زمینه و هدف: کربن آلی خاک (SOC) یکی از حیاتی ترین خصوصیات فیزیکی و شیمیایی خاک است که از تنزل و انهدام خاک جلوگیری به عمل می آورد. هدف از این مطالعه بررسی تغییرات مقدار SOC با استفاده از تکنیک سنجش از دور در مقایسه با روش های نمونه برداری مزرعه ای در جنگل های زاگرس میانی در استان خوزستان ایران در طول 2 دهه گذشته است. روش بررسی: نمونه های خاک به منظور اندازه گیری مقدار SOC در آزمایشگاه به صورت تصادفی و از خاک سطحی (عمق cm 10-0) جمع آوری شد. آنالیز داده های دیجیتالی با استفاده از تصاویر به دست آمده از سنجنده های OLI ماهواره لندست 8 و ETM+ ماهواره لندست 7 در سال 2016 (سال نمونه برداری) به منظور تخمین سطوح ماده آلی سطحی خاک انجام یافت. هدف اصلی برقراری ارتباط میان کربن آلی خاک با نسبت های انعکاسی باندهای ماهواره لندست و شاخص های گیاهی و رطوبتی مانند NDVI، SAVI، BSCI، NDMI و NSMI بر اساس مقادیر SOC به دست آمده از نمونه های خاک مناطق جنگلی در کوه های زاگرس میانی بوده و بدین منظور این داده ها با روش های مختلف رگرسیون خطی مورد بررسی قرار گرفت. یافته ها: در بهترین مدل متناسب از روش رگرسیون گام به گام مقدار R2 برای ماهواره لندست 8 برابر با 435/0 و برای ماهواره لندست 7 برابر با 501/0 به دست آمد و بر اساس این نتایج، بررسی تغییرات کربن آلی در سال های قبل صورت گرفت. بحث و نتیجه گیری: نتایج نشان دهنده ارتباط معنی دار میان مواد آلی خاک و انعکاس های محدوده طیفی قرمز، مادون قرمز نزدیک و مادون قرمز کوتاه می باشد. Manuscript profile

Maharloo Lake is one of the salty lakes located in the southeast of Fars province, Iran. Presence of salt domes has a significant role in its salinity. Magnesium-sodium chloride and sodium sulfate are dominant salts of the lake. Due to the drying up of lake, widespread lands surrounding the area are exposed to secondary salinity. It seems necessary to investigate the changes to find salinity level in order to predict the changes of vegetation and its margin uses. The purpose of the study was to evaluate the spectral indices derived from the images of Landsat8 sensors in detection of salty levels of the Maharloo Lake. In this study, Landsat8 imagery was used to obtain salinity indicators in the salt lake. Fourteen salinity indices have been calculated using the ENVI. The results showed that the indices of BI, SI, SI1, SI2, SI3, VSSI, YSI and SR could detect the area covered by salt crust on the lake and then, isolate and separate it from the rest of reflection spectrum. However, MSI and NDBI indicators were unsuccessful in detection of salt crust. NDVI and COSRI indicators used in plant detection could not detect the salt crust and just identified the typical vegetation. Finally, I2 and NDSI indicators also partially with low accuracy succeeded to detect some salinity areas and had no satisfactory performance. Manuscript profile

Prediction of Soil Organic Carbon (SOC) reservoirs is high priority in the rangelands managements in arid and semi-arid regions. This study was conducted to estimation carbon sequestration using Multivariate Linear Regression Analysis (MLR), Principal Component Analysis (PCA) and Euclidean Distance from the soil line (D) on remote sensing data in semi-arid rangelands of southwest of Neishabour, Khorasan Razavi province, Iran. The map of SOC was prepared using a total of 102 soil samples (depth 0-10 cm). Landsat 8 images of the study area were provided on 5 July 2018 and used to develop the models including (OLI, TIRS), visible, near-infrared, middle-infrared, and thermal infrared bands. Models were developed using SOC as dependent variable and spectral data of MLR, PC1 and Euclidean D soil line as independent variables. Then, the developed models were validated using additional samples (30 points). The results illustrated that the MLR, PCA, and Euclidean D soil line models explain 62, 45, and 53% of the total variability of SOC coupled with root Mean Square Error (RMSE) values 0.09, 0.21, and 0.05, respectively. Therefore, the MLR technique could provide superior predictive performance than that for PCA and Euclidean D soil line techniques. It was concluded that the SOC spatial information derived using the MLR technique had much greater spatial detail and higher quality than to that derived from the conventional soil map. Manuscript profile