شماره کتابشناسی ملی
شماره
پ۲۴۶۹۲
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
per
عنوان و نام پديدآور
عنوان اصلي
کاربرد شاخص های دورسنجی مستخرج از تصویر ماهواره ای لندست 8 برای پیش بینی پراکنش مکانی شاخص سله بندی در استان آذربایجان شرقی
نام نخستين پديدآور
صبا حسنی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
کشاورزی
تاریخ نشرو بخش و غیره
۱۴۰۰
مشخصات ظاهری
نام خاص و کميت اثر
۹۸ص.
مواد همراه اثر
سی دی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مدیریت منابع خاک گرایش: منابع خاک و ارزیابی اراضی
زمان اعطا مدرک
۱۴۰۰/۰۴/۰۶
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
چکیده: سله¬بندی خاک به عنوان یکی از ویژگی¬های فیزیکی خاک مطرح می¬باشد که بر سایر خصوصیات از جمله تخلخل، نفوذپذیری و رواناب تأثیر می¬گذارد. نقشه¬برداری رقومی خاک (DSM) در تهیه نقشه¬های سله¬بندی خاک با استفاده از پارامترهای سهل¬الاوصول مانند شاخص¬های دورسنجی نقش مهمی در مدیریت منابع خاک و ارزیابی اراضی ایفا می¬کند. بدین منظور، ابتدا شاخص¬های دورسنجی مستخرج از تصاویر ماهواره¬ای لندست 8 مانند شاخص¬های مرتبط با خاک و پوشش گیاهی (NDVI، VARI، SAVI)، شاخص¬های مرتبط با آب (MNDWI، NDMI)، شاخص¬های مرتبط با منظر اراضی (NBR)، شاخص¬¬های مرتبط با زمین¬شناسی (SR، CMR) به تفکیک محاسبه و نقشه¬های رستری آن¬ها برای آذربایجان شرقی تهیه گردید. در مرحله بعدی، شاخص سله¬بندی 107 نمونه سطحی (10-0 سانتی¬متری) تعیین گردید که به صورت تصادفی از منطقه مورد مطالعه برداشت شده بود. به منظور مدل¬سازی و تخمین پراکنش مکانی شاخص سله¬بندی خاک در کل استان، علاوه بر مدل غیرخطی جنگل تصادفی (RF) مدل خطی رگرسیون خطی چندگانه (MLR) در محیط R نیز مورد ارزیابی قرار گرفت. معیارهای آماری ضریب تعیین (R2) جذر میانگین خطای باقی¬مانده (RMSE ) و کونکوردانس (CCC) جهت واسنجی و اعتبارسنجی مدل¬های مذکور بکار گرفته شدند. در این تحقیق، از 75 درصد داده¬ها برای واسنجی و از بقیه مجموعه داده¬ها برای اعتبارسنجی استفاده شد. نتایج کاربرد مدل MLR نشان داد کهR2،RMSE و CCC برای واسنجی مدل به ترتیب 17/0، 01/0 و 30/0 و برای اعتبارسنجی به ترتیب 12/0، 19/0 و 21/0 بدست آمد. همچنین کاربرد مدل RF نشان داد که مقادیر R2، RMSEو CCC برای واسنجی به ترتیب 88/0، 088/0 و 82/0 و برای اعتبارسنجی به ترتیب 077/0، 19/0 و 18/0 می¬باشد. بنابراین مدل MLR به عنوان مدل برتر در تخمین پراکنش مکانی شاخص سله¬بندی با استفاده ازشاخص¬های دورسنجی انتخاب گردید. بررسی رقومی با استفاده از نقشه نهایی شاخص سله-بندی استان آذربایجان شرقی نشان داد که قسمت¬های شمالی استان در مقایسه با سایر نواحی استعداد بیشتری برای فرسایش خاک دارند. نتایج مشاهدات تفصیلی برای هر شهرستان نیز به طور کامل در متن پایان¬نامه آورده شده است.
متن يادداشت
Abstract: Soil crusting is one of the soil physical properties which impacts on the other properties e.g. porosity, permeability and runoff. Digital Soil Mapping (DSM) to create the crusting maps using easily available parameters such as remotely sensed data plays important role in soil resource management and land valuation. For this, the remotely sensed data extracted from Landsat 8 satellite images were provided for the entire East Azerbaijan Province. They include indices relevant to soil and vegetation (e.g. NDVI, VARI and SAVI), water (e.g. MNDWI, NDMI), and geology (SR, CMR). The next step was to calculate the crusting index of 107 surface samples (0-10 cm) which were randomly taken from the study area. To model and predict the spatial distribution of soil crusting index across the province, in addition to random forests (RF) as a non-linear model, the multiple linear regression (MLR) was also examined using R programming. Statistical criteria e.g. coefficient of determination (R2), root mean square error (RMSE) and concordance (CCC) were used to assess the validation of aforementioned models. In this research, 75% and 25% of the data set were used for calibration and validation, respectively. In terms of MLR, the results showed that R2, RMSE and CCC were 0.17, 0.01 and 0.30 respectively on the calibration while those were 0.12, 0.19 and 0.21, respectively on the validation. Also, the application of RF model showed that the values of R2, RMSE and CCC for calibration were 0.88, 0.088 and 0.82, respectively. The aforementioned criteria on the validation were also calculated 0.077, 0.19 and 0.18, respectively. Therefore, RF was selected as the best fitted model to predict the spatial distribution of soil crusting index using remotely sensed data. Digital assessments using final map demonstrated that the northern part of East Azerbaijan Province compared to the other parts are more susceptible to soil erosion. Detailed observations for each county is fully addressed in this thesis.
عنوانهای گونه گون دیگر
عنوان گونه گون
Using remotely sensed data extracted by Landsat 8 for predicting the spatial variability of soil crusting index in East Azarbaijan province
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
عنصر شناسه اي
حسنی،
ساير عناصر نام
صبا
نام شخص - ( مسئولیت معنوی درجه دوم )
عنصر شناسه اي
حسنی،
عنصر شناسه اي
شهبازی،
عنصر شناسه اي
رضائی،
عنصر شناسه اي
شیدای کرکج،
ساير عناصر نام
صبا
ساير عناصر نام
فرزین
ساير عناصر نام
حسین
ساير عناصر نام
اسماعیل
تاريخ
تهيه کننده
تاريخ
استاد راهنما
تاريخ
استاد مشاور
تاريخ
استاد مشاور
شناسه افزوده (تنالگان)
عنصر شناسه اي
تبریز
