فهرست مطالب

سنجش از دور و GIS ایران - سال یازدهم شماره 4 (پیاپی 44، زمستان 1398)

فصلنامه سنجش از دور و GIS ایران
سال یازدهم شماره 4 (پیاپی 44، زمستان 1398)

  • تاریخ انتشار: 1399/03/11
  • تعداد عناوین: 7
|
  • منیره موسی بیگی، ایمان بهارلو*، علیرضا وفائی ن‍ژاد صفحات 1-10

    شناسایی عوامل موثر در گسترش فرسایش خاک و پهنه بندی آن یکی از عوامل اساسی، جهت مدیریت و کنترل این پدیده و تعیین راهکارهای مناسب در مقابله با گسترش آن است. هدف از این پژوهش، پهنه بندی فرسایش خاک در حوضه قلعه چای، در غرب استان آذربایجان شرقی با استفاده از فرآیند تحلیل شبکه ای و سیستم اطلاعات جغرافیایی است. بدین منظور با بررسی منابع و نظر کارشناسان، عوامل موثر بر فرسایش خاک از قبیل شیب، جهت شیب، لیتولوژی، کاربری اراضی، شاخص تفاوت پوشش گیاهی نرمال شده (NDVI)، بارندگی سالانه و خاک مورد ارزیابی قرار گرفته و سپس با استفاده از نرم افزار ArcGIS و ضرایب استخراج شده در فرآیند تحلیل شبکه، نقشه پهنه بندی فرسایش خاک تهیه و در پنج کلاس، فرسایشی خیلی زیاد، زیاد، متوسط، کم و خیلی کم، باز طبقه بندی شد. نتایج این تحقیق نشان داد کلاس های خطر زیاد و بسیار زیاد، در مجموع 12/37 درصد از مساحت منطقه که 56/118 کیلومترمربع را شامل می شود، در بر می گیرد. همچنین در بخش های جنوبی و مرکزی حوضه، مقدار فرسایش خاک زیاد است، این مناطق شرایط بحرانی و حادی را از نظر فرسایش نشان می دهند و با توجه به احداث و آبگیری سد قلعه چای، می بایست در اولویت اجرای برنامه های حفاظت خاک و آبخیزداری قرار گیرند.

    کلیدواژگان: پهنه بندی، فرآیند تحلیل شبکه ای، فرسایش خاک، قلعه چای، GIS
  • ایوب مرادی*، حدیثه بابایی، عباس علیمحمدی، سهیل رادیوم صفحات 11-28

    کمبود روزافزون منابع آب تجدیدپذیر در کشور، برآورد نیاز آبی مزارع را به یکی از اولویت های مهم مدیریت آب در کشاورزی تبدیل نموده است. نیاز آبی مزارع توسط مولفه های اقلیمی منطقه کنترل می شود و برابر است با تبخیر-تعرق مرجع که با یک ضریب ویژ ه (بسته به نوع محصول و منطقه جغرافیایی کاشت) اصلاح می گردد. در تحقیق حاضر، با استفاده از تصاویر ماهواره لندست8، ضریب محصولات عمده کشاورزی منطقه کشت و صنعت مغان از دو روش برآورد و مقایسه شده است. روش نخست بر مبنای اندازه گیری تبخیر- تعرق مزارع و روش دوم بر مبنای اندازه گیری شاخص گیاهی NDVI است. مقایسه این دو روش برای پنج محصول عمده منطقه نشان داد که مقدار خطای جذر میانگین مربعات قابل قبول (کمتر از 28/0) است. در ادامه، برای برآورد نیاز آبی محصولات، از ضریب محصول تولید شده بر مبنای تبخیر- تعرق استفاده شد. نیاز آبی محصولات با شش متد برآورد شد: ترکیب دو روش برآورد تبخیر- تعرق واقعی و سه روش برآورد تبخیر- تعرق مرجع. از میان آنها، متد متریک- پنمن مونتیث برای برآورد نیاز آبیاری بکارگرفته شد. تخمین نیاز آبیاری مستلزم کسرکردن بارش موثر از نیاز آبی است. برای برآورد بارش موثر، پس از بررسی چهار روش متداول، روش فایو برای شیب های کم ترجیح داده شد. نیاز آبیاری محصولات منطقه کشت و صنعت مغان بر از حداقل 270 میلی متر (برای جو دیم) تا حداکثر 1500 میلی متر (برای باغ زیتون) برآورد شده است. . بررسی آماری اندازه گیری ها سه ساله وجود یک همبستگی را بین میزان عملکرد محصول و میزان تبخیر- تعرق مزارع آشکار کرد. همچنین مشخص شد که عملکرد محصولات با شاخص های طیفی گیاه نیز دارای رابطه معنی دار است. هدف نخست تحقیق حاضر، برآورد ضرایب محلی محصولات کشاورزی منطقه مغان است؛ هدف دوم، بررسی رابطه مندی ضریب محصولات کشاورزی و شاخص های طیفی آنها به منظور تخمین ضریب محصولات بصورت مستقیم از این شاخص هاست.

    کلیدواژگان: تبخیر-تعرق، ضریب محصول، نیاز آبی، کشت و صنعت مغان
  • مهشید کریمی*، کاکا شاهدی، طیب رضیئی، میرحسن میریعقوب زاده صفحات 29-46

    خشکسالی یکی از بلایای طبیعی است که ممکن است در هر اقلیمی رخ دهد. در دهه های اخیر کشور ایران به  به طور پیاپی  تحت تاثیر خشکسالی های شدید و گسترده قرار داشته و آثار زیانباری بر بخش های مختلف اقتصادی از جمله بخش کشاورزی، محیط زیست و منابع آب کشور تحمیل کرده است. امروزه برای شناسایی و تحلیل خشکسالی های کشاورزی از شاخص های پوشش گیاهی که به کمک فن آوری سنجش از دور بدست می آیند استفاده می شود. بر این اساس، هدف از این پژوهش بررسی کارایی شاخص های پوشش گیاهی NDVI، EVI و VCI در شناسایی و تحلیل خشکسالی کشاورزی در حوزه آبخیز کرخه می باشد. برای محاسبه این نمایه ها تصاویر سنجنده مودیس) ماهواره Terra، محصول MOD13A2) طی مدت 17 سال در دوره آماری 2000-2017 استفاده شد. دقت نمایه های یاد شده با  شاخص ZSI محاسبه شده در 11 ایستگاه باران سنجی واقع در حوضه کرخه برای دوره آماری 1379-1396 مورد ارزیابی قرار گرفت. براساس مقادیر NDVI، EVI  و VCI محاسبه شده، کمترین و بیشترین مقدار پوشش گیاهی  به ترتیب در سال های 1379 و 1380 مشاهده شد. اما بررسی ZSI نشان داد که از سال 1379 تا 1387 اکثر ایستگاه ها با خشک سالی مواجه بوده اند و شدیدترین خشک سالی در سال 1387 رخ داده است. از سال 1389 تا انتهای دوره در اکثر ایستگاه ها شرایط نسبتا نرمال مشاهده شد. بنابراین طبق نتایج بدست آمده همزمانی خشکسالی هواشناسی و کشاورزی در تمام سال ها وجود ندارد و نباید انتظار داشت که با افزایش بارندگی،  NDVI، EVI و VCI نیز ترسالی و افزایش پوشش گیاهی را نشان دهند.

    کلیدواژگان: خشکسالی، NDVI- EVI - VCI، حوزه آبخیز کرخه
  • الهام مهرابی گوهری، حمیدرضا متین فر*، اعظم جعفری، روح الله تقی زاده مهرجردی صفحات 47-60

    داده های طیفی محدوده مریی – مادون قرمز که باحداقل هزینه و صرف وقت تهیه می شوند ، کاربرد وسیعی در برآورد خصوصیات فیزیکی و شیمیایی خاک دارند. مطالعه حاضر با هدف بررسی توانایی این روش در برآورد مقدار ماده آلی، کربنات ها و درصد گچ سطح خاک صورت پذیرفته است. بر اساس تکنیک هایپرکیوب، محل 115 پروفیل شناسایی و سپس نمونه برداری از افق های خاک انجام گرفت و مقدار ماده آلی، درصد گچ و آهک خاک با روش های استاندارد اندازه گیری شد. آنالیز طیفی خاک های مورد نظر با استفاده از دستگاه طیف سنج زمینی با دامنه طول موج 400-2500 نانومتر انجام شد. پس از ثبت طیف ها انواع روش های پیش پردازش مورد ارزیابی قرار گرفت و سپس از رگرسیون حداقل مربعات جزیی (PLSR) و رگرسیون مولفه اصلی PCR برای برای پیش بینی پارامترهای مورد نظر استفاده شد. جهت ارزیابی مدل 80 درصد داده ها برای کالیبراسیون مدل و 20 درصد برای صحت سنجی مدل به صورت تصادفی انتخاب شدند. پیش پردازش های مختلف از جمله: مشتق اول و دوم به همراه فیلتر ساواتزکی و گلای، متغیر نرمال استاندارد و تصحیح پخشیده چندگانه با هم مقایسه شدند. نتایج این بررسی نشان داد بهترین نتایج مدل سازی مربوط به روش PLSR با پیش پردازش مشتق اول+فیلتر ساویتزکی و گلای برای برآورد گچ،کربنات و ماده آلی خاک بدست آمد. با توجه به مقادیر درصد انحراف نسبی (RPD)، پیش بینی مدل برای درصد گچ و ماده آلی در کلاس خوب و برای کربنات ها در کلاس ضعیف می باشد.

    کلیدواژگان: رگرسیون حداقل مربعات جزئی، رگرسیون مولفه اصلی، طیف سنجی، کربنات، گچ، ماده آلی
  • ابوالفضل رنجبرفردوئی*، عباسعلی ولی، مرضیه مکرم، فریده تاری پناه صفحات 61-82

    پوشش گیاهی یکی از عوامل ضروری در ساختار و عملکرد اکوسیستم های خشکی و یکی از حلقه های اساسی زنجیر حیاتی آب-خاک-گیاه و اتمسفر است. مطالعات متعدد ثابت کرده که پوشش گیاهی به تغییرات عوامل اقلیمی و ادافیکی حساس است. بر این اساس، تغییر در پوشش گیاهی و رابطه اش با عوامل ذکر شده از اهمیت بسیار برخوردار است. تحقیق حاضر به منظور بررسی تغییرات پوشش گیاهی و عوامل موثر بر آن در حوزه خارستان استان فارس انجام شد. در این رابطه، تصاویر برگرفته از سنجنده ETM لندست 7 طی دوره 2000-2017و داده های اقلیمی حاصل از ایستکاه های هواشناسی استان استفاده شد. با استفاده از این تصاویر تغیرات زمانی و مکانی NDVI و آنومالی آن بررسی شد. در نهایت رابطه بین این شاخص با عوامل اقلیمی و توپوگرافی بر مبنای روش های رگرسیون وزن دار فضایی و حداقل مربعات معمولی به دست آمد. در مجموع، تغییرات زمانی مبین روند افزایش آهسته NDVI بود. آنومالیNDVI  در سال های قبل از 2008 روند مثبت و برای سال های بعد روند منفی را نشان داد. توزیع مکانی NDVI مبین یک روند افزایشی از شمال به سمت مرکز و جنوب غرب منطقه مورد مطالعه بود. نتایج حاکی از تاثیر دو دسته عوامل طبیعی و انسانی بر تغییرات پوشش گیاهی بود. علاوه بر این تغییرات پوشش گیاهی بر حسب ارتفاع، جهت و شیب هم متفاوت بود. به طوری که از ارتفاع بیشتر از 2500 متر مقدار NDVI کاهش، در شیب های کمتر از 5، مقدار این شاخص افزایش و در جهت های شمال و شرق بیشتر از دامنه های جنوبی بود. روند کلی نشان دهنده افزایش دما و کاهش بارندگی در طول دوره مورد مطالعه بود. بیشترین مقدار ضریب تبیین مکانی (Local R2) بین NDVI با بارندگی و دما به ترتیب 87/0 و 75/0 بود. با توجه به نتایج می توان اظهار داشت که عوامل محیطی نظیر ارتفاع، جهت، شیب، دما و بارش فاکتورهای اصلی کنترل کننده پوشش گیاهی در این منطقه هستند.

    کلیدواژگان: عامل توپوگرافی، کاربری اراضی، عوامل اقلیمی، رگرسیون وزن دار فضایی، مناطق خشک و نیمه خشک
  • محمد سعادت، رضا شاه حسینی* صفحات 83-100

    تهیه نقشه های کاربری اراضی با دقت بالا همواره یکی از اهداف مهم محققین در زمینه مدیریت اراضی بوده است. هدف از این پژوهش ارایه روش نوینی جهت تهیه نقشه های کاریری اراضی با استفاده از پردازش تصاویر ماهواره ای بوده است. به همین منظور از تصاویر ماهواره لندست 8 به عنوان تصویر پایه و نقشه مدل رقومی ارتفاعی، داده های حاصل از تجزیه به مولفه های اصلی و شاخص های طیفی جهت استخراج نقشه کاربری اراضی در منطقه مطالعاتی استفاده گردید. پس از پیش پردازش ها و آماده سازی داده های مورد نیاز، اقدام به تهیه نمونه های آموزشی گردید. در این پژوهش نمونه های آموزشی در دو بخش به کار گرفته شدند؛ در بخش اول از آنها به عنوان ورودی جهت طبقه بندی تصویر با الگوریتم های نظارت شده حداکثر احتمال و ماشین بردار پشتیبان استفاده گردید. در بخش دوم جهت طبقه بندی با روش درخت تصمیم گیری، از این نمونه ها جهت تعیین محدوده بازتاب طیفی هر کاربری در طیف امواج الکترومغناطیس (باندهای تصویر، PCA، شاخص های طیفی و DEM) استفاده گردید. سپس با استفاده از این داده ها و شروط دودویی درخت تصمیم گیری، هر کاربری مشخص گردید و نقشه کاربری آن استخراج گردید. پس از تهیه نقشه های ذکر شده، به منظور تلفیق نتایج طبقه بندی و حصول دقت بالاتر، از روش حداکثر رای گیری به منظور تهیه نقشه تلفیقی جدید کاربری اراضی منطقه استفاده گردید. به منظور ارزیابی دقت نقشه های تولیدی از پارامترهای آماری منتج از ماتریس ابهام شامل دقت کلی، ضریب کاپا، صحت کاربر و صحت تولیدکننده استفاده گردید. بر اساس نتایج حاصله، روش تلفیقی با دقت کلی 37/93 درصد و ضریب کاپا 91/0 دارای بیشترین دقت بوده است. دقت کلی نقشه کاربری روش درخت تصمیم گیری، ماشین بردار پشتیبان و حداکثر احتمال نیز به ترتیب 61/89، 01/88 و 6/87 درصد بوده اند. با توجه به اینکه در طبیعت پوشش/کاربری خالص به ندرت مشاهده می گردد و بیشتر پوشش/کاربری ها به صورت ترکیبی وجود دارند، لذا بهتر است از روش های نوینی که همه ابعاد پدیده ها را پوشش می دهند استفاده گردد. در این پژوهش اطلاعات حاصل از طبقه بندی نظارت شده و همچنین اطلاعات حاصل از روش منطقی درخت تصمیم گیری با یکدیگر تلفیق شده و نتایج حاصله به خوبی بیانگر بهبود دقت نهایی طبقه بندی بودند.

    کلیدواژگان: طبقه بندی حداکثر رای گیری، کاربری اراضی، الگوریتم های طبقه بندی، سنجش از دور، لندست 8
  • نسا فرهمند*، وحید صادقی، شهره فرهمند صفحات 101-120

    شوری خاک یکی از شایع ترین و مهم ترین عوامل تخریب اراضی در مناطق خشک و نیمه خشک بوده و پایش و مدیریت صحیح آن امری ضروری است. در کشور ایران بسیاری از اراضی در معرض افزایش شوری خاک قرار گرفته است که از مهم ترین آنها می توان به سواحل دریاچه ارومیه اشاره نمود. از آنجا که تکنیک های سنجش از دور روشی کارآمد و مقرون به صرفه در پایش شوری خاک هستند، در سال های اخیر بهره گیری از این فناوری توسعه چشمگیری یافته و مدل های مختلفی برای این منظور توسعه داده شده است. از جمله پرکاربردترین آن ها می توان به مدل های رگرسیون خطی اشاره کرد. این تکنیک ها عمدتا تک متغیره بوده و تلفیق باندهای طیفی در تخمین شوری خاک مغفول واقع شده است. در تحقیق حاضر به منظور بهبود تخمین شوری خاک با تصاویر چندطیفی، مدل های رگرسیون خطی چندمتغیره پیشنهاد شده است. روش پیشنهادی، بطور همزمان، پتانسیل محدود ولی متفاوت باندهای طیفی مختلف را بکار گرفته و انتظار می رود به دقت های بالایی در تخمین شوری خاک بینجامد. به منظور ارزیابی روش پیشنهادی، میزان شوری خاک در بستر خشک شده دریاچه ارومیه اندازه گیری گردید. داده اصلی مورد استفاده در این تحقیق، تصویر چندطیفی سنتینل 2B می باشد که در تاریخ 6 اکتبر 2018 از منطقه مورد مطالعه اخذ شده است. در تحقیق حاضر، از 8 باند طیفی تصویر سنتینل (باندهای مریی و مادون قرمز) و 17 شاخص شوری برای تخمین شوری خاک استفاده شد. بمنظور کالیبراسیون مدلها و ارزیابی صحت آنها در تخمین شوری خاک، طی عملیات صحرایی، تعداد 28 نمونه آموزشی و 10 نمونه ارزیابی در زمان گذر ماهواره از سطح منطقه مورد مطالعه جمع آوری گردیده و هدایت الکتریکی آنها، در آزمایشگاه مرکزی دانشگاه تبریز اندازه گیری شد. پس از کالیبراسیون مدلهای رگرسیون خطی تک متغیره و مدلهای رگرسیون خطی چندمتغیره پیشنهادی، صحت تخمین شوری خاک در هر یک از این مدلها، با استفاده از پارامترهای ضریب تبیین  و مجذور میانگین مربعات خطا (RMSE) در محل نمونه های ارزیابی مورد بررسی قرار گرفت. نتایج ارزیابی نشان داد؛ در مدل های رگرسیون خطی تک متغیره، بهترین مدل ها برای تخمین شوری خاک از باند مادون قرمز نزدیک باریک (8a) و شاخص روشنایی (BI) حاصل شده است که متناظر با بالاترین میزان و پایین ترین مقدار RMSE در بین سایر مدلهای رگرسیون خطی تک متغیره بوده است. مقادیر و RMSE برای باند 8a به ترتیب 89/0 و 85/20 بوده و برای شاخص BI به ترتیب برابر 83/0 و 33/21 می باشد. در مقایسه با مدل های رگرسیون خطی تک متغیره موجود، رگرسیون های خطی چند متغیره پیشنهادی در این تحقیق، عمدتا از دقت بالاتری در تخمین شوری خاک برخوردار بوده است. بهترین نتایج از مدل رگرسیون خطی 7 متغیره حاصل شده است که بالاترین مقدار و پایین ترین مقدار RMSE نمونه های ارزیابی را در بین تمامی مدلهای رگرسیون خطی تک متغیره و چندمتغیره داشته است (97/0= و 77/8 =RMSE). نتایج این تحقیق موید قابلیت بالای رگرسیون خطی چندمتغیره پیشنهادی در این تحقیق و همچنین پتانسیل ارزشمند تصاویر چندطیفی سنتینل 2B در تخمین شوری خاک است. پس از تعیین دقیق ترین مدل های رگرسیون خطی تک متغیره و چند متغیره در تخمین شوری خاک، نقشه های شوری خاک منطقه که اطلاعات ارزشمندی از وسعت، توزیع مکانی و غلظت شوری را نشان می دهد، تهیه شد. نقشه های شوری خاک نشان می دهد که در بخش وسیعی از منطقه، شوری خاک بیشتر از 60 دسی زیمنس بر متر می باشد.

    کلیدواژگان: شوری خاک، رگرسیون خطی تک متغیره و چندمتغیره، تصویر چندطیفی سنتینل 2B، شوره زارهای دریاچه ارومیه
|
  • Monireh Mosabeaigi, Imam Baharloo*, Alireza Vafaeinezhad Pages 1-10

    Identify factors contributing to the spread of soil erosion, and zoning is an important tool to manage and control this phenomenon and to determine appropriate ways are to deal with spreading this phenomenon. In this research, using analysis network process model and GIS has been estimated zoning map of soil erosion in the catchment tea castle in West, East Azerbaijan Province. For this purpose, by examine the sources and expert opinion, effective factors such as slope, aspect, lithology, land use, normalized difference vegetation index (NDVI), annual precipitation and soil is provided of the geographic information system environment. Then, using Arc GIS software and extracted coefficient, the analysis network process prepared to zone map soil erosion and in five classes: very high, high, medium, low and very low. The results showed that 37.12 percent of the area that includes 118.56 square kilometers, is located in risk classes the high and very high. Furthermore, necessary to explain that in the southern and central parts of the basin is the amount of soil erosion high. These areas showed critical situations and acute erosion. And due to dam construction, Ghale Chai should be placed the priority programs and plans of soil conservation and watershed management.

    Keywords: Zoning, Analysis Network Process, Soil Erosion, Ghale Chai, GIS
  • Ayoub Moradi*, Hadiseh Babaei, Abbas Alimohammadi, Soheil Radiom Pages 11-28

    The increasing shortage of the renewable water resources in the country has made the farm water needs estimation to become as one of the important priorities in agricultural water management. Farm water needs are normally controlled by climatologic factors. It equals to the reference evapotranspiration which is corrected by a scaling factor associated to the crop kind and to local characteristics. In this research, using Landsat satellite imagery, we estimated and compared the crop coefficients for main agricultural crops in the Moghan cultivation industry, from two procedures: the first based on evapotranspiration measuring, and the second based on NDVI measuring. The comparisons in the case of the five main crops showed that the Root Mean Square Errors are within an acceptable range, leass than 0.28. In the following, the evapotranspiration based crop coefficient has been used in order to estimate farm water needs. Farm's water needs are indeed estimated by six methods a combination of two actual evapotranspiration and three reference evapotranspiration ways. Among the six methods, the Metric/PenmanMonteith method was selected for final step, i.e. farm irrigation needs. The farm irrigation needs is equivalent to farm water need minus effective rain. We compared four different ways for estimating the effective rains but preferred the FAO method assigned for low slopes. Based on our results, farm irrigation needs in the Moghan cultivation industry range from 270 mm (for rainfed barley) to 1500 mm (olive groves). Statistical investigation in three years data revealed a dependency between yield performance and evapotranspiration rate. In addition, it showed that yield performance is correlated with crop spectral indices such as NDVI, LAI and SAVI. The primary goal of this research is to estimate local agricultural crop coefficient in the Moghan cultivation industry. The second goal is to investigate of relationships between crop coefficient and crop spectral indices in order to make the crop coefficient estimable directly from spectral indices.

    Keywords: Evapotranspiration, Crop Coefficient, Water Need, Moghan Cultivation Industry
  • Mahshid karimi*, Kaka Shahedi, Tayebe Raziei, Mirhassan Miryaghoobzadeh Pages 29-46

    Drought is one of the natural disasters that may occur in any climate. In recent decades, Iran has been affected by severe droughts and its harmful effects in various sectors, such as agriculture, environment and water resources of the country. Today, vegetation indices, which are obtained through remote sensing technology, are used to identify and analyze agricultural droughts. Accordingly, the aim of this study was to investigate the effectiveness of NDVI, EVI and VCI vegetation indices in agricultural drought identification and analysis in Karkheh basin. In order to calculate these indices, MODIS sensor Images (Terra satellite, MOD13A2 product) were used during the 2000-2017 statistical period. The accuracy of these profiles was evaluated with the ZSI index calculated at 11 meteorological stations located in Karkheh basin for the statistical period of 2000-2017. The results showed that the changes of NDVI, EVI and VCI in the studied stations were approximately the same during the statistical period. Based on NDVI, EVI and VCI values, the lowest and highest vegetation cover was observed in 2000, dehno station and 2001, helilan-seymareh station, respectively. The ZSI survey showed that most stations Faced with droughts from 2000 to 2008, and the most severe drought occurred in 2008, nazarabad station. Then, in order to validation of the results, the vegetation indices with ZSI index were evaluated. Pearson correlation between mean vegetation indices of NDVI, EVI and VCI with mean ZSI was 0.766, 0.725 and 0.776, respectively, and all vegetation indices with ZSI index are significant at 0.99% confidence level. As seen, according to the results, the ZSI index confirms the results of NDVI, EVI, and VCI. So, according to the results, there is no conformity of meteorological and agricultural droughts in all years, Therefore, in addition to other precipitation, climate variables should also be considered.

    Keywords: Drought, NDVI, EVI, VCI, Karkheh basin
  • Elham Mehrabi Gohari, HamidReza Matinfar*, Azam Jafari, Ruhollah Taghizadeh Mehrjardi Pages 47-60

    Visible and Near-Infrared (VNIR) and Short-Wave Infrared (SWIR) reflectance spectroscopy (400-2450nm(, which are at least as costly and time-consuming, are widely used in the estimation of physical and chemical properties of the soil. The purpose of this study was to investigate the ability of this method to estimate the amount of organic matter, carbonates and gypsum content of soil surface. In the present study, 115 profiles were identified based on the Hypercube technique, and the horizons were sampled and the amount of organic matter, carbonates and gypsum content were measured by standard methods. Reflectance spectra of all samples were measured using an ASD field-portable spectrometer in the laboratory. Soil samples were divided into two random groups (80% and 20%) for calibration and validation of models. PLSR and PCR models and different pre-processing methods i.e. First (FD) and Second Derivatives (SD), Multiplicative Scatter Correction (MSC) and Standard Normal Variate (SNV) were applied and compared to estimate texture elements. The highest RPD of calibration and validation were obtained for PLSR with First derivative of reflectance+ Savitzky_Golay filter pre-processing technique which was classified as a good for the amount of organic matter and gypsum and was classified as a poorly for the amount of carbonates.

    Keywords: Partial Least Squares Regression (PLSR), Principal Component Regression (PCR), Spectroscopy, carbonate, gypsum, organic matter
  • Abolfazl Ranjbar*, Abbasali Valia, Marzieh Mokarramb, Farideh Taripanahc Pages 61-82

    Vegetation is one of the essential factors in structure and function of terrestrial ecosystem and it is one of the principal loops in water-soil-plant-atmosphere continuum. Several studies have demonstrated that vegetation covers are sensitive to alteration of climatic, edaphic, topographic and human activities. Thus, alteration in vegetation and its relation with the mentioned factors are important of high importance. In order to investigation of vegetation changes and its effective factors, the current study was conducted in Kharestan region placed in Fars province, Iran. In this regard, the images obtained from ETM Landsat 7 (2000-2017) and meteorological data gained from local and 17 regional meteorological stations were used. Using these images, temporal and spatial changes NDVI and NDVI anomaly were studied. A supervised classification method was used to extract land use map. Finally, the relationship of NDVI with climatic, topographic and anthropogenic factors was investigated. Relationship between NDVI and climatic and topographic factors was estimated using GWR and OLS methods, respectively. Generally, temporal variations showed a slow increasing trend in NDVI value. NDVI anomaly was mostly negative before 2008 but it turned to positive after 2009. NDVI spatial distribution showed an increasing tendency from north toward center and continued to south-west of the study area. The study shows that the vegetation cover change was caused by both natural factors and human activities. NDVI increased in agricultural and pasture lands. Also, natural vegetation has been affected by climatic factors more than irrigated vegetation (agricultural and gardens). Furthermore, vegetation variation influenced by topographic factors likes height, slope and aspect. Also, with an altitude over than 2500 m, NDVI showed a decreasing trend, on slopes lower than 5° it increased. NDVI values in north and east directions were higher than in southern aspects. The overall trend indicates an increase in temperature and a decrease in precipitation during the study period. The maximum positive and negative correlation between mean annual precipitation and NDVI using ordinary least squares method were 0.93 and 0.83, respectively. Also the maximum negative and positive correlation between NDVI and temperature were 0.65 and 0.5, respectively. The highest local R2 values between NDVI with precipitation and temperature were 0.45 and 0.44, respectively, which was observed in the central parts of the region. According to the obtained results through the present study, it can be stated that environmental factors like precipitation, altitude, slope and aspect are the Influential factors controlling vegetation in Kharestan (Fars province, Iran).

    Keywords: NDVI, Topographic factors, Land use, Climatic factors, Geographical Weighted Regression, arid, semi-arid regions
  • Mohammad Saadat, Reza ShahhoseinI* Pages 83-100

    Preparation of proper land use maps has always been one of the important goals of researchers and policymakers. The aim of this study was to provide a new method for preparing land use maps using remotely sensed data and satellite data imagery. For this Purpose, we used Landsat 8 data, Digital Elevation Model (DEM), Principal Component Analysis (PCA), and Spectral Indices to extract land use map in the study area. After all required preprocessing, the training samples were provided. In this study, the training samples were utilized in two parts; in the first part they were used as inputs for image classification using supervised algorithms of maximum likelihood Classification (MLC) and support vector machine (SVM). In the second part, in order to applying Decision Tree Classification (DTC), these training samples were used to determine the spectral reflection of each end-member in the spectrum of electromagnetic waves (image bands, PCA, spectral indices, and DEM).Then, using these binary data and DTC, each end-member was identified and the Landuse/Landcover (LULC) map was extracted. In order to combine the classification results and achieve higher accuracy, the Majority Vote Classification (MVC) method was applied to prepare a new compilation of land use in the area. In order to evaluate the accuracy of produced maps, the statistical parameters extracted from the confusion matrix including overall accuracy, kappa coefficient, user and producer’s accuracy were utilized. According to the results, the combined method (MVC) with a total accuracy of 93.37% and kappa coefficient of 0.91 had the highest accuracy. The overall accuracy of the DTC, SVM, and MLC were 89.61, 88.01 and 87.6%, respectively. Due to the fact that in the nature most of the landuse are mixed and complicated, it would be better to use new methods that cover all aspects of the phenomena. In this research, the data extracted from the supervised classifications as well as the data derived from the DTC were combined and the results clearly illustrate the improvement of the final accuracy of the classification.

    Keywords: Majority Vote Classification, Landuse, Classification Algorithm, Remote Sensing, Landsat 8
  • Nesa Farahmand*, Vahid Sadeghi, Shohreh Farahmand Pages 101-120

    The soil salinity is one of the most common and important factors in soil degradation in arid and semi-arid regions. It is important concern to predict and monitor soil salinity. In recent years, using remote sensing techniques to monitor soil salinity has been significantly developed and various models have been extended for this purpose. Among all the methods, linear regression is the most commonly used due to its simplicity and computational efficiency. In Iran, many lands are faced with a significant increase in salinity. Beaches of Urmia Lake is one of these area. The purpose of the present study was to evaluate the capability of Sentinel multispectral imagery as well as to compare univariate and multivariate linear regression models to estimate soil salinity at 0 to 10 cm depth in the eastern margins of dried lake-bed of Urmia. For this purpose, 38 soil samples (training and test samples) were collected from three different locations A1, A2 and A3 in in this study area with different salinity values at the satellite transit time. Then their electrical conductivity (EC) was measured in the laboratory. The samples were collected near accessible roads by three mapping teams. Of the total number of samples, 28 and 10 sample were considered as training and test samples respectively. Then the Sentinel 2B multispectral satellite image was prepared by resampling simultaneously on October 6, 201 .In this research, eight spectral bands of the Sentinel image (visible and infrared bands) and 17 salinity indices were utilized. Then, in each of the spectral bands and salinity indices, different univariate linear regression models were calibrated to estimate soil salinity. As well as multivariate linear regression models were designed using simultaneous spectral bands and soil salinity indices. The accuracy assessment of both methods was estimated using 10 test samples by the coefficients of determination and Root Mean Square Error parameters. In univariate linear regression model, the best (results) model for estimating soil salinity were presented of narrow infrared band (8a) and BI salinity index with the highest and lowest values of and RMSE based on test samples, respectively. The and RMSE were obtained for band 8a and BI index 0.89, 0.83, 20.85 and 21.33, respectively. Compared to univariate linear regression models, the proposed method in this paper is based on multivariate linear regressions with 7 variables provided the highest accuracy among all multivariate and univariate regression models. The and RMSE based on test samples were obtained for multivariate linear regressions with 7 variables 0.97 and 8.77 respectively. Finally, soil salinity maps of the area were prepared with the best regression models. Model evaluation results showed that multivariate linear regression models increased the accuracy of soil salinity estimation by 11.81% in comparison with univariate regression models. These results showed the potential of multivariate linear regression model and multi spectral sentinel image to estimate soil salinity content in dried lake-bed of Urmia Lake.

    Keywords: Soil salinity, Remote sensing, Linear Regression, Sentinel images, Dried Lake-bed of Urmia Lake