سنجش از دور و GIS ایران

سنجنده های دوقلوی MSI سنتینل -2، از لحاظ توان تفکیک مکانی، شباهت بسیاری به سنجنده OLI لندست 8 دارند که آژانس فضایی اروپا، با هدف افزایش داده های ادامه دار برای پایش سطح زمین، آنها را به فضا پرتاب کرد. در این مطالعه، قابلیت این داده ها در تفکیک واحدهای سنگی و دگرسانی، در محدوده کانسار فسفات اسفوردی، ارزیابی و با داده های لندست 8 و لندست 8 تلفیق شده، مقایسه شد. برای بارزکردن واحدهای سنگی منطقه، از روش بسط عدم همبستگی استفاده شد. به منظور مقایسه های آماری، واحدهای سنگی با استفاده از اجرای روش ماشین بردار پشتیبان و جنگل تصادفی روی دسته داده ها، رده بندی و صحت آنها با استفاده از ماتریس آشفتگی بررسی شد. علاوه بر آن، نسبت های باندی متناظر با آنچه درمورد سنجنده لندست 5 TM تعریف شده است، برای آشکارسازی نواحی دگرسان شده در منطقه، روی هر سه دسته داده اجرا و مساحت پهنه های بارزشده محاسبه و مقایسه شد. همچنین، نمودارهای پراکندگی برای تصاویر نسبت باندی تولیدشده تهیه شد. داده های MSI، در رده بندی ماشین بردار پشتیبان و جنگل تصادفی، صحت کلی و ضریب کاپای بیشتری را در مقایسه با دو دسته داده دیگر نشان دادند. نتایج نسبت باندی نیز نشان داد که داده های MSI و OLI تلفیق شده بیشترین همبستگی و مشابهت را به هم دارند. این مطالعه مشخص کرد که استفاده از داده های MSI در تهیه نقشه های سنگ شناختی و کانی شناختی، مطلوب تر از داده های OLI است. همچنین استفاده از داده های OLI تلفیق شده، در تاریخ هایی که تصاویر MSI در دسترس نیست، و یا برای تهیه نقشه های زمین شناسی پیوسته در مقیاس های قاره ای، به همراه داده های MSI کارآمد است.

پوشش های گیاهی مناطق کران رودی، با وجود مساحت کم، خدمات اکوسیستمی فراوانی عرضه می کنند. نظر به اینکه برنامه های نظارتی و آماربرداری پیوسته ای برای این پوشش های گیاهی در کشور وجود ندارد، تهیه نقشه و پایگاه داده مکانی برای آنها امری ضروری است. اما آمیختگی این پوشش های گیاهی با سایر کاربری های زمین سبب ایجاد چالش ها و مشکلاتی در تهیه نقشه برای آنها شده است. بنابراین، انتخاب روش مناسب طبقه بندی بسیار حائز اهمیت است. در این زمینه و در تحقیق حاضر، دو روش پیکسل مبنا و شیء مبنا در طبقه بندی این پوشش های گیاهی، با استفاده از تصاویر رایگان ماهواره سنتینل -2، مقایسه شده است. بدین منظور، پنج منطقه کران رودی متفاوت در استان چهارمحال و بختیاری انتخاب شد و برای آموزش مدل های طبقه بندی به کار رفت. در فرایند مدل سازی، از الگوریتم طبقه بندی جنگل تصادفی و داده های چندزمانه ماهواره سنتینل -2 استفاده شد. اعتبارسنجی مدل ها به صورت گسترده، با استفاده از نقاط صحت سنجی مستقل در سطح استان، انجام شد. نتایج نشان داد که تصاویر ماهواره سنتینل -2 قابلیت بالایی در تهیه نقشه پوشش گیاهی در مناطق کران رودی کوه های زاگرس دارد و روش طبقه بندی پیکسل مبنا (صحت کلی 83.9%) بهتر از روش شیءمبنا (صحت کلی 76.7%) بوده است. در مجموع، تحقیق حاضر استفاده از روش طبقه بندی پیکسل مبنا روی تصاویر چندزمانه ماهواره سنتینل -2 را به منزله ابزاری ارزان و مناسب در آشکارسازی این پوشش های گیاهی پیشنهاد می دهد. حائز اهمیت است که در این روش، تا جای ممکن، از پیکسل های دارای خلوص بیشتر به منزله پیکسل های آموزشی در توسعه مدل ها استفاده شود.

امروزه فنّاوری مدل سازی اطلاعات ساختمانی، یا به اختصار BIM، به بستری مهم و کاربردی به منظور تحقق اهداف شهرهای هوشمند تبدیل شده است. بااین حال، این فنّاوری ساختمان ها را به تنهایی و بدون توجه به فضای بیرونی شان و دیگر ساختمان های شهر در نظر می گیرد و نیز فاقد ابزارهای لازم برای تحلیل های مکانی گوناگون است. در این زمینه، اشتراک ذاتی میان BIM و سامانه های اطلاعات مکانی، یا به اختصار GIS، نشان می دهد که با تلفیق آنها می توان دانش یکپارچه ای در کاربردهای گوناگون شهری، هم در فضای داخلی ساختمان و هم در فضای بیرونی آن، ایجاد کرد. اگرچه BIM و GIS هریک به منظور دست یابی به اهداف جداگانه ای ایجاد شده است، هر دو به مدیریت اطلاعات در قالب مدل سازی سه بعدی می پردازند؛ با این تفاوت که BIM اطلاعات ریزدانه را در زمینه ساختمان و فضای داخلی آن، با عنوان اطلاعات ساختمانی، تهیه می کند و نمایش می دهد و منبع غنی اطلاعات ساختمانی شناخته می شود اما، در مقابل، GIS اغلب به تهیه و نمایش اطلاعات درشت دانه در فضای بیرونی ساختمان، با عنوان اطلاعات جغرافیایی، می پردازد و دارای ابزارهای مکانی مناسب است. به طورکلی، تلفیق BIM و GIS موجب مدیریت بهتر اطلاعات مکانی در زمینه کاربردهای گوناگون شهری و در نتیجه، تصمیم سازی بهتر در حل مسائل مرتبط می شود و تحقیقات متنوعی، در این باره، در سال های اخیر انجام شده است. مقاله حاضر، ضمن بررسی اجمالی فنّاوری BIM و استانداردهای تبادل اطلاعات در BIM و GIS، برخی تحقیقات درباره تلفیق BIM و GIS از سال 2008 تا 2020 را مرور می کند. در این مقاله، تلاش شده است با استخراج و دسته بندی روش ها و زمینه های کاربردی تلفیق BIM و GIS، وضعیت کلی پژوهش ها در این زمینه مشخص و دید جامعی به آنها به محققان ارائه شود.  

شاخص های طیفی پوشش گیاهی به منزله ابزاری مناسب برای تخمین میزان تولید محصولات کشاورزی استفاده می شوند. بااین حال، تعداد محدود تصاویر از عوامل اصلی کاهش کارآیی شاخص ها به منظور تخمین تولید شمرده می شود. از سوی دیگر، ارزیابی توانایی شاخص ها در تخمین تولید از راه ترکیب داده های مادیس و لندست، در مواردی که تعداد داده های لندست کم باشد، کمتر مورد توجه قرار گرفته است. هدف تحقیق حاضر، در گام نخست، معرفی شاخص ها یا شاخص منتخب در تخمین تولید کلزا و در گام بعدی، استفاده از تکنیک های تلفیق داده برای افزایش کارآیی شاخص منتخب است. کلزا ازجمله محصولات کشاورزی است که، به دلیل گل دهی در دوره رشد، ویژگی های طیفی خاصی دارد. در این تحقیق، پایگاه داده ای از میزان تولید محصول کلزا و سری زمانی داده های لندست و مادیس کشت و صنعت مغان تهیه و سپس ده شاخص متفاوت به قصد تخمین تولید کلزا ارزیابی شد. در ادامه، رابطه میزان تولید با شاخص پیشنهادی بررسی و مشخص شد که شاخصNDYI ، در طول زمان گل دهی، دقتی بیشتر از سایر شاخص ها دارد (r = 0.73). با تلفیق داده های سری زمانی لندست و مادیس مبتنی بر الگوریتم مدل تطبیقی ادغام بازتابندگی مکانی و زمانی بهبودیافته (ESTARFM)، همبستگی و RMSE (kg/ha) به ترتیب 7% و 0.11 افزایش و کاهش یافت. تحقیق حاضر نشان داد که استفاده از تکنیک های تلفیق داده امکانِ افزایش کارآیی شاخص های طیفی را به منظور تخمین تولید محصول فراهم می کند.

نظارت بر تغییرات مکانی و زمانی تبخیر تعرق برای مدیریت آبیاری و نیاز آبی گیاهان زراعی، به ویژه در مناطق کم آب، بسیار مهم است. هدف از پژوهش حاضر برآورد تبخیر و تعرق واقعی با استفاده از الگوریتم سبال (SEBAL) و مقایسه آن با تبخیر و تعرق استاندارد فائو 56، به منظور تعیین باغات پسته تحت تنش خشکی در استان یزد است. بدین منظور، از یک سری زمانی تصاویر ماهواره ای لندست 8 با پانزده تصویر در سال 2015 استفاده شد. در ابتدا، تبخیر و تعرق در دوره های پانزده روزه فنولوژی پسته به دست آمد و سپس، با جمع تبخیر و تعرق در دوره های پانزده روزه، میزان تبخیر و تعرق در چهار مرحله اصلی فنولوژی پسته و کل یک دوره رشد سالیانه تعیین شد. تبخیر و تعرق استاندارد نیز به روش فائو 56 و با استفاده از رابطه KC-NDVI به دست آمد و به منزله استانداردی برای مقایسه تبخیر و تعرق واقعی سبال در نظر گرفته شد. براساس نتایج، الگوریتم سبال قابلیت مناسبی در تعیین میزان تبخیر و تعرق در منطقه مورد مطالعه دارد. با اینکه داده های معتبر لایسیمتر برای مقایسه نتایج الگوریتم سبال با آن در منطقه یادشده وجود نداشت؛ مقایسه نتایج با روش استاندارد فائو 56 نشان داد این دو روش مطابقت خوبی با یکدیگر دارند و میانگین ضریب تبیین (R2)، خطای جذر میانگین مربعات (RMSE ) و میانگین خطای مطلق (MAE) میان نتایج الگوریتم سبال و رویکرد فائو KC-NDVI به ترتیب 0.8، 16.7 و 14.5 میلی متر بین دوره های پانزده روزه فنولوژی پسته به دست آمد. میانگین میزان تبخیر و تعرق واقعی و استاندارد در طول یک فصل رشد پسته، در سطح منطقه مورد بررسی، به ترتیب 950 و 1086 میلی متر است. مقایسه تبخیر و تعرق واقعی و استاندارد نشان داد، در بخش اعظم این منطقه، تبخیر و تعرق واقعی کمتر از شرایط استاندارد است.

توزیع زمانی و مکانی رطوبت خاک متغیری کلیدی در برنامه ریزی هیدرولوژیکی است. در محدوده تحقیق، افزایش رطوبت خاک باعث سرعت شکل گیری رواناب می شود. هدف این تحقیق بررسی پتانسیل باند L از سنجنده پالسار 2 (PALSAR-2) ماهواره آلوس (ALOS)، در برآورد رطوبت سطح خاک، به منظور مدیریت منابع آب و کاهش مخاطرات ناشی از سیل است. با استفاده از نمونه برداری تصادفی خوشه ای، نمونه ها دریافت شد. هم زمان با دریافت داده SAR رطوبت وزنی، زبری سطح و محتوای آب گیاهی، میانگین ضرایب بازپراکنش راداری و زاویه فرود روی تصویر اندازه گیری شد. مراحل پیش پردازش، پردازش و پس پردازش داده SAR با استفاده از نرم افزار SNAP و شاخص های گیاهی و نمناکی از لندست 8 سنسور OLI در محیط ArcGIS 10/5 استخراج شد. برای دریافت زبری سطح، دو دوربین دارای زاویه مایل به کار رفت و بیست قطعه عکس، با ده نقطه کنترلی (GCP) برای هر خوشه، گرفته شد. سپس با نرم افزار Agisoft PhotoScan ابر نقاط متراکم محاسبه و سپس مش بندی به منظور تولید DTM انجام گرفت. از زبانه Analysts 3D در ArcGIS پروفیل طولی ناهمواری های سطح برای هر خوشه استخراج شد. به منظور انتخاب مدل مناسب در منطقه، سه مدل در برآورد رطوبت سطح خاک، شامل مدل های Dubois-MLR-WCM، مد نظر قرار گرفت. نتایج سه مدل در برآورد رطوبت سطح خاک در پلاریزه HH به ترتیب در مدل Dubois با  و ، مدل MLR با  و  و مدل WCM با  و  به دست آمد. نتایج نشان داد مدل Dubois در اراضی بایر تا تنک برای محدوده تحقیق و شرایط مشابه مناسب تر است.

استان فارس، با توجه به واقع شدن در مناطق خشک و نیمه خشک ایران، دچار کمبود منابع آب سطحی شده است. بنابراین، به منظور بهره برداری از منابع آب زیرزمینی، تعیین کیفیت آب بسیار اهمیت دارد. با توجه به اهمیت موضوع، هدف این مطالعه تعیین میزان کیفیت مناطق جنوب شهر شیراز در استان فارس است. به منظور تهیه نقشه های پهنه بندی از نقاط نمونه برداری شده، از روش میانگین عکس فاصله (IDW) استفاده شد. در ادامه، برای همگن کردن هریک از لایه های تهیه شده، روش فازی به کار رفت. در این روش، تابع عضویت برای هریک از نقشه های پهنه بندی تعریف شد و داده ها بین 0 و 1، براساس درجه اهمیتی که در کیفیت آب دارند، قرار گرفتند. در نهایت، برای وزن دهی به لایه ها و تهیه نقشه نهایی کیفیت آب، از روش فرایند تحلیل شبکه ای (ANP) استفاده شد. نتایج نشان داد که کیفیت آب حدود ۸۰% منطقه مورد مطالعه مطلوب است؛ درحالی که کیفیت آب شرب در حدود ۴% از منطقه (بخش هایی از شمال و شرق) نامطلوب است.