محسن باقری بداغ آبادی

انعطاف پذیری و تطابق بیشتر روش مورد استفاده با اهداف مطالعه - بویژه در مطالعات محیطی - با نزدیکتر ساختن نتایج مطالعه به واقعیت ها، تصمیم سازی و برنامه ریزی برای مدیریت محیط را منطقی تر خواهد ساخت. مقاله حاضر حاصل مطالعه ای است که با هدف برآورد و پهنه بندی بهینه شوری خاک جهت برنامه ریزی و طراحی فضای سبز در جزیره کیش انجام گرفته است. برای این منظور با انجام عملیات میدانی و مطالعات آزمایشگاهی داده های اولیه بدست آمد و با پردازش های لازم برروی آنها به کمک تکنیک AHP و روش های برنامه ریزی خطی، برای تجزیه و تحلیل نهایی آماده گردید. در این راستا به منظور تعیین ضرایب وزنی مناسب برای شوری لایه های مختلف عمقی خاک با توجه به هدف مطالعه و محاسبه شوری نهایی در هر پروفیل نمونه، با استفاده از مدل های خطی برنامه ریزی اولویت بندی ، روشی وزنی معرفی و با نشان دادن برتری آن نسبت به روش معمول (فائو)، مورد استفاده قرار گرفت. در ادامه با بکارگیری دو روش درون یابی ساده و تخمین گر زمین آماری کریجینگ و با استفاده از نرم افزار ILWIS اقدام به تهیه نقشه های پیوسته پراکنش شوری خاک گردید. پس از پهنه بندی مجدد نقشه ها، با استفاده از تکنیک روی هم اندازی و محاسبه ماتریس خطا (ماتریس درهمی :)، دو روش فوق مورد مقایسه قرار گرفت. نتایج نشان دهنده همخوانی بسیار بالایی بین دو نقشه در حدود 90 درصد بود. بر این اساس، باوجود برتری اثبات شده کریجینگ، با توجه به سهولت کاربرد و انعطاف پذیری قابل قبول درون یابی ساده در مقایسه با کریجینگ برای توصیف فرآیندهای طبیعی، در شرایطی با یکنواختی نسبی متغیرهای مکانی از دقت و صحت قابل قبولی برخوردار بوده و کارایی مناسبی دارد. در نهایت پهنه بندی های صورت گرفته به کمک هر دو روش فوق نیز حاکی از محدودیت ناچیز شوری در اکثر خاک های منطقه مورد مطالعه برای کاربری فضای سبز بود.

هدف اصلی از این تحقیق پایش تغییرات کاربری اراضی دشت خان میرزا با استفاده از الگوریتم های مختلف است که از تصاویر ماهواره لندست 5، 7، و 8 و سنجنده های TM، ETM، و OLI برای سه دوره 1996، 2006، و 2016 استخراج شد و نقشه کاربری اراضی دشت با استفاده از چهار الگوریتم حداکثر احتمال، شبکه عصبی مصنوعی، حداقل فاصله، و فاصله ماهالانویی با استفاده از ضریب کاپا ارزیابی شد. نتایج حاصل از ارزیابی دقت این دو روش با استفاده از تعیین ضریب کاپا نشان داد الگوریتم شبکه عصبی مصنوعی نسبت به الگوریتم حداکثر احتمال با ضریب از دقت بیشتری برخوردار است. همچنین، دو الگوریتم شبکه عصبی مصنوعی و حداکثر احتمال با دقت کلی 29/90 و 79/86 در شش کلاس کاربری (کشاورزی، مرتع، مسکونی، اراضی سنگی و لخت، باغ، و اراضی پست نم دار) طبقه بندی شد. تجزیه وتحلیل حاصل از تغییرات نشان داد کاربری های کشاورزی و مسکونی روند افزایشی داشته اند؛ به طوری که میزان این افزایش به ترتیب برابر با 5/62 و 5/3درصد بوده است و از اراضی پست نم دار، مراتع، و اراضی سنگی و لخت کاسته است. بیشترین تغییر کاربری ها مربوط به تبدیل کاربری اراضی سنگی و لخت به کاربری کشاورزی است که 1673 هکتار از اراضی سنگی و لخت در سال 2006 به اراضی کشاورزی در سال 2016 تبدیل شده است. از دیگر تغییر کاربری های مشهود در منطقه تغییر کاربری اراضی سنگی و لخت و مراتع به اراضی مسکونی است؛ به طوری که 7/65 هکتار از اراضی سنگی و لخت و 8/40 هکتار از اراضی مرتع به کاربری مسکونی تبدیل شده است.

ارزیابی توان اکولوژیک برای توسعه باغ، گام بسیار مهمی در فرایند توسعه پایدار سرزمین است. در این زمینه، دانش ارزیابی تناسب سرزمین نقشی اساسی در تعیین تناسب یا ارزیابی توان اکولوژیک هر منطقه برای کاربری های مدنظر ازجمله توسعه باغ دارد. با توجه به اینکه یکی از اهداف اصلی بسیاری از طرح ها و برنامه های توسعه ای در سطح کلان توسعه پایدار است، پژوهش کنونی با هدف دستیابی به بهترین و پایدارترین استفاده از اراضی شهرستان سامان در استان چهارمحال و بختیاری برای کاربری باغ انجام شد. در این پژوهش با بهره گیری از روش استاندارد فائو برای ارزیابی تناسب سرزمین با هدف توسعه باغ، تناسب سرزمین شهرستان سامان برای بعضی محصولات باغی شامل زردآلو، بادام، سیب، هلو و مو (انگور) بررسی شد. برای این منظور با استفاده از داده های ایستگاههای سینوپتیک و نقشه خاک منطقه، فرایند ارزیابی تناسب سرزمین با رویکرد سایز و روش عددی (پارامتریک) انجام و نقشه های تناسب سرزمین محصولات مطالعه شده تهیه شد. یافته ها نشان داد براساس ویژگی های اقلیمی و خاکی، مناطق مختلف درجه تناسب یا توان اکولوژیک متفاوتی دارند؛ به طوری که این منطقه برای سیب و هلو کلاس تناسب S3 و N به ترتیب در 87/86 و 13/13 درصد از منطقه و برای سه محصول دیگر، کلاس های S2، S3 و N دارد که به ترتیب برای مو و بادام، ۹۰/۲۱، ۵۷/۶۵ و ۵۲/۱۲ درصد و برای زردآلو ۶۶/۱۳، ۲۱/۷۳ و 13/13 درصد از منطقه را شامل می شود. مهم ترین محدودیت های موجود، محدودیت های عمق خاک، سنگریزه، شیب و اقلیمی تشخیص داده شد. چنین یافته هایی در انتخاب بهترین گزینه ها به برنامه ریزان و تصمیم گیران کمک می کند تا هم سودآوری محصول و هم پایداربودن مدنظر قرار گیرد؛ البته به جز نیازمندی های اکولوژیکی پیشنهاد می شود نیازمندی های دیگر مانند ویژگی اجتماعی، شرایط اقتصادی، پذیرش فرهنگی و بررسی وضع موجود نیز ارزیابی شوند؛ بدین ترتیب فرایند توسعه پایدار برای باغداری تکمیل می شود.

شهر مشهدازجمله شهرهای آلوده ایران می باشدکه عوامل متعددی درآلودگی آن نقش دارندازجمله عناصراقلیمی که دراین مقاله موردبررسی قرارگرفته است. به این منظور دادههای مربوط به آلودگی هوا (منوکسید کربن، دی اکسید نیتروژن، دی اکسید گوگرد، ازن و ذرات معلق (PM10) به صورت روزانه وازسال 1384 تاسال 1390 ازاداره کل محیط زیست خراسان رضوی تهیه گردیدو برای بررسی تاثیرعناصراقلیمی برآلودگی ازداده های هواشناسی شامل حداقل وحداکثردما، حداقل وحداکثررطوبت، جهت وسرعت بادازایستگاه سینوپتیک مشهداستفاده گردید. دراین پژوهش از شبکه های عصبی با ساختارهای مختلف همانند پرسپترون استفاده شد وسعی گردید تا بهترین و کاراترین شبکه با تعیین مقدار خطای آن انتخاب و مورد استفاده قرارگیرد. در نهایت جهت انتخاب مدل مناسب و بهینه از شاخص های R2 و RMSE استفاده گردید. نتایج برآوردها نشان داد روش رگرسیون هیچ برآورد درستی از روزهای آلوده ندارد اما روش شبکه عصبی در 25 درصد موارد برآورد درست تری از روزهای آلوده دارد.

دما یکی از پارامترهای بسیارمهم آب و هوایی است که در تعیین نقش و پراکندگی دیگر عناصر اقلیمی مؤثر می باشد. هدف از پژوهش حاضر بررسی ارتباط بین دمای ماهانه و سالانه حوضه آبی دریای مازندران و الگوهای پیوند از دور می باشد. در این راستا از داده های میانگین دمای ماهانه و سالانه 97 ایستگاه همدیدی و آب و هواشناسی درون حوضه و بیرون حوضه و همچنین 33 الگوی پیوند از دور طی دوره آماری (1970-2014) استفاده شد. بدین منظور مدل پرسپترون چندلایه مورد استفاده قرار گرفت. ابتدا داده ها در نرم افزار مت لب نرمال و در نرم افزار spss استاندارد شدند. سپس شبکه براساس الگوریتم گرادیان نزولی (SCG)، تابع متحرک هیپربولیک برای لایه های پنهان و تابع متحرک همانی برای داده های خروجی طراحی شد. در تمام ساختار شبکه 1 تا 2 لایه پنهان در نظر گرفته شد و بیش از 600 شبکه ایجاد شد. طی این فرایند 70 درصد از داده ها برای آموزش و 30 درصد برای آزمون در نظر گرفته شد. سپس به ارزیابی عملکرد مدل، از طریق معیارهای آماری از جمله مجموع مربع خطاها و خطای نسبی پرداخته شد. نتایج نشان داد در رابطه با داده های ماهانه، دمای یک ماه پیش و الگوهای  ONI و NINO3 دارای اهمیت بیشتر می باشد و ارتباط بیشتری را با دمای ماهانه حوضه مورد مطالعه نشان می دهد. در داده های سالانه نیز الگوهای های AMO، NCP، AO، NAO و دمای یک سال قبل اهمیت بالای 60 درصد نشان دادند. لذا می توان بیان نمود که رابطه الگوهای نامبرده با دمای سالانه بیش از سایر الگوها بوده است.

مبسوط پیشینه و هدف: دمای سطح زمین، عامل مهمی در مطالعات گرمایش جهانی و امروزه چالش اصلی بسیاری از محققین در سرتاسر دنیا است. با فناوری سنجش از دور می توان دمای سطح زمین و تغییرات کاربری را طی سال های مختلف با کمک تصاویر ماهواره ای، استفاده از تشعشع فروسرخ حرارتی و کاربرد مدل های فیزیکی مورد ارزیابی قرار داد. در مطالعات محیطی به علت موقعیت و مکان قرار گرفتن مشاهدات در فضای نمونه نمی توان از آمار سنتی به علت ساختار پیوسته در زمان و مکان استفاده کرد. بدین منظور آمار فضایی (خودهمبستگی فضایی) روشی مناسب و نوین در تحلیل این داده ها است. مواد و روش ها : این پژوهش داده های ماهواره ای مربوط به تصاویر لندست 5 و 8 برای سال های 1990 و 2020 از سایت زمین شناسی آمریکا تهیه شدند. پس از انجام تصحیحات تصاویر، نقشه های کاربری اراضی شهرستان جیرفت تهیه شدند و سپس با استفاده از ترکیب باندی مرئی و مادون قرمز نقشه های کاربری اراضی تهیه شد. تبدیل مختلف طبقات کاربری اراضی و تغییرات آن طی این سال ها در نرم افزار ایدریسی مورد بررسی قرار گرفت. همچنین برای ارزیابی دقت نقشه های طبقه بندی شده از 150 نقطه کنترلی از گوگل ارث استفاده شد. برای بدست آوردن دمای سطح زمین نیز از باندهای حرارتی تصاویر لندست دریافتی استفاده شد و  طی دو مرحله تبدیل رادیانس طیفی به دمای جسم سیاه و محاسبه گیسل مندی سطح دمای سطح زمین تعیین شد. در نهایت برای آشکارسازی الگوی فضایی تفاوت های محلی از آماره خودهمبستگی فضایی موران محلی استفاده شده است. یافته ها و بحث: نتایج نشان داد که طی سال های 1990 تا 2020 بخشی از اراضی بایر و مسیل به پهنه آبی تبدیل شده اند که این کاربری با احداث سد بعد از سال 1990 افزایش پیدا کرد. میانگین دمای سطح زمین طی 30 سال 1/11 درجه افزایش داشت که این افزایش دما در همه کاربری ها دیده می شود. علت این افزایش را می توان بالا رفتن دمای هوا دانست. از دلایل دیگر افزایش دمای سطح زمین را می توان افزایش ساخت وسازها در منطقه دانست. تقسیم بندی طبقات دمای سطح زمین نشان داد که طبقات خیلی گرم و گرم که در بخش های جنوبی در سال 2020 افزایش و طبقه متوسط (بیشترین تغییر) و سرد کاهش داشته است. نتایج آنالیز آماره همبستگی مکانی محلی نشان داد که خوشه های داغ به تدریج در مناطق جنوبی و خوشه های خنک در مناطق شمالی و شمال شرقی تمرکز بیشتری پیداکرده اند. نتیجه گیری: یافته های این پژوهش نشان داد با وجود افزایش کاربری کشاورزی و باغ و کاهش مناطق بایر دمای سطح زمین در همه کاربری ها به مقدار زیادی افزایش خواهد یافت. هرچند که مناطق ساخت انسان نیز درحال افزایش است اما دلیل اصلی دمای سطح زمین را می توان بالا رفتن دمای هوا و تغییرات اقلیم برشمرد.

عکس های هوایی برای سالیان متمادی، پایه و اساس بسیاری از پژوهش های کاربردی انجام شده بر روی منابع سرزمین، ازجمله مطالعات خاک شناسی بوده اند. هم زمان با پیشرفت های فناوری و ورود سامانه های اطلاعات جغرافیایی به مطالعات سرزمین به منظور تجزیه وتحلیل های جغرافیایی، زمین مرجع کردن عکس هوایی در این سامانه ها موردتوجه قرار گرفت. درست و دقیق انجام شدن این فرایند، به دلیل ماهیت عکس های هوایی، اعوجاج و جابه جایی پدیده ها نسبت به موقعیت واقعی آنها بسیار ضروری و مهم است. بر این اساس، هدف از این پژوهش، دستیابی به روشی مناسب برای زمین مرجع کردن عکس های هوایی است که افزون بر ساده و کم هزینه بودن، با دقت باشد. برای این منظور، روش های مرسوم زمین مرجع کردن عکس های هوایی (روش های تبدیل درجه اول تا درجه سوم، اسپیلاین، تصویری و اصلاح قائم سازی) در دو منطقه متفاوت ازنظر ناهمواری ها (منطقه ی هموار شهرکرد و منطقه ی تپه ماهوری چالشتر)، در نرم افزار ILWIS3.3 وArcGIS10.7 استفاده و خطای روش های مختلف از طریق محاسبه شاخص های کمینه و بیشینه، میانگین (ME)، انحراف معیار و جذر مربع خطاها (RMSE) تجزیه وتحلیل شد. نتایج حاکی از آن بود که برای منطقه هموار، خطای روش های مختلف، تغییرات کمتری نسبت به منطقه ناهموار داشت؛ به گونه ای که با افزایش ناهمواری ها، مقدار خطای روش ها به شدت افزایش یافت و نشان دهنده تفاوت چشمگیری بود. براساس نتایج به دست آمده، روش اصلاح قائم سازی صرف نظر از زمان و داده های موردنیاز، دقیق ترین روش زمین مرجع کردن بود (35 = ME و 38 = RMSE)؛ اما با در نظر گرفتن زمان و داده هایی که برای این روش لازم بود، روش اسپیلاین مناسب ترین روش تشخیص داده شد. در روش اخیر نه تنها دقت مقبولی وجود دارد، مشکلات روش اصلاح قائم سازی را ازجمله نیاز به داده های حاشیه ای عکس هوایی و لایه مدل رقومی ارتفاع نیز ندارد.

این پژوهش باهدف بررسی وضعیت اکولوژیکی منطقه جیرفت تحت تأثیر تغییرات کاربری اراضی انجام شده است. بدین منظور از تصویر ماهواره ای در سال 1990 (سنجنده TM از لندست 5) و سال 2020 (سنجنده OLI از لندست 8) برای استخراج دمای سطح زمین با کمک الگوریتم تک باندی و نقشه کاربری اراضی با روش طبقه بندی ماشین بردار پشتیبان[1] (SVM) استفاده شد. در ادامه به منظور بررسی نقش پوشش اراضی در ایجاد جزایر حرارتی از شاخص سهم[2] (CI) و برای ارزیابی وضعیت اکولوژیکی از شاخص UTFVI[3] استفاده شد. نتایج نشان داد در سال 2020 مناطق بایر بیشترین تغییر کاربری را نسبت به سال 1990 داشتند (کاهش 7300 هکتار) و مناطق ساخت انسان، پهنه کشاورزی و سطوح آبی افزایش داشته اند. همچنین بر اساس نتایج شاخص سهم کاربری اراضی مناطق بایر و رخنمون سنگی بیشترین و سطوح آبی و مرتع کمترین سهم را در تشکیل جزایر حرارتی در سال های 1990 و 2020 داشته اند. کاهش مناطق بایر و افزایش سطوح آبی، کاربری کشاورزی و باغات باعث بهتر شدن وضعیت اکولوژیکی نسبت به سال 1990 شده است؛ درحالی که دمای سطح زمین در سال 2020 به میزان 11 درجه افزایش داشته است. با توجه به نتایج می توان گفت بااینکه وضعیت اکولوژیک منطقه در وضعیت مناسب تری نسبت به سال 1990 قرار دارد؛ اما وجود اراضی بیابانی و رخنمون های سنگی اطراف جیرفت باعث تشکیل جزایر حرارتی در منطقه جیرفت شده است.