توصيفگر ها :
تكامل خاك-زمين¬نما , طيف¬سنجي Vis-NIR-SWIR , mid-IR , pXRF , تكنيك القاگر الكترومغناطيس , SySI , نقشه¬برداري رقومي
چكيده فارسي :
در عصري كه استفاده از خاك در تغيير كاربري زمين، تغييرات اقتصادي و آب و هوايي در مقياس¬هاي منطقه¬اي، ملي و جهاني سرعت يافته است، نياز به اطلاعاتي درمورد ويژگي¬هاي خاك، اهميت فراواني پيدا كرده است. بنابراين شناخت دقيق خاك، درك ارتباط آن با زمين¬نما و تهيه نقشه¬هايي با قدرت تفكيك مكاني بالا نيازمند تكنيك¬هاي جديدي است كه در حداقل زمان ممكن اطلاعات چندين ويژگي خاك را ثبت كند. در اين راستا پژوهش حاضر در قالب چهار مطالعه شامل ارتباط بين سطوح ژئومورفيك و تكامل خاك¬ها، ارزيابي برخي از روش¬هاي نوين در برآورد ويژگي¬هاي فيزيكي- شيميايي و هيدروليكي خاك، پيش¬بيني مكاني برخي ويژگي¬هاي خاك در بخشي از اراضي كشاورزي و مرتعي بخش افزر با مساحتي بالغ بر 242 كيلومتر مربع واقع در شهرستان¬ قيروكارزين استان فارس (عرض جغرافيايي ̍16 ˚ 28 تا ̍29 ˚28 درجه شمالي و طول جغرافيايي ̍51 ˚52 تا ̍02 ˚53 درجه شرقي) انجام شد. به¬منظور دست¬يابي به اهداف اين مطالعه، نقشه ژئومورفولوژي با استفاده از روش¬هاي استاندارد تهيه شد و سپس مرزهاي اين نقشه در صحرا اصلاح و مورد بازبيني قرار گرفت. براي بررسي تكامل خاك و زمين¬نما 25 پروفيل حفر، نمونه¬برداري و تا سطح گروه بزرگ تشريح شد و با استفاده از متغيرهاي كمكي كمّي و كيفي و بكارگيري روش نمونه¬برداري مربع لاتين هايپركيوب شرطي موقعيت مكاني 300 نقطه محل براي نمونه¬برداري خاك سطحي (0 تا 30 سانتي¬متري) انتخاب شد و نمونه¬برداري صورت گرفت. به¬منظور برآورد پارامترهاي هيدروليكي خاك با استفاده از دستگاه نفوذ¬سنج مكشي، تعداد 100 نقطه محل از بين 300 نقطه نمونه¬برداري شده، انتخاب و نفوذ غير اشباع آب به خاك و پارامترهاي هيدروليكي خاك در مكان¬هاي انتخابي توسط دستگاه نفوذسنج مكشي اندازه¬گيري شد. نتايج بررسي تكامل خاك و زمين¬نما نشان داد كه فرآيندهاي آبرفتي و واريزه¬اي به¬عنوان عوامل كنترل كننده اصلي شكل¬هاي زمين در اين مناطق محسوب مي¬شوند. دو فاكتور توپوگرافي و مواد مادري اصلي¬ترين فاكتورهاي خاكسازي در منطقه بوده و سبب تشكيل و تمايز خاك شده است و هم¬زمان با تشكيل لندفرم و فرآيندهاي مرتبط با تشكيل سطوح ژئومورفيك، اين فرآيندها باعث ايجاد تكامل و تفاوت در خاك¬هاي منطقه شده است. نتايج ارزيابي تكنيك¬هاي طيف¬سنجي در محدوده¬ي Vis-NIR-SWIR، mid-IR و pXRF براي پيش¬بيني توزيع اندازه ذرات خاك، كربن آلي، كربنات كلسيم معادل، گچ، چگالي ظاهري خشك و رسانايي الكتريكي اشباع با استفاده از مدل PLSR و پيش¬پردازش¬هاي مختلف نشان داد كه طيف Vis-NIR-SWIR و در مرتبه¬ي بعد طيف mid-IR براي پيش¬بيني توزيع اندازه ذرات خاك عملكرد خوبي دارند و هر كدام به تنهايي قادر به پيش¬بيني توزيع اندازه¬ ذرات خاك مي¬باشند، در¬حالي-كه pXRF به¬تنهايي قادر به پيش¬بيني توزيع اندازه¬ ذرات خاك نيست. محدوده¬هاي طيفي Vis-NIR-SWIR، mid-IR و pXRF قادر به پيش¬بيني چگالي ظاهري خشك نبودند، در¬حالي¬كه هر سه محدوده طيفي براي پيش¬بيني كربنات كلسيم خاك عملكرد بسيار خوبي داشتند. محدوده¬ها¬ي طيفي Vis-NIR-SWIR و mid-IR به¬طور موفقيت¬آميزي توانستند كربن آلي خاك را پيش¬بيني كنند، اما به¬ اين دليل كه طيف pXRF توانايي اندازه¬گيري عناصر سبك و كم انرژي مانند كربن را نداشت، بنابراين pXRF نمي¬توانست به¬طور مستقيم و به¬تنهايي براي پيش¬بيني و تجزيه و تحليل كربن آلي خاك استفاده شود. نتايج پيش¬بيني گچ با استفاده از هر سه محدوده¬ي طيفي براساس شاخص RPIQ، عملكرد غيرقابل اعتمادي داشت. با اين وجود با توجه به ويژگي¬هاي جذب اختصاصي گچ در محدوده¬ي طيفي Vis-NIR-SWIR و mid-IR و مقدار بالاي شاخص R2، به¬نظر مي¬رسد روش¬هاي طيف¬سنجي پتانسيل زيادي در برآورد گچ در مناطق همگن از نظر گچ داشته باشند. طيف pXRF و تكنيك القاگر الكترومغناطيس (EMI) دقت قابل قبولي براي پيش¬بيني رسانايي الكتريكي اشباع خاك دارند، در حالي¬كه طيف Vis-NIR-SWIR و mid-IR براي پيش‌بيني رسانايي الكتريكي غيرقابل اعتماد هستند. نتايج امكان-سنجي برآورد پارامترهاي هيدروليكي با استفاده از داده¬هاي طيف¬سنجي در محدوده¬ي Vis-NIR-SWIR نشان داد كه اين تكنيك قادر به پيش¬بيني پارامترهاي هيدروليكي خاك در منطقه¬ي مورد مطالعه نيست، در¬حالي¬كه توابع انتقالي خاك با دقت نسبتاً قابل قبولي قادر به پيش¬بيني پارامترهاي هيدروليكي خاك هستند. نتايج پيش¬بيني مكاني ويژگي¬هاي خاك نشان داد كه باندهاي تصوير خاك برهنه چند زماني (SySI) به¬عنوان متغير كمكي مهم براي پيش‌بيني بيشتر ويژگي¬هاي خاك است و به¬دليل توپوگرافي كم و مسطح بودن منطقه مورد مطالعه، داده¬هاي محيطي مشتق شده از مدل رقومي ارتفاع اهميت نسبي كمتري نسبت به داده¬هاي سنجش از دور داشتند.
چكيده انگليسي :
The aims of the current research were to (i) investigate the variability of soil properties across the landscape, and its relationships with landforms variation, (ii) compare the capability of several spectral ranges (Vis-NIR-SWIR, mid-IR, and pXRF spectroscopy) to quickly predict soil properties, (3) estimate soil hydraulic parameters using proximal spectral reflectance in Vis–NIR–SWIR region, and (4) predict spatial variability of soil properties by integration of remote sensing and proximal sensing data and topographic attributes using different machine learning methods in an arid region, located at Afzar district, Fars province, southern Iran. To achieve the variability of soil development across the studied area, 25 profiles were described and classified according to US Soil Taxonomy up to the great group level. For examining the other hypothesis, a total of 300 surface soil samples (0–30 cm) were collected using the conditional Latin hypercube sampling (cLHS) technique. At the field study, an electromagnetic induction device was used to determine the apparent electrical conductivity (ECa) at the sampled locations. Unsaturated water infiltration was measured at the consecutive inlet matric suctions (h) of 15, 10, 5, and 2 cm using a tension infiltrometer at 100 sampling locations. Then, soil hydraulic parameters were optimized using analytical wooding and numerical methods. The results showed that due to the arid climate of the given area, soils of the study area were identified at the initial stage of development and evolution. Alluvial processes were considered as the main factors controlling landforms formation in the study area. Topography and parent materials were identified as the main factors that caused the formation and differentiation of soils. The results of predicting soil properties by proximal sensing showed that Vis-NIR-SWIR had better results for predicting soil texture. Based on the ratio of performance to interQuartile distance (RPIQ) index, three approaches could successfully predict CCE. The results of the predictive model for gypsum showed that the value of the determination coefficient is high, but according to the low value of the RPIQ index, the model prediction performance was untrusted.This seems to be due to the chaotic distribution of gypsum in this area. The results showed that the pXRF technique alone could not predict SOC in this area, and it is probably better to use it in combination with Vis-NIR-SWIR and mid-IR data. pXRF for predicting soil salinity was acceptable and successful. Also, the results showed that the Vis-NIR-SWIR and mid-IR ranges could not predict salinity and should be used in combination with pXRF data. In conclusion, the Vis-NIR-SWIR, mid-IR, and pXRF spectroscopy are presented here as useful and reliable tools for direct applications in pedology, particularly in the digital mapping of soil surface properties. The results of predicting hydraulic parameters using Vis-NIR-SWIR data showed that the model prediction for saturated hydraulic conductivity (KsDISC) was weak and for the others was very weak. The disability and poor prediction of spectral data for hydraulic parameters may be attributed to the fact that hydraulic parameters are highly affected by the soil structure and pore size distribution. Spatial prediction modeling of soil characteristics showed that nonlinear models had better performance than linear models. For predicting sand, calcium carbonate, and gypsum, the best performance was the cubist model, and for predicting clay, silt, organic carbon, and soil salinity, the random forest model had the highest performance among the models evaluated. The result indicated that the combination of high-quality remote sensing data and variables derived from DEM could predict soil properties. Overall, this study showed strong promise to improve DSM, especially in situations with a lack of soil data.
