Degradation and Rehabilitation of Natural Land

fa تهیه نقشه تغییرات شوری خاک در دشت میاندوآب با استفاده از تصاویر ماهواره ای Mapping Soil Salinity Changes in Miandoab Plain using Satellite Images سنجش از دور و سامانه های اطلاعات مکانی پژوهشي Research <div style="text-align: justify;">     تهیه نقشه تغییرات شوری خاک در سطح وسیع بسیار هزینه‌بر و زمان‌بر می‌باشد. یکی از به‌صرفه‌ترین روش‌ها برای تهیه نقشه شوری خاک استفاده از تصاویر ماهواره‌ای است. بررسی ویژگی‌های طیفی خاک‌های با سطوح شور و تعیین گستره مناطق تحت تأثیر این پدیده، با به‌کارگیری تصاویر با توان تفکیک مکانی و طیفی نسبتاً بالا می‌تواند در تهیه نقشه شوری خاک مورد استفاده باشد. در سال‌های اخیر شاخص‌های زیادی برای استخراج ویژگی‌های سطوح شور با استفاده از تصاویر ماهواره‌ای توسعه داده‌ شده‌اند که غالب آن‌ها برمبنای بازتاب طیفی این سطوح در باندهای مختلف تصاویر ماهواره‌ای و یا نسبت‌های بین‌باندی بوده‌اند. هدف از این پژوهش، برآورد میزان تغییرات  شوری از سال 2001 تا 2016 در منطقه میاندوآب  استان آذربایجان غربی است. بدین منظور، تعداد 42 نمونه با براکنش مناسب از سطح منطقه برداشت شد. سپس نمونه ها برای اندازه‌گیری پارامترهای شوری خاک به آزمایشگاه انتقال داده شد. برای بررسی شوری خاک علاوه بر نمونه‌برداری از خاک سطحی، از شاخص سنجش‌ازدوری NDSI, IBI, NDVI, SI7 و باندهای NIR, RED, SWIR2 تصویر ماهواره‌ای لندست 7 برای سال 2001 و لندست 8 برای سال 2016 استفاده شد. معادله رگرسیونی تعیین شوری خاک برای سال 2001 نشان داد که شوری خاک با شاخص NDSI دارای ارتباط مثبت و معنی‌دار در سطح 5% است، در‌حالی‌که برای سال 2016 بیشترین ارتباط معنی‌دار در سطح 5%  با باند RED و NIR  تصویر لندست 8 بود. در سال 2001، بیشترین و کمترین اراضی منطقه را به‌ترتیب اراضی غیرشور (39%) و اراضی خیلی شور (12%) تشکیل می‌دادند؛ درحالی‌که در سال 2016، بیش‌ترین و کم‌ترین اراضی منطقه را اراضی نسبتاً شور (35%) و اراضی غیرشور (18%) تشکیل داده‌اند. نتایج پژوهش حاضر نشان داد می‌توان از  تصاویر ماهواره‌ای و شاخص‌های سنجش از دوری برای تهیه نقشه شوری خاک با دقت مناسب استفاده کرد. از آنجا که منطقه مورد مطالعه به‌علت نزدیکی به دریاچه ارومیه با مشکل شوری خاک مواجه است، بنابراین شناسایی و طبقه‌بندی مناطق شور برای مدیریت اراضی ضرورت دارد.</div> <div style="text-align: justify;"></div> <div style="text-align: justify;"></div> <div style="text-align: justify;">Abstract Mapping soil salinity changes on a large scale is very costly and time consuming. One of the most cost-effective ways to map soil salinity is to use satellite imagery. Investigation of spectral characteristics of soils with saline surfaces and determining the extent of areas affected by this phenomenon, by using new images with relatively high spatial and spectral resolution can be used in preparing soil salinity maps. In recent years, many indicators have been developed to detect and extract the characteristics of saline surfaces from satellite images, most of which have been studied based on the spectral reflection of these surfaces in different bands of satellite images or intermediate ratios. The purpose of this study is to estimate the salinity changes from 2001 to 2016 in Miandoab region located in West Azerbaijan province. For this purpose, 42 samples with appropriate distribution were taken from the area. The samples were then transferred to the laboratory to measure soil salinity parameters. To evaluate soil salinity, in addition to sampling of topsoil, the NDSI, IBI, NDVI, SI7 and NIR, RED, SWIR2 bands of Landsat 7 for 2001 and Landsat 8 for 2016 were used. The regression equation for determining soil salinity for 2001 showed that soil salinity has a positive and significant correlation with NDSI index at the level of 5%, While for 2016, the highest significant correlation at the 5% level was with the RED and NIR bands of the Landsat 8 image. In 2001, the highest and lowest lands in the region were non-saline lands (39%) and very saline lands (12%), respectively; While in 2016, the highest and lowest lands in the region are relatively saline lands (35%) and non-saline lands (18%). The results of the present study showed that the salinity of the region can be easily calculated using Remote sensing indices. Due to its proximity to Lake Urmia, the study area faces soil salinity problems, so the identification and classification of saline areas is necessary for land management.</div> تصویر ماهواره‌ای, شاخص شوری استاندارد ‌شده, کاربری اراضی, گسترش اراضی شور, هدایت الکتریکی Electrical Conductivity, Land Use, Normalized Difference Salinity Index, Saline Land Expansion, Satellite Imagery 112 122 http://drnl.sanru.ac.ir/browse.php?a_code=A-10-312-1&slc_lang=fa&sid=1 habib nazarnejad حبیب نظرنژاد h.nazarnejad@urmia.ac.ir 10031947532846001498 10031947532846001498 Yes Urmia University دانشگاه ارومیه Choghi Bayram Komaki چوقی بایرام کمکی bkomaki@gmail.com 10031947532846001499 10031947532846001499 No Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran دانشگاه علوم کشاورزی و منابع طبیعی گرگان Muslem Servati مسلم ثروتی m.servati@urmia.ac.ir 10031947532846001500 10031947532846001500 No Urmia University دانشگاه ارومیه