این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی و مدیریت آبخیز، جلد ۲، شماره ۴، صفحات ۲۱۱-۲۲۰
عنوان فارسی شنا‎سایی خاک‌های شور منطقه کاشان‎ ‎بر مبنای پردازش رقومی ‌داده‌های ماهواره ‌‎ IRS-۱D‎‌ و مطالعات میدانی
چکیده فارسی مقاله شوری و شور شدن خاک یکی از مشکلات رو به افزایش در مناطق خشک و نیمه خشک است. در سال­های اخیر استفاده از روش­های دورسنجی ­و سامانه‌های اطلاعات جغرافیایی (GIS) به­منظور تفکیک خاک­های شور مورد توجه بسیاری از محققین قرار گرفته است؛ زیرا تصاویر دور­سنجی ­دارای پوشش وسیع و یک­پارچه با شرایط زمانی یک­سان از پدیده­ها، موجب صرفه­ جویی در زمان و هزینه­‌های مطالعه می‌شود. در این تحقیــق تصاویر سنجنده LISS- III از ماهواره هندوستان (IRS) به­ کار گرفته شد.شاخص BI توانست ضمن تفکیک نواحی با شوری شدید از نواحی غیرشور، جدا کند. شاخص SI نسبت به BI با کیفیت بالاتری نواحی با شوری شدید، خیلی شور و غیرشور را جدا نمود. نتایج طبقه‌بندی نظارت شده بدون تلفیق با مدل رقومی ارتفاع، دارای دقت کلی 76 درصد، دقت تولید کننده 78 درصد و دقت کار­بر 82 در صد بود. در حالی‌که طبقه‌بندی نظارت شده نوارهای سنجنده و مدل رقومی ارتفاع دارای دقت کلی 98.1 درصد، دقت تولید کننده 98.28 درصد و دقت کار­بر 98.4 در­صد شد. علت دقت کم طبقه‌بندی، پیش از ترکیب داده­های سنجنده و ­مدل رقومی ارتفاع را می‌­توان به تداخل طیفی اراضی شور و شور و مرطوب با اراضی غیر شور (اراضی با 25 تا 65 درصد سنگ‌ریزه در سطح) نسبت داد؛ اما این دو نوع اراضی دارای موقعیت پستی و بلندی متفاوت بودند، ­به­‌طوری­که اختلاف ارتفاع آن­ها معادل 200 متر است. بنابر­این با ترکیب مدل رقومی ارتفاع، این دو نوع اراضی و اراضی، که وضعیت مشابهی داشتند، به‌خوبی از یک­دیگر تفکیک شدند.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Characterization of Soil Salinity in Arid Region of Kashan by ‎Digital Processing of IRS_1D Data
چکیده انگلیسی مقاله Soil salinity is one of the main increasing problems of the world. In the recent years application of remote sensing and GIS techniques in order to assess saline soils is used because they bring about vast uniform coverage of ground phenomena in a short time. The images of LISS III sensor of the Indian satellite (IRS) were used in this research. The Brightness index (BI) could discriminate highly saline soils from non –saline and the salinity index (SI) show high potential to separate very high, high and non- saline soils. Results of supervised classification without combination DEM and remote sensing data have overall accuracy of 76%, producer accuracy of 78% and user's accuracy of 82%. While in supervised classification combination of remotely sensed data and DEM have overall accuracy of 98.1% , producer accuracy of 98.28% and user's accuracy of 98.4% .The reason for low accuracy of the classification , before combination of remote sensing and topographic data , can be explained by highly moist saline soils spectral interference with non-saline soils (soil with 25 to 65% gravels) , but these two soils had different topographic condition with 200 meters elevation difference , thus , with combination of the DEM , this kind of area and other areas with similar conditions have been separated from each other.
کلیدواژه‌های انگلیسی مقاله Brightness index, DEM, GIS, RS, Salinity index
نویسندگان مقاله حمیدرضا متین فر |
استادیار دانشکده کشاورزی، دانشگاه لرستان
سازمان اصلی تایید شده: دانشگاه لرستان (Lorestan university)

فریدون سرمدیان |
استادیار دانشکده مهندسی علوم خاک، دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

سیدکاظم علوی پناه | seyed kazem
استاد دانشکده جغرافیا، دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

نشانی اینترنتی http://jwem.areo.ir/article_101911_3340df371d10afcd85b450d49b757c7c.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1259/article-1259-421682.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات