Zahedi S, Shahedi K, Habibnejhad Roshan M, Solaimani K, Dadkhah K. Soil Depth Estimation using Environmental Variables Derived from Remote Sensing data and DEM (Case Study: Chehelgazi Watershed of Sanandaj, Iran). jwss 2018; 21 (4) :111-127
URL:
http://jstnar.iut.ac.ir/article-1-3290-fa.html
زاهدی صلاح الدین، شاهدی کاکا، حبیب نژادروشن محمود، سلیمانی کریم، دادخواه کورش. برآورد عمق خاک با استفاده از متغیرهای محیطی بهدست آمده از مدل رقومی ارتفاع و دادههای سنجش از دور. علوم آب و خاک. 1396; 21 (4) :111-127
URL: http://jstnar.iut.ac.ir/article-1-3290-fa.html
1. گروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری ، zahedi51@gmail.com
چکیده: (9001 مشاهده)
عمق خاک مشخصه مهمی از خاک است که جهت ارائه مشخصات زیرسطحی حوضه آبخیز در مدلهای هیدرولوژیکی توزیعی مورد استفاده قرار میگیرد. عمق خاک نفوذ آب و به تبع آن تولید رواناب، ذخیره رطوبت زیرسطحی، حرکت عمودی و افقی رطوبت، ضخامت قسمت اشباع و عمق ریشه گیاه در خاک را به شدت تحت تأثیر قرار میدهد. هدف از این پژوهش توسعه یک مدل آماری است که بتواند الگوهای مکانی عمق خاک در یک حوضه آبخیز را از متغیرهای توپوگرافی و پوشش زمین که بهترتیب از مدل رقومی ارتفاع (DEM) و تصاویر ماهوارهای قابل استخراج هستند پیشبینی کند. مدل رقومی زمین با مقیاس مکانی 10 متر با استفاده از نقشههای 1:25000 تهیه و مورد استفاده قرار گرفت. تصویر ماهوارهای 6 May 2015 سنجنده OLI لندست 8 تهیه گردید. عمق خاک، انحنای توپوگرافیک، نوع کاربری اراضی و وضعیت پوشش گیاهی پارامترهای عمدهای بودند که در مجموع 426 نقطه نمونهبرداری در 4 زیر حوضه آبخیز اندازهگیری شدند. از تبدیل باکس کوکس بهمنظور نرمالسازی دادههای عمق خاک اندازهگیری شده و تمامی پارامترهای توضیح دهنده عمق خاک استفاده گردید. مدل پیشبینی آماری Random Forest با 336 نقطه برای کالیبره کردن و 93 نقطه برای آزمون و 31 متغییر توضیحی (18 متغیر بهدست آمده از DEM و 13 متغیر بهدست آمده از تصویر ماهواره) و با درنظر گرفتن عمق خاک بهعنوان خروجی مدل اجرا گردید. خطای پیشبینی مجموعه دادههای اعتبارسنجی با درنظر گرفتن 93 نمونه جهت آزمون مدل با ضریب کارایی نش- ساتکلیف، NSE = 0689محاسبه گردید. نتایج نشان دادند که کاربری اراضی، سطح ویژه حوضه آبخیز، شاخص گیاهی تفاضلی نرمال شده ((NDVI، شاخص جهت شیب (Aspect)، شیب (Slope) و مؤلفه نخست آنالیز تجزیه به مؤلفههای اصلی ((PCA1 مهمترین متغیرهای توضیحی در برآورد عمق خاک هستند.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
عمومی دریافت: 1395/3/11 | پذیرش: 1395/12/8 | انتشار: 1396/11/23