سنجش از دور و GIS ایران

مدل سازی ارتباط بین کاربری با آلودگی هوا کاربردهای فراوانی در مطالعات شهری دارد اما نقش کاربری و پارامترهای گوناگون آن در تغییر غلظت آلودگی هوا، در ساعات متفاوت، می تواند در پیش بینی دقیق تر مکانی زمانی آلودگی به کار رود. در این پژوهش، با مدل سازی رگرسیون کاربری اراضی (LUR) ساعتی به منظور پیش بینی مکانی زمانی آلاینده مونوکسید کربن (CO)، پارامترهای مؤثر در تغییرات زمانی و مکانی این آلاینده، در طول شبانه روز، بررسی شده است. داده های ساعتی ثبت شده در 21 ایستگاه سنجش آلودگی هوا در شهر تهران، طی فصل تابستان، جمع آوری شده و پارامترهای پیش بینی کننده — شامل تراکم و فاصله از متغیرهای متفاوت، مانند شبکه راه ها، پوشش گیاهی، ارتفاع و کاربری های اراضی گوناگون در سیستم اطلاعات جغرافیایی (GIS) — شکل گرفته است. یک مدل کلی و هشت مدل ساعتی در ساعت های 3 بامداد، 6 صبح، 9 صبح، 12 ظهر، 3 بعدازظهر، 6 عصر، 9 شب و 12 شب ایجاد شده است. ضریب تعیین ( ) مدل کلی ایجادشده برابر با 0.7899 است که عملکرد مطلوب و کارآیی این مدل را نشان می دهد. پس از تحلیل مدل های ساعتی تولیدشده، تفاوت هایی در پارامترهای به کاررفته در این مدل ها مشاهده شد که بیان می کنند تغییرات زمانی نیز، به همراه تغییرات مکانی، نقش مؤثری در تشکیل مدل ها در طول شبانه روز ایفا می کنند. مدل های ساعتی در بازه 0.51 تا 0.92 قرار دارند که بالاترین آن مربوط به مدل های ساعات شبانه و پایین ترین آن مربوط به ساعات ظهرگاهی است. پارامترهای راه های دسترسی محلی اصلی و فرعی و مراکز تجاری و اداری بیشترین تأثیر را در افزایش آلاینده CO، در ساعات متفاوت شبانه روز، دارند و وجود اماکن و فضاهای سبز، ورزشی و نیز درمانی در مناطق شهری مکان هایی با غلظت پایین تر آلاینده CO به وجود می آورند.

طی دهه های گذشته، طوفان های گردوغبار از لحاظ مکانی و زمانی همواره در حال افزیش بوده اند. طوفان های گردوغبار خاورمیانه سبب رسیدن آسیب های بی شماری در حوزه سلامت اجتماعی، اقتصادی، زیست محیطی و دیگر موارد به ساکنان مناطق جنوب و جنوب غرب ایران شده است. در این مقاله، به منظور بررسی طوفان های گردوغبار، از داده های سنجنده MODIS استفاده شد. از محاسن داده های سنجنده MODIS، توان تفکیک طیفی و زمانی بالای آن است. در این پژوهش، از دو مجموعه داده MODIS استفاده شد؛ بخش اول، داده های توسعه مدل (رخداد 21-18 ژانویه 2018) و بخش دوم، داده های تست و ارزیابی مدل. داده های هواشناسی نیز، با توجه به بازه زمانی مورد مطالعه، جمع آوری شد. پس از پیش پردازش داده ها و آماده کردن مشاهدات میدانی، ویژگی (ورودی شبکه عصبی مصنوعی) از داده های سنجنده MODIS، به روش پیشنهادی، تولید می شود. ازطریق شبکه عصبی مصنوعی، مدلی مناسب توسعه یافت که، بدین ترتیب، می توان گردوغبار استخراج و پارامتر دید افقی را، هم زمان، برآورد کرد. خروجی مدل با خروجی شاخص NDDI مقایسه بصری شد. سپس، برای بررسی کارآیی روش پیشنهادی، مدل توسعه یافته با داده های مربوط به زمان دیگر تست و خروجی مدل با خروجی شاخص NDDI مقایسه بصری شد. در نهایت، به منظور نشان دادن نقاط قوت و ضعف روش پیشنهادی، ارزیابی دقت ازطریق مقایسه نتایج روش پیشنهادی و پارامتر دید افقی در ایستگاه های سینوپتیک انجام شد. میزان خطای کلی، به ترتیب، 10%، 10%، 15% و 10% درمورد پردازش تصاویر هجدهم ژانویه، نوزدهم ژانویه، بیستم ژانویه و 21اُم ژانویه 2018 و 20% و 25% درمورد پردازش تصاویر 26اُم ژانویه 2019 و 28اُم اکتبر 2018 به دست آمد. با اتصال به پایگاه داده سازمان هواشناسی کشوری، روش پیشنهادی دارای قابلیت به کارگیری در سیستم خودکار استخراج گردوغبار است.

تبخیر تعرق گیاه مرجع متغیری است که مهم ترین جزء چرخه هیدرولوژی محسوب می شود. با توجه به ارتباط مستقیم تبخیر تعرق مرجع با متغیرهای اقلیمی، انتظار می رود افزایش دمای هوا و تغییرات فراسنج های مرتبط با دما در روند و مقدار ETo تأثیر بگذارد. در این مطالعه، ضمن بررسی مهارت داده های شبکه ای CRU در برآورد میانگین سالیانه سه متغیر دمای کمینه، بیشینه و تبخیر تعرق در استان خراسان رضوی، پیش نگری تغییر در مقدار، نوسانات مکانی و روند زمانی این سه متغیر، با استفاده از برون داد چهار مدل سری CMIP5، تحت دو سناریوی واداشت تابشی (4.5 و 8.5) طی دو دوره آینده نزدیک (2050-2021) و آینده میانی (2080-2051) بررسی شد. نتایج نشان داد داده های CRU دارای مهارت مناسبی در شبیه سازی دما در منطقه اند. میانگین سالیانه دمای کمینه، در دوره 2050-2021، تحت هر دو سناریو، بیش از C ᵒ6/1 افزایش خواهد یافت که تحت RCP8.5، مساحت بیشتری از استان دچار این افزایش خواهد شد. این منطقه، طی دوره 2080-2021، با افزایش بیش از Cᵒ3 در میانگین سالیانه دمای کمینه مواجه خواهد شد. افزایش دمای بیشینه در سناریوی RCP8.5 طی دوره میانی، در تمامی استان، حدود Cᵒ4 برآورد شد. مقایسه مقادیر ETo مشاهداتی با برون داد چهار مدل اقلیمی در تمامی نقاط شبکه برای دوره پایه نشان داد، به رغم تفاوت در مقدار، نحوه پراکنش مکانی مقادیر ETo مدل با توزیع مکانی مقادیر مشاهداتی هم خوانی مناسبی دارد. براساس نتایج به دست آمده، طی دو دوره مورد بررسی، این متغیر افزایش خواهد یافت و همان طور که انتظار می رود، تحت سناریوی RCP8.5، درصد افزایش بیش از سناریوی مقابل است. [1] Reference Evapotranspiration (ETo)

چکیده در رابطه های تجربی برای محاسبه زمان تمرکز، شدت بارش حوضه یکنواخت فرض شده است. تغییرات در شدت، مدت و توزیع فضایی از ویژگی های ذاتی بارش های همرفتی شمرده می شود. در این پژوهش، با استفاده از تصاویر و داده های رادار هواشناسی، شدت و مقدار و پراکنش بارش، با تفکیک مکانی پانصد متر شعاعی و تفکیک زمانی پانزده دقیقه، محاسبه شد. سیل هشتم خرداد 1393 در سه حوضه سرمو، زرین گل و رامیان بررسی شد. ابتدا محدوده هریک از حوضه ها در محیط GIS به دست آمد و به صورت برنامه اجرایی برای نرم افزار رادار تعریف شد و سپس، به کمک تصاویر و داده های رادار هواشناسی، شدت و نحوه پراکنش بارش در حوضه های انتخابی واکاوی شد. نتایج نشان داد شدت، مدت و پراکنش بارش تعیین کننده مقدار رواناب حوضه بود. زمان سیل با زمان تمرکز و بیشینه رواناب حوضه اختلاف داشت. واکاوی تصاویر رادار نشان داد که بیشینه رواناب، علاوه بر مجموع بارش حوضه، به پراکنش بارش نیز مرتبط بود. اگر مجموع و پراکنش بارش هم سو بودند، شدت سیلاب افزایش و اگر شدت و مجموع بارش ناهم سو بودند، شدت سیلاب کاهش داشت. در پیش بینی زمان سیلاب و رواناب بیشینه، استفاده از داده های رادار دقتی بیشتر از روش های تجربی داشت.

در تصاویر سار تمام پولاریمتریک، امکان شناسایی و تشخیص اهداف برمبنای خصوصیات پولاریمتریک آن ها وجود دارد. بااین حال، به دلیل پیچیدگی های سنجنده، بیشتر سنجنده های سار در حالت دوپولاریمتریک فعالیت می کنند و فراوانی داده های دوپولاریمتریک بسیار بیشتر از داده های تمام پولاریمتریک است. در این تحقیق، میزان کارآیی مؤلفه های پولاریمتریک استخراج شده از حالت دوقطبی با حالت تمام پولاریمتریک مقایسه شده اند. بدین منظور، مؤلفه های آلفا و انتروپی در سه حالت HH-HV ، HH-VV، HV-VV و تمام پولاریمتریک محاسبه شده است. با هدف بررسی دقیق تر، مقادیر آلفا و انتروپی به تفکیک کلاس های پوشش زمین استخراج شده اند. مقایسه مقادیر خطای مطلق میانگین بین مقادیر آلفا در حالت تمام پولاریمتریک با مقادیر حالت دوپولاریمتریک نشان می دهد که بین حالت HH-HV، با حالت تمام پولاریمتریک، کمترین خطا وجود دارد و بیشترین خطا به حالت HH-VV متعلق است. میزان خطا بین مقادیر انتروپی حالت تمام پولاریمتریک و حالت HH-HV، HH-VV و HV-VV، به ترتیب، برابر 06/0 و 22/0 و 17/0 است. بر این اساس، حالت دوپولاریمتریک HH-HV بیشترین انطباق را با حالت تمام پولاریمتریک دارد و ترکیب باندهای هم قطب HH-VV کمترین انطباق را با حالت تمام پولاریمتریک داراست. در بین کلاس های متفاوت پوشش اراضی، مقادیر آلفای کلاس آب در حالت HH-HV بیشترین نزدیکی را با حالت تمام پولاریمتریک دارد. بین مقادیر انتروپی کلاس های متفاوت پوشش زمین در حالت HH-HV با حالت تمام پولاریمتریک، اختلاف معناداری وجود ندارد. براساس یافته های این تحقیق، نتیجه گیری می شود که ترکیب HH-HV به حالت تمام پولاریمتریک نزدیک تر است.

در سال های اخیر، پدیده تغییر اقلیم و خشکسالی به معضلی جهانی در مناطق خشک و نیمه خشک جهان تب دیل ش ده اس ت. در تحقیق حاضر، تغییرات ماهیانه دی اکسید کربن جو و ذخیره کل آب، در بازه زمانی 2015-2003 در ایران، بررسی شده است. از داده های ترکیب شده با الگوریتم Obsm4MIPs ماهواره GOSAT و سنجنده SCIAMACHY، برای به دست آوردن روند تغییرات غلظت گاز دی اکسید کربن، و داده های ماهواره GRACE، برای تغییرات ذخیره کل آب در بازه زمانی 2003 تا 2015، استفاده شده است. نتایج همبستگی کانونی رابطه ای قدرتمند را، بین غلظت دی اکسید کربن با تغییرات ذخیره کل آب، نشان می دهد. به منظور مدل سازی رابطه بین تغییرات ذخیره کل آب با دی اکسید کربن، میزان تخلیه و مصرف آب های زیرزمینی از مدل رگرسیون گام به گام استفاده شد. نتایج حاصل از مدل رگرسیون بین تغییرات اشاره شده نشان دهنده این است که دی اکسید کربن، با 91/0R 2 =، بیشترین رابطه را با تغییرات ذخیره کل آب در مدل دارد. شایان ذکر است که شناسایی این روابط، در مقیاس کلان، ملموس است و در مقیاس محلی شیوه های مدیریتی در تغییرات منابع آب، به ویژه آب های زیرزمینی، تأثیر بیشتری دارد.