اطلاعات جغرافیایی (سپهر)

فیلترینگ مدل های رقومی سطح (DSM) برای برنامه های کاربردی مانند برنامه ریزی محیطی، به روزرسانی نقشه یا تشخیص ساختمان موردتوجه است . فیلتراسیون زمین، حذف نقاط متعلق به اشیاء بالاتر از سطح زمین به منظور بازیابی نقاط زمینی است که برای تولید مدل رقومی ارتفاع (DSM) استفاده می شود. ابرهای نقطه ای لایدار موفقیت های بسیاری در ارائه ی عوارض داشته اند اما از آنجا که اخذ داده های لایدار هنوز یک فرآیند پرهزینه است، استفاده از ابرهای نقطه تولیدشده از فرآیند فتوگرامتری برای تولید DEM یک راه حل مناسب است. بااین حال، بیشتر الگوریتم های فیلترینگ برای داده های لایدار طراحی شده و به تنظیم تعدادی از پارامترهای پیچیده برای دستیابی به دقت بالا نیاز خواهند داشت. درعین حال زمان پردازش، میزان تأثیرگذاری درصحنه های مختلف و میزان اتوماسیون این روش ها نیز حائز اهمیت است. پیچیدگی های صحنه و توپوگرافی، برای نمونه در مناطق شهری فرآیند فیلتراسیون زمین را با چالش بیشتری مواجه می کند. برای کسب نتایج بهینه کاربران باید پارامترهای مختلف را تا زمانی که نتیجه مطلوب فیلترینگ را پیدا کنند امتحان نمایند، که فرآیندی وقت گیر و پرهزینه است. به علت عدم وجود بررسی جامع از میزان کارایی، اتوماسیون و پیچیدگی های محاسباتی روش های فیلترینگ مختلف بر روی ابر نقاط حاصل از فتوگرامتری، در این پژوهش الگوریتم های مختلف مطرح و پرتکرار در این زمینه ی مطالعاتی با یکدیگر مقایسه شدند. درعین حال، روش های موردمطالعه از منظر کیفیت فیلترینگ کلاس ها، زمان پردازش ها (مدت زمان اجرایی)، پیچیدگی های صحنه و تعداد پارامترهای الگوریتم (بیانگر میزان دخالت کاربر در پردازش داده ها برای میزان اتوماسیون) مورد تحلیل قرار گرفت. نتایج این تحلیل می تواند در راستای شناخت بهتر عملکرد اجرایی روش های فیلترینگ بر روی ابر نقاط حاصله از تصاویر باقدرت تفکیک بالا (DSM های حاصله از تصاویر هوایی و پهپاد) مثمرثمر باشد و به عنوان یک راهنما در جهت کمک به محققان برای تصمیم گیری در انتخاب الگوریتم مورداستفاده با توجه به پارامترهای زمان، سخت افزار، منطقه و میزان دقت خروجی مفید باشد.

امروزه منابع اطلاعات مکانی مختلفی در مورد مسائل مربوط به شهر وجود دارند که در مسیر حرکت به سمت «شهرهای هوشمند» حائز اهمیت هستند. در این بین می توان به پروژه   Open Street Map (OSM) اشاره داشت که منبع داده رایگان و آزادی است و در سال های اخیر پتانسیل خود را برای استفاده در حوزه های کاربردی مختلف نشان داده است. از جمله این کاربردها می توان به حوزه های مرتبط با شهر هوشمند اشاره کرد که در آن اطلاعات مکانی نقش هایی کلیدی را ایفا می کنند. یکی از اقلام اطلاعاتی موجود در این پروژه که کمتر مورد ارزیابی قرار گرفته است، داده های بلوک ساختمانی در OSM می باشد. از این رو در مطالعه حاضر به محاسبه و ارزیابی سیر تاریخی کامل بودن داده های بلوک ساختمانی در OSM پرداخته خواهد شد. هدف اصلی این مطالعه ارائه تحلیلی از کامل بودن مجموعه داده های بلوک ساختمانی OSM کلان شهر تهران در یک بازه زمانی 10 ساله (از سال 2011 تا 2020 میلادی) است. نتایج حاصل از این مطالعه نشان می دهد طی دو سال اخیر داده های بلوک ساختمانی OSM از نظر تعداد عوارض و کامل بودن اطلاعات هندسی افزایش چشمگیری یافته است. نتایج نشان دهنده افزایش تعداد داده ها از 300 عارضه در سال 2011 به 40138 عارضه در پایان سال 2020 و افزایش کامل بودن داده ها از 0/018 درصد به 2/7 درصد می باشد. همچنین تعداد عوارض ویرایش شده و اضافه شده به مجموعه داده OSM به ترتیب از 38 و 194 عارضه در سال 2011 به 28680 و 10705 عارضه در پایان سال 2020 رسیده است که نشان دهنده فعالیت بیشتر کاربران در ایجاد و ویرایش داده های بلوک ساختمانی و همچنین به روزتر شدن این داده ها می باشد.

استخراج اطلاعات دقیق مربوط به موقعیت، تراکم و توزیع ساختمان ها در محدوده شهری از اهمیت بسیار بالایی برخوردار است که در کاربردهای مختلفی مورد استفاده قرار می گیرد. سنجش از دور یکی از کارآمدترین تکنولوژی های تهیه نقشه است که در مناطق وسیع، با سرعت بالا، هزینه مقرون به صرفه و با به کارگیری داده های به روز مورد استفاده قرار می گیرد. تاکنون روش ها و داده های متعددی برای این منظور مورد استفاده قرار گرفته است. در این راستا، در تحقیق حاضر از یک روش نیمه خودکار به منظور تهیه نقشه محدوده شهری و ساختمان های شهر تبریز و از تصاویر ماهواره ای سنتینل-1 و 2 در سامانه گوگل ارث انجین استفاده شد. برای این منظور، بعد از فراخوانی تصاویر و اعمال پیش پردازش های لازم در موتور مجازی، نقشه مناطق شهری اولیه و ساختمان هایی با پتانسیل بالا از تصاویر سنتینل-1 تولید شد. در مرحله بعد، به منظور حذف ویژگی های مزاحم و استخراج مناطق شهری ثانویه، شاخص های طیفی از تصاویر سنتنیل-2 استخراج شد. سپس برای آستانه گذاری ویژگی ها از آستانه گذاری هیستوگرام به روش تک مدی استفاده شد. در نهایت، با ادغام نقشه ساختمان های با پتانسیل بالا و نقشه مناطق شهری ثانویه، نقشه نهایی تولید و مورد ارزیابی قرار گرفت. نتایج حاصل، نشان دهنده صحت کلی 90/11 درصد و ضریب کاپای 0/803 می باشد. براساس مقایسه های کمّی و کیفی انجام شده، روش پیشنهادی از عملکرد مطلوبی برخوردار می باشد. از مهم ترین مزایای روش پیشنهادی می توان به رایگان بودن داده ها و متن باز بودن سامانه گوگل ارث انجین اشاره کرد. بنابراین، می توان نتیجه گرفت که استفاده همزمان از داده های سنجش از دور راداری و اپتیکی در محیط سامانه گوگل ارث انجین، پتانسیل بسیار بالایی در متمایز کردن ویژگی ها و تهیه نقشه ساختمان ها دارد.

معادن منبع اصلی تولید مواد اولیه هستند و استخراج این منابع طبیعی از معادن برای تولید کالا باعث ایجاد اختلال در تعادل سطحی، تغییر شکل مداوم زمین، افزایش مسائل محیط زیست و ایجاد خسارت به زیر ساخت ها می شود. از این رو کنترل و مانیتورینگ جابه جایی های ناشی از معادن سطحی روباز مهم می باشد. در این مقاله میزان تغییرات سطح زمین و تأثیرات ژئومورفولوژیکی ناشی از فعالیت های معدنکاری در معدن سنگ آهن سنگان خواف واقع در خراسان رضوی بررسی شده است. سنگان یک منطقه گرمسیری / خشک با برجستگی بالا 1700 متر ارتفاع در مناطق معدنی است. حداکثر دمای 35 تا 40 درجه سانتی گراد در جولای/ آگوست تجربه می شود در حالی که حداقل دما از5- تا 15- درجه سانتی گراد در ژانویه / فوریه رخ می دهد. بلندترین قله، نول خروس، در معدن A ، 1719 متر قرار دارد. بررسی های میدانی انجام گرفته نشان می دهد که معادن سنگ آهن سنگان به علت فعالیت های شدید معدنکاری به ویژه ژئومورفولوژی منطقه دچار تغییر شده است که این تغییرات می تواند در روند طبیعی فرآیندها و فرم، مثلاً فرآیند سیلاب تأثیر داشته باشد. تداخل سنجی راداری ابزار ارزشمندی در پایش جابه جایی های سطح زمین است. برای بررسی و اندازه گیری میزان این تغییرات در معدن سنگان از روش تداخل سنجی راداری الگوریتم PS   با 47 تصویر ماهواره ای سنتیتل1 مربوط به سال های 2014 تا 2020، پلاریزاسیون VV با استفاده از نرم افزارتجاری SARPROZ در محیط Matlab انجام شده است. تداخل سنجی راداری مبتنی بر پراکنش کننده های دائمی (PS) جابه جایی ها را بر روی پیکسل هایی که ویژگی های پراکنشی آن ها در طول زمان تقریباً ثابت است، بررسی می کند. نتایج اجرای سری زمانی در این پژوهش  با الگوریتم PS میزان تغییرات را حدود 30- سانتی متر در راستای دید ماهواره نشان داد. میانگین نرخ (سرعت) جابه جایی را 4/8- تا 6- سانتی متر در سال تعیین کرد. برای ارزیابی نتایج از داده ه ای دوربین ترازیابی استفاده شد و در مقایسه با آن می توان گفت تقریباً روند مشابهی را طی کرده است. به طور کلی فعالیت های معدنکاری در معدن سنگان  تغییرات توپوگرافی فراوانی بر محیط گذاشته است و موجب تشدید فعالیت فرآیندهای ژئومورفیک مثل لغزش، ریزش، و... بر روی باطله ها شده است. شناسایی و تحلیل این عوارض و فرآیندهای مرتبط، بیانگر یک چالش برای درک تحول چشم اندازهای زمین است. به طور کلی، نظارت بر تغییر شکل  معادن سطحی با استفاده از داده های راداری SAR امکان پذیر و همچنین نیازمند به اجرای پژوهش های بیشتر در معادن ایران است.

هدف از این تحقیق، بررسی نرخ تاریک شدن آسمان در مناطق مختلف و تأثیر آن در مدل سازی بهینه پارامترهای رصد رؤیت هلال ماه و تعیین بهترین زمان رؤیت آن است. برای این منظور، از 268 گزارش رصدی معتبر نجومی 20 سال اخیر (از 1379 تا 1400 خورشیدی) از نقاط مختلف ایران، برای مدل سازی پیش بینی بهترین زمان رؤیت هلال ماه استفاده گردید. مدل های پیشنهادی، علاوه بر اینکه داده های 20 ساله را برای تأمین کلیه فرکانس های مؤثر جزر و مدی ماه (حداقل دوره تناوب حرکت نوتیشن ماه برابر با 18/61 سال) مورد بررسی قرار داده است، بلکه برای بهبود تعیین زمان انتظار، در کنار استفاده از پارامترهای تغییر روشنایی آسمان (نظیر مدت زمان اختفاء محلی خورشید و نرخ تاریک شدن محل)، اثر فاصله ماه تا زمین و زاویه ارتفاعی ماه از خورشید را نیز دخالت داده است. عامل تاریک شدن محلی آسمان ناشی از عوامل مختلف نظیر تغییرات عرض ژئودتیک، به طور جداگانه مورد بررسی قرار گرفت. همچنین، مدل های پیشنهادی با استفاده از گزارشات رصدی طبقه بندی شده، با کمترین خطا مدل سازی گردیده که می تواند برخلاف تحقیقات قبلی، زمان رؤیت هلال ماه را در حضور خورشید (در زمان روزگاه) نیز پیش بینی نماید. در گام اول، همبستگی آماری بین مدت زمان انتظار هر رصد با پارامترهای مؤثر در رؤیت پذیری هلال ماه مورد بررسی قرار گرفت. سپس، پارامترهایی با بالاترین وابستگی به عنوان کمیت های اصلی، برای مدل سازی زمان بهینه انتظار انتخاب شدند. در ادامه، 17 مدل خطی چندجمله ای مختلف با تعداد 2، 3، 4 و 5 پارامتر طراحی و مورد بررسی قرار گرفتند و ضرایب دو مدل نهایی ) مدل دو و پنج پارامتری ( به عنوان مدل پیشنهادی، با استفاده از روش برآورد کمترین مربعات حاصل شدند. مدل ها، به ترتیب برای رصدهایی با فواصل حضیض مدار ماه (فاصله کمتر از 375 هزار کیلومتر) و برای رصدهایی با فواصل اوج مدار ماه (فاصله بیشتر از 390 هزار کیلومتر) به طور جداگانه مورد بررسی قرار گرفت. نتایج مدل 5 پارامتری نشان داد در این دو حالت به ترتیب، دارای خطای مربعی متوسط 3/6 دقیقه و 4/0 دقیقه برای پیش بینی بهترین زمان رؤیت هلال ماه هستند. همچنین نتایج نشان داد، با توجه به تغییرات جدایی زاویه ای ماه از خورشید (10 تا 20 درجه) و اختلاف ارتفاع ماه از خورشید (5 تا 20 درجه)، مدت زمان انتظار رؤیت هلال ماه از 32 دقیقه بعد از غروب خورشید تا 12 دقیقه زودتر از غروب خورشید، به دست آمده است. نتایج بیانگر این بود که با افزایش نرخ تاریک شدن آسمان، مدت زمان انتظار رؤیت هلال ماه کاهش می یابد. به عبارتی، هلال ماه در نیمه شمالی کشور زودتر از نیمه جنوبی کشور دیده می شود.

امروزه زیرساخت های حوزه انرژی به واسطه نقش و اهمیت آن ها در خدمت رسانی به جامعه اهمیت ویژه ای یافته است.متقابلاً حفظ امنیت این زیرساخت ها در برابر حمله ها و تهدیدها، از اولویت های تأمین امنیت در یک سرزمین به شمار می رود و یکی از وجوه تأمین امنیت، سنجش وضعیت آسیب پذیری های مکانی زیرساخت ها است. بنابراین در پژوهش حاضر تلاش شده است به ظرفیت سنجی قلمرو استان یزد در مقابل آسیب پذیری زیرساخت های انرژی پرداخته شود. در همین راستا از روش توصیفی- تحلیلی با بهره گیری از روش های تحلیل شبکه ای و نرم افزار Arc GIS استفاده شده است. نتایج حاصله نشان می دهد که از منظر پدافند غیرعامل توزیع زیرساخت ها در استان الگوی مناسبی نداشته است. پهنه مرکزی استان یزد نسبت به مناطق حاشیه ای این استان آسیب پذیرتر است، به صورتی که بیش از نیمی از زیرساخت های شبکه انرژی (55 درصد) در استان یزد در پهنه آسیب پذیری بسیار زیاد قرار دارند و 18 درصد از زیرساخت ها نیز در پهنه با آسیب پذیری زیاد قرار دارند و رعایت آموزه های پدافند غیرعامل در پهنه استان شایسته اهمیت بیشتری است.

تجزیه و تحلیل پیکربندی فضایی و پویایی رشد شهری از موضوعات مهم در مطالعات شهری معاصر است. بر این اساس، در پژوهش حاضر به تحلیل فرآیند گسترش و الگویابی فضا در محورهای برون شهری کلان شهر تهران به ایونکی پرداخته شد. به این منظور، ابتدا با استفاده از تصاویر سری زمانی ماهواره لندست، نقشه های کاربری اراضی برای سال های 1364، 1379، 1390 و 1399 با استفاده از مدل نظارت شده FUZZY ARTMAP استخراج گردید و سپس با بهره گیری از   LCM تغییرات مربوط به کاربری ها - کم زیادشدن مساحت کاربری اراضی - و همچنین با استفاده از توابع ریاضی 7 جمله ای الگوی تغییر سایر کاربری ها به نفع کاربری ساخته شده استخراج شد و درنهایت با استفاده از مدل سلول های خودکار و زنجیره های مارکوف به پیش بینی گسترش شهری در این منطقه برای سال 1410 پرداخته شد. نتایج حاصل نشان داد که در دوره 35ساله حدود 30495 هکتار به وسعت اراضی ساخته شده   افزوده شده است که الگوی گسترش شهری در این منطقه کاملاً بر الگوی شبکه های ارتباطی موجود منطبق و جهتی شمال غربی به جنوب شرقی دارد. همچنین نتایج طبقه بندی تصاویر ماهواره ای و پیش بینی پوشش اراضی نیز نشان داد که در محور شهری تهران - ایوانکی با توجه به روند رشد شهری منطقه در سال 1410 مساحت ارضی ساخته شده به بیش از 50 هزار هکتار خواهد رسید . مطابق با نتایج، اقدامات مناسب برای کنترل تغییرات کاربری زمین به ویژه رشد شهر به منظور حفظ محیط زیست و تعادل اکولوژیکی منطقه نیاز است.

در این مقاله با استفاده از روش های مبتنی بر یادگیری مقدار بخار آب قابل بارش (PWV) به صورت مکانی-زمانی مدل سازی شده و سپس پیش بینی می شود. از سه مدل شبکه های عصبی مصنوعی (ANNs)، سیستم استنتاج عصبی-فازی سازگار (ANFIS) و مدل رگرسیون بردار پشتیبان (SVR) برای انجام این کار استفاده شده است. برای مقایسه کارایی و دقت این سه مدل، نتایج حاصل با مشاهدات بخار آب قابل بارش حاصل از ایستگاه رادیوسوند (PWV radiosonde() و بخار آب قابل بارش به دست آمده از مدل تجربی ساستامنین (PWV Saastamoinen) نیز مقایسه شده است. مشاهدات 23 ایستگاه GPS مابین روزهای 300 الی 305 (6 روز) از سال 2011 در منطقه شمال غرب ایران برای ارزیابی مدل ها، به کار گرفته شده است. دلیل انتخاب این منطقه و بازه زمانی مورد نظر، در دسترس بودن مجموعه کاملی از مشاهدات ایستگاه های GPS ، رادیوسوند و ایستگاه های هواشناسی است. از 23 ایستگاه مورد نظر، مشاهدات دو ایستگاه KLBR و GGSH به منظور انجام تست نتایج حاصل کنار گذاشته می شود. در مرحله اول، تأخیر تر زنیتی (ZWD) از مشاهدات 21 ایستگاه GPS محاسبه و سپس تبدیل به مقدار PWV می شود. مقادیر PWV حاصل از این مرحله به عنوان خروجی هر سه مدل در نظر گرفته شده است. همچنین چهار پارامتر طول و عرض جغرافیایی ایستگاه، روز مشاهده (DOY) و زمان (min .) به عنوان ورودی های سه مدل هستند. هر سه مدل با استفاده از الگوریتم پس انتشار خطا (BP) آموزش داده شده و کمینه خطای حاصل در محل ایستگاه رادیوسوند تبریز (38/08N وE 46/28) ، به عنوان معیار پایان آموزش در نظر گرفته شده است. پس از مرحله آموزش، مقدار بخار آب قابل بارش در ایستگاه های تست با هر سه مدل محاسبه و سپس با مقدار بخار آب قابل بارش حاصل از GPS (PWVGPS) مقایسه می شوند. میانگین ضریب همبستگی محاسبه شده برای چهار مدل ANN ، ANFIS ، SVR و Saastamoinen در 6 روز مورد مطالعه به ترتیب برابر با 0/85، 0/88، 0/89 و 0/69 است. همچنین، میانگین RMSE برای چهار مدل در 6 روز به ترتیب برابر با 2/17، 1/90، 1/77 و 5/45 میلی متر شده است. نتایج حاصل از این مقاله نشان می دهد که مدل SVR از قابلیت بسیار بالایی در برآورد مقدار بخار آب قابل بارش برخوردار بوده و از نتایج آن می توان در مباحث مرتبط با هواشناسی و پیش بینی بارش استفاده نمود. 

عدم تابش یکنواخت نور بر عوارض، سبب کاهش میزان کنتراست در تصاویر هوایی شده و استخراج ویژگی های تصویر را مشکل می سازد. عدم نوردهی مناسب باعث کاهش کنتراست تصویر و تشکیل سایه یک عارضه بر عوارض دیگر می شود، در نتیجه سبب از بین رفتن اطلاعاتی در مورد رفتار، شکل، اندازه ، الگو، بافت و تن عوارض شده و سبب فشردگی هیستوگرام تصویر در یک یا چند ناحیه خاص می شود. در این پژوهش از دو تصویر هوایی با تنوع عوارض پوشش گیاهی، خاک و دست ساخت بشر استفاده شد. در مرحله اول از روش پیشنهادی تحقیق حاضر، ابتدا الگوریتم SMQT بر تصویر اعمال گردید. این تبدیل با نشان دادن ساختار داده ها، ویژگی های Gain و Bias داده ها را حذف می کند. خروجی الگوریتم SMQT تصویر خاکستری می باشد. برای حفظ اطلاعات رنگی موجود در تصویر اصلی، تصویر RGB ورودی با تصویر حاصل از الگوریتم SMQT   ادغام گردید. در مرحله دوم، تصحیح گاما به میزان 0/7 به کل تصویر اعمال شد. تصحیح گاما، فرآیندی است که برای تصحیح پاسخ قانون توان رخ می دهد. میزان تصحیح گاما در همه قسمت های یک تصویر یکسان نیست اما  اعمال این تصحیح به صورت محلی و با استفاده از کرنل به ابعاد مشخص، سبب افزایش محاسبات و زمان می شود و در صورت وجود نویز در تصویر، انحراف شدید در میزان تصحیح به وجود می آورد. برای حل این مشکل، مجددا ً بر روی تصویر به دست آمده از تصحیح گاما، الگوریتم SMQT اعمال شد. این عمل با فشرده سازی محدوده ی داینامیک رنج به وسیله ی کشش هیستوگرام تصویر، در قسمت هایی از تصویر که نیاز به تصحیح گاما نداشت، ساختار داده را بدون تغییر باقی گذاشت. خروجی حاصل از الگوریتم SMQT در مرحله دوم با تصویر حاصل از تصحیح گاما، ادغام شد. معیار شباهت ساختاری برای تصاویر ورودی به ترتیب برابر 0/4352 و 0/4161 و برای تصاویر پردازش شده برابر 0/8372 و 0/8401 می  باشد.

سیل از جمله رخدادهای طبیعی است که وقوع آن سالانه خسارت های زیادی به مردم و محیط زیست در سراسر جهان وارد می کند. اقدامات آبخیزداری راهکاری مؤثر در راستای کنترل سیل و کاهش خسارت ناشی از آن بوده و ارزیابی اثر این اقدامات بیانگر میزان دستیابی به موفقیت در نائل شدن به هدف کنترل سیلاب است. در این تحقیق هدف آن است که از تلفیق روش شماره منحنی و AHP در Arc-GIS برای تهیه نقشه حساسیت به سیل استفاده شده و نقش اقدامات بیولوژیکی آبخیزداری در حساسیت به سیلاب منطقه با استفاده از این روش و آزمون های آماری مورد بررسی قرار گیرد. برای این منظور، حوضه آبخیز پردیسان در قسمت جنوبی شهر قم، با بیشترین سطح کاربری اراضی مرتع انتخاب شد. ده عامل تراکم زهکشی، شیب، بارندگی سالانه، فاصله از رودخانه، ارتفاع، تجمع جریان، شماره منحنی SCS ، زمین شناسی، ژئوموفولوژی و نقشه سیلاب پیشین منطقه انتخاب و هر عامل براساس تأثیر بر حساسیت سیل خیزی منطقه در مقیاس های مختلف طبقه بندی شدند. سپس از روش AHP در Arc-GIS  برای محاسبه مقایسه جفتی و تعیین وزن هر عامل استفاده شد. نتایج نشان داد که عامل شماره منحنی دارای بیشترین درصد وزنی (27/44) و نفوذپذیری سنگ ها دارای کمترین درصد وزنی (3/20) است. مقایسه کلاس های سیل خیزی در شرایط فعلی و آینده نشان می دهد که با انجام اقدامات بیولوژیکی آبخیزداری، طبقات سیل خیزی زیاد و متوسط به ترتیب 7/3 و 39/7 درصد کاهش و طبقات با حساسیت کم و خیلی کم به ترتیب 22/18 و 22/82 درصد افزایش خواهد یافت. انجام آزمون آماری نشانه و ویلکاکسون نیز بیانگر آن است که اختلاف معنی دار در طبقات سیل خیزی در قبل و بعد از اقدامات آبخیزداری وجود دارد و اقدامات بیولوژیکی تأثیر مثبتی در کاهش سیل دارد.

وردایست لایه انتقال بین وردسپهر و پوشن سپهر است. در این پژوهش برای شناخت وردایست بر روی جو ایران از داده های دما و ارتفاع ژئوپتانسیل مربوط به پایگاه ECMWF در بازه ی زمانی 1979 تا 2018 با تفکیک افقی 0/25 درجه در ترازهای مختلف جو و بر پایه افت آهنگ دما (LRT) استفاده شد. نتایج پژوهش نشان داد که در ماه های فصل زمستان تغییرات تراز فشار وردایست بر روی ایران از عرض جغرافیایی تبعیت می کند و با افزایش عرض جغرافیایی ارتفاع وردایست کاهش می یابد، اما در ماه های فصل تابستان ویژگی های تراز فشار وردایست متفاوت با ماه های فصل زمستان است. در این ماه ها تغییرات ترازهای فشار وردایست از عرض جغرافیایی تبعیت نمی کنند؛ بر روی ارتفاعات زاگرس و کرمان ارتفاع وردایست در پایین ترین حد خود قرار دارد، در حالی که بالاترین ارتفاع وردایست در این ماه ها در عرض های جغرافیایی بالاتری نسبت به دیگر ماه ها واقع می شود. بررسی دمای تراز پایین و بالای وردایست نیز نشان داد که دمای تراز پایین وردایست در تمام ماه های فصول بررسی شده پایین تر از دمای تراز بالای آن است و دمای دو تراز با تغییرات ارتفاع وردایست در ماه های مختلف دچار تغییر شده است. بررسی تفاضل دمایی دو تراز اطراف وردایست نشان داد که تفاضل دمایی دو تراز اطراف وردایست در فصل تابستان در مقایسه با فصل زمستان قابل توجه تر است. این در حالی بود که در فصل زمستان تفاضل دمایی در اکثر مناطق از عرض جغرافیایی تبعیت می کند و با افزایش عرض جغرافیایی تفاضل دمایی کاهش می یابد.

پهنه بندی اکولوژیکی کشاورزی، ابزاری برای ارزیابی مناسب منابع اراضی، برنامه ریزی و مدیریت بهتر کشت در جهت دستیابی به کشاورزی پایدار است. با توجه به اهمیت استان خوزستان در کشاورزی کشور و راهبردی بودن محصول گندم، در این پژوهش پهنه بندی پتانسیل تولید کشت گندم در منطقه دشت باغه خوزستان انجام شد. ویژگی های اقلیمی شامل دمای میانگین، کمینه و بیشینه و همچنین بارندگی سالیانه بودند. همچنین، عوامل محیطی شامل ویژگی های توپوگرافی (شیب) و ویژگی های خاک (شیمیایی و فیزیکی) در نظر گرفته شدند. ویژگی های خاک از داده های 96 پروفیل خاک حاصل از مطالعات نیمه تفصیلی منطقه تعیین شد. پهنه بندی ویژگی های مختلف خاک و متغیرهای اقلیمی با استفاده از روش وزن دهی عکس فاصله (IDW) انجام شد . سپس با استفاده از توابع عضویت، نقشه فازی هر یک از پارامترهای مؤثر در تعیین مناطق مستعد برای کشت گندم تهیه شد. در ادامه با استفاده از مدل تحلیل سلسله مراتبی (AHP) وزن هر یک از لایه ها مشخص و در نهایت در محیط GIS نقشه تناسب اراضی برای کشت گندم تهیه شد. شایان ذکر است که در این مطالعه مهم ترین پارامترهای مؤثر بر کشت گندم قبل از ورود به مدل، با استفاده از روش های آماری انتخاب شدند. نتایج نشان داد که بخش غربی منطقه مورد مطالعه براساس ویژگی های خاک، اقلیم و توپوگرافی منطقه برای کشت گندم مناسب است و حدود 46 درصد از مساحت کل محدوده مورد مطالعه را به خود اختصاص داده است (4220 هکتار) و قسمت هایی از جنوب و شمال منطقه مورد مطالعه، نامناسب ترین شرایط را برای کشت گندم دارند. بنابراین با استفاده از روش فازی و AHP می توان مکان های مناسب برای کشت محصولات زراعی را تعیین کرد.