ارزیابی روش های مدل سازی و طبقه بندی نظارت شده در تهیه نقشه شوری خاک با استفاده از تصاویر ASTER و ETM

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشگاه سمنان

2 هیات علمی دانشکده جغرافیای دانشگاه تهران

3 استاد تمام دانشکده منابع طبیعی دانشگاه یزد

4 کارشنارس اداره منابع طبیعی و آبخیزداری اردکان (یزد)

چکیده

چکیده
سابقه و هدف: شناسایی مناطق شور و تهیه نقشه‌های رقومی میزان شوری خاک‌ها، گامی موثر در مدیریت صحیح اراضی شور به شمار می‌رود. از آنجا که بخش وسیعی از کشور ما را اراضی شور تشکیل می‌دهد، اهمیت این موضوع بشدت احساس می‌شود. شوری خاک یکی از مراحل تخریب زمین بوده که منجر به کاهش بهره‌وری نهایی در خاک می‌شود. شوری خاک می‌تواند ناشی از فرایندهای طبیعی یا اعمال انسانی باشد اما در هر صورت یکی از مخاطرات جدی محیط می باشد. لذا تهیه نقشه شوری خاک باعث ارتقاء سطح مدیریت شده و در فرایند تصمیم گیری برای برنامه ریزی توسعه پایدار مورد استفاده قرار می گیرد. امروزه تهیه نقشه‌های شوری خاک به کمک تصاویر ماهواره‌ای و تکنیک‌های سنجش از دور براحتی امکان‌پذیر است و تحقیقات زیادی جهت پایش شوری خاک به کمک تصاویر ماهواره‌ای در اکثر نقاط جهان انجام شده است. با توجه به مشکلات تولید نقشه‌های شوری خاک از داده‌های ماهواره‌ای در این تحقیق دو رویکرد مدل سازی و طبقه‌بندی در تولید نقشه‌های خاک ارزیابی شده‌اند. هدف از تحقیق حاضر نیز ارزیابی روش مدل‌سازی و طبقه‌بندی‌های نظارت شده به منظور تهیه نقشه شوری خاک با استفاده از تلفیق تصاویر ASTER و ETM (که کمتر مورد توجه قرار گرفته است) در شرق دشت سمنان می-باشد.
مواد و روش‌ها: به منظور انجام تحقیق حاضر ابتدا، پس از تعیین موقعیت منطقه، با تشکیل یک شبکه بر روی تصویر منطقه، موقعیت نقاط نمونه‌برداری مشخص گردید. در مرحله بعد با انجام پیمایش‌های صحرایی، نمونه-برداری انجام و سپس مقدار EC اندازه‌گیری شدند. سپس با اعمال پیش پردازش داده‌های ماهواره‌ای و همچنین تکنیک‌های پردازش تصویر از قبیل آنالیز مولفه‌های اصلی، ادغام باندهای چند طیفی ASTER با باند پانکروماتیک ETM+، تبدیل تسلدکپ، فیلترینگ، ایجاد شاخص‌های شوری، نسبت‌گیری طیفی و همچنین با استفاده از روش‌های‌ طبقه‌بندی نظارت شده، نقشه شوری خاک منطقه تهیه گردید.
یافته‌ها: نتایج تحقیق نشان داد که نقشه شوری تهیه شده به روش مدل‌سازی با باند 8 تصاویر ASTER، مولفه حاصل از ادغام باند پانکروماتیک +ETMبا باند5 ASTER و مولفه حاصل از شاخص شوری (Salinity2) ارتباط معنادار دارد و نتایج حاصل از اعتبارسنجی مدل با مقادیر MAE، RMSE و R به ترتیب معادل 163، 165 و 81/0 بدست آمد که دلالت بر مناسب بودن مقادیر تخمینی این مدل دارد. صحت نقشه شوری تهیه شده به روش‌های طبقه‌بندی نظارت شده نیز به ترتیب برای روش حداکثر احتمال 84% و برای روش حداقل فاصله از میانگین 74% برآورد گردید که حاکی از دقت کمتر این روش‌ها نسبت به نقشه شوری به روش مدل‌سازی می‌باشد.

نتیجه‌گیری: با توجه به نتایج بدست آمده در این تحقیق، می‌توان با تعدیل نمودن شاخص‌های شوری، شاخص-های جدیدی را جهت تهیه نقشه شوری خاک بدست آورد. همچنین نتایج نشان داد که دخالت باند سه ASTER موجب تشخیص بهتر مولفه شوری خاک شده است و این بخش از طیف الکترومغناطیس شامل (52/0-86/0، 145/2-185/2، 295/2-365/2 میکرومتر) می‌تواند در تهیه نقشه شوری خاک در مناطق مختلف مفید واقع شود.

کلیدواژه‌ها

عنوان مقاله [English]

Evaluation of modeling methods and supervised classification for mapping soil salinity using ASTER and ETM images

چکیده [English]

Abstract:
Background and objectives: Identifying the saline soils and preparing digital maps of soil salinity, is an effective step in correct management of saline lands. Since vast areas of Iran are covered by saline soils, so these maps are very important. Soil salinity is one of the stages of land degradation that eventually leads to decrease in soil productivity. Soil salinity could be caused by natural processes or human activities. However, soil salinity is a major environmental hazard. So, providing a soil salinity map for these regions, can improve the level of management. Soil salinity maps are prepared by using satellite images as easily as possible. Considering the difficulty of mapping salinity from satellite data, in this study, two approaches for modeling and classification of soil salinity maps were evaluated. The purpose of this study is to evaluate the modeling method and supervised classification of soil salinity mapping using ASTER and ETM+ images in the East of Semnan plain.
Materials and methods: After site selection and spreading a net over the image of area, we determined the location of sampling points. The soil salinity map was prepared After the following steps: measuring EC of soil samples, geometrical and radiometric modification of satellite data, applying some processing such as principal components analysis, fusion of ASTER multispectral bands with ETM+ panchromatic band, transformation of tasseled cap, filtering, producing the salinity indexes, assessment of spectral, and also using supervised classification method.
Results: the salinity map was obtained using modeling method from the eighth band of Aster satellite. The results show that the component that is obtained from integration of an ETM+ panchromatic band and band 5 of ASTER, and a component of salinity index (Salinity2) have a significant relationship. The model validation by the MAE, RMSE and R showed that the selected model has good performance. The accuracy of the salinity map which was produced by Supervised Classification method has been estimated as 84% based on maximum likelihood method and 74% based on minimum distance method. This represents that the accuracy obtained by the above mentioned methods is lower than modeling method for preparing the salinity map.
Conclusion: According to the results of the study, adjusting the salinity indicators resulted in obtaining new indicators for mapping soil salinity. A better diagnosis of soil salinity was resulted from the use of band 3 of Aster image. . So it can be suggested that a part of the electromagnetic spectrum, including (0.52 – 0.86, 2.145-2.185 and 2.295-2.365 micrometers) can be useful in mapping soil salinity in different areas.

کلیدواژه‌ها [English]

  • Keywords: Soil Salinity
  • ASTER
  • Salinity index
  • Supervised Classification
  • Semnan Plain