Scientific- Research Quarterly of Geographical Data (SEPEHR)

Scientific- Research Quarterly of Geographical Data (SEPEHR)

Evaluating Surface Soil Salinity by pixel-based method based on TM Sensor Data (Case study: Eastern Lands of Khoy)

Document Type : Research Paper

Authors
Mohammad Zeinali 1
Ali Asghar Jaafarzadeh 2
Farzin Shahbazi 3
Shahin Oustan 4
Khalil Valizadeh Kamran 5
1 Ph.D. Student, Department of soil science, University of tabriz, Tabriz, Iran
2 Prof., Department of soil science, University of tabriz, Tabriz, Iran
3 Assoc. Prof., Department of soil science, University of Tabriz, Tabriz, Iran
4 Assoc. Prof., Department of soil science, University of, Tabriz, Iran
5 Asis. Prof., Department of Geographic, University of Tabriz, Tabriz, Iran
10.22131/sepehr.2016.23201
Abstract
Abstract
Soil salinity and salinization of lands as one of the problems facing agriculture, has paramount importance and should be avoided with proper knowledge of its progress. The first step in this way is to identify saline areas and prepare the salinity maps for these soils. With the development of remote sensing technology and efficient use of satellite imaging, this research aimed to compare the prepared salinity maps with various types of image classification algorithms (Maximum probability, Minimum distance from the mean and Parallelepiped) by Landsat-5 satellite data with TM sensor in a part of the eastern lands of Khoy city. Therefore, 269 soil samples were analyzed with specific geographic coordinates and the results were plotted on TM image. For initial identification, topographic maps and ENVI 4.8 software were used to process satellite images and geometric corrections were made with specific points using GPS. Educational and experimental samples were located on the desired image with an appropriate distribution and salinity classes were determined from 1 to 9. Samples of each class of salinity due to having coordinates were placed accurately and with single pixel size in each image on the corresponding pixel and were stored with ROI format. The results indicate the existence of correlation between bands 1, 4, and 5 of TM image with salinity data, and the highest accuracy of the map among the classification algorithms in the Pixel-based method, is related to the maximum probability. In order to evaluate the accuracy, indices such as error matrix, Producer’s veracity, User’s authenticity, overall accuracy, and kappa Coefficient were extracted. Also, the correspondence of various salinity classes of this map with field observations and measured salinity level indicate the high accuracy of this algorithm in preparing a surface soil salinity map. The aim of the present study is to compare the prepared salinity maps with the results of other researchers by these methods in the area of interest.
Keywords
Pixel-based
Classification Algorithm
LANDSAT5
Salinity
TM Sensor
Khoy
  1. دشتکیان، پاک پرور، عبدالهی؛ کاظم، مجتبی و جلال؛ (1387)؛ بررسی روش های تهیة نقشة شوری خاک با استفاده از داده های ماهواره ای لندست در منطقه مروست، استان یزد، فصلنامة علمی-پژوهشی تحقیقات مرتع و بیابان ایران.
  2. رسولی، محمودزاده؛ علی اکبر و حسن؛ (1389)؛ مبانی سنجش از دور دانش پایه، چاپ اول، انتشارات علمیران، تبریز،192 صفحه.
  3. زبیری، مجد؛ محمود و علیرضا؛ (1382)؛ آشنایی با فن سنجش از دور و کاربرد در منابع طبیعی (اطلاعات     ماهواره ای، عکس های هوایی، فضایی)، چاپ چهارم، انتشارات دانشگاه تهران، 330 صفحه.
  4. جعفری گرزین، بهنوش؛ (1381)؛ بررسی قابلیت استفاده از داده های رقومی ETM+ ماهواره لندست در تفکیک اراضی شور، مطالعه موردی: دشت گرگان، پایان نامه کارشناسی ارشد، استاد راهنما دکتر عادل سپهری، دانشکده مرتع و آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان.
  5. چیت ساز، وحید؛ (1378)؛ بررسی امکان تهیه نقشه شوری و قلیائیت خاک در منطقه شرق اصفهان با استفاده از داده های رقومی TM، پایان نامه کارشناسی ارشد، استاد راهنما دکتر سید جمال الدین خواجه الدین، دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان.
  6. عابدی نام، عباس؛ (1383)؛ بررسی تهیه نقشه شوری خاک با استفاده از ایجاد همبستگی بین داده های ماهواره ای با مقادیر عددی شوری خاک در دشت قزوین، پژوهش و سازندگی در زراعت و باغبانی.
  7. عبدی، حاجی قادری؛ پرویز و طه؛ (1384)؛ شناسایی و ارزیابی اراضی جنگلی با استفاده از RS-GIS در استان زنجان، همایش ملی ژئوماتیک، سازمان نقشه برداری کشور، تهران.
  8. علوی پناه، سیدکاظم؛ (1385)؛ کاربرد سنجش از دور در علوم زمین (علوم خاک)، چاپ دوم، انتشارات دانشگاه تهران، 478 صفحه.
  9. فاطمی، رضایی؛ سیدباقر و یوسف؛ (1384)؛ مبانی سنجش از دور، چاپ اول، انتشارات آزاده، تهران،268 صفحه.
  10. محمودزاده، حسن؛ (1383)؛ کاربرد داده های ماهواره ای چند زمانه  در محیط GIS با هدف بررسی تغییرات کاربری اراضی شهر تبریز، پایان نامة کارشناسی ارشد، استاد راهنما دکتر علی اکبر رسولی، دانشکدة علوم انسانی و اجتماعی، دانشگاه تبریز.
  11. مخدوم، درویش صفت، جعفرزاده، مخدوم؛ مجید، علی اصغر، هادی و علیرضا؛ (1386)؛ ارزیابی و برنامه ریزی       محیط زیست با سامانه های اطلاعات جغرافیایی (GIS)،  چاپ سوم، انتشارات دانشگاه تهران، 310 صفحه.    
  12. نایی جنوری، روزبه؛ (1380)؛ بررسی امکان تشخیص مناطق شور و گچی دشت کاشان با استفاده از داده های TM، پایان نامه کارشناسی ارشد، دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان.

13-Abdel Hamid, M., 1992, Detection of saline soil with land sat TM multispectral data from bare and vegetated areas, Egyptian Journal of Soil Science, vol. 32.

14- Al-Hassoun, S.A., 2012, Remote Sensing of Soil Salinity in an Arid Areas in Saudi Arabia, International Journal of Civil and Environmental Engineering IJCEE-IJENS, 10(2): 11-20

15- Congalton, R.G. and Green, K., 2009, Assessing the Accuracy of Remotely Sensed Data: Principles and Practices, 2nd Edition, CRC Press, Taylor & Francis Group, p.183.

16- Farifteh, J. and Farshad, A., 2002, Remote sensing and modeling of topsoil properties, a clue for assessing land degrading, p 865 17th-World-Congress-of-Soil-Science-Bangkok-Thailand-14-20-August.

17- Goldshleger, N. Ben-Dor, E. Benyamini, Y. and Agassi, M., 2004, Soil reflectance as a tool for assessing physical crust arrangement of four typical soils in Israel. Soil Science, 169: 10. 677-687.

18- Kalara, N.K. and joshi, C.D., 1996, Potentially of land sat, spot and IRS satellite imagery for recognition of salt affected soils in Indian arid zone, INT. Remote-sensing, VOL. 17, NO.1 5,PP .3001-3014.

19- Rekha, S. Jenita, R. Mrunalini, B. Kannan, V. and Nethaji Mariappan, V.E., 2011, Development and Demonstration of Satellite Image Salinity Analyzer-A Tool for Salinity Mapping, International Journal on Applied Bioengineering, 5 (1): 25-29.

20- Roades, J.D., 1982, "Soluble salts", Pp: 167-179, In: Page AL, Miller RH and Keeney DR (eds), Methods of Soil Analysis. Part 2, Chemical and Microbiological Methodes, 2nd ed, Agron,Monogr, 9, ASA and SSSA, Madison, WI.

21-Richards, J.A., 1995, Remote Sensing Digital Image Analysis: An Introduction ,2nd , Springer.387-548.

22-Saxsena, R.K. Verma, K.S.R. Srivastava, J.Y. Patel, N.K. Nasre, R.A. Barthwal, A.K. Shiwalkar, A.A. and Londhe, S.L., 2003,Spectral reflectance properties of some dominant soils occurring on different altitudinal zones in Uttaranchal Himalayas. Agropedology, 13: 2. 35-43.