تعداد نشریات | 13 |
تعداد شمارهها | 150 |
تعداد مقالات | 1,491 |
تعداد مشاهده مقاله | 2,264,733 |
تعداد دریافت فایل اصل مقاله | 1,896,613 |
برآورد ظرفیت تبادل کاتیونی خاک با استفاده از طیفسنجی بازتابی | ||
پژوهش و توسعه جنگل | ||
مقاله 6، دوره 4، شماره 3، آذر 1397، صفحه 347-361 اصل مقاله (1.36 M) | ||
نوع مقاله: علمی - پژوهشی | ||
نویسندگان | ||
فاطمه موسوی1؛ احسان عبدی* 2؛ عباس قلندرزاده3؛ حسینعلی بهرامی4؛ باریس مجنونیان5؛ سهام میرزایی6 | ||
1دانشجوی دکتری مهندسی جنگل، دانشگاه تهران، کرج، ایران. | ||
2دانشیار، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران. | ||
3دانشیار، دانشکده مهندسی عمران، دانشگاه تهران، تهران، ایران. | ||
4دانشیار، گروه خاکشناسی، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران. | ||
5استاد، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران. | ||
6دانشجوی دکتری سنجش از دور و GIS، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران. | ||
چکیده | ||
در این پژوهش قابلیت بازتاب طیفی خاک بهمنظور برآورد مقدار CEC خاک بررسی شد. به همین منظور تعداد 45 نمونه خاک از بخش نمخانه جنگل خیرود جمعآوری و بازتاب طیفی آنها در محدوده 2500-350 نانومتر اندازهگیری و ارتباط آن با مقادیر CEC اندازهگیری شده مورد بررسی قرار گرفت. علاوه بر روش رگرسیون حداقل مربعات جزئی (Partial Least Squares Regression: PLSR)، دو گروه از شاخصهای باریکباند خاک (RI، DI) نیز برای برآورد CEC در دو حالت طیف بازتابندگی و مشتق آن استفاده شدند و سپس مورد مقایسه قرار گرفتند. نتایج این بررسی نشان داد که بهطورکلی شاخصهای باریکباند ارتباط قویتری با CEC نسبت به روش PLSR دارند و در حالت مشتق اول شاخص DI بیشترین همبستگی (01/5= RMSE، 82/0= R2) نسبت به دیگر حالتهای شاخصها مشاهده شد. در روش PLSR طیف خام با CEC ارتباط قویتری نسبت به مشتق اول نشان داد، درحالیکه در استفاده از روش شاخصهای باریک باند، مشتق اول و CEC ارتباط قویتری نسبت به طیف خام نشان دادند؛ بنابراین با توجه به اینکه بین CEC و بازتاب طیفی خاک ارتباط بسیار قوی وجود دارد، میتوان از طیفسنجی بازتابی بهعنوان روشی غیرمخرب، سریع، آسان و کمهزینه برای برآورد CEC استفاده کرد. | ||
کلیدواژهها | ||
بازتاب؛ شاخصهای باریک باند خاک؛ طیفسنجی؛ PLSR؛ CEC | ||
مراجع | ||
- Amini, M., K. C. Abbaspour, H. Khademi, N. Fathianpour, M. Afyuni & R. Schulin, 2005. Neural network models to predict cation exchange capacity in arid regions of Iran, European Journal of Soil Science, 56(4): 551-559.
- Bahrami, H. A., S. Mirzaei, A. Darvishi Boloorani & S. K. Darvishzadeh, Alavipan ah, 2016. Analysis of Dust Storm Effects on Reflectance Spectra of Wheat Canopy, Journal of Remote Sensing and GIS, 7(4): 13-26. (In Persian)
- Bayat, H., N. Davatgar & M. Jalali, 2014. Prediction of CEC using fractal parameters by artificial neural networks, International Agrophys, 28(2): 143-152.
- Bower, C. A., R. F. Reitmeir & M. Fireman, 1952. Exchangeable cation analysis of saline and alkali soils, Soil Science, 73(4): 251-261.
- Bilgili, A.V., H. M. Van Es, F. Akbas, A. Durak & W. D. Hively, 2010. Visible-near infrared reflectance spectroscopy for assessment of soil properties in a semi-arid area of Turkey, Journal of Arid Environments, 74(2): 229-238.
- Blanco, M., J. Coello, H. Iturriaga, S. Maspoch & C. De La Pezuela, 1996. Quantitation of the active compound and major excipients in a pharmaceutical formulation by near infrared diffuse reflectance spectroscopy with fibre optical probe, Analytica Chimica Acta, 333(1-2): 147-156.
- Bartholomeus. H. M., M. E. Schaepman, L. Kooistra, A. Stevens, W. B. Hoogmoed & O. S. P. Spaargaren, 2008. Spectral reflectance based indices for soil organic carbon quantification, Geoderma, 145(1-2): 28-36.
- Clark, R. N., 1999. Spectroscopy of rocks and minerals, and principles of spectroscopy, Manual of Remote Sensing, 3: 3-58.
- Chen, F. H., 1988. Foundation on expansive soils, Elsevier Science Publishers.
- Das, B. M., 2008. Advanced Soil Mechanic. Taylor and Francis, New York, 370p.
- Gao, B. C. & A. F. H. Goetz, 1995. Retrieval of Equivalent Water Thickness and Information Related to Biochemical Components of Vegetation Canopies from AVIRIS Data, Remote Sensing of Environment. 52(3): 155-162.
- Ghorbani, H., H. Kashi, N. Hafezi Moghaddas & S. Emamghlozadeh, 2015. Estimation of Soil Cation Exchange Capacity using Multiple Regression, Artificial Neural Networks, and Adaptive Neuro-fuzzy Inference System Models in Golestan Province, Iran, Communications in Soil Science and Plant Analysis, 46(6): 763-780.
- Cho, M. A., A. Skidmore, F. Corsi, S. E. Van Wieren & I. Sobhan, 2007. Estimation of green grass/herb biomass from airborne hyperspectral imagery using spectral indices and partial least squares regression, International Journal of Applied Earth Observation and Geoinformation, 9(4): 414-424
- Gomez, C., P. Lagacherie & G. Coulouma, 2008. Continuum removal versus PLSR method for clay and calcium carbonate content estimation from laboratory and airborne hyperspectral measurements, Geoderma, 148(2):141-148.
- Hosseini Arablu, N., H. Khodaverdiloo, D. SH. Ghorbani & H. R. Momtaz, 2015. Effect of grouping soils based on their organic carbon and clay content on performance of hierarchical pedotransfer functions of soil cation exchange capacity, Electronic Journal of Soil Management and Sustainable Production, 4(4): 215-23. (In Persian)
- Hamberg, D. J., 1985. A simplified method for predicting heave in expansive soils. MS thesis. Colorado State University. Fort Collins, 150 p.
- Hansena, P. M. & J. K. Schjoerring, 2003. Reflectance measurement of canopy biomass and nitrogen status in wheat crops using normalized difference vegetation indices and partial least squares regression, Remote sensing of environment, 86(2): 542-553.
- Haest, M., T. Cudahy, A. Rodger, C. Laukam, E. Martens & M. Caccetta, 2013. Unmixing the effects of vegetation in airborne hyperspectral mineral maps over the Rocklea Dome iron-rich palaeochannel system (Western Australia), Remote Sensing of Environment, 129(1): 17-31.
- Kariuki, P. C., F. Van der Meer & P. N. W. Verhoef, 2003. Cation exchange capacity (CEC) determination from spectroscopy, Journal of Remote Sensing, 24(1): 161-167.
- Zhang, J., Y. Tian, Y. Zhu, X. Yao & W. Cao, 2009. A near-infrared spectral index for estimating soil organic matter content, Ying yong sheng tai xue bao=The journal of applied ecology, 20(8): 1896-1904.
- Knadel, M., B. Stenberg, F. Deng, A. Thomsen & M. H. Greve, 2013. Comparing predictive abilities of three visible-near infrared spectrophotometers for soil organic carbon and clay determination, Journal of near infrared spectroscopy, 21(1): 67-80.
- Martens, H. & T. Naes, 1989. Multivariate calibration, Second edition. John Wiley and Sons Ltd press, Chichester, UK, 419 p.
- Mousavi, F. & E. Abdi, 2015. Studying the effect of polymeric materials in improving the potential of forest roads soil volume change, Forest Research and development, 1(2): 145-153. (In Persian)
- Nawar, S., H. Buddenbaum & J. Hill, 2015. Estimation of soil salinity using three quantitative methods based on visible and near-infrared reflectance spectroscopy: a case study from Egypt, Arabian Journal of Geosciences, 8(1): 5127-5140.
- Nelson, J. & D. J. Miller, 1992. Expansive Soils Problems and Practice in Foundation and Pavement Engineering, John Wiley & Sons press.
- Pearring, J. R., 1963. A study of basic mineralogical, physical–chemical, and engineering index properties of laterite soils. PhD thesis. Texas A&M University Texas. College Station. TX, USA, 186 p.
- Rossel, R. V. & A. B. McBratney, 2008. Diffuse reflectance spectroscopy as a tool for digital soil mapping, Digital Soil Mapping with Limited, 165-172.
- Summers, D., M. Lewis, B. Ostendorf & D. Chittleborough, 2011. Visible near-infrared reflectance spectroscopy as a predictive indicator of soil properties, Ecological Indicators, 11(1): 123-131.
- Salehi, A., M. Zainkafsh, G. Zahedi Amiri & R. Marvi Mohajer, 2005. A study of soil physical and chemical properties in relation to tree ecological groups in Nam-Khaneh district of Kheirood-Kenar forest, Iranian Journal of Natural Resource, 58(3): 567-578 (In Persian).
- Stenberg, B. & R. V. Rossel, 2010. Diffuse reflectance spectroscopy for high-resolution soil sensing, Proximal Soil Sensing, 29-47.
- Stenberg. B., R. A. Viscarra Rossel, A. M. Mouazen & J. Wetterlind, 2010. Visible and Near Infrared Spectroscopy in Soil Science, Advances in Agronomy, 107: 163-215.
- Savitzky, A. & M. J. E. Golay, 1964. Smoothing and Differentiation of Data by Simplified Least Square Procedure, Analytical Chemistry, Analytical chemistry, 36(8): 1627-1638.
- Tian, Y., J. Zhang, X. Yao, W. Cao & Y. Zhu, 2013. Laboratory assessment of three quantitative methods for estimating the organic matter content of soils in China based on visible/near-infrared reflectance spectra, Geoderma, 202:161-170.
- Tucker, C. J., 1979. Red and Photographic Infrared Linear Combinations for Monitoring Vegetation, Remote Sensing of Environment, 8(2): 127-150.
- Williams, P. C., 2001. Near-infrared technology in the agricultural and food industries. American Association of Cereal Chemists, Inc., St. Paul, Minnesota, USA, 330 p.
- Waruru, B., K. D. Shepherd, G. M. Ndegwa, P. T. Kamoni & A. M. Sila, 2014. Rapid estimation of soil engineering properties using diffuse reflectance near infrared spectroscopy, biosystems engineering, 121(1): 177-185.
- Walvoort, D. & A. B. McBratney, 2001. Diffuse reflectance spectrometry as a proximal sensing tool for precision agriculture. Proceedings of Third European Conference on Precision Agriculture. pp. 503-507.
- Waiser, T. H., C. L. S. Morgan, D. J. Brown & C. T. Hallmark, 2007. In situ characterization of soil clay content with visible near-infrared diffuse reflectance spectroscopy, Soil Science Society of America Journal, 71(1): 389-396.
- Wold, S., M. Sjöström & L. Eriksson, 2001. PLS-regression: a basic tool of chemometrics. Chemometrics and intelligent laboratory systems, 58(2): 109-130.
- Xie, H. T., X. M. Yang, C. F. Drury, J. Y. Yang & X. D. Zhang, 2011. Predicting soil organic carbon and total nitrogen using mid- and near-infrared spectra for Brookston clay loam soil in Southwestern Ontario, Canada, Canadian Journal of Soil Science, 91(1): 53-63.
- Yao, X., Y. Huang, G. Shang, C. Zhou, T. Cheng, Y. Tian, W. Cao & Y. Zhu. 2015. Evaluation of six algorithms to monitor wheat leaf nitrogen concentration, Remote Sensing, 7(11): 14939-14966.
- Yitagesu, F. A., F. Van der Meer, H. van der Werff & W. Zigterman, 2009. Quantifying engineering parameters of expansive soils from their reflectance spectra, Engineering Geology, 105(3-4): 151-160.
- Yu, X., Q. Liu, Y. Wang, X. Liu & X. Liu, 2016. Evaluation of MLSR and PLSR for estimating soil element contents using visible/near-infrared spectroscopy in apple orchards on the Jiaodong peninsula, Catena, 137(3): 340-349. | ||
آمار تعداد مشاهده مقاله: 1,889 تعداد دریافت فایل اصل مقاله: 1,256 |