داوود عاشورلو

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.

الگوهای دمایی در کاربری های مختلف و میزان تأثیرگذاری آنها بر دامنه های دمایی در شناخت میکروکلیمای شهری بسیار اهمیت دارد. فعالیت های بشری و تغییر در سیمای طبیعی شهر موجب ایجاد تفاوت هایی از نظر دما بین مناطق مرکزی شهر و حومه آن می شود، که با استفاده از تصاویر ماهواره ای می توان آنها را سنجش و اندازه گیری و پایش کرد. هدف از این پژوهش مطالعه تغییرات زمانی و مکانی الگوهای حرارتی شهری شیراز از طریق تصاویر ماهواره ای و تعیین مکان های دارای دمای بالا و بررسی نقطه ای به منظور ترسیم نقشه و تحلیل کاربری شهری است. روش تحقیق، استفاده از تصاویر ماهواره LANDSAT سنجنده ETM+، با قدرت تفکیک 60 متر از باند 2-6 (High Gain) در نادیر سنجنده +ETM و باند 6 سنجنده TM به منظور استخراج الگوی حرارتی شهر و همچنین تهیه نقشه های کاربری برای پایش تغییرات کاربری شهر شیراز در بازه زمانی 24 ساله بوده است. نتایج در این پژوهش نشان داد سطوح بایر خاکی فاقد پوشش گیاهی حاشیه شهر بیشترین میزان دما را دارند و در کاربرهای شهری نیز دمای بافت های فشرده و فرسوده شهری بیش از دیگر مناطق مسکونی است. بدین ترتیب حلقه های دمایی با مناطق آلوده و پرترافیک شهری انطباق دارند؛ و سردترین مناطق نیز با کاربری پوشش گیاهی منطبق اند. ناگفته نماند که تغییرات کاربری در دوره آماری حاکی از روندی کاهشی برای کاربری بایر به نفع کاربری شهری است.

بررسی کیفیت آبهای ساحلی از نظر زیست محیطی و کاربردی، اهمیت ویژه‌ای دارد. مطالعه کیفیت آب در روشهای سنتی، کاری زمان‌بر و پرهزینه است و منجر به تولید اطلاعات نقطه‌‌ای می‌شود. سنجش از دور می‌تواند با استفاده از تصاویر ماهواره‌ای، نقش مهمی در این مطالعات ایفا کند. هدف از این مطالعه، بررسی کارایی تصاویر سنجنده LISS-III ماهواره IRS در برآورد Secchi depth در خلیج گرگان است. به همین منظور، همزمان با گذر ماهواره، 42 نمونه از منطقه به روش سیستماتیک ـ تصادفی گرفته شد، سپس یک مدل تجربی آماری ـ ریاضی بین داده‌های جمع‌آوری شده در عملیات میدانی و داده‌های پردازش شده تصاویر سنجنده LISS-III برازش شد. تجزیه و تحلیل آماری نتایج، بیانگر وجود تفاوت معنی‌دار بین میانگین پارامترها در سطح 99 درصد است که نشان‌دهنده ارتباط قوی بین مقدار Secchi depth و رادیانس رسیده به سنجنده ( ) می‌باشد. لذا مدل برازش یافته را می‌توان برای برآورد Secchi depth در منطقه مورد مطالعه استفاده نمود و روش مورد استفاده کارایی زیادی برای برآورد رسوب دارد.

در این پژوهش داده های دمایی روزانه ایستگاه همدید شیراز از تاریخ 1951 تا 2010 در بازه زمانی 60 ساله مورد بررسی قرار گرفت. سپس میانگین روزانه دما به میانگین پنج روزه پنجک تبدیل گردید. نتایج حاصل از تحلیل خوشه ای بر روی فواصل اقلیدسی به روش وارد چهار فصل متمایز دمایی را مشخص می نماید، بر این اساس دوره گرم از 18 خرداد (هشتم ژوئن) آغاز و در 7 شهریور (29 آگوست) به پایان می رسد، همچنین دوره سرد از هفده آبان (8 نوامبر) شروع و تا هشتم فرودین (28 مارس) ادامه پیدا می کند. بعد از تعیین فصول بر اساس تصاویر سنجنده TM ماهواره LANDSAT دامنه های دمایی (دمای سطح زمین ) و میزان شاخص پوشش گیاهی NDVI برای هر دو فصل گرم و سرد با استفاده از نرم افزار9.2 ERDAS IMAGING در تاریخ های 6 دسامبر 2010 و 15 ژوئیه 2010 به ترتیب جهت فصول سرد و گرم تهیه و ارزیابی و محاسبه تفاوت های آن به کمک نرم افزار ARCGIS 9.3 انجام پذیرفت

بیماری های زنگ زرد و قهوه ای گندم ازجمله مهم ترین بیماری های غلات در ایران و سایر کشورهای دنیا محسوب می شوند که سالیانه خسارات جبران ناپذیری را به اقتصاد کشاورزی وارد می کنند و در اغلب موارد، هم زمان رخ می دهند. بنابراین در این تحقیق، اثر بیماری های زنگ زرد و قهوه ای گندم در بازتابندگی برگ، با استفاده از شاخص های طیفی در مدل تاج پوشش، بررسی شد. بدین منظور، شاخص های گوناگون پوشش گیاهی استخراج شده از طیف برگ بیمار ارزیابی شدند. برای این کار، میزان گسترش بیماری های زنگ زرد و قهوه ای سطح برگ و درجات متفاوت آنها، با استفاده از دوربین دیجیتال و الگوریتم چندمرحله ای شامل تبدیلات رنگ، تهیة ماسک، استفاده از بافت و طبقه بندی حداکثر احتمال، استخراج شد. همچنین نتایج نشان داد، با افزایش نسبت سطح بیمار برگ، مقادیر عددی شاخص ها تغییر می کند؛ درحالی که پراکندگی داده ها به صورت کاملاً مشخصی افزایش می یابد. بیشترین میزان همبستگی برای شاخص NDVI برابر با 9/0و حداقل در شاخص حداکثر شیب قرمز برابر با 2/0 است. با ارائة معیار همانندی، دامنة تغییرات و نیز پراکندگی درون کلاسی، روابط طیف و بیماری بررسی و مشخص شد که با گسترش بیماری، معیارهای مورد اشاره تغییر می یابند. اگرچه در بیماری زنگ زرد این تغییرات دیده نمی شود، در شاخص های گوناگون طیفی با افزایش میزان بیماری، اختلاط طیفی در بخش های متفاوت زرد، نارنجی، قهوه ای و مردة گیاه دلیلی بر پراکندگی داده ها با گسترش بیماری محسوب می شود.

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.

هدف از این مقاله تعیین سهم پوشش برف حوزه های کرج و لتیان با استفاده از تصاویر MODIS، به روش سالومونسون و همکاران و شناسایی منابع خطای این روش است. اهمیت سطح پوشش برف به دلیل تأثیرگذاری بر بیلان تابش، بیلان آب و مدل سازی انجام تحقیقات گوناگون را ضروری ساخته است. در این تحقیق برای بررسی سطح برف از داده های MODIS و برای ارزیابی دقت، از تصاویر LISIII-IRS استفاده شده است. تا کنون روش های متفاوتی برای استخراج سهم برف پیکسل ها به کار گرفته شده که در تحقیق حاضر از روش سالومونسون و همکاران به دلیل دقت مناسب و نیاز نداشتن به اطلاعات اولیه از منطقه استفاده شده و عوامل ایجاد خطا در آن شناسایی شده است. افزون بر این، ضرایب معادلة سالومونسون و همکاران با استفاده از داده های منطقه ای ایران بهینه سازی شده و دقت حاصل از مدل با ضرایب بهینه، در منطقه ای جدید ارزیابی شده است. نتایج ارزیابی دقت نشان داده اند که روش سالومونسون و همکاران می تواند سهم برف پیکسل های MODIS را با خطای RMS 20/0 پیکسل برآورد کند. ضرایب کاپا و دقت کلی این روش به ترتیب 84/0، 12/92 است، که دقت مناسب آن را نشان می دهد. نتایج تحقیق نشان می دهند که به دلیل خطای بالاتر روش سالومونسون و همکاران، باید در نواحی حاشیة رودهای ایران که عموماً دارای پوشش درختی کم تراکم و باغ های پراکنده اند، از این روش صرف نظر شود. لازم است برای حذف مناطق آبی از ماسک های مناسب استفاده شود. بهینه سازی ضرایب مدل توانسته است دقت برآورد مدل را بهبود بخشد، به طوری که مقدار خطای RMS مدل با ضرایب اصلاح شده در منطقه ای جدید 258/0 پیکسل به دست آمده، درحالی که معادلة سالومونسون و همکاران در همین منطقه خطای RMS عدد 266/0 پیکسل را نشان داده است. کلید واژه ها : روش سالومونسون و همکاران، زیرپیکسل، سطح پوشش برف، شاخص تفاضلی نرمال شدة برف.

شاخص های طیفی پوشش گیاهی به منزله ابزاری مناسب برای تخمین میزان تولید محصولات کشاورزی استفاده می شوند. بااین حال، تعداد محدود تصاویر از عوامل اصلی کاهش کارآیی شاخص ها به منظور تخمین تولید شمرده می شود. از سوی دیگر، ارزیابی توانایی شاخص ها در تخمین تولید از راه ترکیب داده های مادیس و لندست، در مواردی که تعداد داده های لندست کم باشد، کمتر مورد توجه قرار گرفته است. هدف تحقیق حاضر، در گام نخست، معرفی شاخص ها یا شاخص منتخب در تخمین تولید کلزا و در گام بعدی، استفاده از تکنیک های تلفیق داده برای افزایش کارآیی شاخص منتخب است. کلزا ازجمله محصولات کشاورزی است که، به دلیل گل دهی در دوره رشد، ویژگی های طیفی خاصی دارد. در این تحقیق، پایگاه داده ای از میزان تولید محصول کلزا و سری زمانی داده های لندست و مادیس کشت و صنعت مغان تهیه و سپس ده شاخص متفاوت به قصد تخمین تولید کلزا ارزیابی شد. در ادامه، رابطه میزان تولید با شاخص پیشنهادی بررسی و مشخص شد که شاخصNDYI ، در طول زمان گل دهی، دقتی بیشتر از سایر شاخص ها دارد (r = 0.73). با تلفیق داده های سری زمانی لندست و مادیس مبتنی بر الگوریتم مدل تطبیقی ادغام بازتابندگی مکانی و زمانی بهبودیافته (ESTARFM)، همبستگی و RMSE (kg/ha) به ترتیب 7% و 0.11 افزایش و کاهش یافت. تحقیق حاضر نشان داد که استفاده از تکنیک های تلفیق داده امکانِ افزایش کارآیی شاخص های طیفی را به منظور تخمین تولید محصول فراهم می کند.

با توجه به رشد بالای جمعیت در جهان و نیاز به اطمینان از امنیت غذایی، افزایش تولید در واحد سطح محصولات زراعی به منزله راهبردی اساسی در حل مسئله تأمین غذا به شمار می رود. از سوی دیگر، با وجود محدودیت در افزایش سطح زیرکشت و پایین بودن میانگین عملکرد برخی محصولات کشاورزی مانند گندم در کشور، افزایش عملکرد محصول می تواند راهکاری عملی در پاسخ به نیاز کشور محسوب شود. یکی از مهم ترین بیماری های گندم فوزاریوم است که، با توجه به نقش پیش بینی این بیماری در جلوگیری از کاهش بهره وری محصول، مدل هایی به منظور پیش بینی فوزاریوم در کشورهای آمریکا، کانادا، آرژانتین و برزیل توسعه یافته است اما در ایران، به رغم لزوم توجه به این بیماری، تاک نون مدلی در این زمینه مطرح نشده است. بدین منظور، پهنه بندی مناطق رخداد بیماری فوزاریوم، با به کارگیری پارامترهای محیطی و داده های هواشناسی و نیز استفاده از تحلیل مکانی، در دشت مغان صورت گرفت. همچنین، برای افزایش دقت و کالیبراسیون دقیق مدل، شبکه اینترنت اشیا (IoT) در دشت مغان استفاده شد تا داده های محیطی شامل رطوبت نسبی، بارندگی و دمای هوا جمع آوری شود. سپس شاخص های ترکیبی مناسب تهیه شد و (RF)برای اولویت بندی شاخص ها و تعیین اهمیت نسبی آنها و نیز پیش بینی شدت بیماری فوزاریوم گندم، روش جنگل تصادفی به کار رفت. برای این کار، از داده های ایستگاه های هواشناسی و سنسورهای زمینی در فاصله سال های 1389 تا 1396 استفاده شد. نتایج ارزیابی حاکی از کارآیی مدل توسعه داده شده در پیش بینی بیماری فوزاریوم گندم است. همچنین، طبق نتایج، به کارگیری IoT به همراه تحلیل های مکانی روشی مؤثر در پیش بینی فوزاریوم است.

درتحقیق حاضر به بررسی استخراج اراضی زیر کشت گندم و تفکیک نوع آبی و دیم آن در شهرستان همدان به عنوان یکی از قطبهای مهم تولید گندم ایران پرداخته شده است. داده های مورد استفاده این تحقیق شامل تصاویر دو زمانه ماهواره Spot5 می باشد که با استفاده از تقویم زراعی محصولات مختلف کشاورزی، در سال 2005 انتخاب شده اند. ضمنا داده های زمینی بر مبنای اطلاعات جامع از وضعیت اراضی زیر کشت گندم در سه مرحله درناحیه همدان برداشت شد. تحقیق حاضر الگوریتمی بر اساس مطالعه بر روی باندها در دو زمان متفاوت ارائه نموده که در آن برای صرف زمان کمتر از هیچگونه طبقه بندی و مولفه ها استفاده نشده است تا مستقیما پدیده مورد مطالعه به صورت نیمه اتوماتیک تفکیک و دقت آن در تفکیک گندم بررسی شود. بر خلاف شاخصهای رایج پوشش گیاهی که در آنها از باندهای جذبی و انعکاسی در یک زمان استفاده می شود، این الگوریتم از اختلاف بازتاب باندهای نظیر در دو زمان برای تفکیک گندم از سایر پدیده ها استفاده کرده است. فرق عمده و اساسی این تحقیق با منابع تحقیقی دیگر، در عدم استفاده از باند مادون قرمز انعکاسی بوده که گندم از سایر پدیده ها و گندم دیم و آبی با دقت بالایی تفکیک شده است.

تغییر اقلیم به عنوان یکی از مهم ترین چالش های پیش روی بشر می باشد. این پدیده تاکنون تاثیرات قابل توجهی را بر تولیدات کشاورزی در اکثر نقاط جهان مخصوصا مناطق خشک و نیمه خشک بر جای گذاشته است. همچنین، در اکثر مناطق دنیا طی دهه های اخیر، متوسط درجه حرارت افزایش یافته است. امروزه در تحقیقات مختلف، شاخص های سنجش از دور به عنوان یکی از روش های نوین در شناسایی تغییر اقلیم استفاده می شوند. یکی از شاخص های مهم سنجش از دور، ویژگی های فنولوژی پوشش گیاهی است که در مطالعات اخیر توانایی خوبی در شناسایی و تخمین پوشش گیاهی نشان داده است. در مطالعه حاضر، با استفاده از سری زمانی 5 روزه شاخص نرمال شده پوشش گیاهی (NDVI) از تصاویر NOAA-AVHRR و پارامترهای فنولوژی گیاه، تغییرات پوشش گیاهی مناطق مراتع و اراضی دیم حوضه دریاچه ارومیه در طول سال های 2013-1984 مورد بررسی قرار گرفت. داده های اقلیمی دما و بارش از ایستگاه های هواشناسی حوضه دریاچه ارومیه اخذ و در مقایسه با نتایج تصاویر ماهواره ای استفاده گردید. نتایج تحلیل سری زمانی در طی سی سال دوره آماری در حوضه دریاچه ارومیه نشان داد، پارامتر شروع فصل رشد در منطقه اشنویه، سقز و سراب در سال 2013 نسبت به سال 1984 زودتر آغاز شده است. اما در منطقه مراغه دیرتر آغاز شده است. پارامتر پایان فصل رشد در اشنویه، سقز و تکاب زودتر به پایان رسیده است. همچنین پارامتر اوج رشد در شهرستان های مذکور پوشش گیاهی زودتر به حداکثر مقدار خود رسیده است. طول فصل رشد در شهرستان های اشنویه، مراغه و سقز به ترتیب کوتاه تر شده است. نتایج تحلیل های آماری بدست آمده از تصاویر ماهواره ای و داده های اقلیمی نشان داد که تغییرات پارامترهای فنولوژی به مکان وابسته می باشد و همچنین شب های سرد و روزهای گرم در ابتدای فصل رشد به ترتیب کاهش و افزایش یافته است. اما در انتهای فصل رشد روزهای گرم افزایش داشته است. این تغییرات باعث افزایش شیب منحنی فنولوژی رشد گیاه در زمان پیری گیاه شده است و در نهایت طول فصل رشد را کاهش داده است.