درخت حوزه‌های تخصصی

امروزه از علم سنجش از دور برای مطالعات گیاهی ازجمله تعیین مواد مغذی، بیماری های گیاهی، کمبود آب یا مازاد آن، شناسایی علف های هرز استفاده می شود. گیاه، براساس ویژگی هایی که دارد، با برخورد امواج الکترومغناطیس به آن واکنش های متفاوتی در مقابل امواج (میزان جذب، انعکاس یا عبور) از خود نشان می دهد. ازجمله اطلاعاتی که علم سنجش در این زمینه می تواند به دست آورد میزان مواد مغذی موجود در گیاه است. با تعیین میزان مواد مغذی موجود در گیاه، می توان از مقدار کود مورد نیاز گیاه آگاهی یافت و از سویی، این مواد مغذی، به ویژه گیاهان مرتعی را شناسایی کرد. هدف از این مطالعه تعیین مواد مغذی موجود در گیاهان مرتعی مریم نخودی دارابی، اسفند، پنج انگشت، اسفند رومی، کُنار، شکر شفا با به کارگیری دانش سنجش از دور است. برای رسیدن به این هدف، با استفاده از طیف سنج در بازه طیفی ۳/۰ تا ۱/۱ میکرومتر، واکنش گیاه به امواج الکترومغناطیس مشخص شد. سپس با تعیین مواد غذایی موجود در این گیاهان، رابطه بین میزان انعکاس های امواج الکترومغناطیس با مقدار مواد مغذی در این گیاهان تعیین شد. نتایج نشان داد که در گیاه اسفند رومی باند ۱۰۲۶ نانومتر، در گیاه اسفند باند ۱۰۴۰ نانومتر، در گیاه کُنار باند ۱۰۴۶ نانومتر، در گیاه مریم نخودی باند ۱۰۳۰، در گیاه پنج انگشت باند ۴۰۰ و ۱۰۳۸ و در شکر شفا باند ۱۰۳۸ مؤثرترین باندها در پیش بینی مقدار P مؤثرند. از دیگرسو، به منظور پیش بینی Zn در گیاه اسفند رومی باند ۱۰۲۶ نانومتر، در گیاه اسفند باند ۱۰۴۰، در گیاه کُنار باند ۱۰۴۵، در گیاه مریم نخودی باند ۱۰۳۰، در گیاه پنج انگشت باند ۱۰۱۰ و در شکر شفا باند ۱۰۲۸ مؤثرترین باندها به شمار می روند. به منظور پیش بینی Cu با استفاده از مقادیر باندهای طیفی، مشخص می شود در گیاه اسفند رومی باند ۴۰۲ نانومتر، در گیاه اسفند باند ۴۱۰، در گیاه کُنار باند ۱۰۴۶، در مریم نخودی باند ۱۰۳۰، در پنج انگشت و در شکر شفا باند ۱۰۳۸ مؤثرترین باندها محسوب می شوند.

گسترش شهرنشینی، اثرات معناداری بر کره زمین دارد. یک از اثراتی که امروزه مردم با آن سروکار دارند گرم شدن کره زمین است که به عنوان جزایر حرارتی شهری نمود پیداکرده است. جزایر حرارتی، منطقه شهری است که به میزان قابل توجهی گرم تر از محیط اطراف هست. هدف از پژوهش، استخراج تغییرات مکانی-زمانی جزایر حرارتی شهر شیراز با استفاده از تصاویر ماهواره ای و تعیین رابطه بین نوع پوشش زمین و دمای سطح آن می باشد. در این راستا، ابتدا پیش پردازش های لازم جهت تهیه نقشه کاربری بر تصاویر انجام شد و تغییرات پوشش زمین، آب، باد، پوشش گیاهی و آلبدو و شاخص ضریب دید آسمان محدوده موردمطالعه نیز استخراج و تصاویر ماهواره ای در محیط GIS تهیه و تفسیر شد. نتایج نشان می دهد نقطه شماره 9 (باغات قصرالدشت شیراز) کمترین دما را دارد و همین موضوع نشان دهنده رابطه معکوس فضای سبز با جزایر حرارتی است. استفاده از داده های سنجش ازدور نقش مهمی در مدیریت فضای شهری دارد و به نحوی کارآمد مدیران شهری را در برنامه ریزی فضای شهری یاری می رساند. مصالح ساختمانی شهری تأثیر به سزایی در تشدید جزایر حرارتی دارند به این صورت که به کار بردن مصالح استاندارد تا مقدار زیادی باعث کاهش دما می شود و پوشش گیاهی اثر کاهنده و سطوح ساخته شده، اثرات تشدیدکننده بر جزایر حرارتی دارند. الگوی توزیع مکانی زمانی جزایر حرارتی متأثر از الگوی پراکنش کاربری اراضی است.

تهیه نقشه اراضی کشاورزی یکی از لایه های اطلاعاتی مورد نیاز در مدیریت این زمین ها محسوب می شود. چنین نقشه هایی امکان پایش مستمر زمین های کشاورزی را در طول دوره کشت، فراهم می کنند. در این مطالعه، راهکاری به منظور تولید نقشه اراضی کشاورزی شهرستان شهرکرد، در دو کلاس زراعی و غیرزراعی، با استفاده از سری زمانی شاخص های مستخرج از تصاویر سنتینل 2 داده شده است. ازآن جا که استفاده از منابع داده حجیم یکی از موانع بهبود روش های مبتنی بر سری زمانی تصاویر ماهواره ای به شمار می رود، در این پژوهش از بستر پردازشی گوگل ارث انجین استفاده شده است. روش مطرح شده برمبنای تلفیق نتایج طبقه بندی نظارت شده پیکسل مبنا با نتایج قطعه بندی عمل می کند؛ به نحوی که ابتدا داده های آموزشی طبقه بندی نظارت شده، طی یک فرایند پالایشی سخت گیرانه، بدون نیاز به عملیات میدانی فراهم می شوند. سپس با محاسبه تفکیک پذیری دو کلاس هدف در سری زمانی هر شاخص، شاخص های بهینه انتخاب می شود. در نهایت، با تلفیق نتایج روش های قطعه بندی و طبقه بندی براساس آرای به دست آمده از نتایج طبقه بندی، به هر قطعه تصویری کلاس زراعی یا غیرزراعی نسبت داده می شود. این اقدام، علاوه بر دخالت دادن اطلاعات مکانی اعم از لبه ها و مجاورت های مکانی، توانسته است نویز و نتایج متخلخل طبقه بندی پیکسل مبنا را بهبود بخشد و دقت کلی نقشه نهایی را از 7/90 به 05/96 افزایش دهد. همچنین دقت کاربر دو کلاس زراعی و غیرزراعی به ترتیب 27/3 و 97/7% بهبود را نشان می دهند.

مطالعه پوشش برف، در جایگاه یکی از منابع مهم تأمین آب شیرین، اهمیت بسیاری دارد. با توجه به کوهستانی بودن ایران، امکان اندازه گیری زمینی مساحت زیر پوشش برف وجود ندارد. بر این اساس، استفاده از تصاویر ماهواره ای برای شناسایی ذخیره گاه های برف بسیار مهم است. در این پژوهش، تغییرات زمانی مکانی پوشش برف ایران طی دوره سرد سال، با استفاده از داده های پوشش برف سنجنده مادیس ماهواره ترا، طی دوره آماری 2018-2003 بررسی شد. روند تغییرات پوشش برف و شیب این روند، با استفاده از آزمون های ناپارامتریک من کندال و سنس و نقطه تغییر پوشش برف با استفاده از آزمون بوشند مورد بررسی قرار گرفت. نتایج نشان داد بیشترین مقدار پوشش برف متعلق به ماه ژانویه، با 15/16% و کمترین مقدار پوشش برف مختص به ماه اکتبر، با کمتر از 1% است. کانون اصلی پوشش برف ایران، در دوره سرد سال، در مناطق مرتفع بیش از 4000 متر به دست آمده است. روند تغییرات پوشش برف، در تمامی ماه های مورد مطالعه، منفی و بیشینه شدت کاهشی پوشش برف نیز متعلق به ژانویه بوده است. نقطه تغییر نیز در همین ماه و سال 2008 محاسبه شد که از نظر آماری در سطح 0.05 معنی دار است. روند کاهشی درخور توجه پوشش برف ایران، در دوره سرد، تهدید بزرگی برای منابع آبی ایران به شمار می رود.

مجموعه داده های ابر نقاط لیدار و مدل های سه بعدی ( 3-D ) در استخراج عوارض شهری، مدیریت جنگل داری، شهری و گردشگری، رباتیک، تولید بازی های رایانه ای و موارد دیگر کاربرد گسترده ای دارد. از سویی، وجود نقاط پرت در ابر نقاط لیدار اجتناب ناپذیر است؛ بنابراین تشخیص نقاط پرت و حذف آن از ابر نقاط لیدار به منزله گامی ضروری در پردازش ابر نقاط لیدار شناخته شده است. طی دهه های گذشته، چندین تکنیک تشخیص نقاط پرت در منابع این موضوع معرفی شده است اما بیشتر آنها از نظر زمانی هزینه برند و به نیروی متخصص انسانی نیاز دارند. به منظور کاهش این محدودیت ها، این مقاله رویکرد خودکار جدیدی برای تشخیص نقاط پرت، با استفاده از تکنیک میدان تصادفی شرطی برپایه ماشین بردار پشتیبان ( SVM-CRF ) و روش نمودار جعبه ای، معرفی کرده است. رویکرد نمودار جعبه ای بردار انرژی خروجی SVM-CRF را برای تشخیص نقاط پرت تجزیه و تحلیل می کند. این روش به کمک مجموعه داده محک ISPRS که برای مجموعه داده وهینگن، با هدف طبقه بندی سه بعدی و بازسازی سه بعدی ساختمان ایجاد شده بود، ارزیابی شد. به منظور ارزیابی این روش، ابتدا نقاط پرتی به صورت دستی به مجموعه داده افزوده شد؛ با این تمرکز که این نقاط جزء نقاط پرت چسبیده به اشیا باشند. سپس مراحل تحقیق برای ارزیابی توانایی روش پیشنهادی در تشخیص نقاط پرت انجام شد. نتایج این تحقیق عملکرد مدل پیشنهادی را با دقت کلی 62% نشان داد. اگرچه الگوریتم RANSAC عملکردی بهتر از مدل پیشنهادی دارد، تکنیک زمان بر و پرهزینه تری در مقایسه با تکنیک تشخیص نقاط پرت پیشنهادی است.

انتخاب محل مناسب برای احداث یک مرکز خرید جدید، یک مسئله تصمیم گیری چندمعیاره می باشد که در عین حال افراد و سلایق مختلف در آن دخیل اند. در این پژوهش از سیستم اطلاعات جغرافیایی (GIS) و مدل های تصمیم گیری چند معیاره برای انجام برخی مراحل تحلیل مکانی استفاده و سپس توسعه یک سیستم پشتیبان تصمیم گروهی جهت تجمیع و انتخاب گزینه نهایی پرداخته شده است. برای ایجاد گزینه های محدود تصمیم گیری یک روش دو مرحله ای در این پژوهش پیشنهاد گردید. در مرحله اول، ایجاد نقشه های معیار استاندارد شامل پنج مورد با تحلیل های مکانی و نرمال سازی در نرم افزار ArcGIS انجام گرفت. با توجه به مطالعات صورت گرفته وزن هر معیار مشخص شد و همپوشانی وزن دار لایه ها انجام شد. پس از اعمال گزینه های محدود کننده، شش محدوده به منظور انجام مکان گزینی تحت وب مشخص شد. در مرحله دوم یک سیستم پشتیبان تصمیم گیری مکانی گروهی توسعه یافت. با استفاده از محیط Visual Studio و زبان برنامه نویسی C# و فناوری .NET وب گاهی جهت مشارکت کارشناسان خبره در این زمینه طراحی شد. در معماری این سیستم فناوری AspMap، شامل مجموعه ای از کنترل ها و مؤلفه های نقشه و ابزارهای مکان محور در سمت سرور برنامه اضافه شد. وزن دهی کاربران به معیارها در قالب فرم های طراحی شده به روش فرآیند تحلیل سلسله مراتبی (AHP) انجام گرفته و به کمک stored procedure ها در یک پایگاه داده SQL Server میانگین ارزش هر یک از نقاط انتخابی به صورت آنلاین محاسبه می گردید. نهایتاً نقطه ای که بیشترین امتیاز را در میانگین نظرات کاربران مختلف را داشت به عنوان بهترین مکان جهت احداث مرکز خرید معرفی می شد. نتایج تحقیق نشان داد روش پیشنهادی انعطاف پذیری، سرعت و سهولت بالایی در اعمال نظرات گروهی دارد.

سنجنده های رادار با روزنه مجازی، با داشتن ویژگی های گسترده، پتانسیل بسیاری در انواع کاربردهای سنجش از دوری دارند؛ ازجمله در قطعه بندی به هنگام پوشش و کاربری اراضی. با وجود دو رویکرد مستقل قطعه بندی ناحیه مبنا و مرزمبنا، به دست آوردن نتایج رضایت بخش در صورت استفاده از هریک از رویکردها در تصاویر SAR دشوار بوده است؛ درحالی که می توان با استفاده از اطلاعات مکمل هر دو روش، محدودیت های موجود را برطرف کرد و نتایج حاصل را بهبود بخشید. در این پژوهش، روش نوینی در قطعه بندی با استفاده از تصاویر پلاریمتری SAR و با هدف بهبود نتایج قطعه بندی مطرح شده که از ادغام هر دو رویکرد بهره گرفته است. روش پیشنهادی Felzenszwalb به منزله الگوریتم پیشنهادی ناحیه مبنا، از مجموعه روش های سوپرپیکسل، با دو روش Quickshift و SLIC مقایسه شد. نتیجه مشخص کرد که روش پیشنهادی توانسته است از قطعه بندی بیش ازحد تصویر جلوگیری کند و کارآیی آنالیز قطعه بندی را افزایش درخور توجهی بخشد. روش پیشنهادی قطعه بندی مرزمبنای آنتروپی شانون نیز، در مقایسه با دو روش گرادیان مبنای کنی و لاپلاسین، مرزهای قطعات تصویری را تا اندازه چشمگیری حفظ کرده است. مقایسه نتایج حاصل از اجرای این روش با داده های مرجع، مقادیر 39/10% و 25/11% را درمورد خطای کل، به ترتیب برای تصویر زمان اول و دوم، نشان می دهد. خطای کل، در مقایسه با عملکرد دو روش دیگر، 81/5 و 73/9% در تصویر اول و 16/11 و 86/13% در تصویر دوم بهبود داده شده است. در نهایت، ادغام دو رویکرد پیشنهادی قطعه بندی سبب شده است بهبود دقت در قطعه بندی تصویر پلاریمتری دستاورد مهم این پژوهش محسوب شود.

فقدان اطلاعات بهنگام، مستند و علمی از وضعیت موجود (سطح و پراکنش) صنوبرکاری های استان زنجان یکی مشکلات اصلی مدیران بخش زراعت چوب به منظور برنامه ریزی و مدیریت تأمین چوب در استان است. در این پژوهش، از داده های چندزمانه ماهواره سنتینل 2 برای تهیه نقشه عرصه های صنوبرکاری استان استفاده شد. این داده ها براساس فنولوژی و دوره رویش صنوبر (نیمه دوم مارس تا پایان نوامبر) سال 2018 م.، در شش مقطع زمانی به فاصله سی تا چهل روز، انتخاب شد. تعداد 144 پلی گون نمونه تعلیمی (102 هکتار)، حاصل از برداشت میدانی محدوده صنوبرکاری، با داده های ذکرشده و طبقه بندی نظارت شده در الگوریتم ماشین بردار تصمیم گیری و نقشه پراکنش عرصه های صنوبرکاری استان استخراج شد. نقشه حاصل با ششصد نمونه (حدود 5/1%) به صورت تصادفی انتخاب و در عرصه میدانی، کنترل و ارزیابی صحت شد. نتایج نشان داد مساحت کل عرصه های صنوبرکاری استان 2744 هکتار است که 12/0% از کل مساحت استان زنجان را دربر می گیرد. در این تحقیق، موقعیت دقیق مکانی و مساحت صنوبرکاری ها با صحت کلی 96% برآورد شد. نتایج این تحقیق نشان داد که با ترکیب تصاویر ماهواره ای سنتینل 2 و داده های زمینی مناسب، می توان سطح صنوبرکاری ها و یا سطح و درصد تراکم هر نوع از جنگل را، چه طبیعی و چه دست کاشت، در سطح محلی و منطقه ای و جهانی، با دقت مورد قبولی برآورد کرد.

توسعه با مفهوم عام آن، پیشرفت صنعتی، تکنولوژیکی و فضایی، به ویژه در کشورهای درحال توسعه، به تأثیرات نامطلوب در محیط زیست هم در مقیاس ناحیه ای و هم در سطوح گوناگون منطقه ای، ملی و گاه جهانی منجر شده و به همان میزان، امنیت اکولوژی مناطق را تحت تأثیر قرار داده است. طی دهه های اخیر، توجه بیشتری به امنیت زیست محیطی در جهان شده و روش های گوناگونی برای ارزیابی آن توسعه یافته است اما تا به امروز، بیشتر تحقیقات درمورد امنیت اکولوژیکی براساس مدل فشار وضعیت پاسخ انجام شده است و کمتر مطالعاتی، برمبنای رویکرد مدل اکولوژی سیمای سرزمین، به این مقوله پرداخته اند. همچنین تحقیقات اندکی با تمرکز بر تغییرات پویای امنیت اکولوژیکی، به ویژه شبیه سازی و پیش بینی روند توسعه آینده امنیت محیط زیست انجام شده است. هدف از این تحقیق پایش و پیش بینی وضعیت امنیت محیط زیست در دوره زمانی سال های 1991 تا 2035، با تلفیق الگوریتم ماشین بردار پشتیبانی، مدل اکولوژی سیمای سرزمین، مدل ترکیبی زنجیره مارکوف و سلول های خودکار (CA-Markov) برای حوزه شهرستان نظرآباد از توابع استان البرز است. بدین منظور با طبقه بندی تصاویر ماهواره ای لندست در دو بازه زمانی پانزده ساله طی سال های 1991 تا 2021، روند تغییرات کاربری اراضی منطقه در پنج کلاس کاربری، اراضی ساخته شده، اراضی کشت شده، زمین های مرطوب، پوشش گیاهی و اراضی بایر بررسی شد و برای تهیه نقشه های کاربری سال 2035، از مدل CA-Markov استفاده شد. به منظور کمّی کردن الگوهای سیمای سرزمین در سطح کلاس، متریک های MPS، CA، NP، PLAND، AWMSI، PD و در سطح سیمای سرزمین، متریک های LPI،CONTAG  و SHDI محاسبه شدند. پس از آن، شاخص امنیت اکولوژیک برای متریک های سیمای سرزمین منطقه مورد مطالعه، مدل سازی شد. نتایج حاکی از کاهش یکپارچگی و افزایش تعداد لکه ها در کلاس اراضی کشت شده و توسعه و گسترش اراضی انسان ساخت در این اراضی بود و از دیگرسو، شاهد بروز پدیده یکپارچگی در اراضی بایر منطقه بودیم؛ ازاین رو امنیت اکولوژیکی منطقه در دوره مورد بررسی، متأثر از وقایع یادشده، طی سال های 1991 تا 2006 با شدت بیشتر و در سال های 2006 تا پیش بینی 2035، با شیب ملایم تری رو به کاهش ارزیابی شد. در پایان، رعایت بیش از پیش ملاحظات محیط زیستی و اصول حفاظت و حمایت در برنامه های توسعه ای منطقه پیشنهاد شد. برای این منظور با استفاده از طبقه بندی تصاویر ماهواره ای لندست در دو بازه زمانی پانزده ساله بین سال های 1991 و 2006 و 2021، روند تغییرات کاربری اراضی منطقه مورد مطالعه در پنج کلاس کاربری؛ اراضی ساخته شده ، اراضی کشت شده ، زمین های مرطوب ، پوشش گیاهی و اراضی بایر مورد بررسی قرار گرفت و جهت کمی کردن الگوهای سیمای سرزمین در سطح کلاس متریک های MPS،CA،NP،PLAND،AWMSIT،PD و در سطح سیمای سرزمین متریک های LPI،CONTAG و SHDI محاسبه شدند. برای تهیه نقشه های کاربری سال 2035 از مدل CA-Markov استفاده گردید و سپس شاخص امنیت اکولوژیک برای متریک های سیمای سرزمین منطقه مورد مطالعه مدل سازی شد. نتایج حاکی از کاهش یکپارچگی و افزایش تعداد لکه ها در کلاس اراضی کشت شده و توسعه و گسترش اراضی انسان ساخت در این اراضی بوده و از طرف دیگر شاهد بروز پدیده یکپارچگی در اراضی بایر منطقه بوده ایم. از این رو امنیت اکولوژیکی منطقه، طی دوره مورد بررسی، متاثر از وقایع فوق، طی سال های 1991 تا 2006 با شدت بیشتر و در سال های 2006 تا پیش بینی 2035 با شیب ملایم تری رو به کاهش ارزیابی شد. از این رو رعایت بیش از پیش ملاحظات محیط زیستی و اصول حفاظت و حمایت در برنامه های توسعه ای منطقه، ضروری به نظر می رسد.

با توجه به تأثیر خشکسالی در کیفیت و کمّیت آب، هدف از این مطالعه بررسی خشکسالی با استفاده از شاخص های خشکسالی و ارتباط آن با میزان کیفیت آب در مناطق شمالی استان فارس ایران است. برای این منظور، شاخص های خشکسالی PCI، TVDI، NDVI در سال های 2000 تا 2020 استفاده شد. در ادامه، نقشه های پهنه بندی عناصر آب (Ca، Cl، EC، K، Na، Mg) با استفاده از روش کریجینگ تولید شد. سپس با به کارگیری روش شبکه های عصبی (MLP)، میزان عناصر آب با استفاده از شاخص های خشکسالی پیش بینی شد. نتایج نشان داد که با توجه به مقادیر شاخص های خشکسالی، روند تغییرات خشکسالی در منطقه از سال 2000 تا 2020 افزایشی بوده و بخش های جنوبی منطقه در وضعیت حادتری به نسبت دیگر بخش ها قرار دارد. نتایج حاصل از نقشه های پهنه بندی عناصر آب هم نشان داد که در بخش های جنوبی، غلظت املاح بیشتر از بخش های شمالی است. طبق نتایج حاصل از همبستگی بین شاخص های خشکسالی و مقادیر عناصر آب، Ca همبستگی بالایی (820/0 R=) با شاخص TVDI دارد و عناصر Cl، EC، K، Na، Mg نیز دارای همبستگی معنی داری (80/0 R>) با شاخص PCI است. نتایج حاصل از روش MLP، برای پیش بینی وضعیت کیفیت آب با استفاده از شاخص های خشکسالی، نشان داد که در مناطق جنوبی میزان املاح بیشتر و در نتیجه، کیفیت آب کمتر است. میزان دقت مدل در پیش بینی عناصر Cl، EC، K، Na، Mg، TH،TDS  با استفاده از شاخص PCI برابر با 85/0 R 2 = و درمورد عنصر Ca، با استفاده از شاخص TVDI برابر با 71/0 R 2 = است.

فرود اتوماتیک یکی از موضوعات و چالش های مهم در حوزه کنترل و اتوماسیون پهپادهای بدون سرنشین است. توسعه الگوریتم های فرود اتوماتیک نیازمند تعیین موقعیت پهپاد نسبت به محل فرود است که این کار، در حوزه های پردازش تصویر، به تشخیص دقیق و سریع محل فرود نیاز دارد. ازجمله روش های معمول، در این زمینه، طبقه بندی کننده آبشاری و تناظریابی و قطعه بندی تصویر است که به نظر می رسد، با تغییرات آب و هوایی و مقیاس متفاوت، این الگوریتم ها با چالش مواجه شوند. از طرف دیگر، در سال های اخیر شبکه های کانولوشنی عمیق به منزله مدل هایی قوی به منظور شناسایی و تشخیص اشیا در تصاویر به کار رفته اند؛ بااین حال با توجه به بار محاسباتی زیاد، این مدل ها هنوز در حوزه پرنده های بدون سرنشینی که از لحاظ سخت افزاری سبک اند و قدرت پردازش ضعیفی دارند، کاربرد جدی نیافته اند. هدف این مقاله مقایسه دو روش شبکه های عمیق کانولوشنی و طبقه بندی کننده آبشاری برای تشخیص آنی محل فرود است. نتایج عملی کردن روش ارائه شده روی یک پرنده Parrot AR Drone2.0 نشان می دهد که شبکه های کانولوشنی در مقابل دوران، مقیاس، انتقال و حتی پنهان شدگی پایداری بسیار زیادی دارند. دقت تشخیص در این روش 1/99 است که، در قیاس با روش طبقه بندی کننده آبشاری، 3% بیشتر است و درعین حال از لحاظ سرعت نیز، مناسب کاربردهای آنی است.

در بسیاری از کشورها به ویژه ایران، برنج به یکی از اقلام اساسی به لحاظ امنیت غذایی تبدیل شده است. در این تحقیق، به منظور تهیه نقشه سطوح شالیزاری، با توجه به ویژگی های فنولوژیکی گیاه برنج و به کمک داده های سالیانه دمای سطح زمین سنجنده مادیس، ابتدا برنامه زمانی برای انتخاب تصاویر سری زمانی ماهواره لندست 8 تنظیم شد. پس از دریافت داده های ماهواره ای، به روش شیء مبنا و با بهره گیری از توابع فازی، به طبقه بندی تصاویر و در نهایت، استخراج اراضی شالیزاری در حوزه شهرستان رشت پرداخته شد. به منظور بهبود و ارتقای نتایج، در این تحقیق طی فرایند طبقه بندی تصاویر ماهواره ای، از داده های متنوعی مانند مدل رقومی زمین، داده های دمای سطح زمین و شاخص های طیفی همچون NDVI، EVI، NDBI و LSWI در کنار اطلاعاتی درباره ویژگی های خاص عوارض و اشیای داخل تصویر، استفاده شد. با توجه به خصوصیات ویژه اراضی شالیزاری، از مدل رقومی ارتفاعی 12.5متری برای تشخیص بهتر اراضی شالیزاری از دیگر پوشش های گیاهی، بهره گرفته شد. همچنین بین نتایج حاصل از طبقه بندی به روش شیء مبنا و پیکسل مبنا، مقایسه ای صورت گرفت؛ در نهایت، مشخص شد که روش طبقه بندی شیء مبنا می تواند، با ملاحظات خاصی، نتایجی بهتر از روش پیکسل مبنا دربر داشته باشد. نتیجه طبقه بندی با روش پیکسل مبنا، پس از اعتبارسنجی، دقت کلی 92% را نشان داد و ضریب کاپا در این روش 89/0 برآورد شد. طبق روش طبقه بندی شی ء مبنا، نتایجی با دقت کلی 94% به دست آمد و ضریب کاپا نیز 92/0 حاصل شد.

پایش خشکسالی، به منظور هشدار سریع برای خطر خشکسالی، بسیار حیاتی و مهم است. در این پژوهش، سعی شده است که شاخص پایش خشکسالی VDI براساس باندهای متفاوت داده های ماهواره ای مادیس، با تفکیک مکانی متوسط، توسعه یابد. شاخص VDI به تنش آب در گیاهان می پردازد. مطالعات طیفی نشان داده است که بازتابندگی باند فروسرخ موج کوتاه (SWIR) با محتوای آب برگ ارتباط منفی دارد و به دلیل حساس بودن SWIR به محتوای آب برگ، در ایجاد شاخص های گوناگون سنجش از دور، ازجمله VDI و به منظور شناسایی محتوای آب گیاهان، کاربرد گسترده ای دارد. این پژوهش نقشه های خشکسالی شاخص VDI را براساس میزان حساسیت به رطوبت، با استفاده از بازتابش باند های 5 و 6 فروسرخ موج کوتاه SWIR (VDI5 و VDI6) مادیس، ارزیابی کرده است. بدین منظور از تصاویر ماهواره ای مادیس و داده های بارش ماهیانه مدل جهانی GLDAS، در محدوده استان سیستان و بلوچستان در دوره زمانی نوزده ساله ای (2018-2000) استفاده شد. برای ارزیابی دقت نقشه های محاسبه شده براساس دو باند، ضریب همبستگی پیرسون به کار رفت. نتایج همبستگی بالایی را میان شاخص VDI6 و داده های بارش نشان داد و مشخص شد که باند 6 موج کوتاه فروسرخ، در استان سیستان و بلوچستان، به شرایط خشک خاک بیشترین واکنش را نشان می دهد؛ ازاین رو این مطالعه استفاده از شاخص VDI براساس باند 6 را برای شناسایی زودهنگام و نظارت بر خشکسالی کشاورزی در برنامه های عملیاتی مدیریت خشکسالی، پیشنهاد می کند.

گردآوردی اطلاعات میدانی دقیق، به منظور مدیریت پایدار مناطق جنگلی، مستلزم صرف زمان و هزینه بالایی است؛ بنابراین استفاده از روش های نمونه برداری و تصاویر ماهواره ای جایگزین مناسبی برای این کار خواهد بود. هدف پژوهش حاضر تأثیر طرح های گوناگون نمونه برداری خوشه ای در برآورد مشخصه های کمّی جنگل های سامان عرفی اولادقباد شهرستان کوهدشت، استان لرستان، با استفاده از تصاویر سنجنده سنتینل 2 است. به منظور برآورد مشخصه های مورد بررسی، 150 خوشه در قالب شش طرح (مثلث، مربع، ستاره ای 1، خطی، اِل شکل و ستاره ای 2) در منطقه ای به مساحت تقریبی 4500 هکتار ایجاد شد. هر خوشه شامل چهار ریزقطعه نمونه، با مساحت هفتصد مترمربع (شعاع ریزقطعه نمونه دایره ای برابر با پانزده متر و فاصله بین ریزقطعه نمونه ها از هم، شصت متر) بود. سپس در هر ریزقطعه نمونه ، مشخصه های تعداد و مساحت تاج درختان اندازه گیری شد. پس از پیش پردازش و پردازش تصاویر (تجزیه مؤلفه اصلی، آنالیز بافت و ایجاد شاخص های گیاهی)، ارزش های رقومی متناظر با قطعات نمونه زمینی از باندهای طیفی استخراج و به منزله متغیرهای مستقل، در نظر گرفته شد. مدل سازی با استفاده از روش های ناپارامتریک جنگل تصادفی، ماشین بردار پشتیبان و نزدیک ترین همسایه انجام شد. نتایج نشان داد میانگین تراکم در هکتار 51 اصله و سطح تاج پوشش 3294 مترمربع در هکتار است. نتایج اعتبارسنجی نشان داد که درمورد هر دو مشخصه تراکم و سطح تاج پوشش، الگوریتم جنگل تصادفی به همراه طرح های نمونه برداری خطی و ستاره ای 2، به ترتیب با درصد مجذور میانگین مربعات خطا 00/46 و 44/10 و اریبی (02/0- و 82/2%)، عملکرد بهتری در مدل سازی داشته است. به طورکلی نتایج اعتبارسنجی مشخص کرد استفاده از طرح های متفاوت نمونه برداری خوشه ای، روش های مدل سازی ناپارامتریک جنگل تصادفی و تصاویر سنجنده سنتینل 2 کارآیی بهتری در برآورد مشخصه تاج پوشش دارد اما، در مقابل، عملکرد مناسبی در برآورد تعداد در هکتار را نداشته است.

تحقیق حاضر با هدف ارزیابی دقت داده های ماهواره ای سنجنده مادیس در پایش ریزگردها (ذرات PM 10 )، به منظور مقایسه با داده های ایستگاه زمینی سنجش آلودگی در شهر سنندج انجام گرفته است. بدین ترتیب، میزان عملکرد داده های ماهواره ای در اندازه گیری ریزگردها، در ایستگاه زمینی سنندج، مشخص می شود. ابتدا داده های ماهواره ای عمق نوری (ذرات PM 10 ) سنجنده مادیس، متناظر با داده های PM 10 زمینی تهیه شده از ایستگاه زمینی پایش آلودگی واقع در شهر سنندج، به دست آمد؛ آنگاه ضریب همبستگی دو سری داده محاسبه شد. برای پیش بینی دقیق داده های PM 10 ، دو مدل آریما و شبکه عصبی مصنوعی به کار رفت. داده های AOD سنجنده مادیس با استفاده از روش حداکثر برآورد احتمال و وزن به دست آمده از ریشه میانگین مربعات خطا، به منظور استفاده در این دو مدل، ترکیب شدند. در نهایت، روش مقایسه منفرد برای هریک از مدل ها و نیز مقایسه مدل ها، با هدف شناسایی مدل بهتر در تشخیص و پیش بینی داده های PM 10 حاصل از سنجنده مادیس، اعتبارسنجی شد. در مدل شبکه عصبی، ضریب همبستگی در مرحله آموزش 52%، در مرحله آزمون 53%، RMSE برابر با 62/1 و MAE برابر 62/2 به دست آمد. طبق محاسبات، مدل آریمای 1-0-3 تنها مدل مورد قبول با R برابر با 46/0و 06/0MAE= و 69/0RMSE= است. این بیان می کند مدل آریما مدل مناسبی برای پیش بینی داده هاست اما دقت مدل شبکه عصبی، در ارزیابی میزان همبستگی بین داده ها، بیشتر تشخیص داده شد. نتایج تحقیق نشان داد که بین داده های عمق نوری ریزگرد سنجنده مادیس با داده های زمینی رابطه مستقیمی وجود دارد و این الگوریتم قادر به شناسایی گردوغبار است و می تواند جایگزین مناسبی برای محصولات PM 10 تولیدشده از سوی ایستگاه زمینی باشد.

در سال های اخیر، با تغییر کاربری و توسعه اراضی کشاورزی در حوضه های کشور، میزان فرسایش و تولید رسوب افزایش یافته است. با توجه به اینکه در بیشتر زیرحوضه ها، آمار ایستگاه های رسوب سنجی به صورت درازمدت ثبت نشده است، برآورد میزان رسوب و فرسایش با مشکلاتی مواجه است. هدف از این پژوهش تعیین عوامل مؤثر در فرسایش و رسوب و تعیین مقادیر کمّی فرسایش در حوضه آبخیز خورخوره در استان کردستان است. به این منظور، ابتدا با استفاده از نقشه های توپوگرافی، زمین شناسی و عکس های هوایی در محیط GIS، نقشه نوع و گونه های فرسایش تهیه شد و این نقشه ها، با بررسی های صحرایی، تدقیق و ارزیابی شدند. براساس مدل MPSIAC، عوامل نُه گانه مؤثر در فرسایش درمورد تمامی زیرحوضه ها، به تفکیک بررسی شد و امتیازات هر عامل به دست آمد. با جمع امتیازات عوامل، درجه رسوب دهی برای هر زیرحوضه تعیین و سپس مقدار رسوب و فرسایش ویژه و فرسایش کل در هر زیرحوضه محاسبه شد. نتایج نشان داد عوامل توپوگرافی و وضعیت فعلی فرسایش بیشترین نقش و عامل آب وهوا کمترین نقش را در میزان رسوب دهی حوضه دارند. طبق نتایج، 92% کل حوضه دارای درجه رسوب دهی زیاد در کلاس فرسایش درجه چهار است. نسبت رسوب تحویلی حوضه (SDR) بین 32 تا 50% متغیر است. کمترین و بیشترین مقدار فرسایش ویژه در زیرحوضه های متفاوت، به ترتیب معادل 10 و 35 تن بر هکتار در سال، به دست آمد. مقدار رسوب ویژه و فرسایش ویژه کل حوضه نیز، به ترتیب 4/6 و 4/17 تن بر هکتار در سال، حاصل شد.

برآورد پتانسیل تولید هر گیاه تابعی از شرایط اقلیمی، پتانسیل های ژنتیکی گیاه و دیگر عوامل گوناگون محیطی و مدیریتی است. ارزیابی توانمندی مناطق، در به فعلیت رساندن پتانسیل های ژنتیکی گیاهان، از نکات مهم برنامه ریزی های کلان در کشاورزی به حساب می آید. با توجه به جایگاه استان قزوین در تولید محصول ذرت و اهمیت کشت این محصول در استان، برآورد هرچه دقیق تر میزان عملکرد این محصول استراتژیک بسیار ضرورت دارد. در همین زمینه، با مطالعه یک دوره داده برداری یازده ساله، عملکرد محصول ذرت با مدل گیاهی جدید AquaCrop-GIS برآورد شد. پهنه بندی شاخص های کلیدی محصول از طریق مدل در سطح استان شبیه سازی شد. با بررسی نتایج این پارامترهای کلیدی، مشخص شد ایستگاه های مطالعاتی قزوین و معلم کلایه با میزان تبخیر و تعرق مرجع کمتر دارای بهره وری آب بیشتری است. در ادامه با استفاده از عملکرد محاسباتی، اجزای ردپای آب و ردپای آب کل محصول در محدوده ایستگاه های مطالعاتی تخمین زده شد. با بررسی معادلات رگرسیونی میان اجزای ردپای آب و ردپای آب کل محصول با عملکرد محصول در هر ایستگاه، مشخص شد روابط ردپای آب آبی با عملکرد به نسبت دیگر اجزای ردپای آب درمورد تمامی ایستگاه ها، از میزان ضریب تعیین (43/0= R 2 ، 51/0= R 2 ، 43/0= R 2 ، 77/0= R 2 و 79/0 = R 2 به ترتیب درمورد ایستگاه های قزوین، آوج، معلم کلایه، تاکستان و بویین زهرا) و سطح معنی داری برخوردار است. به طورکلی ضریب تعیین این روابط در ایستگاه بویین زهرا با 88/0= R 2 ، 79/0= R 2 ، 56/0= R 2 و 53/0= R 2 به ترتیب برای ردپای آب سبز، آبی، خاکستری و ردپای آب نسبت به سایر ایستگاه ها، بیشتر برآورد شد؛ به این معنی که کاهش عملکرد در این ایستگاه تأثیر بسزایی بر افزایش ردپای آب کل محصول داشت.

نقشه های کاربری زمین، توزیع فضایی منابع طبیعی، مناظر فرهنگی و سکونتگاه های انسانی را توصیف می کنند که به منزله ابزار برنامه ریزی مهمی برای تصمیم گیرندگان عمل می کند؛ بنابراین دقت نقشه های حاصل از طبقه بندی تصاویر ماهواره ای در عدم قطعیت به منظور مدیریت شهری بسیار تأثیرگذار است. با توجه به کیفیت یکنواخت تصاویر در مناطق بزرگ در مراحل زمانی منظم، تصاویر سنجش از دور ورودی ضروری در تولید نقشه های کاربری زمین شمرده می شوند. هدف اصلی از این تحقیق پیشنهاد کردن روشی به منظور ایجاد نقشه پوشش اراضی دقیق در مناطق شهری، با استفاده از تلفیق داده های سنتینل 1 و سنتینل 2 است. به این منظور، ویژگی های ضریب بازپراکنش راداری VV و دو پارامتر حاصل از روش تجزیه H-α (آنتروپی، آلفا) از تصاویر راداری سنتینل 1 و ویژگی های باند آبی، سبز، قرمز، شاخص های NDVI، NDWI، MNDWI و SWI از تصاویر اپتیک سنتینل 2 استخراج و به منزله مؤلفه های تأثیرگذار در طبقه بندی منطقه شهری استفاده شد. در این مطالعه، با هدف جداسازی مناطق کشاورزی از سایر پوشش ها، از شاخص رطوبت SWI استفاده شد. همچنین داده های ارتفاعی برای تفکیک بهینه کلاس های پیچیده با توپوگرافی متفاوت به کار رفت. استخراج شاخص های تأثیرگذار از این دو مجموعه داده، در رویکردی شیءگرا مبتنی بر الگوریتم های ماشین بردار پشتیبان و جنگل تصادفی، برای طبقه بندی کاربری زمین ارزیابی شد. نتایج نشان داد که به کارگرفتن ویژگی های استخراج شده از تصاویر راداری و اپتیک به طور هم زمان، در روش طبقه بندی شیء گرا، می تواند ویژگی های شیء را به طور کامل در ناحیه مورد مطالعه استخراج کند. در مورد هر دو الگوریتم طبقه بندی، زمانی که از داده های اپتیک و راداری به طور هم زمان استفاده شد، دقت کلی طبقه بندی افزایش داشت. در مورد روش جنگل تصادفی که بیشترین دقت ها را دربر داشت، دقت کلی برای رویکرد ترکیب داده های راداری و اپتیک به میزان 13 و 5%، به ترتیب به نسبت رویکرد تنها ویژگی راداری و تنها رویکرد ویژگی اپتیک، افزایش پیدا کرده است. همچنین اختلاف معنی داری در دقت طبقه بندی، در تمامی سطوح، بین الگوریتم طبقه بندی ماشین بردار پشتیبان و جنگل تصادفی دیده می شود. نتایج نشان داد که دقت کلی درمورد روش طبقه بندی جنگل تصادفی و ماشین بردار پشتیبان به ترتیب برابر 3/83 و 8/79% و ضریب کاپا به ترتیب 72/0 و 68/0% بوده است.

طراحی الگوریتم های سنجش از دور و توسعه روش های گوناگون پردازش تصاویر ماهواره ای، برای شناسایی کانسارهای مس پورفیری، ازجمله موضوعات مهم مطالعات در زمینه ارزیابی منابع معدنی و بهره برداری بهینه از آنهاست. به این منظور، تعیین نواحی دگرسانی ابزار مناسبی به منظور طراحی الگوهای مورد قبول اکتشافی فراهم می آورد. در این پژوهش، با راهبردی جامع و با استفاده از تعیین حدود دگرسانی های مرتبط با کانسار مس پورفیری برمبنای مدل لوول و گیلبرت با سه نوع راهبرد متفاوت (پردازش های بصری، طیفی و آماری) و همچنین استخراج خط واره ها در منطقه مورد مطالعه، محدوده تمرکز ماده معدنی برای حفاری پیشنهاد شد. منطقه مورد مطالعه، در این مقاله، کانسار مس پورفیری مسجدداغی در شمال شرق استان آذربایجان شرقی است. در این پژوهش، از تصاویر ماهواره ای چندطیفی استر، سنجنده OLI لندست 8 و سنتینل 2 برای پردازش های گوناگون مانند ترکیبات نسبت های باندی، تحلیل مؤلفه اصلی و روش های پردازش طیفی پیکسل مبنا و زیرپیکسلی، ازجمله SAM و MTMF و پردازش های آماری مبتنی بر الگوریتم عملگر منطقی استفاده شد. در نهایت، با فازی سازی و تلفیق لایه های حاصل از پردازش های تصاویر ماهواره ای با ساختارهای هندسی منطقه (خط واره ها) که روی داده های سنتینل 2 به دو روش خودکار و نیمه خودکار استخراج شدند، نتایج در فضای GIS تحلیل شد و پس از مقایسه نتایج ارائه شده با تحلیل نمونه های زمینی، صحت و تطابق مناطق مورد نظر تأیید شد. دقت کاربر و سازنده درمورد محدوده دارای اولویت به ترتیب 54/78% و 36/78% به دست آمد که معیار سنجش مناسب تری برای معرفی محدوده مرکز حفاری است. 

پوشش گیاهی موتور محرک کره زمین است؛ تبادلات انرژی و آب بین اتمسفر و زمین را کنترل می کند و در چرخه های جهانی انرژی، اکسیژن، دی اکسیدکربن و آب نقش مهمی دارد. پایش و مدیریت پوشش های گیاهی با استفاده از پارامتر های بیوفیزیکی و بیوشیمیایی آن، مانند LAI، انجام می پذیرد. شاخص سطح برگ (LAI) از مهم ترین پارامترهای پوشش گیاهی است که در اغلب مدل سازی ها مانند مدل سازی چرخه های آب، انرژی و کربن استفاده می شود. رویکردهای بازیابی متفاوتی، به منظور استخراج اطلاعات پارامترهای بیوفیزیکی از داده های سنجش از دوری، توسعه یافته است. در تحقیق حاضر، از روش فیزیکی معکوس مدل انتقال تابش PROSAIL، مبتنی بر جدول LUT، با هدف بازیابی متغیر LAI استفاده شده است. همچنین داده های زمینی برداشت شده طی کمپین SPARC 2003 برای ارزیابی صحت متغیر بازیابی شده به کار رفت. برای رفع مشکل ill-posed، چهار دسته از معیارهای هزینه با عنوان اندازه گیر اطلاعات (IM)، حداقل اختلاف (MC)، اندازه گیر زاویه (SAM) و خطای حداقل مربعات (LSE) به همراه نرمال سازی و میانگین بهترین جواب ها استفاده شد. نتایج بهبود تخمین متغیر LAI را با استفاده از معیار اندازه گیر اطلاعات (Kulbak-liebler)، به میزان 12% و با استفاده از 11% میانگین بهترین جواب ها نشان دادند. تابع هزینه LSE نیز در قیاس با حالت نرمال نشده، 7% بهبود یافت.