سنجش از دور و GIS ایران

ارزیابی خشک سالی، ازنظر زمانی و مکانی، برای برنامه ریزی های کاهش خسارات در استان کردستان اهمیت بسیاری دارد. در این تحقیق، از شاخص بارش استانداردشده و همچنین، شاخص پوشش گیاهی بارزشده استخراجی از تصاویر ماهواره ای، به منزله پارامتر تعیین کننده خشک سالی، استفاده شده است. به این منظور، داده های آماری ایستگاه های هواشناسی شامل حداکثر دمای ماهیانه، مجموع بارش سالیانه و نیز تصاویر سنجنده مادیس به کار رفته است. با مقایسه پارامترهای هواشناسی شامل میانگین دمای سالیانه، میزان بارش سالیانه و همچنین مقایسه نقشه های شاخص بارش استاندارد و شاخص پوشش گیاهی بارزشده، وضعیت خشک سالی منطقه در دوره زمانی هفده ساله ای بررسی شده است. نتایج بررسی دو شاخص بارش استانداردشده و پوشش گیاهی بارزشده نشان می دهد که خشک سالی ناشی از تغییرات بارشی دارای راستای غرب به شرق است و پدیده خشک سالی در مناطق شرقی شدت بیشتری دارد. در این راستا، مناطق جنوبی حساسیت بالاتری نشان داده اند که در مجموع، مناطق جنوبی، به ویژه جنوب شرق استان، بیشترین آسیب پذیری را در پدیده خشک سالی داشته اند. مناطق دارای حساسیت بسیار بالای خشک سالی حدود 10% مساحت اراضی استان را پوشش می دهد و این درحالی است که 91% از مساحت مناطق با حساسیت بسیار زیاد خشک سالی در کاربری کشت گندم دیم قرار دارد.

سپیدایی از ﭘﺎراﻣﺘﺮﻫﺎی ﻣﻮرد ﻧیﺎز در ﻣﻄﺎﻟﻌﺎت زیﺴﺖ ﻣﺤیﻄی و آب و ﻫﻮایی به شمار می رود؛ ازاین رو، بررسی رفتار زمانی و مکانی آن می تواند ابزاری برای شناخت تغییرات محیطی باشد. ﺳﻨﺠﻨﺪه مودیس سپیدایی ﺳﻄﺢ زﻣیﻦ را به طور ﻣﺴﺘﻤﺮ، در ﻣﻘیﺎﺳی ﺟﻬﺎﻧی و ﺑﺎ ﻗﺪرت ﺗﻔکیک ﻣکﺎﻧی مناسب ﺗﻮﻟیﺪ و در دسترس پژوهشگران ﻗﺮار داده است. در این پژوهش، برای واکاوی موانع برداشت/ دیدبانی سپیدایی ایران زمین، نخست داده های روزانه سپیدایی سنجنده مودیس در محدوده ایران، در بازه زمانی 1/1/1379 تا 10/10/1397 و به مدت 6867 روز، از تارنمای مودیس استخراج شد. پس از موزاییک کردن کاشی ها، فراوانی بلندمدت دیدبانی های سپیدایی ایران زمین برای هریک از فصل های سال جداگانه محاسبه شد. یافته ها نشان داد که عوامل محدودکننده دیدِ ماهواره، در زمان ها و مکان های گوناگون، متفاوت است؛ به طوری که در فصل تابستان، به ویژه در کرانه های دریای عمان، رطوبت نقش محدودکننده دارد. درحالی که در فصل زمستان، به خصوص در رشته کوه های البرز و زاگرس، ابرناکی عامل محدودکننده به حساب می آید. گذشته از عوامل رطوبت و ابرناکی، ریزگردها نیز عامل محدودکننده برداشت سپیدایی شناخته می شوند. بررسی های انجام شده روی 394 ایستگاه زمینی اثبات کرد، در زمانی که ماهواره نتوانسته است سپیدایی را اندازه گیری کند، در بیش از 70% موارد، عوامل یادشده گزارش شده است.

توسعه سیستم های خودکار تشخیص جاده و ساختمان در تصاویر هوایی همواره با چالش های مهمی مانند متفاوت بودن ظاهر ساختمان ها، تغییرات روشنایی، زاویه تصویربرداری و فشرده و چگال بودن جاده ها و ساختمان ها در نواحی شهری روبه روست. در چند سال اخیر، استفاده از شبکه های عصبی مصنوعی چندلایه (شبکه های عصبی عمیق) مورد توجه بسیاری از پژوهشگران این حوزه (و حوزه های مشابه) قرار گرفته و نتایج خیره کننده ای با به کارگیری آنها حاصل شده است. باوجوداین، به دلیل استفاده از لایه های کاملاً متصل در راهکار های داده شده، میانگین مدت زمان پردازش هنوز بسیار زیاد است و مدل ساخته شده نیز به سرعت دچار پدیده بیش برازش می شود. علاوه براین، در بیشتر روش های پیشنهادی، برای تفسیر تصاویر هوایی براساس چنین راهکاری از رویکرد تک کلاس استفاده شده است. به عبارتی، تشخیص جاده ها و ساختمان ها از عوارض طبیعی به طور هم زمان امکان پذیر نیست و لازم است مدل های جداگانه ای برای تشخیص هریک از آنها ایجاد شود. هدف اصلی، در این پژوهش، طراحی معماری جدیدی است که مدل ساخته شده با استفاده از آن بتواند، هم زمان، جاده ها و ساختمان ها را از عوارض طبیعی تشخیص دهد و به این ترتیب، پیچیدگی عمل طبقه بندی را به حداقل برساند. همچنین، در طراحی معماری پیشنهادی، حذف لایه های کاملاً متصل از معماری چندلایه ای مرسوم و در نتیجه، کاهش میانگین مدت زمان پردازش مورد توجه قرار گرفته است. نتایج آزمایش های انجام گرفته روی بانک تصاویر هوایی ماساچوست نشان می دهد عملکرد معماری پیشنهادی %۳۸ سریع تر از دیگر روش های مبتنی بر شبکه های عصبی چندلایه بوده است و دقت تشخیص را به طور میانگین، %۲ افزایش می دهد.

اساس برنامه ریزی و مدیریت صحیح داشتن آمار و اطلاعات دقیق و به هنگام است. یکی از مهم ترین آمار و اطلاعات بخش کشاورزی میزان تولید سالیانه هر محصول یا سطح زیرکشت است. یکی از ابزارهایی که در کمترین زمان و با هزینه پایین و دقت مناسب، می تواند سطح زیرکشت محصولات را محاسبه کند دانش و فنّاوری سنجش از دور است. در این تحقیق، از دو روش طبقه بندی شبکه عصبی مصنوعی و ماشین بردار پشتیبان استفاده شده و سطح زیرکشت محصولات غالب منطقه، شامل هشت کلاس، از تصاویر سری زمانی سنتینل 2 برآورد شده است. براساس نتایج به دست آمده، صحت کلی هریک از روش های شبکه عصبی مصنوعی و ماشین بردار پشتیبان به ترتیب برابر با 97.74 و 97.96%، با ضریب کاپای 0.97 برای برآورد سطح زیرکشت محصولات بوده است. بنابراین، نتایج این دو روش مورد قبول واقع شده است. با توجه به صحت کلی، می توان نتیجه گرفت که دو روش طبقه بندی نتایج تقریباً یکسانی در منطقه دارد. علاوه براین، طبق نتایج صحت کاربر، می توان بیان کرد درمورد چهار محصول یونجه، برنج، پیاز و خربزه، عملکرد روش ماشین بردار پشتیبان بهتر از روش شبکه عصبی است و درمورد گندم دیم و آبی، جارو و مرتع، روش شبکه عصبی بهتر از ماشین بردار پشتیبان در منطقه عمل می کند.

امروزه یکی از عواقب فعالیت های انسانی در قال ب تغیی ر ک اربری اراض ی، بی توج هی ب ه مح دودیت ه ای محیط زیستی است که در سیمای محیط تأثیرگذار است و آثار مخربی در اکوسیستم های طبیعی، ازجمله پارک های ملی و مناطق تحت حفاظت، به جای می گذارد. ازاین رو، شناس ایی روند تغییرات عوارض سطح زمین، برای درک ارتباط متقابل انسان و محیط زیست، امری ضروری است. هدف این پژوهش ارزیابی روند تغییرات کاربری اراضی ازطریق تصاویر ماهواره ای لندست TM سال 1989 و 1999، ETM سال 2009 و لندست OLI_TIRS در سال 2019، با استفاده از قابلیت داده ه ای چن دطیفی سنجش از دور و فرایند پردازش تصاویر رقومی است. کاربری اراضی منطقه در پنج طبقه اراضی ساخته شده (مسکونی، تجاری، صنعتی و معابر)، محدوده های آبی، اراضی زراعی و باغی، مراتع پرتراکم، و مراتع کم تراکم قرار گرفت. با توجه به نتایج حاصل، کاربری مراتع کم تراکم در سال 2019، در مقایسه با سال 1989، با روند افزایشی همراه بوده است. به این دلیل، نتایج حاکی از آن است که طی سال های مورد مطالعه، مراتع پرتراکم بیشترین روند تغییرات را به صورت کاهشی داشته اند و مراتع کم تراکم نیز، به دلیل تعدد بالای عشایر (تخریب پوشش گیاهی بر اثر چرای بیش ازحد و بی موقع دام)، دارای روند افزایشی بوده اند. علاوه براین، در این منطقه، به دلیل نبود سکونتگاه های دائمی و محدودیت های قانونی، کاربری اراضی زراعی و باغی نیز با روند کاهشی مواجه بوده است. شایان ذکر است که عملیات زراعی در این منطقه، در برخی موارد فقط به کشت یونجه در حاشیه رودخانه لار، به منظور تأمین علوفه دام عشایر، محدود می شود. در بین دیگر کاربری های موجود، محدوده های آبی در بین سال های مورد مطالعه، روند افزایشی داشته اند؛ اگرچه در سال 1999، به دلیل افزایش حضور عشایر در مراتع، تعداد بیش از ظرفیت دام ها و نیز وضعیت حفاظتی منطقه و فقدان محدودیت های حفاظتی (قبل از ارتقاء منطقه به پارک ملی در این بازه زمانی)، روند کاهشی در این کاربری مشاهده شده است. از دیگر کاربری های این منطقه به اراضی ساخته شده می توان اشاره داشت. این کاربری در سال 1989، به نسبت سال 2019، روندی افزایشی داشته و از دلایل این افزایش، توسعه جاده ها و افزایش راه های دسترسی به این منطقه طی سال های مورد مطالعه بوده است. با توجه به اینکه حیات جانوری و غیرجانوری در منطقه و بقای خاک در مقابل روند فرسایش به پوشش گیاهی وابسته است، روند رو به کاهش پوشش گیاهی و افزایش تخریب و فرسایش خاک می تواند هشداری برای توجه بیشتر به شرایط زیستی در این منطقه باشد. همچنین، با توجه به نتایج بررسی، مهم ترین عوامل تأثیرگذار در روند تغییرات کاربری اراضی در منطقه، به ترتیب بعد کالبدی محیط زیستی با ضریب وزنی 0.465، اقتصادی نهادی با ضریب وزنی 0.315، و جمعیتی اجتماعی با ضریب وزنی 0.223 شمرده می شوند. 

سیستم حمل ونقل ریلی از تعامل مجموعه ای از تجهیزات و عملیات تشکیل شده است که توانایی و ظرفیت یک سیستم ریلی در حمل ونقل بار و مسافر را تعیین می کند. بدین منظور، محاسبه ظرفیت و پیش بینی نحوه تغییرات آن مهم است و شناخت آن کمک شایانی به ارتقای سطح بهره برداری شبکه ریلی می کند. روش های گوناگونی برای محاسبه ظرفیت وجود دارد که با توجه به نوع شبکه و شیوه استفاده از این روش ها، می توان از آنها بهره گرفت. برای محاسبه ظرفیت، از توانمندی های سیستم های اطلاعات مکانی استفاده می شود و با کمک یک سیستم اطلاعات مکانی تحت وب، وضعیت ظرفیتی عملیاتی شبکه ریلی به صورتی نوین و با کارآیی بیشتر از روش های متداول تعیین می شود. برای این کار، از محیطی GISمبنا استفاده شده که به پایگاه داده های گوناگون شرکت راه آهن جمهوری اسلامی ایران، ازجمله پایگاه سیر و حرکت، متصل شده است و ضمن مشاهده وضعیت فعلی ظرفیتی شبکه، ازطریق رگرسیون خطی چندمتغیره، ظرفیت شبکه ریلی را در آینده تعیین می کند. تحقیق حاضر با استفاده از رگرسیون خطی، ظرفیت راه آهن را طی مطالعه ای موردی در ایران، برای سه مسیر انتخاب شده پیش بینی می کند و بلاک های مهم را برای بررسی تأثیر پارامترهای مکانی در تعیین ظرفیت شبکه راه آهن، مشخص می کند. با استفاده از داده های سال 96 (استخراج شده از وب سرویس مکانی راه آهن)، پیش بینی ظرفیت در سال 97 در محیط GIS انجام شد. نتایج نشان داد که استفاده از ظرفیت مسیرهای انتخابی برای مسیر قطارهای باری 82%، مسیرهای مسافری 56% رفت و 62% بازگشت و برای مسیرهای ترکیبی نیز 79% بود. همچنین، دقت پیش بینی مدل برای قطارهای باری 35% بهتر از قطارهای مسافری است که این به دلیل تفاوت در تغییر سرعت و حداکثر سرعت مجاز درمورد این دو نوع قطار است. دقت مدل سازی با نوع قطعه ارتباط مستقیم دارد؛ بنابراین، در مسیر مسافری، ظرفیت مدل سازی قطارهای مسافری تقریباً 45% دقیق تر بوده است. به همین ترتیب، در مسیر باری، دقت تخمین ظرفیت این قطارها بیشتر از قطارهای مسافری و تقریباً 45% بوده است.

هدف از این تحقیق تعیین مناطق دارای پتانسیل حضور چشمه آب زیرزمینی و اولویت بندی عوامل مؤثر در آن، با استفاده از روش حداکثر آنتروپی (مدل MaxEnt)، سیستم اطلاعات جغرافیایی و سنجش از دور است. در تحقیق حاضر، از چهارده شاخص تأثیرگذار در پتانسیل آب زیرزمینی شامل شاخص های توپوگرافیکی، زمین شناسی، اقلیمی، هیدرولوژیکی و کاربری اراضی و همچنین، شاخص جدید ارتفاع از سطح نزدیک ترین زهکش (HAND) استفاده شده است. ابتدا، شاخص ها به دو بخش شاخص های توپوگرافیکی و سایر عوامل شامل زمین شناسی، اقلیمی، هیدرولوژیکی و کاربری اراضی تقسیم شدند و نقشه پتانسیل آب زیرزمینی براساس آنها تهیه شد. سپس، از تلفیق شاخص ها، نقشه نهایی پتانسیل آب زیرزمینی به دست آمد. از مجموع 2547 چشمه، با استفاده از روش فاصله ماهالانوبیس، 60% به منزله داده های آزمون و 40% به منزله داده های اعتبارسنجی طبقه بندی شدند. نتایج نشان داد که به ترتیب، براساس شاخص های توپوگرافیکی، سایر عوامل و تلفیق تمامی شاخص ها 38.5%، 27.4% و 34.7% حوزه دارای پتانسیل آب زیرزمینی است. همچنین، طبق نمودار جکنایف لایه های ارتفاع، کاربری اراضی، شیب، موقعیت شیب نسبی، شاخص HAND و لیتولوژی به ترتیب مهم ترین عوامل مؤثر در پتانسیل چشمه آب زیرزمینی بودند. سطح زیر منحنی (AUC) براساس نمودار ROC نشان دهنده دقت 83%، 83% و 85% (خیلی خوب) در مرحله آموزش و 82%، 81% و 84% (خیلی خوب) در مرحله اعتبارسنجی، مطابق با شاخص های توپوگرافیکی، سایر عوامل و تلفیق تمامی شاخص ها بود. با توجه به اینکه شاخص HAND جزء شاخص های تأثیرگذار در آب زیرزمینی محسوب می شود؛ نقش تعیین کننده و مهمی در تعیین مناطق دارای پتانسیل چشمه آب زیرزمینی دارد.