اطلاعات جغرافیایی (سپهر)

اطلاعات جغرافیایی (سپهر)

اطلاعات جغرافیایی سپهر دوره 32 بهار 1402 شماره 125 (مقاله علمی وزارت علوم)

مقالات

۱.

بررسی میزان تغییرات غلظت گازهای دی اکسید سولفور و دی اکسید نیتروژن موجود در هوای مناطق صنعتی با استفاده از سنجش ازدور و GIS، مطالعه موردی: کارخانه ذوب مس خاتون آباد، استان کرمان(مقاله علمی وزارت علوم)

کلید واژه ها: آلودگی هوا سامانه گوگل ارث انجین GIS سنتینل 5 پی کارخانه ذوب مس خاتون آباد

حوزه های تخصصی:
تعداد بازدید : 519 تعداد دانلود : 180
در این پژوهش آلودگی هوای ایجاد شده توسط کارخانه ذوب مس خاتون آباد و تعیین شعاع تأثیر آن با استفاده از داده های سنتینل 5 پی (Sentinel-5P) در سامانه گوگل ارث انجین مورد بررسی قرار گرفته است. داده های مربوط به میانگین گازهای دی اکسید سولفور و دی اکسید نیتروژن با استفاده از سامانه گوگل ارث انجین در محدوده 50 کیلومتری از کارخانه و در بازه ی زمانی یک روزه، هفت روزه، چهارده روزه، یک ماهه، دوماهه، سه ماهه، شش ماهه، دوازده ماهه و سی ماهه از ماه دسامبر2020 برای ارزیابی غلظت آلودگی در روزهای سرد سال و در بازه های زمانی مشابه از ماه ژوئن 2021 به منظور ارزیابی غلظت آلودگی در روزهای گرم سال به دست آمد. تحلیل این داده ها برای تعیین بازه های زمانی مؤثر و میزان غلظت تجمعی آن ها با استفاده از روش آماری - مکانی تحلیل لکه داغ صورت گرفته است. نتایج حاصل از تحلیل لکه داغ تصاویر مربوط به گاز دی اکسید نیتروژن نشان می دهد که در بازه های زمانی دو هفته تا دو ماهه در ماه های سرد سال لکه داغ نشانگر وجود گاز دی اکسید نیتروژن در جو مستقر در بالای کارخانه است. اما در بازه های سه ماهه، شش ماهه، یک ساله و سی ماهه در ماه های سرد لکه داغ به سمت شمال غرب و در فاصله دورتر از کارخانه مشاهده می شود. همچنین تصاویر مربوط به ماه ژوئن در اطراف کارخانه مورد مطالعه روند مشابهی را نمایان می سازد. نتایج حاصل از تحلیل لکه داغ تصاویر مربوط به گاز دی اکسید سولفور نشانگر مقدار زیاد غلظت این گاز در اطراف کارخانه است و تصاویر با بازه های زمانی یک ماهه و طولانی تر قادر به ارائه اطلاعات دقیق تر و منطقی تر در مورد میزان غلظت گاز دی اکسید سولفور هستند. باتوجه به نتایج به دست آمده فعالیت این کارخانه می تواند دلیلی بر افزایش میزان غلظت گاز دی اکسید سولفور باشد که شعاع حدود 4 تا 6 کیلومتری و مساحت حدود 10700 هکتار در اطراف کارخانه را تحت تأثیر قرار داده است. نتایج این تحقیق می تواند کارشناسان محیط زیست و محققین را در استفاده و تفسیر بهتر از داده های ماهواره سنتینل 5 پی در ارزیابی آلودگی هوا در مناطق صنعتی در بازه های زمانی متفاوت با درک بهتری از میزان پراکنش هر گاز در فصول گرم و سرد سال و در هر بازه زمانی یاری رساند.
۲.

بررسی پویایی و گسترش مناطق شهری با استفاده از نمونه های آموزشی خودکار حاصل از تلفیق تصاویر نور شب و قدرت تفکیک متوسط(مقاله علمی وزارت علوم)

کلید واژه ها: داده نور شب اشباع و شکوفایی پویایی گسترش شهری تصاویر ماهواره ای نمونه های آموزشی خودکار

حوزه های تخصصی:
تعداد بازدید : 784 تعداد دانلود : 926
گسترش شهرها یک فرآیند پویاست و به روزرسانی نقشه های شهری به منظور ارائه خدمات بسیار مهم است. داده های سنجش ازدوری منبع قدرتمندی برای استخراج مناطق ساخته شده می باشند؛ یکی از داده هایی که می تواند پویایی مناطق شهری را تشخیص دهد داده های نور شب است. ازآنجایی که مناطق شهری در هنگام شب توسط نورهای مصنوعی موجود در منازل و خیابان ها روشن می شوند، درنتیجه به خوبی از پس زمینه متمایز خواهند شد. ازاین روی مطالعه حاضر در تلاش است رشد و گسترش مناطق شهری را با استفاده از نمونه های آموزشی با کیفیت و اتوماتیک از روی ترکیبی از تصاویر نور شب و اپتیک، در یک بازه 24 ساله با دقت بالایی شناسایی و استخراج کند. دراین راستا برای تولید نمونه های آموزشی با کیفیت، شاخص نور شب تحت عنوان [1]VTNUI توسعه داده شده است که با ترکیب ویژگی های مختلف بدست آمده از تصاویر لندست و نور شب در محدوده های شهری و در نظر گرفتن روابط بین مناطق، پدیده اشباع[2] و شکوفایی[3] تصاویر نور شب در محدوده شهری را کاهش داد. سپس با بررسی حد آستانه های خودکار بر روی شاخص توسعه داده شده نمونه های آموزشی با کیفیت تولید شد تا طبقه بندی دقیق تری از مناطق شهری ارائه شود. ازاین روی ابتدا از نمونه های آموزشی اولیه به دست آمده با استفاده از حد آستانه خودکار بر روی تصاویر نور شب طبقه بندی اولیه صورت پذیرفت سپس نمونه ها با اعمال حد آستانه خودکار بر روی شاخص معرفی شده پالایش شدند و طبقه بندی نهایی صورت گرفت. درنهایت بر اساس تحلیل سری زمانی، روند رشد منطقه بررسی شده است. به منظور بررسی اثربخشی روش پیشنهادی، دو منطقه دارای اقلیم متفاوت انتخاب شد و بررسی های مختلف بصری و کمی برای ارزیابی صورت پذیرفت. نتایج طبقه بندی نهایی برای بابل و کرمان به ترتیب با میانگین ضریب کاپا 0/93 و 0/74 و میانگین دقت کلی 97/76 و 87/63 برای تمام سال های مورد بررسی به دست آمده است. [1] vegetation and Temperature -NTL urban index[2] saturation[3] blooming
۳.

بهبود دقت شناسایی مزارع برنج با استفاده از تصاویر سری زمانی دمای سطح زمین ماهواره لندست-8 و الگوریتم های یادگیری ماشین(مقاله علمی وزارت علوم)

کلید واژه ها: شناسایی برنج لندست - 8 نقشه ی دمای سطح زمین الگوریتم های یادگیری ماشین

حوزه های تخصصی:
تعداد بازدید : 98 تعداد دانلود : 179
برنج اصلی ترین محصول غذایی بیش از نیمی از مردم جهان است. نظارت بر سطح زیر کشت محصول برنج، نقش مهمی در برنامه ریزی های کشاورزی دارد. امروزه می توان با تکیه بر فن آوری سنجش از دور و روش های یادگیری ماشین، روش های مدیریتی را بهبود بخشید. تحقیق فوق با هدف شناسایی برنج در سال 2020 به کمک نقشه های سری زمانی شاخص های NDVI و LST استخراج شده از تصاویر لندست-8، با الگوریتم SVM در ایالت کالیفرنیا، انجام گرفته است. یکی از انگیزه های اصلی این تحقیق، بررسی قابلیت های نقشه های سری زمانی شاخص LST در کنار نقشه های سری زمانی شاخص NDVI به منظور بهبود دقت شناسایی مزارع برنج ، با الگوریتم SVM است. در گام اول از روش پیشنهادی پس از اخذ سری زمانی تصاویر لندست-8 و انجام تصحیحات رادیومتری و اتمسفری، نقشه های سری زمانی دو شاخص NDVI و LST تولید شد. در گام دوم، شناسایی مزارع برنج با الگوریتم طبقه بندی SVM در دو سناریوی وجود یا عدم وجود نقشه ی سری زمانی LST در کنار نقشه ی سری زمانی NDVI پیشنهاد شد. در نهایت از الگوریتم های طبقه بندی نزدیک ترین همسایگی، درخت تصمیم گیری، رگرسیون لجستیک و پرسپکترون چند لایه برای مقایسه ی روش پیشنهادی استفاده شد. نتایج حاصل از شاخص پیشنهادی باعث بهبود دقت کلی به مقدار متوسط 3.572 درصد و ضریب کاپا به مقدار متوسط 7.112 درصد در روش های شناسایی مزارع برنج هنگام بکار گیری همزمان نقشه های سری زمانی شاخص LST و NDVI با کاهش خطای نوع اول به کمک استخراج ویژگی های فصل رشد حرارتی (حذف کلاس های غیر برنج همچون پنبه، لوبیای سبز و ... از کلاس برنج) شد. همچنین الگوریتم ماشین بردار پشتیبان، بالاترین دقت کلی 94.28 درصد و ضریب کاپای 88.29 درصد را در شناسایی مزارع برنج از سایر مزارع کشاورزی، در مقایسه با سایر روش های مقایسه ای نشان داد. نتایج حاصل از روش های مقایسه ای کارآیی پایین الگوریتم درخت تصمیم گیری را در شناسایی لبه های مزارع برنج، نشان داد.
۴.

تهیه نقشه پراکنش و انبوهی جنگل و سایرکاربری های زمین در منطقه ارسباران با استفاده از داده های ماهواره سنتینل2(مقاله علمی وزارت علوم)

کلید واژه ها: جنگل ارسباران طبقه بندی نظارت شده تصاویر ماهواره ای سنتینل2 کاربری زمین انبوهی جنگل

حوزه های تخصصی:
تعداد بازدید : 222 تعداد دانلود : 97
امروزه در کشورهای در حال توسعه، منابع طبیعی به خصوص جنگل ها به منظور اهداف اقتصادی با شدت زیادی در حال بهره برداری هستند که این امر موجب تأثیر بر تنوع زیستی، خصوصیات خاک، کمیت و کیفیت آب و اقلیم جهانی می شود. بنابراین لزوم توجه بیشتر به حفظ و احیاء جنگل ها بیش از پیش احساس می شود. امروزه تکنولوژی استفاده از اطلاعات مکانی حاصل از سنجش از دور و تصاویر ماهواره ای، اطلاعات جامع و هدفمندی را برای مطالعات محیط زیستی فراهم کرده است. در این پژوهش نیز با استفاده از تصاویر ماهواره سنتینل2 که دارای قدرت تفکیک مکانی، طیفی و زمانی مطلوب می باشند، به بررسی و تعیین سطح، پراکنش و انبوهی جنگل های منطقه ارسباران و سایر کاربری ها پرداخته شد. جنگل های ارسباران در ارتفاعات قره داغ در شمال استان آذربایجان شرقی قرار گرفته است ومساحت منطقه مورد مطالعه 551211 هکتار می باشد. طبقه بندی منطقه به کاربری جنگل(انبوه، نیمه انبوه، تنک و خیلی تنک)، مرتع، کشاورزی، مسکونی و بایر، باغ و آب با استفاده از الگوریتم های مختلف انجام شد که نتایج نشان داد روش طبقه بندی نظارت شده حدکثر احتمال، بهترین روش برای طبقه بندی جنگل های ارسباران است. بر اساس نتایج به دست آمده مساحت جنگل های با تراکم بیشتر از 5 درصد،131019 هکتار محاسبه است که 39 درصد آن مربوط به جنگل انبوه، 36 درصد نیمه انبوه، 17 درصد تنک و 8 درصد خیلی تنک می باشد. در منطقه مورد مطالعه بیشترین سطح کاربری به ترتیب مربوط به مرتع، جنگل، کشاورزی، مسکونی و بایر، باغ و آب محاسبه شده است. با ارزیابی و تعیین صحت نقشه نهایی، ضریب کاپا  0.88 و صحت کلی 89.8% به دست آمد که این نتایج نشان داد روش طبقه بندی نظارت شده پیکسل پایه، روشی قابل قبول بوده و نقشه به دست آمده قابل اطمینان و کاربردی می باشد. نتایج حاصل از این تحقیق می تواند در تهیه برنامه های کوتاه مدت، میان مدت و بلندمدت مدیریت پایدار جنگل های کشور استفاده شود که منجر به شناسایی اراضی تخریب شده و جلوگیری از تعرض به اراضی منابع ملی جنگلی خواهد شد و همچنین به عنوان ابزاری مناسب برای برنامه ریزی و تصمیم گیری برای آینده جنگل ها به کار رود.
۵.

ارائه یک توصیفگر ترکیبی مبتنی بر ویژگی های مکانی و هندسی برای تطابق ابرنقاط سه بعدی(مقاله علمی وزارت علوم)

کلید واژه ها: ابرنقاط سه بعدی انطباق توصیفگر ویژگی هندسی ویژگی مکانی

حوزه های تخصصی:
تعداد بازدید : 658 تعداد دانلود : 176
با گسترش تکنولوژی لیزر اسکنر و لایدار و در نظر گرفتن برتری های این تکنولوژی و اخذ داده های مکانی محیط و اشیاء، استفاده از این فناوری روز به روز بیش تر شده است. این تکنولوژی توانایی استخراج نقاط از سطوح خارجی محیط و اشیاء در حجم بالا و در مدت زمان کوتاه را داشته که با توجه به امکان جا به جایی آسان لیزر اسکنر ها، ابر نقاط مربوط به محیط و اشیا معمولاً از زوایای متفاوتی اخذ می شوند که هر کدام در یک سیستم مختصات متفاوت قرار دارند و همگی باید به یک سیستم مختصات واحد منتقل شوند. به این منظور ابتدا باید جفت نقاط متناظر در هر مجموعه ابر نقاط معین شوند و سپس با استفاده از فرآیندی نقاط متناظر روی هم بیافتند تا مدل سه بعدی از طریق مجموعه های ابرنقاط ایجاد شود. یافتن مناسب ترین جفت نقاط متناظر در مجموعه های ابر نقاط از مهم ترین و چالش بر انگیزترین مراحل بازسازی سه بعدی مدل های مورد نظر محیط و اشیاء است. توصیفگر های سه بعدی از جمله ابزار های مناسب برای تعیین جفت نقاط متناظر در مجموعه های ابر نقاط هستند. این توصیفگر ها برای هر نقطه ی منفرد در ابر نقاط، مجموعه ای از اطلاعات را به منظور کمک به تعیین نقاط مشابه در هر مجموعه ابرنقاط می سازد. تعریف یک توصیفگر سه بعدی که از پیچیدگی محاسباتی کم و قدرت توصیفگری بالایی برخوردار باشد، می تواند به یافتن جفت نقاط متناظر صحیح و در ادامه مدل سازی سه بعدی مجموعه های ابرنقاط کمک شایانی کند. در این پژوهش یک توصیفگر سه بعدی هندسی-مکانی پیشنهاد داده شده است که از هر دو ویژگی هندسی و مکانی به صورت توأم استفاده می کند. با توجه به آزمایش های انجام شده بر روی دو دسته مجموعه داده با ساختارهای متفاوت، توصیفگر سه بعدی پیشنهادی در مقایسه با توصیفگر هایی که تنها از یک ویژگی مکانی یا هندسی استفاده می کنند، قدرت توصیفگری بالاتری دارد.
۶.

بررسی تأثیر دمای سطح دریا در پیش بینی وقایع سفید شدن مرجان های خلیج فارس(مقاله علمی وزارت علوم)

کلید واژه ها: سفید شدن مرجان ها تحلیل روند هارمونیک سنجش ازدور دمای سطح دریا خلیج فارس

حوزه های تخصصی:
تعداد بازدید : 653 تعداد دانلود : 256
صخره های مرجانی ازنظر محیط زیستی جزء مهم ترین مناطق جهان هستند. در چند دهه اخیر این بوم سازگان با افزایش دمای اقیانوس ها به شدت توسط رویداد سفید شدن تهدید می شوند. با سفید شدن صخره های مرجانی این بوم سازگان تحت تنش بیشتری قرارگرفته و در معرض مرگ ومیر قرار خواهند گرفت. امروزه به منظور پیش بینی و شناسایی مناطق در معرض خطر سفید شدن مرجان ها از داده های مبتنی بر سنجش ازدور ماهواره ای و قابلیت های تحلیل روند استفاده می شود. در این پژوهش سعی شد با استفاده از روند داده های 35 ساله در بازه زمانی 1980 تا 2015 در قالب داده های چندبعدی، دمای سطح دریا در سال 2022 با به کار گیری ابزارهای ArcGIS Pro برای محدوده خلیج فارس پیش بینی شود و مناطقی که بیشتر در معرض تنش حرارتی منجر به سفید شدگی هستند شناسایی شوند. در این تحلیل برای برازش خط روند از روش هارمونیک استفاده شد. خط روند هارمونیک خطی منحنی است با تکرار دوره ای که بهترین استفاده را برای توصیف داده های دارای الگوی چرخه ای دارد. نتایج اولیه نشان داد که دمای سطح دریا در محدوده خلیج فارس از سال 1996 میانگین دمای بالاتری را تجربه کرده است. نقشه روند به دست آمده (1980 تا 2015)، بیانگر این بود که مناطق شمال غربی خلیج فارس و بخشی از جنوب آن بیشتر در معرض گرمای طولانی قرار دارند. دقت برازش روند داده ها توسط تابع رگرسیونی هارمونیک، پارامترهای آماری، 0.78= R2 و0.5 =RMSE را ارائه داد. در این مطالعه، ناهنجاری های موجود در داده ها محاسبه شد و مناطقی که دمای بالاتر از میانگین داشتند شناسایی شدند. در برش زمانی سالانه پیش بینی شده (2022)، شمال غربی و بخشی از جنوب منطقه خلیج فارس با تنش حرارتی منجر به سفید شدگی مواجه می شوند. نتایج به دست آمده با نقشه های سازمان نووآ در همان تاریخ مقایسه شدند و مورد تأیید قرار گرفتند. پیشنهاد می شود تا سازمان های مسئول برای ارزیابی وضعیت و تهیه نقشه خطر محدوده های مرجانی از روش های مبتنی بر سنجش ازدور و تحلیل روند استفاده کنند.
۷.

نقشه راه پیشنهادی برای تلفیق Digital Twin و NSDI در راستای پیشبرد نیازهای مکانی آمایش سرزمین و توسعه پایدار در ایران - مورد مطالعاتی: SDI ملی ایران(مقاله علمی وزارت علوم)

کلید واژه ها: Digital Twin NSDI آمایش سرزمین توسعه پایدار

حوزه های تخصصی:
تعداد بازدید : 391 تعداد دانلود : 86
بی شک انگیزه ی اصلی تمام برنامه ریزی ها رسیدن به توسعه پایدار، تعادل منطقه ای، توزیع مناسب فعالیت ها و استفاده حداکثر از قابلیت های محیطی در فرایند توسعه مناطق می باشد. مهمترین ابزار برنامه ریزی در توسعه پایدار و آمایش سرزمین، اطلاعات مکانی است و مدیریت اطلاعات مکانی از درگاه زیرساخت ملی اطلاعات مکانی و با بهره گیری از فناوری های پیشرفته، به بالاترین سطح بهره وری خواهد رسید. اقدام در جهت به روز رسانی روش ها، ابزارها و قالب های مدیریت اطلاعات مکانی، رسالت مهمی بنظر می رسد. بگونه ای که مدیران در فرآیند تصمیم سازی، بتوانند از اطلاعات مکانی بهره برده و در مسیر پیشبرد اهداف توسعه پایدار، قدم بردارند. این پژوهش بر پایه مطالعه روش ها و فناوری های روز در مدیریت جامع اطلاعات مکانی سه حوزه پیشرو جهان شامل ایالات متحده آمریکا- استرالیا و اتحادیه اروپا بنا شده است. زمینه های مطالعاتی شامل رویکرد سیاسی و اقتصادی حاکمیت- فناوری های نوین- معماری و ساختار و نهایتاً قوانین و محدودیت ها می باشد. هدف این تحقیق، تهیه نقشه راه برازش وضعیت موجود در مدیریت اطلاعات مکانی کشور با وضعیت مطلوب و دستیابی به توسعه مکان محور از سریع ترین مسیر ممکن است. نتایج این تحقیق نشان می دهند که بازطراحی سیستم زیرساخت اطلاعات مکانی کشور با رویکرد تکاملی، نیازمند سرمایه گذاری و تلاش جدی کلیه دست اندرکاران این حوزه می باشد و با تهیه نقشه راه عملیاتی و حرکت زمان بندی شده در این راستا و همچنین، بومی سازی دستورالعمل های موجود، می توان به فناوری های روز و معماری بهینه دست یافت واز نتایج آن که تحقق توسعه پایدار و عدالت منطقه ای و بازگشت چندین برابر سرمایه است، بهره مند شد.
۸.

تحلیل فضایی تاب آوری اجتماعی محلات حاشیه نشین شهر مشهد بر اساس سیستم پشتیبانی تصمیم فضایی چندمعیاره (MC-SDSS)(مقاله علمی وزارت علوم)

کلید واژه ها: تاب آوری سیستم پشتیبانی تصمیم فضایی چندمعیاره خودهمبستگی فضایی رگرسیون وزنی جغرافیایی

حوزه های تخصصی:
تعداد بازدید : 382 تعداد دانلود : 519
شهر مشهد در پهنه ای با میزان آسیب پذیری بالا قرار گرفته است که وجود 3894 هکتار سکونتگاه غیررسمی در این شهر، بر میزان این آسیب پذیری افزوده است. لذا در این پژوهش، با رویکرد توصیفی_تحلیلی و با استفاده از روش WLC، FUZZY و AHP ابتدا میزان تاب آوری محلات حاشیه نشین شهر مشهد ارزیابی شده است و سپس با استفاده از آمار فضایی، الگوی تاب آوری در این محلات مورد ارزیابی قرار گرفته است. نتایج حاصل از کاربرد شاخص موران در توزیع فضایی تاب آوری اجتماعی، نشان می دهد که این ضریب مثبت و برابر 18/0است. در واقع این مقدار، خوشه ای بودن توزیع فضایی تاب آوری اجتماعی در محلات حاشیه نشین شهر را نشان می دهد. تحلیل آماره G نشان می دهد که خوشه های با تاب آوری اجتماعی بالا درکنار یکدیگر قرار دارند و از الگوی خوشه ای باتمرکز بالا پیروی می کنند. یعنی بلوک هایی با ناکارآمدی زیاد یا کم در مجاورت یکدیگر قرار دارند. خوشه های گرم و نسبتا گرم حدود 41 درصد از مساحت کل محلات حاشیه نشین را شامل می شوند که 31 محله از شهر مشهد را تشکیل داده اند. همچنین مدل سازی عوامل موثر بر تاب آوری اجتماعی محلات دارای بافت ناکارامد شهر مشهد با استفاده از رگرسیون وزنی جغرافیایی (GWR) نشان داد که متغیرهای درصد جمعیت شاغل، درصد جمعیت فعال و میانگین سنی بر تاب آوری اجتماعی محلات مورد مطالعه اثرگذاری بیشتری دارند. از این رو می توان این متغیرها را مبنای علمی برای افزایش تاب آوری اجتماعی این محلات در روند احیای آن ها دانست. به گونه ای که با ایجاد فرصت های شغلی و جذب جمعیت فعال و جوان، در راستای افزایش تاب آوری اجتماعی محلات گام برداشت.
۹.

ارزیابی روند تغییرات دما، جزیره حرارتی و پوشش گیاهی ایام گرم سال در شهر یزد(مقاله علمی وزارت علوم)

کلید واژه ها: جزیره حرارتی دمای سطح زمین تغییرات کاربری NDVI شهر یزد

حوزه های تخصصی:
تعداد بازدید : 135 تعداد دانلود : 944
پدیده جزیره حرارتی شهری، از معمول ترین پدیده های شهری است که طیّ آن برخی از نقاط شهری به خصوص مرکز شهرها چند درجه از مناطق اطرافشان گرم تر می شوند. هدف این پژوهش، ارزیابی روند تغییرات دما، تغییرات جزیره حرارتی و پوشش گیاهی دوره گرم سال در شهر یزد می باشد. برای بررسی روند تغییرات دمای ماه های گرم سال، از اطلاعات دمایی ایستگاه یزد و آزمون من-کندال استفاده شد. به منظور تعیین جزیره گرمایی شهر یزد در ماه های گرم سال، از تصاویر ماهواره ای لندست 4-8 در محدوده زمانی33 ساله(2020-1987) که شامل چهار دوره با فاصله زمانی 11 ساله است (میانگین ماه های تیر، مرداد و شهریور سال های 1987، 1998، 2009 و 2020) استفاده شد. نتایج حاصل از تصاویر ماهواره ای نشان داد که در طی دوره آماری هر چه به سال های جاری نزدیک تر شویم از میزان پوشش گیاهی و زمین های بایر کاسته شده و در عوض به وسعت ناحیه ی شهری افزوده شده است. نقشه های LST نیز نشان از دماهای بالای 50 درجه سانتی گراد به صورت خوشه های داغ در قسمت های غرب و جنوب غرب شهر یزد بوده که در دهه های اخیر ایجاد و تقویت شده اند. آزمون من-کندال و شیب سنس نیز حاکی از روند صعودی معنی دار در سطح اطمینان 99 درصد به خصوص در سال های اخیر است. میزان این افزایش دما دریک دوره 45 ساله حدود 2.3 درجه سانتی گراد بوده است که این شرایط می تواند در پیوند احتمالی با پدیده روند افزایش جمعیت شهری طی دهه های اخیر و به دنبال آن افزایش سازه های شهری(مسکونی، تجاری) و پدیده جزیره حرارتی مرتبط باشد.
۱۰.

مدل سازی تغییر پوشش جنگل فندقلو با استفاده از مدل زنجیره ای CA مارکوف و GEOMOD(مقاله علمی وزارت علوم)

کلید واژه ها: مدل سازی تغییر پوشش جنگل CA مارکوف GEOMOD فندقلو

حوزه های تخصصی:
تعداد بازدید : 40 تعداد دانلود : 937
 پایش و بررسی تغییرات کاربری اراضی در عرصه های جنگلی، اطلاعات قابل قبولی را به منظور مدیریت کارآمد این منابع فراهم می کند. همچنین حفاظت از منابع طبیعی نیازمند آگاهی از شرایط و نحوه تغییر کاربری های مختلف اراضی است؛ بنابراین هدف از این پژوهش ارزیابی روند تغییر کاربری جنگل در محدوده جنگلی فندقلو از سال 2010 تا سال 2019 با استفاده از تصاویر لندست 5، 8 و ادغام آن ها باتصاویر سنتینل2 و استر است. پس از تهیه تصاویر برای سال های 2010، 2015 و 2019، تصحیح هندسی، رادیومتریک و اتمسفری تصاویر انجام گرفت و نقشه کاربری ها با دقت کاپا به ترتیب 93، 83، 91 درصد تهیه شدند. مدل سازی تغییر کاربری برای سال 2025 با مدل GEOMOD، نیازمند تهیه نقشه تناسب منطقه است که با استفاده از روش Fuzzy ANP و ضریب ناسازگاری کمتر از 0.06 تهیه شده و برای تهیه نقشه تناسب اراضی از چهار معیار: انسانی، زیست شناختی، توپوگرافی و اقلیمی و 11 زیر معیار با توابع بولین بدست آمد و نقشه های کاربری اراضی بولین (جنگل و غیر جنگل) 2010 و 2015 مدل سازی برای سال 2019 انجام گرفت. مدل سازی کاربری برای سال ۲۰۲۵ از نقشه پایه ۲۰۱۹ و ماتریس انتقال زنجیره مارکوف کاربری اراضی ۲۰۲۵ با مدل CA- Markov صورت پذیرفت و نتیجه تغییرات مکانی برای سال ۲۰۲۵ به دست آمد. برای ارزیابی دقت مدل از میزان توافق و عدم توافق مکانی پیکسل ها با Klocation و Standard به ترتیب با دقت 98 و 95 استفاده شد. نتایج مدل سازی برای سال 2025 تغییرات به صورت کاهش پوشش جنگل بوده که از 3204.18 هکتار در سال 2010 به 3070.55 هکتار در 2019 هزار هکتار کاهش یافته است. با توجه به نتایج وزن دهی، معیار انسانی و زیرمعیارهای کاربری اراضی و فاصله از جاده وزن بالایی را به دست آوردند. علت آن می تواند پتانسیل گردشگری این منطقه در جذب گردشگران و همچنین دخالت های ساکنان محلی باشد که تأثیر مستقیمی بر روند کاهشی جنگل دارد. 

آرشیو

آرشیو شماره ها:
۶۲