پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,479 |
| تعداد مقالات | 70,019 |
| تعداد مشاهده مقاله | 122,949,551 |
| تعداد دریافت فایل اصل مقاله | 96,180,217 |
برآورد شوری خاک سطحی با استفاده از تصاویر ماهواره‌ای لندست: مقایسة آمار کلاسیک با مدل‌های آمار مکانی | ||
| نشریه علمی - پژوهشی مرتع و آبخیزداری | ||
| مقاله 10، دوره 66، شماره 4، اسفند 1392، صفحه 609-620 اصل مقاله (1.24 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jrwm.2014.50034 | ||
| نویسندگان | ||
| علی اکبر نوروزی1؛ مهدی همائی* 2؛ عباس فرشاد3 | ||
| 1دانش‌آموختة دکتری گروه خاک‌شناسی دانشگاه تربیت مدرس | ||
| 2استاد گروه خاک‌شناسی دانشکدة کشاورزی دانشگاه تربیت مدرس | ||
| 3استادیار دانشکدة علوم زمین دانشگاه توئنته هلند | ||
| چکیده | ||
| شوری خاک یکی از عوامل مهم محدودکنندة رشد گیاهان و تخریب اراضی است، لیکن مشاهدات زمینی برای تعیین شوری خاک بسیار زمانبر و پُرهزینه است. کاربرد مدل‌های پیشبینی و برآورد شوری خاک به کمک مدل‌های آمار مکانی در محیط سامانة اطلاعات جغرافیایی (GIS) در مقایسه با آمار کلاسیک، با توجه به فرایند پیچیدة آن، مناسب و نسبتاً ارزان است. در این پژوهش با استفاده از دادههای هدایت الکتریکی خاک بهدستآمده از 236 نقطه در دشت گرمسار به بررسی رابطة همبستگی بین مقادیر هدایت الکتریکی با 27 متغیر بهدستآمده از تصاویر ماهواره‌ای لندست (شامل شاخصهای پوشش گیاهی، شاخص شوری، باندهای 1 تا 7 ماهواره، شاخص مؤلفههای اصلی، و شاخص انتقال طیفی) اقدام گردید. به کمک روش تحلیل عاملی و شاخص شباهت در برنامة SPSS متغیرها به سه دسته تقسیم شد و بر اساس بالاترین ضریب همبستگی (58/0 و 60/0)، دو مدل به منظور پیشبینی شوری و تهیة نقشة هدایت الکتریکی خاک اشتقاق گردید. به موازات این کار، مدل‌های تخمینگر به منظور تهیة نقشة شوری از اطلاعات نقاط نمونهبرداریشده در محیط ArcGIS با استفاده از مدل آمار مکانی رگرسیون حداقل مربعات معمولی (OLSR) اشتقاق و نقشة خطای تخمین با استفاده از شاخص Morans تهیه شد. نتایج نشان داد میزان دقت مدل‌های بهدستآمده از روش OLSR با مدل‌های حاصل از روشهای آمار کلاسیک یکسان است. مزیت استفاده از روشهای آمار مکانی ارائة نقشة مقادیر تخمینی شوری و توزیع مکانی خطای تخمین است. بر این اساس، مدل‌های آمار مکانی، افزون بر داشتن دقت مناسب، به دلیل ارائة نقشة پراکنش نقاط، نقشة خطا، و عدم نیاز به تبادل اطلاعات بین نرمافزارهای مختلف نسبت به آمار کلاسیک برتری دارند. | ||
| کلیدواژه‌ها | ||
| آمار کلاسیک؛ آمار مکانی؛ رگرسیون حداقل مربعات معمولی (OLSR)؛ شاخص Morans | ||
| عنوان مقاله [English] | ||
| Estimating Topsoil Salinity from LANDST Data: A Comparison between Classic and Spatial Statistics | ||
| نویسندگان [English] | ||
| Ali Akbar Noroozi1؛ Mahdi Homaee2؛ Abbas Farshad3 | ||
| 1PhD Graduated student, Department of Soil Science, Tarbiat Modares University; Tehran, Iran | ||
| 2Professor, Department of Soil Science, Tarbiat Modares University; Tehran, Iran | ||
| 3Assistant Professor at ITC, Twente University, Enschede, Netherlands | ||
| چکیده [English] | ||
| Soil salinity is a limiting factor for plant growth and a serious cause of land degradation. Field sampling and statistical analysis for estimating soil salinity is expensive and time consuming. Estimating soil salinity by spatial statistical models and Geographic Information System (GIS) is recommended, because it saves labor and time. This study was conducted to evaluate the performance of spatial statistics with ordinary least square (OLS) incorporation with LANDSAT data to predict soil salinity. The electrical conductivity (EC) of 236 soil samples were collected from Garmsar plain at south east Tehran, Iran and were measured and correlated to 27 variables derived from LANDSAT images, including vegetation indices, salinity indices, bands 1 to 7, principal component analysis and tasseled cap indices. Using factor analysis and similarity index, these variables were divided into three components. Furthermore, two models for soil salinity estimation were derived, using the best correlation correlation coefficient (0.58 and 0.60) method. Simultaneously, soil salinity map was produced in ArcGIS by spatial statistics model ordinary least square (OLS) followed by derivation of the error map, calculated using Moran's index. The error map indicated that the spatial statistics models are superior to classic statistics methods, due to high accuracy in estimation and the fact that it doesn't require exchange information between different software programs | ||
| کلیدواژه‌ها [English] | ||
| Ordinary Least Square (OLS), Morans' Index, Classic Statistics, spatial statistics | ||
|
آمار تعداد مشاهده مقاله: 4,009 تعداد دریافت فایل اصل مقاله: 1,958 |
||