مائده بهی فر

شاخص سطح برگ استخراج شده (LAI) از تصاویر سنجش از دور پارامتر مهمی، به منظور مدل سازی مکانی تولید پوشش گیاهی، محسوب می شود. معمولاً شاخص های پوشش گیاهی که با بازتاب طول موج های قرمز و مادون قرمز نزدیک محاسبه می شوند، در برآورد LAI با استفاده از روش های آماری، به کار می روند اما بسیاری از این شاخص ها در مقادیر متفاوت LAI به اشباع می رسند. برای رفع این محدودیت، بازتاب محدوده لبه قرمز استفاده شده است؛ بنابراین، باید قابلیت شاخص های متفاوت پوشش گیاهی استخراج شده از داده های سنجش از دور، برای برآورد LAI ذرت علوفه ای، ارزیابی شود. بدین منظور پنج مرحله نمونه برداری میدانی، با فاصله زمانی نزدیک به گذر ماهواره سنتینل 2، از سوی مرکز تحقیقات فضایی پژوهشگاه فضایی ایران، اجرا شد و در مجموع، 234 نمونه از مزارع ذرت علوفه ای شرکت کشت و صنعت مگسال قزوین برداشت شد. سپس سیزده شاخص پوشش گیاهی متفاوت، با استفاده از سری زمانی تصاویر سنتینل 2، محاسبه شد و برای برآورد آماری مقادیر LAI به کار رفت. نتایج نشان داد که شاخص EVI با ضریب همبستگی 76/0 برای برآورد شاخص سطح برگ ذرت علوفه ای بهترین عملکرد را داشته است. علاوه براین، مقدار RMSE روش های رگرسیون غیرخطی بیشتر از روش های خطی بوده است.

خشکسالی از مهم ترین بلایای طبیعی کشور است که اثرات مخرب زیست محیطی و اقتصادی فراوانی دارد. بیشتر مطالعات انجام شده به شدت خشکسالی پرداخته اند و معمولاً سایر ویژگی های آن بررسی نشده است. در این تحقیق، اولین بار، قابلیت شاخص های هواشناسی و داده های ماهواره ای با یکدیگر ادغام شده و از آن برای مطالعه تمامی ویژگی های خشکسالی، در دو حوزه داخلی و ساحلی کشور، استفاده شده است. بدین منظور، شاخص SPI با استفاده از تصاویر ماهواره ای بارش TRMM محاسبه شده و سپس مشخصه های خشکسالی مانند شدت، تداوم، بزرگی و گستره خشکسالی، به صورت مکانی، در سطح حوزه مطالعه شد. نتایج نشان دهنده همبستگی کلی 0.94 بین SPI محاسبه شده از تصویر و داده های ایستگاهی بوده است. حداکثر شدت خشکسالی در منطقه مورد مطالعه برابر با 4.19- بوده که در آذر سال 1389 اتفاق افتاده است. علاوه براین، فراوانی وقوع خشکسالی های فرین، در دو مقیاس زمانی شش و دوازده ماهه، در حوزه داخلی بیشتر از حوزه ساحلی بوده است. در بازه مورد مطالعه، در مقیاس زمانی شش ماهه، 60% از رویدادهای خشکسالی حوزه بزرگی خفیف تر از 18.3- داشته اند. نتایج نشان داد، با استفاده از تصاویر ماهواره ای، به خوبی می توان به مشخصه گستره خشکسالی دست یافت؛ درحالی که با استفاده از سایر روش ها قابل محاسبه نیست. علاوه براین، با به کارگیری تصاویر ماهواره ای، می توان مشخصه های خشکسالی را در سطح حوزه، به صورت مکانی، مطالعه کرد و چنین کاری با روش های سنتی امکان پذیر نیست. نتایج تحقیق مؤید مزیت به کارگیری داده های بارش ماهواره ای در مطالعه خشکسالی بوده است. 

هدف از این مقاله تعیین سهم پوشش برف حوزه های کرج و لتیان با استفاده از تصاویر MODIS، به روش سالومونسون و همکاران و شناسایی منابع خطای این روش است. اهمیت سطح پوشش برف به دلیل تأثیرگذاری بر بیلان تابش، بیلان آب و مدل سازی انجام تحقیقات گوناگون را ضروری ساخته است. در این تحقیق برای بررسی سطح برف از داده های MODIS و برای ارزیابی دقت، از تصاویر LISIII-IRS استفاده شده است. تا کنون روش های متفاوتی برای استخراج سهم برف پیکسل ها به کار گرفته شده که در تحقیق حاضر از روش سالومونسون و همکاران به دلیل دقت مناسب و نیاز نداشتن به اطلاعات اولیه از منطقه استفاده شده و عوامل ایجاد خطا در آن شناسایی شده است. افزون بر این، ضرایب معادلة سالومونسون و همکاران با استفاده از داده های منطقه ای ایران بهینه سازی شده و دقت حاصل از مدل با ضرایب بهینه، در منطقه ای جدید ارزیابی شده است. نتایج ارزیابی دقت نشان داده اند که روش سالومونسون و همکاران می تواند سهم برف پیکسل های MODIS را با خطای RMS 20/0 پیکسل برآورد کند. ضرایب کاپا و دقت کلی این روش به ترتیب 84/0، 12/92 است، که دقت مناسب آن را نشان می دهد. نتایج تحقیق نشان می دهند که به دلیل خطای بالاتر روش سالومونسون و همکاران، باید در نواحی حاشیة رودهای ایران که عموماً دارای پوشش درختی کم تراکم و باغ های پراکنده اند، از این روش صرف نظر شود. لازم است برای حذف مناطق آبی از ماسک های مناسب استفاده شود. بهینه سازی ضرایب مدل توانسته است دقت برآورد مدل را بهبود بخشد، به طوری که مقدار خطای RMS مدل با ضرایب اصلاح شده در منطقه ای جدید 258/0 پیکسل به دست آمده، درحالی که معادلة سالومونسون و همکاران در همین منطقه خطای RMS عدد 266/0 پیکسل را نشان داده است. کلید واژه ها : روش سالومونسون و همکاران، زیرپیکسل، سطح پوشش برف، شاخص تفاضلی نرمال شدة برف.