تخمین شوری خاک با استفاده از تصاویر سنجش از دور اپتیک و تکنیکهای محاسبات نرم
عنوان اصلي به زبان ديگر
Estimating soil salinity using optical remote sensing images and soft computing techniques
نام نخستين پديدآور
/نسا فرهمند
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: برنامهریزی و علوم محیطی
تاریخ نشرو بخش و غیره
، ۱۳۹۹
نام توليد کننده
، کبیری
مشخصات ظاهری
نام خاص و کميت اثر
۹۱ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - الکترونیکی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
سنجش از دور و سیستم اطلاعات جغرافیایی گرایش مطالعات آب و خاک
زمان اعطا مدرک
۱۳۹۹/۰۶/۱۹
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
شوری خاک، یکی از شایعصترین و مهمترین عوامل تخریب اراضی در مناطق خشک و نیمهخشک بوده و پایش و مدیریت صحیح آن امری ضروری است .در کشور ایران، بسیاری از اراضی کشور، در معرض افزایش شوری خاک قرار گرفته است که از مهمترین آنها میصتوان به سواحل دریاچه ارومیه اشاره کرد .از آنجا که تکنیکصهای سنجش از دور، روشی کارآمد و مقرون بهصرفه در پایش شوری خاک هستند، در سالهای اخیر بهرهصگیری از این فناوری توسعه چشمگیری یافته و مدلصهای مختلفی برای این منظور توسعه داده شده است .از جمله پرکاربردترین آنها، میتوان به مدلهای رگرسیون خطی اشاره کرد .این تکنیکها، عمدتا از نوع خطی تکمتغیره بوده و تلفیق باندهای طیفی مختلف و همچنین مدلهای غیرخطی در تخمین شوری خاک مغفول واقع شده است .در تحقیق حاضر، به منظور بهبود تخمین شوری خاک با تصاویر چندطیفی، مدلهای رگرسیون خطی چندمتغیره و مدلهای رگرسیون غیرخطی پیشنهاد شده است و کارایی این دو مدل با یکدیگر و با مدلهای خطی تکصمتغیره مقایسه شده است .در رگرسیون خطی چندمتغیره پیشنهادی، به طور همزمان، پتانسیل متفاوت و محدود باندهای طیفی مختلف بکار گرفته شده است .همچنین از مدلهای غیرخطی همچون مدلصهای پلی نومیال، توابع کسری، نمایی، توانی، لگاریتمی و غیره نیز استفاده شده است .از نظر تئوری انتظار میرفت مدلهای رگرسیون خطی چندمتغیره و به خصوص مدلهای رگرسیون غیرخطی به دقتهای بالایی در تخمین شوری خاک بیانجامند .چرا که مدلهای خطی بیشتر به منظور سادهسازی فرآیند مدلسازی استفاده شده و مدلهای غیرصخطی اغلب دقت بالاتری برای مدل ارائه میصدهند .به منظور ارزیابی روشهای پیشنهادی، میزان شوری خاک در بستر خشکشده دریاچه ارومیه اندازهگیری شده و مورد ارزیابی قرار گرفت .داده اصلی مورد استفاده در این تحقیق، تصویر چندطیفی سنتینل ۲B است که در تاریخ ۶ اکتبر ۲۰۱۸ از منطقه مورد مطالعه اخذ شده است .در تحقیق حاضر، از ۸ باند طیفی تصویر سنتینل) باندهای مرئی و مادونقرمز (و ۱۷ شاخص شوری برای تخمین شوری خاک استفاده شده است .برای کالیبراسیون مدلها و ارزیابی صحت آنها در تخمین شوری خاک، طی عملیات صحرائی، تعداد ۲۸ نمونه آموزشی و ۱۰ نمونه ارزیابی در زمان گذر ماهواره از سطح منطقه مورد مطالعه جمعآوری گردید و مقادیر هدایت الکتریکی آنها، در آزمایشگاه مرکزی دانشگاه تبریز اندازهگیری شد .به منظور بررسی کارایی و ارزیابی صحت تخمین شوری خاک هر یک از مدلصهای رگرسیون خطی تکمتغیره و مدلهای پیشنهادی رگرسیون خطی چندمتغیره و رگرسیون غیرخطی، از پارامترهای ضریب تبیین (R۲) و مجذور میانگین مربعات خطا (RMSE) در محل نمونههای ارزیابی استفاده شده است .نتایج ارزیابی نشان داد در مدلصهای رگرسیون خطی تکمتغیره، بهترین مدلها برای تخمین شوری خاک از باند مادون قرمز نزدیک باریک (۸a) و شاخص روشنایی (BI) حاصل شده است که متناظر با بالاترین میزان R۲ و پایینترین مقدار RMSE در بین سایر مدلهای رگرسیون خطی تکمتغیره بوده است .مقادیر R۲ و RMSE برای باند ۸a به ترتیب ۸۹/۰ و ۸۵/۲۰ بوده و برای شاخص BI به ترتیب برابر ۸۳/۰ و ۳۳/۲۱ است .در مقایسه با مدلهای رگرسیون خطی تکمتغیره موجود، رگرسیونصهای خطی چندمتغیره پیشنهادی در این تحقیق، عمدتا از دقت بالاتری در تخمین شوری خاک برخوردار بوده است .بهترین نتایج، از مدل رگرسیون خطی ۷ متغیره حاصل شده است که بالاترین مقدار R۲ و پایینترین مقدار RMSE نمونههای ارزیابی را در بین تمامی مدلهای رگرسیون خطی تکمتغیره و چندمتغیره داشته است (۹۷/۰= R۲ و .۷۷/۸ =RMSE) در مقایسه با مدلصهای خطی، مدل رگرسیون غیرخطی پیشنهادی بالاترین دقت را در تخمین شوری خاک ارائه نمود .بهترین نتایج در این مدلصها از مدل پلی نومیال درجه ۳ که براساس شاخص شوری S۳ میصباشد، برآورد شده است (۹۸/۰= R۲ و .۱۶/۸ =RMSE) پس از تعیین دقیقترین مدلهای رگرسیون خطی تکمتغیره و چندصمتغیره و مدلهای رگرسیون غیرخطی در تخمین شوری خاک، نقشهصهای شوری خاک منطقه که اطلاعات ارزشمندی از وسعت، توزیع مکانی و غلظت شوری را نشان میدهد، تهیه شد .نقشه-های شوری خاک نشان میدهد که در بخش وسیعی از منطقه، شوری خاک بیشتر از ۶۰ دسیصزیمنس بر متر است .نتایج این تحقیق، موید قابلیت بالای رگرسیون خطی چندمتغیره و به خصوص مدلهای رگرسیون غیرخطی پیشنهادی در این تحقیق و همچنین پتانسیل ارزشمند تصاویر چندطیفی سنتینل ۲B در تخمین شوری خاک است
متن يادداشت
R)/B) could predict EC value with better accuracy than the best LR model (based on Narrow NIR band). The R2 and RMSE of the Poly-3 model were 0.98 and 8.16 dS.m1. Finally, soil salinity maps of the area were prepared with the best regression models. Soil salinity maps show that in a wide part of the region, soil salinity is more than 60 dS/m. The results of this study indicate the high capability of the proposed multivariate linear regression especially nonlinear regression models in this study as well as the valuable potential of Sentinel 2B multispectral images in estimating soil salinity. In general, the results show that the nonlinear regression models, along with RS data, has enough accuracy to estimate soil salinity2= 0.97, RMSE= 8.77). Compared to linear regression models, the proposed nonlinear regression models were provided the highest accuracy in estimating soil salinity. The evaluation results confirmed the superiority of the nonlinear regression models over the linear regression models for soil salinity estimation. The polynomial with degree 3 (Poly-3) based on S3 index (S3=(G
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
Estimating soil salinity using optical remote sensing images and soft computing techniques
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )