درخت حوزه‌های تخصصی

پوشش گیاهی نقش مهمی در حفاظت از منابع آب و خاک، تثبیت کربن و بهبود کیفیت هوا دارد. در زاگرس میانی، پوشش گیاهی جنگلی و مرتعی و تأثیر آن در حفاظت از منابع خاک و آب و پایداری فعالیت های اقتصادی، دارای اهمیت بسیار است. در این پژوهش، با استفاده از پلتفرم گوگل ارث انجین و تصاویر ماهواره لندست – 7، خشکسالی زاگرس میانی (استان لرستان) با شاخص های گیاهی NDVI، SAVI و VCI و همچنین شاخص خشکسالی هواشناسیSPI ، متعلق به دوره آماری 2020-2000 پایش شد. برای محاسبه شاخص SPI از داده های بارش نُه ایستگاه هواشناسی سینوپتیک، با پراکنش مکانی مناسب و طول دوره آماری (2020-2000) استفاده شد و پردازش ها در نرم افزار DPI انجام شد. به منظور محاسبه شاخص های گیاهی، ابتدا تمامی تصاویر ماهواره ای تصحیح هندسی شده سنجنده ETM+ ماهواره لندست برای استان لرستان، متعلق به هر سال، فراخوانی شد. در این مرحله، به طور متوسط درمورد هر سال 52 تصویر فراخوانی شد. سپس تصاویر با پوشش ابری کمتر از 5% انتخاب و پردازش شدند. نتایج شاخص VCI نشان داد منطقه مورد مطالعه، در طول دوره آماری 2020-2000، اغلب تحت تأثیر خشکسالی خفیف بوده و بین سال های مورد مطالعه، در سال 2008، بیشترین میزان مساحت خشکسالی مربوط به طبقه متوسط را با 6/5880 هکتار، دارا بوده است. نتایج شاخص SPI نشان داد در سال 2010 خشکسالی متوسط، در سال های 2008 و 2017 خشکسالی شدید، در 2006 ترسالی ملایم و سال 2019 ترسالی شدید رخ داده است. نتایج شاخص های NDVI و SAVI نیز گویای افزایش طبقات پوشش گیاهی تنک و مناطق فاقد پوشش گیاهی، به ترتیب، 1/331679 و 115164 هکتار و کاهش پوشش گیاهی نرمال و متراکم، به ترتیب، 7/446160 و 4/682 هکتار در سال 2008، در قیاس با سال های 2006 و 2007 بود. براساس نتایج، هر سه شاخص مورد بررسی شرایط مساعد پوشش گیاهی و ترسالی اکولوژیک در سال های 2016، 2019 و 2020 به دست آمد. بیشترین میزان این هماهنگی میان خشکسالی هواشناسی SPI و شاخص های گیاهی در سال های 2008 و 2010 و تاحدودی ترسالی سال 2019 مشاهده شد. به طور کلی، نتایج نشان می دهد که افزایش یا کاهش پوشش گیاهی می تواند ناشی از رخداد یا نبود خشکسالی باشد؛ ضمن آنکه دیگر عوامل، مانند تغییرات کاربری اراضی نیز، باید درنظر گرفته شود.

افزایش جمعیت شهرنشین، در پی مهاجرت از روستا ها و گاه توسعه ناهماهنگ روستا ها و تبدیل آنها به شهر، از عوامل مشکل زا در ساختار محیطی کشور های درحال توسعه محسوب می شود. از نتایج آن نیز تغییرات اکولوژیکی، به ویژه تخریب مناظر طبیعی و کاهش آنها به نفع مناظر انسان ساخت و بر هم خوردن الگو های مکانی پوشش طبیعی است. هدف از این پژوهش ارزیابی تغییرات اکولوژیکی و تحلیل الگو های حاکم بر چشم اندازهای شهرستان ورزقان، با استفاده از متریک های کمّی و کیفی سیمای سرزمین در سال های 1363، 1381، 1398 است. ماهیت تحقیق توسعه ای کاربردی و توصیفی تحلیلی است. داده ها ازطریق مطالعات کتابخانه ای و بررسی های میدانی گرد آمد؛ پس از تهیه نقشه های پوشش زمین، کشف تغییرات محاسبه شد و متریک های کمّی و کیفی سیمای سرزمین، با روش های مبتنی بر سنجش از دور، اندازه گیری شد. نتایج نشان داد بیشترین تغییرات در زمینه کلاس های پوشش گیاهی، به ویژه در سطح کم تراکم و در بازه سال های 1381 تا 1398 بوده است که علاوه بر کاهش مساحت، شامل افزایش تعداد لکه نیز می شود. در این بازه، رشد کلاس بایر و مرتع بیشتر است. همچنین دو متریک کمّی تعداد لکه (NE) و درصد چشم انداز (PLand)، از متریک های کمّی و شاخص مساحت لکه (Patch Area) و فشردگی لکه (Patch Compactnees) به نحو مطلوب تری تغییرات و الگوهای حاکم بر سیمای یک سرزمین را نشان می دهند.

ازآن جاکه تغییر اقلیم یکی از مهم ترین و بزرگ ترین تهدیدها برای طبیعت و تنوع زیستی محسوب می شود و مدیریت و حفاظت گونه ها را دشوار می سازد، پیش بینی و تعیین تأثیرات آن به بیان راهکارهای مناسب حفاظتی و اتخاذ تصمیمات مدیریتی کمک شایانی خواهد کرد. در مطالعه حاضر، تأثیرات تغییر اقلیم بر پراکنش ماهی بنی (Mesopotamichthys sharpeyi) با استفاده از مدل مکسنت (MaxEnt) در محیط نرم افزار R پیش بینی شد. متغیرهای محیطی به کاررفته شامل شیب (Slope)، محدوده سالیانه دما (Temperature Annual Range)، جریان تجمعی (Annual Accumulation)، بارش سالانه (Annual Precipitation)، دمای متوسط سالانه (Annual Mean Temperature) و مساحت حوضه بالادست (Upstream Drainage Area) است. با توجه به نتایج به دست آمده، عملکرد مدل در پیش بینی گونه براساس معیار AUC (Area Under the Curve) عالی (989/0) بود. همچنین دمای متوسط سالیانه و شیب، به ترتیب، مهم ترین متغیرهای محیطی مؤثر در تعیین پراکنش این گونه محسوب می شوند. به علاوه، دامنه پراکنش این گونه در هر دو سناریوی خوش بینانه (RCP 2.6) و بدبینانه (RCP 8.5)، طی 2050 و 2080 میلادی، با کاهش مواجه خواهد شد؛ در نتیجه، به منظور حفاظت از این گونه، لازم است مدیران اقدامات مناسب را در زمینه تعدیل تأثیرات تغییرات اقلیمی و کاهش تهدیدهای ناشی از این تأثیرات، شناسایی و عملی کنند.

بررسی روند رشد شهرها و پیش بینی تغییرات آنها در آینده، برای برنامه ریزی های فضایی، ضرورت دارد. به این منظور، به نقشه سازی پهنه های ساخت وسازشده نیاز است. در بسیاری مناطق، به ویژه در اقلیم خشک، تفکیک مناطق ساخت وسازشده از محیط اطراف به سادگی و با روش های معمول طبقه بندی تصاویر ماهواره ای و یا نمایه های متداول، با دقت مورد قبول، امکان پذیر نیست؛ ازاین رو بسیاری از پژوهشگران نمایه های طیفی گوناگونی را به منظور استخراج مناطق ساخت وسازشده، توسعه داده اند. استفاده از تغییرات دمای سطح زمین برای نشان دادن مناطق ساخت وسازشده، به کمک الگوریتم زون های اقلیمی محلی (LCZ) کمتر مورد توجه بوده است و روش نسبتاً جدیدی محسوب می شود؛ بنابراین در این مقاله، تفکیک مناطق ساخت وسازشده از سایر انواع پوشش اراضی پیرامونی آن، با استفاده از الگوریتم LCZ انجام شد. با توجه به محدودیت نداشتن تعداد باند در این روش، از چهار سری تصاویر ماهواره ای لندست متعلق به سال 2020 استفاده شد و صحت آن با جدیدترین نمایه های ساخت وسازشده (DBI، BLFEI، BAEI و BAEM) که به صورت خودکار طبقه بندی شده اند، مورد مقایسه قرار گرفت. نتایج این مطالعه نشان داد که صحت طبقه بندی ناشی از الگوریتم LCZ ٪96 است؛ درصورتی که نمایه های BLFEI و BAEM قادر به تفکیک کامل مناطق ساخت وسازشده از سایر انواع پوشش اراضی نیست و صحت کلی نمایه BAEI نیز 37% به دست آمد. بنابراین کارآیی روش LCZ بیشتر از نمایه های ساخت وسازشده است و درمورد مناطق خشک و نیمه خشک، توصیه می شود.

ازن نزدیک به سطح زمین یکی از آلاینده های بسیار خطرناک است که تأثیرات زیان بار درخور توجهی در سلامت ساکنان مناطق شهری دارد. هدف از این مطالعه شناسایی عوامل مؤثر در غلظت ازن و مدل سازی تغییرات آن، با استفاده از داده های ماهواره ای و روش های گوناگون یادگیری ماشین در شهر تهران است. بدین منظور داده های غلظت آلاینده ها، داده های هواشناسی و دمای سطح خاک، طی بازه زمانی بین سال های 2015 تا 2021، به کار رفت. پس از محاسبه همبستگی بین غلظت ازن و پارامتر های مستقل، طی پنج حالت متفاوت، با پارامترهای ورودی و روش یادگیری متفاوت و به کارگیری پالایش داده ها، غلظت ازن مدل سازی شد. در حالت اول و دوم، مدل سازی با استفاده از داده های غلظت آلاینده ها و داده های هواشناسی با روش رگرسیون خطی چندمتغیره انجام شد. تنها تفاوت این دو حالت، پالایش داده های ورودی به شیوه WTEST در روش دوم است. در حالت سوم، دمای سطح خاک به داده های ورودی افزوده شد و در حالت چهارم و پنجم، به ترتیب مدل سازی ازن با استفاده از شبکه عصبی چندلایه ای و شبکه عصبی بازگشتی انجام شد. مقایسه این حالت ها نشان داد که مدل سازی های مراحل اول تا پنجم، به ترتیب با ضریب تعیین تعدیل شده 5/0، 64/0، 69/0، 74/0 و 8/0 توانایی بازیابی غلظت ازن را داشته اند. همچنین مشخص شد در بین آلاینده های گوناگون، مونوکسید نیتروژن، دی اکسید نیتروژن، نیتراکس و از میان داده های هواشناسی دما، رطوبت و سرعت باد بیشترین تأثیر را در غلظت ازن دارند. افزودن دمای سطح خاک به داده های ورودی نیز افزایش پنج درصدی دقت را در برآورد غلظت ازن، به همراه داشت.

مطالعه پوشش برف، در جایگاه یکی از منابع مهم تأمین آب شیرین، اهمیت بسیاری دارد. با توجه به کوهستانی بودن ایران، امکان اندازه گیری زمینی مساحت زیر پوشش برف وجود ندارد. بر این اساس، استفاده از تصاویر ماهواره ای برای شناسایی ذخیره گاه های برف بسیار مهم است. در این پژوهش، تغییرات زمانی مکانی پوشش برف ایران طی دوره سرد سال، با استفاده از داده های پوشش برف سنجنده مادیس ماهواره ترا، طی دوره آماری 2018-2003 بررسی شد. روند تغییرات پوشش برف و شیب این روند، با استفاده از آزمون های ناپارامتریک من کندال و سنس و نقطه تغییر پوشش برف با استفاده از آزمون بوشند مورد بررسی قرار گرفت. نتایج نشان داد بیشترین مقدار پوشش برف متعلق به ماه ژانویه، با 15/16% و کمترین مقدار پوشش برف مختص به ماه اکتبر، با کمتر از 1% است. کانون اصلی پوشش برف ایران، در دوره سرد سال، در مناطق مرتفع بیش از 4000 متر به دست آمده است. روند تغییرات پوشش برف، در تمامی ماه های مورد مطالعه، منفی و بیشینه شدت کاهشی پوشش برف نیز متعلق به ژانویه بوده است. نقطه تغییر نیز در همین ماه و سال 2008 محاسبه شد که از نظر آماری در سطح 0.05 معنی دار است. روند کاهشی درخور توجه پوشش برف ایران، در دوره سرد، تهدید بزرگی برای منابع آبی ایران به شمار می رود.

در سال های اخیر، نظارت دریایی و هوایی برای مهار آلودگی های دریایی رایج شده است اما این روش ها، به دلیل محدودیت های شرایط آب وهوا، زمان و مکان، به تنهایی نمی توانند پایش سریع و منظمی فراهم آورند. در این زمینه، سنجش از دور ماهواره ای می تواند نقش مهمی در تشخیص اولیه و پایش مداوم نشت نفت در دریا ایفا کند. سنجنده رادار آنتن مصنوعی سیستم سنجش از دور فعالی است که می تواند، برای آشکارسازی نشت نفت همراه با سنجنده های اپتیکال مانند مادیس، با توانایی تصویربرداری هم زمان، استفاده شود. هدف از این پژوهش آشکارسازی نشت نفت پیرامون سکوهای نفتی بخش شمالی خلیج فارس، در تاریخ های پانزدهم و هفدهم ژوئن 2015، با استفاده از تصاویر فروسرخ گرمایی مادیس و تصاویر راداری سنتینل 1 است. برای محاسبه دمای سطح دریا، الگوریتم پنجره مجزا روی تصویر باند 20 سنجنده مادیس اجرا شد. نتایج نشان داد که منطقه دارای نشت نفت دمایی کمتر از مناطق پیرامونی دارد. برای آشکارسازی دقیق تر لکه های نفتی و درستی سنجی نتایج پردازش های اعمال شده بر تصویر مادیس، از تصویر پلاریزاسیون VV سنتینل 1 و پردازش های حذف نوفه مانند فیلترگذاری و مولتی لوکینگ استفاده شد. در پایان، از راه مقایسه دمای بویه موج نگار سازمان بنادر و دریانوردی بوشهر و دمای حاصل از تصویر مادیس و موقعیت جغرافیایی گستره لکه های نفتی بارزشده، درستی نتایج این پژوهش و پردازش های صورت گرفته تأیید شد. استفاده از باند 20 سنجنده مادیس با هدف استخراج دمای سطح دریا و باندهای فروسرخ گرمایی آن، به منظور آشکارسازی لکه های نفتی در سطح دریا، اولین بار در این پژوهش ارزیابی شده است.  

رویدادهای طوفان گرد و غبار منطقه ای نگرانی اصلی بسیاری از کشورهای واقع در کمربند خشک جهان هستند. در حال حاضر گردوغبار در مقیاس جهانی و به ویژه در منطقه خاورمیانه به یک چالش جدی تبدیل شده است. با توجه به اثرات تغییر اقلیم و کاربری اراضی، در چند دهه اخیر خسارت بارترین و فراگیرترین بحران محیطی کشور، بروز طوفان گردوغبار قلمداد شده است. این تحقیق در نواحی جنوب غرب ایران با هدف ردیابی مسیر حرکت طوفان های گردوغبار فراگیر انجام شده است. بدین منظور تغییرات طوفان گردوغبار برای شش استان جنوب غرب ایران شامل: خوزستان، ایلام، کرمانشاه، چهارمحال و بختیاری، لرستان و کهگیلویه و بویراحمد با مساحتی در حدود 169266 کیلومترمربع در یک دوره زمانی 22 ساله (2016-1995) مورد آنالیز قرار گرفت. روش تحقیق با بکارگیری مدل ردیابی زمانی- مکانی HYSPLIT است. داده های مورد استفاده شامل: داده های GDAS، دما، جهت و سرعت باد، ارتفاع ژئوپتانسیل در ترازهای مختلف می باشند. از داده های GDAS برای ردیابی مسیر باد در محیط مدل HYSPLIT و داده های دما، ارتفاع ژئوپتانسیل، جهت و سرعت باد استفاده شده است. شبیه سازی مسیر حرکت ذرات گردوغبار نشان داد که اغلب مسیرها از مناطق شمالی و مرکزی عراق و سوریه گذشته و منشاء طوفان های گردوغبار، مناطق مرزی کویری و خشک شمال و مرکز عراق و سوریه هستند.

گسترش شهرنشینی، اثرات معناداری بر کره زمین دارد. یک از اثراتی که امروزه مردم با آن سروکار دارند گرم شدن کره زمین است که به عنوان جزایر حرارتی شهری نمود پیداکرده است. جزایر حرارتی، منطقه شهری است که به میزان قابل توجهی گرم تر از محیط اطراف هست. هدف از پژوهش، استخراج تغییرات مکانی-زمانی جزایر حرارتی شهر شیراز با استفاده از تصاویر ماهواره ای و تعیین رابطه بین نوع پوشش زمین و دمای سطح آن می باشد. در این راستا، ابتدا پیش پردازش های لازم جهت تهیه نقشه کاربری بر تصاویر انجام شد و تغییرات پوشش زمین، آب، باد، پوشش گیاهی و آلبدو و شاخص ضریب دید آسمان محدوده موردمطالعه نیز استخراج و تصاویر ماهواره ای در محیط GIS تهیه و تفسیر شد. نتایج نشان می دهد نقطه شماره 9 (باغات قصرالدشت شیراز) کمترین دما را دارد و همین موضوع نشان دهنده رابطه معکوس فضای سبز با جزایر حرارتی است. استفاده از داده های سنجش ازدور نقش مهمی در مدیریت فضای شهری دارد و به نحوی کارآمد مدیران شهری را در برنامه ریزی فضای شهری یاری می رساند. مصالح ساختمانی شهری تأثیر به سزایی در تشدید جزایر حرارتی دارند به این صورت که به کار بردن مصالح استاندارد تا مقدار زیادی باعث کاهش دما می شود و پوشش گیاهی اثر کاهنده و سطوح ساخته شده، اثرات تشدیدکننده بر جزایر حرارتی دارند. الگوی توزیع مکانی زمانی جزایر حرارتی متأثر از الگوی پراکنش کاربری اراضی است.

تغییرات رشد محصولات کشاورزی در فواصل زمانی نسبتاً کوتاه، ناهم زمانی کشت محصولات مشابه، شباهت طیفی میان محصولات گوناگون در برخی از زمان های دوره کشت و کمبود داده های زمینی، طبقه بندی محصولات زراعی در تصاویر ماهواره ای را به کاری چالش برانگیز مبدل می کند. تغییر مقدار درصد پوشش و سبزینگی، در طول فصل رشد، از برجسته ترین ویژگی پوشش های گیاهی ازجمله محصولات کشاورزی است که می توان بر آن نظارت کرد. این کار با استفاده از سری زمانی شاخص های گیاهی انجام می شود که اطلاعات بسیار مفیدی از توالی ویژگی های فنولوژیک محصولات کشاورزی در اختیار ما قرار می دهد. استفاده از روش های یادگیری عمیق با توانایی یادگیری اطلاعات متوالی حاصل از این سری ها می تواند، در طبقه بندی محصولات کشاورزی و کاهش وابستگی به داده های زمینی، مفید باشد. شبکهLong-Short Term Memory (LSTM) یکی از انواع شبکه های عصبی بازگشتی در تجزیه و تحلیل داده های متوالی است که توانایی یادگیری توالی های بلندمدت در سری زمانی را دارد؛ بنابراین در این مطالعه، پس از محاسبه شاخص NDVI از باندهای ماهواره سنتینل 2 در نُه تاریخ متفاوت و تشکیل سری زمانی آن شاخص برای ورود به شبکه، دو ناحیه متفاوت در دشت مغان در نظر گرفته شد که محصولات کشت شده در آنها، طی عملیات زمینی، برداشت شده بود. در ناحیه اول، شبکه کانولوشنی LSTM برای طبقه بندی محصولات آموزش دید و در ناحیه دیگر، کارآیی این شبکه آموزش دیده در طبقه بندی محصولات ارزیابی شد و دقت کلی 82% و ضریب کاپای 8/0 به دست آمد. افزایش تعداد نمونه های زمینی و انتخاب مرز دقیق محصولات، می تواند کارایی روش مورد استفاده را افزایش دهد.

کربن آلی نقشی حیاتی در پایداری زیست محیطی, شاخص کیفیت و سلامت خاک دارد؛ بنابراین شناسایی توزیع مکانی ترسیب کربن از الزامات برنامه ریزی محیطی و مدیریت خاک است. پژوهش حاضر به منظور بررسی میزان ترسیب کربن در کاربری های کشت و صنعت نیشکر، کشاورزی سنتی و بایر انجام شد. در هر کاربری، شصت نمونه خاک برداشت و کربن آلی، شوری، آهک، واکنش خاک و سدیم محلول خاک اندازه گیری شد. با استفاده از داده های طیفی سنجنده OLI و TIRS ماهواره لندست 8، مقادیر باندها و شاخص های خاکی و پوشش گیاهی شامل NDVI، SAVI، TSAVI، OSAVI، MSAVI، SOCI، WDVI، PVI، RVI و BI در نقاط نمونه برداری به دست آمد و رابطه بین آنها و مقدار ماده آلی خاک محاسبه شد. نتایج نشان می دهد، بیشترین همبستگی را با مقدار ماده آلی خاک به خود اختصاص داده اند: در کاربری کشت و صنعت، شاخص SOCI با 30/50% و باند 3 با 82/53%؛ در کشاورزی سنتی، شاخص PVI با همبستگی 35/60% و باند 7 با 63/60%؛ در اراضی بایر، شاخص RVI با همبستگی 27/34% و باند 2 با 67/36%. نتایج تحلیل آماری به روش برازش حداقل مربعات جزئی نشان داد میانگین نتایج واسنجی و اعتبارسنجی به ترتیب 48/43 و 08/39% است. نتایج برآورد ماده آلی خاک به روش کریجینگ و مدل درخت M5 نشان می دهد که همبستگی مقادیر ماده آلی اندازه گیری و پیش بینی شده به ترتیب 20/66 و 00/82% بود. طبق این نتایج، بین مقادیر ماده آلی خاک و شاخص ها و باندهای ماهواره لندست 8 همبستگی معنی داری وجود دارد و می توان مقادیر ماده آلی خاک منطقه مورد مطالعه و سایر مناطق دارای شرایط مشابه را با احتمال مورد قبولی تخمین زد.

تعیین دقیق نیاز آبی محصولات گوناگون و همچنین میزان آب مصرفی در سطحی پهناور و در زمان واقعی یکی از مهم ترین نیازهای متخصصان آب وخاک است. پیش نیاز آن نیز تعیین تبخیروتعرق مرجع است. معمولاً محاسبه این پارامتر براساس استفاده از داده های اقلیمی و حل معادلات تجربی انجام می شود اما، به دلیل محدودبودن و توزیع نامناسب ایستگاه های هواشناسی، اغلب استفاده از داده های آنها سبب ایجاد خطا در محاسبه این پارامتر می شود. بهترین گزینه، به منظور برطرف کردن این محدودیت، استفاده از داده های سنجش از دوری است. بدین منظور می توان از محصولات گوناگون ماهواره ای بهره برد و با ترکیب آنها، برای تهیه نقشه های به روز تبخیروتعرق مرجع و واقعی اقدام کرد. ازاین رو تحقیق حاضر به منظور بررسی امکان استفاده از محصولات سامانه های WaPOR و ERA5 با هدف محاسبه میزان تبخیروتعرق مرجع روزانه، برمبنای روش تجربی پنمن مانتیث و ارزیابی و صحت سنجی خروجی های آن در سطح استان سیستان و بلوچستان ایران انجام شده است. نتایج تحقیق نشان داد که سامانه های سنجش از دوری با دقت بالای 80%، در محل ایستگاه های هواشناسی، مقدار تبخیروتعرق مرجع را برآورد کرده اند و در تمامی ایستگاه ها خطای کمتر از 2 میلی متر گزارش شد. همچنین فصل زراعی پانزدهم خرداد تا پانزدهم آبان، در مقایسه با فصل زراعی اول آذر تا پانزدهم اردیبهشت، تبخیروتعرق مرجع به دست آمده از داده های ماهواره ای همبستگی بالاتری را نشان می دهد. ازآن جاکه مقادیر برآورد و صحت سنجی شده دقت مورد قبولی داشتند، در گام بعدی می توان، در هر نقطه از استان، از این سامانه ها استفاده کرد

مجموعه داده های ابر نقاط لیدار و مدل های سه بعدی ( 3-D ) در استخراج عوارض شهری، مدیریت جنگل داری، شهری و گردشگری، رباتیک، تولید بازی های رایانه ای و موارد دیگر کاربرد گسترده ای دارد. از سویی، وجود نقاط پرت در ابر نقاط لیدار اجتناب ناپذیر است؛ بنابراین تشخیص نقاط پرت و حذف آن از ابر نقاط لیدار به منزله گامی ضروری در پردازش ابر نقاط لیدار شناخته شده است. طی دهه های گذشته، چندین تکنیک تشخیص نقاط پرت در منابع این موضوع معرفی شده است اما بیشتر آنها از نظر زمانی هزینه برند و به نیروی متخصص انسانی نیاز دارند. به منظور کاهش این محدودیت ها، این مقاله رویکرد خودکار جدیدی برای تشخیص نقاط پرت، با استفاده از تکنیک میدان تصادفی شرطی برپایه ماشین بردار پشتیبان ( SVM-CRF ) و روش نمودار جعبه ای، معرفی کرده است. رویکرد نمودار جعبه ای بردار انرژی خروجی SVM-CRF را برای تشخیص نقاط پرت تجزیه و تحلیل می کند. این روش به کمک مجموعه داده محک ISPRS که برای مجموعه داده وهینگن، با هدف طبقه بندی سه بعدی و بازسازی سه بعدی ساختمان ایجاد شده بود، ارزیابی شد. به منظور ارزیابی این روش، ابتدا نقاط پرتی به صورت دستی به مجموعه داده افزوده شد؛ با این تمرکز که این نقاط جزء نقاط پرت چسبیده به اشیا باشند. سپس مراحل تحقیق برای ارزیابی توانایی روش پیشنهادی در تشخیص نقاط پرت انجام شد. نتایج این تحقیق عملکرد مدل پیشنهادی را با دقت کلی 62% نشان داد. اگرچه الگوریتم RANSAC عملکردی بهتر از مدل پیشنهادی دارد، تکنیک زمان بر و پرهزینه تری در مقایسه با تکنیک تشخیص نقاط پرت پیشنهادی است.

امروزه از علم سنجش از دور برای مطالعات گیاهی ازجمله تعیین مواد مغذی، بیماری های گیاهی، کمبود آب یا مازاد آن، شناسایی علف های هرز استفاده می شود. گیاه، براساس ویژگی هایی که دارد، با برخورد امواج الکترومغناطیس به آن واکنش های متفاوتی در مقابل امواج (میزان جذب، انعکاس یا عبور) از خود نشان می دهد. ازجمله اطلاعاتی که علم سنجش در این زمینه می تواند به دست آورد میزان مواد مغذی موجود در گیاه است. با تعیین میزان مواد مغذی موجود در گیاه، می توان از مقدار کود مورد نیاز گیاه آگاهی یافت و از سویی، این مواد مغذی، به ویژه گیاهان مرتعی را شناسایی کرد. هدف از این مطالعه تعیین مواد مغذی موجود در گیاهان مرتعی مریم نخودی دارابی، اسفند، پنج انگشت، اسفند رومی، کُنار، شکر شفا با به کارگیری دانش سنجش از دور است. برای رسیدن به این هدف، با استفاده از طیف سنج در بازه طیفی ۳/۰ تا ۱/۱ میکرومتر، واکنش گیاه به امواج الکترومغناطیس مشخص شد. سپس با تعیین مواد غذایی موجود در این گیاهان، رابطه بین میزان انعکاس های امواج الکترومغناطیس با مقدار مواد مغذی در این گیاهان تعیین شد. نتایج نشان داد که در گیاه اسفند رومی باند ۱۰۲۶ نانومتر، در گیاه اسفند باند ۱۰۴۰ نانومتر، در گیاه کُنار باند ۱۰۴۶ نانومتر، در گیاه مریم نخودی باند ۱۰۳۰، در گیاه پنج انگشت باند ۴۰۰ و ۱۰۳۸ و در شکر شفا باند ۱۰۳۸ مؤثرترین باندها در پیش بینی مقدار P مؤثرند. از دیگرسو، به منظور پیش بینی Zn در گیاه اسفند رومی باند ۱۰۲۶ نانومتر، در گیاه اسفند باند ۱۰۴۰، در گیاه کُنار باند ۱۰۴۵، در گیاه مریم نخودی باند ۱۰۳۰، در گیاه پنج انگشت باند ۱۰۱۰ و در شکر شفا باند ۱۰۲۸ مؤثرترین باندها به شمار می روند. به منظور پیش بینی Cu با استفاده از مقادیر باندهای طیفی، مشخص می شود در گیاه اسفند رومی باند ۴۰۲ نانومتر، در گیاه اسفند باند ۴۱۰، در گیاه کُنار باند ۱۰۴۶، در مریم نخودی باند ۱۰۳۰، در پنج انگشت و در شکر شفا باند ۱۰۳۸ مؤثرترین باندها محسوب می شوند.

با توجه به اهمیت داده های هواشناسی و وجود محدودیت داده برداری در ایستگاه های زمینی، فنّ سنجش از دور می تواند نقش مهمی در تهیه این داده ها ایفا کند. هدف از این پژوهش ارزیابی کمّی دمای سطح زمین (LST) حاصل از تصاویر سنجنده مادیس، برای تخمین دمای هوای بیشینه و کمینه روزانه در حوضه آبخیز طالقان است. برای این منظور، داده های دمای هوای بیشینه و کمینه روزانه سه ایستگاه هواشناسی زمینی و مقادیر LST روز و شب و NDVI سنجنده مادیس، متعلق به دوره زمانی 2009 تا 2015، دریافت و تهیه شد. سپس با استفاده از روش رگرسیون خطی چندگانه، بین هریک از متغیرهای مؤثر و دمای هوای بیشینه و کمینه روزانه در ایستگاه های زمینی، ارتباط برقرار شد. نتایج نشان داد که بین دمای هوای بیشینه و کمینه روزانه در ایستگاه های زمینی، با LST روز و شب و NDVI حاصل از سنجنده مادیس، همبستگی معنی داری وجود دارد؛ بنابراین از این متغیر ها در روابط رگرسیونی استفاده شد. نتایج حاصل از اعتبارسنجی نشان داد روابطی که با همه متغیرهای مؤثر ایجاد شده است بیشترین صحت را دارد؛ به طوری که بهترین مدل در تخمین بیشینه دمای هوای روزانه، دارای مقادیر ، NSE و RMSE، به ترتیب 75/0، 75/0 و C ˚ 7/4+ و درمورد کمینه دمای هوای روزانه، به ترتیب 71/0، 71/0 و  C ˚ 9/2+ است؛ ازاین رو می توان با تبدیل دمای سطح زمین حاصل از تصاویر سنجنده مادیس، دمای هوا را با دقت بالا در مقیاس روزانه و ماهیانه، برای استفاده در پژوهش های گوناگون، تخمین زد.

کلروفیل و نیتروژن برگ، به دلیل نقش مهمی که در فتوسنتز دارند، از شاخص های بیولوژیک مهم وضعیت فیزیولوژیک گیاهان به شمار می روند. توانایی در کمّی سازی میزان کلروفیل و نیتروژن می تواند اطلاعات مهمی در زمینه فعالیت های کشاورزی دقیق، برنامه ریزی مدیریت منابع گیاهی و کشاورزی، و مدل سازی خدمات و قابلیت های تولید اکوسیستم تهیه کند. هدف از این مطالعه ارزیابی قابلیت شاخص ها، به منظور تخمین میزان کلروفیل و نیتروژن گندم، با استفاده از داده های طیف سنجی در سطح تاج پوشش و همچنین تعیین مناسب ترین نواحی طیفی و پدیده های جذبی است. این پژوهش در محیط گلخانه انجام شد و اندازه گیری طیفی با دستگاه طیف سنج Fieldspec-3-ASD صورت گرفت. چهار شاخص باریک باند گیاهی، در قالب دو دسته شاخص های نسبتی (NDVI، RVI و DVI) و شاخص تعدیل کننده تأثیر خاک (SAVI 2 ) برای بازتاب طیفی و مشتق اول طیف برای کل نمونه ها، محاسبه و نتایج آنها مقایسه شد. پارامترهای عمق باند ماکزیمم، طول موج عمق باند ماکزیمم، مساحت، چولگی و پهنای کامل در نصف مقدار بیشینه، درمورد هفت پدیده جذبی محاسبه و همبستگی این شاخص ها با غلظت کلروفیل و نیتروژن گندم بررسی شد. نتایج نشان دادند، درصورتی که از طیف بازتابندگی استفاده شود، شاخص SAVI 2 ارتباطی قوی تر (۱۲ / ۰ =RMSE، ۸۵ / ۰=R 2 ) از دیگر شاخص ها با میزان کلروفیل نشان می دهد و درمورد شاخصNDVI  نیز، این ارتباط قوی تر (۳۰ / ۰ =RMSE، ۶۹ / ۰=R 2 ) از شاخص های دیگر با میزان نیتروژن خواهد بود؛ درحالی که با استفاده از مشتق اول بازتاب طیفی شاخص NDVI نتایج بهتری ارائه می دهند. مساحت و عمق محدوده جذبی ۷۶۰-4۳0 نانومتر برای مطالعه میزان کلروفیل و نیتروژن گندم بهترین شاخص ها محسوب می شوند.

تصادفات و سوانح جاده ای از حوادثی می باشند که در سال های اخیر بیشترین خسارت جانی را نسبت به سوانحی مانند سیل و زلزله و غیره در کشور ما داشته اند. به طوری که روزانه شاهد مرگ یا مجروح شدن عده ای از مردم در این سوانح هستیم. عوامل مختلفی در این تصادفات دخیل می باشند که یکی از آن ها ناامن بودن راه ها و وجود مشکلات در آن ها می باشد. در این راستا، اگر اطلاعات کاملی در خصوص راه های ناامن و حادثه خیز در دسترس باشد و اقدامات لازم و کافی در خصوص رفع اشکالات انجام گیرد، قطعاً میزان تصادفات کاهش می یابند؛ بنابراین، جمع آوری داده های تصادفات و دیگر اطلاعات مربوط به نقاطی که مستعد بروز حادثه هستند، مرحله بسیار مهمی در راستای کاهش تصادفات و بهبود ایمنی راه ها می باشد. یکی از راه های به دست آوردن اطلاعات جامع و بروز، استفاده از داده های جغرافیایی داوطلبانه (VGI) می باشد. بر اساس این روش، افراد داده های خود را که با هدف مشخصی جمع آوری شده اند، در اختیار سیستم قرار می دهند. پس از این که داده های مکانی داوطلبانه یا VGI جمع آوری شدند، اشتراک گذاری این داده ها مستلزم سیستمی در قالب یک برنامه تحت وب می باشد تا کاربران بتوانند اطلاعات مربوط به حوادث و یا خطرات موجود در راه را با یکدیگر به اشتراک بگذارند. OSM یکی از پورتال های وب مکانی مناسب و به صرفه برای اشتراک گذاری و بهره مندی در مواقع بحران می باشد. ازاین رو، در این تحقیق بررسی و استفاده از OSM به همراه داده های جغرافیایی داوطلبانه به منظور بررسی وقوع تصادفات در ایران انجام گردید. چهار روش ثبت داده مکانی بررسی شده و نهایتاً شیوه Edit with iD موثرتر از سایر روش ها به لحاظ معیارهایی چون قابلیت ها، کاربرپسندی و سرعت ثبت داده ارزیابی شد. نتایج به دست آمده بیانگر کارایی OSM در ثبت اطلاعات جغرافیایی داوطلبانه مربوط به تصادفات می باشد.

پدیده های زمین گردشگری جزء مهمترین منابع و سرمایه های ملی هستند که در صورت برنامه ریزی مناسب جهت بهره برداری از مزایای آنها می توانند منافع مادی و معنوی فراوانی را عاید کشور کنند با توجه به اینکه قسمت اعظم فضای پیراشهری شهرستان های استان سمنان در قلمرو مناطق خشک و بیابانی قرار دارد، شناخت دقیق و اصولی و توانایی های بیابان ها و کویرها و راه های بهره برداری از آنها، از ضروریات اساسی توسعه اقتصادی و اجتماعی استان است در بین شهرستان های استان سمنان شهرستان گرمسار از ظرفیت های بالقوه و بالفعل عمده ای از زمین گردشگری کویر برخودار است که هم بعنوان فرصت و هم بعنوان تهدید توسعه از آن نام می برند سهم گردشگران و علاقمندان جاذبه های فرهنگی تاریخی شهرستان بیشتر است (حدود47 درصد) که این خود نیازمند مدیریت و برنامه ریزی گردشگری پایدار برای جاذبه های فرهنگی تاریخی آن است. مناطق و سایتهای کویری گرمساردر جنوب و غرب شهرستان واقع شده اند که مهمترین ژئو سایت های زمین گردشگری کویرو اکوتوریسم بیابان شهرستان می توان به پارک ملی کویر، معادن و اشکال مختلف نمکی ، تپه های ماسه ای وریگ جن و جاده سنگفرشی و کاروانسراهای کویری اشاره کرد. بطور کلی قابلیت زمین گردشگری معادن و اشکال نمکی در منطقه خوب ارزیابی می گردد تطبیق ویژگی های گردشگری و مقاصد گردشگری کویر گرمسار حاکی از انگیزه و نوع گردشگری بیابان، گردشگری علمی و ماجراجویانه با علاقمندی و نسبت گردشگران متوسط و تطابق با مدل گردشگری در مرحله اکتشاف(باتلر) در مرحله علاقمندی و چارچوب استراتزی برای پارک ملی کویر،راهبرد کراچ و ریچی و برای معادن نمک ، راهبرد پورتر و برای تپه ماسه ای استراتژی پون پیشنهاد می گردد

این مقاله روش مورد استفاده در توسعه سیستم اطلاعات مسافرتی پیشرفته (ATIS) را مورد بحث قرار می دهد. این سیستم به عنوان بخشی از سیستم اطلاعات جغرافیایی وب (GIS) مبتنی بر سیستم های حمل و نقل عمومی پیشرفته طراحی شده است. سیستم ATIS مبتنی بر وب GIS شامل داده های مکانی برای عملکردهای طراحی شده است و قابلیت های GIS را از طریق اینترنت در اختیار کاربران قرار می دهد. علاوه بر این کارکردها، یک الگوریتم برنامه ریزی مسیر برای برنامه ریزی کوتاه ترین مسیر بین نقاط عبور اتوبوس انتخابی نیز با استفاده از الگوریتم سیستم مورچه طراحی شده و با وب GIS یکپارچه شده است. این مطالعه الگوریتم سیستم مورچه ای را ارائه می کند که برای یافتن کوتاه ترین مسیر با متدولوژی توسعه یافته برای سیستم ATIS مبتنی بر وب GIS برای منطقه ای شهری با استفاده از نرم افزار منبع باز MapServer به عنوان سرور نقشه وب اتخاذ شده است. این مطالعه همچنین معماری منطقی سه لایه مورد استفاده در روش برای ارائه قابلیت های GIS به کاربر از طریق اینترنت را مورد بحث قرار می دهد.

تهیه نقشه اراضی کشاورزی یکی از لایه های اطلاعاتی مورد نیاز در مدیریت این زمین ها محسوب می شود. چنین نقشه هایی امکان پایش مستمر زمین های کشاورزی را در طول دوره کشت، فراهم می کنند. در این مطالعه، راهکاری به منظور تولید نقشه اراضی کشاورزی شهرستان شهرکرد، در دو کلاس زراعی و غیرزراعی، با استفاده از سری زمانی شاخص های مستخرج از تصاویر سنتینل 2 داده شده است. ازآن جا که استفاده از منابع داده حجیم یکی از موانع بهبود روش های مبتنی بر سری زمانی تصاویر ماهواره ای به شمار می رود، در این پژوهش از بستر پردازشی گوگل ارث انجین استفاده شده است. روش مطرح شده برمبنای تلفیق نتایج طبقه بندی نظارت شده پیکسل مبنا با نتایج قطعه بندی عمل می کند؛ به نحوی که ابتدا داده های آموزشی طبقه بندی نظارت شده، طی یک فرایند پالایشی سخت گیرانه، بدون نیاز به عملیات میدانی فراهم می شوند. سپس با محاسبه تفکیک پذیری دو کلاس هدف در سری زمانی هر شاخص، شاخص های بهینه انتخاب می شود. در نهایت، با تلفیق نتایج روش های قطعه بندی و طبقه بندی براساس آرای به دست آمده از نتایج طبقه بندی، به هر قطعه تصویری کلاس زراعی یا غیرزراعی نسبت داده می شود. این اقدام، علاوه بر دخالت دادن اطلاعات مکانی اعم از لبه ها و مجاورت های مکانی، توانسته است نویز و نتایج متخلخل طبقه بندی پیکسل مبنا را بهبود بخشد و دقت کلی نقشه نهایی را از 7/90 به 05/96 افزایش دهد. همچنین دقت کاربر دو کلاس زراعی و غیرزراعی به ترتیب 27/3 و 97/7% بهبود را نشان می دهند.