درخت حوزه‌های تخصصی

شوری خاک یکی از شایع ترین و مهم ترین عوامل تخریب اراضی در مناطق خشک و نیمه خشک بوده و پایش و مدیریت صحیح آن امری ضروری است. در کشور ایران بسیاری از اراضی در معرض افزایش شوری خاک قرار گرفته است که از مهم ترین آنها می توان به سواحل دریاچه ارومیه اشاره نمود. از آنجا که تکنیک های سنجش از دور روشی کارآمد و مقرون به صرفه در پایش شوری خاک هستند، در سال های اخیر بهره گیری از این فناوری توسعه چشمگیری یافته و مدل های مختلفی برای این منظور توسعه داده شده است. از جمله پرکاربردترین آن ها می توان به مدل های رگرسیون خطی اشاره کرد. این تکنیک ها عمدتاً تک متغیره بوده و تلفیق باندهای طیفی در تخمین شوری خاک مغفول واقع شده است. در تحقیق حاضر به منظور بهبود تخمین شوری خاک با تصاویر چندطیفی، مدل های رگرسیون خطی چندمتغیره پیشنهاد شده است. روش پیشنهادی، بطور همزمان، پتانسیل محدود ولی متفاوت باندهای طیفی مختلف را بکار گرفته و انتظار می رود به دقت های بالایی در تخمین شوری خاک بینجامد. به منظور ارزیابی روش پیشنهادی، میزان شوری خاک در بستر خشک شده دریاچه ارومیه اندازه گیری گردید. داده اصلی مورد استفاده در این تحقیق، تصویر چندطیفی سنتینل 2B می باشد که در تاریخ 6 اکتبر 2018 از منطقه مورد مطالعه اخذ شده است. در تحقیق حاضر، از 8 باند طیفی تصویر سنتینل (باندهای مرئی و مادون قرمز) و 17 شاخص شوری برای تخمین شوری خاک استفاده شد. بمنظور کالیبراسیون مدلها و ارزیابی صحت آنها در تخمین شوری خاک، طی عملیات صحرائی، تعداد 28 نمونه آموزشی و 10 نمونه ارزیابی در زمان گذر ماهواره از سطح منطقه مورد مطالعه جمع آوری گردیده و هدایت الکتریکی آنها، در آزمایشگاه مرکزی دانشگاه تبریز اندازه گیری شد. پس از کالیبراسیون مدلهای رگرسیون خطی تک متغیره و مدلهای رگرسیون خطی چندمتغیره پیشنهادی، صحت تخمین شوری خاک در هر یک از این مدلها، با استفاده از پارامترهای ضریب تبیین () و مجذور میانگین مربعات خطا (RMSE) در محل نمونه های ارزیابی مورد بررسی قرار گرفت. نتایج ارزیابی نشان داد؛ در مدل های رگرسیون خطی تک متغیره، بهترین مدل ها برای تخمین شوری خاک از باند مادون قرمز نزدیک باریک (8a) و شاخص روشنایی (BI) حاصل شده است که متناظر با بالاترین میزان و پایین ترین مقدار RMSE در بین سایر مدلهای رگرسیون خطی تک متغیره بوده است. مقادیر و RMSE برای باند 8a به ترتیب 89/0 و 85/20 بوده و برای شاخص BI به ترتیب برابر 83/0 و 33/21 می باشد. در مقایسه با مدل های رگرسیون خطی تک متغیره موجود، رگرسیون های خطی چند متغیره پیشنهادی در این تحقیق، عمدتاً از دقت بالاتری در تخمین شوری خاک برخوردار بوده است. بهترین نتایج از مدل رگرسیون خطی 7 متغیره حاصل شده است که بالاترین مقدار و پایین ترین مقدار RMSE نمونه های ارزیابی را در بین تمامی مدلهای رگرسیون خطی تک متغیره و چندمتغیره داشته است (97/0= و 77/8 =RMSE). نتایج این تحقیق موید قابلیت بالای رگرسیون خطی چندمتغیره پیشنهادی در این تحقیق و همچنین پتانسیل ارزشمند تصاویر چندطیفی سنتینل 2B در تخمین شوری خاک است. پس از تعیین دقیق ترین مدل های رگرسیون خطی تک متغیره و چند متغیره در تخمین شوری خاک، نقشه های شوری خاک منطقه که اطلاعات ارزشمندی از وسعت، توزیع مکانی و غلظت شوری را نشان می دهد، تهیه شد. نقشه های شوری خاک نشان می دهد که در بخش وسیعی از منطقه، شوری خاک بیشتر از 60 دسی زیمنس بر متر می باشد.

ذرات معلق در هوا نقش مهمی در توازن انرژی زمین و جو ایفا می کنند و به عنوان یک عامل مهم در تعیین تغییرات آب وهوایی شناخته می شوند. هرساله طوفان های گرد و غبار اثرات مخربی بر روی سلامت، مزارع، تأسیسات و اکوسیستم ها می گذارند. خراسان ازجمله مناطقی است که به شدت تحت تأثیر این پدیده قرار دارد و بادهای ۱۲۰ روزه سیستان از عوامل تشدید کننده این پدیده بخصوص در مناطق شرقی است. یکی از راه های مطالعه این پدیده روش های سنجش ازدوری است. این تحقیق با هدف بررسی تغییرات زمانی و مکانی شاخص های گرد و غبار بر پایه داده های ماهواره ای در منطقه شرق خراسان انجام پذیرفته است. در این پژوهش جهت مطالعه ذرات معلق جو، از شاخص های UVAI،AAOD و AOD استفاده شده است. برای این منظور از داده های سنجنده TOMS بر روی ماهواره Nimbus ۷ در سال های ۱۹۷۸ تا ۱۹۹۳ و بر روی ماهواره Earth probe در سال های ۱۹۹۶ تا ۲۰۰۵ و از داده های سنجنده OMI بر روی ماهواره Aura از سال ۲۰۰۴ تا ۲۰۱۴ استفاده شده است. نتایج این پژوهش روند صعودی این شاخص ها را در طی سال های ۲۰۱۴-۱۹۷۸ نشان می دهد. همین طور شاخص UVAI بیشترین میزان ذرات معلق را در سال های ۲۰۰۲، ۲۰۰۸ و ۲۰۱۴ و شاخص های AAOD و AOD بیشترین میزان ذرات معلق را در سال های ۲۰۰۸ و ۲۰۱۴ نشان می دهند.

شهرها با توجه به تغییرات شدید جمعیتی و کاربری زمین یکی از حساس ترین مناطق جغرافیایی محسوب می شوند که اگر این تغییرات توسط متولیان امر و شهرداری ها بررسی و پیش بینی نگردد باعث بروز لطمات جبران ناپذیر مالی و جانی به شهروندان می شود. عدم برنامه ریزی در زمینه توسعه شهری و تعیین سمت و سوی مناسب رشد شهر امروزه موجبات خسارات و هزینه های جبران ناپذیری گشته است که از آن جمله می توان به گسترش شهرهایی مانند نیشابور بر روی حریم قنوات اشاره کرد. قنات یکی از قدیمی ترین و اقتصادی ترین روش های استخراج آب های زیرزمینی و بخشی از میراث ملی ایرانیان محسوب می شود. اما امروزه با پائین رفتن سطح آبهای زیرزمینی و خشک شدن قنات ها، این کانال های زیرزمینی تبدیل به بحران در مناطق شهری شده است. در ایران سالانه در اثر فروریزش ناشی از کانال های قنات ها ده ها ساختمان دچار خسارت می شود. مقاله حاضر با روش میدانی-تحلیلی و با استفاده از مطالعات اسنادی، بهره گیری از مدل فرآیند تحلیلی سلسله مراتبی AHP و نرم افزارGIS با بکارگیری شاخص های مختلف و ارزش گذاری معیارهای مرتبط با فرونشست زمین به بررسی مناطق در معرض خطر در شهر نیشابور می پردازد و در پایان نیز راهکارها و سیاست هایی به منظور پیشگیری، برنامه ریزی مناسب و چگونگی مدیریت بحران در صورت بروز خطر ارائه می گردد.

در طبقه بندی تصاویر با قدرت تفکیک مکانی متوسط، مانند لندست، تمایز اراضی کشاورزی بدون پوشش گیاهی از زمین های بایر و همچنین، شناسایی زمین های بایر از مناطق ساخته شده معمولاً دشوار و همراه با خطاست. به همین علت در این مطالعه، ترکیب های متفاوتی از ویژگی های ورودی، به روش های طبقه بندی، به منظور بررسی امکان ارتقای دقت طبقه بندی مقایسه شد. داده های ورودی شامل باندهای طیفی تصویر لندست-7، ویژگی های بافتی شامل ماتریس وقوع هم زمان گام های خاکستری و شاخص های حرارتی و مکانی پیشنهادی در این تحقیق است. در بررسی حاضر، به منظور طبقه بندی سناریوهای متفاوت، از سه روش طبقه بندی شامل بیشترین میزان شباهت، شبکة عصبی و ماشین بردار پشتیبان با هسته های متفاوت استفاده شد. نتایج نشان داد که ادغام تمامی داده های ورودی و استفاده از روش ماشین بردار پشتیبان با هستة پایة شعاعی، با صحت کلی 81/۹۸% و ضریب کاپا 25/98%، ممکن است نتایجی بهتر از دیگر روش ها و سناریوها داشته باشد. همچنین، در تحلیل اهمیت متغیرهای ورودی، با استفاده از روش انتخاب ویژگی برپایة جنگل تصادفی، مشخص شد که شاخص های پیشنهادی در این مطالعه نقش مهمی در طبقه بندی با صحت بالا و کارآمد داشته اند.

این مقاله روشی برای بهبود نتایج حاصل از الگوریتم وارونگی سه مرحله ای، با استفاده از تکنیک تداخل سنجی پلاریمتری راداری و برمبنای مدل دولایه ای پراکنش حجمی نامنظم روی سطوح، عرضه می کند. در روش مرسوم سه مرحله ای، مقادیر فاز زمین و ضریب میرایی و ارتفاع لایة حجمی، در یک روند سه مرحله ای هندسی و بدون نیاز به داده مبنای مدل رقومی ارتفاعی زمین یا اطلاعات اولیه برآورد می شوند. در این روش، برآورد مقادیر میرایی و ارتفاع لایة حجمی، در مرحلة سوم و با جست وجو در فضایی دوبعدی، انجام می شود. در الگوریتم بهبودیافتة مطرح شده، معرفی یک شاخص هندسی جدید برمبنای میزان نفوذ سیگنال حجمی در جنگل، دامنة جست وجوی مقدار میرایی در مرحلة سوم را محدود می کند. شاخص مطرح شده، در جایگاه اطلاعات کمکی، سبب می شود جست وجو در محدودة مناسب تری صورت پذیرد. الگوریتم عرضه شده روی داده های پلاریمتری اینترفرومتری تک خط مبنا و تک فرکانس باند L سنجندة ESAR اجرا شد. محدودیت ایجادشده در دامنة مقدار عددی میرایی، در مقایسه با روش سه مرحله ای، بهبود میانگین دقت 5/2 متر را در ارتفاع برآوردشده نتیجه داد.

بواسطه پیچیدگی عملکردی پدیده آلودگی هوا، از روش های هوش مصنوعی بالاخص شبکه عصبی برای مدل سازی آلودگی هوا استفاده می شود. هدف از این پژوهش دو مدل شبکه عصبی بازگشتی Elman و Jordan در زمینه پراکنش خطا و اعتبارسنجی آنها، به منظور تخمین غلظت ذرات معلق موجود در اتمسفر در شهر اهواز می باشد. پارامترهای مورد استفاده شامل رطوبت، فشار هوا، دما و عمق نوری آئروسل می بوده که مقادیر آن از تصاویر ماهواره ای MODIS و داده های ایستگاه های هواشناسی تهیه شده است. نتایج نشان می داد که مدل Jordan با مقدار RMSE معادل 9/219 میلی گرم بر متر مکعب نسبت به مدل Elman با مقدار RMSE معادل 5/228 دقت برازش بهتری داشته است. مدل Jordan به دلیل استفاده از حلقه های درونی سبب به روز رسانی مقادیر زمینه شده و این امر موجب افزایش صحت مدل می شود. مقدار شاخص R2 ، که نماینده میزان رابطه خطی بین مقادیر پیش بینی شده با مقادیر واقعی است، برای مدل Jordan معادل 5/0 بدست آمده است که درصد تخمین صحیح 50 درصد داده ها را نشان می داد. در نهایت با استفاده ازداده های مربوط به غلظت PM10 برای روز 162 که بالاترین میزان غلظت را داشت با روش درونیابی IDW نقشه توزیع مکانی آن تولید شد. با توجه به گران بودن ایستگاه های آلودگی سنجی پیشنهاد شد از منابع کمکی دیگر مانند اطلاعات داوطلبانه با استفاده از سنسورهای ارزان قیمت موبایل به عنوان ایستگاه کمکی متحرک و کم هزینه جهت افزایش تراکم و پراکنش مناسب ایستگاه ها جهت مدلسازی دقیق تر آلودگی هوا استفاده شود.

روش های بارزسازی تغییرات ابزاری قدرتمند در نمایش تغییرات در سطح زمین به شمار می آیند. برای افزایش دقت نقشه تغییرات تهیه شده می شود از تکنیک های چند مقیاسی که هم زمان مشاهدات را در مقیاس های بزرگ و کوچک انجام می دهند، استفاده کرد. در این تکنیک ها، افزون بر اطلاعات طیفی، اطلاعات مکانی موجود در تصویر نیز در پردازش دخالت داده می شود. یکی از این تکنیک ها، تکنیک چندمقیاسی موجک است. تکنیک موجک در بسیاری از زمینه های پردازش تصویر کاربرد دارد. در تحقیق حاضر، توانایی تکینک موجک در بارزسازی تغییرات با استفاده از تصاویر ماهواره ای TM ارزیابی شده است. پارامترهای مورد نیاز برای تبدیل موجک تعداد سطوح تجزیه و موجک پایه اند. بنابراین، آثار موجک های پایه bior3/7 و db4 و سطوح تجزیه s=1 تا s=6 در نقشه تغییرات نهایی ارزیابی شده است. همه نتایج با استفاده از روش های بررسی دقت، شامل ضریب کاپا و دقت کلی، بیان شده اند. نتایج تأثیر نوع موجک پایه انتخاب شده و سطوح تجزیه را در نقشه تغییرات نهایی نشان می دهد. نقشه تغییرات محاسبه شده با استفاده از موجک پایه bior3/7 دقت کلی بالاتر و آماره کاپای بهتری را درمقایسه با موجک پایه db4 نشان می دهد. به طوری که برای باند 3 با موجک پای، bior3/7 دقت کلی 51/90 و آماره کاپا 79/0 و برای همین باند با موجک پایهdb4 ، به ترتیب، برابر 80/89 و 79/0 است. پارامتر بعدی که در اینجا بررسی شده، تأثیر سطوح تجزیه در دقت نقشه بارزسازی تغییرات است. در هر دو، موجک پایه تا سطح تجزیه 3 روند صعودی دارد و سپس، سیر نزولی پیدا می کند. به طوری که بیشتر دقت کلی و آماره کاپا مربوط به سطح تجزیه 3 در هر دو موجک پایه است. همچنین در این تحقیق بین تکنیک موجک و سه تکنیک تفاضل، نسبت و طبقه بندی نظارت شده مقایسه ای انجام شده است. بررسی نشان می دهد که تکنیک موجک نتایج بهتری دارد.

اعمال تصحیحات اتمسفری به منظور کاهش اثرات مخرب اتمسفری بر کیفیت و صحت داده های ثبت شده، نیازمند دانش جامعی از شرایط، ویژگی ها و رفتار اتمسفر به هنگام گذر سنجنده در مختصات هدف است. امروزه تجهیزات، مدل ها و الگوریتم های بسیاری جهت مطالعه و بررسی مؤلفه های اتمسفری استفاده می شود. بدین منظور در این تحقیق به طراحی و ساخت سامانه بومی تابش سنج خورشیدی جهت محاسبه عمق اپتیکی هواویز ها اقدام گردید. به منظور شبیه سازی و بررسی اثرات ناشی از تغییرات هر مؤلفه اتمسفری از مدل MODTRAN در محیط PCModWin استفاده شد. در این سامانه الکترواپتیکی در دو طول موج 450 و 550 نانومتر، به دلیل محدوده جذبی هواویزها، در دو روز متفاوت ازنظر میزان آلاینده موجود در اتمسفر، داده های شدتی ثبت گردید. به منظور اطمینان از یکنواختی و خطی بودن پاسخ دهی سامانه الکترواپتیک طراحی شده در اندازه گیری تغییرات شدت نور خورشید، به کالیبراسیون رادیومتریک این سامانه اقدام گردید. با استفاده از مدل های اتمسفری، از داده های شدتی ثبت شده، عمق اپتیکی هواویز و میزان نمایانی افقی اتمسفر محاسبه شد. به منظور صحت سنجی و ارزیابی عملکرد سامانه طراحی شده، از داده های عمق اپتیکی به دست آمده از سنجنده MODIS(Aqua) و داده های نمایانی افقی ایستگاه هواشناسی فرودگاه مهرآباد تهران استفاده گردید. نتایج ارزیابی صحت، نشان داد که محاسبه عمق اپتیکی توسط سامانه طراحی شده و سنجنده MODIS(Aqua) هردو در ساعت گذر ماهواره عدد 0.5 را نشان می دهد. همچنین نتایج نشان دهنده همبستگی خوب نمایانی افقی محاسبه شده در این تحقیق با داده های به دست آمده از ایستگاه هواشناسی مرجع می باشد.

استفاده از توابع کسری، در غیاب اطلاعات افمریز مدار ماهواره و هندسه داخلی سنجنده، یکی از بهترین روش ها برای زمین مرجع سازی تصاویر ماهواره ای و استخراج اطلاعات مکانی از تصاویر ماهواره ای است. تعداد زیاد ترم ها و عدم تفسیرپذیری آنها، باعث شده تا تعدد نقاط کنترل مورد نیاز و ایجاد خطای پارامتر های اضافه، به عنوان مهم ترین ضعف های توابع کسری وابسته به زمین شناخته شوند. استفاده از الگوریتم های بهینه سازی، یکی از راهکار های مناسب رفع این ضعف ها است. به همین دلیل از الگوریتم های بهینه سازی مختلف، برای کشف ترکیب بهینه ترم های توابع کسری وابسته به زمین استفاده شده است. از آنجا که سازوکار هریک از این الگوریتم ها با یکدیگر متفاوت است، میزان کارایی و خصوصیات مختلف این الگوریتم ها در کشف ترکیب بهینه ترم های توابع کسری وابسته به زمین متفاوت است اما تفاوت های موجود به صورت جامع، مورد مقایسه و تحلیل قرار نگرفته است. در این مقاله، به منظور بررسی کامل و جامع توانایی های سه الگوریتم بهینه سازی ژنتیک، ژنتیک بهبودیافته و ازدحام ذرات بهبودیافته در کشف ترکیب بهینه ترم های توابع کسری از دیدگاه های مختلف از جمله دقت، سرعت، تعداد نقاط کنترل مورد نیاز و قابلیت اطمینان به نتایج بدست آمده، از 4 تصویر ماهواره ای متعلق به سنجنده های GeoEye-1، IKONOS-2، SPOT-3-1ª و SPOT-3-1B استفاده شده است. اختلاف دقت کمتر از 4/0 پیکسل در نتایج هر یک از الگوریتم های بهینه سازی، 10 تا 12 برابر بودن سرعت الگوریتم ژنتیک بهبودیافته نسبت به دو الگوریتم دیگر، به ترتیب برتری 25/45 و 27 درصدی درجه آزادی الگوریتم بهینه سازی ازدحام ذرات بهبودیافته نسبت به الگوریتم ژنتیک بهبودیافته و ژنتیک و پراکندگی نسبتا یکسان نتایج هر یک از الگوریتم ها در 10 بار اجرای برنامه، حاکی از آن است که دقت هر سه الگوریتم بهینه سازی نسبتا یکسان، سرعت الگوریتم ژنتیک بهبودیافته بیشتر، تعداد نقاط کنترل مورد نیاز الگوریتم ازدحام ذرات بهبودیافته کمتر از دو الگوریتم دیگر و قابلیت اطمینان به نتایج هر یک از الگوریتم های بهینه سازی به منظور کشف ترکیب بهینه ترم های توابع کسری وابسته به زمین، یکسان است.

فراوانی و شدت وقوع پدیده طوفان های گردوغبار طی چند سال اخیر در منطقه غرب آسیا و به ویژه در کشور ایران، افزایش پیدا کرده است. تاکنون آثار زیانبار این پدیده در مراحل گوناگون زندگی گیاهی، جانوری و انسانی بررسی شده است. در این پژوهش، تأثیر این پدیده در بازتابندگی طیفی گیاه گندم که مهم ترین گونه کشاورزی کشور به شمار می رود، بررسی و باندهای بهینه برای هریک از شاخص های باریک باند در مطالعه تأثیر این پدیده در گندم تعیین شده است. دو رقم از گندم (Triticum aestivum L. ) در محیط گلخانه و در شرایط کنترل شده پرورش داده شد و با استفاده از دستگاه تونل باد در طول روزهای متفاوت، بدون گردوغبار، دو، چهار و شش روز، و دو دوره رشد متفاوت، سه برگی شدن و خوشه دهی، درمعرض گردوغبار قرار گرفتند. اندازه گیری طیفی با استفاده از دستگاه طیف سنج Fieldspec-3-ASD با محدوده طیفی کامل انجام شد. چهار شاخص باریک باند طیفی جدید شامل NDVI، RVI، SAVI و PVI برای کل نمونه ها و همچنین، برای نمونه های مراحل سه برگی شده و خوشه دهی به طور جداگانه محاسبه و همبستگی بین این شاخص ها و تعداد روزهای گردوغباری بررسی شد. دقت نتایج تخمین تعداد روزهای گردوغباری با استفاده از R 2 و RMSE و روش اعتبار متقابل سنجیده شد. فقط باندهای بهینه انتخاب شده در شاخص SAVI2 محاسبه شده برای داده های مرحله خوشه دهی در محدوده طیفی SWIR قرار داشت. نتایج نشان دادند که در کل سه حالت، شاخص PVI ارتباط قوی تری (70/0 =RMSE،80/0=R 2 ) به نسبت دیگر شاخص ها، با تعداد روزهای گردوغباری نشان می دهد. همچنین، شاخص ها قابلیت بهتری در تخمین تعداد روزهای گردوغباری در داده های مرحله سه برگی شدن (77/0 67/0 و 80/0 63/0)، درقیاس با داده های مرحله خوشه دهی (91/0 73/0 و 71/0 62/0) نشان دادند. بنابراین، تعداد روزهای گردوغباری با استفاده از روش شاخص های باریک باند در مراحل ابتدای رشد گیاه با دقت بالاتری تخمین زده می شود.

زنجیرة مارکوف مدلی است که از آن برای پیش بینی وضعیت آینده براساس نرخ تغییرات گذشته استفاده می شود. این روش براساس احتمال تبدیل یک نوع پوشش زمین به نوع دیگر است. این احتمالات براساس تغییرات گذشته تولید می شوند و برای پیش بینی آینده به کار می روند. هدف مقالة حاضر ارزیابی مدل مارکوف برای شبیه سازی تغییرات درصد تاج پوشش گیاهی است. برای تهیة نقشة پوشش گیاهی تصاویر سنجندة TM ماهوارة لندست مربوط به سال های 1368، سال 1377 و سنجندة LISS III ماهوارة IRS برای سال 1385 از پناهگاه حیات وحش موته استفاده شد. به منظور پیش بینی وضعیت پوشش گیاهی در سال 1385 از مدل زنجیره مارکوف به وسیله نقشه های تهیه شدة مربوط به سال های 1368 و 1377 و در بازه زمانی 9ساله استفاده شد. دقت تمامی نقشه های تهیه شده در پژوهش ارزیابی شد. نقشة تهیه شده از تصویر سال 1385 برای مقایسه با نقشة تهیه شده از طریق مدل به کار گرفته شد. ضریب کاپا برای نقشة پیش بینی شده از زنجیرة مارکوف در حد متوسط 53 درصد بود. برای بررسی مناطق درست پیش بینی شده و قسمت هایی که باعث ایجاد خطای پیش بینی شده گردیدند، از روش مقایسه پس از طبقه بندی استفاده شد. نتایج نشان دادند به علت کاهش شدید درصد تاج پوشش گیاهی در اکثر مناطق و افزایش آن در مناطق قرق، این روش نتوانسته است با دقت مناسبی پیش بینی کند. اما این روش در مقیاس های کوچک، برای درک کلی از وضعیت آینده ارزشمند است. کلید واژه ها : زنجیرة مارکوف، تصاویر ماهواره، بررسی تغییرات، دقت پیش بینی.

برآورد صحیح رواناب حوضه نقش بسیار مهمی در مدیریت آن دارد. تا به حال محققین زیادی از مدل های یکپارچه، توزیعی و هم چنین از روش های هوشمند مصنوعی به منظور برآورد رواناب حوضه استفاده نمودند. در تحقیق حاضر برای برآورد آبدهی حوضه بار اریه با مساحتی معادل با 112 کیلومتر مربع و متوسط بارش سالانه 72/306 میلی متر از دو مدل توزیعی WetSpa و مدل هوشمند شبکه عصبی مصنوعی ANN استفاده گردید. به منظور اجرای مدل WetSpa از دو دسته اطلاعات شامل نقشه های رستری و اطلاعات هواشناسی و برای مدل شبکه عصبی مصنوعی تنها از اطلاعات هواشناسی استفاده گردید. اجرای مدل های مذکور در دوره ی 5 ساله صورت پذیرفت. به منظور مقایسه نتایج مدل ها، از معیارهای ارزیابی ضریب همبستگی R 2، مجذور میانگین خطای استاندارد RMSE و میانگین قدر مطلق خطا MAE استفاده شد. نتایج بدست آمده نشان داد مدل WetSpa با R 2و RMSE برابر با  m 3/s920/0 وm 3/s  346/0 و هم چنین مدل شبکه عصبی مصنوعی با   R 2و RMSE برابر با m 3/s 959/0 و m 3/s 310/0 توانایی شبیه سازی جریان رودخانه بار اریه را دارند. هم چنین استفاده از مدل شبکه عصبی مصنوعی موجب کاهش خطای برآورد رواناب حوضه به مقدار 6/11 درصد در مقایسه با مدل WetSpa شده است.

تهران به عنوان بزرگترین کلانشهر ایران در زمره آلودهترین شهرهای جهان به حساب می آید. با توجه به تأثیرات آلودگی هوا بر سلامت و محیط زیست، ضرورت شناخت دقیق آلایندهها و مشخص نمودن پهنههای آلوده ضروری به نظر میرسد.هدف این پژوهش، بررسی توانایی داده های سنجنده مودیس، در سنجش آلودگی هوا در کلانشهر تهران و تولید نقشههای کیفی هوا با استفاده از این دادهها و داده های زمینی میباشد. : در این تحقیق داده های مربوط به آلاینده های PM₁₀، ازن، منو اکسید کربن، دی اکسید گوگرد، PM_2.5در سال 1394 با استفاده از روش کریجینگ ساده به عنوان یک روش زمین آماری در حالت های مختلف مورد ارزیابی قرار گرفت و نقشه های سطوح آلاینده ترسیم گردید. همچنین از تصاویر ماهوارهای سطح اول و داده های سطحدوم سنجنده مودیس، برای انجام تحلیلهای کیفی و کمی ذرات معلق هوا در سطوح وسیع استفاده شد. با بکار بردن شاخص اختلاف نرمال گردوغبارمربوط به داده های سطح اول و پارامتر هایی نظیر عمق اپتیکی و نمای انگستروم مربوط به داده های سطح دوم، میزان همبستگی با استفاده از باندهای 3 و 7 سنجنده ی مودیس محاسبه و مقدار RMSE آنها با داده زمینی مربوط به آلاینده PM₁₀ محاسبه گردید. : نتایح نشان داد که همبستگی مناسبی بین پارامترهای تصاویر ماهوارهای و اندازهگیری زمینی وجود دارد. این نوع همبستگی نشانگر توانایی تصاویر این سنجنده در شناسایی گردوغبار جوی است. همچنین در بخش دیگر این تحقیق نقش پارامترهای هواشناسی تأثیرگذار بر آلودگی هوا مورد بررسی قرار گرفته و مشخص شد که آلاینده شاخص غالب در سال 94، ذرات معلق PM_2.5وPM₁₀بوده است. از عوامل موثر در افزایش غلظت آلاینده ها، استمرار شرایط جوی پایداربوده است که باعث انباشت آلاینده ها شده است.

با افزایش روزافزون جمعیت در شهرها، توسعه شهری امری اجتناب ناپذیر است. شهر متشکل از سیستم های باز و زنده و تلفیقی از سیستم های اجتماعی- اکولوژیکی است که روند شتاب زده توسعه شهری موجب تغییر کاربری زمین و در نتیجه آسیب رسیدن به ساختار، عملکرد و فرایندهای اکولوژیکی می گردد. در این میان بهره گیری از دانش اکولوژی با رویکرد سیمای سرزمین و تاب آوری می تواند به تحلیل وضعیت موجود و یافتن راه حل های بهینه کمک نماید . تاب آوری در الگوی ساختار طبیعی شبکه اکولوژیک به میزان وسعت و پیوستگی لکه های سبز بستگی دارد. به همین دلیل برای رسیدن به هدف اصلی این پژوهش که ارزیابی ساختار شبکه اکولوژیک در روند توسعه شهری با رویکرد تاب آوری است، به بررسی روند تغییر پوشش گیاهی در فواصل سال های 1982 تا 2015 در شهر همدان پرداخته شد. در این مطالعه چارچوب مفهومی برگرفته از دانش اکولوژی، نظریات تاب آوری و با استفاده از تصاویر ماهواره ای و تکنیک های سامانه اطلاعات جغرافیایی و سنجش از دور( GIS و RS ) شکل گرفت، تا بتوان مناطق حساس زیستی نسبت به تغییرات و ساخت و سازهای شهری در برنامه ریزی های آتی توسعه شهر را مشخص و مانع از آسیب رسیدن به اکوسیستم طبیعی شهر و حفظ و ارتقاء منابع زیستی باقیمانده در این سرزمین شود. تصاویر ماهواره ای در سال های 1982، 2000 و 2015 با استفاده از نرم افزارهای ArcMap, ENVI در پنج طبقه کاربری اراضی باز، زمین ساخته شده، راه های ارتباطی، پوشش گیاهی و منابع آبی به روش نظارت شده بیشترین شباهت کلاس بندی شدند. پس از تحلیل این نقشه ها به منظور یافتن نوع تغییرات در کاربری اراضی، با استفاده از نرم افزار TerrSetنقشه ها مورد پردازش و تحلیل قرار گرفت و سه نوع متریک سیمای سرزمین شامل ایجاد شدگی، سست شدگی و جدا شدگی در بین این سال ها بررسی شد. نتایج نشان می دهد پوشش گیاهی منطقه از 2/2820 هکتار در سال 1982 به 2/1304 هکتار در سال 2015 تقلیل یافته و در مقابل اراضی ساخته شده و راه های ارتباطی نیز از 4/606 هکتار در سال 1982 به 2/4274 هکتار در سال 2015 افزایش یافته است که این میزان تغییرات نشان از رشد و گسترش بالای شهری و کاهش، خرددانگی و انقطاع سطح پوشش گیاهی و در نهایت افول در تاب آوری شبکه اکولوژی شهر دارد. در پایان تحقیق راهبردهایی به منظور ترمیم آسیب های وارده به شبکه طبیعی اکولوژیک شهر همدان و توسعه آن ارائه شد.

تمدن چند هزار ساله کشو در طی سالیان دراز، شرایط ویژه ای برای رشته های علمی مختلف ایجاد کرده است. یکی از عوامل محرک در جریان گردشگری باستان شناسی و آثار تاریخی می باشد. علاوه بر گذشته کشور شرایط طبیعی ویژه از جمله طبیعت زیبا، غارها و آب های گرم و... همه از عوامل جاذب گردشگر می باشند. یکی از شهرهایی که می تواند به نقطه گردشگری ویژه تبدیل شود شهر آبگرم در استان قزوین می باشد. این تحقیق از نوع توصیفی-تحلیلی بوده و جمع آوری داده ها از طریق بررسی های کتابخانه ای و مطالعات میدانی صورت گرفته است. با شناخت توان ها و قابلیت ها و محدودیت ها و نارسایی های گردشگری در شهر آبگرم، با تجزیه و تحلیل داده ها از مدل SWOT استفاده شده است. یافته های پژوهش نشان دهنده آن است که شهر آبگرم با وجود بر خورداری از ظرفیت های خوب گردشگری، با کمبود امکانات زیربنایی، اقامتی، مسائل مدیریتی و تبلیغات مواجه است. از طرف دیگر، وجود زمینه های اشتغال، درآمدزایی، و سرمایه گذاری های خصوصی و دولتی از راهکارهای توسعه در امر گردشگری می باشد.

در سال های اخیر، شبکه های حسگر بی سیم در کاربردهای متعددی مورد مطالعه قرار گرفته اند. یکی از مسائل مهم مورد مطالعه در این شبکه ها، جایابی بهینه حسگرها به منظور دستیابی به بیشینه مقدار پوشش شبکه در ارتباط با کاربرد تعریف شده شبکه حسگر در شهرهای هوشمند است. اطلاعات متنی (CI) حسگرها از جمله مشخصات و وضعیت حسگر در شبکه، نحوه ارتباط بین حسگرها، اطلاعات محیط پیرامونی آن ها در جانمایی و انجام مأموریت حسگر و نیز پدیده های فیزیکی مرتبط با شبکه حسگر در شهرهای هوشمند که می توانند موجب اختلال در انجام مأموریت محول شده به شبکه حسگرها شوند، به همراه ارتباطات بین آن ها، از عواملی هستند که مطالعه آن ها به جایابی بهینه شبکه های حسگر منجر می شود. پیچیدگی محیط مورد سنجش توسط حسگرها، با وجود موانع گوناگون، ممکن است به عدم پوشش مناطق مختلف در شبکه های حسگر منجر شود. از این رو، یک مسئله اساسی در یک شبکه حسگر، بهینه سازی پوشش مکانی آن است. در گذشته، چندین الگوریتم بهینه سازی محلی و سراسری توسعه یافته در این رابطه، به کار گرفته می شدند. در این مقاله، برای بهینه سازی جانمایی شبکه حسگرها از یک الگوریتم محیط آگاه با مزیت درنظرگرفتن انواع مختلف اطلاعات متنی یا محیطی و براساس کاربردهای خاص شبکه، به صورت مستقل از هر CI، استفاده شده است. درنهایت، نتایج به دست آمده در آزمایش انواع مختلف CI، بیانگر کارآمدی الگوریتم پیشنهادی در جانمایی بهینه سنسورها با استفاده از جنبه های مختلف اطلاعات متنی است.

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.

در تحقیق حاضر، احتمال کانه زایی مس پورفیری در محدودة کوه هنزا در حوالی روستای درب بهشت واقع در بخش جنوبی زون دهج ساردوئیه با استفاده از تصاویر استر بررسی شده است. در این منطقه کانه زایی مس پورفیری در مناطق رمشک، بندر هنزا، سوراخ مار، و گروه شناخته شده است. به منظور شناسایی هاله های دگرسانی فیلیک و آرژیلیک که معمولاً در اطراف کانسارهای مس پورفیری وجود دارند، از دو الگوریتم نقشه بردار زاویه طیفی (SAM) و عملگر منطقی استفاده شده است. روش عملگر منطقی مجموعه ای از نسبت های باندی است که در بخش نخست آن نواحی پوشش گیاهی حذف گردیدند و به دنبال آن با کمک نسبت های باندی هاله های دگرسانی استخراج از یکدیگر متمایز شدند. در روش SAM با توجه به ویژگی های طیفی کانی های دگرسان شده در باندهای مناطق دگرسانی آرژیلیک و فیلیک با استفاده از کانی های خاص، این نوع دگرسانی ها همانند کائولینیت و مسکویت مشخص شدند. محاسبه ضریب تشابه در دو روش مذکور نشان می دهد که میزان تشابه در آن ها در حد متوسط، و ضریب تشابه نقاط معدنی با نواحی تأییدشده با هر دو روش بسیار مناسب است. بنابراین، نواحی ای که در آن هر دو روش SAM و الگوریتم عملگر منطقی همدیگر را تأیید می کنند بیشترین احتمال کانه زایی مس پورفیری را دارند.

بیلان انرژی تابشی دریافتی و برگشتی از کره زمین بیانگر انرژی قابل دسترس در هر بخش از سامانه زمین-اتمسفر می باشد. همچنین تابش خالص خورشیدی بنیادی ترین نیروی محرکه برای تبخیر و تعرق و تمامی کنش و واکنش های میان رویه زمین و اتمسفر می باشد. این برهم کنش ها به گونه ای معنی دار بر اقلیم و دگرگونی آن سایه می افکنند. ازاین رو، برآورد ریزبینانه انرژی خالص در مقیاس گسترده ازنظر مدل های اقلیمی جهانی و منطقه ای حائز اهمیت است. در این پژوهش جهت مطالعه روند تغییراتِ بلندمدتِ میانگینِ ماهانه آلبیدو سطحی (Albedo) از تولیدات آلبیدو سنجندهِ MODIS ماهوارهِ ترا بانام (MCD43B3) استفاده شد. قدرت تفکیک فضایی تصاویر اخذشده، یک در یک کیلومتر برای یک دوره آماری 15 ساله (2014-2000) برای سه ماه آوریل، می و ژوئن بوده است. بعد از اخذ تصاویر از مرکز آرشیو فعال توزیع فرایندهای سطح زمینِ ناسا، تمامی 45 تصویر دانلود شده برای منطقه مورد مطالعه موزائیک و با سیستم مختصات جهانی مرکاتور معکوس با استفاده از روش نمونه برداری نزدیک ترین همسایه ژئو رفرنس شدند. تبدیل فرمت تصاویر به فرمت ASCII مرحله بعدی کار را تشکیل داد که هر ASCII 30080 پیکسل را شامل می شود. درنهایت با استفاده از دو روش آماری برآورد کننده شیب سنس و رگرسیون خطی کلاسیک روند تغییرات بلندمدت میانگین ماهانه آلبیدو در یک مقیاس پیکسل-مبنا مورد تحلیل قرار گرفتند. نتایج حاصل از این دو مدل نشان دادند که این دو مدل در برآورد روند تغییرات میانگین آلبیدو دقیقاً مانند همدیگر عمل نموده اند و تفاوتی با یکدیگر نداشته اند. همچنین نتایج حاصل از این تحقیق نشان داد که کانون بیشترین روند کاهشی شیب تغییرات آلبیدو در شمال شرق می باشد که در این قسمت از دشت به دلیل جاری بودن رودخانه هیرمند، کشاورزی به صورت گسترده ای در آن رواج دارد. مقادیر افزایشی شیب روند تغییرات نیز به صورت بسیار محدود و لکه هایی کوچک و گاهاً بزرگ در شمال، جنوب شرق و مرکز دشت قابل مشاهده است. این روند افزایشی در مقادیر شاخص آلبیدو نیز در شمال دشت دقیقاً منطبق بر خشک شدن دریاچه های سه گانه هامون بوده است. بقیه مساحت دشت نیز که دارای چشم اندازی بیابانی می باشد و فاقد هرگونه پوشش گیاهی و همچنین جمعیت انسانی می باشد روند خاصی را از خود نشان نداده است. در این مطالعه همچنین به روشنی مشخص شد که استفاده از روش ناپارامتریک برآورد کننده شیب سنس و پارامتریک رگرسیون خطی کلاسیک در مطالعات روند تغییرات آلبیدو مناطق خشک منتج از تولیدات ماهواره ای سنجنده مادیس می تواند بسیار کارآمد باشد.

زلزله یکی از مخرب ترین سوانح طبیعی است که در هر زمانی با شدت های مختلف رخ می دهد. زلزله های شدید در محیط های مسکونی باعث تخریب ساختمان ها، راه های اصلی و از همه مهم تر، باعث تلفات جانی می شوند. آشکارسازی ساختمان های تخریب شده ناشی از چنین سانحه ای در زمان مناسب مسئله ای حیاتی برای مدیریت بحران و امدادرسانی به شمار می رود. این پژوهش با هدف تشخیص ساختمان های تخریب شده بر اثر زلزله، با استفاده از تصاویر ماهواره ای با قدرت تفکیک بسیار بالا انجام شده است. جهت نیل به این هدف از تصاویر ماهواره ای با قدرت تفکیک بسیار بالا (VHR) مربوط به قبل و بعد از وقوع زلزله در شهر پورتو پرنس کشور هائیتی در سال 2010 و نقشه تخریب مشاهده شده از منطقه استفاده شده است. در این پژوهش پس از محاسبه ویژگی های بافتی تصاویر، با استفاده از تحلیل همبستگی، توصیفگرهای بافتی بهینه انتخاب شدند. سپس با استفاده از مقادیر بافت های برگزیده و سیستم استنتاج فازی، وضعیت تخریب ساختمان ها طبقه بندی شد. در نهایت، نقشه تخریب به دست آمده، با استفاده از مدل پیشنهادی، با نقشه تخریب منطقه مقایسه شد. دقت نهایی مدل پیشنهادی با استفاده از شاخص Kappa، 82% و همچنین، دقت مدل در تشخیص ساختمان های تخریب شده با استفاده از شاخص Jaccard، %89.69 به دست آمد.