حمیدرضا متین فر

ماهواره لندست (5) در تاریخ اول مارس 1984 و لندست (7) در تاریخ پانزدهم آوریل 1999 به فضا پرتاب شدند. از آنجائی که باندهای (5-1) و(7) سنجنده هر دو ماهواره دارای قدرت تفکیک زمینی(30×30) می باشند و تنها تفاوت آنها در باند حرارتی (باند 6) است، لذا می توان کارایی و محتوای اطلاعاتی آنها را در یک مکان خاص مقایسه نمود. بدین منظور دو منطقة بیابانی و یک شهر واقع در منطقه نیمه خشک با شرایط مختلف برای مطالعه انتخاب شدند: منطقة اول در پلایای دامغان که در طول دوره بررسی تغییرات پوشش اراضی در آن رخ داده است و منطقه دومدر دشت کاشان که تغییرات پوشش اراضی در آن وجود نداشت. منطقه شهری تبریز به عنوان سومین منطقه در نظر گرفته شد. در منطقه پلایای دامغان از داده¬های ETM+ به تاریخ بیستم ژوئیه 2000 و TM لندست(5) به تاریخ پنجم سپتامبر1988 استفاده گردید. در منطقه کاشان از داده های ETM+ به تاریخ نهم اوت 2002 و TM لندست(5)به تاریخ سی ام مه 1998 استفاده شد. تصاویرTM به تاریخ هجدهم اوت 1998 و ETM+به تاریخ دوم اوت 2001 منطقه تبریز مورد استفاده قرار گرفتند. در ابتدا زمان گذر ماهواره های لندست(5) و لندست(7) بررسی شد. سپس به منظور مقایسه دقیق، داده¬های فوق تصحیح هندسی و زمین مرجع شدند. در منطقه دامغان اثر تغییرات با استفاده از روش های آماری و ریاضی حذف شد و میران همبستگی باندها در حالت قبل و بعد از حذف تغییرات مقایسه شد. در منطقه کاشان نیز با توجه به آنکه تغییرات پوشش اراضی وجود نداشت، تنها همبستگی و روابط آماری بین باندها بررسی شد. در منطقه تبریز نمونه ها از مناطق تغییر نیافته مرکز شهر و حاشیه شهر انتخاب شدند.همچنین به بررسی باند حرارتی سنجندهETM+ در دو حالت Low Gain و High Gain پرداخته شد. نتایج نشان داد که در هر دو منطقه همبستگی ما بین باند حرارتی و باندهای انعکاسی در سنجندهETM+ نسبت به سنجندهTM کمتر می¬باشد که بیانگر محتوای اطلاعاتی بیشتر این باند می¬باشد. علت تفاوت های بین باندهای سنجنده¬هایTM وETM+ می¬تواند ناشی از تفاوت در زمان تصویربرداری و ارتفاع و آزیموت متفاوت خورشید و تفاوت در ضرایب کالیبراسیون باشد. تحقیقات بیشتری برای مقایسه محتوای اطلاعاتی داده¬هایTM وETM+ که دارای زمان کاملاً یکسانی باشند، باید صورت گیرد. واژگان کلیدی: TM، ETM+ ، باند حرارتی، محتوای اطلاعاتی، سنجش از دور.

در تصاویر با قدرت تفکیک مکانیِ کم یا متوسط، مانند ETM*، پیکسل ها به اندازه ای هستند که پدیده های مختلفی درون یک پیکسل قرار می گیرند و سبب ایجاد پیکسل های مختلط یا ناخالص می شوند. به منظور استخراج اطلاعات از پیکسل های مختلط، به کارگیری روش هایی که توان استخراج اطلاعات درون پیکسل را داشته باشند، امری لازم و ضروری است. روش تجزیه طیفی خطی از جمله همین روش هاست. نتایج حاصل از تجزیه طیفی، وابستگی های زیادی به اعضای خالص انتخاب شده دارد. تا کنون روش های فراوانی برای انتخاب اعضای خالص از تصویر ارائه شده اند. در تحقیق حاضر دو روش ـ (الف) مبتنی بر شناسایی هندسی اجزا (استفاده از تصویر)، و (ب) تصویر با قدرت تفکیک مکانی بالا (تصاویر IKONOS) ـ برای انتخاب پیکسل های خالص مورد استفاده قرار گرفت و اعضای خالص پوشش گیاهی و اراضی بایر و سطوح نفوذناپذیر از تصویر استخراج گردیدند. ارزیابی صورت گرفته بر روی نتایج حاصل از روش های مختلف انتخاب اعضای خالص، نشان می دهد که روش استفاده از تصویر با قدرت تفکیک مکانی بالا ـ IKONOS ـ برای انتخاب اعضای خالص سطوح نفوذناپذیر با اختلاف 01/0 و اراضی بایر با اختلاف 02/0 نسبت به تصویر مرجع، نتایج بسیار مناسبی را در مقایسه با روش استفاده از تصویر به همراه داشت. نتایج حاصل از انتخاب اعضای خالص پوشش گیاهی در هر دو روش انتخاب اعضای خالص (با اختلاف 03/0 در تصویر IKONOS و 02/0 در تصویر ETM+ نسبت به تصویر مرجع) تقریباً برابر و پذیرفتنی اند.

آبِ حاصل از ذوب برف نقش عمده ای در تأمین آب مورد نیاز برای فعالیت های کشاورزی، منابع طبیعی، صنعتی، و نیازهای انسانی، به ویژه در مناطق کوهستانی، دارد. در مقایسه با روش های سنتی، کاربرد داده های سنجش از دور برای برآورد سطح پوشش برف قابلیت های بیشتری دارد. در این مطالعه، با استفاده از تصاویر ماهواره ای MODIS و با به کارگیری دو الگوریتم NDSI و LSU، سطح پوشش برف حوضة سقز در استان کردستان محاسبه شده است. برای مقایسة دقت این روش ها، از تصاویر IRS، که دارای قدرت تفکیک مکانی بالایی هستند (24 متر)، استفاده شد. بدین منظور، سطح برف در تصاویر هم زمان MODIS و IRS برآورد شد. سپس، در مناطق مختلف و یکسان در دو تصویر، پیکسل های انتخاب شده، سطح برف، و رابطة خطی رگرسیونی بین نتایج حاصل از IRS و دو روش به کاررفته برای تصاویر  MODISجداگانه محاسبه شد. برای بررسی معنی داربودن رابطه از آزمون آماری t (احتمال 95 درصد) و رابطة رگرسیونی استفاده شد. بر اساس نتایج به دست آمده از رگرسیون، روش LSU همبستگی بیشتری (98 درصد) دارد و در آزمون t نیز اختلاف معنی داری بین تصاویر IRS و روش LSU وجود ندارد. بنابراین، روش LSU، در مقایسه با روش NDSI، از دقت بیشتری در برآورد سطح برف برخوردار است.

مادة آلی خاک از مهم ترین ویژ گی های فیزیکوشیمیایی خاک است که در تعیین کیفیت و مدیریت آن نقش بسزایی دارد. مقدار کربن آلی خاک دچار تغییرات زمانی و مکانی بالایی می شود و بنابراین، تعیین آن در آزمایشگاه هزینه بر، مشکل و وقت گیر است. طیف سنجی مرئی مادون قرمز نزدیک، از نظر کاهش زمان و هزینه، روش توجیه پذیری است که برای بررسی کربن آلی خاک پیشنهاد شده است. هدف این پژوهش بررسی کربن آلی خاک ازطریق طیف سنجی مرئی مادون قرمز نزدیک و برآورد آن با استفاده از مدل های آماری، PCA، PLSR و PCR است. برای این منظور، چهل نمونه خاک از عمق صفر تا 30 سانتی متری، به روش سیستماتیک تصادفی، برمبنای مطالعات پیشین و تعیین طبقات متفاوت خاک های منطقه، برداشت شد. تجزیة شیمیایی خاک ها طبق روش های استاندارد صورت گرفت. بازتاب طیفی نمونه های خاک در محدودة طیفی ٣٥٠ تا 2500 نانومتر اندازه گیری شد و پس از اعمال روش های پیش پردازش فیلتر ساویتزکی گلای، به کمک تحلیل مؤلفه های اصلی (PCA)، رگرسیون حداقل مربعات جزئی(PLSR) و رگرسیون مؤلفة اصلی (PCR)، کربن آلی خاک برآورد شد. نتایج این پژوهش نشان داد که فیلتر ساویتزکی گلای قوی ترین روش پیش پردازش داده های طیفی بوده است. نتایج مدل سازی به روش PLSR نشان داد مقادیر R 2 ، RMSE و RPD در مرحلة اعتبارسنجی، برای پیش بینی مادة آلی، به ترتیب 85/0، 14/0 و 78/2 بوده درحالی که نتایج مدل سازی PCR، برای پارامترهای آماری یادشده، به ترتیب 78/0، 19/0 و 05/2 است و دقت بیشتر روش آماری PLSR را، در مقایسه با روش PCR، برای مدل سازی برآورد کربن آلی خاک، می رساند. بنابراین، به نظر می رسد مدل PLSR، برای پیش بینی سریع کربن آلی خاک های مناطق خشک و نیمه خشک، کارآیی و دقت بیشتری داشته باشد.

هر ساله مقادیر زیادی از آئروسل های طوفان گردوغبار به اتمسفر وارد می شود که تأثیرات بالقوه در آب و هوا، محیط زیست، کیفیت هوا و زندگی روزانه دارد. به دلیل اهمیت آئروسل های گردوغبار در آب و هوا، محیط زیست، کیفیت هوا و زندگی روزانه، شناسایی آئروسل های گردوغبار از سایر پدیده ها اهمیت بسیاری دارد. در این پژوهش با استفاده از تصاویر سنجنده مادیس مربوط به دو طوفان گردوغبار رخ داده در تاریخ 28 اسفند 1390 و 31 خرداد 1391، دو روش بارزسازی شامل الگوریتم شناسایی گردوغبار یک و الگوریتم شناسایی گردوغبار دو اجرا شد. همچنین برای مقایسه و ارزیابی روش های متفاوت بارزسازی گردوغبار، ترکیب رنگی کاذب سنجنده مادیس (143RGB) و محصولات سطح دو اتمسفری، ازجمله عمق اپتیکی آئروسل (AOD) و بخش ریزآئروسل (FMF) به کار گرفته شده است. نتایج نشان داد که اگرچه الگوریتم شناسایی گردوغبار دو، موفق به استخراج گردوغبار شد، این الگوریتم مرز دقیق گردوغبار با سایر پدیده ها را به خوبی شناسایی نمی کند. درمقابل الگوریتم شناسایی گردوغبار یک، به خوبی توده گردوغبار و مرز آن را شناسایی کرد. افزون بر این با استفاده از الگوریتم شناسایی گردوغبار یک، به خوبی می توان گردوغبار غلیظ را نیز استخراج کرد. بنابراین پیشنهاد می شود از الگوریتم شناسایی گردوغبار یک، برای بارزسازی توده های گردوغبار موجود در کشورهای خاورمیانه استفاده شود.

استفاده از پیشرفت های تکنیکی اخیر در شناسایی و نقشه برداری شوری خاک ها، گامی به جلو در مدیریت خاک های شور است. هدف پژوهش حاضر، استفاده و ارزیابی روش های گوناگون برآورد شوری خاک سطحی در عمق صفر تا پنج سانتی متر اطراف دریاچه طشک و بختگان با وسعت 8062 هکتار است. شوری خاک در این ناحیه عامل مهمی در عملکرد محصولات کشاورزی است. در پژوهش حاضر از سه روش متفاوت برای برآورد شوری خاک استفاده شد و نتایج این سه روش با داده های شوری اندازه گیری شده روی زمین مورد ارزیابی قرار گرفت. بدین منظور، 143 نمونه برداشت شد و مقادیر هدایت الکتریکی عصارة استخراج شده از گل اشباع یا ECe آنها تهیه شد. نمونه های مرتبط به صورت منظم روی شبکه ای 750متری برای ارزیابی مدل رگرسیون (RM) و روش کریجینگ معمولی (OK) جمع آوری شدند. برای روش سوم نیز طبقه بندی نظارت شدة (Scl) تصاویر ماهواره ای مربوط به سنجندة LISS-III به کار گرفته شد. در این پژوهش از مدل های رگرسیونی خطی، توانی و نمایی به منظور تخمین مقادیر شوری استفاده شد و مقادیر رقومی تصاویر ماهواره ای در آنها به عنوان متغیر مستقل و مقادیر Ece به عنوان متغیر وابسته در نظر گرفته شدند. برای تولید نقشة تخمین شوری از روش کریجینگ استفاده شد. در مورد تصاویر ماهواره ای، پیکسل های آموزشی با الگوریتم حداکثر احتمال مشابهت، طبقه بندی و سپس نقشة پوشش زمین تهیه شدند. نتایج پژوهش نشان دادند که مدل های رگرسیونی نمی توانند مقادیر شوری را به خوبی تخمین بزنند و شاخص های پوشش گیاهی همبستگی ضعیفی با مقادیر شوری خاک سطحی دارند. در مکان هایی که مقادیر شوری بیشتر از 16 دسی زیمنس بر متر بود، درصدهای شوری منتج از طبقه بندی نظارت شده و روش کریجینگ معمولی تقریباً مشابه بودند اما در سایر کلاس های شوری، مقادیر به دست آمده از این دو روش با یکدیگر تفاوت داشتند. در طبقه بندی نظارت شدة داده های سنجندة LISS-III، سطوح خاک بایر با مقادیر شوری بیش از 16 دسی زیمنس بر متر، با موفقیت شناسایی و تفکیک شدند. مدل رگرسیون، 100درصد محدودة مطالعه شده را شور برآورد کرد و روش کریجینگ، 6/87 درصد از خاک های منطقه را به عنوان خاک شور، <4 دسی زیمنس برمتر، طبقه بندی کرد در حالی که طبقه بندی نظارت شدة داده های سنجندة LISS-III، 5/62 درصد از خاک های منطقه را شور تشخیص داد. هر کدام از این روش ها محدودیت هایی دارند، از این رو به منظور برآورد شوری خاک، تلفیق آنها پیشنهاد می شود.

داده های طیفی محدوده مرئی – مادون قرمز که باحداقل هزینه و صرف وقت تهیه می شوند ، کاربرد وسیعی در برآورد خصوصیات فیزیکی و شیمیایی خاک دارند. مطالعه حاضر با هدف بررسی توانایی این روش در برآورد مقدار ماده آلی، کربنات ها و درصد گچ سطح خاک صورت پذیرفته است. بر اساس تکنیک هایپرکیوب، محل 115 پروفیل شناسایی و سپس نمونه برداری از افق های خاک انجام گرفت و مقدار ماده آلی، درصد گچ و آهک خاک با روش های استاندارد اندازه گیری شد. آنالیز طیفی خاک های مورد نظر با استفاده از دستگاه طیف سنج زمینی با دامنه طول موج 400-2500 نانومتر انجام شد. پس از ثبت طیف ها انواع روش های پیش پردازش مورد ارزیابی قرار گرفت و سپس از رگرسیون حداقل مربعات جزئی (PLSR) و رگرسیون مولفه اصلی((PCR برای برای پیش بینی پارامترهای مورد نظر استفاده شد. جهت ارزیابی مدل 80 درصد داده ها برای کالیبراسیون مدل و 20 درصد برای صحت سنجی مدل به صورت تصادفی انتخاب شدند. پیش پردازش های مختلف از جمله: مشتق اول و دوم به همراه فیلتر ساواتزکی و گلای، متغیر نرمال استاندارد و تصحیح پخشیده چندگانه با هم مقایسه شدند. نتایج این بررسی نشان داد بهترین نتایج مدل سازی مربوط به روش PLSR با پیش پردازش مشتق اول+فیلتر ساویتزکی و گلای برای برآورد گچ،کربنات و ماده آلی خاک بدست آمد. با توجه به مقادیر درصد انحراف نسبی(RPD)، پیش بینی مدل برای درصد گچ و ماده آلی در کلاس خوب و برای کربنات ها در کلاس ضعیف می باشد.

کربن آلی نقشی حیاتی در پایداری زیست محیطی, شاخص کیفیت و سلامت خاک دارد؛ بنابراین شناسایی توزیع مکانی ترسیب کربن از الزامات برنامه ریزی محیطی و مدیریت خاک است. پژوهش حاضر به منظور بررسی میزان ترسیب کربن در کاربری های کشت و صنعت نیشکر، کشاورزی سنتی و بایر انجام شد. در هر کاربری، شصت نمونه خاک برداشت و کربن آلی، شوری، آهک، واکنش خاک و سدیم محلول خاک اندازه گیری شد. با استفاده از داده های طیفی سنجنده OLI و TIRS ماهواره لندست 8، مقادیر باندها و شاخص های خاکی و پوشش گیاهی شامل NDVI، SAVI، TSAVI، OSAVI، MSAVI، SOCI، WDVI، PVI، RVI و BI در نقاط نمونه برداری به دست آمد و رابطه بین آنها و مقدار ماده آلی خاک محاسبه شد. نتایج نشان می دهد، بیشترین همبستگی را با مقدار ماده آلی خاک به خود اختصاص داده اند: در کاربری کشت و صنعت، شاخص SOCI با 30/50% و باند 3 با 82/53%؛ در کشاورزی سنتی، شاخص PVI با همبستگی 35/60% و باند 7 با 63/60%؛ در اراضی بایر، شاخص RVI با همبستگی 27/34% و باند 2 با 67/36%. نتایج تحلیل آماری به روش برازش حداقل مربعات جزئی نشان داد میانگین نتایج واسنجی و اعتبارسنجی به ترتیب 48/43 و 08/39% است. نتایج برآورد ماده آلی خاک به روش کریجینگ و مدل درخت M5 نشان می دهد که همبستگی مقادیر ماده آلی اندازه گیری و پیش بینی شده به ترتیب 20/66 و 00/82% بود. طبق این نتایج، بین مقادیر ماده آلی خاک و شاخص ها و باندهای ماهواره لندست 8 همبستگی معنی داری وجود دارد و می توان مقادیر ماده آلی خاک منطقه مورد مطالعه و سایر مناطق دارای شرایط مشابه را با احتمال مورد قبولی تخمین زد.

شوری خاک یکی از مشکلات مهم زیست محیطی است و شناسایی و پهنه بندی خاک های شور، به علت نیاز به نمونه برداری و انجام دادن آنالیزهای آزمایشگاهی و همچنین تغییرپذیری زمانی و مکانی آن، مشکل است. در سال های اخیر استفاده از تصاویر ماهواره ای، به علت استفاده آسان و توانایی در شناسایی پدیده ها، همواره مورد توجه متخصصان قرار گرفته است. در این پژوهش، 220 نمونه خاک از منطقه میمه شهرستان دهلران، در جنوب استان ایلام، با توجه به نوع مطالعه و تیپ های فیزیوگرافی و واحدهای متشکل خاک ها برداشت شد. سپس مقادیر pH و EC با استفاده از روش های استاندارد اندازه گیری شد. ارزیابی مقادیر شوری خاک، با استفاده از روابط همبستگی بین مقادیر هدایت الکتریکی EC حاصل از داده های زمینی، با متغیرهای به دست آمده از تصاویر ماهواره ای لندست 8 شامل باندها، شاخص های شوری، شاخص های پوشش گیاهی و شاخص های خاک صورت گرفت. در نهایت، مدل تخمین شوری سطحی خاک با روش رگرسیون گام به گام به دست آمد. این روش شامل انتخاب خودکار متغیرهای مستقل است و با دردسترس بودن بسته های نرم افزاری آماری، انجام دادن آن حتی در مدل هایی با صدها متغیر امکان پذیر است. در مطالعات گذشته، شاخص ها و باندها به صورت جداگانه و محدود به کار رفته اند اما، در این مطالعه، سعی شده است از ترکیب شاخص های گوناگون استفاده گسترده تری شود و در نهایت، با حذف شاخص هایی که کمترین تأثیر را در برآورد شوری خاک داشته اند، بهترین مدل برآورد شوری برای خاک منطقه پیشنهاد شد. با استفاده از آنالیز سطح معنی داری و میزان همبستگی بین خروجی مدل ها و داده های زمینی، بهترین مدل با مقدار (882/0R2=) انتخاب و نقشه شوری خاک براساس آن تهیه شد. بیشترین مساحت مربوط به کلاس غیرشور است که 75% از کل منطقه مورد مطالعه را شامل می شود و حدود 1% از خاک های منطقه نیز مربوط به کلاس بسیار شور است. با مقایسه داده های حاصل از ماهواره لندست 8 و به کارگیری شاخص ها و قراردادن شاخص ها در معادله رگرسیونی گام به گام، این نتیجه حاصل شد که تصاویر ماهواره ای برای ارزیابی شوری خاک منطقه کارآمد است و نتایج حاصل، همبستگی بالایی در سطح  88/0 با داده های زمینی دارند.

پوشش گیاهی نقش مهمی در حفاظت از منابع آب و خاک، تثبیت کربن و بهبود کیفیت هوا دارد. در زاگرس میانی، پوشش گیاهی جنگلی و مرتعی و تأثیر آن در حفاظت از منابع خاک و آب و پایداری فعالیت های اقتصادی، دارای اهمیت بسیار است. در این پژوهش، با استفاده از پلتفرم گوگل ارث انجین و تصاویر ماهواره لندست – 7، خشکسالی زاگرس میانی (استان لرستان) با شاخص های گیاهی NDVI، SAVI و VCI و همچنین شاخص خشکسالی هواشناسیSPI ، متعلق به دوره آماری 2020-2000 پایش شد. برای محاسبه شاخص SPI از داده های بارش نُه ایستگاه هواشناسی سینوپتیک، با پراکنش مکانی مناسب و طول دوره آماری (2020-2000) استفاده شد و پردازش ها در نرم افزار DPI انجام شد. به منظور محاسبه شاخص های گیاهی، ابتدا تمامی تصاویر ماهواره ای تصحیح هندسی شده سنجنده ETM+ ماهواره لندست برای استان لرستان، متعلق به هر سال، فراخوانی شد. در این مرحله، به طور متوسط درمورد هر سال 52 تصویر فراخوانی شد. سپس تصاویر با پوشش ابری کمتر از 5% انتخاب و پردازش شدند. نتایج شاخص VCI نشان داد منطقه مورد مطالعه، در طول دوره آماری 2020-2000، اغلب تحت تأثیر خشکسالی خفیف بوده و بین سال های مورد مطالعه، در سال 2008، بیشترین میزان مساحت خشکسالی مربوط به طبقه متوسط را با 6/5880 هکتار، دارا بوده است. نتایج شاخص SPI نشان داد در سال 2010 خشکسالی متوسط، در سال های 2008 و 2017 خشکسالی شدید، در 2006 ترسالی ملایم و سال 2019 ترسالی شدید رخ داده است. نتایج شاخص های NDVI و SAVI نیز گویای افزایش طبقات پوشش گیاهی تنک و مناطق فاقد پوشش گیاهی، به ترتیب، 1/331679 و 115164 هکتار و کاهش پوشش گیاهی نرمال و متراکم، به ترتیب، 7/446160 و 4/682 هکتار در سال 2008، در قیاس با سال های 2006 و 2007 بود. براساس نتایج، هر سه شاخص مورد بررسی شرایط مساعد پوشش گیاهی و ترسالی اکولوژیک در سال های 2016، 2019 و 2020 به دست آمد. بیشترین میزان این هماهنگی میان خشکسالی هواشناسی SPI و شاخص های گیاهی در سال های 2008 و 2010 و تاحدودی ترسالی سال 2019 مشاهده شد. به طور کلی، نتایج نشان می دهد که افزایش یا کاهش پوشش گیاهی می تواند ناشی از رخداد یا نبود خشکسالی باشد؛ ضمن آنکه دیگر عوامل، مانند تغییرات کاربری اراضی نیز، باید درنظر گرفته شود.