یعقوب نیازی

یکی از ضروری ترین اطلاعات مورد نیاز مدیران و متولیان منابع طبیعی، نقشه های کاربری اراضی می باشد. داده های ماهواره ای، به جهت ارایه ی اطلاعات به هنگام و رقومی، تنوع اشکال و امکان پردازش در تهیه ی نقشه های کاربری اراضی از اهمیت بالایی برخوردارند. از سویی دیگر در سال های اخیر به طور وسیع و گسترده جهت طبقه بندی تصاویر ماهواره ای از روش های طبقه بندی پیشرفته از قبیل شبکه های عصبی مصنوعی، مجموعه های فازی و سیستم های هوشمند استفاده می شود. هدف اصلی این تحقیق مقایسه ی دو روش مختلف جهت طبقه بندی کاربری اراضی با استفاده از تصاویر ASTER می باشد. بدین منظور با استفاده از تصویر ماهواره ای ASTER و دو الگوریتم طبقه بندی نظارت شده شامل حداکثر احتمال و شبکه ی عصبی مصنوعی، نقشه ی کاربری اراضی تهیه گردید. در طبقه بندی با استفاده از الگوریتم شبکه ی عصبی از یک شبکه ی پرسپترون با یک لایه ی پنهان و 14 نرون ورودی، 9 نرون میانی و 6 نرون خروجی استفاده شده است که تعداد نرون های ورودی همان تعداد باندهای تصویر ماهواره ای ASTER و تعداد نرون های خروجی همان تعداد کلاس های نقشه ی کاربری اراضی می-باشد. برای آموزش شبکه نیز از الگوریتم انتشار برگشتی استفاده شده است. نتایج حاصل از ارزیابی دقت این دو روش با استفاده از تعیین ضریب کاپا نشان داده است که الگوریتم شبکه ی عصبی با ضریب 86/0 نسبت به الگوریتم حداکثر احتمال با ضریب 69/0 از دقت بیشتری برخوردار است. نتایج این مطالعه همچنین نشان می دهد الگوریتم های سنتی طبقه-بندی مانند روش های آماری به خاطر انعطاف پذیری پایین و انواع پارامتریک آن مانند روش حداکثر احتمال به خاطر وابستگی به مدل آمار گوسی نمی توانند نتایج بهینه ای، در صورت نرمال نبودن داده های آموزشی فراهم آورند در حالیکه دلیل موفقیت الگوریتم شبکه ی عصبی مصنوعی در سنجش از دور این است که می تواند داده هایی با منابع مختلف را با هم تلفیق نماید.

پایش تغییر عموماً جهت ارزیابی فرآیندهای طبیعی، از قبیل اثرات بلندمدت تغییر اقلیم که ناشی از علل نجومی است و همچنین فرآیندهای کوتاه مدت که شامل توالی پوشش گیاهی و فرآیندهای ژئومورفولوژیکی است صورت می گیرد. همچنین، پایش تغییر جهت ارزیابی اثرات ناشی از فعالیت های انسانی از قبیل جنگل زدایی، کشاورزی و شهرسازی مورد استفاده قرار می گیرد. همانگونه که تغییرات محیطی انعکاس دهنده ی وضعیت مدیریت اراضی است، روش های پایش تغییر می تواند به ارزیابی این عملیات کمک کند. در این مطالعه تصاویر سنجنده (MSS) سال 1976 و لندست(ETM+) سال 2002 با استفاده از چهار تکنیک پایش تغییر در حوضه ی سد ایلام با مساحت 751/476 کیلومتر مربع آنالیز شده اند. تکنیک-های پایش تغییر مورد استفاده در این مطالعه شامل تفاضل تصویر، نسبت گیری تصویر، تفاضل تجزیه مؤلفه ی اصلی و تفاضل تجریه ی مؤلفه ی اصلی استاندارد شده، بوده اند. با توجه به اینکه تکنیک های پایش تغییر مورد استفاده در این مطالعه نیازمند تعیین آستانه هستند جهت تعیین آستانه از روش آماری استفاده شده است و بر این اساس مشخص شده است که آستانه ی تغییر در منطقه ی مورد مطالعه با 1 انحراف از میانگین قرار داشته است. پس از تعیین آستانه ی تغییر، مناطق دارای تغییرات کاهشی، افزایشی و بدون تغییر مشخص گردیده است. جهت ارزیابی دقت تکنیک های پایش تغییر پس از برداشت واقعیات زمینی که از طریق بازدید میدانی و تصاویر ماهواره ای Google Earth به دست آمد، از دقت کل و ضریب کاپا استفاده شد. بر اساس نتایج به دست آمده مشخص گردید که روش تفاضل باند قرمز با دقت کل 89 و ضریب کاپای 82/0 از بین تکنیک های پایش تغییر مورد استفاده در این مطالعه بیشترین دقت و روش نسبت گیری باند مادون قرمز نزدیک با دقت کل 5/64 و ضریب کاپای 34/0 کمترین دقت را در پایش تغییرات پوشش گیاهی منطقه ی مورد مطالعه داشته اند.

در سال های اخیر مقوله خشکسالی به یک معضل جهانی به ویژه در مناطق خشک و نیمه خشک جهان تبدیل شده است. بدون شک شناسایی و پایش خشکسالی را می توان گامی مهم در جهت مبارزه و کاهش خسارات ناشی از آن دانست. رطوبت خاک و تغییرات زمانی و مکانی آن یکی از مهمترین متغیرهای محیطی است که به دلیل اندازه گیری های دشوار، پرهزینه و وق تگیر میدانی، تاکنون به طور گسترده در شاخص های خشکسالی استفاده نشده است. در سال های اخیر با رشد فزاینده پایگاه های داده جهانی مبتنی بر برآوردهای ماهواره ای و همچنین افزایش توانایی های سخت افزاری و نرم افزاری در مدل سازی فرایندهای پیچیده حاکم بر بیلان آب در سطح زمین، کوشش زیادی به منظور استفاده مناسب از این ابزارهای نوین جهت کاهش مشکلات موجود در این زمینه به عمل آمده است. تحقیق حاضر، یک روش جدید برای پایش سیر تکاملی و شدت خشکسالی با شاخص خشکسالی مبتنی بر رطوبت خاک حاصل از سیستم جهانی تلفیق اطلاعات زمینی( GLDAS-SMDI ) ارائه می دهد شاخص فوق براساس این واقعیت استوار است که رطوبت خاک، فراسنجی تعیین کننده در بسیاری از فرایندهای پیچیده زیست - محیطی محسوب می گردد که نقش مهمی در وقوع خشکسالی دارد. در این تحقیق، از خروجی رطوبت خاک حاصل از سیستم جهانی تلفیق اطلاعات زمینی جهت تهیه نقشه توزیع مکانی خشکسالی در طی دوره آماری 200 4 -2001 در محدوده ایران مرکزی استفاده شده است. ارزیابی دقت این شاخص با استفاده از معیارهای ارزیابی R و RMSE درمقایسه با نقشه توزیع مکانی خشکسالی مبتنی بر شاخص SPI حاصل از داده های بارش ماهانه 50 ایستگاه سینوپتیک انجام گرفته است. نتایج حاصل از بررسی معیارهای ارزیابی نشان داد که شدت خشکسالی برآورد شده به وسیله شاخص GLDAS-SMDI ازهمبستگی معنی داری با نقشه شدت خشکسالی SPI درسطح اطمینان 95 % برخوردار بوده است. ازاین رو شاخص خشکسالی GLDAS-SMDI به خوبی می تواند در سیستم های هشدار سریع خشکسالی مورد استفاده قرار گیرد.

بیشتر سیستم های ارزیابی خشک سالی عمدتاً بر مبنای داده های بارش استوارند. تحقیق حاضر، با هدف آنالیز مکانی و زمانی دقت داده های باران ماهواره TRMM در محدوده ایران مرکزی برای تهیه نقشه توزیع مکانی خشک سالی مبتنی بر بارش در طی دوره آماری 2001 2005 انجام شده است. در ای ن پژوهش، از داده های بارش ماهانه 50 ایستگاه سینوپتیک و سری داده های ماهانه TRMM-3B43 V7 با مقیاس مکانی 0.25°×0.25° استفاده شده است. پس از پردازش اولیه، نخست داده های ماهواره ای و داده های مشاهده ای باران در سه مقیاس زمانی ماهانه، فصلی، و سالانه مقایسه تطبیقی شد. پس از حصول اطمینان از دقت بالای این داده ها، نقشه شدت خشک سالی مبتنی بر بارش با استفاده از داده های ماهواره ای به دست آمد. ارزیابی دقت نقشه توزیع مکانی خشک سالی مبتنی بر داده های بارش ماهواره ای بر اساس مقایسه با نقشه توزیع مکانی خشک سالی مبتنی بر داده های بارش زمینی و داده های رطوبت خاک انجام گرفته است. نتایج بررسی معیارهای ارزیابی نشان داد که شدت خشک سالی برآوردشده به وسیله داده های TRMM در انطباق با نقشه شدت خشک سالی حاصل از داده های بارش و داده های رطوبت زمینی از بیشترین ضریب همبستگی به ترتیب 94/0 و 71/0 و همچنین کمترین خطای برآوردی به ویژه در کلاس های شدت خشک سالی ملایم، متوسط، و شدید برخوردار بوده است.