هیوا علمی زاده

هدف این پژوهش ناحیه بندی فازی با استفاده از تصاویر ماهواره ای GeoEye-1 و الگوریتم های خوشه بندی و ادغام پیشنهادی است و کارایی این تکنیک ها در آشکارسازی عوارض و پدیده های سطح زمین و بازشناسی خودکار الگو های مورفولوژیک در رودخانه علاء بررسی می گردد. در این رابطه پس از پیش پردازش های رادیومتریک و هندسی، بر اساس ویژگی های فازی به ادغام تصاویر ورودی در نرم افزار MATLAB پرداخته و سپس با استفاده از الگوریتم های (FCM)، (PCM)، (GK) و (FSC) به ناحیه بندی مقاوم پوشش زمینی اقدام گردید. در این روش ها خوشه بندی فازی چندین بار و برای تعداد خوشه های مختلف (از c_min تا c_max) انجام گرفته و با ارزیابی خروجی خوشه بندی و انتخاب بهترین تعداد نواحی (c ̂) تعیین شده است. همچنین در مرحله پردازش جهت رسیدن به تعداد مشخصی خوشه، تصویر خوشه بندی می شود تا پس از اعمال Defuzzification بر روی آن، ناحیه بندی فازی صورت گیرد. در نهایت الگوریتم های خوشه بندی فازی مورد بررسی که دارای پارامترهای فازی هستند، بر روی تصاویرHR-PRS ورودی اعمال شده و نتایج آن مورد بحث و بررسی قرار گرفته است. نتایج ناحیه بندی فازی و مقایسه روش های پیشنهادی در محدوده مطالعاتی نشان می دهد که روش Interval-valued Data Fuzzy c-means (FSC) که در آن ابهام موجود در تصاویر HR-PRS در ناحیه بندی لحاظ شده است، در مجموع دارای بهترین عملکرد جهت یافتن تعداد خوشه های بهینه و مراکز خوشه ها و آشکارسازی پدیده های سطحی می باشد. همچنین این الگوریتم قابلیت تفکیک پذیری عوارض را تنظیم و دقت بالاتری را ارائه می دهد و مرزهای اصلی را به خوبی تشخیص و مرزهای اضافی را حذف می کند. این نتایج همچنین نشان دهنده اثربخشی الگوریتم های خوشه بندی فازی جهت ناحیه بندی تصاویر سنجش از دور چند طیفی می باشد و کارایی روش های ناحیه بندی پیشنهادی را از منظر تشخیص عوارض و پدیده های مکانی و استخراج دقیق اطلاعات از تصاویر تایید می نمایند.

در این پژوهش با هدف پایش و بازشناسی الگوهای فرمیک شبکه ی آبراهه ها در مرکز جزیره ی قشم از تصاویر پانکروماتیک HR-PR سنجنده GeoEye-1 استفاده شده است. در این راستا با بهره گیری از الگوریتم های FWS ، MSA ، IDF و CFM در نرم افزار MATLAB ناحیه بندی فازی صورت گرفته است. در ادامه بر اساس ویژگی های فازی به ادغام تصاویر ورودی پرداخته و سپس با استفاده از خوشه بند ی فازی به ناحیه بندی تصاویر اقدام گردید. در این رابطه از فرآیند ادغام تصاویر پانکروماتیک و خروجی آن جهت ناحیه بندی استفاده شده است. در نهایت روش های خوشه بندی مورد مطالعه که دارای پارامترهای فازی هستند، بر روی تصاویر ورودی اعمال شده و نتایج آن مورد بحث و بررسی قرار گرفته است. نتایج ناحیه بندی فازی و مقایسه ی روش های پیشنهادی با یکدیگر نشان می دهد که الگوریتم خوشه بندی CFM عملکرد بسیار خوبی در تشخیص عوارض و پدیده های مکانی و بازشناسی الگوهای فرمیک شبکه آبراهه ها دارد و دارای بهترین عملکرد در ناحیه بندی این منطقه می باشد. نتایج الگوریتم های خوشه بندی مورد مطالعه، کارایی روش های ناحیه بندی پیشنهادی را از منظر تشخیص عوارض و پدیده های مکانی و استخراج دقیق اطلاعات از تصاویر تایید می نمایند. از این رو مطابق نتایج پژوهش، استفاده از الگوریتم های خوشه بندی و ویژگی های فازی، جهت ادغام اطلاعات تصاویر ماهواره ای HR-PRS روش مناسب و بهینه با هدف ناحیه بندی می باشد. همچنین در ادغام این اطلاعات اعداد فازی نوع نرمال بهترین نوع اعداد جهت استفاده در ناحیه بندی منطقه محسوب می شود و استفاده از اعداد فازی در حالت کلی می تواند ما را به نتایج بهتری در ناحیه بندی تصاویر ماهواره ای برساند. نتایج این پژوهش می تواند در آمایش سرزمین، مدیریت، برنامه ریزی و توسعه ی پایدار آتی مناطق مفید واقع شود.

چاه های مشاهداتی و پیزومتری در مطالعات و بررسی های زمین شناسی، ژئومورفیکی و آب های زیرزمینی از اهمیت ویژه ای برخوردار می باشند. هدف اصلی این پژوهش مدل سازی نوسان آب های زیرزمینی دشت شوش در ارتباط با رسوبات و مقاطع زمین شناسی با استفاده ازGIS می باشد. در این راستا برای انجام این پژوهش، با استفاده از داده های تراز آب های زیرزمینی و لاگ چاه ها و همچنین نقشه های به دست آمده در نرم افزار WinLogو Arc GIS به تحلیل و ارزیابی تغییرات سطح ایستابی چاه های پیزومتری محدوده مطالعاتی پرداخته شد. نتایج بررسی نقشه های عمق و سطح ایستابی نشان داد جهت جریان آب زیرزمینی در دشت شوش از شمال و شمال شرق به سمت جنوب و غرب منطقه می باشد. براساس مقاطع زمین شناسی و لاگ چاه های پیزومتری، در حاشیه شمالی دشت شوش (اطراف شهر دزفول- اندیمشک) عمدتاً بافت رسوبات درشت دانه بوده و حاصل فرسایش کنگلومرای بختیاری می-باشد. همچنین رسوبات سازند بختیاری به دلیل نفوذپذیری، چسبندگی بین دانه ای و تخلخل مناسب، مهم-ترین سازند دشت شوش از نظر منابع آب زیرزمینی و تغذیه آبخوان می باشد. با توجه به اینکه بیشتر محدوده مطالعاتی به بخش کشاورزی تعلق دارد و در این مناطق با افت سطح ایستابی مواجه هستیم؛ بنابراین اگر در استفاده از آب های زیرزمینی مدیریت اصولی صورت نگیرد، در معرض خطر جدی بحران آب قرار می گیرد.

زمین لغزش ها به عنوان یکی از مهم ترین مخاطرات طبیعی مطرح هستند که هم جان انسان ها را تهدید می کنند و هم می توانند خسارات شدیدی به بار آورند. در این زمینه، تهیه نقشه های حساسیت زمین لغزش برای برنامه ریزی، مدیریت و پیشگیری از وقوع این پدیده و در نتیجه کاهش خسارات ناشی از آن، از اهمیت ویژه ای برخوردار است. هدف اصلی این پژوهش، تهیه نقشه حساسیت زمین لغزش برای حوضه سد شهید عباسپور با استفاده از روش شبکه عصبی مصنوعی (NNET) است. در این مطالعه، داده های مربوط به نقاط زمین لغزش به صورت تصادفی و با نسبت ۷۰ به ۳۰ بین داده های آموزشی و داده های آزمون تقسیم شدند. در ادامه پانزده عامل مؤثر بر زمین لغزش شامل عوامل توپوگرافیک (ارتفاع، شیب، جهت شیب و انحنای دامنه)، شاخص های هیدرولوژیک (SPI و شاخص رطوبت توپوگرافی TWI)، عوامل انسانی (فاصله از جاده) و ویژگی های طبیعی (فاصله از رودخانه، زمین شناسی، بافت خاک، کاربری اراضی و بارش) مورد بررسی قرار گرفتند. برای اعتبارسنجی مدل پیش بینی زمین لغزش، از معیارهای مختلفی شامل Accuracy و شاخص های آماری RMSE، Kappa، MAE و R-Squared استفاده شده است. نتایج حاصل از این ارزیابی ها نشان داد که مدل NNET از عملکرد خوبی با دقت 8543/0 برخوردار است. یافته های پژوهش حاکی از آن است که در حوضه سد شهید عباسپور، نزدیکی به رودخانه به عنوان مهم ترین عامل مؤثر در حساسیت زمین لغزش شناسایی شده است. پس از این عامل، شیب دامنه و ویژگی های زمین شناسی در رتبه های بعدی اهمیت قرار دارند. همچنین نتایج نشان می دهد که مناطق با بیشترین حساسیت به زمین لغزش عمدتاً در بخش های جنوب غربی و قسمت هایی از شمال حوضه واقع شده اند. نقشه حساسیت زمین لغزش تهیه شده در این تحقیق می تواند به عنوان ابزاری ارزشمند در برنامه ریزی های توسعه ای، مدیریت ریسک و پیشگیری از خسارات ناشی از زمین لغزش در منطقه مورد مطالعه مورد استفاده قرار گیرد. این یافته ها، به مدیران و برنامه ریزان کمک می کند تا تصمیم گیری های مناسب تری در زمینه توسعه منطقه اتخاذ نمایند.