علی اکبر نوروزی

یکنواختی و همگنی ذرات خاک از مهمترین عوامل تأثیرگذار بر رفتار و ویژگیهای طیفی خاک میباشد. درجه یکنواختی خاک با انحراف معیار هندسی ذرات خاک (g?: Geometric standard deviation of soil particles) سنجیده می شود. در این تحقیق که هدف آن مطالعه اثر g? بر بازتاب طیفی سطح خاک (با بررسی میانگین هندسی قطر ذرات (Geometric mean particle diameter or GMPD :dg) و آهک خاک) می باشد، از اطلاعات ماهواره IRS-P6 سنجنده LISS-III در 17 شهریورماه 1386 استفاده گردید. پس از دریافت و اصلاح داده های خام ماهواره ای، تصحیحات لازم بر روی آن انجام و پردازش هایی شامل: شاخص گیاهی نرمال شده، تجزیه مؤلفه اصلی، فاصله اقلیدسی از خط خاک و طبقه بندی نظارت نشده نیز انجام گرفت. در نهایت با استفاده از روش نمونه برداری طبقه بندی شده تصادفی و بر اساس تصویر رنگی کاذب و واحدهای همگن رنگی در تصویر اصلی منطقه و اطلاعات کمکی، 95 نقطه تعیین و از عمق 5-0 سانتیمتری سطح خاک نمونه برداری انجام گردید. سپس مقادیر آهک، dg و g? برای هر نمونه محاسبه گردید. با استفاده از g? محاسبه شده، کل نمونه ها به دو گروه: 10 >g? (خاک نسبتاً همگن) و 10 ? g? (خاک نسبتاً غیرهمگن) تقسیم شده و سپس روابط همبستگی داده های خاک و بازتاب های طیفی در این دو گروه مورد بررسی قرار گرفتند. مشخص گردید که در گروه اول که شامل خاکهای نسبتاً همگون بوده اند، میانگین هندسی قطر ذرات و آهک خاک دارای روابط همبستگی قوی و بارزتری با اطلاعات ماهواره ای بوده، در حالی که در گروه دوم که شامل خاکهای ناهمگون از نظر g? بودند، دارای روابط همبستگی ضعیف تری با اطلاعات دورسنجی شده بوده اند. بنابراین مشخص گردید که انحراف معیار هندسی ذرات خاک (g?)، دارای اثر بارز و غالبی بر بازتاب طیفی از سطح خاک میباشد.

رطوبت خاک یکی از مهم ترین متغیرهای محیطی است و شناخت تغییرات مکانی و زمانی آن، بینش ارزشمندی را در مطالعه مراحل مختلف هیدرولوژیکی و مدل های آب و هوایی به همراه دارد. هدف از پژوهش، دسترسی به پایگاه های دور یا بیرون از دستِ رطوبت خاک در مناطق خشک و نیمه خشک است. داده های ماهواره ای لندست8 در منطقه ی خشک و نیمه خشکی از استان خراسان رضوی تهیه و پس از آماده سازی و پیش پردازش، به همراه مقادیر محاسبه شده ی چندین نمایه ی طیفی، تجزیه ی مؤلفه های اصلی و تبدیل داده ی تسلدکپ، به عنوان متغیرهای پیش بینی کننده، مورداستفاده قرار گرفتند. به روشِ آمار مکانی شاخص مورانز توأم با شاخص خوشه بندی حداقل- حداکثر، همبستگی جغرافیایی داده ها بررسی شد. همبسته ترین متغیرها نیز به روش رگرسیون اکتشافی و روش همبستگی دومتغیره، با محاسبه ی عامل تورم واریانس، ضریب پیرسون و ضریب تعیین، در سه سطحِ رطوبتیِ مساوی یا بیشتر از 5%، 4 تا 5 درصد و مساوی یا کمتر از 4%، مشخص شدند. پی ریزی توابعِ تخمین رطوبت سطحی خاک نیز، با هفت روشِ رگرسیون حداقل مربعات جزئی (PLSR)، رگرسیون چندگانه یِ گام به گام، رگرسیون چندگانه یِ پس حذف رو، رگرسیون چندگانه یِ پیشرو، رگرسیون چندگانه یِ وارد شونده، رگرسیون چندگانه یِ عزل و آزمونِ اعتبار متقاطعِ درختی (M5P) انجام گرفت. 188 نمونه خاک هم زمان با گذر ماهواره از منطقه برداشت و 25 درصدِ آن ها با انتخاب تصادفی، در مرحله اعتبارسنجی استفاده شدند. بررسی دقت توابع و معرفی دقیق ترین مدل ها، با محاسبه ی 5 معیارخطاسنجی انجام شد که نتایج حاصل از مقایسه ی آماره های خطاسنجی در گام نهایی، به معرفی سه مدل برای سه سطح رطوبتیِ موردنظر ختم گردید. نتایج نشان دادند که تصاویر ماهواره، توانایی مناسبی برای تخمین رطوبت سطحی خاک دارند و مدل های معرفی شده، از ضریب همبستگیِ مناسبِ بیشتر از 5/0 (504/0 تا 618/0) برخوردارند. نتایج اعتبارسنجی مدل نیز نشان داد که روش تحقیق از دقت مناسبی (425/1 تا 585/0 RMSE=، و خطای نسبیِ 5 درصد)، در تخمین رطوبت سطحی خاک برخوردار است. میانگین خطای اریب در مدل های معرفی شده غالباً کمتر از یک است، بااین وجود مقدار این آماره تمایل به بیش بر آوری را در مدل معرفی شده برای سطح رطوبتیِ 5%≤ و تمایل به کم برآوری را برای دو مدل معرفی شده ی دیگر نشان می دهد. نسبت انحراف کارایی مدل ها (RPD) نیز با احتسابِ انحراف معیارِ (158/1 تا 221/0SD=)، 38/0 تا 93/0 برآورد شد.

خشکسالی پدیده ای است طبیعی که تقریباً در تمامی اقالیم جهان رخ می دهد. اثرات این پدیده خزنده و آرام در مناطق خشک و نیمه خشک به دلیل بارندگی سالانه کمتر شان، بیشتر است. در تحقیق حاضر برای پایش مکانی خشکسالی، از سری های زمانی NDVIو LSTسنجنده MODISماهواره Terraدر ماه های فصول رشد (فروردین تا شهریور) سال های 1379 الی 1393 در استان مرکزی استفاده شد. برای این منظور، شاخص VCIو TCIبترتیب بر اساس سری های زمانی 15 ساله NDVIو LSTبه صورت ماهانه ایجاد گردید و در ادامه شاخص VHIبر اساس ترکیب دو شاخص مذکور استخراج شد. درنتیجه نقشه های درجات شدت خشکسالی بر اساس شاخص VHIدر پنج طبقه:1- خیلی شدید 2- شدید 3- متوسط 4- ملایم 5- بدون خشکسالی، استخراج گردیده و تغییرات این طبقات در سری های زمانی VHIمورد بررسی قرار گرفت. بررسی سری های زمانی حاصل از VCIو TCIنشان داد که ارتباط معنی داری میان تغییرات NDVIو LSTوجود دارد. مطابق نتایج نقشه های طبقه بندی شدت خشکسالی، شاخص VHI، سال 1379 و 1380 دارای بیشترین شدت و سال های 1383 و 1386 دارای کمترین شدت خشکسالی بوده اند. همچنین ماه اردیبهشت دارای بیشترین شدت خشکسالی و شهریور دارای کمترین شدت خشکسالی بوده است. بیشترین درصد مساحت طبقات خشکسالی بترتیب مربوط به طبقه بدون خشکسالی (56%)، ملایم (19%)، متوسط (%15)، شدید (8%) و خیلی شدید (2%) بوده است. مقایسه نتایج حاصل از این تحقیق و گزارش سازمان هواشناسی، دقت بسیار خوب روش استفاده از شاخص سنجش از دوری VHI درپایش خشکسالی کشاورزی را نشان می دهد. نتیجه آنکه شاخص های سنجش از دوری پایش خشکسالی (مانند VHI) می توانند با برطرف کردن نقاط ضعف روش های نقطه ای، در پایش خشکسالی کشاورزی به تصمیم سازان و برنامه ریزان کمک شایانی نمایند.

بخش رس از مهم ترین اجزای بافت خاک است که در عملیات مدل سازی زیست محیطی 2 و پهنه بندی رقومی خاک 3 بسیار مورد توجه است. ازآنجا که این ویژگی از تغییرپذیری های مکانی 4 تأثیر می پذیرد، تشخیص و پهنه بندی و پایش این پارامتر، در مقیاس وسیع و با روش های نمونه برداری سنتی و تحلیل آزمایشگاهی معمول، بسیار هزینه بر و وقت گیر است. بنابراین، تقاضا برای بررسی این گونه اطلاعات با کیفیت خوب، هزینه کم و قدرت تفکیک (مکانی) مناسب، در مباحث و زمینه هایی همچون کشاورزی دقیق 5 ( PA ) و برنامه ریزی اراضی 6 ( LP ) بسیار زیاد شده است. با ظهور طیف سنجی ابرطیفی آزمایشگاهی ( LDRS ) که براساس ارتعاشات بنیادین 7 ( FVs )، علائم ترکیبی 8 و فرعی 9 حاصل از گروه های عاملی 10 به تشخیص و بررسی اجزای خاک می پردازد، روزنه ای در بررسی این پارامتر خاک ایجاد کرده است. طی تحقیق حاضر، از طیف سنجی بازتابی مجاورتی 11 ( PSS ) برای بررسی مقادیر رس در قسمت هایی از استان مازندران استفاده شده است. بدین ترتیب، مجموع 128 نمونه از عمق 20 سانتیمتری سطح خاک و براساس روش نمونه برداری طبقه بندی شده تصادفی 12 ( SRS ) و نیز با کمک اطلاعات جانبی همچون: زمین شناسی، کاربری اراضی، نقشه راه ها، و خاک شناسی استان جمع آوری شد. در ابتدا، مجموع نمونه ها به دو قسمت تقسیم شد: 96 نمونه برای ایجاد مدل (عملیات واسنجی 13 ) و 32 نمونه برای اعتبارسنجی مستقل 14 آن. با بهره گیری از تحلیل رگرسیون چندمتغیره 15 PLSR و براساس تکنیک اعتبارسنجی متقاطع به روش حذف تکی 16 ( LOOCV ) و عملیات پیش پردازشی 17 چون: میانگین گیری 18 (روش کاهش داده های ابرطیفی 19 )، هموارسازی و مشتق اول طیفی براساس الگوریتم ساویتسکی- گولای 20 ، درنهایت مدل کالیبراسیون با چهار فاکتور 21 ( LFs )، با RMSE C حدود 55/9 و R 2 C حدود 73/0 و نیز RPD C تقریبی 94/1 و RPIQ C تقریبی 19/3 (ست کالیبراسیون)، به منزله مطلوب ترین مدل جهت برآورد مقادیر رس منطقه مورد مطالعه، شناخته شد که نتایج حاکی از توانایی مناسب مدل در برآورد رس منطقه بوده است. درنهایت، قابلیت فن اوری طیف سنجی بازتابی پراکنشی مرئی-فروسرخ نزدیک 22 ( VNIR- DRS )، در بررسی اجزای رسی منطقه، به اثبات رسید. همچنین، می شود این مدل و نیز دامنه های طیفی مؤثر به دست آمده را جهت بررسی مقادیر رس در مقیاس بسیار وسیع، با عملیات بیش مقیاس سازی 23 به وسیله داده های ابرطیفی هوایی-ماهواره ای، مبنا قرار داد. این امر نشان دهنده اهمیت ابرطیف سنجی آزمایشگاهی، همچون پایه ای برای تشخیص باندهای طیفی مفید و نیز ایجاد مدل جهت استفاده آن در دورسنجی ابرطیفی است.

شن از مهم ترین اجزای بافت خاک است که برای عملیات مدل سازی زیست محیطی و پهنه بندی رقومی خاک، باید مورد توجه واقع شود. از آن جا که این ویژگی، دستخوش تغییرپذیری های مکانی بوده، لذا تشخیص، پهنه بندی و پایش آن در مقیاس وسیع و با روش های نمونه برداری و تحلیل آزمایشگاهی معمول، بسیار هزینه بر و وقت گیر است. با ظهور فناوری مجاورت سنجی بازتابی(VNIR-DRS)، روزنه ای در بررسی این ویژگی خاک ایجاد شده است. طی تحقیق حاضر، از طیف سنجی بازتابی مجاورتی، برای بررسی اجزای شن در قسمت هایی از استان مازندران استفاده شد. جمعاً 128 نمونه از عمق 20 سانتی متری سطح خاک، براساس روش نمونه برداری طبقه بندی شده تصادفی و نیز با کمک اطلاعات جانبی همچون: زمین شناسی، کاربری اراضی، نقشه راه ها، و خاک  شناسی استان جمع آوری شد. در ابتدا مجموع نمونه ها به دو قسمت برای عملیات واسنجی و اعتبارسنجی تقسیم شد. با بهره گیری از تحلیل رگرسیون چندمتغیره PLSR و براساس روش اعتبارسنجی متقاطع و عملیات پیش پردازشی چون: میانگین گیری (روش کاهش داده های طیفی)، هموارسازی و مشتق اول طیفی براساس الگوریتم ساویتسکی-گولای، مدل نهایی با تعداد 2 و 4 عامل؛ به ترتیب: با همبستگی دوطرفه پیرسون(R P ) حدود 0.83 و0.82 ، ضریب تبیین(R 2 P ) حدود 0.68 و 0.67 ، میانگین مربعات خطای کالیبراسیون(RMSE P ) حدود 8.68 و 8.83 % ، و نیز RPD P تقریبی 1.78 و 1.75، RPIQ P تقریبی 2.45 و 2.41 (ست اعتبارسنجی مستقل)، به عنوان مطلوب ترین مدل به منظور برآورد مقادیر شن منطقه مورد مطالعه، شناخته شد که نتایج، نشان دهنده توانایی مناسب مدل در برآورد مقادیر شن منطقه بوده است. درنهایت، قابلیت فن اوری مجاورت سنجی، در بررسی اجزای شن منطقه به اثبات رسید. همچنین، از این مدل و نیز دامنه های طیفی مؤثر به دست آمده می توان به عنوان مبنایی برای بررسی مقادیر شن در مقیاس بسیار وسیع، با عملیات بیش مقیاس سازی توسط داده های ابرطیفی هوایی- ماهواره ای، بهره برد. که این امر نشان دهنده اهمیت طیف سنجی مجاورتی در تشخیص طول موج های مفید و نیز ایجاد مدل، به منظور استفاده آن در داده های ماهواره ای، خواهد بود.

خشک سالی از جمله بلایای طبیعی است که سبب وارد شدن خسارات اقتصادی فراوانی خصوصاً در بخش جغرافیای کشاورزی و منابع طبیعی مناطق خشک می گردد. ارزیابی و پایش خشک سالی به دلیل ماهیت آرام و خزنده اش با مسائل و مشکلات فراوانی همراه است. رویکرد استفاده از شاخص های مبتنی بر فناوری سنجش ازدور به دلیل قابلیت های مکانی و زمانی مناسب و نیز عدم وجود مشکلات روش های نقطه ای، درحال توسعه و پیشرفت است. از جمله این شاخص ها، شاخص شرایط درجه حرارت پوشش گیاهی (VTCI) است که بر اساس استفاده هم زمان از NDVI و LST ایجادشده است؛ بنابراین در این تحقیق قابلیت شاخص VTCI در پایش مکانی خشک سالی مدنظر قرارگرفته است. برای این منظور، محصولات NDVI و LST سنجنده مودیس ماهواره ترا برای مردادماه سال های 1379 تا 1393 دریافت شده و پس از انجام اصلاحات مکانی و زمانی لازم، برای ایجاد شاخص VTCI، مورد پردازش قرار گرفتند. بر اساس نتایج، سال 1385 دارای ضرایب رگرسیون بالاتری نسبت به سایر سال ها بوده است (73/0=R2 برای لبه ی گرم و 86/0=R2 برای لبه ی سرد). در ادامه، شاخص VTCI مربوط به مردادماه هرسال بر اساس ضرایب رگرسیون همان سال استخراج و نقشه ی VTCI منطقه به 5 کلاس تنش خشک سالی: شدید، متوسط، ملایم، نرمال و مرطوب طبقه بندی شده و درنهایت طبقات خشک سالی در طی این 15 سال با یکدیگر مقایسه شدند. نتایج حاصل نشان دادند که بیش ترین درصد مساحت خشک سالی مربوط به طبقه ی متوسط و کم ترین درصد مربوط به طبقه ی مرطوب بوده است. هم چنین سال های 1392 و 1390 دارای بیش ترین درصد طبقه ی شدید و مرطوب بوده اند.