سید محمد توکلی صبور

قسمت عمده آب های شیرین به صورت آب زیرزمینی ذخیره شده است. برداشت بی رویه آب زیرزمینی به واسطه افزایش جمعیت و استخراج آن جهت اهداف کشاورزی ، صنعتی و مصارف خانگی ازجمله مسائلی است که در سال های اخیر دشت های کشور را در معرض خطر فرونشست قرار داده است. پایش میزان دقیق فرونشست و نیز پرداختن به علت یا علل موجد آن جهت کنترل و مدیریت خطر دارای اهمیت است. این مقاله با استفاده از روش تداخل سنجی راداری با دهانه ترکیبی یا Insar به ارزیابی میزان فرونشست زمین در دشت کرج – شهریار پرداخته است. جهت پردازش تصاویر راداری اخذشده از ماهواره ان.وی.ست ، از روش دانشگاه استانفورد برای پراکنده سازهای دائمی استفاده گردید. با توجه به اینکه گستره منطقه موردمطالعه در بردارنده مراکز سکونتگاهی شهری و روستایی متعددی است و همچنین پوشش گیاهی(باغات و مزارع)در دشت موردمطالعه وسعت زیادی را به خود اختصاص داده است ، استفاده از روش سنتی نظیر تداخل سنجی تفریقی موجب عدم همبستگی بین تصاویر ، عدم دقت در پردازش ها و نادرستی محاسبه میزان دقیق فرونشست می گردد. براین اساس و جهت جلوگیری از این خطا، از روش تداخل سنجی با طول خط مبنای کوچک استفاده گردید و اینترفروگرامهایی با طول خط مبنای زمانی و مکانی کوتاه در بازه زمانی 2003 تا 2010 تولید شدند. به کمک سری زمانی خط مبنای کوتاه ، در محیط نرم افزاری دوریس نرخ متوسط سالانه فرونشست با بیشینه مقدار 136 میلی متر در سال به دست آمد. با توجه به اینکه علت اصلی فرونشست در این مقاله استخراج بی رویه آب زیرزمینی و افت سطح این آب ها فرض گردیده است از طریق دو مدل این افت آب اثبات گردید. پردازش داده های ماهواره گریس و نیز داده های هیدروژئولوژی مربوط به چاه ها نشان از افت سطح آب دارد. روند تغییرات طی سال های 2002-2012 از طریق داده های گریس بین 5+(در سال 2002) تا 15- (سال 2012) سانتی متر مکعب را نشان می دهد.این روند نزولی از طریق پردازش داده های مربوط به چاه های پیزومتری و ترسیم هیدروگراف واحد نیز به اثبات می رسد. روند نمودار در هیدروگراف واحد، افت میزان 22 متر طی 12 سال (1381 تا 1393) ، را نشان می دهد. اگر روند افت سطح آب را طی این سال ها برابر بگیریم، به طور متوسط سالانه 85/1- متر افت سطح آب در آبخوان زیرزمینی حادث شده است.محاسبات انجام شده بر روی تعداد ده هزار چاه در سطح دشت مخروطی نیز نشان می دهد که سالانه میزان 605 میلیون مترمکعب آب برداشت می گردد.

دو سد تا سال 2006 در حوضه تپه اسماعیل امیرآباد ساخته شده است. این عامل آب بیشتری را برای آبیاری فراهم می کند که اثر آن برروی پوشش گیاهی حوضه قابل بررسی است. در این تحقیق با استفاده از داده های سنجش از دور به تغییرات ایجادشده در پوشش گیاهی در اثر احداث سد در حوضه تپه اسماعیل امیرآباد پرداخته شد. برای این منظور از تصاویر سنجنده ETM+ و سنجنده OLI لندست برای قبل و بعد از سدسازی استفاده شد و 20 شاخص پوشش گیاهی مورد بررسی قرار گرفت. برای هر یک از شاخصها چهار مؤلفه، حداقل، حداکثر، میانگین و انحراف معیار برای بعد و قبل از احداث سدها محاسبه شد که نتایج هر 20 شاخص نشان دهنده بهبود پوشش گیاهی پس از احداث سدها بوده است. با توجه به نقشه تغییرات پوشش گیاهی که ارائه گردید بیش از 97 درصد از حوضه مورد مطالعه دارای رشد نسبی پوشش گیاهی بوده است. در پایان تغییرات NDVI دو تصویر در ارتفاعات و شیب های مختلف باهم مقایسه شد تا ارتباط استفاده از آب سد برای شیب های و ارتفاعات مختلف مشخص گردد. نتایج این بخش نشان داد که شیب های بین 3- 5 درصد و ارتفاعات بین 1600 تا 2100 متر رشد بیشتری داشتند و گواه این است که بعد از احداث سدها آب کافی آبیاری این پهنه ها وجود دارد.

در اختیار داشتن نقشه های کاربری اراضی جدید در بسیاری از زمینه ها از جمله مدیریت منابع طبیعی و برنامه ریزی برای سرزمین از اهمیت بسیاری برخوردار است. داده های سنجش از دور از پتانسیل بالایی برای تهیه نقشه های به روز کاربری و پوشش اراضی برخوردارند. هدف از این تحقیق ارزیابی روش های تهیه نقشه کاربری اراضی شهرستان کامیاران با استفاده از تصاویر ماهواره ای می باشد. در این مطالعه از داده های سنجنده OLI ماهواره لندست8 مربوط به ماه ژوئن سال 2018 استفاده شد. در ابتدا پیش پردازش های اولیه شامل تصحیحات رادیومتری، اتمسفری و هندسی بروی داده خام انجام گرفت. از نقاط کنترل زمینی جهت آموزش، اعتبارسنجی و برای تهیه نقشه کاربری اراضی استفاده شد. کلاس کاربری در هر نقطه با پیمایش میدانی و با استفاده از تصاویر گوگل ارث در 9 کلاس کاربری زمین های کشاورزی، جنگل، باغ، مراتع غنی، مراتع متوسط، مناطق مسکونی،پهنه آبی، زمین های بایر و رخنمون سنگی مشخص گردید. در ادامه از روش های حداکثر احتمال، حداقل فاصله، ماشین بردار پشتیبان و فاصله ماهالانوبی برای طبقه بندی نظارت شده در نرم افزار ENVI 5.3 استفاده شد. برای ارزیابی دقت روش های طبقه بندی از دو معیار صحت کلی و ضریب کاپا به همراه داده های کنترل زمینی بهره گرفته شد. نتایج تحقیق نشان داد روش ماشین بردار پشتیبان با صحت کلی 91.4 درصد و ضریب کاپا 0.88 درصد از دیگر روش ها دقت بهتری داشته است.

امروزه دسترسی به انواع نقشه های پایه برای مطالعات اولیه و استفاده در طرحهای عمرانی و خدماتی بسیار ضروری است. یکی از انواع این نقشه های پایه، نقشه های ژئومورفولوژی هستند که نشان دهنده اشکال و عوارض زمینی و فرآیندهای حاکم است. از اینرو و با گسترش همه جانبه علم سنجش از دور، ضرورت ارزیابی تصاویر مختلف برای دستیابی منبعی مطمئن برای تهیه این نقشه ها واضح است. با این پیش زمینه، در این مطالعه از تصاویر باند C سنجنده Sentinel-1 استفاده شد. برای بررسی اثر جهت دید در تشخیص اشکال، دو تصویر از دو جهت دید متفاوت مورد بررسی قرار گرفت و برای بررسی تصحیح اثر ناهمواری ها بر تصاویر رادار و در نهایت موفقیت تشخیص عوارض ژئومورفولوژی از مدل رقومی 3 ثانیه USGS استفاده شد. در نهایت چهار عارضه دره، تیغه، مخروط افکنه و واریزه استخراج گردیدند، برای داده های مرجع زمینی از تصاویر لایه World Imagery ازArc GIS Online استفاده شد. و پارامترهای صحت، دقت، کیفیت، ضریب کاپا و در نهایت آزمون Z محاسبه شد. نتایج نشان دهنده این موضوع بود که تصاویر رادار تصحیح پستی و بلندی نشده قابلیت کم تری در استخراج عوارض داشتند. همچنین تفاوت در جهت دید سنجنده و به طبع آن، تفاوت در زاویه دید، در موفقیت تشخیص عوارض موثر است. همچنین مشخص شد که در بین عوارض، تشخیص مخروط افکنه از همه موفقیت آمیزتر بوده است.

شناسایی، ماموریتی برای کسب اطلاعات در مورد فعالیت ها، منابع، توانمدی ها و موقعیت دشمن است. شناسایی اهداف نظامی می تواند اطلاعاتی پیرامون وضعیت فعالیت ها، استقرار نیروها، آرایش نظامی و بسیاری از اطلاعات گوناگون دیگر از یک محدوده نظامی را در اختیار فرماندهان قرار دهد. در سال های اخیر پیشرفت تکنولوژی در زمینه سنجش از دور امکان تهیه تصاویر مختلف با قدرت تفکیک طیفی و مکانی بالا را فراهم نموده است. تلفیق تصاویر فراطیفی و تصاویر با قدرت تفکیک مکانی بالا می تواند کمک موثری به شناسایی، استخراج و تولید نقشه از عناصر سازنده یک محیط را فراهم نماید. هدف از تحقیق حاضر، شناسایی اهداف نظامی با استفاده از تلفیق تصاویر فراطیفی و تصاویر با قدرت تفکیک مکانی بالا می باشد. برای این منظور، پنجره ای از تصاویر سنجنده های هایپریون،ALI و OrbView3، انتخاب گردید. در ابتدا نسبت به پیش پردازش داده فراطیفی هایپریون از لحاظ باندهای غیرقابل استفاده، نوارهای بد عمود، تصحیح اتمسفری و تصحیح هندسی اقدام شد. در ادامه تصویر هایپریون در فرایند دو مرحله ای با باندهای پانکروماتیک تصاویر ALI و OrbView3 با استفاده از الگوریتم های Gram schmidt ، Pc Spectral و IHS تلفیق شد. نتایج تلفیق نشان داد، روش Gram schmidt بهترین عملکرد را از نظر طیفی و مکانی داشته است. در ادامه تحقیق از تبدیل MNF به منظور کاهش ابعاد تصویر و کاهش نویزها بهره گرفته شد و از الگوریتم PPI خالص ترین پیکسل ها به منظور استخراج پروفیل طیفی با مقایسه با طیف های مرجع به صورت بصری و دقیق به دست آمد. در ادامه از الگوریتم های BANDMAX ، نقشه بردار زاویه طیفی و دایورجنس اطلاعات طیفی جهت شناسایی اهداف استفاده شد. نتایج ارزیابی شناسایی اهداف نشان داد که روش BANDMAX با دقت کلی 89.77 و ضریب کاپای 0.81 نسبت به دو الگوریتم دیگر عملکرد بهتری داشته است.

اشکال ژئومورفولوژی و فرآیند های حاکم بر آن منشاء بسیاری از مخاطرات و منابع محیطی هستند، همچنین با توجه به شکل-گیری صنعت و علم ژئومورفوتوریسم و در نهایت پایه ای بودن مطالعه این اشکال برای طرح های عمرانی، ضرورت تهیه چنین نقشه ها بیشتر می شود. با گسترش استفاده از علوم مکانی همانند سنجش از دور و سیستم اطلاعات جغرافیایی، و کاربرد آن در مطالعات علوم زمین در این تحقیق از تصاویر سنجنده OLI برای تهیه نقشه دره، تیغه، مخروط افکنه و واریزه استفاده شد. و با استفاده از روش تفسیر بصری اشکال موردنظر استخراج شدند. نتایج با تصاویر لایه World Imagery ازArc GIS Online مقایسه شد و چهار پارامتر صحت، دقت، کیفت و کاپا برای آن محاسبه شد. و نتایج بدین صورت بدست آمد، صحت کل 80 درصد، دقت کل 01/62 درصد، کیفیت 87/53 درصد و ضریب کاپا 74/49 درصد بود. از نتایج بدست آمده مشخص گردید که موفقیت تشخیص تمامی عواض بجز واریزه درحد قابل قبولی بوده است. با توجه به ضریب کاپا مشخص می شود که قطعه بندی انجام شده برای استخراج عوارض در حد متناسبی است.

مناطق شهری جهان دارای ویژگی های پیچیده فیزیکی- هندسی عناصر مختلف می باشند، که به سرعت درحال گسترشند. داشتن دانش دقیق از خصوصیات کاربری، تشخیص وشناسایی عوارض از ضروریات مدیریت برنامه ریزی سامان دهی بهینه نواحی شهری و محیط زیست می باشد. تلفیق تصاویر فراطیفی و تصاویر با قدرت تفکیک مکانی بالا می تواند کمک موثری به شناسایی، استخراج و تولید نقشه از عناصر سازنده یک محیط شهری را فراهم نماید. هدف از تحقیق حاضر، ارزیابی روش های تلفیق تصاویر در تصاویر فراطیفی و تصاویر با قدرت تفکیک مکانی بالا می باشد. در این راستا داده فراطیفی مربوط به سنجنده هایپریون، در ابتدا از لحاظ باندهای غیرقابل استفاده و نوارهای بد قائم تصحیح شد.سپس از ماژول FLAASH جهت تصحیح اتمسفری این داده استفاده شد.در ادامه تصویر هایپریون با باند پانکروماتیک سنجنده ALI تصحیح هندسی شده و با استفاده از عملیات نمونه برداری مجدد به پیکسل سایز 10 متر تبدیل شد. نهایتا با استفاده از الگوریتم های گرام اشمیت و Pc Spectral و IHS با تصویر ALI تلفیق شد. سپس با استفاده از باند پانکروماتیک تصویر Orb View دوباره تصحیح هندسی و نمونه برداری مجدد شده و به پیکسل سایز 1.5 متر تبدیل شد.در نهایت دوباره با روش های ذکر شده عملیات تلفیق با باند پانکروماتیک Orb View انجام شد، نتایج تلفیق نشان داد روش گرام اشمیت بهترین عملکرد را از نظر طیفی و مکانی داشت.

مطالعه روند رشد پوشش گیاهی به طور ویژه ای برای تحقیقات محیط زیستی مهم است. برآورد پارامترهای فنولوژی پوشش گیاهی به داده های زمانی پیوسته NDVI در یک بازه زمانی نیاز دارد. ممکن است در برخی موارد رطوبت خاک، وجود ابر و ذرات معلق بر انرژی بازتابی از پوشش گیاهی اثر بگذارد و منجر به ایجاد تصاویری با داده های از دست رفته یا دارای خطا شود. در این مطالعه از چهار مزرعه گندم واقع در بخش های مختلف شهرستان خرم آباد، برای بررسی رفتار فنولوژی گیاه و استخراج پارامترهای فنولوژی استفاده شد. به این منظور برای از بین بردن این خطاها در سری زمانی NDVI از مدل TIMESAT استفاده شد. سه تابع مختلف برای از بین بردن نویزها و هموارسازی داده ها در مدل TIMESAT وجود دارد. هدف از این تحقیق بررسی عملکرد توابع گاوسین نامتقارن، لجستیک دوگانه و فیلتر انطباقی ساویتزکی-گولای در استخراج پارامترهای فنولوژیکی خصوصاً در مناطق کوهستانی است. در ابتدا شاخص NDVI با استفاده از داده های روزانه سنجنده MODIS برای سال 2020 در سامانه گوگل ارث انجین محاسبه شد. پس از برطرف کردن خطاهای موجود در سری زمانی NDVI ، از مدل TIMESAT به منظور تولید منحنی فنولوژی گیاه گندم در مزارع گرمسیر و سردسیر در نرم افزار TIMESAT3.3 استفاده شد. از توابع گاوسین نامتقارن، لجستیک دوگانه و فیلتر ساویتزکی-گولای برای بازسازی داده های NDVI استفاده شد. طبق نتایج به دست آمده فیلتر هموارسازی ساویتزکی-گولای به طور میانگین RMSE برابر 2 دارد. ولی میانگین RMSE توابع گاوسین نامتقارن و لجستیک دوگانه به ترتیب 4 و 11 است. در نتیجه فیلتر ساویتزکی-گولای در بازسازی داده ها و برآورد پارامترهای شروع و پایان فصل رشد دارای صحت بالاتری است.