ISSN: 2157-7617

Journal des sciences de la Terre et du changement climatique

Accès libre

Notre groupe organise plus de 3 000 séries de conférences Événements chaque année aux États-Unis, en Europe et en Europe. Asie avec le soutien de 1 000 autres Sociétés scientifiques et publie plus de 700 Open Access Revues qui contiennent plus de 50 000 personnalités éminentes, des scientifiques réputés en tant que membres du comité de rédaction.

Les revues en libre accès gagnent plus de lecteurs et de citations
700 revues et 15 000 000 de lecteurs Chaque revue attire plus de 25 000 lecteurs

Indexé dans
  • Indice source CAS (CASSI)
  • Index Copernic
  • Google Scholar
  • Sherpa Roméo
  • Accès en ligne à la recherche en environnement (OARE)
  • Ouvrir la porte J
  • JournalSeek de génamique
  • JournalTOC
  • Annuaire des périodiques d'Ulrich
  • Accès à la recherche mondiale en ligne sur l'agriculture (AGORA)
  • Centre international pour l'agriculture et les biosciences (CABI)
  • Recherche de référence
  • Université Hamdard
  • EBSCO AZ
  • OCLC-WorldCat
  • Invocation de quête
  • Catalogue en ligne SWB
  • Publons
  • Euro Pub
  • ICMJE
Partager cette page

Abstrait

Enhancing the Spatial Variability of Soil Salinity Indicators by Remote Sensing Indices and Geo-Statistical Approach

Solafa Babiker, Elbasri Abulgasim and Hamid HS

Soil salinization is considered limiting factor for crop production and land management for dry land in Sudan, its spatial variation is affected by different factors of soil properties, vegetation and environment hence its interaction formulate the planning for successful sustainable agriculture in salt affected soils. This study aims to evolve the spatial prediction of soil salinity indicators by integrated remote sensing indices and geo-statistical cokriging model. Soil samples were collected from 476 square kilometer area in salt affected area, the samples were analyzed following standard procedures for electrical conductivity, sodium adsorption ratio, hydrogen ions and saturation percentage. Information of vegetation status identified by Normalized Difference Vegetation Index (NDVI) and soil salinization by Salinity index and brightness index were used and utilized for prediction of the soil parameters variability by cokriging model. It was found that the method was resulted in high accuracy based on RMSE and enhances the soil spatial variability assessment and provides significant interaction of different variables and indices in the landscape.