fa پهنه‌بندی و بررسی روند شوری خاک با استفاده از داده‌های سنجش از دور و زمین آمار (مطالعه موردی: دشت سگزی، اصفهان) اثرات خشکسالی و تغییر اقلیم بر عرصه های طبیعی پژوهشي Research <div style="text-align: justify;"><strong><span style="font-family:2 Mitra;"><span style="font-size:10.0pt;">&nbsp;<span style="font-size:11px;">&nbsp;&nbsp; ﺷﻮری ﺧﺎک ﻳﻜﻲ از ﺧﺼﻮﺻﻴﺎت ﺑﺴﻴﺎر ﻣﻬﻢ ﺧﺎک اﺳﺖ. که </span></span></span></strong><span style="font-size:11px;"><strong>تجمع آن در مناطق خشک حاکم است و آن را به یک مشکل جدی زیست‌محیطی تبدیل کرده است.</strong><strong> ﺷﻨﺎﺳﺎﻳﻲ و پهنه‌بندی </strong><strong>خاک‌های</strong> <strong>ﺷﻮر غالباً ﺑﻪ&shy;دﻟﻴﻞ ﺗﻐﻴﻴﺮﭘﺬﻳﺮی زﻣﺎﻧﻲ و ﻣﻜﺎﻧﻲ آن و ﻧﻴﺎز ﺑﻪ نمونه‌برداری و ﻛﺎرﻫﺎی آزﻣﺎﻳﺸﮕﺎﻫﻲ ﻣﺸﻜﻞ اﺳﺖ. در ﭼﻨﺪ دﻫﻪ ﮔﺬﺷﺘﻪ اﺳﺘﻔﺎده از روش‌های زمین‌آمار و سنجش ‌از دور ﺑـﺮای ﺗﻬﯿـﻪ ﻧﻘـﺸﻪ ﺷـﻮری ﺧـﺎک و ﭘـﺎیﺶ ﺗﻐﯿﯿﺮات آن ﺗﻮﺳﻌﻪ ﭘﯿﺪا ﮐﺮده اﺳﺖ</strong><strong>. </strong><strong>ﻫﺪف از ایﻦ ﻣﻄﺎﻟﻌﻪ پهنه‌بندی شوری و ﻣﻘﺎیﺴﻪ ﻗﺎﺑﻠﯿﺖ روش‌های زمین‌آمار و ﺳﻨﺠﺶ از دور ﺑﺮای ﺗﻬﯿﻪ ﻧﻘﺸﻪ ﺷﻮری ﺧﺎک ﺳﻄﺤﯽ در دشت سگزی استان اصفهان می‌باشد. بدین&shy;منظور ابتدا 29 نمونه خاک از منطقه موردمطالعه به روش تصادفی برداشت و میزان هدایت الکتریکی&nbsp; آن اندازه‌گیری شد. جهت تهیه نقشه شوری خاک داده‌های ماهواره‌ای سنجنده </strong><strong><span dir="LTR"><span style="font-family:Times New Roman Bold,serif;">&nbsp;TM</span></span></strong><strong>لندست 7 همزمان با تاریخ برداشت صحرایی در مرداد 1376 </strong><strong>مورد تجزیه‌وتحلیل قرار گرفت. سپس پردازش‌هایی مانند </strong><strong>بارزسازی تصاویر&nbsp; و تجزیه‌وتحلیل مؤلفه‌های اصلی </strong><strong>(</strong><strong><span dir="LTR"><span style="font-family:Times New Roman Bold,serif;">PCA</span></span></strong><strong>)</strong><strong> بر روی این داده‌ها اعمال شد. </strong><strong>نتایج نشان داد که مدل کریجینگ معمولی با نیم تغییر نمای نمایی بهترین روش در مدل‌سازی و درون‌یابی شوری خاک می‌باشد. </strong><strong>با استفاده از آنالیز سطح معنی‌داری و میزان همبستگی بین خروجی مدل‌ها و داده‌های زمینی بهترین روش انتخاب و نقشه شوری خاک بر اساس بهترین روش استخراج شد. </strong><strong>نتایج نشان داد روش </strong><strong><span dir="LTR"><span style="font-family:Times New Roman Bold,serif;">PCA234</span></span></strong><strong> بالاترین همبستگی را با نقاط نمونه‌برداری دارد. با نتایج حاصل از دو مقطع زمانی 1997 و 2018 مشخص شد که میزان شوری کلاس‌های متوسط و زیاد به &shy;ترتیب در سال‌ 1997</strong> </span><strong><span style="font-size:11px;">سپس در سال 2018 کاسته شده و به میزان شوری کلاس‌های بسیار زیاد و شدید در سال 2018 اضافه شده است.</span><strong><span dir="LTR"><span style="font-family:Times New Roman Bold,serif;"><span style="font-size:8.0pt;"></span></span></span></strong></strong><strong><span dir="LTR"></span></strong></div> <div style="text-align: justify;">Soil salinity is one of the most important characteristics of the soil. Salinity accumulation is strong in arid areas and it has become a serious environmental problem. Identification and mapping of saline soils often due to temporal and spatial variability and the need for sampling and laboratory work is difficult. In recent decades using geostatistic and remote sensing have been developed for mapping salinity and sodicy of surface soil and monitoring it heir changes<span dir="RTL">.</span> The objective of this research was soil salinity zonation and comparing the capability of geostatistic and remote sensing for mapping soil salinity- in Segzi plain, Esfehan province<span dir="RTL">.</span> For this purpose, 29 soil samples from the study area were randomly sampled and measured the electrical conductivity. TM LandSat 7 images from August 1997 at the same time field sampling were applies to prepare for mapping soil salinity. Then Image processing like image enhancement and PCA were applied on the data. The results indicated that the ordinary kriging (OK) with exponential semivariogram the best method for modeling and interpolating soil salinity<span dir="RTL">.</span> With a significance level analysis and measure study between ground data and output of models, best salinity method selected and extraction soil salinity map. The results showed that the PCA234 method has the highest correlation with the sampling point<span dir="RTL">. </span>&nbsp;With the results of two periods of 1997 and 2018, it was found that the salinity levels of medium and high classes were reduced in 1997, then in 2018, respectively. Added to the Very high and extreme salinity classes in 2018.<span dir="RTL"></span><span dir="RTL"></span></div> پهنه‌بندی, دشت سگزی, شوری خاک, کریجینگ معمولی, PCA Ordinary Kriging, PCA, Segzi Plain, Soil salinity, Salinity indices, Zonation 92 104 http://drnl.sanru.ac.ir/browse.php?a_code=A-10-363-2&slc_lang=fa&sid=1 soraya yaghobi ثریا یعقوبی soraya_yaghobi@yahoo.com 1003194753284600952 1003194753284600952 Yes Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران Choghi Bairam komaki چوقی بایرام کمکی bkomaki@ gmail.com 1003194753284600953 1003194753284600953 No Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران hamidreza karimzadeh حمیدرضا کریم زاده karimzadeh@ cc.iut.ac.ir 1003194753284600954 1003194753284600954 No Isfahan University of Technology دانشگاه صنعتی اصفهان