باقر قرمزچشمه

نقشه های پوشش/کاربری اراضی، برای پایش تغییرات عوارض و برنامه ریزی صحیح، هرساله مورد نیاز مدیران حوزه کشاورزی، منابع طبیعی و زیست محیطی است. روش برداشت میدانی با جی پی اس (GPS) و نقشه برداری زمینی مستلزم صرف زمان و هزینه های بسیار است. بنابراین، اغلب از تصاویر ماهواره ای، که دارای پوشش سراسری و توالی برداشت، هزینه کم و اطلاعات به هنگام اند، استفاده می شود تا نقشه های پوشش/کاربری زمین به دست آید. تهیه نقشه دقیق با روش مناسب روز موضوعی کلیدی است. طی سال های اخیر، استفاده از تصاویر ماهواره ای جدید و روش های نوین طبقه بندی، به ویژه یادگیری ماشین، رشد فزاینده ای داشته و کارآیی آنها در تهیه نقشه های پوشش/کاربری اراضی بسیار موفقیت آمیز بوده است. یکی دیگر از مزایای تصاویر ماهواره ای برداشت های متوالی است و براساس آن، می توان از تغییرات پوشش گیاهی در طول زمان، برای تفکیک نوع پوشش، استفاده کرد. ماهواره سنتینل-2، با امتیاز پیکسل 10متری، یکی از ابزارهای مناسب برای تفکیک نوع پوشش محسوب می شود. در این تحقیق، برای تفکیک انواع کاربری اراضی و محصولات زراعی دشت سنجابی روانسر، از تصاویر چندزمانه سنتینل-2 و روش های طبقه بندی ماشین بردار پشتیبان و جنگل تصادفی استفاده و دقت آنها با یکدیگر مقایسه شد. بدین منظور، پس از نمونه برداری، تحلیل مؤلفه های اصلی برای چهار تاریخ دوره رشد محصولات اجرا شد و باندهای PC 1 ، PC 2 و PC 3 تصاویر با هم ترکیب شدند. دو روش روی ترکیب باند های PC 1 ، PC 2 و PC 3 تصاویر و نمونه های تعلیمی اعمال شدند. ارزیابی دقت ها نشان داد ماشین بردار پشتیبان، با صحت کلی 91.36% و ضریب کاپای 0.8927، نقشه کاربری اراضی و محصولات دقیق تری، در قیاس با روش جنگل تصادفی، تولید می کند.

در پژوهش حاضر اثر تغییرات اقلیم بر روی بارش های این منطقه با بکارگیری مدل مناسب مورد ارزیابی قرار گرفته و مقادیر بارش های دوره ی مشاهده ای (2001-1961) بررسی و تحلیل شد. جهت تحقق اهداف پژوهش از خروجی مدل HadCM3 استفاده گردید. ابتدا 7 ایستگاه سینوپتیک انتخاب و داده های آن ها از لحاظ صحت و دقت و کفایت طول دوره ی آماری مورد بررسی قرار گرفت، داده های پرت حذف و داده های مفقود بازسازی شد. داده های AOGCM با استفاده از مدل SDSM ریزمقیاس گردید و مقادیر بارش برای دوره ی مشاهده ای شبیه سازی شد و پس از تایید تطابق مقادیر داده های شبیه سازی شده با داده های مشاهده ای، مقادیر دوره ی آتی(2039-2011) برآورد گردید. مقادیر خطای برآورد مدل SDSM توسط معیارهایMBE و MAE، بصورت ماهانه محاسبه و سپس مقایسه شد. خروجی مدل SDSM جهت بررسی شاخص مجموع بارش سالانه در روزهای با بارش بیشتر از یک میلی متر در دوره ی مشاهده ای و دوره ی آتی(2039-2011) توسط مدل R-Climdex مورد استفاده قرار گرفت و مقادیر شاخص PRCPTOTدر دوره ی آتی پهنه بندی شد. نتایج نشان داد که با توجه به نتایج معیارهای MBE و MAE، خطای مدل در ماه های پربارش بیشتر از ماه های کم بارش است. در مقیاس ماهانه، حداکثر خطا در ماه های سپتامبر، اکتبر، نوامبر و دسامبر بدست آمد. بدین ترتیب حداکثر خطا در فصل پاییز و حداقل خطا در فصل بهار و در ماه های آوریل و می محاسبه شد. با توجه به نتایج به دست آمده، مجموع بارش سالانه در دوره ی 2039-2011 در ایستگاه های انزلی، بابلسر، گرگان، و نوشهر کاهش و در ایستگاه های آستار، رامسر و رشت افزایش خواهد یافت. nk href="moz-extension://8b922523-7922-435a-ac74-8ddb59e9beaf/skin/s3gt_tooltip_mini.css" rel="stylesheet" type="text/css" >