علیرضا شکیبا

با توسعه شهرنشینی، مقادیر زیادی از مساحت مناطق کشاورزی و جنگلی جای خود را به خانه ها، مناطق صنعتی و دیگر زیرساخت ها داده اند. محدوده های شهری دارای بیلان انرژی و آبی متفاوتی در قیاس با نواحی غیرشهری اند. این تفاوت و تغییر در این دو مفهوم باعث از بین رفتن توازن انرژی و رواناب در محیط های شهری می گردد که خود مشکلات زیست محیطی جدی را (مانند سیل و آلودگی های حرارتی) برای ساکنان شهر به دنبال می آورد. علاوه بر این، در برخی از نواحی شهری تغییرات کاربری ها و افزایش جمعیت و در پی آن افزایش تردد خودروها و همچنین وجود صنایع، موجب افزایش دمای برخی مناطق شهری نسبت به دیگر مناطق می شوند. بنابراین در مناطق شهری، بسته به پوشش زمین، مناطقی با درجه حرارت بیشتر از سایر نواحی به وجود می آید، که این پدیده را جزیره حرارتی شهرها می نامند. در این تحقیق، جزایر حرارتی شهر تهران ـ که مهم ترین مرکز جمعیتی و یکی از مهم ترین مراکز صنعتی ایران به شمار می آید و در طول چند دهه اخیر رشد شهری سریعی داشته است ـ مورد مطالعه قرار گرفته است. هدف اصلی از انجام این تحقیق، استخراج جزایر حرارتی در مناطق شهری با استفاده از داده های ماهواره ای و تعیین اثر نوع پوشش و کاربری زمین بر دمای سطح زمین است. برای رسیدن به این هدف، طبقه بندی پوشش اراضی شهری شهر تهران بر اساس تغییر در خصوصیات بیوفیزیکی (ویژگی های بیولوژیکی و خواص فیزیکی) آن، در سطح طبقه بندی زیرپیکسل و استخراج کسر خاک، پوشش گیاهی و سطوح نفوذناپذیر با استفاده از تصاویر ETM+ انجام شد. برای محاسبه درصد هر یک از این سطوح از روش جداسازی طیفی (LSU) استفاده شد. در پایان، با تحلیل آماری هر یک از جزایر حرارتی شهر تهران به تفکیک، نقش هر یک از پوشش ها و کاربری های اراضی در ایجاد آنها مورد بررسی قرار گرفت. نتایج نشان دادند که سطوح نفوذناپذیر از طریق جذب و ذخیره انرژی خورشیدی اثر گرمایشی دارند، در حالی که پوشش گیاهی از طریق ایجاد توازن گرمایی به وسیله تبخیر و تعرق و تولید سایه، دارای اثر خنک کننده اند.

طی چند سال اخیر به هنگام فصول گرم، در اثر بارندگی شدید و ناگهانی در استان گلستان سیل های مخربی رخ داده که در پی آن، خسارات سنگینی به منطقه وارد آمده است. از آنجا که شدت بارندگی در منطقه بسیار متغیر است و ایستگاه های زمینی نمی توانند این تغییرات را به خوبی نمایش دهند، لزوم به کارگیری سنجش از دور در تخمین بارندگی بیش از پیش نمایان می گردد. در الگوریتم های تخمین بارندگی ماهواره ای اغلب از داده های مادون قرمز و مایکروویو غیرفعال استفاده می شود. داده های مادون قرمز دارای قدرت تفکیک زمانی بالایی هستند (هر نیم ساعت یک تصویر) اما توان نفوذ در ابر را ندارند. در مقابل، داده های مایکروویو غیرفعال از ابر عبور می کنند و تخمین دقیق تری از نرخ بارندگی می دهند اما قدرت تفکیک زمانی پایین تری (هر روز دو تصویر) دارند. در نتیجه با ترکیب این دو سری داده می توان ضمن حفظ مزایا، معایب را تا حد اماکن کاهش داد. در تحقیق حاضر، قابلیت الگوریتم ترکیبی همسان سازی احتمال داده های Meteosat و TRMM در تخمین بارندگی شدید نوزدهم مرداد 1384 (دهم اوت 2005) که منجر به وقوع سیل گردید مورد بررسی قرار گرفت و با کمک مدل هیدرولوژی GeoSFM به پایش سیلاب پرداخته شد. نتایج به دست آمده، نشان می دهد که بین تخمین ماهواره و مشاهدات زمینی همبستگی 533/0 درصد وجود دارد و RMSE و MAD معادل 74/9 و 67/6 است. همچنین مشاهده گردید که خاک در اکثر زیرحوضه های جنوب شرقی منطقه رخ می دهد، که حداکثر حجم آن همزمان با بارندگی های شدید است.

یکی از معضلات اساسی شهرهای بزرگ جهان پدیده آلودگی هواست. کشور ایران و به خصوص تهران نیز از اثر این پدیده مصون نیست، به طوری که سالانه خسارات مالی و جانی و اجتماعی عمده ای متاثر از آلودگی به بار می آیند. از آنجا که مهم ترین آلاینده های این شهر مونواکسید کربن (CO) و ذرات معلق با قطر کوچک تر از 10 میکرومتر (PMto) اند، در تحقیق حاضر ابتدا روش های مختلف درون یابی برای تولید نقشه های کیفیت هوای حاصل از این دو آلاینده مورد ارزیابی قرار گرفتند و سپس با استفاده از آماره خطای میانگین مربعات (MSE) روش درون یابی بهینه انتخاب شد و نقشه های کیفیت هوای حاصل از این دو آلاینده برای همه روزهای سال 1384 تولید گردید. نیز از آنجا که آلودگی هوا با عوامل متعددی از قبیل توپوگرافی، اقلیم، جمعیت، شبکه حمل ونقل و صنعت ارتباط دارد، با استفاده از روش رگرسیون کاربری اراضی (LUR) مهم ترین عوامل موثر در تولید هر یک از این دو آلاینده تعیین گردید و در ادامه با استفاده از همین روش به مدل سازی این دو آلاینده در فصل بهار پرداخته شد. با توجه به آماره خطای میانگین مربعات (MES) معلوم شد که برای درون یابی داده های آلاینده مونواکسیدکربن، روش کوکریجینگ همراه با سه پارامتر دما، جهت باد و سرعت باد که ناهمسان گردی آن به وسیله جهت باد تعیین شود، مناسب ترین روش به شمار می آید؛ در حالی که برای آلاینده ذرات معلق روش Spline نتایج بهتری را ارائه می دهد. همچنین نتایج حاصل از مدل رگرسیون کاربری اراضی (LUR) نشان داد که مهم ترین عامل موثر بر روی آلاینده مونواکسیدکربن حجم ترافیک است، در حالی که مهم ترین عامل موثر بر روی آلاینده PMto وجود اماکن صنعتی است.

در این مقاله جهت پهنه بندی اقلیمی مناطق جنوب و جنوب غرب ایران، برای مطالعات کشاورزی، 44 ایستگاه سینوپتیک واقع در استانهای خوزستان، چهار محال بختیاری، ایلام، کهگیلویه و بویراحمد، هرمزگان، فارس و بوشهر انتخاب گردید. داده های حاصل از 15 پارامتر اقلیمی موثر بر محصولات کشاورزی برای یک دوره 20 ساله جمع آوری شد و جهت تعیین موثرترین پارامترهای اقلیمی - کشاورزی، روش تجزیه به مولفه های اصلی(PCA) مورد استفاده قرار گرفت. 3 مولفه اول که توجیه کننده 85 درصد واریانس متغیرها بود، انتخاب و از این 3 مولفه 11 متغیر به عنوان موثرترین پارامترهای اقلیمی- کشاورزی شناخته شد. این متغیرها عبارت بودند از: میانگین حداقل درجه حرارت، میانگین درجه حرارت روزانه، تعداد روزهای با ماکزیمم درجه حرارت 30 و بالاتر، تعداد روزهای بارانی، تعداد روزهای طوفانی (باد شدید و باران)، تعداد روزهای ابری کامل، میانگین رطوبت نسبی، کل بارش ماهانه، تعداد روزهای برفی، تعداد روزهای آفتابی و تعداد روزهای نیمه آفتابی. داده های حاصل از متغیرهای اقلیمی انتخاب شده، سپس توسط روش تجزیه خوشه ای همبستگی متوسط (Average linkage) مورد تجزیه و تحلیل قرار گرفت. پس از دستیابی به دندروگرام حاصل، برش دندروگرام از ناحیه ای زده شد که 9 پهنه اقلیمی برای 44 ایستگاه سینوپتیک انتخاب شده بدست آید. افزون بر این به منظور ارزیابی نتایج حاصل از تجزیه خوشه ای، از روش تجزیه تابع تشخیص، در طبقه بندی اقلیمی کشور استفاده گردید. نتایج بدست آمده نشان داد که 97.7 درصد ایستگاه ها بطور صحیح در گروه های مربوط به خود جای گرفته بودند. مشابهت نسبی نوع پوشش گیاهی مناطقی که در یک دسته قرار دارند و ارقام زراعی مورد کشت و کار در هر دسته نشان دهنده این مساله است که پهنه بندی اقلیمی مذکور به واقعیت امر بسیار نزدیک بوده و می تواند جهت مطالعات کشاورزی مورد استفاده قرار گیرد.

با گسترش سنجش از دورِ فراطیفی، امکان بهره گیری از گروه جدیدی از شاخص های طیفی ـ با عنوان شاخص های باریک باند ـ برای تخمین پارامترهای بیوفیزیکی و بیوشیمیایی گیاهان به وجود آمده است. هدف از این مطالعه، مناسب ترین نواحی طیفی برای تخمین محتوای آبی گیاه با استفاده از شاخص های گیاهی و همچنین بررسی تأثیرات تاج پوشش گیاه و خاک پس زمینه در انتخاب این شاخص هاست. اندازه گیری های تاج پوشش گیاه در آزمایشگاه سنجش از دور با استفاده از دستگاه اسپکترومتر GER 3700 صورت گرفت. دو گروه از شاخص های گیاهی، با عنوان شاخص های نسبتی و شاخص های تعدیل کننده تأثیر خاک برای برآورد مقدار محتوای آبی گیاه تکوین یافتند و پس از ارزیابی، مقایسه شدند. برای محاسبه شاخص های باریک باند با استفاده از داده های فراطیفی موجود، تمامی ترکیب های دوباندی ممکن برای 584 باند در دامنه طیفی 400 تا 2400 نانومتر به منظور محاسبه شاخص های باریک باند و تخمین محتوای آبی گیاه، با استفاده رگرسیون خطی مورد ارزیابی قرار گرفتند. دقت نتایج تخمین محتوای آبی گیاه با استفاده از شاخص ها با باندهای بهینه به دست آمده، با استفاده از مقادیر ضریب همبستگی (2R) و ریشه میانگین مربعات خطا (RMSE) و روش Cross-validation سنجیده شد و مورد مقایسه قرار گرفت. به دلیل تنوع در نوع تراکم تاج پوشش های گیاهی مورد بررسی و شرایط متفاوت خاک پس زمینه، با تقسیم بندی گیاهان به دو گروه با خاک پس زمینة متفاوت (تیره و روشن)، و همچنین دو تاج پوشش گیاهی متراکم و تنک، این تأثیرات در انتخاب بهترین شاخص ها مورد ارزیابی قرار گرفتند. نتایج نشان از آن داشتند که دقت تمامی شاخص ها در داده های با خاک پس زمینة روشن و داده های دارای تاج پوشش متراکم، به ترتیب در قیاس با داده های دارای خاک پس زمینة تیره و تاج پوشش تنک، با دقت بالاتری همراه بودند. ، ، ، ، ، ، ، ) نتایج به دست آمده در این تحقیق، توجه به خاک پس زمینه و ساختار تاج پوشش گیاهی را در انتخاب بهترین شاخص و باندهای بهینه برای شاخص ها، آشکار می سازد.

شناخت نوع ابر و طبقه بندی ابرها از ابتدایی ترین اصول در اکثر روش های پیش بینی بارش است که در بیشتر مواقع به صورت بصری و با مقایسه تصاویر باندهای مادون قرمز و باندهای مرئی انجام می شود. در این گونه مطالعات تنها از دمای روشنایی ابر و آلبدوی آن برای طبقه بندی ابر استفاده می شود، در صورتی که بافت و شکل ابرها نیز از عوامل تأثیرگذار در تشخیص انواع آنهاست. روش طبقه بندی شیء گرا به علت استفاده از پارامترهای بافت و شکل و نیز دمای روشنایی و آلبدوی ابر، روش مناسبی برای طبقه بندی ابرها به شمار می آید؛ لیکن این روش طبقه بندی، بسیار وابسته به دقت قطعه بندی نیز هست. با توجه به اینکه یکی از فاکتورهای مؤثر بر دقت طبقه بندی همانا مقیاس قطعه بندی است، لذا تعیین مقیاس مناسب قطعه بندی در افزایش دقت طبقه بندی شیء گرا اهمیت فراوان دارد. هدف از ارائه این مقاله نیز تعیین مقیاس مناسب قطعه بندی در طبقه بندی شیء گرای ابر است. در این تحقیق دو تصویر NOAA/AVHRR مورد استفاده قرار گرفتند. به منظور انجام تحقیق، ابتدا اطلاعات اضافی شامل دمای روشنایی ابر در باند 3 و 4 و ارتفاع ابر از داده های سنجش از دور به منظور استفاده در قطعه بندی تصویر استخراج گردید و از روش دو باندی (مادون قرمز و مرئی) برای انتخاب نواحی آموزشی استفاده شد. سپس تأثیرات منفی خطاهای قطعه بندی بر دقت طبقه بندی شیء گرای ابر از طریق بسط روش محاسباتی تعیین گردید و دقت قطعه بندی کمّی سازی شد. در این مرحله ارزیابی به وسیله کمّی سازی تأثیرات کلی خطاها، با توجه به معیارها و واحدها در 25 مقیاس قطعه بندی صورت پذیرفت تا مقیاس مناسب برای قطعه بندی ابر به دست آید. نتایج نشان داد که نخست، دقت قطعه بندی ابر با افزایش مقیاس قطعه بندی کاهش می یابد؛ و دوّم، تأثیرات منفی خطاهای قطعه بندی کمتر از حد مناسب در قطعه بندی ابر در مقیاس های بزرگ، به صورت کاملاً محسوس بزرگ می شوند. همچنین دقت های قطعه بندی بالا لزوماً منجر به دقت های بالای طبقه بندی شیء گرا در طبقه بندی ابر نمی شوند، اما دقت های پایین قطعه بندی منجر به دقت های پایین طبقه بندی می شوند. با توجه به این مورد، بهترین مقیاس برای قطعه بندی ابر، مقیاس 50 تعیین گردید که منجر به دقت کلی 5/90 درصد در طبقه بندی شیء گرای ابر شد.

در بین عوامل مختلف تأثیرگذار در تولید محصولات کشاورزی، شرایط جوی و اقلیمی از مهمترین متغیرهای محیط طبیعی است. در این مطالعه به پهنه­بندی اراضی مستعد کشت ذرت دانه­ای در سطح استان لرستان پرداخته شده تا بهترین مکان ها برای کشت مشخص گردد. در این بررسی، عناصر اقلیمی دما، بارش، درجه روز از 7 ایستگاه سینوپتیک در سطح منطقه و پارامترهای محیطی ارتفاع، شیب، جهت شیب، فاصله از شبکه هیدروگرافی و خاک به عنوان فاکتورهای مؤثر در پهنه بندی، مورد استفاده قرار گرفت. ابتدا داده های اقلیمی استخراج و اطلاعات مورد نظر بدست آمد، سپس نقشه های مربوط به این پارامترها با استفاده از توابع عضویت فازی و معیارهایی که برای کاشت ذرت دانه ای در نظر گرفته شده، استاندارد شد و به هر کدام بر اساس روشAHP وزن خاصی داده شده است. سپس همه نقشه ها با یکدیگر تلفیق و نقشه پهنه­بندی اراضی مستعد کشت ذرت دانه­ای در استان لرستان به دست آمد. بدین ترتیب در نقشه نهایی بدست آمده، 299521 هکتار از اراضی استان برای کشت بسیار مناسب، 809956 هکتار مناسب، 1040944 دارای قابلیت متوسط، 529535 هکتار نامناسب و95930 هکتار نیز برای کشت ذرت دانه­ای بسیار نامناسب هستند. نتایج نشان می دهد که نقش هر یک از عناصر اقلیمی و زمینی، در مناطق مختلف استان متفاوت است و از طریق تلفیق لایه های مؤثر در فرایند کشت در محیط GIS، امکان شناخت مناطق مستعد جهت کشت این گیاه زراعی وجود دارد.

هدف از ارائه این مقاله، بررسی رابطه میان تغییرات پوشش اراضی با احداث و آبگیری سد مخزنی طالقان به کمک تکنیکهای سنجش از دور می باشد. بدین منظور، ابتدا نقشه پوشش اراضی حاصل از طبقه بندی سه تصویر ماهواره ای به روش هیبرید در یک دوره 20 ساله با سه مقطع زمانی قبل، همزمان و بعد از احداث سد به ترتیب در سالهای 1366، 1381 و 1386 استخراج گردید. سپس بررسی تغییرات 3 نقشه استخراج شده به روش مقایسه پس از طبقه بندی بر مبنای تفاضل، صورت پذیرفت و به منظور بررسی تغییرات مکانی انواع کلاس های مورد نظر از شاخص آماریLQ کمک گرفته شد. نتایج این مطالعه نشان داد که در بازه زمانی مذکور سطح مراتع تقریباً ثابت بوده اما کیفیت آنها تا حدودی افت داشته است که علت آن تبدیل مراتع به اراضی زراعی و چرای دام می باشد. همچنین، سطح اراضی کشاورزی آبی و دیم به علت مهاجرت و بازگشت مجدد مردم به منطقه در این فاصله دارای نوسان بوده است. در این بازه زمانی،سطح اراضی مسکونی نیز افزایش قابل توجهی داشته که دلیل اصلی آن ویلاسازی و ساخت تفرجگاه توسط افراد بومی و غیر بومی در حوالی دریاچه سد می باشد. بررسی تغییرات الگوی مکانی پوشش های مختلف نیز نشانگر آن است که بیشترین تغییرات در زیرحوضه های اطراف دریاچه سد و حواشی رودخانه اصلی رخ داده است.

این مقاله، سعی نموده است روند شاخص های حدی دما را بر اساس سناریوی وضعیت موجود و سه سناریوی RCP شامل 6/2، 5/4 و 0/6 به عنوان سناریوهای پیشنهادی فاز 5 CMIP در استان خوزستان شبیه سازی نماید. برای این منظور شاخص های DTR،TMAXmean TMINmean، TN10p، TX10p، TN90p TN90p و TX90p از مجموعه شاخص های معرف تغییر اقلیم جهت تحلیل روند دما انتخاب گردیدند. نتایج به دست آمده نشان می دهد در وضعیت موجود (2012-1982) کمینه های دما (72/2+ در سناریوی وضعیت موجود) نسبت به بیشینه های آن (2/1+ در سناریوی وضعیت موجود) با سرعت تقریباً بیشتری در حال افزایش هستند؛ به طوری که این مسئله منجر به روند کاهشی شاخص DTR شده است و شبیه سازی روند تغییرات دما بر اساس سناریوهای RCP حاکی از آن است در آینده (2050- 2013) روند افزایش دما همچنان ادامه خواهد داشت. به طورکلی در این پژوهش روند شاخص های شب های سرد و گرم (TN10p و TN90p) با روند شاخص TMINmean و شاخص های روزهای سرد و گرم (TX10p و TX90p) با شاخص TMAXmenn در مناطق مختلف استان هماهنگی نشان می دهد؛ به طوری که بر اساس آن ها تا سال 2050 شاخص های دوره سرد روند کاهشی (روزها و شب های سرد) و شاخص های دوره گرم سال (روزها و شب های گرم) روند افزایشی خواهند داشت.

مدل سازی تغییرات کاربری اراضی، ابزاری ضروری برای تجزیه و تحلیل های محیط زیستی، برنامه ریزی  و مدیریت محسوب می گردد. در حال حاضر آشکار سازی و مدلسازی تغییرات کاربری اراضی با استفاده از تصویر ماهواره ای ابزاری سودمند برای درک تغییرات زیست محیطی در رابطه با فعالیت های انسانی به حساب می آیند. ناحیه مورد مطالعه یکی از مناطق ایران است که هدف تجاوزساخت و ساز های بی رویه و بدون برنامه قرار گرفته است.  توسعه شهری و رشد جمعیت منجر به تغییرات الگوی فضایی شده و کاربری بخش زیادی از منابع طبیعی را  تحت تأثیر قرار داده است. در این تحقیق از تصاویر ماهواره لندست در سال های ۱۹۸۶، ۲۰۰۲، ۲۰۱۸ برای طبقه بندی و آشکارسازی تغییرات کاربری اراضی استفاده شده است.پس از رفع خطاهای تصاویر ماهواره ای چهار کلاس عارضه، ساخت و ساز مسکونی و غیر مسکونی، پوشش گیاهی، کوه و مرتع و راه، جهت بررسی تغییرات در نظر گرفته شد. عملیات میدانی و برداشت عوارض نمونه، با گیرنده های GPS دو فرکانسه در محدوده مورد مطالعه انجام شد. سپس این عوارض به نرم افزار معرفی و با روش ماشین های بردار پشتیبان [1] طبقه بندی روی تصاویر سه دوره انجام و میانگین دقت کلی و میانگین ضریب کاپا [2]   در این روش به ترتیب  ۶۲ /۹۶ % ، ۳۳/۸۵ % محاسبه گردید. بیشترین تغییرات مربوط به کلاس کاربری های مسکونی و غیر مسکونی و راه می باشد. بیش ترین تغییرات مربوط به ساخت و ساز مسکونی ۰۶/۹ درصد و راه ۱ درصد می باشد، که این روند رو به افزایش سبب کاهش دو کلاس عارضه کوه و مرتع و پوشش گیاهی به ترتیب به میزان ۰۷/۹ و۱/۰ درصد شده است. در ناحیه مورد مطالعه اکثر پوشش های گیاهی و زمین های کشاورزی تبدیل به شهرک های صنعتی و ویلاهای تفریحی شده است.  در راستای چنین تغییراتی زنجیره مارکوف توانایی خوبی برای پیش بینی احتمال تغییرات را دارد و بر پیش بینی های تغییرات کاربری اراضی متمرکز  است در حالی که اتوماتای ​​ سلولی به عنوان یک روش قدرتمند در تشخیص تغییرات مؤلفه مکانی فضایی است. به این منظور جهت پیش بینی تغییرات در کمیت و فضا  از مدل ترکیبی زنجیره مارکوف و سلول های خودکار استفاده گردید و نقشه کاربری اراضی برای سال ۲۰۵۰  شبیه سازی شد. نتایج نشان داد که مدل های مارکوف اطلاعات مفیدی در اختیار ما قرار می دهد که می تواند برای برنامه ریزی کاربری اراضی در آینده  مفید واقع شود. <br clear="all" /> [1]- SVM [2]- Overall Accuracy

موج گرما عموماً به عنوان یک دوره ای از روزهای متوالی با دماهای بالای غیر عادی تعریف می شوند که به دلیل متأثر کردن بخش های مختلف طبیعی و انسانی از قبیل سلامت، بهداشت، منابع آب و کشاورزی به یک نوع مخاطره رایج در جهان تبدیل شده است. شناسایی این گونه اثرات نیازمند شناخت موج گرما و تعیین آستانه های آن می باشد. لذا، در این پژوهش سعی می گردد به تعیین آستانه دمایی موج گرما در مناطق مختلف کشور در دوره گرم سال پرداخته شود. بدین منظور آمار دمای حداکثر روزانه 90 ایستگاه سینوپتیک طی دوره آماری 2015- 1986 از ماه های آوریل تا سپتامبر از سازمان هواشناسی کشور اخذ گردید. سپس بعد از پردازش اولیه داده های خام، به تعیین آستانه دمایی موج گرما طی دوره گرم سال، بر اساس 3 شاخص جهانی (صدک 95، بالدی، سازمان هواشناسی جهانی(WMO) برای ایستگاه های مورد مطالعه پرداخته شد. سپس در محیط ArcGIS با استفاده از روش ترکیبی IDW و رگرسیون با در نظر گرفتن عرض جغرافیایی و ارتفاع (به عنوان 2 عامل مهم و تأثیرگذار در مقدار آستانه دمایی موج گرما)، آستانه دمایی برای کل کشور درونیابی گردید. نتایج نشان داد که مقادیر آستانه دمایی در زمان ها و مکان های مختلف کشور در دوره گرم سال یکسان نیست و از رنج متفاوتی برخوردار است. به طوری که که آستانه دمایی در ماه آوریل بین 40 – 15، در ماه می بین 46 – 21، در ماه ژوئن بین 50 – 25، در ماه جولای بین 49 -29، در ماه آگوست بین 52- 32 و در ماه سپتامبر بین 47 -27 درجه سلسیوس متغیر می باشد. در ماه های آوریل، می و سپتامبر، این آستانه از تفاوت مکانی بیشتر و در ماه های ژوئن و جولای و آگوست تقریباً از یکنواختی نسبی برخوردار است که علت آن را می توان وجود پرفشار جنب حاره ای آزور دانست که تمام ایران را تا جنوب کوه های البرز تحت استیلای خود در می آورد و از جهتی وجود این پدیده باعث می شود که نقش عوامل محلی مانند ارتفاعات، عرض جغرافیایی در مقدار آستانه دمایی در این ماه ها چندان محسوس نباشد و آستانه دمایی از یکپارچگی نسبی برخوردار باشد. همچنین نتایج نشان می دهد که بالاترین آستانه دمایی موج گرما در دوره گرم سال مربوط به استان خوزستان و کمترین آستانه مربوط به قسمت های از نوار شمالی و شمال غرب کشور می باشد. نتایج این تحقیق دلالت بر این حقیقت علمی دارد که جهت به دست آوردن آستانه دمایی دقیق برای مناطق مختلف کشور باید از شاخص های مختلف استفاده کرد؛ زیرا این شاخص ها مکمل همدیگر هستند و تنها با استفاده از یک شاخص نمی توان به نتایج دقیقی در این زمینه دست یافت.

هدف از این پژوهش شبیه سازی عملکرد ذرت با سناریو های تغییر اقلیم در وضع موجود وآینده است. از این رو جهت بررسی اقلیم منطقه داده های روزانه، دمای کمینه وبیشینه، بارش و تشعشع در طی دوره(2016-1987)استفاده شده است. برای شبیه سازی اقلیم آینده ابتدا داده های مدلIPCM4 تحت سناریوهای A1, B2،A1B و دهه های 30 و 50 با مدل LARS-WGریز مقیاس گردید. قبل از شبیه سازی عملکرد ذرت، مدل زراعی APSIM ارزیابی و واسنجی شد. برای محاسبه عملکرد دانه ذرت،خروجی مدل لارس، و همچنین تاریخ کاشت و رقم به عنوان ورودی های مدل زراعی APSIMاستفاده شده است و با روش آنالیز واریانس عملکرد ذرت در دهه های مختلف مقایسه شد. نتایج نشان داد که تغییر عناصر اقلیمی در میزان عملکرد ذرت موثر است و در دوره پایه بیش ترین عملکرد دانه در شهرستان های فساو کم ترین در شهرستان آباده مشاهده شده است. در شرایط تغییر اقلیم آینده تحت سناریوهای مختلف انتشار،عملکرد دانه ذرت در استان فارس به غیر از شهرستان آباده، روند کاهشی را در دو دوره آینده نسبت به دوره پایه خواهد داشت.

هدف از این پژوهش ارزیابی روند شاخص هواویز (AI) فصلی در ایران است. در این راستا، داده های سنجنده TOMS دو ماهواره Nimbus 7 و Earth Probe و سنجنده OMI ماهواره Aura اخذ شد و از آزمون ناپارامتریک من- کندال (MK) برای شناسایی روند شاخص هواویز استفاده شد. نتایج نشان داد داده های سنجنده TOMS ماهواره EP برای مطالعه روند مناسب نیست، زیرا از سال 2001 داده های این سنجنده کالیبراسیون نمی شود. بیشینه و کمینه روند شاخص هواویز ایران به ترتیب برای سنجنده OMI و TOMS ماهواره Nimbus 7 محاسبه شد. در فصل بهار به دلیل فعال شدن چشمه های گرد و غبار از مناطقی با روند کاهشی کاسته شد و بر مناطقی با روند افزایشی افزوده شد. بیشینه روند افزایشی معنی دار و همچنین بیشینه مقدار متوسط شدت روند شاخص هواویز (AI) براساس سنجنده OMI در فصل پاییز محاسبه شد. روند افزایشی شاخص هواویز (AI) در ایران به دلیل شرایط محیطی (خشک سالی و تغییرات کاربری اراضی) و آب و هوایی (باد شمال تابستانه، الگوهای دینامیکی و حرارتی غرب آسیا، و کم فشار حرارتی سِند) است. مقایسه داده های ماهواره ای با داده های ایستگاه های همدید گرد و غبار در پهنه های مختلف آب و هوایی نشان از تطابق داده های ماهواره ای و زمینی دارد.

تغییرات آب وهوایی و گرمایش جهانی اثرات بسیار زیادی بر جوامع و بوم سامانه ها دارد. شناسایی حوادث فرین آب وهوایی در مقیاس مکانی و زمانی، به منظور برنامه ریزی جهت کاهش آثار سوء و افزایش استراتژی های انطباق بسیار حائز اهمیت است. استفاده از شاخص های ترکیبی شناخت بهتری از وضعیت روند تغییرات آب وهوایی را ارائه می دهد. لذا مجموعه ای از شاخص های ترکیبی ارائه شده توسط گروه بین المللی ارزیابی آب وهوایی اروپا (ECA&D) ، به منظور ترسیم بهتر روند فرین های آب وهوایی در گستره ایران استفاده شده است. بر این اساس داده های روزانه 47 ایستگاه سینوپتیک کشور در دوره آماری 1981 تا 2015 استخراج و مورد آنالیز قرار گرفت. در این پژوهش شاخص های سرد-خشک، سرد-مرطوب، گرم-خشک، گرم-مرطوب، شاخص اقلیم گردشگری و شاخص جهانی حرارتی محاسبه شده است. نتایج این پژوهش نشان دهنده رخداد تغییر اساسی در رفتار مقادیر فرین ترکیبی دما و بارش در سه دهه گذشته است. کاهش در فراوانی حالت های سرد و افزایش در فراوانی حالت های گرم در بیش از 80 درصد ایستگاه ها دیده می شود. همچنین، شاخص جهانی دما نیز نشان دهنده افزایش معنی دار فراوانی روزهای با تنش گرمای شدید () و کاهش معنادار فراوانی روزهای بدون تنش گرمایی () است که در مقایسه با سایر شاخص های ترکیبی دما و بارش از پیوستگی فضایی مناسبی در سطح ایران برخوردار است. روند شاخص اقلیم گردشگری (TCI)، شامل دو زیر مجموعه، تعداد روزهای با TCI≥60 و تعداد روزهای با TCI≥80 نیز تغییرات مشابهی دارد و پیوستگی ضعیف تری را در سطح کشور نشان می دهد. بیشینه وردایی معنادار فرین های ترکیبی در بخش های شمال غربی کشور دیده می شود که می تواند در برنامه ریزی برای کاهش آثار سوء و افزایش سازگاری در کشور مورد توجه قرار گیرد.

یکی از اصولی ترین روش های کاهش تأثیر زمین لرزه در مناطق شهری، شناسایی نواحی مستعد، درجه بندی میزان ریسک مناطق، و ارزیابی خسارت ها و تلفات انسانی در زلزله با شدت های مختلف است. شهر تبریز با داشتن جمعیت زیاد، قرارگیری روی گسل فعال، و سابقه زلزله با دوره بازگشت در ادوار گذشته، پتانسیل وقوع زمین لرزه را دارد. با توجه به اینکه بیشترین پهنه های مسکونی منطقه 8 شهرداری تبریز را پلاک های ریزدانه با مسیرهای دسترسی تنگ و باریک و مصالح بی دوام و ناپایدار اشغال کرده اند، این منطقه برای مطالعه انتخاب شده است. در این پژوهش با استفاده از هفت معیار کاربری اراضی، تعداد طبقات ساختمانی، کیفیت بنا، مساحت قطعه تفکیکی، قدمت بنا، سطح اشغال بنا و نوع مصالح ساختمانی، از روش تحلیل چندمعیارة فازی (FAHP)، خسارت ساختمانی و تلفات انسانی در سه سناریوی زلزلة 6، 7 و 8 ریشتری محاسبه و تحلیل شد. نتایج پژوهش نشان می دهند که خسارت های ساختمانی از 6 تا 8 مرکالی افزایش زیادی یافته و از 5/1 درصد به 46 درصد رسیده است. تلفات انسانی نیز که بیشتر در ساختمان های مسکونی رخ می دهد از 29 نفر تا 2511 نفر در شدت های مختلف زلزله افزایش می یابد؛ که توجه مضاعف به بهسازی ساختمان های مسکونی را می طلبد.

از میان روش های معمول درون یابی، روش های کریجینگ و کوکریجینگ به عنوان بهترین برآوردگرهای خطی نااریب، کاربرد فراوانی در درون یابی داده های بارش دارند. مدل های مذکور به رغم مزیت شان نمایش همواری از پدیدة تحت مطالعه به دست می دهند و چون براساس میانگین محلی داده ها عمل می کنند، مقادیر حداکثر را کمتر و مقادیر حداقل را بیشتر از مقدار واقعی پیش بینی می کنند. بنابراین استفاده از این مدل ها به تنهایی در مواردی که هدف ارزیابی میزان ریسک و بررسی تغییرپذیری یک پدیده است، مناسب نیست. تغییرپذیری پدیده با استفاده از عدم قطعیت اندازه گیری می شود. در پژوهش حاضر به منظور محاسبة عدم قطعیت محلی و مکانی متغیر بارندگی، از الگوریتم های شبیه سازی زمین آماری SGS و CO-SGS استفاده شده است. نتایج تحقیق نشان می دهند الگوریتم های SGS و CO-SGS در نمونه های شبیه سازی با بازسازی مقادیر محتمل حداکثر و حداقل و همچنین حفظ دامنة نوسانات بارندگی در هر واحد مکانی، واریانسی نزدیک به واریانس نمونه های اصلی تولید می کنند. اختلاف واریانس شبیه سازی در مقایسه با نمونة اصلی بسیار ناچیز است، درحالی که واریانس روش های درون یابی اختلاف فاحشی با واریانس نمونه های اصلی دارد. همچنین نتایج نشان می دهند که این الگوریتم ها می توانند عدم قطعیت محلی و مکانی پدیده های مکانی ازجمله بارش را به درستی محاسبه کنند. کلید واژه ها : بارندگی، عدم قطعیت، شبیه سازی زمین آماری، الگوریتم SGS، الگوریتم CO-SGS.

رواناب یکی از اجزای ضروری محاسبة فرایندهای منابع آب و مسئله ای اصلی در هیدرولوژی است. مدل های مفهومی زیادی برای پیش بینی میزان رواناب مطرح شده اند که عمدتاً نیازمند داده های توپوگرافی و هیدرولوژیکی هستند. روش های مرسوم گذشته برای نواحی ای که داده های هیدرولوژیکی کافی ندارند، نامناسب اند. تخمین رواناب، فرایندی غیرخطی و از نظر ز مانی و مکانی به طور کامل تصادفی است و شبیه سازی آن با مدل ساده به راحتی امکان پذیر نیست. امروزه استفاده از شبکه های عصبی مصنوعی در مواردی که کمبود داده ها محسوس است، روش مناسبی به شمار می آید. در پژوهش حاضر از داده های بارش، دما و دبی ایستگاه های حوضة کن در بازة زمانی 1375 تا 1385 و همچنین خصوصیات فیزیوگرافی حوضة مورد مطالعه به عنوان ورودی شبکة عصبی برای پیش بینی رواناب استفاده شد. بدین منظور به صورت تصادفی 80 درصد داده ها برای آموزش و 20 درصد داده ها برای تست و اعتبارسنجی شبکه اختصاص داده شدند. به منظور انتخاب شبکة بهینه، از دو نوع تابع انتقال، 12 تابع آموزشی، و تعدادی نرون مخفی مختلف بین 1 تا 9 نرون استفاده شد. نتایج پژوهش پس از آزمون شبکه با لایه های پنهان و با توابع یادگیری مختلف آشکار ساختند که استفاده از داده های بارش، دما و دبی، و تابع آموزشی LM و تابع انتقال Tansig و چهار نرون مخفی، بهترین ساختار را برای تخمین رواناب به دست می دهد. شبکة عصبی با این ساختار می تواند رواناب را با دقت (0.68≤R2≤0.78 و 0.53≥RMSE 0.03≤) برآورد کند. کلید واژه ها : تخمین رواناب، شبکة عصبی مصنوعی، الگوریتم پس انتشار خطا، حوضة کن، سامانة اطلاعات جغرافیایی.

تغییرات رشد محصولات کشاورزی در فواصل زمانی نسبتاً کوتاه، ناهم زمانی کشت محصولات مشابه، شباهت طیفی میان محصولات گوناگون در برخی از زمان های دوره کشت و کمبود داده های زمینی، طبقه بندی محصولات زراعی در تصاویر ماهواره ای را به کاری چالش برانگیز مبدل می کند. تغییر مقدار درصد پوشش و سبزینگی، در طول فصل رشد، از برجسته ترین ویژگی پوشش های گیاهی ازجمله محصولات کشاورزی است که می توان بر آن نظارت کرد. این کار با استفاده از سری زمانی شاخص های گیاهی انجام می شود که اطلاعات بسیار مفیدی از توالی ویژگی های فنولوژیک محصولات کشاورزی در اختیار ما قرار می دهد. استفاده از روش های یادگیری عمیق با توانایی یادگیری اطلاعات متوالی حاصل از این سری ها می تواند، در طبقه بندی محصولات کشاورزی و کاهش وابستگی به داده های زمینی، مفید باشد. شبکهLong-Short Term Memory (LSTM) یکی از انواع شبکه های عصبی بازگشتی در تجزیه و تحلیل داده های متوالی است که توانایی یادگیری توالی های بلندمدت در سری زمانی را دارد؛ بنابراین در این مطالعه، پس از محاسبه شاخص NDVI از باندهای ماهواره سنتینل 2 در نُه تاریخ متفاوت و تشکیل سری زمانی آن شاخص برای ورود به شبکه، دو ناحیه متفاوت در دشت مغان در نظر گرفته شد که محصولات کشت شده در آنها، طی عملیات زمینی، برداشت شده بود. در ناحیه اول، شبکه کانولوشنی LSTM برای طبقه بندی محصولات آموزش دید و در ناحیه دیگر، کارآیی این شبکه آموزش دیده در طبقه بندی محصولات ارزیابی شد و دقت کلی 82% و ضریب کاپای 8/0 به دست آمد. افزایش تعداد نمونه های زمینی و انتخاب مرز دقیق محصولات، می تواند کارایی روش مورد استفاده را افزایش دهد.