درخت حوزه‌های تخصصی

سابقه و هدف: ایران به دلیل تنوع محیطی بالا، رتبه بالایی در بحران های ناشی از سوانح طبیعی دارد. با رشد سریع شهرها و تغییرات اقلیمی، سیل به عنوان یکی از این سوانح طبیعی خسارات اجتماعی– اقتصادی، بهداشتی و آسیب های محیط زیستی شدیدی را در بسیاری از مناطق به وجود آورده است. لذا، پیش بینی فضایی سیل به قدری حیاتی است که عدم شناسایی مناطق مستعد سیل در یک حوضه آبریز ممکن است آثار مخرب آن را افزایش دهد. در سال های اخیر، با پیشرفت ابزارهای سنجش از دور، اطلاعات جغرافیایی، یادگیری ماشین و مدل های آماری، ایجاد نقشه های پیش بینی سیل با دقت بالا کاملاً امکان پذیر شده است. به همین منظور، در این پژوهش، با استفاده از تصاویر ماهوارهSentinel و استفاده از رویکرد نوین مدل همادی با شش مدل یادگیری ماشین به پیش بینی مکان های مستعد سیل در حوضه آبریز کارون پرداخته شد. مواد و روش ها: در این پژوهش از رادار دیافراگم مصنوعی (SAR) به دست آمده از تصاویر Sentinel-1 برای شناسایی مناطقی که تحت تأثیر سیل قرار گرفته اند، استفاده شد. ابتدا تاریخ های بارندگی شدید و وقوع سیل در منطقه مورد مطالعه از منابع اطلاعاتی مختلف شناسایی شدند. سپس تصاویر Sentinel-1 مربوط به قبل و بعد از رویداد سیل از طریق پایگاه داده Copernicus تهیه شد. پردازش این داده ها با استفاده از پلتفرم SNAP انجام شد. شناسایی مناطق تحت تأثیر سیل با بهره گیری از روش حد آستانه صورت گرفت. برای این منظور از شاخص تفاوت نرمال شده آب (NDWI) تولیدشده از تصاویر Sentinel-2 و همچنین طبقات پوشش زمین که بدنه های آبی دائمی را نشان می دهند، استفاده شد تا آستانه ای که مناطق سیل زده را شناسایی می کند، تعیین شود. سپس لایه پلیگونی سیل به لایه نقطه ای تبدیل و در مجموع ۷۰ نقطه وقوع سیل ایجاد شد. با توجه به مرور مطالعات پیشین و ویژگی های محلی، هفت عامل اصلی که به طور چشمگیری بر وقوع سیلاب در منطقه تأثیر دارند، شناسایی شدند. این عوامل شامل شاخص نرمال شده تفاوت پوشش گیاهی (NDVI)، شاخص رطوبت توپوگرافی (TWI)، شیب، جهت جریان، تجمع جریان، فاصله از رودخانه و بارندگی ماهانه هستند. مدل رقومی ارتفاع (DEM) منطقه نیز از پایگاه داده SRTM تهیه شده و تفکیک فضایی همه عوامل با لایه DEM یکسان تنظیم شد. سپس، با استفاده از الگوریتم های مختلف یادگیری ماشین، مدلی ترکیبی توسعه داده شد که نتایج دقیق تری در پیش بینی مناطق مستعد سیل ارائه می دهد. مدل های منفرد شامل مدل خطی تعمیم یافته (GLM)، رگرسیون درختی پیشرفته (BRT)، مدل ماشین بردار پشتیبان (SVM)، مدل جنگل تصادفی (RF)، مدل رگرسیون سازشی چندمتغیره (MARS) و مدل بیشینه بی نظمی (MAXENT) هستند. نتایج و بحث: نتایج این مطالعه نشان می دهد که شمال شرق شهرستان الیگودرز، بخش هایی از دورود و ازنا در استان لرستان، خادم میرزا، شهرکرد و کیار در استان چهارمحال بختیاری، دنا و بویراحمد در استان کهکیلویه و بویراحمد، شهرستان سمیرم در استان اصفهان، و مناطق جنوبی حاشیه رودخانه کارون در استان خوزستان بیشترین پتانسیل وقوع سیل را در این حوضه دارند. ارزیابی عملکرد مدل ها نشان می دهد که مدل های جنگل تصادفی (RF) و بیشینه بی نظمی (MaxEnt) بالاترین دقت را در بین مدل های منفرد داشته اند. این مدل ها با ترکیب اطلاعات محیطی و داده های وقوع سیل، قادر به ارائه نقشه های حساسیت به سیل با دقت بالا هستند. از این نقشه ها می توان به عنوان ابزار مدیریتی مهمی برای کاهش اثرات مخرب سیل و جلوگیری از توسعه مناطق آسیب پذیر استفاده کرد.نتیجه گیری: به طور کلی، این پژوهش نشان می دهد که استفاده از رویکرد همادی با ترکیب مدل های یادگیری ماشین می تواند نتایج قابل اطمینان تری در پیش بینی مناطق مستعد سیل فراهم کند. نتایج این پژوهش برای مدیران و برنامه ریزان کارآمد است و می تواند از توسعه در مناطق آسیب پذیر جلوگیری کند و در نتیجه به کاهش زیان های اقتصادی و جانی در آینده کمک کند.

سابقه و هدف: در سال های اخیر استفاده از تصاویر ابرطیفی به دلیل غنای بالای طیفی در زمینه های مختلف مطالعات زمین به خصوص در سنجش از دور بسیار افزایش یافته است. طبقه بندی این تصاویر به منظور استخراج اطلاعات از آنها همواره با چالش هایی مختلفی همچون چگونگی مدیرت ابعاد این داده ها و صحت کم طبقه بندی در هنگام وجود تعداد محدودی از نمونه های آموزشی همراه است. افرایش صحت طبقه بندی این تصاویر با هدف مطالعات دقیق پدیده ها و تغییرات سطح زمین همواره از موضوعات مورد مطالعه جامعه علمی سنجش از دور بوده است. در سال های اخیر استفاده از ویژگی های مکانی به منظور افزایش صحت طبقه بندی تصاویر ابرطیفی بسیار رایج شده است. تاکنون روش های مختلفی برای طبقه بندی طیفی-مکانی تصاویر ابرطیفی معرفی شده است و پژوهش های مربوطه در راستای معرفی روش هایی با ساختار ساده تر و صحت بالاتر نیز در جریان است. به دلیل وجود رابطه های پیچیده میان باندهای مختلف تصویر ابرطیفی با الهام از پژوهش های موجود در شاخه بینایی ماشین در این پژوهش روشی توسعه داده شده است که می تواند روابط پیچیده میان ویژگی های طیفی و مکانی در یک تصویر ابرطیفی را مدل سازی کند. هدف اصلی این مقاله ارائه روشی جدید و کارا مبتنی بر ترکیب ویژگی های مستخرج از ماتریس محلی کرنل وزن دار ویژگی های طیفی و فرکتالی به منظور تولید ویژگی برای طبقه بندی تصاویر ابرطیفی است. مواد و روش ها: به منظور طبقه بندی تصاویر ابرطیفی در پژوهش حاضر ابتدا یک مرحله کاهش بعد بر روی تصویر ابرطیفی انجام می شود. در مرحله بعد ویژگی های مکانی مبتنی بر بعد فرکتال جهت دار تولید می شوند و مجدداً این ویژگی ها کاهش بعد پیدا می کنند. در مرحله بعد ویژگی های مستخرج از ماتریس محلی کرنل وزن دار از هر دو دسته ویژگی های طیفی و فرکتالی تولید می شوند. این ویژگی های ثانویه وابستگی های محلی غیرخطی میان ویژگی های طیفی و فرکتالی را که در روش های پیشین طبقه بندی مورد توجه نبوده است، در فرایند تولید ویژگی لحاظ می کنند که در نهایت سبب افزایش صحت طبقه بندی می شوند. سپس این دو دسته بردار ویژگی جدید برای هر پیکسل با هم الصاق می شود و یک بردار غنی از اطلاعات طیفی– مکانی را تشکیل می دهد. در نهایت به منظور تعیین برچسب هر پیکسل، بردار ویژگی حاصل از الگوریتم ماشین بردار پشتیبان طبقه بندی می شود. آزمایش های این پژوهش بر دو تصویر مرجع ابرطیفی واقعی ایندین پاین و دانشگاه پاویا انجام شده است. نتایج و بحث: تحلیل نتایج نشان می دهد که روش پیشنهادی با در نظر گرفتن ویژگی های مستخرج از ماتریس محلی کرنل وزن دار ویژگی های طیفی– فرکتالی موجب افزایش 20 و 18 درصدی صحت طبقه بندی در مقایسه با طبقه بندی با ویژگی های طیفی تنها به ترتیب در تصاویر ایندین پاین و دانشگاه پاویا شده است. این نتیجه تأیید می کند که در نظر گرفتن اطلاعات مکانی به طور مؤثر سبب افزایش چشمگیر صحت طبقه بندی حتی زمانی که نمونه های آموزشی اندکی در دسترس باشد، می شود. همچنین رویکرد پیشنهادی این پژوهش در مقایسه با چندین پژوهش دیگر در این حوزه به صحت های بالاتری رسیده است. نتیجه گیری: عملکرد بهتر روش پیشنهادی در مقایسه با دیگر روش های رقیب به دلیل در نظر گرفتن وابستگی های محلی غیرخطی میان ویژگی های طیفی و فرکتالی است که تاکنون در پژوهش های پیشین مورد توجه نبوده است. در پژوهش های آتی در نظر داریم که رویکرد پیشنهادی را درگام اول از نظر زمانی و در گام بعدی با در نظر گرفتن تعداد بیشتری از ویزگی های مبتنی بر هندسه فرکتال از نظر صحت بهبود دهیم.

تغییر اقلیم به عنوان یکی از مهم ترین چالش های پیش روی بشر می باشد. این پدیده تاکنون تاثیرات قابل توجهی را بر تولیدات کشاورزی در اکثر نقاط جهان مخصوصا مناطق خشک و نیمه خشک بر جای گذاشته است. همچنین، در اکثر مناطق دنیا طی دهه های اخیر، متوسط درجه حرارت افزایش یافته است. امروزه در تحقیقات مختلف، شاخص های سنجش از دور به عنوان یکی از روش های نوین در شناسایی تغییر اقلیم استفاده می شوند. یکی از شاخص های مهم سنجش از دور، ویژگی های فنولوژی پوشش گیاهی است که در مطالعات اخیر توانایی خوبی در شناسایی و تخمین پوشش گیاهی نشان داده است. در مطالعه حاضر، با استفاده از سری زمانی 5 روزه شاخص نرمال شده پوشش گیاهی (NDVI) از تصاویر NOAA-AVHRR و پارامترهای فنولوژی گیاه، تغییرات پوشش گیاهی مناطق مراتع و اراضی دیم حوضه دریاچه ارومیه در طول سال های 2013-1984 مورد بررسی قرار گرفت. داده های اقلیمی دما و بارش از ایستگاه های هواشناسی حوضه دریاچه ارومیه اخذ و در مقایسه با نتایج تصاویر ماهواره ای استفاده گردید. نتایج تحلیل سری زمانی در طی سی سال دوره آماری در حوضه دریاچه ارومیه نشان داد، پارامتر شروع فصل رشد در منطقه اشنویه، سقز و سراب در سال 2013 نسبت به سال 1984 زودتر آغاز شده است. اما در منطقه مراغه دیرتر آغاز شده است. پارامتر پایان فصل رشد در اشنویه، سقز و تکاب زودتر به پایان رسیده است. همچنین پارامتر اوج رشد در شهرستان های مذکور پوشش گیاهی زودتر به حداکثر مقدار خود رسیده است. طول فصل رشد در شهرستان های اشنویه، مراغه و سقز به ترتیب کوتاه تر شده است. نتایج تحلیل های آماری بدست آمده از تصاویر ماهواره ای و داده های اقلیمی نشان داد که تغییرات پارامترهای فنولوژی به مکان وابسته می باشد و همچنین شب های سرد و روزهای گرم در ابتدای فصل رشد به ترتیب کاهش و افزایش یافته است. اما در انتهای فصل رشد روزهای گرم افزایش داشته است. این تغییرات باعث افزایش شیب منحنی فنولوژی رشد گیاه در زمان پیری گیاه شده است و در نهایت طول فصل رشد را کاهش داده است. 

زمین ه و ه دف: بهینه سازی و کاهش مصرف انرژی، هدفی متعالی در راستای کاهش مخاطرات محیطی و توسعه پایدار شهری است. از این رو، در این پژوهش به نقش بازآفرینی شهری در کاهش مصرف انرژی در کاربری مسکونی منطقه 10 شهرداری تهران پرداخته شده است. روش پژوهش: تحقیق حاضر از نظر هدف، توسعه ای-کاربردی و از نظر ماهیت و روش، تحقیقی توصیفی_ تحلیلی است. این تحقیق، مشتمل بر تلفیقی از الگوریتم های یادگیری است که به روش کمّی اجرا شده است. جامعه آماری، کلیه ساختمان های مسکونی منطقه ۱۰ شهرداری تهران می باشد. شاخص های ارزیابی مشتمل بر میزان مصرف آب، برق وگاز خانوارها به علاوه ۳۵ شاخص دیگر است که در چهار بعد اقتصادی، اجتماعی، فرهنگی و کالبدی قرار داده شده اند. برای تجزیه و تحلیل داده ها، از روش فرآیند گوسی با کرنل جنگل تصادفی و روش پرستیرون چند لایه بهره گرفته شده است. همچنین از نرم افزارArc GIS برای تحلیل فضایی واحدهای ساختمانی و نرم افزار Excel برای محاسبات و دسته بندی داده ها استفاده شده است. یافته ها و نتیجه: یافته ها بیانگر آن هستند که با توجه به ضریب همبستگی 42/0و ریشه میانگین مربعات خطا 24/0 میانگین خطای مطلق 19/0، بخش آزمایش برای پارامتر خروجی آب دارای بهترین عملکرد در مدل فرآیند گوسی بوده است و در بخش آزمایش پارامتر برق، ضریب همبستگی 99/0، ریشه میانگین مربعات خطا 001/0 و میانگین خطا مطلق 001/0 در مدل فوق، دارای بهترین عملکرد از بین مدلسازی بوده و همچین در بخش آزمایش مصرف گاز، ضریب همبستگی 47/0، ریشه میانگین مربعات 39/0خطا و خطای مطلق 33/0 دربین مدلها مدل فوق دارای بهترین عملکرده بوده است. نتایج این تحقیق نشان داد که مقادیر این شاخص درصد قابل قبولی برای تعیین بهترین مدل با توجه به ضریب همبستگی بالاتر و ریشه میانگین مربعات خطا و میانگین خطای مطلق کمتر برای آنالیز حساسیت پارامترهای مستقل قرار دارد.

سابقه و هدف: تصمیم گیری و مدیریت مؤثر درزَمینه توسعه پایدار منابع طبیعی نیازمند دسترسی به اطلاعات دقیق و به روز اقلیمی است. این اطلاعات امکان بررسی نقش تغییرات اقلیمی را در موضوعات گوناگون مهیا می کنند و براساس آن، می توان راهکار های مدیریتی مؤثری را تدوین کرد. در این راستا، پارامتر دما یکی از مهم ترین شاخص های اقلیمی است که نقش محوری را در تحلیل ها و پژوهش های محیطی ایفا می کند. با توجه به نقش اساسی دما در موضوعات گوناگون، دسترسی به داده های دمایی دقیق و جامع اهمیت بسیاری دارد. این داده ها باید به گونه ای باشند که بتوانند تصویری واضح و کامل از الگوهای دمایی، در طول زمان، ارائه دهند. اما متأسفانه، داده های اقلیمی اغلب با مشکلاتی مانند انقطاع آماری و خطاهای اندازه گیری مواجه اند. این مشکلات ممکن است به تصمیم گیری های نادرست و برنامه ریزی های ناکارآمد منجر شوند. در این پژوهش، با استفاده از روش های آماری، سعی شده است داده های دمایی موجود و انقطاع های آماری آنها با استفاده از روش هایی ازجمله مختصات جغرافیایی (گرافیکی)، نسبت نرمال، ضریب همبستگی وزنی و میانگین حسابی که در تکمیل داده های اقلیمی شناخته شده و پرکاربردند، تحلیل و ارزیابی شود. انتخاب روش مناسب از میان این روش ها می تواند دقت تخمین داده های دمایی را افزایش دهد و در تصمیم گیری های مبتنی بر داده های جامع تر و معتبرتر، نقش اساسی داشته باشد. درنَهایت، هدف از این پژوهش معرفی بهترین روش برای تخمین اطلاعات و رفع انقطاع آماری است که پژوهشگران، مدیران و سیاست گذاران را درزَمینه توسعه پایدار و درک بهتر شرایط اقلیمی و اتخاذ تصمیماتی هوشمندانه تر و مؤثرتر، یاری خواهد کرد.مواد و روش ها: در این پژوهش، به منظور رفع خلأ آماری، روش های شناخته شده و محبوب آمار کلاسیک شامل روش مختصات جغرافیایی، نسبت نرمال، ضریب همبستگی وزنی و میانگین حسابی، در تخمین داده های دمایی کشور ارزیابی شد. به منظور بررسی بهترین روش برای تکمیل اطلاعات مفقودی، از اطلاعات 125 ایستگاه استفاده شد. این ایستگاه ها دارای اطلاعات کامل (بدون هیچ گونه مفقودی)، درطول 21 سال (2020-2000 م.) بودند. ازآنجاکه محاسبات گسترده و زمان بر بودند، با انتخاب 10٪ این ایستگاه ها به صورت تصادفی با پراکندگی مکانی مناسب، عملیات پرکردن اطلاعات روی ایستگاه های منتخب انجام شد. اطلاعات ایستگاه های منتخب، در هر مرحله و به صورت جداگانه، حذف و براساس پنج ایستگاه مجاور خود، بازسازی شدند و به منظور ارزیابی روش های مذکور، از معیار های ارزیابی آماری ضریب تبیین (R2)، جذر میانگین مربعات خطا (RMSE) و میانگین انحراف مطلق (MAD) استفاده شد.نتایج و بحث: با ارزیابی نتایج حاصل از بررسی مقادیر محاسباتی ازطریق روش نسبت نرمال درمقابل مقادیر مشاهداتی، مشخص شد تمامی ایستگاه های مورد بررسی همبستگی بالایی دارند؛ این نکته بیانگر مقبولیت روش نسبت نرمال برای تخمین داده هاست. با توجه به مقادیر متوسط حاصل از ارزیابی نتایج، روش نسبت نرمال، ضریب همبستگی وزنی، مختصات جغرافیایی و میانگین حسابی به ترتیب، با مقدار RMSE معادل 05/3، 28/3، 30/3 و 51/3 درجه سلسیوس، اولویت بندی می شوند. بنابراین روش نسبت نرمال در میان سایر روش های مورد مطالعه از مقبولیت بیشتری برخوردار است و ازاین رو، در رفع مشکلاتی اعم از فقدان اطلاعات، خطای موجود در داده ها و همچنین گسترش دوره زمانی مطالعاتی، می توان از آن بهره برد.نتیجه گیری: در میان روش های مورد بررسی، روش نسبت نرمال به صورت کلی مقبولیت و کیفیتی بیشتر از دیگر روش ها دارد که توصیه می شود در پژوهش های آتی، در محدوده مطالعاتی مشابه، از این روش استفاده شود. در مراتب بعدی، به ترتیب روش مختصات جغرافیایی، همبستگی وزنی و میانگین حسابی قرار دارند. شایان توجه است، با اینکه سایر روش ها در مراتب اهمیت بعدی واقع شده اند، همچنان در برخی ایستگاه ها کارآیی مناسبی نشان می دهند؛ بنابراین در شرایط متفاوت، روش های متنوعی می تواند نیاز به ترمیم داده ها را رفع کند و با توجه به محدوده مورد مطالعه، باید بهترین روش انتخاب شود و به کار رود.

سابقه و هدف: پایش خشکسالی به دلیل تأثیرات گسترده آن در اقتصاد، محیط زیست و جامعه، مسئله ای حیاتی است. برای پایش دقیق خشکسالی، داده های جامع و یکپارچه هواشناسی و هیدرولوژیکی ضروری است؛ به ویژه در مناطقی مانند استان سیستان و بلوچستان که با خشکسالی شدید مواجه است. مطالعات اقلیمی نشان می دهد که استان سیستان و بلوچستان، به دلیل عوامل اقلیمی مانند بارندگی اندک، تبخیر بالا، بادهای شدید و پوشش گیاهی محدود، به منطقه ای خشک و بسیار مستعد خشکسالی های طولانی مدت تبدیل شده است.مواد و روش ها: در این پژوهش، برای ارزیابی جامع خشکسالی در استان سیستان و بلوچستان، از داده های ماهواره ای مادیس و گریس بهره گرفته شد و شاخص پوشش گیاهی VHI برای پایش تغییرات پوشش گیاهی و شاخص TSDI برای تحلیل تغییرات منابع آب زیرزمینی به کار رفت. برای اعتبارسنجی نتایج، داده های رطوبت خاک GLDAS به منزله داده مرجع در نظر گرفته شد. با توجه به محدودیت های داده ای گریس، دوره مشترک شانزده ساله (2002-2017) برای تحلیل انتخاب شد. همچنین، برای بررسی روندهای بلندمدت خشکسالی، شاخص SPEI طی دوره سی ساله (1987-2018) محاسبه شد.نتایج: از لحاظ جغرافیایی، نقشه های VHI نشان داد استان سیستان و بلوچستان، در تمامی سال ها، با خشکسالی متوسط و ملایم روبه رو بوده و در سال های منتهی به دوره مطالعاتی، بر شدت خشکسالی ها افزوده شده است. به منظور پایش خشکسالی هیدرولوژیکی، از محصول ماهواره ای گریس استفاده شده است که تغییر در مقدار آب زمینی را اندازه گیری می کند. نتایج مطالعه شاخص TSDI مفهوم کمّی خشکسالی را پوشش می دهد. این شاخص، با هدف پایش خشکسالی هیدرولوژیکی، در تمامی حوضه های آبریز درجه 3 (پنجاه حوضه) محاسبه شد. فرایند پایش خشکی، در گام نخست، با محاسبه کسری خشکسالی به منزله ماه هایی با TWSA منفی به صورت چهار ماه متوالی تعریف شد. نتایج میزان افزایش کسری خشکسالی، از جنوب به شمال استان مورد مطالعه را به خوبی به نمایش گذاشته است. تمامی حوضه ها، تقریباً از 2011، با کسری های بزرگی مواجه بودند. این مطالعه، ازطریق برآورد کسری و کاهش ذخیره کلی آب زمینی در ماه آوریل، نشان داد تمامی حوضه ها، در سال های منتهی به پایان دوره مطالعاتی، شاهد کمبود ذخیره آب، آن هم در محدوده خطرناک و استثنایی بوده اند.نتیجه گیری: نتایج حاصل از VHI نشان داد که استان مورد مطالعه، در سال های اخیر، دچار خشکسالی گسترده ای شده است. مناطق جنوبی و مرکزی استان با کلاس های شدیدتر خشکسالی مواجه بوده اند. تحلیل نمودارهای شاخص خشکسالی، در کلاس های متفاوت شدت خشکسالی، تأیید می کند که همه حوضه های آبریز با شرایط خشکسالی، به ویژه در سال های اخیر، روبه رو بوده اند. داده ها نشان می دهند که استان با بحران شدید آب مواجه است. اقدامات فوری و هماهنگ برای مقابله با این چالش ضروری است.

سابقه و هدف: مشکلات موجود در زندگی شهری مانند کم رنگ شدن نقش محیط به عنوان محلی برای حضور شهروندان و فعالیت بدنی آنها، افزایش وسایل نقلیه و در نتیجه کم تحرکی و افزایش بیماری های غیرواگیر، نگرانی جامعه جهانی را درباره سلامت عمومی در پی داشته است. هدف پژوهش، ارزیابی ذهنی و عینی معیارهای تأثیرگذار محیطی بر سلامت عمومی ساکنان در سه بعد جسمی، روانی و اجتماعی، در محله آغه زمان شهر سنندج است.مواد و روش ها: جمع آوری داده های ذهنی و عینی پژوهش از لحاظ زمانی به صورت متوالی صورت گرفته، در این راستا چهار فاز پژوهش تعریف شده است. فاز اول ارزیابی ذهنی کیفی ساکنان از سلامت روانی و اجتماعی، فاز دوم گردآوری داده های ذهنی کمّی ساکنان از سلامت جسمی، فاز سوم ارزیابی عینی کمّی محیط و فاز چهارم بررسی همبستگی بین متغیرهای پژوهش است. داده های ذهنی با استفاده از پرسش نامه و داده های عینی با استفاده از سیستم اطلاعات جغرافیایی به دست آمده است. برای تحلیل رابطه بین معیارهای محیطی محله و فعالیت های بدنی و تعیین رابطه بین متغیرها از تحلیل رگرسیون در نرم افزار SPSS استفاده شده است. داده های عینی از قبیل نوع بلوک بندی و نمونه الگوی فضایی شکلی محله، لایه کاربری اراضی و شبکه معابر و ... از طریق سیستم اطلاعات جغرافیایی محاسبه شد و در شاخص نحو فضا وارد شد تا میزان پیاده مداری محله مشخص شود. در نهایت روابط و تأثیر معیارهای محیطی بر سلامت عمومی با استفاده از تحلیل رگرسیون در نرم افزار  Lisrel مشخص شده است.نتایج و بحث: نتایج نشان داده که دو معیار آسایش و آرامش محیط با امتیاز 23 و تعاملات اجتماعی و فرهنگ همسایگی با امتیاز 21 به ترتیب بیشترین تأثیر را بر سلامت روانی و اجتماعی دارند. همچنین معیارهای محیطی مانند اختلاط کاربری با آماره 671/5، کیفیت های بصری و زیبایی شناختی با آماره 961/7 و زیرساخت های ویژه پیاده و دوچرخه با آماره 475/8 به ترتیب بیشترین تأثیر را بر فعالیت های بدنی کاری، تفریحی و ورزشی و به تبع آن سلامت جسمی دارند. با توجه به داده های به دست آمده خیابان نمکی با امتیاز 21 بیشترین میزان اتصال و هم پیوندی، عمق و کنترل را با کل محله دارد و بالاترین سطح پیاده مداری را در سطح محله به خود اختصاص داده است.نتیجه گیری: نتایج کلی نشان می دهد که با توجه به تأثیر و ارتباط مستقیم معیارهای محیطی طراحی شهری بر فعالیت های بدنی و از طرف دیگر وجود ارتباط مثبت و معنادار بین فعالیت های بدنی و سلامت عمومی، مشخص شد که سلامت عمومی ساکنان با معیارهای محیطی طراحی شهری ارتباط دارد، لیکن این ارتباط نه به طور مستقیم، بلکه با مداخله فعالیت های بدنی اتفاق می افتد.

سابقه و هدف: آلودگی هوا یکی از مهم ترین بحران هایی است که امروزه اکثر کشور ها با توجه به پیشرفت صنعت و فنّاوری با آن رو به رو هستند. کشور ایران و به ویژه شهر تهران نیز از این پدیده مستثنا نیست. تأثیر آلودگی هوای شهری بر محیط زیست و سلامت انسان نگرانی های فزاینده ای را برای محققان، سیاست گذاران و شهروندان برانگیخته است. برای کاهش تأثیرات منفی آلودگی هوا بر سلامت، اندازه گیری به موقع آن در وضوح زمانی و مکانی بالا اهمیت فراوانی دارد. ازطرفی، ایستگاه های سنجش آلودگی هوا در سطح شهر به رغم صحت بالا در اندازه گیری آلاینده ها، به دلیل محدودیت های زمانی و مکانی و اندازه گیری نقطه ای قابلیت تعمیم پذیری ندارند. راهکار مکمل و بعضاً جایگزین استفاده از سنجش ازدور و داده های ماهواره ای است که با توجه به هزینه بهینه و پوشش وسیع روشی مناسب برای پایش آلودگی هوا به شمار می رود. آلاینده های دی اکسید نیتروژن (NO2) و ازن (O3) از مهم ترین شاخص های آلودگی هوا هستند که در این پژوهش برای مدل سازی توزیع غلظت آن ها در سطح شهر تهران با توان تفکیک مکانی برابر (تقریباً یک کیلومتر) و صحتی بالاتر از داده های ماهواره ای تلاش خواهد شد.   مواد و روش ها: به منظور مدل سازی توزیع غلظت دو آلاینده NO2 و O3 با دقت و توان تفکیک مناسب، از روش نوآورانه مبتنی بر روش درون یابی کریجینگ استفاده شده است. این روش با بهره گیری هم زمان از مزایای داده های ایستگاهی سنجش آلودگی از شرکت کنترل کیفیت هوای تهران، که با بهره گیری از 21 ایستگاه سنجش آلودگی هوای فعال که در نقاط مختلف شهر تهران مستقر است، بالاترین دقت در اندازه گیری پارامترها را دارند و داده های ماهواره ی سنتینل 5P، که از توان تفکیک مکانی بالا برخوردارند، مدل سازی را انجام می دهد. با توجه به قابلیت های سامانه گوگل ارت انجین، نقشه های توزیع غلظت دو آلاینده در کل مناطق 22 گانه شهر تهران به صورت ماهانه و همچنین داده های ماهواره ای نقطه ای دو آلاینده در مختصات مکانی ایستگاه های زمینی، به صورت ساعتی، روزانه و ماهانه به مدت یک سال از تاریخ 1 فروردین 1400 تا 1 فروردین 1401 در سامانه گوگل ارت تهیه و جمع آوری شد. پس از بررسی همبستگی بین داده های ماهواره ای و داده های ایستگاه های سنجش زمینی و حذف بایاس از داده های ماهواره ای، مراحل مختلف مدل سازی نوآورانه درون یابی کریجینگ به منظور مدل سازی توزیع غلظت دو پارامتر به کار گرفته شد.   نتایج و بحث: به منظور صحت سنجی داده های خروجی حاصل از مدل سازی توزیع آلاینده ها، 70 درصد ایستگاه ها به عنوان داده های آموزش (Train) و 30 درصد ایستگاه ها به عنوان داده های آزمون (Test) انتخاب شدند. این نقاط به صورت تصادفی و برای هر ماه از سال 1400 انتخاب شدند. مدل سازی نقشه نهایی توزیع آلاینده ها با استفاده از داده های آموزش و صحت سنجی مدل سازی انجام شده با استفاده از داده های آزمون انجام شد. این کار با استفاده از محاسبه میانگین خطای بین داده های پیش بینی شده توسط مدل و داده های ایستگاهی مستخرج از شرکت کنترل کیفیت هوای تهران (با واحد ppb) و همچنین محاسبه شاخص RMSE صورت گرفته است. نتایج نشان می دهد که میانگین خطای ماهانه مدل پیشنهادی، نسبت به داده های ماهواره سنتینل 5P از 16.8 به 1.73 درصد برای آلاینده NO2 و از 21.9 به 2.53 درصد برای آلاینده O3  کاهش یافته است. همچنین خطای جذر میانگین مربعات (RMSE) این مدل نسبت به داده های ایستگاهی سنجش آلودگی برای آلاینده NO2 و O3 به ترتیب برابر با ppb 2.79 و ppb 0.86 است. این در حالی است که در حالت مشابه شاخص RMSE نقشه خروجی ماهواره سنتینل 5P نسبت به داده های ایستگاهی سنجش آلودگی برای آلاینده NO2 و O3 به ترتیب برابر با ppb 10.083 و ppb 6.238 است. نتیجه گیری: با توجه به اینکه مدل تلفیقی پیشنهادی عملکرد بسیار مطلوبی در مدل سازی غلظت توزیع غلظت آلاینده های مورد نظر در طول سال 1400 با دقت و توان تفکیک مکانی تقریباً یک کیلومتری داشته است، به کارگیری هم زمان داده های ماهواره ای و زمینی در برآورد آلاینده ها توصیه می شود. 

سابقه و هدف: درحال حاضر یکی از مهم ترین مسائل محیط زیستی جهان تغییرات کاربری اراضی و افزایش ناپایداری در اکوسیستم های طبیعی و مناطق تحت حفاظت است. جنگل های مانگرو در مناطق ساحلی گرمسیری رشد می کنند و یکی از آسیب پذیرترین و درمعرض خطرترین اکوسیستم های جهان شمرده می شوند. تغییرات کاربری اراضی به طورکلی در یکپارچگی این اکوسیستم های طبیعی تأثیر می گذارد و همچنین به تغییرات زیستگاه منجر می شود و تهدیدی برای زندگی گیاهان و حیوانات به شمار می رود. پیامدهای مستقیم این تغییرات و تأثیرات ناشی از آن شامل کاهش سلامت و مساحت جنگل های مانگرو، تشدید گرمایش جهانی و تغییرات اقلیمی، کاهش کیفیت آب ساحلی، کاهش تنوع زیستی، تکه تکه شدن زیستگاه های ساحلی و همچنین تخریب منابع زیستی خواهد بود. بنابراین پایش مکانی – زمانی تغییرات کاربری اراضی و مدل سازی و پیش بینی روند این تغییرات می تواند به مدیریت یکپارچه و برنامه ریزی صحیح درمورد جنگل های مانگرو کمک کند. بر این اساس، در مطالعه حاضر، تغییرات مکانی – زمانی کاربری های اراضی جنگل های مانگرو خمیر و قشم طی سال های 1989-2023 بررسی شد. علاوه براین به منظور مدل سازی و پیش بینی روند این تغییرات، مدل ترکیبی CA-ANN براساس متغیرهای توصیفی ارتفاع، شیب، تراکم جمعیت، فاصله از سکونتگاه ها مرکز شهر و جاده ها، برای سال 2060 مورد بررسی قرار گرفت.مواد و روش ها: جنگل های مانگرو خمیر و قشم (منطقه حفاظت شده حرا)، با مساحت 86,258 هکتار، در استان هرمزگان واقع شده است. در این مطالعه، تغییرات مکانی – زمانی کاربری های اراضی این منطقه، با استفاده از مجموعه تصاویر ماهواره ای لندست (1989-2023) در سامانه تحت وب گوگل ارث انجین (GEE) بررسی شد. علاوه براین، به منظور مدل سازی و پیش بینی این تغییرات، مدل ترکیبی شبکه عصبی مصنوعی و اتومای سلولی (CA-ANN)، براساس متغیرهای توصیفی ارتفاع، شیب، تراکم جمعیت، فاصله از سکونتگاه ها و مرکز شهر و جاده ها، بررسی شد و نقشه روند احتمالی تغییرات کاربری اراضی، برای سال 2060 نیز تهیه شد. در نهایت، با استفاده از مدل رگرسیونی حداقل مربعات معمولی (OLS)، میزان تأثیرگذاری این متغیرها در روند تغییرات کاربری های اراضی منطقه تحلیل شد.نتایج و بحث: مطابق نتایج، جنگل های مانگرو خمیر و قشم در سال 2023، در مقایسه با سال 1989، روندی کاهشی را نشان می دهند. نتایج پیش بینی تغییرات کاربری اراضی نیز نشان داد، در سال 2060، پهنه های جزرومدی و اراضی لخت افزایش و در مقابل، جنگل های مانگرو و پهنه های آبی کاهش خواهند یافت. همچنین بیشترین تغییرات به کاهش جنگل های مانگرو (در مناطق شمالی و جنوب شرق منطقه) و افزایش سایر مناطق غیرطبیعی (پهنه های جزرومدی و اراضی لخت در محدوده بندر خمیر، در شمال و شمال شرق منطقه و همچنین حاشیه روستاهای لافت تا گوران) بازمی گردد و با توجه به مقادیر احتمال انتقال، پوشش های جنگلی مانگرو مستعد تبدیل شدن به سایر مناطق غیرطبیعی هستند . برمبنای نتایج تحلیل مدل رگرسیونی نیز، عمده ترین متغیرهای توصیفی تأثیرگذار در تغییرات کاربری اراضی شامل فاصله از سکونتگاه ها و جاده ها است، زیرا در این رویشگاه های طبیعی، دسترسی و امکان توسعه فعالیت های انسانی بیشتر است. در این زمینه، تداوم افزایش تغییرات کاربری های اراضی، در جنگل های مانگرو خمیر و قشم، به نابودی و انقراض گستره وسیعی از این ذخایر ارزشمند زیستی در جنوب کشور منجر می شود. نتیجه گیری: با توجه به اینکه جنگل های مانگرو در خمیر و قشم جزء مناطق حفاظت شده محیط زیست و مرزهای مدیریتی محسوب می شوند، اجرای پروژه های پیشنهادی و احداث هرگونه زیرساخت و توسعه در این منطقه باید با توجه به طرح های مدیریتی (زون بندی) و ارزیابی های زیست محیطی انجام شود. از سویی، تغییرات کاربری ها باید در خارج از مرز مدیریتی منطقه محدود شود تا کاهش یکپارچگی و ازهم گسیختگی زیستگاه، در این رویشگاه های طبیعی، به حداقل برسد. بر این اساس، کاهش تأثیرات نامطلوب ناشی از تغییرات کاربری اراضی، در این منطقه، نیازمند برنامه ریزی مناسب و مدیریتی یکپارچه در بهره وری صحیح از این منابع طبیعی است. یافته های این مطالعه می تواند به ذی نفعان نیز، در ایجاد فرصتی برای توسعه راهبردهای مناسب به منظور حفاظت از جنگل های مانگرو خمیر و قشم و احیای این رویشگاه ها، یاری رساند.

سابقه و هدف: تعیین مقدار ضریب رواناب یکی از بزرگ ترین مشکلات و منبع اصلی فقدان اطمینان در بسیاری از پروژه های منابع آب است. در بیشتر پژوهش هایی که در زمینه منابع آب انجام می شود، مقادیر ضریب رواناب از جدول های مقادیر با توجه به شرایط منطقه مورد مطالعه برداشته می شود. نگرانی اصلی، در این روش، انتخاب مقادیری است که به صورت ذهنی طبق روشی مبهم انتخاب می شوند و قضاوتی شخصی را درباره داده های مفید منعکس می کنند؛ ازاین رو برای تعیین ضریب رواناب باید روشی مناسب انتخاب شود.مواد و روش ها: به منظور اجرای این پژوهش، از داده هایی شامل اطلاعات مدل رقومی ارتفاعی، کلاس های کاربری اراضی، بافت خاک و آمار هواشناسی و هیدرولوژیکی (بارش و رواناب) مرتبط با منطقه مورد پژوهش، طی دوره آماری بیست ساله ای (1380-1400)، استفاده شد. با استفاده از نقشه کاربری اخذ شده اراضی، نقشه کاربری اراضی محدوده در نُه کاربری طبقه بندی شد. همچنین برای تهیه نقشه گروه های هیدرولوژیکی خاک، نقشه بافت خاک در عمق 200سانتی متری محدوده مطالعاتی سلسله به کار رفت و با توجه به نوع بافت خاک، گروه هیدرولوژیکی خاک مختص هر محدوده استخراج شد. در نهایت، گروه هیدرولوژیک خاک در سه دسته (A,B,C) قرار گرفت. نقشه لایه کاربری اراضی و گروه های هیدرولوژیکی خاک وارد محیط ابزار Arc CN – Runoff شد و در نهایت، عملیات تلفیق روی دو لایه اعمال و لایه کاربری اراضی – گروه هیدرولوژیکی (Land Soil) تهیه شد؛ این لایه جدید فقط سطح پوشیده شده با دو لایه را نشان می دهد و نقشه شماره منحنی رواناب، نگهداشت سطحی خاک، حجم، ارتفاع و ضریب رواناب براساس این لایه تهیه می شود. در نهایت، مقدار ضریب رواناب در سه حالت وضعیت رطوبتی خشک، متوسط و مرطوب برآورد شد و مقایسه ای صورت گرفت.نتایج: نتایج پژوهش نشان داد، در محدوده مطالعاتی سلسله، میزان ضریب رواناب (CR) در سه حالت وضعیت رطوبتی خشک، متوسط و تر، به ترتیب برابر با 26/0، 53/0 و 77/0 است. بنابراین حالت رطوبتی خشک، در قیاس با متوسط، 68% کاهش و حالت رطوبتی تر، در مقایسه با متوسط، 37% افزایش داشته است. بررسی همبستگی بین ضریب رواناب و مشخصات محدوده مطالعاتی نشان داد که در محدوده مطالعاتی سلسله، ضریب رواناب تحت تأثیر شش ویژگی فیزیوگرافی محدوده مطالعاتی مساحت، شیب، طول آبراهه و ضریب گراولیوس، حداکثر ارتفاع و تراکم آبراهه ای است. مقدار شماره منحنی رواناب (CN) در حالت رطوبتی خشک، متوسط و تر برای کل محدوده، به ترتیب برابر با 65، 81 و 92 برآورد شد. میزان نگهداشت سطحی خاک (S) در حالت رطوبتی خشک، متوسط و تر، درمورد کل محدوده، به ترتیب برابر با 74/138، 60/59 و 42/23 میلی متر به دست آمد. میزان ارتفاع رواناب (Q) در حالت رطوبتی خشک، متوسط و تر، درمورد کل محدوده، به ترتیب 78/27، 73/55 و 31/79 میلی متر برآورد شد. میزان حجم رواناب (V) در حالت رطوبتی خشک و متوسط و تر، درمورد کل محدوده، به ترتیب 64/3710، 03/7164 و 46/10070هزار مترمکعب حاصل شد.نتیجه گیری: این شرایط نیازمند اجرای اقدامات اساسی به منظور افزایش پوشش گیاهی، شامل عملیات چاله کندن و جویچه تراز همراه با طرح های افزایش پوشش گیاهی، اغلب به صورت بوته کاری و بذرپاشی گیاهان مرتعی در محدوده است و بارش منطقه می تواند رطوبت کافی را برای موفقیت آنها فراهم کند. استقرار سامانه جمع آوری آب باران نیز، با توجه به نفوذپذیری کم خاک منطقه، می تواند مؤثر باشد و از آن در افزایش پوشش گیاهی و دیگر مصارف استفاده شود.

سابقه و هدف: سنجش از دور منبع داده ای قدرتمند برای نقشه برداری از مناطق شهری و نظارت بر پویایی شهرنشینی است. از بین داده های سنجش ازدوری، تصاویری که در شب اخذ می شوند راهی مؤثر برای نظارت بر فعالیت های انسانی، در مقیاس جهانی، فراهم کرده است؛ زیرا این تصاویر با توجه به ویژگی ها و قابلیت هایشان می توانند مناطق شهری و سایر فعالیت های انسانی را که ویژگی اصلی شان استفاده از نور در شب است، با اندازه گیری صحیح مکانی، از پس زمینه بدون نور جدا کنند. این تصاویر با نظارت مستمر و مداوم از منظره شبانه جهانی، منبع و نتایج ارزشمندی از فعالیت های انسانی را، از گذشته تا امروز، فراهم می کند و تجزیه وتحلیل سری زمانی این داده ها برای کشف، تخمین و نظارت بر پویایی اجتماعی و اقتصادی در کشورها، به ویژه مناطق فرعی که آمار رسمی مورد اعتمادی درباره آنها وجود ندارد، بسیار ارزشمند است. با توجه به پیشرفت سنجنده های ماهواره ای نور شب در سال های اخیر و تحقیقات جدید انجام شده درزَمینه داده های نور شب، هدف از این تحقیق بررسی پیشرفت های سنجنده شبانه، معرفی انواع داده ها و محصولات دردسترس، بررسی و بیان مزایا و معایب هریک و همچنین مروری بر روش ها و راه حل های مطرح شده در تحقیقات پیشین است تا مشکلات و محدودیت های این تصاویر حل شود.مواد و روش ها: هدف اصلی از این تحقیق معرفی و بررسی کلی داده های نور شب، مزایا و چالش های هریک و روش های بیان شده به منظور تصحیح مشکلات و چالش هاست. مطالعات درزَمینه تصاویر نور شب DMSP اغلب بر دو بعد مکانی و زمانی تمرکز دارد. در بعد مکانی، نواقص ذاتی این مجموعه داده، یعنی مقادیر اشباع شده مقادیر رقومی در مناطق مرکزی شهری و تأثیرات شکوفایی در مناطق حومه شهری و روستایی درخور توجه است. در بعد زمانی، به دلیل فقدان کالیبراسیون در پردازنده، به فرایندهای اضافی روی محصولات سالیانه داده های پایدار نور شب DMSP برای بررسی پویایی های شهری نیاز است؛ روش های کنونی تصحیحات مشکلات مکانی در دو دسته طیفی و غیرطیفی قرار می گیرد. روش های مطرح شده برای تصحیح مشکلات زمانی این سنجنده نیز، در دو دسته کالیبراسیون سالیانه داده های نور شب و تنظیم الگوی زمانی، بررسی شده است. تصاویر ماهیانه NPP-VIIRS محصولی است که علاوه بر مقادیر نورهای ثابت، مانند چراغ های شهرها و مسیر های حمل ونقل، مقادیری نویزی مانند شعله های گاز و سوختن زیست توده و نویز پس زمینه را نیز شامل می شود؛ به همین دلیل، پیش از استفاده لازم است پردازش شود. همچنین ازآنجا که دقت موقعیت یابی داده های لوجیا کمتر از وضوح مکانی آن است، جابه جایی تصویر در برخی مکان ها ممکن است به 650 متر برسد؛ ازاین رو تصحیح هندسی در این تصویر انجام می شود. انواع این روش ها در این مقاله بررسی شده است.بحث و بررسی: طی مقایسه ای کلی، می توان نتیجه گرفت که در بررسی عملکرد داده های نور شب گوناگون، داده های نور پایدار شبانه DMSP، به رغم مشکلات و محدودیت های موجود، دارای سری زمانی طولانی تری درقیاس با داده های نور شب دیگر است زیرا دوره زمانی 1992 تا 2013 را دربرمی گیرد و همچنان، در بسیاری تحقیقات درزَمینه بررسی پویایی شهری و برآورد روند کلی رشد شهر، کاربرد دارد. درمقایسه، NPP-VIIRS از مزایایی برخوردار است و به نور کمتر نیز حساسیت نشان می دهد اما زمان عبور این ماهواره ساعت 1:30 بامداد است؛ در این ساعت شب، بسیاری از چراغ ها خاموش می شوند و به همین علت ممکن است، درمواردی که فقط از داده نور شب برای بررسی مناطق شهری استفاده می شود، مناسب نباشد. همچنین طی بررسی های انجام شده، این تصویر در تحقیقات درزَمینه فعالیت های اقتصادی کاربرد بیشتری داشته است و حساسیت نداشتن آن به نور آبی از LED ها در توانایی سنجنده، در تعیین کمّیت نورهای مصنوعی ساطع شده از زمین، تأثیر می گذارد.نتیجه گیری: این بررسی با هدف معرفی انواع داده های نور شب سنجش ازدوری و بررسی آنها انجام شده است و به طور خلاصه می توان گفت، درحال حاضر، تحقیقات درزَمینه تصحیح مشکلات مکانی اشباع و شکوفایی به دو دسته طیفی و غیرطیفی تقسیم می شوند. دسته های غیرطیفی اغلب فقط با استفاده از داده نور شب و در برخی موارد، با استفاده از داده های غیرسنجش ازدوری ترکیب می شوند. بررسی روش های طیفی نشان می دهد که اغلب این روش ها از شاخص های طیفی مربوط به پوشش گیاهی و دمای سطح زمین استفاده می کنند. درحال حاضر، تصحیح تصاویر DMSP از بعد زمانی با کالیبراسیون بین داده ها، به طور خاص، با استفاده از روش مناطق مرجع ثابت یا پیکسل های مرجع انجام شدنی است. از معتبرترین روش های مطرح شده در این زمینه، روش منطقه مرجع است. پس از پایان مأموریت سنجنده DMSP-OLS، سنجنده VIIRS معرفی شده است. برخلاف داده سالیانه این ماهواره، داده ماهیانه آن به علت وجود نویزهای پس زمینه، نورهای سرگردان و مواردی ازاین دست، نیاز به تصحیح دارد. طبق بررسی های انجام شده براساس مطالعات موجود در روند تحقیقات، می توان گفت بیشتر مطالعات و روش ها سعی در حذف نویزها با استفاده از چارچوبی مشخص، اما با فرض های متفاوت، دارند. درنَهایت، با توجه به چالش ها و محدودیت های فعلی ماهواره های نور شب، چند پیشنهاد اصلی برای پیشرفت و توسعه در این زمینه مطرح می شود؛ ادغام داده های DMSP-OLS با داده های NPP-VIIRS یا با وضوح بالاتر داده های لوجیا می تواند بیشتر مورد مطالعه قرار گیرد تا یک سری زمانی طولانی تر برای تحقیقات آینده، به منظور بررسی پویایی شهری و موارد مشابه، ایجاد شود.

سابقه و هدف: در سالیان اخیر افزایش جمعیت جهان و گسترش شهرنشینی، به ایجاد تغییرات گسترده ای در کاربری و پوشش اراضی منجر شده است. این فرایند پیامدهای زیان بار متعددی مانند افزایش دمای سطح زمین، جنگل زدایی و بیابان زایی، کاهش کیفیت خدمات اکوسیستم، کاهش تنوع زیستی و تهدید امنیت غذایی خواهد داشت. ازاین رو پایش و مدل سازی این تغییرات ضروری است و می توان با مدیریت بهینه اراضی گام مهمی در بهره وری صحیح از منابع طبیعی و توزیع امکانات برداشت. نظر به این مهم که حوضه آبریز رودخانه ارس در طول زمان دچار تحولات بسیاری به خصوص در اراضی انسان ساخت شده است، تمرکز پژوهش حاضر بر مدل سازی تغییرات کاربری/ پوشش اراضی در این حوزه است.مواد و روش ها: در این راستا ابتدا نقشه های کاربری اراضی منطقه برای سال های 2000 و 2020 از پروژه Globeland30 مرکز ملی ژوماتیک چین استخراج شدند. در ادامه نیز با توجه به سناریوی رشد اراضی انسان ساخت و به کمک روش های BWM و MEREC که از جمله روش های نوین تحلیل های تصمیم گیری چندمعیاره مبتنی بر GIS به شمار می روند، دو نقشه برای نمایش پتانسیل رشد اراضی انسان ساخت منطقه تهیه شده است. در انتها این دو نقشه و نقشه های کاربری اراضی ورودی های مدل CA-Markov را تشکیل داده و فرایند مدل سازی یک بار با ترکیب BWM+ CA-Markov و بار دیگر با ترکیب CA-Markov MEREC+ برای سال 2040 انجام شده است.نتایج و بحث: بررسی نتایج نشان داد که در خروجی مدل ترکیبی BWM + CA-Markov وسعت اراضی انسان ساخت از 603 کیلومتر مربع در سال 2020 به بیش از 930 کیلومتر مربع در سال 2040 افزایش یافته است. درحالی که این رقم در خروجی مدل MEREC + CA-Markov حدود 829 کیلومتر مربع است. ازطرفی نتایج نهایی حاصل از اشتراک خروجی مدل های ترکیبی مذکور نیز نشان داد که وسعت این اراضی از 603 کیلومترمربع در سال 2020 به 930 کیلومترمربع در سال 2040 افزایش خواهد یافت.نتیجه گیری: رشد فزاینده اراضی انسان ساخت در این حوضه می تواند به تخریب منابع زیست محیطی و تهدید اکوسیستم منجر شود. نتایج این پژوهش مدیران مربوطه را در راستای مدیریت بهینه شرایط پیش رو و فراهم آوردن زیرساخت های مقتضی یاری می رساند.

فنّاوری سنجش ازدور فراطیفی، در دو دهه گذشته شاهد پیشرفت چشمگیری بوده است. یکی از تحلیل هایی که در خصوص تصاویر فراطیفی انجام می گیرد، آشکارسازی هدف است. در این پژوهش به آشکار سازی بام های دارای پوشش خاص به عنوان هدف، در یک محیط شهری پرداخته شده است. هم زمان با رشد شهرنشینی و توسعه مناطق شهری نیاز مدیران و برنامه ریزان به نقشه های بسیار دقیق از مناطق شهری به طور چشمگیری افزایش یافته است. ازآنجاکه یک محیط شهری دارای ویژگی های پیچیده ای از نظر فیزیکی، هندسی و عناصر به کارگرفته شده در ساختمان هاست، داده های فراطیفی کمک مؤثری به شناسایی، استخراج و تولید نقشه از عناصر سازنده یک محیط شهری می کنند. در خصوص آشکارسازی طیفی هدف، از دو دهه پیش تاکنون تحقیقات مستمر و متعددی صورت پذیرفته است. با توجه به مطالعات صورت گرفته، تاکنون، الگوریتم هرمی در مقایسه با سایر الگوریتم های استخراج اطلاعات مکانی در تصاویر فراطیفی به بهترین نتایج دست یافته است، ازاین رو در این پژوهش سعی می شود با ارائه روشی جدید و دقیق ساختمان های با پوشش خاص در تصاویر فراطیفی آشکارسازی شود.مواد و روش ها: برای انجام این پژوهش از داده های تصویری سنجنده CASI استفاده شده است. تصاویر مورد پردازش در این پژوهش شامل تصاویری با 32 باند طیفی و قدرت تفکیک 2 متر هستند که در تاریخ مه سال 2001 از منطقه شهری تولوز واقع در جنوب فرانسه برداشت شده است. در روش پیشنهادی ابتدا دو الگوریتم طبقه بندی شبکه عصبی پرسپترون چندلایه (MLP) و ماشین بردار پشتیبان (SVM) بر روی تصویر فراطیفی پیاده سازی شده، سپس از نقشه حاصل از ترکیب دو الگوریتم مذکور برای انتخاب نشانه برای الگوریتم قطعه بندی هرمی مبتنی بر نشانه استفاده می شود. در نهایت به کمک قانون تصمیم رأی اکثریت نقشه قطعه بندی هرمی مبتنی بر نشانه با نقشه حاصل از ادغام طبقه بندی های MLP و SVM ترکیب می شود.نتایج و بحث: در این پژوهش به منظور پیاده سازی الگوریتم SVM از کرنل پایه شعاعی گوسین استفاده شد. مقادیر دو پارامتر جریمه (C) و عرض تابع گوسی () در الگوریتم SVM به کمک روش ارزیابی متقاطع تعیین شد. الگوریتم طبقه بندی MLP با 3 لایه پنهان که شامل 5، 6 و 8 نورون هست پیاده سازی شد و ارزیابی آن با 500 تکرار انجام گرفت و برای انتخاب نشانه ها، آنالیز برچسب گذاری مؤلفه های متصل براساس 8 پیکسل همسایگی بر روی نقشه حاصل از ترکیب MLP و SVM صورت پذیرفت. براساس نتایج به دست آمده نقشه حاصل از روش پیشنهادی شامل مناطق یکنواخت تر و دارای ساختارهای به هم پیوسته بیشتری برای آشکارسازی ساختمان هاست که این اهمیت استفاده از اطلاعات مکانی در کنار اطلاعات طیفی را نشان می دهد. فنّاوری سنجش ازدور فراطیفی، در دو دهه گذشته شاهد پیشرفت چشمگیری بوده است. یکی از تحلیل هایی که در خصوص تصاویر فراطیفی انجام می گیرد، آشکارسازی هدف است. در این پژوهش به آشکار سازی بام های دارای پوشش خاص به عنوان هدف، در یک محیط شهری پرداخته شده است. هم زمان با رشد شهرنشینی و توسعه مناطق شهری نیاز مدیران و برنامه ریزان به نقشه های بسیار دقیق از مناطق شهری به طور چشمگیری افزایش یافته است. ازآنجاکه یک محیط شهری دارای ویژگی های پیچیده ای از نظر فیزیکی، هندسی و عناصر به کارگرفته شده در ساختمان هاست، داده های فراطیفی کمک مؤثری به شناسایی، استخراج و تولید نقشه از عناصر سازنده یک محیط شهری می کنند. در خصوص آشکارسازی طیفی هدف، از دو دهه پیش تاکنون تحقیقات مستمر و متعددی صورت پذیرفته است. با توجه به مطالعات صورت گرفته، تاکنون، الگوریتم هرمی در مقایسه با سایر الگوریتم های استخراج اطلاعات مکانی در تصاویر فراطیفی به بهترین نتایج دست یافته است، ازاین رو در این پژوهش سعی می شود با ارائه روشی جدید و دقیق ساختمان های با پوشش خاص در تصاویر فراطیفی آشکارسازی شود. مواد و روش ها: برای انجام این پژوهش از داده های تصویری سنجنده CASI استفاده شده است. تصاویر مورد پردازش در این پژوهش شامل تصاویری با 32 باند طیفی و قدرت تفکیک 2 متر هستند که در تاریخ مه سال 2001 از منطقه شهری تولوز واقع در جنوب فرانسه برداشت شده است. در روش پیشنهادی ابتدا دو الگوریتم طبقه بندی شبکه عصبی پرسپترون چندلایه (MLP) و ماشین بردار پشتیبان (SVM) بر روی تصویر فراطیفی پیاده سازی شده، سپس از نقشه حاصل از ترکیب دو الگوریتم مذکور برای انتخاب نشانه برای الگوریتم قطعه بندی هرمی مبتنی بر نشانه استفاده می شود. در نهایت به کمک قانون تصمیم رأی اکثریت نقشه قطعه بندی هرمی مبتنی بر نشانه با نقشه حاصل از ادغام طبقه بندی های MLP و SVM ترکیب می شود. نتایج و بحث: در این پژوهش به منظور پیاده سازی الگوریتم SVM از کرنل پایه شعاعی گوسین استفاده شد. مقادیر دو پارامتر جریمه (C) و عرض تابع گوسی () در الگوریتم SVM به کمک روش ارزیابی متقاطع تعیین شد. الگوریتم طبقه بندی MLP با 3 لایه پنهان که شامل 5، 6 و 8 نورون هست پیاده سازی شد و ارزیابی آن با 500 تکرار انجام گرفت و برای انتخاب نشانه ها، آنالیز برچسب گذاری مؤلفه های متصل براساس 8 پیکسل همسایگی بر روی نقشه حاصل از ترکیب MLP و SVM صورت پذیرفت. براساس نتایج به دست آمده نقشه حاصل از روش پیشنهادی شامل مناطق یکنواخت تر و دارای ساختارهای به هم پیوسته بیشتری برای آشکارسازی ساختمان هاست که این اهمیت استفاده از اطلاعات مکانی در کنار اطلاعات طیفی را نشان می دهد. نتیجه گیری: در این پژوهش راهبرد استفاده از اطلاعات مکانی در کنار اطلاعات طیفی برای بهبود آشکارسازی هدف در آنالیز تصاویر فراطیفی بررسی شد. برای این منظور از الگوریتم طیفی– مکانی هرمی مبتنی بر نشانه که در فرایند طبقه بندی تصاویر استفاده می شود، برای آشکارسازی بام ساختمان ها استفاده شد. در روش پیشنهادی از دو نقشه طبقه بندی در انتخاب نشانه ها و قانون تصمیم رأی اکثریت در مورد الگوریتم قطعه بندی هرمی اولیه به کار گرفته شد. در ترکیب  نقشه های طبقه بندی MLP و SVM به منظور استفاده در انتخاب نشانه ها و قانون تصمیم رأی اکثریت از احتمال شرطی و انتخاب بالاترین احتمال تعلق هر پیکسل به یک کلاس استفاده می شود.

توسعه فعالیت های انسانی باعث تخریب بیش تر محیط زیست شده است که ارزیابی میزان و شدت تغییر در کاربری اراضی برای شناخت و مدیریت منابع زمین ضروری است. کاربری اراضی عامل موازنه میان هیدرولوژی، اقتصاد و محیط زیست است و ارزیابی شدت و روند تغییرات آن به فهم بهتر فرآیندهای موجود در اکوسیستم کمک خواهد نمود. در همین رابطه، پژوهش حاضر با هدف تحلیل تغییرات در کاربری/پوشش اراضی حوزه آبخیز رامیان در استان گلستان برنامه ریزی شده است. در این راستا، تصاویر ماهواره ای Landsat در سال های 1370، 1385 و 1400 به منظور تهیه نقشه های کاربری اراضی با استفاده از الگوریتم ماشین بردار پشتیبان (SVM) نرم افزار ENVI اخذ شد. ارزیابی صحت نقشه های کاربری اراضی با استفاده از ضریب کاپا و صحت کلی صورت پذیرفت. نتایج نشان داد که ضریب کاپا برای نقشه های کاربری اراضی در سال های مطالعاتی به ترتیب برابر با 74/0، 79/0 و 87/0 به دست آمد. صحت کلی نقشه های تهیه شده نیز به ترتیب برابر با 81، 86 و 91 درصد محاسبه شد که حاکی از صحت قابل قبول مدل مورد استفاده در طبقه بندی کاربری اراضی آبخیز رامیان است. بر اساس نتایج، کاربری های کشاورزی دیم، جنگل، کشاورزی آبی، باغ، مرتع و منطقه مسکونی طی دوره 30 ساله پژوهش به ترتیب برابر با 92/19، 50/4-، 28/42، 5/571، 87/8- و 3/107 درصد تغییر داشته اند. یافته های پژوهش بر نقش انسان در تخریب کاربری های اراضی و سیمای سرزمین آبخیز رامیان تأکید داشته و می تواند در طراحی الگوهای اجرایی مدیریت کاربری اراضی منطقه مطالعاتی مورد استفاده قرار گیرد.

سابقه و هدف: نقطه تزریق انرژی از شبکه انتقال به شبکه توزیع، پست های 20/63 کیلوولت هستند. تعیین محل احداث پست، از نظر فنی و اقتصادی برای شرکت های برق منطقه ای و شرکت های توزیع برق اهمیت ویژه ای دارد. هدف این پژوهش، تعیین محدوده بهینه احداث پست 20/63 کیلوولت است و تفاوت روش تحقیق این پژوهش با دیگر مطالعات مشابه، استفاده از معیارهای مرتبط با شرکت توزیع برق و لحاظ کردن تأثیر و ارتباطات درونی معیارها با یکدیگر است.مواد و روش ها: در این پژوهش از روش فرایند تحلیل شبکه ای و توابع فازی در بستر GIS استفاده شده است. با بررسی منابع و نظر سنجی از کارشناسان خبره، تعداد 13 معیار به عنوان عوامل اصلی و تأثیرگذار در تعیین محل احداث پست تعیین و سپس با استفاده از نرم افزار ArcGIS، نقشه های  معیارها تهیه شد. به منظور همگن کردن لایه های اطلاعاتی، داده ها با استفاده از توابع عضویت فازی بین 0 و 1 قرار گرفتند. وزن نهایی معیارها با استفاده از روش ANP تعیین و در نقشه فازی خود اعمال شدند. برای تحلیل نهایی موضوع پژوهش، از عملگر گاما با مقادیر گامای 7/0، 8/0 و 9/0 استفاده شد. به منظور انتخاب بهینه گامای فازی، داده ها در نرم افزار SPSS و با استفاده از آزمون ضریب همبستگی گاما، تجزیه وتحلیل شدند که در نتیجه، مقدار ضریب همبستگی و انحراف از معیار محاسبه شد.نتایج و بحث: نتایج حاصل از محاسبه انحراف معیار نشان داد که دقت گامای 7/0 از دو گامای دیگر بالاتر است. در نقشه نهایی به دست آمده، محدوده شهر کهک، محدوده بهینه برای احداث پست 20/63 کیلوولت در سطح استان قم است.

سابقه و هدف: نقشه پوشش زمین یکی از پارامترهای اساسی در تحلیل های جغرافیایی و برنامه ریزی های مکانی محسوب می شود. به طور کلی، تصویر ماهواره ای، الگوریتم طبقه بندی و نمونه آموزشی سه پارامتر اصلی در تهیه نقشه های پوشش زمین به شمار می روند و مهم ترین نقش را درزَمینه صحت، هزینه و منابع محاسباتی مورد نیاز برای تهیه این نقشه ها ایفا می کنند. کیفیت نمونه آموزشی تأثیر شایان توجهی در صحت نتایج طبقه بندی دارد. بر این اساس، هدف اصلی این پژوهش تهیه نمونه های آموزشی معتبر، با استفاده از روش انتقال نمونه های آموزشی برای پایش تغییرات پوشش زمین در شمال غرب ایران، بین سال های 2002 تا 2022 است.مواد و روش ها: منطقه مورد مطالعه، با مساحتی بالغ بر 7653 کیلومترمربع، در شمال غرب ایران واقع شده است. ازلحاظ جغرافیایی، این محدوده در مختصات 35 59 °44 تا 25 01 °46 طول شرقی و 46 02 °38 تا 47 48 °38 عرض شمالی قرار دارد. داده های مورد استفاده در این پژوهش شامل تصاویر ماهواره ای و داده های مرجع زمینی است و تصاویر به کاررفته در این پژوهش شامل تصاویر ماهواره ای سری لندست می شود. روش پژوهش پنج مرحله کلی را دربرمی گیرد. در مرحله اول، تصاویر ماهواره ای لندست از سایت سازمان زمین شناسی امریکا دریافت و مراحل پیش پردازش تصاویر (تصحیح رادیومتریک و هندسی) روی آنها انجام شد. در مرحله دوم، با استفاده از تصاویر دارای قدرت تفکیک مکانی بالا (تصاویر سامانه Google Earth) و برداشت زمینی، نمونه های آموزشی مورد نظر تهیه شدند. مرحله سوم شامل انتقال نمونه های آموزشی است. برای این کار، در ابتدا، با استفاده از دو پارامتر فاصله اقلیدسی (ED) و فاصله زاویه طیفی (SAD)، شباهت طیفی نمونه های آموزشی در سال های مرجع و هدف بررسی شد. در ادامه، با تعیین آستانه مورد نظر، نمونه های آموزشی انتقال یافته از نمونه های انتقال نیافته تفکیک شدند. در انتهای مرحله سوم، صحت نمونه های آموزشی انتقال یافته ارزیابی شد؛ بدین منظور داده های مرجع تهیه شده از سامانه Google Earth به کار رفت. در مرحله چهارم، با استفاده از نمونه های آموزشی انتقال یافته، تصاویر ماهواره ای در سال های گوناگون طبقه بندی شد و درنَهایت در مرحله پنجم، با به کارگیری شاخص های حاصل از ماتریس خطا، صحت تصاویر طبقه بندی شده ارزیابی شد.نتایج و بحث: نتایج به دست آمده نشان داد آستانه 9/0 تا 1/1 مناسب ترین آستانه برای تفکیک نمونه های آموزشی انتقال یافته از نمونه های آموزشی انتقال نیافته در سال های گوناگون است. بر این اساس، می توان گفت بین صحت و درصد نمونه های آموزشی انتقال یافته رابطه ای معکوس وجود دارد و با افزایش درصد نمونه های آموزشی انتقال یافته، از صحت آنها کاسته می شود. بررسی صحت نمونه های آموزشی انتقال یافته، براساس هریک از پارامترها (فاصله زاویه طیفی و فاصله اقلیدسی)، نشان داد صحت نمونه های آموزشی انتقال یافته براساس پارامتر فاصله زاویه طیفی بیشتر از نمونه های آموزشی انتقال یافته براساس پارامتر فاصله اقلیدسی است. همچنین استفاده از نمونه های انتقال یافته، براساس هر دو پارامتر، باعث افزایش 45/10درصدی صحت درمقایسه با حالتی شده است که از پارامتر فاصله اقلیدسی برای انتقال نمونه های آموزشی استفاده شده و نیز افزایش 5درصدی صحت را درقیاس با وضعیتی دربرداشته که از پارامتر فاصله زاویه طیفی برای انتقال نمونه های آموزشی استفاده شده است. بررسی درصد انتقال نمونه های آموزشی در کلاس های کاربری گوناگون نشان داد، به طور میانگین، 6/80٪ از نمونه های آموزشی کلاس آب، 4/75٪ از نمونه های آموزشی کلاس اراضی بایر، 2/71٪ نمونه های آموزشی کلاس اراضی انسان ساخت، 6/64٪ نمونه های آموزشی کلاس مرتع، 2/60٪ از نمونه های آموزشی کلاس اراضی زراعی و 4/54٪ نمونه های آموزشی کلاس تالاب از سال مرجع (1401) به هریک از سال های هدف (1381، 1387، 1392 و 1396) انتقال پیدا کرده اند. همچنین ارزیابی صحت نمونه های آموزشی انتقال یافته در کلاس های کاربری گوناگون نشان داد کلاس های آب، اراضی انسان ساخت، اراضی بایر، مرتع، اراضی زراعی و تالاب، به ترتیب، بیشترین صحت را در نمونه های آموزشی انتقال یافته دارا بودند. بررسی تغییرات پوشش زمین بین سال های 1381 تا 1401 نشان داد روند تغییرات مساحت کلاس های اراضی بایر، آب و تالاب از سال 1381 تا 1401 کاهشی و روند تغییرات مساحت اراضی انسان ساخت، در این بازه زمانی، افزایشی بوده است؛ همچنین کلاس های مرتع و اراضی زراعی، در این بازه زمانی، دارای روند تغییرات ثابت نبوده و روند تغییرات آنها در سال های گوناگون، متفاوت بوده است. اما درحالت کلی، مساحت این دو کلاس طی سال 1401، درقیاس با سال 1381 افزایش یافته است.نتیجه گیری: پیشنهاد می شود در مطالعات آتی، از سایر تصاویر ماهواره ای (ازجمله تصاویر ماهواره ای سنتینل 2) نیز به منظور انتقال نمونه های آموزشی استفاده شود تا تأثیر باندهای طیفی و تصاویر ماهواره ای گوناگون، در انتقال نمونه های آموزشی، ارزیابی شود. همچنین بررسی اثربخشی روش انتقال نمونه های آموزشی در انتقال نمونه های آموزشی سایر پوشش های زمینی می تواند درزمره موضوعات پژوهشی در مطالعات بعدی قرار گیرد.منطقه مورد مطالعه با مساحتی بالغ بر 7653 کیلومترمربع در شمال غرب ایران واقع شده است. از لحاظ جغرافیایی محدوده مورد نظر در مختصات ´´35 ´59 °44 تا ´´25 ´01 °46 طول شرقی و ´´46 ´02 °38 تا ´´47 ´48 °38 عرض شمالی واقع شده است. داده های مورد استفاده در این پژوهش شامل تصاویر ماهواره ای و داده های مرجع زمینی می باشد. تصاویر مورد استفاده در این پژوهش شامل تصاویر ماهواره ای سری لندست می باشد.روش انجام پژوهش شامل پنج مرحله کلی می باشد. در مرحله اول تصاویر ماهواره ای لندست 5 و 8 از سایت سازمان زمین شاسی آمریکا اخذ شده و مراحل پیش پردازش تصاویر (تصحیح رادیومتریک و هندسی) بر روی آن ها انجام شد. در مرحله دوم با استفاده از تصاویر با قدرت تفکیک مکانی بالا (تصاویر سامانه Google Earth) و برداشت زمینی، نمونه های آموزشی مورد نظر تهیه شدند. مرحله سوم شامل انتقال نمونه های آموزشی می باشد. برای این کار در ابتدا بررسی شباهت طیفی نمونه های آموزشی در سال های مرجع و هدف با استفاده از دو پارامتر فاصله اقلیدسی و فاصله زاویه طیفی انجام شد. در ادامه با تعیین آستانه مورد نظر، نمونه های آموزشی انتقال یافته از نمونه های انتقال نیافته تفکیک شدند. در انتهای مرحله سوم، ارزیابی صحت نمونه های آموزشی انتقال یافته انجام شد، برای این کار از داده های مرجع تهیه شده از سامانه Google Earth استفاده شد. در مرحله چهارم با استفاده از نمونه های آموزشی انتقال یافته، طبقه بندی تصاویر ماهواره ای در سال های مختلف انجام شد و در نهایت در مرحله پنجم با استفاده از شاخص های حاصل از ماتریس خطا، ارزیابی صحت تصاویر طبقه بندی شده انجام شد.نتایج به دست آمده نشان داد، آستانه 0/9 تا 1/1 (اختلاف انحراف معیار از میانگین) مناسب ترین آستانه برای تفکیک نمونه های آموزشی انتقال یافته از نمونه های آموزشی انتقال نیافته در سال های مختلف می باشد. بر این اساس می توان گفت یک رابطه معکوس بین صحت نمونه های آموزشی انتقال یافته و درصد نمونه های آموزشی انتقال یافته وجود دارد و با افزایش درصد نمونه های آموزشی انتقال یافته از صحت آن ها کاسته می شود.بررسی صحت نمونه های آموزشی انتقال یافته بر اساس هر یک از پارامترها (فاصله زاویه طیفی و فاصله اقلیدسی) نشان داد نمونه های آموزشی انتقال یافته بر اساس پارامتر فاصله زاویه طیفی از صحت بیشتری نسبت به نمونه های آموزشی انتقال یافته بر اساس پارامتر فاصله اقلیدسی برخوردار می باشند. همچنین استفاده از نمونه های انتقال یافته بر اساس هر دو پارامتر باعث افزایش 10/45 درصدی صحت نسبت به حالتی شده است که از پارامتر فاصله اقلیدسی برای انتقال نمونه های آموزشی استفاده شده است و افزایش 5 درصدی صحت نسبت به حالتی شده است که از پارامتر فاصله زاویه طیفی برای انتقال نمونه های آموزشی استفاده شده است.بررسی درصد انتقال نمونه های آموزشی در کلاس های کاربری مختلف نشان داد به طور میانگین 80/6 درصد از نمونه های آموزشی کلاس آب، 75/4 درصد از نمونه های آموزشی کلاس اراضی بایر، 71/2 درصد از نمونه های آموزشی کلاس اراضی انسان ساخت، 64/6 درصد از نمونه های آموزشی کلاس مرتع، 60/2 درصد از نمونه های آموزشی کلاس اراضی زراعی و 54/4 درصد از نمونه های آموزشی کلاس تالاب از سال مرجع (1401) به هر یک از سال های هدف (1381، 1387، 1392 و 1396) انتقال پیدا کرده اند. همچنین ارزیابی صحت نمونه های آموزشی انتقال یافته در کلاس های کاربری مختلف نشان داد کلاس های آب، اراضی انسان ساخت، اراضی بایر، مرتع، اراضی زراعی و تالاب، به ترتیب از بیشترین صحت در نمونه های آموزشی انتقال یافته برخوردار بودند.طبقه بندی تصاویر ماهواره ای با استفاده از تصاویر لندست بین سال های 1381 تا 1401 انجام شد. بر این اساس، پوشش های سطحی زمین در شش کلاس کاربری مختلف طبقه بندی شد. نتایج ارزیابی صحت طبقه بندی نشان داد صحت کلی تصاویر طبقه بندی شده در سال های 1401، 1396، 1392، 1387 و 1381 به ترتیب 94/95، 91/93، 90/74، 89/45 و 88/94 درصد است. بررسی صحت طبقه بندی کلاس های کاربری مختلف بر اساس دو پارامتر صحت تولیدکننده و صحت کاربر نشان داد، کلاس آب از بیشترین صحت تولید کننده و کاربر در میان کلاس های مختلف برخوردار است، به طوری که صحت تولیدکننده و کاربر آن در تصویر طبقه بندی شده سال 1401 به ترتیب 98/2 و 99/34 درصد می باشد. از طرفی کمترین صحت تولیدکننده و کاربر در کلاس تالاب به دست آمد؛ به طوری که، صحت تولیدکننده و کاربر آن در تصویر طبقه بندی شده سال 1401 به ترتیب 90/1 و 91/25 درصد است.بررسی تغییرات پوشش زمین بین سال های 1381 تا 1401 نشان داد، روند تغییرات مساحت کلاس های اراضی بایر، آب و تالاب از سال 1381 تا 1401 کاهشی و روند تغییرات مساحت اراضی انسان ساخت در این بازه زمانی افزایشی بوده است، همچنین کلاس های مرتع و اراضی زراعی دارای روند تغییرات ثابت در این بازه زمانی نبوده و روند تغییرات آن ها در سال های مختلف متفاوت بوده است. اما در حالت کلی مساحت این دو کلاس در سال 1401 نسبت به سال 1381 افزایش یافته است. بررسی تغییرات مساحت اراضی انسان ساخت در این بازه زمانی نشان دهنده افزایش محسوس مساحت این کلاس کاربری می باشد؛ به طوری که مساحت آن از 20/38 کیلومتر مربع در سال 1381 به 123/98 کیلومتر مربع در سال 1401 افزایش یافته است.پیشنهاد می شود در مطالعات آتی از سایر تصاویر ماهواره ای (از جمله تصاویر ماهواره ای سنتینل-2) نیز به منظور انتقال نمونه های آموزشی استفاده شود تا تأثیر باندهای طیفی و تصاویر ماهواره ای مختلف در انتقال نمونه های آموزشی مورد ارزیابی قرار گیرد. همچنین بررسی اثربخشی روش انتقال نمونه های آموزشی در انتقال نمونه های آموزشی سایر پوشش های زمینی می تواند از جمله موضوعات پژوهشی در مطالعات بعدی محسوب شود.

سابقه و هدف: در سال های اخیر استفاده از کلان داده های تلفن همراه در مطالعات حمل ونقلی بسیار مورد توجه متخصصان قرار گرفته است. منشأ ایجاد سفرهای شهری، نیاز افراد به انجام دادن فعالیت است. ازطرفی، سطح فعالیت های شهری و الگوی آن نیز در زمان ها و مکان های مختلف متغیر است. داده های تلفن همراه، به عنوان نوعی از داده های پیوسته مکانی– زمانی، حضور افراد در مکان ها و زمان های مختلف را ثبت می کنند و بنابراین این داده ها با نرخ نفوذ بالا به منظور شناسایی سطح فعالیت شهری و استخراج الگوی فعالیت افراد در زمان های مختلف، مناسب و پرکاربرد هستند. در این پژوهش، با توجه به اهمیت ساختار فرهنگی، مذهبی، گردشگری و همچنین وجود مراکز درمانی کلان شهر شیراز، این شهر به عنوان منطقه مطالعاتی در نظر گرفته شده است. لذا تحلیل الگوی مکانی و زمانی سفرهای شهری با به کارگیری داده های پیوسته مکانی– زمانی همچون داده های تلفن همراه، می تواند به بهبود مدیریت سیستم حمل ونقل و برنامه ریزی و سیاست گذاری صحیح این شهر کمک شایان توجهی کند. مواد و روش ها: متغیر مورد بررسی در این مطالعه، تراکم سطح فعالیت در یک برش زمانی و یک واحد مکانی مشخص است. فعالیت به معنای تعداد افرادی است که به منظور انجام فعالیتی با هدف معین ناحیه ای را ترک و یا به ناحیه ای وارد می شوند. تراکم سطح فعالیت نیز بیانگر میزان فعالیت در واحد مساحت هر ناحیه ترافیکی است. به منظور بررسی تراکم سطح فعالیت افراد در سطح ۳۲۱ ناحیه ترافیکی شهر شیراز، داده های تلفن همراه به مدت یک هفته (۰۳/۰۴/۱۴۰۰ تا ۰۹/۰۴/۱۴۰۰) در شهر شیراز جمع آوری شد. پس از پاکسازی و آماده سازی داده ها، نقاط توقف افراد و محل خانه آن ها شناسایی شد. ضمن به کارگیری ضریب تعمیم مناسب، سطح فعالیت در نواحی ترافیکی در بازه های زمانی یک ساعته در روزهای کاری، نیمه کاری و غیرکاری برآورد شد. در ادامه میزان خودهمبستگی مکانی سطح فعالیت، با استفاده از شاخص خودهمبستگی مکانی Moran’s I عمومی و محلی در روزهای کاری، نیمه کاری و غیرکاری بررسی شد. سپس، با استفاده از تحلیل های اکتشافی سری زمانی فعالیت های شهری و تحلیل یکنواختی سری زمانی (SNHT)، الگوی زمانی سطح فعالیت ها، بازه زمانی آغاز فعالیت ها، بازه اوج میان روز، بازه اوج عصر و سایر مشخصه های سری زمانی بررسی شد.  نتایج: در تحلیل مکانی میزان خودهمبستگی مکانی سطح فعالیت، با استفاده از شاخص خودهمبستگی مکانی Moran’s I عمومی و محلی در روزهای کاری، نیمه کاری و غیرکاری بررسی و وجود خودهمبستگی مکانی مثبت و معنادار فعالیت در واحد مساحت نواحی ترافیکی (P-Value < 0.001) تأیید شد. لذا سطح فعالیت نواحی، متأثر از روابط مکانی در محدوده مطالعاتی است و نواحی مهم با تراکم فعالیت بالا در مناطق مرکزی شهری شناسایی شدند. نتایج تحلیل های سری زمانی اکتشافی نمایانگر تغییرات ساعتی در الگوی زمانی سطح فعالیت هاست. همچنین در روزهای کاری فعالیت های بیشتری نسبت به روزهای غیرکاری و نیمه کاری انجام می شود. سری زمانی در نیمی از روز نیمه کاری کاملاً مشابه با روزهای کاری است و پس از ساعات اداری با کاهش سطح فعالیت روندی بین روزهای کاری و روز غیر کاری تجربه می کند. با بررسی سری زمانی فعالیت ها بازه اوج میان روز در ساعت 12 تا ساعت 14 و بازه اوج عصر در ساعت 20 تا ساعت 22 رخ می دهد. همچنین کمترین سطح فعالیت روزانه بین ساعت ۳ تا ۶ صبح تشخیص داده شد. با استفاده از آزمون یکنواختی سری زمانی نیز بازه زمانی آغاز فعالیت ها در روزهای کاری و نیمه کاری در ساعت 8 صبح و در روزهای غیرکاری ساعت 9 صبح شناسایی شد. شایان ذکر است به منظور اعتبارسنجی جمعیت ساکن شناسایی شده و ضرایب تعمیم، همبستگی مکانی بین جمعیت برآوردشده از داده های تلفن همراه و جمعیت واقعی هریک از نواحی ترافیکی بررسی شد که برابر با ۸۲/۰ است و از نظر آماری معنادار و قابل قبول است. نتیجه گیری: نتایج این مطالعه می تواند در فرایند برنامه ریزی و سیاست گذاری صحیح، مدیریت تقاضا و حضور افراد در مکان های پرتراکم شهر و در بازه زمانی دلخواه و همچنین تحلیل های مرتبط با اثرات زیست محیطی حمل و نقل شهری تأثیرگذار باشد. با در دسترس بودن داده های تلفن همراه با دقت مناسب در سایر مراکز فعالیتی با مقیاس های مختلف (یک محدوده ترافیکی، محدوده شهر، استان و حتی کل کشور)، می توان الگوهای مختلف فعالیت شهری و از جمله نتایج این مطالعه را استخراج کرد.

سابقه و هدف: تب دانگ، یکی از بیماری های واگیر و ویروسی است که از طریق دو گونه پشه آئدس اجیپتی و پشه آئدس آلبوپیکتوس منتقل می شود و به سرعت در جهان در حال گسترش است. افزایش دمای کره زمین، تغییرات اقلیمی و الگوی بارندگی و نیز گسترش شهرنشینی در اغلب نقاط دنیا بر گستره انتشار گونه های مذکور مؤثر بوده و باعث گسترش مناطقی جدید برای حضور این گونه ها شده است. این در حالی است که بخشی از کشور ایران در برابر این گونه و حضور آن آسیب پذیر تلقی شده و لازم است گستره انتشار احتمالی آن برای اجرای برنامه کنترل جمعیت این گونه مشخص شود. مدل های مطلوبیت زیستگاه مجموعه ای از مدل های الگوریتم مبنا هستند که قادرند پراکنش مکانی برای استقرار انواع گونه ها را پیش بینی کنند. هدف اصلی این پژوهش مدل سازی توزیع مکانی ناقلین این بیماری در ایران است که با توجه به نبود داده های ناقلین کافی در کشور، از داده های ناقلین موجود در سطح جهان و همچنین در سطح قاره آسیا، در دو مقیاس مختلف استفاده شد. از مهم ترین جنبه های نوآوری این پژوهش می توان به استفاده از لایه هتروژنتی به عنوان یک عامل کمکی برای تحلیل نقاط حضور و کاهش خودهمبستگی مکانی و به کارگیری و مقایسه دو مدل پراکنش گونه متکی به داده های حضور برای انتخاب روش مدل سازی بهینه اشاره کرد. مواد و روش ها: مدل های مورد استفاده در این پژوهش شامل روش آنتروپی بیشینه (MaxEnt) و یک نوع الگوریتم ژنتیک تحت عنوان گارپ (GARP) هستند. این مدل ها می توانند ارتباطات غیرخطی و اثرگذار بین گونه ها و متغیرهای محیطی را تشخیص دهند و آن ها را برای توسعه مدل های پیش بینی به کار گیرند. همچنین لایه های اطلاعاتی مورد نیاز شامل لایه نقاط حضور گونه ها و لایه های متغیرهای مستقل زیست محیطی هستند. در مجموع 2780 نقطه حضور برای هر دو گونه (1926: گونه آئدس اجیپتی و 854: گونه آئدس آلبوپیکتوس) با مراجعه به پایگاه های اطلاعاتی مختلف جمع آوری شد. به منظور کاهش خودهمبستگی مکانی بین داده های نقاط حضور ناقلین تب دانگ، لایه هتروژنتی توپوگرافی با استفاده از SDM toolbox در ArcGIS ساخته شد و نقاطی که از نظر ارتفاع دارای شرایط یکسانی هستند از فرایند مدل سازی حذف شدند. به منظور بررسی میزان همبستگی متغیرهای زیستی از تابع PCA در ArcGIS استفاده شد و متغیرهایی که میزان همبستگی بین آنها بالای 75/0 بود، از تحلیل حذف و متغیرهای تراکم جمعیت، اقلیم، تراکم پوشش گیاهی، ارتفاع و کربن آلی خاک لحاظ وارد مدل شدند. در نهایت با استفاده از روش آنتروپی بیشینه (MaxEnt) و یک نوع الگوریتم ژنتیک تحت عنوان گارپ (GARP) میزان مطلوبیت زیستگاهی در سطح جهان با قدرت تفکیک مکانی 5 کیلومتر برای هر دو گونه مدل سازی شد. با توجه به دقت بالای روش MaxEnt، با استفاده از این روش، مطلوبیت زیستگاهی قاره آسیا با قدرت تفکیک 900 متر برای هر دو گونه مدل سازی شد. نتایج و بحث: مقادیر سطح زیر منحنی (AUC) برای گونه آئدس اجیپتی 942/0 و برای گونه آئدس آلبوپیکتوس 948/0 محاسبه شد. نتایج پژوهش نشان داد که استان های شمالی و جنوبی کشور مطلوبیت زیستگاهی بالاتری را برای هر دو گونه دارند، با این تفاوت که گونه آئدس اجیپتی در قسمت های جنوبی به سمت شرق در حاشیه دریایی عمان دارای احتمال پراکندگی بالاتری است. در پیاده سازی روش MaxEnt برای گونه آئدس آلبوپیکتوس، استان های موجود در غرب ایران نیز مطلوب تعیین شدند که این مهم در مقیاس کوچک تر به صورت درست مدل سازی نشده بود. در بهمن 1399 متأسفانه تعداد کمی پشه و تخم پشه آئدس اجیپتی در شهرستان بندر لنگه کشف شد که دقیقاً این پژوهش آن را پیش بینی کرده بود. نتیجه گیری: از نتایج این مطالعه می توان در راستای برنامه ریزی برای مدیریت جمعیت این حشرات ناقل برای کنترل بیماری هم زمان با پایش جمعیت ها در فصول اپیدمی استفاده کرد.

سابقه و هدف: فنّاوری سنجش از دور ابرطیفی، در دو دهه گذشته، شاهد پیشرفت چشمگیری بوده است. این پیشرفت در طراحی و ساخت سنجنده ها و همچنین در توسعه و اجرای روش های پردازش داده بسیار مشهود است. امروزه بیشتر تحقیقات، در زمینه فنّاوری سنجش از دور ابرطیفی، بر طبقه بندی این تصاویر تأکید دارد. روش های طبقه بندی تصاویر ابرطیفی در دو دسته طبقه بندی طیفی یا مبتنی بر پیکسل و طبقه بندی طیفی– مکانی یا مبتنی بر شیء قرار می گیرند. در این تحقیق، به طبقه بندی طیفی – مکانی تصویر ابرطیفی، در محیطی شهری، پرداخته شده است. ازآنجاکه محیط های شهری، از نظر عناصر به کاررفته در آنها، ویژگی های پیچیده ای دارند، داده های ابرطیفی به شناسایی و استخراج و تولید نقشه از عناصر سازنده آنها کمک مؤثری می کنند. شناسایی مواد گوناگون در محیط های شهری اهمیت بسیاری در زمینه کاربردهای گوناگون، همچون ارتباط تلفن های همراه، واقعیت مجازی، معماری و مدل سازی شهری و برنامه ریزی و مدیریت شهرها دارد.مواد و روش ها: در این تحقیق، برای ارزیابی روش پیشنهادی از دو تصویر ابرطیفی پاویا و برلین، که جزء تصاویر معیار در حوزه سنجش از دور ابرطیفی است، استفاده شد. در روش پیشنهادی، ابتدا ابعاد تصویر ابرطیفی به کمک الگوریتم PCA کاهش می یابد؛ سپس ده ویژگی مکانی میانگین، انحراف معیار، درجه تباین، یکنواختی، همبستگی، نبودِ تشابه، انرژی، آنتروپی، تبدیل موجک و فیلتر گابور از روی باندهای کاهش یافته استخراج می شود. در ادامه، الگوریتم ژنتیک وزن دار بر ویژگی های طیفی و مکانی به دست آمده اعمال می شود و در انتها، ویژگی های حاصل به کمک الگوریتم MLP طبقه بندی می شود.نتایج و بحث: در آزمون های انجام شده در زمینه الگوریتم ژنتیک، کروموزوم ها دارای ژن هایی برابر با تعداد ویژگی های طیفی و مکانی اند. در این آزمون ها، میزان تقاطع و جهش به ترتیب برابر با 5/0 و 05/0 در نظر گرفته شد. همچنین، برای ایجاد تناسب بین دو پارامتر دقت و زمان محاسبات، تعداد جمعیت اولیه 30 و حداکثر تعداد تکرار، برای توقف، 100 در نظر گرفته شد. البته در عمل، درمورد هر دو تصویر ابرطیفی با توجه به استفاده از شرط فعال برای توقف الگوریتم، روند تکرار به مرحله 100 نمی رسد و قبل از آن، الگوریتم به وضعیت پایدار می رسد و متوقف می شود. الگوریتم طبقه بندی MLP با سه لایه پنهان، شامل و 6 و 8 نورون، اجرا و با پانصد تکرار ارزیابی شد. روش طبقه بندی پیشنهادی بیان شده با الگوریتم های SVM، MLP و MSF مقایسه شد. در هر دو تصویر ابرطیفی، نقشه حاصل از روش پیشنهادی در مقایسه با سایر الگوریتم ها مناطق یکنواخت تری را دربرمی گیرد. روش پیشنهادی، در تصویر پاویا، باعث افزایش 13، 7 و 6درصدی و در تصویر برلین، باعث افزایش 9، 6 و 5درصدی پارامتر ضریب کاپا، در قیاس با به ترتیب الگوریتم های SVM، MLP و MSF شده است. دلیل این افزایش دقت روش پیشنهادی می تواند استفاده از اطلاعات نزدیک ترین همسایگی و دو مرحله کاهش ابعاد باشد.نتیجه گیری: در این تحقیق، روشی جدید به منظور طبقه بندی طیفی – مکانی تصاویر ابرطیفی معرفی شد. در روش پیشنهادی، ابتدا ابعاد تصویر ابرطیفی کاهش یافت و ده ویژگی، به منزله اطلاعات نزدیک ترین همسایگی ها، از باندهای کاهش یافته استخراج شد. در ادامه، الگوریتم ژنتیک وزن دار روی ویژگی های به دست آمده، به منظور کاهش وابستگی بین آنها، اعمال شد. الگوریتم ژنتیک یکی از کارآمدترین و مؤثرترین روش ها در کاهش ابعاد تصاویر ابرطیفی است. در الگوریتم باینری ژنتیک، هر کروموزوم دارای مقادیر یک و صفر است؛ درحالی که در الگوریتم ژنتیک وزن دار، مقادیر وزنی بین صفر و یک است. روش پیشنهادی روی دو تصویر ابرطیفی پاویا و برلین اجرا شد که آزمایش ها برتری کمّی و کیفی به کارگیری این روش را نشان می دهد. کم بودن دقت نتایج در تصویر برلین می تواند به دلیل پیچیدگی این تصویر، در مقایسه با تصویر پاویا باشد.

سابقه و هدف: رطوبت غلاف پارامتر مهمی در طول دوره رشد نیشکر است که از منظر تنش آبی و مدیریت آبیاری مزرعه اهمیت فراوانی دارد. بااین حال اندازه گیری میزان رطوبت محصول در گیاهان به طور سنتی از طریق به دست آوردن وزن تر و وزن خشک و سپس محاسبه میزان رطوبت محصول تعیین شده است. اما این روش وقت گیر، هزینه بر و در مناطق وسیع غیرقابل اجراست. در سال های اخیر، توسعه سریع فنّاوری سنجش ازدور برای نظارت بر میزان آب بافت گیاه در مزارع گسترده به کار برده می شود. داده های سنجش ازدور ظرفیت بالایی برای به روز کردن سیستم های پایش رشد محصول دارند. در این راستا، می توان از تصاویر ماهواره ای که اطلاعات متنوعی در اختیار کاربران قرار می دهند، بهره برد. هدف از این پژوهش ارزیابی رطوبت غلاف برگ نیشکر با استفاده از تصاویر ماهواره ای و تهیه نقشه های رطوبت براساس بهترین مدل است.مواد و روش ها: مزارع نیشکر که بزرگ ترین مزارع خوزستان هستند، بیش از 84000 هکتار مساحت دارند. حدوداً 9670 هکتار از مزارع تحت کشت متعلق به کشت و صنعت امیرکبیر است که این پژوهش در آن اجرا شد. منطقه مورد مطالعه در عرض جغرافیایی 31 درجه و 00 دقیقه و 20 ثانیه شمالی و طول جغرافیایی 48 درجه و 15 دقیقه و 22 ثانیه شرقی قرار گرفته است. برای پژوهش حاضر، 18 مزرعه از واریته CP69-1062 نیشکر انتخاب شد که از هر مزرعه 5 نقطه برگزیده و مختصات نقاط با دستگاه GPS ثبت شد، لذا این پژوهش از تیر تا شهریور ماه اجرا شد. برای این منظور، تلاش شد که داده برداری زمینی هم زمان با تصویربرداری ماهواره سنتینل-2 از منطقه مورد نظر صورت گیرد. سپس رطوبت غلاف هر نمونه در آزمایشگاه اندازه گیری شد. برای هر تصویر شاخص ها و باندهای طیفی با نرم افزار QGIS محاسبه و خروجی به صورت فایل اکسل و TIF ذخیره شد. در این پژوهش از شاخص های NDWI، NDII، SRWI، SIWSI، Clgreen و GVMI و باندهای حاصل از تصاویر ماهواره ای سنتینل-2 برای برآورد و پایش وضعیت رطوبت غلاف برگ نیشکر استفاده شد. در گام بعدی، از تحلیل VIF به منظور بررسی هم خطی بین شاخص ها و باندها استفاده شد. در نهایت شاخص های NDVI، EVI، SRWI، Clgreen و تک باندهای B2، B3، B4، B5، B6، B11 و B12 به عنوان ورودی به چهار مدل GRNN، RF، SVR و PLSR وارد شدند. شایان ذکر است که الگوریتم بیز به منظور بهینه سازی پارامترهای مدل استفاده شد.نتایج و بحث: نتایج نشان داد که مدل SVR در مقایسه با سایر مدل ها توانایی بالاتری در تخمین رطوبت غلاف برگ داشت. همچنین طبق تحلیل حساسیت، پارامترهای SRWI، Clgreen، NDVI، B5، B12، B11، B4، B3، EVI و B2 به ترتیب به عنوان پارامترهای مؤثر در فرایند مدل سازی رطوبت انتخاب شدند. در مرحله نهایی رطوبت غلاف برگ به ترتیب مقدار از کم تا زیاد، به 5 کلاس تنش، زمان آبیاری، رطوبت کم، رطوبت متوسط و رطوبت بالا طبقه بندی شد. با توجه به نتایج نقشه های رطوبتی و با توجه به برنامه زمان بندی آبیاری مربوط به هر تاریخ، می توان نتیجه گرفت خروجی حاصل ترکیبی از شاخص ها و باندهای B2، B3، B4، B5، B6، B11، B12، NDVI، EVI، SRWI و Clgreen عملکرد بهتری در تهیه نقشه های آبیاری داشتند. این روش با هدف ارزیابی پتانسیل شاخص های طیفی S2 MSI برای برآورد رطوبت غلاف برگ در مرحله رشد نیشکر به کار گرفته شد.نتیجه گیری: طبق تحلیل حساسیت، پارامتر SRWI به عنوان مؤثرترین شاخص در فرایند مدل سازی قرار گرفت. بنابراین می توان نتیجه گرفت که در میان ورودی های داده شده به مدل، ترکیبی از شاخص ها و باندهای NDVI، EVI، SRWI، Clgreen، B2، B3، B5، B4، B11و B12 تخمین بهتری از رطوبت غلاف نیشکر به دست می دهند. این پژوهش در پی بهبود روش های نظارت بر رطوبت غلاف نیشکر در مزارع وسیع است.