[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 5، شماره 4 - ( 12-1396 ) ::
جلد 5 شماره 4 صفحات 113-145 برگشت به فهرست نسخه ها
ارزیابی داده‌های سنجنده OLI،قابلیت طیف‌سنج بازتابی ALTA و استفاده از مفهوم ایستگاه‌ مجازی در تهیه نقشه پراکندگی غلظت فلزات سنگین خاک
فاطمه گل تپه ، پرویز ضیائیان فیروزآبادی، حمیدرضا ریاحی بختیاری
دانش آموخته ارشد دانشگاه خوارزمی
چکیده:   (350 مشاهده)
استفاده از تکنولوژی سنجش از دور و تلفیق آن با سامانه اطلاعات جغرافیایی، از جمله راه‌های کسب سریع و کم‌هزینه اطلاعات به‌خصوص در حوزه مطالعات محیطی و علوم زمین جهت مدیریت بهینه است. این تحقیق با هدف ارزیابی داده‌های سنجنده  OLIماهواره لندست 8، قابلیت طیف‌سنج بازتابی ALTA در انتخاب بهینه باندهای طیفی تصویر ماهواره‌ای برای مدل‌های پیش‌بینی وتأثیر استفاده از مفهوم ایستگاه مجازی در تغییر دقت مدل‌ها، در تهیه نقشه پراکندگی غلظت عناصر سنگین نیکل، سرب و روی در خاک سطحی اطراف نیروگاه شهید رجائی قزوین انجام شد. پس از تعیین محل ایستگاه‌های نمونه‌برداری روی تصویر ماهواره‌ای، با توجه به کاربری غالب زمین‌های اطراف نیروگاه (کاربری کشاورزی) و با توجه به استفاده از عمق شخم متفاوت خاک در این نوع کاربری، به طور متوسط از عمق حدود 15-0 سانتی‌متری خاک سطحی، تعداد 34 نمونه‌ی مرکب جمع‌آوری و هم‌زمان بازتابندگی طیفی نمونه‌ها با استفاده از طیف‌سنج بازتابی آلتا قرائت و ثبت شد. غلظت عناصر سنگین توسط دستگاه طیف‌سنج اتمی در آزمایشگاه تعیین شد. با توجه به معادل‌سازی تقریبی محدوده طیفی باندهای تصویر ماهواره‌ای و محدوده طیفی لامپ‌های رنگی طیف‌سنج بازتابی آلتا، از اطلاعات طیفی ثبت شده توسط طیف‌سنج بازتابی برای انتخاب بهینه باندهای تصویر ماهواره‌ای جهت شرکت در روابط رگرسیون بین داده‌های بازتابندگی طیفی (متغیر مستقل) و غلظت عناصر سنگین خاک (متغیر وابسته) استفاده شد. از مفهوم ایستگاه‌ مجازی که از لحاظ خصوصیات بازتابندگی طیفی شبیه ایستگاه‌های نمونه‌برداری شده هستند به منظور افزایش دقت مدل‌‌ها استفاده شد. برای این منظور از داده‌های سنجنده OLI ماهواره لندست 8 و در بازه %1± ارزش‌های عددی پیکسل‌های تمامی باندهای منتخب تصویر ماهواره‌ای (6 باند منتخب در محدوده مرئی و مادون قرمز)، بالغ بر4450 ایستگاه مجازی در محدوده اطراف نیروگاه یافت شد. در نهایت با استفاده از باندهای تصویر ماهواره‌ای و اعمال روابط با ضریب تبیین بزرگتر، نقشه پراکندگی غلظت فلزات سنگین خاک با دقت متوسط به دست آمد. اعتبارسنجی مدل‌ها با استفاه از رابطه جذر میانگین مربعات خطا (RMSE) نشان داد که استفاده از مفهوم ایستگاه مجازی سبب افزایش دقت مدل‌ها شد؛ به‌نحوی که در معادلات رگرسیون خطی، در مورد نیکل 21/17%، در مورد سرب 19/20% و در مورد روی 05/4% و در معادلات رگرسیون غیرخطی، در مورد نیکل 42/13%، در مورد سرب 19/20% و در مورد روی 10/3% افزایش دقت در مدل‌های پیش‌بینی مشاهده شد. پیشنهاد می‌شود در مطالعات آتی، داده‌های سایر سنجنده‌ها مورد ارزیابی قرار گیرد. همچنین تأثیر سایر متغیرهای محیطی خاک از قبیل رطوبت، حرارت، پوشش گیاهی و ... نیز درمدل‌ها در نظر گرفته شود.
واژه‌های کلیدی: سنجش از دور خاک- فلزات سنگین خاک- طیف‌سنج بازتابی ALTA- ایستگاه مجازی.
متن کامل [PDF 3335 kb]   (131 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سنجش از دور
دریافت: ۱۳۹۵/۸/۹ | پذیرش: ۱۳۹۶/۶/۲۵ | انتشار: ۱۳۹۶/۱۲/۲۸
فهرست منابع
1. [1] M. Mirsane, The Introduction of Satellite Remote Sensing in Land Resources.Ministry of Agriculture,Department of Planning and Economy,Office of Statistics and Information Technology, 2011: http://www.maj.ir/portal/File/ShowFile.aspx?ID= 6860d8 de-cdea -4436-a6d6-698c2857df1d. (Persian)
2. [2] A. Huete, Remote sensing of soil and soil processes, 2004. Translator: M. ehteshami Moeinabadi under the doctor Abdullah Saeedi, Ministry of Industry and Mines, Geological and mineral explorations Organization, the National Geoscience Database, 2007. (Persian)
3. [3] Al Maliki, A., Bruce, D., & Owens, G. (2012). Capabilities of remote sensing hyperspectral images for the detection of lead contamination: a review. ISPRS annals of the photogrammetry, remote sensing and spatial information sciences. Melbourne, 55. [DOI:10.5194/isprsannals-I-7-55-2012]
4. [4] M. Dayani- J. Mohammadi - M. Naderi /Geostatistical Analysis of Pb, Zn and Cd concentration in soil of Sepahanshahr suburb (south of Esfahan)/ Journal of Water and Soil/ Vol. 23, No. 4, Winter 2009, p. 67-76/ Mashhad Ferdowsi University .(Persian)
5. [5] Mahmoudi and Naderi. (2011). Usability of satellite data to the IRS-P6LISS-III for contaminated soils. Journal of Remote Sensing and GIS Iran, third year-Third Issue, 60-49. (Persian)
6. [6] Kooistra, L., Wehrens, R., Leuven, R., & Buydens, L. (2001). Possibilities of visible–near-infrared spectroscopy for the assessment of soil contamination in river floodplains. Analytica Chimica Acta, 446(1), 97-105. [DOI:10.1016/S0003-2670(01)01265-X]
7. [7] J.Clevers, & L. Kooistra, "Assessment of heavy metal contamination in river floodplains by using the red-edge index", Chemical analysis, 2001.
8. [8] [Nagy, A., & Tamas, J. (2007). Hyperspectral assessment of polluted sites. Paper presented at the MOKKA Conference.
9. [9] [9] E. Choe, van der F. Meer, van F. Ruitenbeek, van der H. Werff, de B. Smeth, & K-W. Kim, "Mapping of heavy metal pollution in stream sediments using combined geochemistry, field spectroscopy, and hyperspectral remote sensing: A case study of the Rodalquilar mining area, SE Spain", Remote Sensing of Environment, 112(7), 3222-3233, 2008. [DOI:10.1016/j.rse.2008.03.017]
10. [10] A. K. Saghatelyan, L. V. Sahakyan, S. G. Asmaryan, M. V. SAmirkhanyan, & V. S. Muradyan, "Remote Sensing in Eco-Geochemical Assessment of Heavy Metal Pollution of Territories", Paper presented at the Book of proceedings from 5th International Conference EMAN, 2009.
11. [11] C. M. Pandit, G. M. Filippelli, & L. Li, "Estimation of heavy-metal contamination in soil using reflectance spectroscopy and partial least-squares regression". International Journal of Remote Sensing, 31(15), 4111-4123, 2010. [DOI:10.1080/01431160903229200]
12. [12] JiA, J., SongA, Y., YuanB, X., & YangC, Z. (2010). Diffuse reflectance spectroscopy study of heavy metals in agricultural soils of the Changjiang River Delta, China. Paper presented at the 19th World Congress of Soil Science.
13. [13] Dana, I. F., & Badea, A. (2011). Studies regarding the use of remote sensing satellite data for the identification of heavy metal pollution in agricultural fields. Annals of DAAAM & Proceedings, 85-87.
14. [14] Gannouni, S., Rebai, N., & Abdeljaoued, S. (2012). A Spectroscopic approach to assess heavy metals contents of the mine waste of Jalta and Bougrine in the north of Tunisia. Journal of Geographic Information System, 4(3), 242. [DOI:10.4236/jgis.2012.43029]
15. [15] Asmaryan, S. G., Muradyan, V., Sahakyan, L., Saghatelyan, A., & Warner, T. (2014). Development of remote sensing methods for assessing and mapping soil pollution with heavy metals. GlobalSoilMap: Basis of the global spatial soil information system, 429.
16. [16] Allan H. Treiman, ALTA Reflectance Spectrometer Introduction and Classroom Lesson, Lunar and Planetary Istitute, LPI Cotribution No. 1071, (2000).
17. [17] ALTA Reflectance Spectrometer, http://www.lpi.usra.edu / spectrometer/ products/, 2011.
18. [18] A. Ung, L. Wald, T. Ranchin, C. Weber, J. Hirsch, G. Perron, & J. Kleinpeter, "Satellite data for the air pollution mapping over a city–The use of virtual stations", Paper presented at the EARSeL Symposium 2001 "Observing our environment fromspace: new solutions for a new millenium"., 2001.
19. [19] Nazariean, Zeaiean Firouzabadi, Jangi. (2007). Assess the location and morphology of air quality in Tehran in using GIS and satellite data (RS). Geographical Research, 39 (9). (Persian)
20. [20] Lansat 8 Image, http://gistech.ir/remote-sensing, 2013. (Persian)
21. [21] S. Nazari Koodehi, S. Davari, A. Sohrabi Kashani, Z. Delavar Moqaddam, A. Rezaeian, Sh. Shivaee, …, I. Sabet Qadam, " Dispersion modeling gaseous pollutants NOx and SO2 from power plants and Mapping pollution In GIS", First edition, Niroo Research Institute, Department of Environment, 2006. (Persian)
22. [22] Qazvin, https://fa.wikipedia.org, 2015. (Persian)
23. [23] OLI image, http://earthexplorer.usgs.gov/, 2015.
24. [24] [24]Dayani, M., Naderi, M., Mohammadi, J (2010). Mapping Concentrations of Pb, Zn and Cd in Soils Using Landsat ETM+ Data in Southern Isfahan. Journal of Water and Soil. Vol. 24, No. 2, May-Jun 2010, p. 286-296. (Persian)
25. [25] Company Zrazma, Catalog, http://www.zarazma.com/fa. (Persian)
26. [26] OLI; Conversion DN to Reflectance, http://landsat.usgs.gov/ Landsat8_Using_ Product.php, 2015.
27. [27] www.m-mirzadeh.blogfa.com(Persian)
28. [28] http://www.tahlil-amari.com/1212/رگرسیون-در-هم‌خطی-multicolinearity/(Persian)
29. [29] Johnstone. (2004-2001). Geostatistical Analyst in ArcGIS, ESRI product of the company: Translators: Elham Esma'ilzadeh, Tahereh Nasirzadeh, Tehran, satellite Publications, 2013, First Edition.(Persian)
ارسال پیام به نویسنده مسئول



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Goltappeh F, Zeaiean Firouzabadi P, Riyahi Bakhtyari H R. Evaluation of OLI Sensor Data, The Capabilities of ALTA ReflectanceSpectrometerand Using The Concept of Virtual StationsMapping The Distribution of Heavy Metals in Soil. jgit. 2018; 5 (4) :113-145
URL: http://jgit.kntu.ac.ir/article-1-547-fa.html

گل تپه فاطمه، ضیائیان فیروزآبادی پرویز، ریاحی بختیاری حمیدرضا. ارزیابی داده‌های سنجنده OLI،قابلیت طیف‌سنج بازتابی ALTA و استفاده از مفهوم ایستگاه‌ مجازی در تهیه نقشه پراکندگی غلظت فلزات سنگین خاک. مهندسی فناوری اطلاعات مکانی. 1396; 5 (4) :113-145

URL: http://jgit.kntu.ac.ir/article-1-547-fa.html



دوره 5، شماره 4 - ( 12-1396 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.06 seconds with 30 queries by YEKTAWEB 3701