مجید کیاورز

خشکسالی از مهم ترین بلایای طبیعی کشور است که اثرات مخرب زیست محیطی و اقتصادی فراوانی دارد. بیشتر مطالعات انجام شده به شدت خشکسالی پرداخته اند و معمولاً سایر ویژگی های آن بررسی نشده است. در این تحقیق، اولین بار، قابلیت شاخص های هواشناسی و داده های ماهواره ای با یکدیگر ادغام شده و از آن برای مطالعه تمامی ویژگی های خشکسالی، در دو حوزه داخلی و ساحلی کشور، استفاده شده است. بدین منظور، شاخص SPI با استفاده از تصاویر ماهواره ای بارش TRMM محاسبه شده و سپس مشخصه های خشکسالی مانند شدت، تداوم، بزرگی و گستره خشکسالی، به صورت مکانی، در سطح حوزه مطالعه شد. نتایج نشان دهنده همبستگی کلی 0.94 بین SPI محاسبه شده از تصویر و داده های ایستگاهی بوده است. حداکثر شدت خشکسالی در منطقه مورد مطالعه برابر با 4.19- بوده که در آذر سال 1389 اتفاق افتاده است. علاوه براین، فراوانی وقوع خشکسالی های فرین، در دو مقیاس زمانی شش و دوازده ماهه، در حوزه داخلی بیشتر از حوزه ساحلی بوده است. در بازه مورد مطالعه، در مقیاس زمانی شش ماهه، 60% از رویدادهای خشکسالی حوزه بزرگی خفیف تر از 18.3- داشته اند. نتایج نشان داد، با استفاده از تصاویر ماهواره ای، به خوبی می توان به مشخصه گستره خشکسالی دست یافت؛ درحالی که با استفاده از سایر روش ها قابل محاسبه نیست. علاوه براین، با به کارگیری تصاویر ماهواره ای، می توان مشخصه های خشکسالی را در سطح حوزه، به صورت مکانی، مطالعه کرد و چنین کاری با روش های سنتی امکان پذیر نیست. نتایج تحقیق مؤید مزیت به کارگیری داده های بارش ماهواره ای در مطالعه خشکسالی بوده است. 

تغییر خصوصیات بیوفیزیکی سطح زمین یکی از مهم ترین اثرهای منفی فعالیت های انسانی است. هدف از پژوهش حاضر تلفیق قابلیت های سنجش از دور انعکاسی و حرارتی برای بررسی و پایش روند تغییرات خصوصیات بیوفیزیکی سطح منطقه معدن مس سونگون ناشی از فعالیت های معدنی طی سه دهه گذشته است. بدین منظور، از مجموعه داده های انعکاسی و حرارتی تصاویر ماهواره ای، ایستگاه های هواشناسی، و بازدید زمینی استفاده شده است. در این پژوهش، برای طبقه بندی کاربری اراضی از الگوریتم طبقه بندی بیشترین شباهت، محاسبه دمای سطح از الگوریتم تک کاناله و مدل سازی خصوصیات بیوفیزیکی روشنایی، سبزینگی، و رطوبت سطح بازه زمانی ۱۳۶۸-1396 به ترتیب از پارامترهای آلبیدو، NDVI، و NDWI استفاده شد. نتایج نشان می دهد که بر اثر گسترش و توسعه فعالیت های معدنی مساحت جنگل ها از 94/995 هکتار به 27/594 هکتار کاهش یافته است. طی بازه زمانی ۱۳۶۸-1396 مقدار میانگین پارامترهای آلبیدو، NDVI، و NDWI به ترتیب 1/0 افزایش، 08/0 کاهش، و 12/0 افزایش یافته است. همچنین، تغییر کاربری جنگل به معدن به صورت میانگین سبب افزایش 8/5 درجه کلوین دمای سطح شده است. نتایج پژوهش حاکی از کارایی بسیار بالای تلفیق قابلیت های سنجش از دور انعکاسی و حرارتی برای پایش و مدیریت پدیده های مختلف انسانی، محیطی، و طبیعی است.

هدف از پژوهش حاضر بررسی تغییرات مکانی-زمانی کاربری اراضی، گسترش شهری و تأثیر آن بر افزایش دمای سطح زمین است. براین اساس برای مدیریت بهینه آثار منفی ناشی از افزایش دمای سطح زمین، تعیین نوع تغییرات کاربری که بیشترین تغییرات دمای سطح زمین را در بازه زمانی ایجاد می کنند مفید است. بدین منظور از داده های ماهواره ای لندست که به دوره زمانی 23 ساله مربوط است استفاده شد تا نقشه های کاربری اراضی و تغییرات آن، همچنین دمای سطح زمین استخراج شود. پس از انتخاب باندهای بهینه، به کمک روش فاکتور شاخص مطلوبیت، تصاویر ماهواره ای با روش ماشین بردار پشتیبان طبقه بندی شدند. همچنین برای بازیابی دمای سطح زمین نیز از الگوریتم Mono-Window استفاده شد. طبقه بندی تصاویر و استخراج اطلاعات آماری هر کلاس نشان دهنده ارتباطی قوی میان نوع کاربری و دمای سطح زمین است؛ به طوری که بررسی رابطه NDVI و حرارت سطح با استفاده از تحلیل هم بستگی و رگرسیونی، نقش مؤثر پوشش گیاهی در تعدیل دمای سطح را نشان می دهد. باید توجه داشت که کاربری آیش دمای بیشتری از مناطق ساخته شده دارد؛ زیرا این مناطق ترکیبی غیریکنواخت از ساختمان، چمن و گیاه هستند. نتایج بررسی ارتباط تغییرات کاربری اراضی و تحولات دمای سطح زمین نشان می دهد با تبدیل کاربری فضای سبز به زمین آیش، بیشترین تغییرات دمای سطح زمین رخ می دهد. از دیگر نتایج این پژوهش کاهش طبقات دمایی خیلی سرد و سرد و افزایش طبقات دمایی نرمال و گرم است که مهم ترین دلیل آن افزایش مساحت کاربری های ساخته شده و آیش است.

امروزه تغییرات کاربری اراضی و گسترش بی رویه فیزیکی شهرها سبب مشکلات متعددی از جمله، در هم تنیدگی کالبدی، اجتماعی، اقتصادی و زیست محیطی شده است. هدف پژوهش حاضر، بررسی تغییرات کاربری اراضی و گسترش فیزیکی شهر بابل طی 30 سال گذشته و پیش بینی روند تغییرات کاربری اراضی برای آینده می باشد. برای این منظور از تصاویر چند زمانه لندست برای سال های 1364، 1371، 1379، 1387 و 1394 استفاده شده است. در پژوهش حاضر از الگوریتم بیشترین شباهت برای طبقه بندی کاربری اراضی ، از مدل کراس تب برای شناخت تغییرات کاربری اراضی و از شاخص آنتروپی شانون گسترش پراکنده شهر بررسی شد. در ادامه برای پیش بینی روند تغییرات کاربری اراضی و گسترش فیزیکی شهر بابل نیز از مدل پیش بینی سلول های خودکار-مارکوف استفاده شد. نتایج حاصل از این پژوهش، بیانگر گسترش بی رویه شهر بابل در طی 30 سال گذشته است. به طوری که رشد 92 درصدی مساحت اراضی ساخته شده سبب تخریب بیش از حد اراضی زارعی و فضای سبز در حاشیه شهر شده است. بررسی ها نشان می دهد که با افزایش فاصله از اراضی ساخته شده میزان تغییرات کاربری اراضی کاهش چشمگیری داشته است. همچنین شاخص آنتروپی شانون طی سال های گذشته روند رو به رشدی داشته به طوری که از 73/0 در سال 1364 به 8/0 در سال 1394 رسیده است. نتایج تغییرات کاربری اراضی، رشد 33 درصدی اراضی ساخته شده و کاهش 704 هکتاری اراضی زراعی را برای سال 1419 نسبت به سال 1394 قابل پیش بینی است و این امر ضرورت توجه به موضوع گسترش شهری و پیامد های آن درشهر و پیرامون را نشان می دهد.

استفاده از تصاویر ماهواره ای با قدرت تفکیک مکانی متوسط به منظور شناسایی، نظارت و پیش بینی مناطق ساخته شده شهری در دهه های اخیر توسعه یافته است. مهم ترین گام در پیش بینی رشد مناطق شهری، استخراج ویژگی های سطح شهر با دقت و صحت بالا و مهم ترین چالش در این راه پیچید گی عوارض شهری و مسئله پیکسل های مخلوط است. هدف از این تحقیق استفاده از مدل های تجزیه و تحلیل زیر پیکسل، برای استخراج عوارض سطحی شهر رشت به منظور پیش بینی برای تغییرات رشد آتی این شهر است. بدین منظور از سه تصویر لندست مربوط به سال های؛ 0991 (سنجنده TM)، 2002 (سنجنده +ETM) و5102 (سنجنده OLI/TIRS) و روش تجزیه و تحلیل طیف مخلوط نرمال شده (NSMA)، برای استخراج عوارض سطحی استفاده شد. برای طبقه بندی تصاویر از لایه های کسری پوشش به عنوان لایه های ورودی و عضوهای پایانی به عنوان نمونه های آموزشی و الگوریتم حداکثر احتمال به عنوان الگوریتم طبقه بندی کننده استفاده شد؛ که در نتیجه صحت کلی بالای 99%و ضریب کاپای بالای 89/0 برای تصاویر سه دوره بدست آمد. به منظور پیش بینی رشد شهری با شبکه عصبی در این تحقیق از مدل پرسپترون چند لایه(MLP)با الگوریتم یادگیری پس انتشار (BP) استفاده شد. نتایج مقایسه خروجی مدل با نقشه طبقه بندی سال 5102 ، ضریب کاپای 29%،کاپای استاندارد 98% و کاپای طبقه ای (برای طبقه ساخته شده) 39%، را نشان داد. مدل استفاده شده در این تحقیق در پیش بینی رشد مرزهای شهر موفق عمل کرده است، اما در پیش بینی مناطق ساخته شده انفرادی اطراف شهر صحت کمتری دارد.