اقلیم کشور که جزء مناطق خشک و نیمه خشک بوده و با کمبود آب مواجه است، تقریباً امکانپذیر نمیباشد. بنابراین برای حل مشکل شوری باید دنبال راهکارهای دیگری بود. در این راستا شناسایی مناطق شور و تهیه نقشه شوری خاک به منظوراعمال مدیریت خاک میتواند یکی از راهکارها عملیاتی برای جلوگیری از گسترش اراضی شور باشد. تصاویر چند زمانه سنجش از دور امکان استفاده از آنها برای مدلسازی روند تغییرات شری و پایش گسترش آن را امکانپذیر می نماید. با توجه به وجود املاح در سطح خاکهای شور، این خاکها به راحتی از سایر خاکها به دلیل داشتن بازتاب بالا بر روی تصاویر ماهوارهای قابل تشخیص میباشد. برای نیل به چنین منظوری، در انتخاب تصاویر ماهوارهای بایستی سعی شود گرمترین ماه سال انتخاب شود، تا حداکثر تبخیر از سطح خاک وجود داشته باشد، که به دلیل تجمع بیش از حد املاح در سطح خاک، خاکهای شور بطور واضح بر روی تصویر ماهوارهای قابل تفکیک از سایر خاکها خواهند بود. بهترین تصاویر برای مطالعات شوری خاک ها، تصاویری می باشند که در زمان اخذ و تصویربرداری آنها سطح خاک دارای حداقل پوشش گیاهی باشد(مسعودی، ۱۳۸۰). همچنین ترکیب روشهای سنجش از دور و مطالعات میدانی جهت اندازه گیری شوری خاک در آزمایشگاهها با آشکارسازی هدایت الکتریکی (Ec) امکان تعیین دقیق نسبت گسترش اراضی شور را فراهم می آورد. و در اندازهگیریهای آزمایشگاهی نیز، شوری خاک با اندازهگیری نمکهای محلول یا غلظت یونها توسط تبخیرعصاره خاک ارزیابی میشود و یا اینکه هدایت الکتریکیEc عصاره اشباع خاک اندازه گیری میشود.هدایت الکتریکی معمولا از محلول ۱:۵ آب و خاک اندازه گیری میشود (مارکوس[۳]، ۲۰۱۲). علاوه بر این شوری خاک میتواند از طریق شاخصهای مستقیم که به شوری سطح خاک (پوستههای سفید نمکی)، مربوط میشوند با اطلاعات سنجش از دور توسط سنجنده های مختلف بدست آید و یا اینکه میتوان آن را ازطریق شاخصهای غیرمستقیم نظیر حضور گیاهان شور پسند در منطقه ارزیابی کرد. فرآیندهای پویا در سطح خاک پایش روند شور شدن را با محدودیت روبرو میکند زیرا رفتارهای طیفی، مکانی و زمانی ویژگیهای نمک را تحت تاثیر قرار میدهد (آلبد[۴]، ۲۰۱۳).

بررسی تغییرات شوری خاک بویژه در مناطقی با وسعت زیاد، هزینهبر و زمانبر است. از این رو نیاز به روشهایی احساس میشود که بتواند براحتی سطح گستردهایی از مناطق را پایش کرده و روند تغییرات شوری را مورد بررسی قرار دهد. امروزه با پیشرفت علوم، استفاده از فناوریهای جدید مانند دریافت و پردازش دادهها از طریق ماهواره و بکارگیری نرمافزارها و سیستمهای پردازش اطلاعات، نقش مهمی در مدیریت منابع آب و خاک دارد (دائم پناه وهمکاران، ۱۳۹۰). ابزارهای دورسنجی در فرم تصاویر ماهوارهای و تولید نقشههای موضوعی از این تصاویر به کمک فنون سنجش از دور و سیستم اطلاعات جغرافیایی از جمله اصلیترین و کارآمدترین ابزارها هم از نظر هزینه و هم سرعت و دقت برای پایش و کنترل این پدیده است.(شریفی کیا و همکاران، ۱۳۹۱). دادههای چند طیفی نظیر دادههای ماهواره لندست، اسپات، آیکنوس، کوئیک برد و ماهوارههای سری IRS بخوبی ماهوارههای هایپریون در پایش و تهیه نقشه شوری مناسب و مفید هستند(دئیل[۵]، ۱۹۸۶). در راستای استفاده از این تصاویر سنجش از دور برای آشکارسازی روند تغییرات شوری خاک، تکنیکهای پردازش شیءگرا به عنوان روشهای نوین امکان مدلسازی روند تغیرات شوری را با دقت بالایی فراهم می آورند. این در حالی است که روشهای کلاسیک در طبقهبندی تصاویر ماهوارهایی توانایی محدودی در جدا نمودن کلاسهایی که اطلاعات طیفی مشابهی داشته و در هم ادغام میشوند، دارد. و این امر موجب کاهش صحت روشهای طبقهبندی پیکسلپایه میگردد (گائو یان[۶]، ۲۰۰۳). به همین خاطر در سالهای اخیر با پیشرفت تکنولوژی پردازش کامپیوتری روشهای جدیدی همچون روشهای پردازش شیءپایه ابداع شدهاند. روش طبقهبندی شیءپایه فرآیندی است که در آن هر یک از اشیاء تصویری به یکی (یا هیچکدام) از کلاسها اختصاص مییابند. این نوع طبقهبندی برخلاف طبقهبندی پیکسل پایه، براساس منطق فازی استوار است و ارزش عوارض را به ارزش فازی (بین صفر و یک) با درجه عضویت معین برای هر کلاس تبدیل میکند. در این روش، پیکسلها با درجه عضویت متفاوت در بیش از یک کلاس طبقهبندی میشوند. تعریف شرایط مناسب برای هر کلاس، مبنای طبقه بندی را شکل میدهد. این فرآیند طبقهبندی تکرار پذیر است و تا حصول بالاترین درجه عضویت برای هریک از کلاسها ادامه مییابد. در طبقهبندی شیءپایه، علاوه بر اطلاعات طیفی از اطلاعات بافت و محتوا نیز برای طبقهبندی استفاده میشود. در مقایسه با تئوری باینری (پیکسل پایه) که دارای دو ارزش صفر و یک است، تئوری فازی دارای انعطافپذیری بیشتری بوده و اجازه میدهد که یک پیکسل بر اساس درجه عضویت معین به چندین کلاس نسبت داده شود. ( فیضی زاده و همکاران، ۱۳۸۸ ).

با توجه به اینکه گسترش روند شور شدن خاک از چالشهای مهم زیست محیطی منطقه مورد مطالعه میباشد و خشک شدن دریاچه ارومیه باعث تشدید این تهدید میباشد و همچنین خاکهای این نواحی به دلیل بهره برداریهای نادرست از توان محیطی در چند دهه اخیر، دچار مخاطره افزایش شوری خاک شده است که یکی از مهمترین عوامل کاهش حاصلخیزی خاک در این مناطق میباشد. افزایش شوری خاک و آب در اثر پسروی دریاچه ارومیه موجب تغییر الگوی کشت در این منطقه خواهد شد. با توجه به شرایط موجود و تأثیرات منفی خشک شدن دریاچه ارومیه، بایستی اقداماتی در راستای حفظ کاربری اراضی و تداوم کشاورزی اتخاذ شود بنابراین اولین گام عملی در این مورد تهیه نقشههای شوری برای منطقه و مدلسازی روند گسترش شوری خاک میباشد.

سؤالات تحقیق

  1. آیا می توان با استفاده از تحلیلهای شیءگرای تصاویر ماهوارهای روند گسترش شوری خاک در جلگه شرقی دریاچه ارومیه را تعیین کرد؟
  2. آیا استفاده از اطلاعات طیفی در ترکیب با اطلاعات محیطی و فیزیکی (نظیر بافت، تن، همگنی و ژئومتری، ضریب روشنایی) امکان شناسایی و پایش خاکهای تحت گسترش شوری را فراهم میآورد؟

 

فرضیات تحقیق

  1. استفاده از الگوریتمهای طبقه بندی نزدیکترین همسایه در ترکیب با مشخصات فیزیکی بافت و دانه بندی امکان شناسایی اراضی تحت گسترش شوری را فراهم می آورد.
  2. تغییرات سطح خاکهای شور و انعکاس بالای آنها در باندهای طیفی با ضریب روشنایی بیشتر می تواند به عنوان یکی از کلیدی ترین عوامل در شناسایی خاکهای تحت گسترش شوری باشد.

بررسی منابع

منابع داخلی:

رسولی و همکاران، ۱۳۸۶؛ تغییرات سطح آب دریاچه ارومیه را با استفاده از پردازش تصاویر ماهوارهای چند سنجندهای و چند زمانهای بررسی کردند. و برای این منظور تصاویر ماهوارهای چند طیفی ماهواره لندست ( شامل تصاویر سنجندههای MSS، TM، ETM+)،MODIS و IRS از سال ۱۹۷۶ م. الی ۲۰۰۵ م. را مورد استفاده قرار دادند و نوسانهای سطح آب دریاچه در دورههای مختلف زمانی را استخراج کردند. مدلهای نهایی نشان دادند که نوسانهای گسترده دورهای و تغییرات چشمگیر فصلی در پارامترهای هندسی دریاچه رخ داده و بیشترین تغیرات به دلیل کاهش ارتفاع آب دریاچه بویژه در جنوب شرق و سواحل شرقی دریاچه بوده است. چنین نوسانهای معنادار باعث کاهش ۲۳ درصدی از سطوح آب دریاچه در طی دوره مطالعه شده است که خود باعث تسریع روند تبدیل اراضی آبی به زمینهای لم یزرع و رسوب املاح نمکی در امتداد خطوط ساحلی شده است.

کریمیان و همکاران، ۱۳۸۶؛ روند توسعه شوری و تخریب اراضی کشاورزی در منطقه شمس آباد قم را بررسی کردند و با استفاده از اطلاعات موجود و پس از بازدیدهای صحرایی، از خاکهای با شوری متفاوت تعداد ۱۵۰ نمونه خاک در دو عمق ۵۰-۰ و ۱۰۰-۵۱ سانتی متری برداشتند و پس از تجزیههای فیزیکی و شیمیایی، نقشههای شوری، سدیمی و کاربری اراضی به کمک نرم افزار ILWIS ترسیم گردید. نتایج نشان دادند که طی ۴۷ سال گذشته، وسعت اراضی کشاورزی در منطقه حدود ۵/۹ برابر افزایش یافته است که موجب افزایش شوری و افت سطح منابع آبهای زیرزمینی این ناحیه شده است. سالانه حدود یک متر افت در سطح ایستابی چاهها مشاهده میگردد. متوسط هدایت الکتریکی خاک در سال ۱۳۶۲ در عمق سطحی حدود ۵/۶ دسی زیمنس بر متر و در سال ۱۳۸۴ این رقم به حدود ۷/۱۰ دسی زیمنس بر متر رسیده است. در صورت ادامه این روند و عدم برنامهریزی صحیح، تمام اراضی منطقه در سالهای آینده از حیز انتفاع خارج خواهند شد.

فیضی زاده و همکاران، ۱۳۸۷؛ پوشش اراضی و کاربری اراضی استان آذربایجان غربی را براساس تکنیکهای شیءگرا و تصاویر ماهوارهای انجام دادند. در این پژوهش، نقشه کاربری اراضی استان آذربایجان غربی براساس پردازش رقومی با روش شیءگرای تصاویر ماهوارهای سنجنده HDR ماهواره Spot 5 تهیه شد. سپس تصاویر در محیط نرمافزار eCognation با روش پردازش شیءگرای با طبقات مشخص شده طبقه بندی گردید. دقت نقشه طبقه بندی شده با استخراج پارامترهای معمول ارزیابی دقت نظیر ضریب کاپا، ماتریس خطا، پایداری طبقه بندی مورد ارزیابی قرار گرفت. که در نتیجه آن دقت کلی نقشه تهیه شده معادل ۲۰/۹۴ درصد محاسبه گردید که خود دلالت بر مقبولیت دقت نقشه تهیه شده داشت. همچنین نتایج نشان دادند که در روش شیءگرای ضمن امکان تشخیص تعداد طبقات بیشتر، دقت نقشه تولید شده نیز در مقایسه با روش پیکسل پایه از دقت بالائی برخوردار است.

احمدیان و همکاران، ۱۳۸۹؛ در تحقیق خود تحت عنوان “بررسی تغييرات شوری خاك به كمك پردازش رقومی اطلاعات ماهواره لندست در دشت قهاوند(استان همدان)”، با تفکیک سطوح مختلف خاکهای شور به وسیله دوسری اطلاعات دادههای رقومی ماهواره لندست ۵ و ۷ همراه با مطالعات زمینی به کمک بررسی باندهای مختلف سنجندههای TM و ETM و بررسی شاخصهای مختلف PCA57، PCA123، NDVI، GRI، BRI برای خاک و پوشش گیاهی با استفاده از طبقهبندی نظارت شده، نشان دادند که وسعت خاکهای شور در طی ۱۱ سال افزایش قابل توجه داشته است به طوری که وسعت اراضی شور ۹/۳۹ درصد افزایش داشته که این گسترش در کلاس شوری کم تا متوسط(S1) 9/7 درصد و در کلاس شوری متوسط تا شدید (S2) 2/31 درصد بوده است. وسعت اراضی لخت و بایر و کفههای نمکی نیز از ۳۰۰۵ هکتار به ۸۴۴۶ هکتار رسیده که در حدود ۱۸۱ درصد بر وسعت آنها افزوده شده است.

ثنایی نژاد و همکاران، ۱۳۸۹؛ پژوهشی تحت عنوان ” بررسی قابلیت تصاویر ماهواره لندست ETM+ در مطالعات شوری خاک” در دشت نیشابور انجام دادند. در این مطالعه طبقه بندی کلاسهای مختلف شوری خاک با استفاده از الگوریتمهای متداول طبقه بندی و بر اساس بهترین ترکیبات باندی و همچنین استفاده از آنالیزهای آماری جهت ارائه مدلی مناسب بین متغییر شوری خاک و ارزش رقومی تصاویر ماهوارهای انجام شد و نتایج نشان دادند که باندهای انعکاسی ۳،۴،۷و۱ سنجنده ETM+، مناسبترین ترکیب باندی برای تهیه تصاویر کاذب رنگی و طبقه بندی کلاسهای شوری در این منطقه است. بر اساس آنالیزهای آماری بالاترین ضرایب تبیین با مقادیر R2= 0.311 و R2= 0.44 به ترتیب برای خاکهای شور و غیر شور در باند ۳ و ۲ سنجنده ETM+ به دست آمد که در سطح احتمال ۵% معنی دار بودند.بر اساس این نتایج در مجموع قابلیت توانایی دادههای رقومی سنجنده ETM+ برای تفکیک و شناسایی کلاسهای مختلف شوری خاک در این منطقه محدود ارزیابی شد.

خادمی و همکاران، ۱۳۹۱؛ با استفاده از تصاویر ماهواره لندست و به کمک علم سنجش از دور و GIS، شوره زارهای اطراف دریاچه ارومیه را در یک دوره ۱۳ ساله مطالعه، و تغییرات مساحت شوره زارها و اثرات زیست محیطی آن را بررسی کردند و نشان دادند که افزایش اراضی شور روند بسیار سریع افزایشی دارد آنچنان که در سال ۱۹۹۸، مساحت شوره زارها ۵۱۶/۲۸ کیلومترمربع و در سال ۲۰۱۱ به ۴۱۱/۷۴۴ کیلومترمربع افزایش یافته است، که این مقدار تقریبأ ۲۶ برابر سال ۱۹۹۸ است. در صورتیکه این روند به همین ترتیب ادامه یابد میتواند منجر به خارج شدن اراضی حاصلخیز از عرصه تولیدات کشاورزی شود.

منابع خارجی:

شاهید[۷] و همکاران ، ۲۰۱۰؛ در بررسی که با عنوان “نقشه برداری و پایش شور شدن خاک با استفاده از سنجش از دور وGIS و روشهای مرسوم مدلسازی” انجام دادند به این نتیجه رسیدند که تصاویر سنجش از دور و GIS بزرگترین ابزار برای نقشهبرداری سطح خاکهای شور در سطوح منطقهای و کشوری است با این حال ارزیابی شوری در ناحیه ریشه را محدود میکند. تلفیق تفسیر تصاویر سنجش از دور با دادههای میدانی بهترین روش برای بهبود پیش بینی شوری و همچنین مناسبترین تکنیک برای نقشهبرداری شوری در مقیاسهای کوچک است و در مناطقی که از آبهای شور برای اهداف آبیاری استفاده میشود، ابزارهای پایش ونقشهبرداری شوری مزارع نظیر معرف الکترومغناطیس(EMI)، EM38 و Ec سنج برای فهمیدن روزانه وضعیت شوری در مزارع آبیاری شده و مدیریت خاکها برای بهبود تولیدات کشاورزی توصیه میشود.

گائو فانگ[۸] و همکاران، ۲۰۱۱؛ در تحققیقی که تحت عنوان مطالعه تغییرات دینامیک شوری خاک در قسمت بالایی رودخانه طارمین (طویلترین رودخانه درون مرزی در کشور چین) انجام دادند تلاش کردند، که تغییرات دینامیک مکانی و زمانی شوری خاک در قسمت بالایی رود طارمین را بر اساس RS، GIS وGPS و تودهای از مخزن اطلاعات، پایش و تفسیر کنند و به همین منظور برای سیستم کلاسبندی نمک خاک این منطقه تصاویر سنجش از دور در فصول بهار را بترتیب از سال ۱۹۹۹، ۲۰۰۴ و۲۰۰۸ جمعآوری و آنالیز کردند و نشان دادند که مساحت کل خاکهای شور روند افزایشی داشته و این مقدار ازhm2 67/1225918 در سال ۱۹۹۹ به hm2 03/1268030 در سال ۲۰۰۸ رسیده است. و مچنیین نشان دادند که در کل انواع مختلف از درجات و تغییرات مکرر خاکهای شور بتدریج کند شده است و پروژههای دولتی توزیع آب نقش قاطع و مهم در بهبود خاکهای شور و نیز ترویج محیطهای اکولوژیکی در منطقه مورد پژوهش ایفا میکنند. قابل ذکر است که رودخانه طارمین بزرگترین مانع محدودکننده توسعه اقتصادی جمعی و پایداری اکولوژیکی منطقه بشمار میآید.

البد[۹] و همکاران ۲۰۱۴؛ سطوح شوری خاک را در منطقه آل حصا (شرق عربستان) که با نخلستانها پوشیده شده است، ارزیابی کردند. در این مطالعه از دادههای زمینی و سنجش از دور برای تعیین شاخصهای شوری خاک و پوشش گیاهی استفاده کردند و تعداد ۱۴۹ مورد نمونهبرداری به روش نمونهبرداری منظم شبکهای و سیستماتیک از منطقه مورد مطالعه انجام دادند و ۱۳شاخص شوری و پوشش گیاهی را از تصاویر IKONOS استخراج کردند سپس قدرت بیش بینی کننده این شاخصهارا برای شوری خاک، تست کردند که از بین این شاخصها، شاخص پوشش گیاهی تعدیل شده خاک (SAVI)، شاخص شوری تفاضلی نرمال شده (NDSI) و شاخص شوری (SI_T) به عنوان بهترین شاخص جهت ارزیابی شوری خاک در زمینهای کاشته شده با پوشش گیاهی یکنواخت و متراکم انتخاب شدند. در مقابل شاخصهای NDSI و SI-T برای زمینهای با تراکم کم پوشش گیاهی و خاکهای لخت، همبستگی بالا و مهمی را نشان دادند. در حالت کلی آنها با استفاده ازشاخصهای استخراج شده از تصاویر IKONOS خاکهای شور واقع شده در مناطق پوشیده از نخل را با موفقیت ارزیابی کردند.

الدابا[۱۰] و همکاران، ۲۰۱۴؛ در منطقه غرب تگزاس امریکا به ارزیابی شوری خاک پرداختند. این مطالعه به بررسی امکان استفاده از سه روش مختلف برای پیشبینی ارزیابی شوری خاک، طیف سنجی مادون قرمز نزدیک مرئی در سطح(VisNIR DRS)، طیف سنجی با استفاده از دستگاه X-ray‌ قابل حمل (PXRF)، و سنجش از دور پرداخته است. ۷۴ نمونه از انواع خاکها از عمق ۵-۰ سانتی متری با سطوح شوری متفاوت انتخاب کردند و با استفاده از دو روش VisNIR DRS و PXRF تحت شرایط آزمایشگاهی شوری خاکها را سنجیدند سپس این دادهها را با دادههای لندست مقایسه کردند. در آخر این نتیجه حاصل شد که تعیین شوری خاک در آزمایشگاه زمانبر بوده در عوض استفاده از این سه روش سریع و آسان است و مدلهای پیشبینی کننده ترکیبی از این سه روش پتانسیل عالی برای اندازه گیری شوری خاک ارائه میکند. بخصوص استفاده از دادههای ماهوارهی لندست برای مناطق با وسعت وسیعتر همراه با کالیبراسیون مناسب است.

اسکاقز[۱۱] و همکاران، ۲۰۱۵؛ شوری خاک را در غرب درهی سان جون[۱۲] ایالت کالیفرنیای آمریکا، با استفاده از تصاویر ماهواره لندست در یک دوره هفت ساله(۲۰۱۳-۲۰۰۷) ارزیابی کردند برای این مطالعه از دو مجموعه داده زمینی استفاده کردند که ۲۶۷ مورد اندازه گیری مستقیم شوری نمونههای ECe خاک و۴۸۹۱ مورد ارزیابی غیرمستقیمECe از روی تصویر ماهواره ای بودند نتایج نشان دادند که مجموعه داده های واقعی زمین ECe، همبستگی بالای با بازتاب طیفی ثبت شده تصاویر لندست ۷ دارند و پیشنهاد کردند که تلفیقی از دادههای بازتاب L7 با اطلاعاتی در مورد شرایط آب و هوا، نوع محصول و بافت خاک می تواند به یک مدل پیش بینی شوری قابل اعتماد برای کل غربی دره سان جون منجر شود.

جمع بندی پیشینه تحقیق

جمعبندی پیشینه تحقیق نشان میدهد، که نقشه شوری خاکهای ایران به سبب کوچکی مقیاس، قدیمی و منسوخ بودن روش طبقه بندی آن، نمیتواند پاسخگوی نیازهای فعلی باشد، و نیاز به تهیه نقشه شوری خاک با مقیاسهای بزرگتر احساس میشود. در این راستا با پیشرفتهای نوین و فناوریهایی مانند سنجش از دور( به ویژه پردازش رقومی تصاویر ماهوارهای جدید) که سبب کاهش چشمگیر در مطالعات میدانی، زمان و هزینه شده، امکان مطالعه و تهیه نقشههای خاک فراهم شده است. از طرفی همانطور که ملاحظه میشود، تمامی کارهای تحقیقاتی که در زمینه شوری خاک در کشورمان انجام گرفته است همگی با استفاده از تکنیکهای پیکسل پایه بوده است و یا موارد خیلی کمی با استفاده از تکنیکهای شیءپایه کار شده است و با توجه به اینکه برتری تکنیکهای جدیدی همچون تکنیکهای شیءپایه نسبت به تکنیکهای کلاسیک بارها اثبات شده است در مطالعهی حاضر سعی بر آن خواهد بود که روند گسترش شوری با استفاده از تکنیکهای شیءپایه بررسی شده و الگوریتم های مناسب برای این منظور معرفی شود.

مواد و روش

منطقه مورد مطالعه:

محدوده مورد مطالعه در این جلگه شرقی دریاچه ارومیه می باشد که شامل شهرستانهای شبستر، اسکو، آذرشهر و عجب شیر میباشد. محدوده مورد مطالعه به مساحت تقریبی ۵/۵۹۳ هزار هکتار بین ۴۸/۳۸ تا ۳۷/۳۷ عرض شمالی و ۴۶/۳۴ تا ۰۸/۴۵ طول شرقی واقع شده است. بخش وسیعی از اراضی این منطقه شامل اراضی زراعت آبی و باغی می باشد که به دلیل خشکی دریاچه ارومیه تحت شوری قراردارند. با توجه به عقب نشینی دریاچه ارومیه و گسترش روند شوری اراضی در محدوده های شرقی دریاچه ارومیه، تحقیق حاضر پایش تغییرات شوری خاک در این منطقه را مد نظر قرار داده است تا روند گسترش شوری اراضی مدلسازی گردد.

داده های مورد استفاده در تحقیق

در این مطالعه از دو نوع داده شامل تصاویر ماهوارهای و دادههای بدست آمده از GPS در طی عملیات میدانی استفاده خواهد شد. تصاویر ماهوارهای مورد استفاده شامل تصاویر ماهوارهای لندست بین سالهای ۲۰۱۵-۲۰۰۰ با بازهی زمانی ۱ سال خواهند بود با توجه به هدف مطالعه، ابتدا مراحل پیش پردازش تصاویر در محیط نرم افزاری ENVI 5.1 وERDAS IMAGIN 2014 انجام خواهد گرفت و پس از این اعمال، تصاویر و لایههای اطلاعاتی GIS شامل (اطلاعات توپوگرافی حاصل از DEM 30 متری منطقه، کلاسبندی خاک، شاخص پوشش گیاهی(NDVI) و …) به منظور طبقه بندی دانش پایه و اعمال الگوریتمهای مختلف وارد محیط نرم افزار eCognation خواهند شد. که این پردازشها شامل الگوریتمهایی(Brightness ,NDVI, NDSI,SIو نسبتهای باندی مختلف و …) برای شناسایی خصوصیات شوری خاکها و انتخاب مناسبترین شاخص برای منطقه مورد مطالعه خواهد بود. سپس در مرحله پسپردازش، روند تغییرات شوری خاک مورد ارزیابی قرار خواهد گرفت.

روشها و تکنیکهای شیء پایه

  • سگمنت سازی تصاویر

سگمنت به معنی گروهی از پیکسلهای همسایه در داخل یک ناحیه است که شباهت (نظیر ارزش عددی و بافت) مهمترین معیار مشترک آنهاست. در پردازش شیءگرا از تصاویر، اشیاء به وسیله گروهی از پیکسلها مطابق با معیار همگنی و ناهمگنی شکل میگیرند که مهمترین فرایند در پردازش شیءگرای تصاویر محسوب میشود. در سگمنتسازی طیفی برای دخالت دادن اشکال بافتی تصاویر از محیط هندسی اشیاء، معیار همگنی شکلی نیز محاسبه میشود که شامل دو معیار فشردگی و نرمی میباشد. سگمنتسازی در ساختن بلوکهایی برای تحلیل شیءگرای تصاویر اهمیت زیادی دارد. سگمنتسازی عناصر تصویر را بر اساس بافت، تن رنگ و شکل تفکیک مینماید. در فرآیند سگمنت سازی مفسر میتواند عوامل تفسیر بصری تصاویر ماهوارهای شامل، شکل، رنگ و الگو را دخالت دهد. رویه سگمنت سازی در eCogination سگمنتسازی چند تفکیکه است. تکنیک چند تفکیکه اتصال- نواحی فرآیندی از بالا به پایین میباشدکه با شیءهای یک پیکسل آغاز میشود. در مراحل متعدد بعدی، شیءهای تصویری کوچک در داخل یک شیء تصویری بزرگتر ادغام میشود تمام این زوجهای هوشمند، در فرآیند خوشه سازی و بهینهسازی براساس وزن ناهمگنی تقلیل یافته و شیءهای تصویری را نتیجه میدهند. در هر مرحله که زوجی از شیءهای تصویری ادغام میشود، به صورت رشدهایی کوچک با ناهمگنی نامعین نشان داده میشود. اگر این رشدهای کوچک از آستانهای که به وسیله پارامتر مقیاس تعریف شده است تجاوز کند فرآیند سگمنتسازی متوقف میشود. در طول فرآیند سگمنتسازی، تمام تصویر سگمنتسازی شده و شیءهای تصویری بر اساس معیار همگنی در رنگ و شکل تولید میشوند. تنظیم پارامتر مقیاس مستقیماً در میانگین اندازه شیءها تاثیر میگذارد. ارزش بزرگ اجازه ایجاد شیءهای تصویری بزرگ را داده و برعکس با انتخاب عددی کوچک به عنوان مقیاس سگمنت سازی، شیءهای تصویری کوچک ایجاد میشود. علاوه بر روش سگمنت سازی و پارامتر مقیاس، رنگ و شکل نیز از عوامل مهم در کیفیت سگمنتسازی تصویر است.

در حالت کلی مراحل به صورت زیر انجام خواهند گرفت:

  • تلفیق دادههای سنجش از دور و GIS شامل ( تصاویر ماهوارهای، توپوگرافی و …)
  • قطعه بندی (سگمنت سازی[۱۳])
  • ایجاد سیستم دانش پایه با تعریف اطلاعات برای کلاسهای مختلف
  • تعریف شرایط کلاسبندی برای هر یک از کلاسها
  • تفکیک شیءهای نمونه آموزشی
  • انجام طبقه بندی تصاویر بر مبنای الگوریتم های فازی و روش نزدیکترین همسایه
  • ارزیابی صحت طبقه بندی با استفاده از نسبت پایداری طبقه بندی، دقت کلی و ضریب کاپا
  • آشکارسازی تغییرات شوری خاک
  • طبقه بندی فازی براساس تکنیکهای شیءگرا

طبقه بندی فازی تکنیکی است که در این پژوهش استفاده خواهد شد. این روش ارزش عوارض را به ارزش فازی(بین صفر و یک) با درجه عضویت معین برای هر طبقه تبدیل میکند. تبدیل ارزش عوارض به ارزش فازی اجازه همگونسازی و ترکیب عوارض در دامنههای متفاوت را فراهم میآورد. طبقه بندی فازی حتی انطباق و وفقپذیری توصیفات عوارض را فراهم میآورد. در eCognition هر طبقه دارای توصیفات خاص خود است و توصیفات هر طبقه مشتمل بر مجموعهای از شرایط است که بر اساس عملگرهای فازی تعیین میشود. این شرایط برای هر طبقه به صورت جداگانه تعریف میشود که در طبقه بندی شیءگرای تصاویر در محیط نرم افزار eCognition از اهمیت بالایی برخوردار بوده و مبنای طبقه بندی فازی را تشکیل میدهد. عملگرهای منطق فازی بدین شرح میباشند:

(Max)or: عملگری با حداکثر ارزش بازگشتی از ارزش فازی

(arithm) Mean: میانگین حسابی ارزش فازی

(geo) Mean: میانگین هندسی ارزش فازی

(*) And: عملگر بازگشتی به عنوان حاصلضربی از ارزش فازی

طبقه بندی فازی متناسب با شرایطی است که مفسر برای هر کلاس تعیین میکند. این شرایط به وسیله توابعی که برای کلاسها بیان میگردد، تعریف میشود که میتواند بصورت تابع عضویت، شبیه سازی کلاسها یا نزدیکترین همسایه باشد. در eCognition تعریف شرایط مناسب برای هر کلاس، مبنای طبقه بندی فازی را تشکیل میدهد. با تعیین ویژگیهای مربوط به اطلاعات طیفی و ویژگیهای هندسی کلاسهای کاربری اراضی در طی فرآیند پردازش تصویر، میتوان از عملگرهای منطق فازی استفاده نموده و شرایط مناسب برای طبقه بندی را تعریف نمود. در تعریف شرایط طبقه بندی مفسر میتواند از پارامترهای طیفی و بصری (شامل بافت، شکل، تن رنگ و …) استفاده نموده و با تعریف یکی یا مجموعهای از این عوامل و همچنین تعیین نسبت اهمیت هر یک از این عوامل در فرآیند طبقه بندی کلاسها را تعریف نماید.

  • استفاده از الگوریتم نزدیکترین همسایه

نرم افزار eCognition به منظور کاربرد روش فازی نوعی از طبقه بندی نزدیکترین همسایه را ارائه میدهد که از این طریق تابع عضویت چند بعدی بطور اتوماتیکی تولید میشود. اصول نزدیکترین همسایه عبارت است از :

  • ارائه مجموعهای از شیءهای نمونه برای هر کدام از کلاسها.
  • الگوریتمی که عملیات جستجو برای شیءهای مشخص را در فضای سطوح برای هر کدام از شیءهای تصویری انجام دهد.

تمام کلاسهای ارزیابی در محیط نرم افزار eCognition به وسیله ارزیابی ارزشهایی در محدوده صفر (عدم ارزیابی) تا یک (ارزیابی کامل) انجام میشود. بدیهی است که شیءهای تصویری مستقر در فضای عوارض نمونهها، از درجه عضویت بالایی برای آن کلاس برخوردارند. با تابع عضویت قاعده اساسی توسعه به شکل وابستگیهای چند بعدی مهیا شده، فرآیند طبقه بندی به آسانی امکانپذیر میگردد.

دلایل کاربرد تابع نزدیکترین همسایه عبارت است از :

  • برقراری ارتباط بین عوارض شیء به صورت مطلوب قابل ارزیابی است.
  • همپوشانها در فضای عوارض از نظر ابعاد گسترش پیدا کرده، میتوانند کنترل شوند.
  • این الگوریتم امکان کنترل سریع سلسله مراتب کلاسی برای طبقه بندی را فراهم میآورد ( بدون عوارض مرتبط – کلاسها) اگر تعداد معقولی از شیءهای نمونه برای هر کدام از کلاسها باشد، فضای عوارض بایستی کوچکتر از حد امکان برای نزدیکترین همسایه باشد.

در فرآیند طبقه بندی با الگوریتم نزدیکترین همسایه در روش طبقه بندی شیءگرا، پیکسلها براساس وزنشان به کلاسهای مختلف نسبت داده میشود (طبقه بندی نرم) در این روش طبقه بندی، پیکسل آمیخته، از یک درجه عضویت برای هر کلاس برخوردار است و براساس منطق فازی متناسب با بیشترین درجه عضویت در یک کلاس خاص طبقه بندی میشود. برخلاف طبقه بندی پیکسل پایه، طبقه بندی با الگوریتم نزدیکترین همسایه در روش شیءگرا، نیازمند نمونههای آموزشی کمتری است چون هنگامی که یک شیء تصویری به عنوان نمونه آموزشی انتخاب میشود، آن شیء تصویری خود پیکسلهای متعددی را پوشش میدهد. به هنگام استفاده از طبقه بندی نزدیکترین همسایه، بالاترین درجه عضویت، نزدیکترین فاصله از یک نمونه معین را نشان میدهد. برای هر کدام از شیءهای تصویری افزایش شیب تابع نزدیکترین همسایه میتواند باعث افزایش نتیجه بهترین طبقه بندی گردد. در این روش، میتوان پیکسلهای مشابه از لحاظ ویژگیهای طیفی را به عنوان پیکسلهای مورد پذیرش انتخاب و از آنها تحت عنوان نواحی تعلیمی استفاده نمود.

با توجه به توانمندی تفکیک مطلوب کاربریها، در روند طبقه بندی تصاویر از روش تحلیل شیءگرای تصاویر استفاده خواهد شد که علاوه بر اطلاعات طیفی به اطلاعات مربوط به بافت، شکل و محتوا نیز استناد میشود.واحدهای اساسی پردازش در تحلیلهای شیءگرا، شیءهای تصویری (سگمنتها) هستند نه پیکسلها. طبقه بندی شیءگرا فرآیندی است که کلاسهای پوشش اراضی را به اشیاء تصویری پیوند میدهد و هریک از شیءهای تصویری با درجه عضویت معین به کلاسهای در نظر گرفته شده اختصاص مییابند. فرآیند طبقه بندی در محیط نرم افزاری eCoginition بصورت یک فرآیند تکرارپذیر انجام میگیرد تا بالاترین درجه عضویت برای هر کدام از ارزشهای تصویری حاصل آید. در پایان نتایج بدست آمده جهت کارتوگرافی مناسب برای خروجیها به محیط GIS انتقال داده شده و نسبت به طراحی پایگاه داده آن اقدام می شود. شکل ۱ مهمترین مراحل انجام تحقیق را نشان می دهد.

مراحل مختلف تحقیق

نتايج مورد انتظار

  • مدلسازی روند گسترش شوری اراضی و آشکارسازی تغییرات آن
  • ارائه بهترین الگوریتم جهت مطالعه شوری اراضی به روش دانش پایه
  • مشخص کردن همبستگی شوری اراضی با ویژگیها و نوع خاک و پوشش گیاهی
  • مشخص شدن توزیع و پراکنش شوری در ارتباط با خصوصیات توپوگرافی منطقه

معيار ارزيابي موفقيت

انطباق با دادههای موجود مربوط به شوری خاک سازمان جهاد کشاورزی استان آذربایجانشرقی و دادههای برداشت شده در طی عملیات میدانی برای ارزیابی دقت نتایج

زمان بندی:

ردیف

مراحل انجام پژوهش

مدت زمان لازم (ماه)

تاریخ شروع این مرحله

تاریخ اتمام این مرحله

۱

جمع آوری دادهها و بررسی مطالعات پیشین

۲

آبان۹۴

دی۹۴

۲

انجام پیش پردازش و آماده سازی تصاویر

۲

بهمن۹۴

فروردین۹۵

۳

پردازش تصاویر و انجام تحلیلهای لازم برای پاسخگویی به سؤالات تحقیق

۳

اردیبهشت۹۵

تیر۹۵

۴

تنظیم گزارش و ارائه نهایی گزارش

۲

مرداد۹۵

شهریور۹۵

* تاریخ احتمالی دفاع از پایان نامه: شهریور ۱۳۹۵

منابع:

  1. آلفرد هوتو،۱۳۸۶، دورسنجی خاکها و فرآیندهای خاک، پایگاه دادههای علوم زمین کشور.
  2. تقی زاده مهرجردی، روح الله، فریدون، سرمدیان، محمود، امید، غلامرضاف ثواقبی، محمد، جواد روستا، و محمد حسن، رحیمیان. ۱۳۹۱٫ پهنه بندی شوری خاک با استفاده از تکنیکهای زمین آمار و دستگاه القاءگر الکترومغناطیس در منطقه اردکان.
  3. خادمی، فاطمه، حسین، پیرخراطی، و سجاد، شاه کرمی.۱۳۹۱٫ مطالعه روند افزایش خاکهای شور اطراف دریاچه ارومیه با استفاده از GIS و RS.
  4. دائم پناه، راضیه، غلامحسین، حق نیا، امین، علیزاده، و علیرضا، کریمی کارویه. ۱۳۹۰٫ تهیه نقشه شوری و سدیمی خاک سطحی با روشهای دورسنجی و زمین آماری در جنوب شهرستان مه ولات. نشریه آب و خاک. ص ۵۰۸-.۴۹۸
  5. دشتکیان، کاظم، مجتبی پاکپرور، و جلال عبدالهی. ۱۳۸۶٫ بررسی روشهای تهیه نقشه شوری خاک با استفاده از دادههای ماهوارهای لندست در منطقه مروست.
  6. شریفیکیا، محمد و عباسعلی افضلی. ۱۳۹۱٫ پایش و تحلیل روند افزایش شوری خاک در مخروط افکنه دامغان با استفاده از دادههای ماهوارهای و پیمایشی. جغرافیا و مخاطرات محیطی: ۸۶-۷۳
  7. علوی پناه، سید کاظم. ۱۳۸۲٫ کاربرد سنجش از دور در علوم زمین( علوم خاک). دانشگاه تهران
  8. فیضیزاده، بختیار و حسین هلالی. ۱۳۸۸٫ مقايسه روشهای پيكسل پايه شیءگرا، و پارامترهای تاثير گذار در طبقه بندی پوشش / كاربري اراضي استان آذربايجان غربی. پژوهشهای جغرافيای طبيعی، شماره بهار، ۷۱٫
  9. فیضیزاده، بختیار، محمد حسین، رضایی مقدم، مجید، رضایی بنفشه، و حسین، نظمفر. ۱۳۸۷٫ طبقه بندی پوشش اراضی/ کاربری اراضی براساس تکنیک شیءگرا و تصاویر ماهوارهای(مطالعه موردی: استان آذربایجان غربی). پژوهشهای آبخیزداری.
  10. مسعودی، مسعود، ۱۳۸۰، بررسی قابلیت تصاویر ماهواره‌ای در طبقه‌بندی خاک‌های تحت‌تأثیر شوری و قلیائیت، تحقیقات مرتع و بیابان ایران (۴)، مؤسسه تحقیقات جنگل‌ها و مراتع.
  11. Aldabaa, A,A.A, D.C.Weindorf, S.Chakraborty, A.Sharma, B. Li. 2015. Combination of proximal and remote sensing methods for rapid soil salinity quantification.
  12. Allbed, Amal. Lalit Kumar,.Yousef Y. Aldakheel,.2014. Assessing soil salinity using soil salinity and vegetation indices derived from IKONOS high-spatial resolution imageries: Applications in a date palm dominated region.
  13. Amal Allbed, Lalit Kumar. 2013. Soil Salinity Mapping and Monitoring in Arid and Semi-Arid Regions Using Remote Sensing Technology.
  14. Fan, Gao. Qiang, H. Xiaoyi, S. Zhenglong, Y. 2011. Study on Dynamic Changes of the Soil Salinization in the Upper Stream Tarmin River Based On RS and GIS.
  15. P. Dale, et al., “Classification of Reflectance on Colour Infrared Aerial Photographs and Sub-Tropical Salt-Marsh Vegetation Types,” International Journal of Remote Sensing, Vol. 7, No. 12, 1986, pp. 1783-1788.
  16. P. Dale, et al., “Classification of Reflectance on Colour Infrared Aerial Photographs and Sub-Tropical Salt-Marsh Vegetation Types,” International Journal of Remote Sensing, Vol. 7, No. 12, 1986, pp. 1783-1788. http://dx.doi.org/10.1080/01431168608948968
  17. Scudiero, E., Skaggs, T, H., Corwin, Dennis L. 2015. Regional scale soil salinity evaluation using Landsat 7, western San Joaquin Valley, California, USA.
  18. Shahid, S.A. Abdelfattah, M.A.Omar, Samira,A.S. Harahsheh, H. Othman, Y, and Mahmoudi, A. 2014. Mapping and Monitoring of Soil Salinization Remote Sensing, GIS, Modeling, Electromagnetic Induction and Conventional Methods- Case Studies.
  19. Yan, GAO., 2003, Pixel Based and Object Oriented Image for Coal Fire Research.

واژه نامه:

ردیف

معادل فارسی

مخفف

لاتین

۱

هدایت الکتریکی

EC

Electrical Conductivity

۳

شاخص تفاضلی شوری خاک

NDSI

Normalized Difference Salt Index

۴

سگمنت سازی چند تفکیکه

MRS

Multi resolution Segmentation

۵

شاخص پوشش گیاهی نرمال شده

NDVI

Normalized Difference Vegetation Index

۶

لایه رقومی ارتفاعی

DEM

Digital Elevation Model

۷

شاخص شوری

SI

Salt Index

۸

شاخص روشنایی

BI

Brightness Index

  1. Alfredo huete

  2. Gao Fan

  3. Marcus

  4. Albed

  5. Dale

  6. Gao Yan

  7. Shahid

  8. Gao Fan

  9. Amal Allbed

  10. aldaba

  11. Skaggs

  12. San Joaquin Valley

  13. Segmentation

Netshahr Netshahr

نقصان خاک بویژه شوری یک مسئله اساسی زیست محیطی است که بر جنبه های حیاتی زیست محیطی از جمله امنیت غذایی، کاهش تولید و کاهش حاصلخیزی زمین های کشاورزی، از بین رفتن تنوع زیستی و تغییرات اقلیمی جهانی تأثیر میگذارد. استفاده از اطلاعات بهنگام خاک هر منطقه میتواند، کمک زیادی به مطالعه روند شور شدن خاک و کاهش بیابانزایی نماید. در این راستا تکنیکهای سنجش از دور و GIS، روشهای بسیار مناسبی برای جمعآوری اطلاعات، تصمیمگیری سریع، دقیق و با صرفه محسوب میگردند. جهت انجام این مطالعه از تصاویر ماهواره لندست بین سالهای 2015-2000 با بازه زمانی یک ساله، و نیز از دادههای توپوگرافی و خاکشناسی شامل: شیب، جهت شیب، بافت خاک و نوع خاک استفاده خواهد شد. در این مطالعه سعی خواهد شد بهترین روشها و معیارها جهت ارزیابی شوری با استفاده از تکنیکهای سنجش از دور بویژه روش شیءگرای تصاویر ماهوراهای جهت مدیریت بهتر و کارآمد منابع طبیعی ارائه شود. به همین منظور تصاویر پس از انجام تصحیحات لازم، در محیط نرم افزاری eCognition پردازش شده و از الگوریتم های شئ پایه برای ارزیابی روند گسترش شوری در اراضی، همچنین از تلفیق لایه های اطلاعاتی جهت حصول نتایج بهتر و از دادههای زمینی EC جهت اعتبارسنجی نتایج استفاده خواهد شد. نتایج این تحقیق در تشخیص کارآمدی الگوریتم های شیءگرا برای شناسایی محدوده های تحت شوری و همینطور مدلسازی گسترش شوری در جلگه شرقی دریاچه ارومیه به عنوان یکی از قطبهای کشاورزی استان آذربایجان شرقی دارای اهمیت مضاعفی می باشد.

مطالب مرتبط