درخت حوزه‌های تخصصی

سابقه و اهداف: کیفیت هوای پاک، به منزله یکی از ضروری ترین نیازهای موجودات زنده، براَثر فعالیت های طبیعی و انسانی به مخاطره افتاده است. در سال های اخیر، طوفان های گردوغبار ازلحاظ مکانی و زمانی همواره درحال افزیش بوده و سبب آسیب های بی شمار درحوزه سلامت اجتماعی، اقتصادی و زیست محیطی، برای ساکنان مناطق جنوب و جنوب غرب ایران، شده است. در پژوهش حاضر، به منظور بررسی طوفان های گردوغبار و تشخیص عمق دید افقی، داده های سنجنده مادیس به کار رفته است. مواد و روش ها: از مزایای داده های سنجنده مادیس می توان به توان تفکیک طیفی و زمانی بالا اشاره کرد. همچنین داده های ایستگاه های هواشناسی با توجه به بازه زمانی مورد مطالعه جمع آوری شده است. پس از پیش پردازش داده ها و آماده سازی مشاهدات میدانی، به منظور استخراج ویژگی های مورد نیاز برای انجام دادن مدل سازی ها، ازطریق روش تفاضلی بین باندهای منتخب هر تصویر داده های سنجنده مادیس، به همراه ویژگی های استخراج شده از سنسورهای ایستگاه های هواشناسی زمینی استفاده شده است. با بررسی های بیشتر و ارزیابی های صورت گرفته و استفاده از دیدگاه های خبرگان هواشناسی، 36 ویژگی تفاضلی از باندهای گوناگون تصاویر مادیس و شش ویژگی از داده های ایستگاه های هواشناسی زمینی، یعنی درمجموع 42 ویژگی، استخراج شده است. در ادامه، ازطریق تکنیک های انتخاب ویژگی، بهترین ویژگی ها شناسایی و با به کارگیری روشی جدید با نام ML-Based GMDH، که حاصل بهبود شبکه عصبی GMDH ازطریق تغییر توابع جزئی با مدل های یادگیری ماشین است، برای تشخیص غلظت گردوغبار و دید افقی استفاده شد. برای دستیابی به دقت مناسب نیز ابرپارامترهای این مدل به صورت ابتکاری، با استفاده از الگوریتم بهینه سازی TLBO، تنظیم شدند. در ادامه، روش های یادگیری ماشین Basic GMDH SVM، MLP، MLR، RF و مدل گروهی آنها نیز، برای مقایسه با رویکرد اصلی، اجرایی شد؛ طبق نتایج، روش ML-Based GMDH تنظیم شده با  TLBOبا ایجاد بهبود درقیاس با روش های یادگیری ماشین ذکرشده، دقت بهتری را در تشخیص غلظت گردوغبار فراهم کرده است. نتایج و بحث: روش SVM-PSO به منزله روش برتر در مرحله انتخاب ویژگی، روش RF به منزله روش برتر در میان روش های پایه دسته بندی و روش های Ensemble SVM و Ensemble RF به منزله روش های برتر در مرحله گروهی و دسته بندی انتخاب شدند. همچنین مشاهده شد، با استفاده از رویکرد گروهی، بهبود مطلوبی در تشخیص دسته دید افقی پدید آمد. در رویکرد دوم، روشی با عنوان ML-Based GMDH که حاصل بهبود شبکه عصبی GMDH ازطریق تغییر توابع جزئی با مدل های یادگیری ماشین است، استفاده شد که کاربرد آن در تقریب غلظت گردوغبار است. همچنین، برای دستیابی به دقت مناسب، ابرپارامترهای این مدل با الگوریتم بهینه سازی TLBO با دقت بسیار بالا تنظیم شدند. نتایج حاصل نشان دادند این روش، با ایجاد بهبود درمقایسه با بهترین روش های انتخابی از رویکرد اول، دقت مناسبی را در تقریب غلظت گردوغبار و عمق دید افقی فراهم کرده است.

مقدمه: شرایط خشکسالی ممکن است، از متوسط تا شدید و با مدت زمان متفاوت، متغیر باشد؛ این تغییرات به نظارت مداوم و عملیاتی نیاز دارد. هرچه خشکسالی بیشتر طول بکشد، در پوشش گیاهی و منابع آبی تأثیر بیشتری می گذارد و خشکسالی تشدید می شود؛ درنتیجه، ممکن است خدمات به انسان ها را محدود کند و سیستم های طبیعی را تغییر دهد. از جمله تأثیرات خشکسالی، تخریب زیستگاه حیات وحش، کاهش کیفیت آب و کاهش دسترسی به منابع آب است. پایش خشکسالی برای محققان، مدیران و تصمیم گیرندگان، به منظور شناسایی مناطق آسیب پذیر، ضروری است و نتایج آن با هدف کاهش پیامدهای خشکسالی به کار می رود.مواد و روش ها: در این مطالعه تلاش شده است، با استفاده از تصاویر مادون قرمز سنجنده Suomi NPP دریافتی از سایتearth data.nasa.gov و بهره گیری از شاخص هایNDVI ، VCI،  TCIو  VHIوضعیت خشکسالی پوشش گیاهی در ایران بررسی شود. دوره مورد مطالعه 2021-2013، اول آوریل تا انتهای جولای (هفته 13 تا 26 میلادی)، به صورت میانگین هفتگی است. میانگین ماهیانه شاخص استاندارد بارش (SPI) در ایران با استفاده از داده های بارش روزانه 143 ایستگاه سینوپتیک به دست آمد. سپس ضریب همبستگی (SPI) با هریک از شاخص های VHI، TCI، VCI و NDVI محاسبه شد. در تصاویر مادون قرمز، باندهای M دارای قدرت تفکیک 750 و باندهای I برابر با 375 متر است.نتایج و بحث: براساس داده های بارش ثبت شده در ایستگاه های هواشناسی سینوپتیک، می توان گفت که عمده بارش در فصل های پاییز، زمستان و بهار رخ داده و سهم تابستان در بارش سالانه اندک می باشد. بنابراین سال آبی، در بیشتر مناطق ایران، به طور تقریبی از دهه سوم سپتامبر شروع و تا دهه دوم و سوم ژوئن هر سال ادامه دارد. در منطقه مورد مطالعه، بهترین پایه زمانی برای پایش و برآورد آن از اول آوریل تا اواخر ژوئن  است. در فصل تابستان، ایران یک فصل خشک را می گذراند و ماه اوت خشک ترین ماه سال است. تغییرات زمانی و مکانی خشکسالی هریک از شاخص های پوشش گیاهی با یکدیگر تفاوت زیادی دارد.نتیجه: میزان هریک از شاخص ها در شرایطی که پوشش گیاهی در وضعیت خشکسالی قرار دارد کاهش یافته و در طبقه خشکسالی خفیف و سپس شدید قرار می گیرد. بدین ترتیب، طی سال هایی که خشکسالی رخ داده است، مقدار شاخص ها از ماه آوریل روند نزولی دارد و در ژوئن و جولای، شاخص ها به سمت خشکسالی شدید میل پیدا می کند. براساس محاسبات، مشخص شد که مقدار شاخص استاندارد بارش در پهنه مورد مطالعه، طی ماه های گرم سال منفی است. این نکته بیانگر پایین بودن میزان بارش دریافتی درقیاس با دیگر ماه های سال است. 

سابقه و هدف: رطوبت غلاف پارامتر مهمی در طول دوره رشد نیشکر است که از منظر تنش آبی و مدیریت آبیاری مزرعه اهمیت فراوانی دارد. بااین حال اندازه گیری میزان رطوبت محصول در گیاهان به طور سنتی از طریق به دست آوردن وزن تر و وزن خشک و سپس محاسبه میزان رطوبت محصول تعیین شده است. اما این روش وقت گیر، هزینه بر و در مناطق وسیع غیرقابل اجراست. در سال های اخیر، توسعه سریع فنّاوری سنجش ازدور برای نظارت بر میزان آب بافت گیاه در مزارع گسترده به کار برده می شود. داده های سنجش ازدور ظرفیت بالایی برای به روز کردن سیستم های پایش رشد محصول دارند. در این راستا، می توان از تصاویر ماهواره ای که اطلاعات متنوعی در اختیار کاربران قرار می دهند، بهره برد. هدف از این پژوهش ارزیابی رطوبت غلاف برگ نیشکر با استفاده از تصاویر ماهواره ای و تهیه نقشه های رطوبت براساس بهترین مدل است.مواد و روش ها: مزارع نیشکر که بزرگ ترین مزارع خوزستان هستند، بیش از 84000 هکتار مساحت دارند. حدوداً 9670 هکتار از مزارع تحت کشت متعلق به کشت و صنعت امیرکبیر است که این پژوهش در آن اجرا شد. منطقه مورد مطالعه در عرض جغرافیایی 31 درجه و 00 دقیقه و 20 ثانیه شمالی و طول جغرافیایی 48 درجه و 15 دقیقه و 22 ثانیه شرقی قرار گرفته است. برای پژوهش حاضر، 18 مزرعه از واریته CP69-1062 نیشکر انتخاب شد که از هر مزرعه 5 نقطه برگزیده و مختصات نقاط با دستگاه GPS ثبت شد، لذا این پژوهش از تیر تا شهریور ماه اجرا شد. برای این منظور، تلاش شد که داده برداری زمینی هم زمان با تصویربرداری ماهواره سنتینل-2 از منطقه مورد نظر صورت گیرد. سپس رطوبت غلاف هر نمونه در آزمایشگاه اندازه گیری شد. برای هر تصویر شاخص ها و باندهای طیفی با نرم افزار QGIS محاسبه و خروجی به صورت فایل اکسل و TIF ذخیره شد. در این پژوهش از شاخص های NDWI، NDII، SRWI، SIWSI، Clgreen و GVMI و باندهای حاصل از تصاویر ماهواره ای سنتینل-2 برای برآورد و پایش وضعیت رطوبت غلاف برگ نیشکر استفاده شد. در گام بعدی، از تحلیل VIF به منظور بررسی هم خطی بین شاخص ها و باندها استفاده شد. در نهایت شاخص های NDVI، EVI، SRWI، Clgreen و تک باندهای B2، B3، B4، B5، B6، B11 و B12 به عنوان ورودی به چهار مدل GRNN، RF، SVR و PLSR وارد شدند. شایان ذکر است که الگوریتم بیز به منظور بهینه سازی پارامترهای مدل استفاده شد.نتایج و بحث: نتایج نشان داد که مدل SVR در مقایسه با سایر مدل ها توانایی بالاتری در تخمین رطوبت غلاف برگ داشت. همچنین طبق تحلیل حساسیت، پارامترهای SRWI، Clgreen، NDVI، B5، B12، B11، B4، B3، EVI و B2 به ترتیب به عنوان پارامترهای مؤثر در فرایند مدل سازی رطوبت انتخاب شدند. در مرحله نهایی رطوبت غلاف برگ به ترتیب مقدار از کم تا زیاد، به 5 کلاس تنش، زمان آبیاری، رطوبت کم، رطوبت متوسط و رطوبت بالا طبقه بندی شد. با توجه به نتایج نقشه های رطوبتی و با توجه به برنامه زمان بندی آبیاری مربوط به هر تاریخ، می توان نتیجه گرفت خروجی حاصل ترکیبی از شاخص ها و باندهای B2، B3، B4، B5، B6، B11، B12، NDVI، EVI، SRWI و Clgreen عملکرد بهتری در تهیه نقشه های آبیاری داشتند. این روش با هدف ارزیابی پتانسیل شاخص های طیفی S2 MSI برای برآورد رطوبت غلاف برگ در مرحله رشد نیشکر به کار گرفته شد.نتیجه گیری: طبق تحلیل حساسیت، پارامتر SRWI به عنوان مؤثرترین شاخص در فرایند مدل سازی قرار گرفت. بنابراین می توان نتیجه گرفت که در میان ورودی های داده شده به مدل، ترکیبی از شاخص ها و باندهای NDVI، EVI، SRWI، Clgreen، B2، B3، B5، B4، B11و B12 تخمین بهتری از رطوبت غلاف نیشکر به دست می دهند. این پژوهش در پی بهبود روش های نظارت بر رطوبت غلاف نیشکر در مزارع وسیع است.

سابقه و هدف:. مطابق با گزاره های علمی هنگامی که مقادیر زیادی از گازهای گلخانه ای مانند دی اکسید کربن در جو متمرکز می شود، درجه حرارت نه تنها در سطح زمین، بلکه در تروپوسفر هم افزایش پیدا خواهد کرد. آنچه شاید مهم ترین نکته در مورد نوسانات درجه حرارت سطح جهانی باشد، این است که با وجود فراز و فرودهای کوتاه مدت، شواهد نشان می دهد که سیاره ما به طور ثابت در حال انباشتن گرماست. شب هنگام، تابش های کوتاه پس از غروب خورشید حذف می شود و دمای هوا تابعی از تابش های بلند خروجی است. بنابراین دمای شبانه به عنوان متغیری است که به طور ویژه تحت تأثیر نوسانات گازهای گلخانه ای از جمله قرار دارد. بخشی از تابش موج بلند زمینی از طریق پنجره های جوی خارج می شود و بخش عمده ای از آن توسط گازهای گلخانه ای به صورت تابش بلند برگشتی به سطح زمین بازگشت داده می شود که به ویژه در شب ها و فصل زمستان نقش مهمی در تعادل دمایی کره زمین دارد. مطالعه و بررسی دمای شبانه در ارتباط با مقادیر دی اکسید کربن اتمسفر، می تواند روند تغییر اقلیم را آشکار سازد. در این پژوهش برای نخستین بار تصاویر سنجنده AIRS به منظور بررسی دمای شبانه و گاز دی اکسید کربن استفاده شد. اهمیت تغییر دما در زیست گیاهی و جانوری، و به طور کل تعادل طبیعت بروز و ظهور پیدا می کند و چنانچه این تعادل طبیعی از بین برود، تغییرات اساسی و گاهی جبران ناپذیر در حیات کره زمین و کشور ایران رخ خواهد داد که آثار نامطلوبی برای زندگی بر جای خواهد گذاشت. گاز گلخانه ای  می تواند طی فرایند گلخانه ای دمای شبانه را دچار نوسان کند. لذا انجام این پژوهش می تواند مدیران و برنامه ریزان را در افزایش آگاهی و پیشبرد سیاست های اقلیمی برای کاهش و جلوگیری از خطرات احتمالی ناشی از تغییرات در مقادیر انتشار دی اکسید کربن و به تبع آن تغییرات دمایی و ایجاد طرح های مؤثر یاری می کند. مواد و روش ها: داده های این پژوهش مربوط به دوره آماری 2016-2003 و ماه های ژانویه، مه، ژوئیه و نوامبر است. به منظور بررسی تغییرات و دمای شبانه و تحلیل و ارزیابی اثرگذاری دی اکسید کربن بر متغیر دمای شبانه در این پژوهش نمودارهای سری زمانی ماهانه و فصلی بررسی شدند. به منظور بررسی معنادار بودن و یا عدم معناداری روندها و نوع روند، آزمون من– کندال به کار گرفته شد. آزمون همبستگی پیرسون و رگرسیون غیرخطی inverse برای تحلیل های آماری داده های دمای شبانه و استفاده شد. به منظور تحلیل بصری از دمای شبانه و به علت طولانی بودن دوره مورد مطالعه، نقشه های دمای شبانه سال های مورد مطالعه تهیه و با روش درون یابی IDW پهنه بندی شد. نتایج و بحث: بررسی آماری توزیع میانگین دمای شبانه در ایران نشان داد میانگین دما در انتهای دوره مطالعاتی (سال 2016) از میانگین کل دوره مطالعاتی به مقدار 42/0درجه کلوین، بیشتر بوده است. بیشترین نوسانات دمای شبانه مربوط به فصل زمستان و کمترین نوسانات که تاحدودی روند یکنواختی در آن مشاهده شده متعلق به فصل تابستان بوده است. مطابق با نمودار سری زمانی، روند میانگین فصلی، میزان در هر چهار فصل در سال های 2003 تا 2016 کاملاً افزایشی بوده است. با توجه به نمودار سری زمانی ماهانه، از بین ماه های مورد مطالعه ماه ژوئیه، کمترین نوسانات و ماه های نوامبر و ژانویه بیشترین نوسانات دمایی را به خود اختصاص دادند. براساس نقشه های دمای شبانه فصلی، کمینه دمای شبانه در شمال غرب، رشته کوه های البرز، زاگرس و نواحی خراسان شمالی در هر چهار فصل قابل مشاهده بود. سواحل جنوبی و شهرهای ساحلی جنوب از استان خوزستان تا استان سیستان و بلوچستان و همچنین دشت کویر و کویر لوت، در تمام فصل ها، بیشینه دمای شبانه را به خود اختصاص داده است. با توجه به نقشه پهنه بندی شده میانگین دمای شبانه ماه های ژانویه، مه، ژوئیه و نوامبر برای سال های 2003، 2006، 2009، 2012، 2015 و 2016، توزیع مکانی دمای شبانه در ایران حاکی از افزایش دمای شبانه ماه ژانویه در اواخر دوره مطالعاتی در برخی نواحی مرکزی شامل بخش هایی از استان های سمنان، یزد و اصفهان و بخش هایی از خراسان جنوبی و قسمت هایی در جنوب شرق ایران بود. مطابق نتایج آزمون من– کندال، تنها روند موجود در دمای شبانه ماه ژوئیه صعودی و معنادار بوده و روند ، در همه ماه ها صعودی و معنادار بوده است. براساس نتایج آزمون پیرسون، دمای شبانه ژوئیه همبستگی بالایی (66/0) با  داشته است. نتایج مدل رگرسیون غیرخطی بین دو متغیر، حاکی از این بود که با ضریب تعیین 44/0 بیشینه بیشترین تأثیر را بر بیشینه دمای شبانه در ماه ژوئیه در دوره مطالعاتی داشته است. نتیجه گیری: مطابق با نتایج این پژوهش در بازه زمانی مورد مطالعه، رابطه بین روند افزایشی دمای شبانه و دی اکسید کربن در ماه تیر (ژوئیه) تأیید شد. به این ترتیب، احتمال افزایش دماهای شبانه به علت افزایش انتشار دی اکسید کربن در نواحی مناطق مختلف جهان، می تواند موضوع بررسی پژوهشگران قرار بگیرد. همچنین باید اشاره کرد که در بستر روندهای طولانی مدت، گاهی تغییرات دوره ای، رخ می دهد که دوام آن بیش از یک سال است. اگر مطالعه و پژوهش دیگری در ارتباط با موضوع پژوهش حاضر انجام پذیرد و سری زمانی طولانی تری (چندین دهه) مورد مطالعه قرار گیرد، ممکن است روند غالب بر ایران، شرایط دیگری را نشان دهد.

در میان شبکه معابر شهری، شبکه راه های اضطراری در امدادرسانی حین زلزله، به ویژه در مرحله پاسخ به بحران، نقش مهمی ایفا می کنند. حفظ عملکرد این شبکه از معابر، در ساعات اولیه پس از زلزله، اهمیت بسزایی دارد. محافظت و مقاوم سازی اجزای آسیب پذیر شبکه، به خصوص پل ها، پیش از وقوع بحران، تأثیر شایان توجهی در کاهش خسارات و آسیب ها دارد. در اغلب اوقات مقاوم سازی تمامی اجزای آسیب پذیر، به دلیل محدودیت بودجه، عملاً ناممکن است. این محدودیت ایجاب می کند که با شناسایی دقیق اجزای آسیب پذیر، گزینه های مقاوم سازی در ابتدا اولویت بندی و در نهایت، مناسب ترین آنها انتخاب شود. طی پژوهش حاضر، ابتدا پل های نیازمند مقاوم سازی واقع در شبکه راه های اضطراری، با استفاده از یک روش شناسی پنج مرحله ای شناسایی می شود و با توجه به محدودیت های مالی و گزینه های تخصیص بودجه، گزینه های مقاوم سازی منتخب برمبنای شبکه لایه های ایجادشده در محیطGIS  (با عنوان ورودی) اولویت بندی می شود. بررسی همه حالات ممکن برای پایداری پل ها پس از وقوع زلزله ای مشخص، طراحی شبکه معابر اضطراری برای همه این حالات، بررسی گزینه های متفاوت مقاوم سازی پل ها، ارزیابی اثر این مقاوم سازی در طول شبکه اضطراری و در نهایت، اولویت بندی گزینه های مقاوم سازی، با توجه به تأثیر آنها در طول شبکه اضطراری، مراحل اصلی روش پیشنهادی این مطالعه را تشکیل می دهد. کارآیی روش یادشده پس از به کارگیری آن روی بخشی از شبکه معابر اضطراری شهر تهران به منزله شبکه ای واقعی با ابعاد بزرگ، ارزیابی شد.

تخلفات ساختمانی، به سبب سطح فراگیر و آثار بلندمدت و پایدارشان در نیم رخ شهرها، از مهم ترین چالش های شهرنشینی نوین محسوب می شوند. روش های رایج و معمول که امروزه در کنترل ساخت وسازها استفاده می شود، بسیار زمان بر و پرهزینه است. هدف اصلی این پژوهش ارائه چارچوبی نوین به منظور برآورد سریع و کم هزینه، در آشکارسازی و نظارت بر ساخت وسازها و شناسایی ساختمان های غیرمجاز شهری، با استفاده از تصاویر ماهواره سنتینل 1 در دوره زمانی 2017 تا 2022 و سیستم های اطلاعات مکانی است. بدین منظور در مرحله اول، براساس تحلیل و پردازش در نرم افزار SNAP، ضریب پراکنش سیگمانات تصاویر استخراج و به دو طبقه ساختمان و غیرساختمان تفکیک شده و حد آستانه بیشتر از 01/0به دست آمده است. سپس، با استفاده از الگوریتم پیکسل مبنا، تصویر باینری ساختمان و غیرساختمان به صورت صفر و یک تهیه و براساس اختلاف دو تصویر، منطقه ای که ساخت وساز در آن انجام شده است مشخص شد. پس از آشکارسازی مناطق ساختمانی تغییریافته، با استفاده از الگوریتم های طبقه بندی حداکثر احتمال و جنگل تصادفی، این مناطق در سه کلاس (ساختمان، در حال ساخت و سایر اراضی) قرار گرفتند و با نقشه برداشت میدانی و پارسل های بدون پروانه ارزیابی شدند. نتایج نشان داد تعداد ساختمان های بدون پروانه با استفاده از الگوریتم حداکثر احتمال، جنگل تصادفی و برداشت میدانی، به ترتیب، 130 و 135 و 48 است؛ همچنین دقت اجرای روش حداکثر احتمال به بیشترین میزان 89/0% و ضریب کاپای 83/0% نسبت به روش جنگل تصادفی، با دقت کلی 86/0 و ضریب کاپای 81/0% بوده است.

یکی از بخش های نوین و کم سابقه، به ویژه در مطالعات داخلی، بررسی کمّی ناهمواری هاست. شناخت علمی و کمّی گرایانه موقعیت توپوگرافی همواره از مباحثی بوده که در تحقیقات داخلی، چندان به آن توجه نشده است. این مبحث تأثیر بسزایی در تحلیل های ژئومورفولوژیک، هیدرولوژی و محیط شناسی دارد. وجود انواع لندفرم ها و تنوع آنها معمولاً با تغییر شکل و موقعیت زمین کنترل می شود؛ بنابراین طبقه بندی و شناسایی مناطق گوناگون، با توجه به ویژگی های مورفومتری آنها، ضروری است و ازاین رو پژوهش حاضر سعی در طبقه بندی لندفرم ها در منطقه خارستان، واقع در شمال غرب استان فارس و عوامل مؤثر در آن دارد. در همین زمینه، در مرحله اول، از روش شاخص موقعیت توپوگرافی (TPI) به منظور طبقه بندی لندفرم ها و روش کورین برای تعیین کلاس های ریسک واقعی فرسایش استفاده شد. همچنین به منظور تعیین شاخص تفاضلی نرمال شده پوشش گیاهی (NDVI) از تصاویر ماهواره لندست 8، مربوط به خرداد 1396، بهره گرفته شد. در مرحله بعد، رابطه انواع گوناگون لندفرم با فاکتورهای زمینی ارتفاع، شیب، جهت شیب، شاخص خیسی توپوگرافی (TWI)، شاخص ناهمواری زمین (TRI) و NDVI مشخص شد. در مرحله آخر، وضعیت لندفرم های گوناگون در کلاس های متفاوت ریسک فرسایش، تعیین شد. نتایج نشان دهنده ده گونه لندفرم در منطقه مورد مطالعه بود. بیشترین نوع لندفرم ها در منطقه مورد مطالعه، آبراهه و قله های مرتفع، به ترتیب با مساحت 71/27 و 48/27% بود؛ درصورتی که دشت های کوچک کمترین مساحت (18/1%) منطقه مورد مطالعه را شامل می شد. کلاس های لندفرم با شاخص خیسی توپوگرافی در سطح 95% همبستگی معنی داری را نشان داد. از نظر توزیع مکانی، بیشترین سطح (71/91%) منطقه را NDVI کلاس 1/0 تا 3/0 دربر می گرفت. NDVI بزرگ تر از 4/0 در لندفرم های آبراهه و دره های Uشکل مشاهده شد. ریسک واقعی فرسایش در سه کلاس کم، متوسط و زیاد با مساحت های 14/31%، 11/31% و 78/37% طبقه بندی شد. در کلاس فرسایش کم، متوسط و زیاد، لندفرم های آبراهه و یال های مرتفع و قله به ترتیب با 44%، 57% و 59% بیشترین سطح را به خود اختصاص دادند.

با توجه به روند بی سابقه و رو به رشد جمعیت و گسترش شهری در دهه های اخیر، با افزایش نگران کننده ساخت وسازها و به ویژه موارد غیرمجاز در محدوده شهری مواجه بوده ایم و این مسئله نظام مدیریت و برنامه ریزی شهری را تحت الشعاع قرار داده است؛ ازاین رو جلوگیری از ساخت وسازهای غیرمجاز شهری یکی از مهم ترین مشکلات مدیران شهری شمرده می شود. روش کنونی کنترل تخلفات ساختمانی شامل بازرسی های میدانی برمبنای دانش انسانی است که صرف هزینه گزاف مالی، زمانی و انسانی را می طلبد و ممکن است حتی به شناسایی نشدنِ به موقع تخلفات ساختمانی بینجامد. درهمین زمینه طرح روشی هوشمند و دقیق برای شناسایی تخلفات ساختمانی و هدفمندکردن جست وجوی گشت های نظارت بر ساخت وسازها بیش ازپیش مورد نیاز است. پژوهش حاضر، با این هدف، به دنبال بیان مدل راهبردی هوشمندی در پایش تخلفات است. این پژوهش ازنظر هدف، کاربردی و ازلحاظ روش، توصیفی و علّی است و داده های آن به روش کتابخانه ای و میدانی جمع آوری شده است. در این تحقیق، از تصاویر ماهواره ای، تصاویر پهپاد، دوربین های نصب شده روی خودرو و AVL به منزله ورودی های سیستم مانیتورینگ هوشمند استفاده شده است. نتایج این تحقیق بیان می کند، با استفاده از سیستم مانیتورینگ هوشمند، امکان پایش هوشمند ساخت وسازهای غیرقانونی ازطریق فنون پردازش تصاویر و داده های مورد نیاز، با کمترین حضور عامل انسانی و در زمانی کوتاه تر، وجود دارد. دقت کلی 94% و ضریب کاپای 71% برای طبقه بندی تصویر در این سیستم، صحت نتایج یادشده را تأیید می کند و نشان می دهد، در این روش، سرعت و دقت طبقه بندی تصاویر، شناسایی ساختمان های درحال تغییر و شناسایی ساخت وسازهای غیرقانونی به مراتب بیشتر از روش های فیزیکی و موجود است.

طوفان های گردوغبار بلایایی طبیعی اند که در زندگی انسان و محیط زیست تأثیر چشمگیری گذاشته اند. توسعه مدل هایی، به منظور پیش بینی مسیر حرکت این طوفان ها، در پیشگیری و مدیریت طوفان های گردوغبار نقش بسزایی ایفا می کند زیرا مسیر انتقال آنها را آشکار و مناطق آسیب پذیر بعدی در برابر طوفان را مشخص می کنند. به لطف امکانات روش های یادگیری عمیق در حل مسائل مبتنی بر سری زمانی و یافتن الگوهای پنهان از حجم داده کلان، در این پژوهش، یک مدل ترکیبی شبکه عصبی پیچشی (CNN) به منظور پیش بینی مسیر حرکت طوفان گردوغبار، براساس داده عمق نوری هواویز (AOD) محصول MERRA-2 برای دوازده ساعت آینده، توسعه داده شده است. همچنین چهل رویداد طوفان، شامل 2489 ساعت طوفان در منطقه ای خشک در مرکز و جنوب آسیا، به منظور آموزش مدل به کار رفته است. نتایج نشان می دهد که مدل پیشنهادی پیش بینی دقیقی از مسیر حرکت طوفان به دست می دهد؛ به گونه ای که درمورد گام های زمانی 3، 6، 9 و 12 ساعت آینده، مقادیر دقت کلی به ترتیب برابر با 9806/0، 9810/0، 9813/0 و 9790/0، مقادیر امتیاز F1 به ترتیب برابر با 8490/0، 8524/0، 8530/0 و 8384/0 و مقادیر ضریب کاپا به ترتیب برابر با 8387/0، 8424/0، 8431/0 و 8273/0 است.

تالاب ها به منزله جزء اساسی اکوسیستم جهانی در پیشگیری یا کاهش شدت سیل، تغذیه سفره های آب زیرزمینی و فراهم آوردن زیستگاه منحصربه فرد برای گیاهان و جانوران و دیگر خدمات و سودمندی ها، از عناصر اصلی استراتژی حفاظت منطقه ای اند. تالاب بین المللی انزلی در استان گیلان یکی از ده تالاب ارزشمند جهان است که به لحاظ تغییرات ساختاری حاصل از فرایندهای انسان ساخت، دچار تغییرات زیادی در کاربری اراضی و پوشش گیاهی شده و ماهیت و کارکردهای اکولوژیک آن به خطر افتاده است. هدف این مطالعه بررسی کاربرد داده های سنجش از دور در نقشه سازی تغییرات الگوی فضایی سیمای سرزمین، به کمک نمونه برداری زمینی در سطح بستر تالاب و تجزیه وتحلیل تغییرات انسجام سرزمینی براساس متریک های سیمای سرزمین است. ابتدا داده های ماهواره ای بررسی شد و ازطریق طبقه بندی تصاویر سنتینل 2، متعلق به سال های 2016 تا 2020 با نقاط نمونه برداری زمینی، نقشه کلاس های پوشش اراضی در هفت طبقه کشاورزی، بایر، نیزار، جنگل، مرتع، پهنه آبی و شهری، برای نقشه سازی و تجزیه وتحلیل متریک های سیمای سرزمین، پدید آمد. پس از استخراج متریک های سیمای سرزمین در سطح کلاس و سیمای سرزمین با نرم افزار Fragstats و تعیین متریک های مناسب طبق روش PCA، با نرم افزارهای R و Canoco، متریک های LPI، LSI، ENN_MN، CA، TE، NP، SHAPE_MN، PARA_MN، IJI، AREA_MN به منزله متریک های کاربردی برای تحلیل بهتر منطقه، انتخاب شدند . آنالیز متریک ها بیانگر آن است که به طور کلی سیمای سرزمین از هم گسیخته شده ، ازنظر شکلی، پیچیده تر و نامنظم تر و ازنظر میزان یکپارچگی عناصر ساختاری، ناپیوسته تر شده است.

با گسترش دانش سنجش از دور، استفاده از تصاویر هایپراسپکترال روزبه روز افزایش و عمومیت می یابد. طبقه بندی یکی از محبوب ترین موضوعات در سنجش از دور ابرطیفی است. طی دو دهه گذشته، روش های بسیاری برای مقابله با مشکل طبقه بندی داده های هایپراسپکترال پیشنهاد شده است. در پژوهش حاضر، ساختاری مبتنی بر یادگیری شبکه های کپسول برای طبقه بندی تصاویر ابرطیفی به کار رفته است؛ به گونه ای که ساختار شبکه بتواند، با استفاده از یک لایه کانولوشنی و یک لایه کپسول، بهترین حالت تولید ویژگی ها را داشته باشد و درعین حال از بیش برازش شبکه روی نمونه های آموزشی جلوگیری کند. نتایج به دست آمده نشان از کیفیت بالای ویژگی های تولیدی در ساختار پیشنهادی دارد. درراستای بهبود دقت طبقه بندی، رویکرد استخراج ویژگی ازطریق شبکه طراحی شده و طبقه بندی با استفاده از الگوریتم درخت تقویتی XGBoost، با روش طبقه بندی ازطریق شبکه عمیق سراسری مقایسه شد تا، علاوه بر بررسی و کیفیت سنجی ویژگی های عمیق برداری تولیدی به روش پیشنهادی در طبقه بندی کننده های گوناگون، میزان توانایی شبکه های عمیق سراسری نیز، در کاربرد طبقه بندی، بررسی شود. رویکرد کپسول پیشنهادی شامل سه لایه اصلی است: 1)  Prime با کپسول هایی به اندازه 8 و 32 فیلتر 9×9 و گام حرکتی 2؛ 2) Digitcaps دارای دَه کپسول شانزده بعدی؛ 3) لایه تماماً متصل. نتایج بررسی دو رویکرد برای شبکه عمیق و نیز ترکیب شبکه های کپسول با الگوریتم درخت تقویتی XGBoost مقایسه شد. رویکردهایی همچون SVM، RF-200، LSTM، GRU، و GRU-Pretanh برای مقایسه رویکرد پیشنهادی براساس پیکربندی هایی درنظر گرفته شدند که در تحقیقات به آنها اشاره شده بود. برای ارزیابی مدل پیشنهادی، مجموعه داده Indian Pines نیز، شامل شانزده کلاس متفاوت، به کار رفت. با استفاده از روش پیشنهادی ترکیبی، طبقه بندی تصاویر با دقت 99% روی داده های آموزش و دقت 5/97% روی داده های تست انجام می شود.

شاخص سطح برگ نقش مهمی در تبادل ماده و انرژی بین زمین و اتمسفر دارد. مانند سایر گیاهان، شاخص سطح برگ نیشکر معیار خوبی برای وضعیت سلامت و رشد این محصول است که به دلیل نقش آن در صنایع غذایی و انرژی، اهمیت اقتصادی بسیاری دارد. ماهواره PRISMA که در سال 2019 پرتاب شد، یکی از جدیدترین منابع داده های ابرطیفی را فراهم کرده است که به ویژه، در تهیه نقشه متغیرهای گیاهی کاربرد دارد. در پژوهش حاضر، نوع جدیدی از شبکه های عصبی مصنوعی، موسوم به شبکه عصبی تنظیم شده با روش بیزین (BRANN) که قانون بیز را برای غلبه بر مشکل بیش برازش شبکه های عصبی به کار می برد، استفاده می شود. مدل یادشده روی مجموعه ای داده، متشکل از طیف دریافت شده ازطریق ماهواره PRISMA به منزله متغیر مستقل و مقادیر اندازه گیری شاخص سطح برگ نیشکر به منزله متغیر وابسته، اجرا شد. اندازه گیری های زمینی شاخص سطح برگ نیشکر در 118 واحد نمونه برداری زمینی، روی مزارع کشت و صنعت نیشکر امیرکبیر در استان خوزستان و در هفت تاریخ متفاوت طی یک دوره رشد نیشکر در سال 1399، انجام شد. مقایسه عملکرد BRANN با یک روش متعارف شبکه عصبی، یعنی شبکه آموزش دیده با روش لونبرگ مارکوارت (LMANN) در بازیابی شاخص سطح برگ نیشکر از طیف PRISMA، حاکی از این است کهRMSE  بازیابی از 26/2 (m 2 /m 2 ) به روش LMANN به 67/0 (m 2 /m 2 )، با استفاده از روش BRANN کاهش یافته است. در این پژوهش، به منظور کاهش ابعاد داده نیز از تبدیل مؤلفه های اصلی استفاده شد. در بازیابی شاخص سطح برگ از بیست مؤلفه اصلی اول نیز RMSE از 41/1 (m 2 /m 2 ) با استفاده از روش LMANN به 71/0 (m 2 /m 2 ) طبق روش BRANN کاهش یافت. استفاده از مؤلفه های اصلی باعث کاهش چشمگیر زمان محاسباتی شد. با اجرای مدل آموزش دیده BRANN روی تصاویر PRISMA به صورت پیکسل به پیکسل، نقشه شاخص سطح برگ نیشکر تولید شد. ارزیابی این نقشه نشان داد که این نقشه تغییرات مکانی شاخص سطح برگ نیشکر را به خوبی نشان می دهد. نتایج این تحقیق بیانگر قابلیت بالای روش BRANN و تصاویر PRISMA برای بازیابی شاخص سطح برگ نیشکر است.

با توجه به وقوع دوره های خشکسالی و افزایش بهره برداری از آبخوان، گسترش کشاورزی و افزایش برداشت آب های زیرزمینی، تراز سطح آب زیرزمینی در آبخوان دیواندره-بیجار کاهش یافته است که این امر بر پایین رفتن تراز سطح آب زیرزمینی و کاهش راندمان چاه ها گردیده است. هدف از این پژوهش بررسی تاثیر خشکسالی بر تغییرات کمی منابع آب زیرزمینی با استفاده از سامانه اطلاعات جغرافیایی و شاخص منبع آب زیرزمینی آبخوان دیواندره-بیجار بر اساس هیدروگراف معرف می باشد. به منظور انجام این پژوهش، آمار 25 حلقه چاه مشاهده ای در طی دوره زمانی 97-1387 مورد بررسی قرار گرفت. در ابتدا داده های آماری جمع آوری و پس از ورود داده ها به سیستم اطلاعات جغرافیایی (GIS) با روش درون یابی، نقشه های خطوط هم عمق و پهنه بندی تغییرات افت سطح آب زیرزمینی همچنین از شاخص منبع آب زیرزمینی GRI جهت پایش زمانی خشکسالی منابع آب زیرزمینی آبخوان زنجان استفاده گردید. نتایج حاصل از تغییرات حجم مخزن آبخوان دیواندره-بیجار نشان داد کسری حجم مخزن معادل 5/11 میلیون مترمکعب می باشد همچنین پایش زمانی خشکسالی منابع آب زیرزمینی آبخوان با شاخص GRI در طول بازه بیست ساله روندی نزولی به سمت خشکسالی دارد و شدیدترین خشکسالی آب زیرزمینی در سال 1398 با رقم شاخص 97/1- به وقوع پیوسته است. نتایج به دست آمده نشانگر آن است که اگر همچنان روند مدیریت کنونی ادامه یابد، در طول چند سال آینده شاهد افت شدید آبخوان و خسارت جبران ناپذیر ی خواهیم بود.

تحلیل وضعیت ترافیکی و پیشنهاد روش های مدیریت جریان ترافیک نقش اساسی در ارزیابی عملکرد بسیاری از سیستم های حمل ونقلی ایفا می کند. در بین روش های جمع آوری داده های ترافیکی، رویکردهای مبتنی بر فنّاوری های نوین که امکان گرد آوری حجم بسیاری از داده های پویای زمانی مکانی را فراهم می آورند و استخراج روندها و الگوها را تسهیل می کنند اهمیت بسیاری دارند. در این پژوهش، تهران به منزله پایتخت ایران، با ویژگی های اقتصادی و اجتماعی خاصی که دارد و تنوع سفرها که به وضعیت ترافیکی متغیر منجر می شود، مطالعه شده است. داده های حاصل از پردازش رقومی تصاویر ترافیکی به دست آمده از سرویس نقشه گوگل در بازه زمانی پیوسته یک ماهه ای (هفدهم فروردین تا هفدهم اردیبهشت 1398)، نخستین بار به منظور ارزیابی روند تغییرات میانگین ازدحام ترافیکی در سطح نواحی منطقه مطالعاتی، به کار رفته است. پس از استخراج داده های اولیه و با توجه به تغییر الگوی سفرها و در نتیجه، میزان ازدحام ترافیکی، شاخص ازدحام ترافیکی (CI) به تفکیک در روزهای کاری و غیرکاری، محاسبه شد و به مرکز نواحی 117 گانه شهر تهران اختصاص یافت. با استفاده از تحلیل های توصیفی روی کلان داده های مورد بررسی، ساعات اوج ازدحام ترافیکی در بازه زمانی مورد مطالعه استخراج شد. سپس شاخص Getis Ord، نواحی پرازدحام منطقه مطالعاتی را براساس ارزیابی خوشه های مکانی، مشخص کرد. همچنین ارتباط زمانی بین مقادیر ازدحادم ترافیکی، در برش های زمانی متفاوت طی کل بازه زمانی مورد مطالعه، با استفاده از آزمون آماری کروسکال والیس ارزیابی شد و فرض صفر مبتنی بر همبستگی بین مقادیر میانگین ازدحام و در نتیجه، همبستگی زمانی بین مقادیر تأیید شد. با استفاده از تحلیل های پوششی نقشه های ترافیکی نیز، خوشه های ترافیکی پرازدحام در سطح اطمینان 90%، در اوج صبح و عصر، به تفکیک روزهای کاری و غیرکاری استخراج شد. نتایج این پژوهش می تواند در اصلاح و بازنگری محدوده های ترافیکی مؤثر باشد و همچنین به تحلیل های مرتبط با آلودگی هوا، مطالعات در زمینه قیمت گذاری معابر و بررسی روند شکل گیری و انتشار گلوگاه های ترافیکی در بازه های زمانی دلخواه، یاری برساند.

به منظور شناخت ساختگاه، به دست آوردن پارامترهای مقاومتی خاک کاری ضروری و درعین حال هزینه بر و زمان گیر است. در این پژوهش، با استفاده از 135 گمانه ژئوتکنیکی حفر شده در شهر کرمانشاه، پهنه بندی پارامترهای مقاومت برشی خاک (زاویه اصطکاک و چسبندگی) با استفاده از نرم افزار ArcGIS و روش درون یابی کریجینگ معمولی (با شبه واریوگرام های کروی، نمایی و گوسی)، تا عمق نُه متر در بازه های سه متری انجام شده و با استفاده از شاخص های جذر میانگین مربعات خطا (RMSE) و میانگین قدرمطلق خطا (MAE)، بهترین مدل برای پیش بینی مشخصه ها انتخاب شده است. براساس شاخص های ارزیابی خطا، بهترین واریوگرام ها برای پهنه بندی زاویه اصطکاک و چسبندگی در عمق 0 تا 3 متر گوسی، 3 تا 6 متر نمایی و 6 تا 9 متر به ترتیب گوسی و کروی است. مطابق نتایج به دست آمده، اغلب با افزایش عمق، زاویه اصطکاک و چسبندگی افزایش یافته است و بخش های شمالی و جنوب غرب کرمانشاه، در قیاس با دیگر مناطق، دارای خاکی با زاویه اصطکاک بیشتر و چسبندگی کمتر (درشت دانه) هستند و بخش های شمال غرب این شهر خاک های رسی و آبرفتی دارند؛ با توجه به گذر رودخانه قره سو از این ناحیه و قرارگیری مناطق شمالی و جنوبی کرمانشاه در کوهپایه، نتایج تصدیق می شود.

جهان در حال گرم شدن است و جمعیت جهان به سکونت در شهرها روی می آورند. این دو حقیقت در ظاهر با هم ارتباطی ندارند اما پدیده ای به نام «جزیره حرارتی شهری» این دو را به هم پیوند می دهد. UHI یکی از معمول ترین پدیده های اقلیم شهری است که در آن برخی مناطق شهری، به ویژه مراکز شهرها، چند درجه از مناطق اطراف خود گرم تر می شوند. مطالعه این پدیده و بررسی مکانیسم آن برای برنامه ریزی های شهری اهمیت بسیار زیادی دارد. در پژوهش حاضر، به منظور برآورد LST، از چهار الگوریتم تک کاناله لندست، تک پنجره، معادله پلانک و معادله انتقال تابش در محیط نرم افزار QGIS، در بازه زمانی 2000 و 2019 طی فصل های تابستان و زمستان در شهر بیرجند استفاده شده و نیز اثر تغییر کاربری در جزیره حرارتی بررسی شده است. ابتدا دمای سطح زمین در شهر بیرجند، با استفاده از تصاویر ماهواره ای لندست، 7 سنجنده +ETM و لندست 8، سنجنده TIRS/OLI طی سال های 2000 و 2019 ازطریق چهار روش استخراج شد. به منظور بررسی توانایی کلی الگوریتم ها در محاسبه دمای سطح زمین، شاخص های آماری میانگین خطای مربعات، ضریب ناش ساتکلیف، میانگین خطای مطلق و ضریب تعیین به کار رفت. نتایج نشان داد که الگوریتم تک کاناله لندست، در محاسبه دمای سطح زمین در شهر بیرجند، دقت بیشتری در قیاس با الگوریتم های دیگر دارد.

دما مهم ترین پارامتر اقلیمی در مطالعه تغییرات مکانی و زمانی فنولوژی گیاهان است؛ ازاین رو مطالعه حاضر با هدف بررسی پتانسیل داده های دمایی سنجنده مودیس در تهیه نقشه های درجه روزرشد (GDD) و مراحل گوناگون فنولوژی، درمورد گونه های مرتعی Astragalus effusus و Bromus tomentllus، در استان چهارمحال و بختیاری انجام شد. نقشه های دمایی (حداکثر، حداقل و میانگین)، GDD و مراحل متفاوت فنولوژی گونه های یادشده از داده های مودیس متعلق به فصل رویش در سال های 1396 و 1397 استخراج و با استفاده از داده های ایستگاه های هواشناسی و همچنین داده های فنولوژی میدانی در سه سایت مرتعی در منطقه با ارتفاع های متفاوت، ازطریق آزمون پیرسون مقایسه و صحت سنجی شد. نتایج حاکی از آن بود که تولیدات دمایی و GDD حاصل از تصاویر مودیس، به ترتیب، با داده های دمایی ایستگاه های هواشناسی و نیز GDD محاسبه شده در سایت ها بیش از 91 و 99% همبستگی دارد (p<0.001). نقشه ها مقدار GDD را، در اوایل فصل رویش، کمتر از 16 و در اواخر این دوره، بیش از 5200 نشان دادند که به ترتیب، بیانگر یک مرحله و تمامی مراحل فنولوژی گونه های مطالعاتی در منطقه بود. یافته های تحقیق نشان داد که مراحل فنولوژی گونه های مورد بررسی را می توان با استفاده از داده های مودیس، ازلحاظ مکانی و زمانی، از هم تفکیک کرد. با توجه به اینکه حفظ بقای گونه ها و بهره برداری پایدار از مراتع مستلزم آگاهی از مراحل گوناگون فنولوژی است، نقشه فنولوژی گونه ها می تواند ابزار کارآمدی، در مدیریت مراتع در سازمان های مرتبط، محسوب شود.

داده های سنجش از دوری، با قدرت تفکیک مکانی بالا، اغلب دارای قدرت تفکیک زمانی و طیفی پایین و داده های با قدرت تفکیک مکانی پایین دارای قدرت تفکیک طیفی و زمانی بالا هستند. باوجوداین ، درحال حاضر، سنجنده های ماهواره ای به تنهایی نمی توانند داده هایی با قدرت تفکیک زمانی و قدرت تفکیک مکانی بالا را هم زمان ارائه کنند. این درحالی است که در برخی کاربردها دسترسی هم زمان به داده هایی با قدرت تفکیک مکانی و زمانی بالا ضروری است؛ ازاین رو در این مطالعه، با هدف دستیابی به داده های دارای قدرت تفکیک مکانی و زمانی بالا، تصاویر مادیس در کلاس های کاربری شهری، باغ، مرتع، کشاورزی و آب ازطریق الگوریتم های STARFM ، ESTARFM وFSDAF به قدرت تفکیک مکانی سنتینل 2، ریز مقیاس شد. منطقه مطالعاتی با تنوع پوشش های زمین گوناگون در اطراف شهر مهاباد انتخاب شد. در این مطالعه، باندهای مرئی و مادون قرمز نزدیک در سنتینل 2 و مادیس انتخاب و پیش پردازش های لازم، ازجمله تصحیح هندسی، روی آنها انجام شد. سپس با استفاده از الگوریتم های ریزمقیاس نمایی، تصاویر مادیس به تصاویر سنتینل 2 ریزمقیاس شد. نتایج نشان دهنده صحت بالای کلاس های شهری، باغ و مرتع در قیاس با کلاس های کشاورزی و آب است؛ به گونه ای که الگوریتم های ESTARFM، FSDAF و STARFM به صورت میانگین در همه باندها، به ترتیب برای کلاس شهری، ضریب تعیین 25/88، 25/87 و 5/86، درمورد کلاس باغ ضریب تعیین 75/83، 25/83 و 5/80 و درمورد کلاس مرتع، ضریب تعیین 75/90، 5/70 و 5/87 را نشان دادند. درمجموع، الگوریتم ESTARFM در مقایسه با دیگر الگوریتم ها در این تحقیق، نتیجه ای بهتر دربرداشت.

اثر جزیره گرمایی شهری به دلیل تلاقی با چالش های محیط زیستی مهم قرن بیست و یکم یکی از مهم ترین بررسی ها در مورد پدیده های محیط زیستی است. در همین راستا، مطالعه دمای سطح زمین (LST)، چشم انداز واضحی از بررسی جزایر گرمایی در شهرها به دست می دهد که با توجه به اقلیم گرم و خشک شهر یزد، بررسی وضعیت و عوامل اثرگذار بر LST در این شهر را ضروری می نمایاند. این پژوهش با استفاده از تصویر فیوژن شده طیفی و مکانی لندست-8 برای ماه آگوست سال 2020 میلادی و با بهره گیری از الگوریتم های یادگیری ماشین سعی دارد تا تغییرات LST را با محاسبه پارامترهای مختلف مرتبط با چشم انداز سطح زمین شهری مدل کند. بر اساس نتایج این پژوهش، فیوژن طیفی-مکانی تصویر لندست-8 با سنتینل-2 به روش بارزسازی پن، موجب افزایش 10.7%ی دقت کلی و 16.5%ی ضریب کاپا در طبقه بندی این تصویر شد. این پژوهش همچنین نشان داد که اکثر پارامترهای مرتبط با همسایگی با پوشش اراضی در رده 1 تا 11 تأثیرگذاری بر LST شهر یزد قرار دارند. دراین بین، مجاورت با پوشش زمین های بایر در شعاع 100، 50 و 150 متر به ترتیب رتبه 1 تا 3 مهم ترین پارامترهای اثرگذار بر LST را از آن خود کردند. این پژوهش نشان داد که تغییر آرایش پوشش اراضی می تواند بر LST اثرگذار بوده و تغییر پوشش زمین های بایر به مناطق ساخته شده، تا °C 1.1، به پوشش گیاهی، تا °C 2.1 و تغییر 30% از زمین های بایر به پوشش گیاهی، تا °C 1.6 می تواند میانگین LST را در شهر یزد کاهش دهد. همچنین این پژوهش با بررسی دو رویکرد مختلف شبیه سازی ایجاد پوشش گیاهی در سطح شهر یزد نشان داد که رویکرد صرفه جویی در زمین می تواند میانگین LST را در شهر یزد تا 1.3 درجه و رویکرد تقسیم زمین تا °C 1.4 کاهش دهد.

معدن کاری سابقه ای طولانی دارد و در طیف گسترده ای از محیط های ژئومورفیک رخ می دهد. میزان تغییراتی که این فعالیت های معدن کاری در مورفولوژی و محیط معدنی به وجود می آورند گاه به اندازه ای است که محیط اطراف را دچار تغییرات اساسی و خسارات فراوانی می کند و ازاین رو این تغییرات نیازمند پایش دقیق است. از اوایل دهه ۱۹۹۰U تداخل سنجی راداری به صورت ابزاری مفید در مطالعه تمامی پدیده هایی که سبب تغییر سطح زمین می شوند، مطرح شده و به کار رفته است؛ بدین معنا که اگر سطح زمین بین دو تصویر راداری تغییرشکل بیابد، می توان نقشه جابه جایی سطحی را با وضوح و دقت میلی متری ایجاد کرد. این مقاله یافته های حاصل از اجرای روش SBAS روی سری زمانی مجموعه داده های سنتینل – 1 برای شناسایی تغییرشکل های سطحی، در معدن سنگ آهن سنگان – خواف به منزله یک معدن سطحی روباز را گزارش می دهد. معدن سنگ آهن سنگان از بزرگ ترین و غنی ترین ذخایر سنگ آهن در خاورمیانه و ایران است. این معدن، براَثر برداشت و استخراج سنگ آهن، دچار تغییرات فراوان توپوگرافی و ژئومورفولوژی شده است که این تغییرات می تواند سبب تشدید فرایندها و مخاطرات ژئومورفولوژیکی شود. برای تخمین و به دست آوردن مقدار تغییرشکل سطح زمین، از 48 تصویر SAR از معدن سنگ آهن سنگان استفاده شده است. این تصاویر با استفاده از ماهواره سنتینل – 1 آژانس فضایی اروپا به دست آمد. سری زمانی (2014-2020) حاصل از تغییرشکل در محدوده معادن پلاسری تجزیه وتحلیل شد. نتایج به دست آمده میزان متوسط جابه جایی 20- تا 35- میلی متر در سال و حداکثر میزان تجمعی تغییرات 120- میلی متر را نشان می دهد. بررسی نیم رخ عرضی در نواحی ابتدایی مخروط افکنه در معادن پلاسری، طی بازه زمانی 2014-2020، شدت تغییرات توپوگرافی را به خوبی نشان می دهد. برای ارزیابی قابلیت اطمینان نتایج، به دلیل نبود داده (ایستگاه GPS) در محدوده معادن پلاسری، نتایج مشتق از SBAS با مقادیر اندازه گیری شده ازطریق توتال استیشن مربوط به واحد ژئومورفولوژی کوهستان منطقه معدنی در سال های ۲۰۲۰ -۲۰۱۴ به کار رفته است. نتایج نشان داد که میزان تغییرات حاصل از داده های راداری با استفاده از روش SBAS، در مقایسه با داده های نقشه برداری زمینی، الگوی تقریباً مشابهی را طی کرده است اما تفاوت هایی نیز دارد که ممکن است ناشی از ماهیت متفاوت برداشت (در نقشه برداری زمینی، تغییرات ارتفاعی برای یک نقطه اندازه گیری می شود اما، در تداخل سنجی، مقدار میانگین از نقاط مجاور یکدیگر به دست می آید) و از همه مهم تر، وجودنداشتن داده های متوالی ترازیابی در سطح پلاسری ها به منظور ارزیابی دقیق تر نتایج است.