مؤسسه ژئوفیزیک دانشگاه تهران فیزیک زمین و فضا 2538-371X 51 3 2025 12 16 Evaluation of Soil Spectral Indices and Surface Albedo in Desertification Monitoring of Western Khuzestan Province using Remote Sensing Data ارزیابی شاخص‌های طیفی خاک و سپیدایی سطحی در پایش بیابان‌زایی در غرب استان خوزستان با استفاده از داده‌های سنجش از دور 593 611 104291 10.22059/jesphys.2025.386172.1007647 FA محمد عبیات گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران. 0000-0002-2041-0272 مصطفی عبیات گروه جغرافیای انسانی، دانشکده علوم جغرافیایی و برنامه‌ریزی، دانشگاه اصفهان، اصفهان، ایران. 0000-0002-8040-6291 مرتضی عبیات گروه جغرافیای انسانی، دانشکده علوم جغرافیایی و برنامه‌ریزی، دانشگاه اصفهان، اصفهان، ایران. 0000-0002-1649-9673 Journal Article 2024 12 24 Desertification is a form of land degradation, resulting from both natural processes and human activities. In this regard, the use of remote sensing indicators to prepare desertification maps can be an efficient approach to assess this process. The goal of this study is to evaluate the potential of soil spectral indices and surface albedo in modeling desertification intensity in the western Khuzestan Province. Initially, we extracted indices including BSI, BI, SI, IFe2O3, NSMI, TGSI, CLI, CI, SCI, and Albedo from Landsat 8 satellite images. Then, soil spectral indices were calculated using the band calculation tool available in ENVI software, and raster maps of these indices were generated. To create feature space models and identify correlations between the variables, we also extracted the surface albedo index values from the satellite images.<br />The maximum and minimum values of surface albedo index were 37518.1 and 8338.75, respectively. Next, we randomly selected spectral values from 753 locations on the soil spectral index map and extracted their corresponding values from the surface albedo index map. To ensure comparability, the index values were standardized through data normalization. After normalization, scatter plots of the spectral pixel value densities were generated in the SAGA 9.5 software environment, and best-fit line equations were determined. Linear regression analysis was then conducted to examine the correlation between the soil spectral indices and Albedo.<br />In this study, all soil spectral indices were considered independent variables, while the surface albedo index was treated as the dependent variable. Desertification intensity was classified by dividing the feature space perpendicular to the trend of desertification change. Subsequently, the Jenks Natural Breaks method was applied to classify the data values into five desertification classes: areas without desertification, areas with low desertification intensity, areas with moderate desertification intensity, areas with high desertification intensity, and areas with very high desertification intensity.<br />The results of the correlation analysis of the indices show that the BSI, BI, SI, NSMI, TGSI, CLI, and SCI indices are positively correlated with the Albedo index; so with the increase in the BSI, BI, SI, NSMI, TGSI, CLI, and SCI indices, the Albedo variable also increases. While the IFe2O3 and CI indices were negatively correlated with the Albedo index, such that an increase in IFe2O3 and CI indices resulted in a reduction of the Albedo variable. An analysis of the correlation coefficients between the indices revealed that the BI, SI, and TGSI indices exhibited the strongest correlation with the Albedo index, with correlation coefficients of 0.985, 0.909, and 0.850, respectively. Conversely, the IFe2O3, CLI, and NSMI indices showed the weakest correlation with the Albedo index, with correlation coefficients of -0.026, 0.106, and 0.110, respectively. Therefore, the Albedo-BI, Albedo-SI, and Albedo-TGSI models, due to their highest correlations with the variables, were considered suitable criterion for evaluating and classifying desertification in the region, given its rather arid climate.<br />Following the classification of desertification intensity, the accuracy of the Albedo-BI, Albedo-SI, and Albedo-TGSI feature space models was assessed using the error matrix, overall accuracy, and the kappa coefficient. The Albedo-BI model achieved an overall accuracy of 98.23% and a kappa coefficient of 0.97; the Albedo-SI model yielded 94.45% accuracy and a kappa value of 0.92; and the Albedo-TGSI model recorded 90.50% accuracy with a kappa coefficient of 0.86. These results indicate that the Albedo-BI model provides the highest classification accuracy among the three models. Furthermore, analysis of the models suggests that the eastern parts of the study area exhibit higher desertification intensity than the western regions. بیابان‌زایی نوعی تخریب اراضی در اثر فرایندهای طبیعی و فعالیت‌های انسانی است. داده‌های سنجش از دور، ابزار مهمی در نقشه‌برداری و پایش بیابان‌زایی به‌شمار می‌روند. هدف این پژوهش، ارزیابی پتانسیل شاخص‌های طیفی خاک و سپیدایی (Albedo) در بررسی وضعیت بیابان‌زایی در غرب استان خوزستان می‌باشد. ابتدا، شاخص‌های BSI، BI، SI، IFe₂O₃، NSMI، TGSI، CLI، CI، SCI و شاخص سپیدایی از تصویر ماهواره لندست 8 استخراج شده و دامنه مقادیر شاخص‌ها نرمال‌سازی شد. سپس، مدل‌های فضای ویژگی بر اساس همبستگی بین متغیرها در نرم‌افزار SAGA 9.5 ساخته شد. در مرحله بعد، طبقه‌بندی شدت بیابان‌زایی با تقسیم فضای ویژگی در جهت قائم بر روند تغییرات بیابان‌زایی صورت گرفت. در نهایت، نقشه‌های به‌دست آمده با استفاده از روش شکست طبیعی به پنج درجه بیابان‌زایی طبقه‌بندی شدند. نتایج نشان داد که شاخص سپیدایی با شاخص‌های BSI، BI، SI، NSMI، TGSI، CLI و SCI همبستگی مثبت و با شاخص‌های IFe₂O₃ و CI همبستگی منفی دارد. شاخص‌های BI، SI و TGSI به‌ترتیب با ضریب همبستگی 985/0، 909/0 و 850/0، بیشترین ارتباط را با شاخص سپیدایی داشته‌اند. بیشترین مساحت منطقه در دو مدل Albedo-BI و Albedo-SI در کلاس شدت متوسط بیابان‌زایی و در مدل Albedo-TGSI در کلاس شدت زیاد بیابان‌زایی قرار گرفته است. نقشه مدل فضای ویژگی Albedo-BI بیشترین دقت را در تفکیک طبقات بیابان‌زایی در منطقه داشته است. بررسی بصری نقشه مدل Albedo-BI نیز نشان داد که بخش‌های شرقی منطقه، دارای شدت بیابان‌زایی بیشتری نسبت به قسمت‌های غربی هستند. https://jesphys.ut.ac.ir/article_104291_0ba3915d4c2e57d8369c3b8af46991bb.pdf