علی اکبر متکان

شاخص سطح برگ استخراج شده (LAI) از تصاویر سنجش از دور پارامتر مهمی، به منظور مدل سازی مکانی تولید پوشش گیاهی، محسوب می شود. معمولاً شاخص های پوشش گیاهی که با بازتاب طول موج های قرمز و مادون قرمز نزدیک محاسبه می شوند، در برآورد LAI با استفاده از روش های آماری، به کار می روند اما بسیاری از این شاخص ها در مقادیر متفاوت LAI به اشباع می رسند. برای رفع این محدودیت، بازتاب محدوده لبه قرمز استفاده شده است؛ بنابراین، باید قابلیت شاخص های متفاوت پوشش گیاهی استخراج شده از داده های سنجش از دور، برای برآورد LAI ذرت علوفه ای، ارزیابی شود. بدین منظور پنج مرحله نمونه برداری میدانی، با فاصله زمانی نزدیک به گذر ماهواره سنتینل 2، از سوی مرکز تحقیقات فضایی پژوهشگاه فضایی ایران، اجرا شد و در مجموع، 234 نمونه از مزارع ذرت علوفه ای شرکت کشت و صنعت مگسال قزوین برداشت شد. سپس سیزده شاخص پوشش گیاهی متفاوت، با استفاده از سری زمانی تصاویر سنتینل 2، محاسبه شد و برای برآورد آماری مقادیر LAI به کار رفت. نتایج نشان داد که شاخص EVI با ضریب همبستگی 76/0 برای برآورد شاخص سطح برگ ذرت علوفه ای بهترین عملکرد را داشته است. علاوه براین، مقدار RMSE روش های رگرسیون غیرخطی بیشتر از روش های خطی بوده است.

آب، راز ماندگاری جهان و از عناصر اصلی بقا و دوام چرخش زندگی در کره زمین است . بدون تردید کشور ایران همانند دیگر کشورهای خاورمیانه در سال های پیش رو با بحران جدی ناشی از کمبود آب روبه رو خواهد بود . بنابراین شناخت و معرفی هر چه بیشتر منابع بهینه آب، الگوی درست مصرف و بهره گیری صحیح و مناسب از منابع زیرزمینی و آب های جاری مقوله ای است که سیاست گذاران و برنامه ریزان امور آب با نگرانی و دقت به آن پرداخته اند. ریزش های جوی مهم ترین منبع طبیعی آب برای انواع فعالیت های بشری (صنعتی، کشاورزی و شرب ) است. از آن جا که ریزش های جوی با متغیرهای زمانی و مکانی زیادی همراه هستند اطلاعات موجود در خصوص توزیع آب و هوایی و عوامل سینوپتیکی ریزش های جوی بسیار اندک است. در ایران شبکه مشاهدات زمینی به اندازه کافی متراکم نبوده و بسیار پراکنده و نامنظم است . فاصله ایستگاه های مشاهداتی زمینی به خصوص در مناطق کوهستانی (مانند استان فارس ) با توجه به عامل توپوگرافی از چند کیلومتر تا چند صد کیلومتر متفاوت است . بنابراین بررسی باران به روش سنتی که نیاز به شبکه باران سنجی متراکم دارد هم از لحاظ اجرایی و هم از لحاظ اقتصادی امکا نپذیر و مقرون به صرفه نمی باشد. در مقاله حاضر به منظور تخمین بارندگی روزانه استان فارس از دو روش درون یابی کریجینگ (Kriging) و معکوس وزنی فاصله (IDW) استفاده گردید . سپس دقت نتایج حاصل از اجرای مدل ها از طریق تست آماری RMSE مورد ارزیابی قرار گرفت . نتایج حاصل از اجرای مدل و ارزیابی دقت آن ها نشان داد که روش کریجینگ نسبت به روش IDW از دقت بیشتری برخوردار می باشد . همچنین نتایج نشان داد که در بین روش های کریجینگ، روش معمولی دایره ای و نمایی از کم ترین خطا نسبت به سایر رو شهای کریجینگ برخوردار می باشند

یکی از مهم ترین چالش های پیش روی سیاست گذاران و برنامه ریزان شهری طی دهه های اخیر، مسئله دسترسی به انواع خدمات شهری است. هدف پژوهش حاضر، محاسبه دسترسی بلوک های جمعیتی به مراکز درمانی با استفاده از روش توسعه یافته حوزه نفوذ شناور دو مرحله ای (2SFCA) در شهر اصفهان است. در پژوهش حاضر، روش 2SFCA با استفاده از توابع افت فاصله در دو حالت با محدودیت و بدون محدودیت شعاع دسترسی به کار گرفته شد. نتایج نشان دهنده آن بود که روش 2SFCA با استفاده از تابع فرصت تجمعی خطی منفی بیشترین متوسط همبستگی را در دسترسی در مقایسه با سایر توابع داراست. محاسبه میانگین دسترسی در مناطق پانزده گانه شهر اصفهان حاکی از آن بود که مناطق مرکزی (3،1 و 5) بیشترین کاهش و مناطق حاشیه ای (8، 9 و11) بیشترین افزایش دسترسی را در حالت بدون محدودیت نسبت به حالت با محدودیت داشته اند. به طور کلی نتایج حاصل از به کارگیری روش 2SFCA و محاسبه ضریب جینی نشان دهنده آن است که میزان نابرابری در دسترسی بلوک های جمعیتی به خدمات درمانی در شهر اصفهان زیاد بوده است و این میزان نابرابری در حالت توأمان دسترسی به بیمارستان ها و درمانگاه ها افزایش می یابد. با توجه به قابلیت بالای روش 2SFCA توسعه یافته به دلیل در نظر گرفتن واقع بینانه تر عرضه، تقاضا، حوزه نفوذ و میزان فاصله، استفاده از این روش برای ارزیابی میزان دسترسی به انواع خدمات به خصوص خدمات اضطراری و درمانی به مدیران و برنامه ریزان شهری کمک بسزایی می کند.

طی چند دهه اخیر اکوتوریسم به عنوان یکی از زیر مجموعه های صنعت گردشگری رشد چشمگیری داشته است و عبارت است از سفری مسئولانه به نواحی طبیعی که به حفظ محیط زیست و پایداری رفاه مردم محلی می انجامد. کشورهای توسعه یافته و در حال توسعه آن را به عنوان ابزاری قدرتمند جهت رشد و توسعه پایدار ترویج می نمایند. کشور ما به دلیل موقعیت جغرافیای خاصی که در سطح جهان دارد، در چهار فصل و در نقاط مختلف، دارای ویژگی های طبیعی است که می تواند برای گردشگران جذاب باشد. توسعه این صنعت در هر منطقه نیازمند شناسایی دقیق قابلیتها و زیرساختهای مرتبط با این حوزه می باشد. بر اساس آنچه بیان گردید، توسعه فعالیت های اکوتوریسم و انتخاب مناطق مستعد در مطالعات ضرورت می یابد. وجود جاذبه های طبیعی، از راهکارهای مناسب، ابتدا شاخص ها و معیارهای تاثیرگذار در توسعه اکوتوریسم، شناسایی و استخراج و در ادامه از روش وزن دهی چند معیارهاAHP جهت مشخص نمودن اهمیت هر یک از پارامترهای تاثیرگذار استفاده گردید. در نهایت برای یافتن نواحی مناسب و نیز تلفیق لایه ها بر اساس سناریوهای گوناگون از روش OWA در GIS استفاده شد. نتایج به دست آمده از سناریوهای گوناگون نشان از تناسب خوب منطقه در توسعه اکوتوریسم می باشد.

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.

امروزه با افزایش حجم و ابعاد داده های مکانی و نیاز به درک کامل داده ها، شبکه های عصبی خودسازمانده به ابزاری استاندارد برای کار با داده های بزرگ و چند بُعدی تبدیل شده اند که می توانند در خوشه بندی، بصری سازی و انتقال داده های چند بُعدی در فضایی با ابعاد کمتر استفاده شوند. هدف از پژوهش حاضر، خوشه بندی داده های بلوک های آماری (شامل ده متغیر منتخب اجتماعی-اقتصادی مرتبط با رویکرد توسعه پایدار شهری) با شبکه های عصبی خودسازمانده بدون استفاده از پارامترهای مکانی و به کارگیری مختصات جغرافیایی بلوک های آماری به عنوان پارامتر مکانی در روند خوشه بندی و مقایسه نتایج حاصل شده، است. الگوریتم SOM رایج ترین شبکه عصبی خودسازمانده و الگوریتم  Geo-SOMمکانی شده الگوریتم SOM است. روند خوشه بندی هر دو الگوریتم یکسان است و تنها تفاوت این دو الگوریتم به کا رگیری پارامترهای مکانی در روند اجرای الگوریتم Geo-SOM است. در پژوهش حاضر داده ها با الگوریتم SOM و Geo-SOM خوشه بندی شده است. نتایج نشان داد که خوشه های حاصل از دو الگوریتم به طور کامل، متفاوت است. خوشه بندی بلوک های آماری بدون توجه به خصوصیات مکانی و تنها با استفاده از معیار شباهت، منجر به خوشه های ناهمگن می شود و برعکس. با اعمال پارامترهای مکانی نه تنها از معیار شباهت، از ویژگی های مکانی داده ها نیز در فرآیند خوشه بندی استفاده می شود که این مسئله منجر به تولید خوشه های همگن می شود. ارزیابی نتایج با استفاده از ضریب سیلهوته بیانگر خوشه بندی مناسب تر الگوریتم Geo-SOM است؛ به طوری که میانگین ضریب سیلهونه برای الگوریتم SOM برابر 02/0- و برای الگوریتم Geo-SOM برابر 27/ 0است. مقایسه نتایج نشان دهنده تأثیر مثبت پارامترهای مکانی در خوشه بندی داده های اجتماعی و اقتصادی است.

داده های ماهواره ای به منظور گسترش و مدیریت منابع کشاورزی همواره قادر هستند درتأمین اطلاعات لازم در جنبه های مختلف جوامع گیاهی من جمله بایومس نقش مهمی را ایفا نمایند. در تحقیق حاضر به بررسی توانایی شاخص های طیفی در تخمین بایومس محصول برنج در شهرستان آمل به عنوان یکی از قطب های مهم تولید برنج در کشور پرداخته شده است. محصول برنج به دلیل اهمیتی که تأمین نیازهای غذایی و کالری بخش عظیمی از جامعه برعهده دارد برای این تحقیق انتخاب شد. عملیات میدانی اندازه گیری بایومس در زمانی که برنج در منطقه مطالعاتی در حداکثر رشد رویشی خود قرار داشت( خرداد 1389)، انجام شد. دو تصویر ماهواره ALOS-AVNIR-2 که همزمان با اندازه گیری های میدانی اخذ گردیده بود جهت استخراج و تعیین شاخص های گیاهی مورد استفاده قرار گرفتند. سپس همبستگی بین داده های زمینی و شاخص های گیاهی حاصل از ترکیب باندهای مختلف، ارزیابی و پس از آن، شاخص های گیاهی مناسب تشخیص داده شدند. در نهایت محاسبات و بررسی های آماری برای معرفی مدل مناسب ارائه گردید. پس از آزمایش مدل ها نتایج به دست آمده نشان داد که شاخص DVI با ضریب تعیین 72 درصد نسبت به دیگر شاخص های استفاده شده از دقت بالاتری در تخمین بایومس برخوردار است. بر اساس اطلاعات به دست آمده از این تحقیق می توان بیان نمود که با استفاده از تصاویر ماهواره ALOS امکان تخمین بایومس با دقت قابل قبولی وجود دارد.

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. 

خوشه بندی داده های بزرگ، ساختارها را آشکار و گروه بندی ها را شناسایی می کند و هدف اصلی آن تفکیک داده ها در خوشه هایی با ویژگی های مشابه است. شبکه های عصبی مصنوعی ابزاری استاندارد برای خوشه بندی داده های بزرگ و چندبعدی هستند. هدف این تحقیق، خوشه بندی داده های بلوک های آماری شامل 21 متغیر اجتماعی-اقتصادی و دسترسی به خدمات مرتبط با رویکرد توسعه پایدار شهری با شبکه عصبی گازی بدون استفاده از پارامترهای مکانی و همچنین با به کارگیری مرکز هندسی بلوک های آماری به عنوان پارامتر مکانی در روند خوشه بندی و مقایسه نتایج حاصل می باشد. الگوریتم شبکه عصبی گازی (NG) متداول ترین شبکه برای خوشه بندی داده های با ابعاد بالا و شبکه عصبی گازی بافتی (CNG) مکانی شده این الگوریتم است. در این مطالعه بلوک های آماری شهر اصفهان با آموزش این دو الگوریتم بر اساس متغیرهای منتخب خوشه بندی شدند. نتایج بیانگر وجود تفاوت قابل توجه در خوشه های حاصل از اجرای این دو الگوریتم است. خوشه بندی با استفاده از الگوریتم NG، منتج به خوشه های ناهمگن می شود و بالعکس اجرای الگوریتم CNG به دلیل استفاده از پارامترهای مکانی منجر به تولید خوشه های همگن می گردد. در این پژوهش ارزیابی کیفیت خوشه بندی با محاسبه متوسط ضریب سیلهوته برای بلوک های آماری انجام شد که الگوریتم CNG با متوسط ضریب سیلهونه برابر 29/ 0 عملکرد بهتری نسبت به الگوریتم NG با متوسط ضریب سیلهوته 02/0- دارد. این نتایج بیانگر تأثیر مثبت پارامترهای مکانی در ایجاد خوشه های همگن در محیط شهری است. خوشه بندی بلوک های آماری شهری با به کارگیری متغیرهای مرتبط با توسعه پایدار و رویکرد مکان مبنا با استفاده از الگوریتم CNG ازجمله نوآوری های این تحقیق به شمار می رود

بخار آب به عنوان مهم ترین گاز گلخانه ای نقش مؤثری در گرمایش زمین ایفاء می کند. از این رو شناخت وضعیت این عنصر اقلیمی در مناطق جمعیتی می تواند نقش مهمی در بررسی آسایش اقلیمی یک منطقه داشته باشد. لذا در این پژوهش ابتدا به بررسی خودهمبستگی فضایی و شناسایی الگوی رفتاری مقادیر فشار بخار آب در جنوب و جنوب غرب ایران با استفاده از تکنیک تحلیل اکتشافی داده های فضایی (ESDA) و آماره موران محلی پرداخته شده است و سپس تأثیرات این عنصر مهم اقلیمی در کانون های جمعیتی مورد بحث قرار گرفته است. در این راستا از داده های فشار بخار آب 78 ایستگاه سینوپتیک موجود در پهنه جغرافیایی جنوب و جنوب غرب ایران با طول دوره آماری مناسب و بالاترین درجه تفکیک زمانی بهره گرفته شد. برای انجام تحلیل های خودهمبستگی ابتدا محدوده مطالعاتی با توجه به بهینه ترین تفکیک مکانی، به یاخته های 9×9 کیلومتر (3338 یاخته) تقسیم گردید. سپس مقادیر فشار بخار آب به صورت میانگین ماهانه، سالانه و دهه ای برای هر یاخته و با استفاده از نرم افزار MATLAB استخراج شد. نتایج تحلیل خودهمبستگی فضایی طی سه دهه گذشته (2010-1981) حاکی از تقویت خوشه های فشار بخار آب زیاد (بالا- بالا) و تضعیف خوشه هایی با مقادیر پایین (پایین- پایین) است. ایجاد خوشه های بالا-بالا فشار بخار آب در حاشیه خلیج فارس (به خصوص در استان بوشهر) و از بین رفتن مقادیر پایین- پایین در بخش های جنوبی زاگرس قابل مشاهده است. بررسی و مقایسه پراکندگی فضایی خوشه های بخار آب با خوشه های دمایی به عنوان یکی از مهم ترین پارامترهای تأثیرگذار بر روی فشار بخار آب، حاکی از خودهمبستگی مثبت و معنی دار در دوره مورد مطالعه بود. بنابراین، با توجه به اثر گذاری مستقیم و غیر مستقیم فشار بخار آب بر فعالیت های انسان و همچنین محیط طبیعی به عنوان بستر فعالیت های انسانی، استقرار جمعیت در کانون ها و مراکز جمعیتی مناطق مورد مطالعه، متأثر از نوسانات فشار بخار آب خواهد بود و این روند در آینده مشهودتر خواهد بود.