یوسف عبادی

ارزش و اهمیت ریزش های جوی و به خصوص حالت غیرمایع آن مانند برف؛ در بحث تأمین آب مورد نیاز مجتمعات انسانی غیرقابل انکار است. در کشور ما که منطقه ای نیمه خشک محسوب می شود، ویژگی های برف و ذوب تأخیردار آن اهمیت بالایی در تأمین آب در فصول کم آب سال دارد. از این رو مطالعه کمیت این پدیده همواره مورد توجه بوده است. دادهای سنجش از دوری به دلیل داشتن پوشش تکراری در زمینه پایش سطوح برفی به خوبی می توانند مورد استفاده قرار گیرند. روش های آشکارسازی مختلفی قابلیت استفاده در این زمینه را دارا هستند. شاخص های طیفی که به نوعی مبتنی بر استخراج بازتاب طیف های جذب و انعکاس برف هستند، به صورت خودکار قابلیت سطوح برفی را دارا هستند. در این مطالعه که به منظور ارزیابی چهار شاخص مهم در برف سنجی و معرفی یک شاخص طیفی جدید انجام شده است، از داده های ماهواره ای لندست8 و سنتینل2 بهره گرفته شده است. شاخص های طیفی برف مورد استفاده عبارت هستند از NDSI-S3-NDSII-SWI و شاخص پیشنهادی PCSWIRI که مبتنی بر تحلیل مؤلفه های اصلی (PCA) است، بر روی تصاویر مورد استفاده مورد ارزیابی قرار گرفت. نتایج ارزیابی شاخص ها با استفاده از معیارهای ضریب کاپا و صحت کلی؛ نشان دهنده دقت بالاتر شاخص پیشنهادی (ضریب کاپای 1 برای تصویر لندست 8 منطقه اصلی، و 0.96 برای تصویر منطقه ارزیابی 1) در تفکیک شباهت های طیفی برف و سایر پدیده ها در منطقه مورد مطالعه است. از این رو شاخص جدید می تواند جایگزین شاخص های برف؛ در مناطقی که اختلاط طیفی پدیده ای مانند نمک، باعث خطا در استخراج سطوح برفی می شود؛ باشد. همچنین برای محاسبه خودکار شاخص ها و شاخص پیشنهادی؛ برنامه کاربردی در محیط نرم افزار MatLAB توسعه داده شده و به صورت رابط گرافیکی تهیه گردید.

ماهیت متغیرهای کمی و کیفی آب های زیرزمینی به دلیل تأثیر مستقیم در زندگی انسان، همواره یکی از موضوعات مطرح در تحقیقات علمی و دانشگاهی بوده است. هزینه بر بودن و عدم امکان مطالعه دقیق این منابع، لزوم استفاده از روش جدیدی را برای برآورد چنین متغیرهایی به طور کامل آشکار می کند. در این میان روش های درون یابی ریاضی و زمین آماری و مدل های هوش مصنوعی در سال های اخیر نتایج بسیار قابل قبولی از این برآوردها ارائه کرده اند. در تحقیق حاضرکه با هدف ارزیابی دقت روش های زمین آمار و شبکه عصبی مصنوعی انجام گرفته است، با استفاده از آمار اندازه گیری شده سطح تراز ایستابی آب های زیرزمینی در 46 حلقه چاه مشاهده ای منتخب برای سال 93، در دشت شبستر- صوفیان، اقدام به برآورد مقادیر نامعلوم سطح تراز در منطقه مورد  مطالعه با استفاده از روش های زمین آمار ( kriging ) و روش شبکه عصبی پرسپترون چند لایه ( MLP ) شده است. نتایج حاصل از این تحقیق نشان می دهد، روش شبکه عصبی ( MLP ) با میزان همبستگی بالا (96/0) و جذر میانگین مربعات خطای کمتر (18/13) نسبت به روش کریجینگ (با میزان همبستگی 90/0 و جذر میانگین مربعات خطای 10/20)، توانایی بالاتری در میان یابی سطح تراز آب زیرزمینی دشت شبستر- صوفیان دارد، که این نتیجه با تحقیقات قبلی در این زمینه مبنی بر توانایی  و انعطاف بیشتر مدل های هوش مصنوعی در مطالعات هیدروژئولوژیکی آبخوان ها مطابقت دارد. از این رو استفاده از روش های جدید مانند شبکه های عصبی مصنوعی( ANN ) و روش های فازی - عصبی تطبیقی ( ANFIS ) می تواند، در دستیابی به برآورد های دقیق تر از شرایط سفره های آب زیرزمینی و اطلاع از کم و کیف آن ها کمک شایانی به محققان و برنامه ریزان در این زمینه ارائه کند.

دمای سطحی زمین یکی از کلیدی ترین پارامترهای مورد نیاز مطالعات محیطی مختلف در مقیاس های محلی تا جهانی می باشد. با توجه به محدودیت های ایستگاه های هواشناسی، سنجش از دور حرارتی افق جدیدی برای کسب این نوع اطلاعات باز کرده است. اخیراً با پرتاب موفقیت آمیز ماهواره لندست 8 که دارای دو باند حرارتی است، امکان خوبی برای برآورد دمای سطح زمین با استفاده از فناوری سنجش از دور حرارتی فراهم شده است. روش های زیادی برای محاسبه دمای سطحی زمین گسترش پیدا کرده است ولی با توجه به گزارش هایی مبنی بر وجود عدم قطعیت قابل توجه در کالیبراسیون باند 11 سنجنده TIRS ماهواره لندست 8، کماکان گسترش روش های مبتنی بر یک باند حرارتی ضروری به نظر می آید. در این مطالعه، روش پنجره یکتا که سه پارامتر اساسی آن قابلیت انتشار زمینی، قابلیت عبور اتمسفری و میانگین دمای مؤثر هوا می باشند، برای ماهواره لندست 8 بهینه شده و تحت الگوریتمی خودکار در محیط نرم افزار MATLAB ارائه شده است. این الگوریتم با کمترین مداخله کاربر، در کمترین زمان در مقایسه با روش های رایج و با دقت قابل قبولی دمای سطحی زمین را برآورد می کند. پس از اعمال الگوریتم بر روی تصاویر ماهواره ای مربوط به منطقه مورد مطالعه در 28 تیرماه 1395، دمای سطحی پایین تر مناطق با پوشش گیاهی نسبت به زمین های بایر و مناطق شهری با دقت 1/2 درجه سانتی گراد قابل مشاهده است.