علی اصغر تراهی

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.

تهیة اطلاعات دقیق و به روز از منابع جنگلی یکی از عوامل اساسی در مطالعه و مدیریت پایدار این منابع است و این اطلاعات را می توان به آسانی و با صرف هزینه و زمان کمتر، از راه طبقه بندی داده های دورسنجی تهیه کرد. در این مطالعه به منظور ارزیابی عملکرد الگوریتم های ماشین بردار پشتیبان و حداکثر احتمال در تهیه نقشه کاربردی اراضی جنگل های رودخانه ای، از داده های ماهواره لندست 8 استفاده شد. برای این کار، پنجره ای از تصاویر چندطیفی سنجندة OLI جنگل های رودخانة مارون بهبهان، در استان خوزستان، انتخاب شد. پس از عملیات پیش پردازش، شامل رفع خطای رادیومتریک و تصحیح اتمسفریک، طبقه بندی تصاویر به روش نظارت شده و با استفاده از الگوریتم های حداکثر احتمال و ماشین بردار پشتیبان و با هفت کلاس کاربری جنگل، مرتع، کشاورزی، آیش، رودخانه، مسکونی و جاده، و همچنین سه کلاس کاربری جنگل، رودخانه و دیگر مناطق، روی مجموعة باندهای اصلی صورت پذیرفت. برای ارزیابی عملکرد الگوریتم ماشین بردار پشتیبان، از سه گروه نمونة تعلیمی با تعداد 241، 141 و 41 نمونه و همچنین از چهار هستةخطی، چندجمله ای، شعاعی و حلقوی استفاده شد. نتایج حاصل نشان داد که تهیة نقشة طبقه بندی جنگل های رودخانه ای مارون و تفکیک کاربری ها با استفاده از تصاویر سنجندة OLI امکان پذیر است و بهترین نتیجه مربوط به طبقه بندی، با استفاده از الگوریتم - PolynomialSVM در باندهای اصلی سنجندة OLI و با سه کلاس کاربری و صحت کلی 24/99 و ضریب کاپای 97/0 است. همچنین مشخص شد که با کاهش تعداد کلاس ها از هفت به سه، کاربری صحت طبقه بندی افزایش می یابد ولی با کاهش تعداد نمونه ها تا حد میانگین، تغییر محسوسی در کیفیت طبقه بندی رخ نمی دهد و در صورت کاهش زیاد تعداد نمونه ها، از صحت طبقه بندی نیز کاسته می شود.

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.

چکیده به منظور مدیریت صحیح اکوسیستم های مرتعی و پوشش گیاهی، باید ارتباط بین اجزای آنها را شناخت. یکی از اجزای اصلی این اکوسیستم ها پوشش گیاهی و ترکیب آن بوده که تحت کنترل عوامل محیطی قرار دارد. به عبارت دیگر، الگوی توزیع پوشش گیاهی بوسیله بسیاری از عوامل محیطی تأثیر می پذیرد. .امروزه کسب وآگاهی در رابطه با پوشش گیاهی و سلامت آن نقش مهمی در مدیریت خاک و گیاهان ایفا می کند. همچنین در حال حاضر استفاده از نقشه های پوشش گیاهی یکی از ارکان مهم در تولید اطلاعات جهت برنامه ریزی های منطقه ای است. لذا با استفاده از دانش سنجش از دور و بررسی دقیق عناصر میتوان پی به شناخت پوشش گیاهی و انواع آن و پراکندگی آن با استفاده از تصاویر ماهواره ای برد. لذا در تحقیق حاضر برای ارزیابی پوشش گیاهی و پراکندگی آن برای منطقه آبیک از دو الگوریتم طبقه بندی نظارت شده شامل Maximum likehood و Spactral angel mapper استفاده شده است. صحت کلی برای الگوریتم MLC و SAM به ترتیب 91.86 و 68.85 و ضریب کاپا MLC و SAM به ترتیب 0.89 و 0.62 ارزیابی شده است. بنابراین الگوریتم MLC روش مناسب تری برای ارزیابی و تخمین پراکندگی پوشش گیاهی منطقه آبیک شناخته شد و براین اساس الگوریتم MLC دارای صحت بالاتری نسبت به الگوریتم SAM است. ناگفته نماند که همبستگی بین پوشش گیاهی و عوامل محیطی یکی از مهمترین مسائل تأثیرگذار در شکل گیری ساختار جوامع گیاهی و پراکنش آنها در هر ناحیه و منطقه ای مورد مطالعه ای می باشد و به طبع شرایط خاص هر منطقه متفاوت است و باید بررسی های دقیق برای شناخت پوشش گیاهی و مدیریت آن انجام پذیرد.

       آتش سوزی در  مراتع و جنگل های زاگرس با توجه به نقش حفاظتی این جنگل ها در جلوگیری از فرسایش آب و خاک، یک تهدید زیست محیطی جدی برای این جنگل ها و مراتع محسوب می شود. هدف از انجام این تحقیق، تجزیه و تحلیل توزیع مکانی آتش سوزی های مراتع  و جنگل های  شهرستان کامیاران و شناسایی مناطق مستعد به آتش سوزی می باشد، مناطق عمده آتش سوزی که دارای بیشترین وسعت و تکرار بودند شناسایی شدند و فایل برداشت شده به وسیله دستگاه سامانه موقعیت یاب جهانی ( GPS ) کل مناطق در چند سال اخیر تهیه و بعد از تبدیل فرمت به نرم افزار آرک مپ انتقال داده شده و نقشه پراکندگی مناطق حریق شده جنگل ها و مراتع شهرستان تهیه شد. عوامل تاثیرگذار شامل بارندگی، دما، فاصله از رودخانه، فاصله از جاده، ارتفاع و شیب منطقه می باشند و لایه های این عوامل با استفاده از مدل رقومی ارتفاع ( Dem ) منطقه به دست آمد. در ادامه با استفاده از مدل تحلیل سلسله مراتبی ( AHP ) لایه های اطلاعاتی موجود در نرم افزار Expert Choise  وزن دهی شده و سپس با استفاده مقایسه زوجی دو به دو مقایسه شدند. در نهایت بعد از تلفیق لایه ها در نرم افزار Arc Map  نقشه نهایی پهنه بندی خطر رخداد آتش سوزی جنگل ها و مراتع شهرستان در پنج طبقه از مناطق با پتانسیل خیلی زیاد تا پتانسیل خیلی کم طبقه بندی  شدند. نتایج نشان داد که لایه های برداشت شده واقعیت زمینی با نقشه نهایی کاملا مطابقت داشته و اکثر آتش سوزی های با وسعت زیاد در مناطق با پتانسیل زیاد و خیلی زیاد و بحرانی قرار گرفتند و از مساحت کلی جنگل ها و مراتع شهرستان مناطق  با پتانسیل خیلی زیاد آتش سوزی مساحت45218.14 هکتار که 22درصد از کل منطقه را شامل شد.

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.

هدف از تحقیق حاضر، به کارگیری روش FFT_IHS به منظور افزایش صحت استخراج اطلاعات از داده های سنجنده OLI، ماهواره لندست 8 است. برای این منظور پنجره ای از تصاویر سنجنده OLI، شهرستان اردبیل انتخاب و بعد از اعمال پیش پردازش های موردنیاز از جمله تصحیح اتمسفریک، باندهای چند طیفی و پانکروماتیک با استفاده از روش FFT_IHS، با یکدیگر ادغام گردیدند. به منظور ارزیابی قابلیت روش FFT_IHS در افزایش صحت استخراج اطلاعات، اقدام به برداشت نمونه های آموزشی از تصاویر قیل و بعد از اعمال این روش گردید. همبستگی بین نمونه های آموزشی با استفاده از شاخص جفریس ماتوسیتا مورد ارزیابی قرار گرفت که نتایج این شاخص نشانگر همبستگی پایین بین نمونه های برداشت شده بود. در ادامه نمونه های آموزشی با استفاده از الگوریتم ماشین بردار پشتیبان شعاعی در 8 کلاس کاربری طبقه بندی شد. نتایج تحقیق نشان داد که طبقه بندی تصویر قبل از ادغام باندها دارای صحت کلی 88.3 درصد و ضریب کاپا 0.87 بوده و بعد از ادغام به روش FFT_IHS صحت کلی به 96.3 درصد و ضریب کاپا 0.96 افزایش یافته است.

ادغام تصویر، فرآیند تلفیق اطلاعات مناسب از مجموعه ای تصاویر در یک تصویر است، به طوری که تصویر ادغام شده حاوی اطلاعات مفیدتر و کامل تر از هر یک داده های ورودی خواهد بود. هدف از ادغام تصاویر سنجش ازدوری، ترکیب اطلاعات به دست آمده از سنجنده هایی باقدرت های تفکیک مکانی، طیفی و زمانی متفاوت به منظور به دست آوردن تصویری با جزئیات اطلاعاتی بیشتر نسبت به هرکدام از داده های انفرادی است. هدف از تحقیق حاضر، ارزیابی عملکرد تبدیل موجک گسسته در ادغام تصاویر فراطیفی با تصاویر دارای قدرت تفکیک مکانی بالا است. برای این منظور، پنجره ای از تصاویر سنجنده های هایپریون،ALI و OrbView3، انتخاب گردید. ابتدا تصویر هایپریون، به لحاظ باندهای غیرقابل استفاده و نویزهای استریپ، تصحیح شد. از باند پانکروماتیک سنجنده ALI، به منظور تصحیح هندسی و ثبت تصویر هایپریون استفاده گردید. در ادامه تصویر هایپریون با استفاده از عملیات بازنمونه برداری به صورت تصویری با اندازه پیکسل 10 متر تبدیل شده و با استفاده از الگوریتم Gram-Schmit، با تصویر ALI، ادغام شد. دوباره با استفاده از تصویر OrbView3، بر روی تصویر ادغام شده، عملیات ثبت تصویر انجام گرفته سپس هر دو تصویر با استفاده از عملیات بازنمونه برداری به اندازه پیکسل 4 متر تبدیل شدند. تصویر OrbView3، با استفاده از موجک گسسته هار، در چهار سطح تجزیه شده و جهت ادغام مورداستفاده قرار گرفت. نتایج تحقیق نشان داد که با هر بار افزایش سطح تجزیه تصویر، صحت و دقت ادغام افزایش پیدا می کند.

هدف از تحقیق حاضر،ارزیابی الگوریتم های اندیس خلوص پیکسلی(PPI) و حداکثر زاویه مخروط کوژ (SMACC) به منظور استخراج طیف کانی های مس منطقه قزلداش با استفاده از تصویر فراطیفی سنجنده هایپریون سطح 1R می باشد. برای این کار پنجره ای از تصاویر سنجنده هایپریون، منطقه قزل داش شهرستان خوی انتخاب گردید. در ادامه به منظور استخراج طیف های خالص مواد نسبت به اعمال پیش پردازش تصویر از جمله تصحیح رادیومتریک شامل حذف باند های نامناسب،خط های نواری حاوی نویز،حذف اثر طیفی و تصحیح اتمسفری به منظور تبدیل مقادیر تابش به انعکاس اقدام شد. سپس تبدیل MNF به منظور کاهش بعد تصویر و کاهش نویزها صورت گرفت. در مرحله بعد خالص ترین پیکسل ها با استفاده از پیاده سازی الگوریتم PPI و SMACC بروی تصاویر به دست آمده و توسط الگوریتم SAM پیکسل های خالص را طبقه بندی کردیم.در مرحله آخر با استفاده از نقاط کنترل زمینی صحت الگوریتم ها را در استخراج طیف کانی ها سنجیدیم که صحت کلی و ضریب کاپا برای الگوریتم PPI به ترتیب %74,12 و 0,61 و برای الگوریتم SMACC به ترتیب 69,23 و 0,57بود.همچنین فراوانی پیکسل های خالص مربوط به کانی ها در الگوریتم PPI بیشتر ازSMACC بود.

تغییرات کاربری اراضی در اثر فعالیت های انسانی یکی از موضوعات مهم در برنامه ریزی های منطقه ای و توسعه ای می باشد. با توجه به مزیت ها و قابلیت هایی که داده های ماهواره ای دارند، این تکنولوژی می تواند کمک شایانی به شناسایی و کشف این تغییرات نماید. هدف از این تحقیق آشکارسازی تغییرات کاربری اراضی شهرستان کامیاران با استفاده از تصاویر ماهواره ای طی دوره 35 ساله می باشد. در این مطالعه از داده های سال 1984 سنجنده TM  ، 2000 سنجنده ETM+ و 2019 سنجنده OLI ماهواره لندست 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 و مشجر، مراتع متوسط، مناطق مسکونی،پهنه آبی، زمین های بایر و رخنمون سنگی مشخص گردید. در ادامه از روش شبکه عصبی برای طبقه بندی نظارت شده تصاویر در نرم افزار ENVI 5.3 استفاده شد. نتایج ارزیابی نشان داد که صحت کلی و ضریب کاپای تصاویر طبقه بندی شده OLI  به ترتیب 94.3 و 0.92 درصد، ETM+  92.6 و 0.91 درصد و TM 90.3 و 0.87 درصد می باشد. نتایج مشخص کرد که اراضی جنگلی  و  مراتع غنی و مشجرکاهش محسوسی در طی سه بازه زمانی داشته که به ترتیب 11.64 و  19.12 درصد کاهش یافته است. به طوری که مراتع غنی و مشجر  تا سال 2000 روندی افزایشی  و در بازه زمانی بعدی تا سال 2019 روند کاهشی داشته است. اراضی مسکونی، پهنه آبی و باغات روند افزایشی داشته  و به ترتیب 2.27، 0.57 و 3.98 درصد رشد افزایشی داشته است.

بررسی اثرات تغییر اقلیم بر توزیع مکانی بلوط، به عنوان گونه اصلی جنگل های زاگرس و ارزش اکولوژیکی و اقتصادی آن از اهمیت بسزایی برخوردار است. هدف از انجام این تحقیق استفاده از مدل های توزیع گونه ها برای شبیه سازی محدوده های اقلیمی مناسب برای زیست بلوط در حال حاضر و تغییرات بالقوه آن در سال های 2050 و 2070 است. برای این کار از پنج الگوریتم مدل سازی رگرسیونی و یادگیری ماشین، چهار متغیر اقلیمی وابسته به دما و بارندگی و دو سناریوی انتشار گاز گلخانه ای خوش بینانه و بدبینانه استفاده شد. نتایج ارزیابی صحت مدل ها با معیار AUC نشان دهنده عملکرد خوب الگوریتم های استفاده شده است و دراین بین الگوریتم Random Forest بالاترین صحت (AUC = 0.95) را در میان الگوریتم ها دارا بود. نتایج نشان داد که در هر دو دوره زمانی و تحت هر دو سناریوی تغییر اقلیم، تغییراتی در توزیع مکانی بلوط رخ خواهد داد که شدیدترین آن کاهش 42.9 درصدی محدوده اقلیمی مناسب بلوط تا سال 2070 در سناریوی بدبینانه (RCP 8.5) است.

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.