ஐ.எஸ்.எஸ்.என்: 2157-7617

பூமி அறிவியல் & காலநிலை மாற்றம் இதழ்

திறந்த அணுகல்

எங்கள் குழு ஒவ்வொரு ஆண்டும் அமெரிக்கா, ஐரோப்பா மற்றும் ஆசியா முழுவதும் 1000 அறிவியல் சங்கங்களின் ஆதரவுடன் 3000+ உலகளாவிய மாநாட்டுத் தொடர் நிகழ்வுகளை ஏற்பாடு செய்து 700+ திறந்த அணுகல் இதழ்களை வெளியிடுகிறது, இதில் 50000 க்கும் மேற்பட்ட தலைசிறந்த ஆளுமைகள், புகழ்பெற்ற விஞ்ஞானிகள் ஆசிரியர் குழு உறுப்பினர்களாக உள்ளனர்.

அதிக வாசகர்கள் மற்றும் மேற்கோள்களைப் பெறும் திறந்த அணுகல் இதழ்கள்

700 இதழ்கள் மற்றும் 15,000,000 வாசகர்கள் ஒவ்வொரு பத்திரிகையும் 25,000+ வாசகர்களைப் பெறுகிறது

குறியிடப்பட்டது
  • CAS மூல குறியீடு (CASSI)
  • குறியீட்டு கோப்பர்நிக்கஸ்
  • கூகுள் ஸ்காலர்
  • ஷெர்பா ரோமியோ
  • சுற்றுச்சூழலில் ஆராய்ச்சிக்கான ஆன்லைன் அணுகல் (OARE)
  • ஜே கேட் திறக்கவும்
  • ஜெனமிக்ஸ் ஜர்னல்சீக்
  • JournalTOCகள்
  • Ulrich's Periodicals Directory
  • விவசாயத்தில் உலகளாவிய ஆன்லைன் ஆராய்ச்சிக்கான அணுகல் (AGORA)
  • சர்வதேச வேளாண்மை மற்றும் உயிரியல் அறிவியல் மையம் (CABI)
  • RefSeek
  • ஹம்டார்ட் பல்கலைக்கழகம்
  • EBSCO AZ
  • OCLC- WorldCat
  • பிராக்வெஸ்ட் சம்மன்ஸ்
  • SWB ஆன்லைன் பட்டியல்
  • பப்ளான்கள்
  • யூரோ பப்
  • ICMJE
இந்தப் பக்கத்தைப் பகிரவும்

சுருக்கம்

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.

மறுப்பு: இந்த சுருக்கமானது செயற்கை நுண்ணறிவு கருவிகளைப் பயன்படுத்தி மொழிபெயர்க்கப்பட்டது மற்றும் இன்னும் மதிப்பாய்வு செய்யப்படவில்லை அல்லது சரிபார்க்கப்படவில்லை.