برآورد میزان سرب خاک از تصاویر ماهواره ای و طیف سنج میدانی

خاک به عنوان یک منبع ارزشمند جهت تولید منابع غذایی در طبیعت محسوب می شود، با توجه به توسعه خاک در کاربردهای مختلف زیست محیطی، مثل کشاورزی دقیق، آلودگی خاک و تاثیر خصوصیات خاک بر این پدیده ها، لازم است تا با روشی خصوصیات خاک برآورد گردد. برای برآورد خصوصیات خاک روش های مختلفی وجود دارد. یکی از ابتدایی ترین روش ها استفاده از روش سنتی است که بسیار هزینه بر و زمان بر می باشد، لذا محققان به دنبال روش های کاراتر می باشند. باتوجه به پتانسیل بالای سنجش از دور و محدوده های طیفی nir,vnir این امکان فراهم است تا خصوصیات خاک را در سطح وسیع تری و با هزینه و زمان کمتر برآورد نمود. روش های کمی و کیفی مختلفی جهت ایجاد ارتباط بین مقدار غلظت عناصر خاک و طیف حاصل از داده های سنجش از دور موجود می باشد. در میان روش های کمی استفاده از آنالیز رگرسیون برای ایجاد ارتباط بین طیف و مقدار خصوصیات خاک، به عنوان یک روش کارا و پرتوجه مطرح می باشد. آلودگی خاک توسط عناصر سنگین امروزه مورد توجه محققان محیط زیست قرار دارد. در این تحقیق سعی بر برآورد مقدار غلظت سرب خاک با استفاده از داده های سنجش از دور و با بهره گیری از مدل های رگرسیون خطی چون رگرسیون خطی ساده و رگرسیون کمترین مربعات جزئی و مدل های غیرخطی ازجمله شبکه عصبی و شبکه عصبی فازی شده است. برای این منظور منطقه مطالعاتی ایرانکوه اصفهان انتخاب شده است. با اعمال مدل خطی و غیرخطی بر روی طیف آزمایشگاهی مشخص شد، دقت مدل غیر خطی مانند شبکه عصبی فازی نسبت به مدل خطی مانند کمترین مربعات بیشتر است، مقدار rpdv مدل شبکه عصبی فازی 8.5 و برای مدل کمترین مربعات 03/2 موید این امر است. در این تحقیق علاوه بر مقایسه مدل های خطی و غیرخطی، تاثیر تصحیحات اتمسفری و توپوگرافی بر روی نتایج حاصل از برآورد مقدار غلظت سرب خاک و همچنین تلفیق طیف آزمایشگاهی و تصویر لندست8 ارزیابی شدند. در این راستا مشاهده شد اعمال تصحیح اتمسفری و همچنین پیاده سازی مدل های غیرخطی رگرسیونی در بالا بردن دقت و بهبود مدل برآورد مقدار غلظت سرب خاک تاثیر زیادی دارند. مقدار rpdvمدل رگرسیون خطی تصویر بدون پردازش 91/1 و برای مدل رگرسیون خطی تصویر پردازش شده با تصحیح اتمسفری 15/2 نشان داد، اعمال تصحیح اتمسفری باعث افزایش دقت و بهبود مدل رگرسیون خطی شده است. نتیجه اعمال تلفیق طیف تصویر و آزمایشگاهی نشان داد، تلفیق طیف تصویر و آزمایشگاهی کمکی به بهبود برآورد سرب نمی کند، دلیل این امر اختلاف دو دسته طیف ناشی از اتمسفر می باشد. موید این امر مقایسه مقدار rpdv پیاده سازی مدل شبکه عصبی فازی بر روی طیف تصویر بدون پردازش 05/2 و مقدار 61/1 این پارامتر برای مدل شبکه عصبی فازی تلفیق هر دو طیف است.