درخت حوزه‌های تخصصی

برای مطالعه سطح زمین با تصاویر ماهواره ای، طبقه بندی و تشخیص درست پیکسل های ابری امری ضروری به شمار می آید. از میان روش های طبقه بندی موجود می توان به مدل های شبکه عصبی و درخت تصمیم در داده کاوی اشاره کرد که الگوریتم های متعددی از این دو دسته مدل، شکل گرفته و توسعه یافته اند. به منظور ارزیابی دقت این مدل ها در طبقه بندی و انتخاب بهترین آنها، یازده الگوریتم از این دو دسته مدل ارزیابی شدند. بدین منظور با انتخاب 40000 پیکسل با ویژگی های مناطق ابری، صاف، برفی و آب در چهار کلاس از تصاویر کالیبره شده ماهواره نوآ بر روی گستره ایران در فصول مختلف سال و با استخراج اطلاعات پنج باند نوآ محاسبه نسبت های باندی NDVI، نسبت بازتابندگی باند یک به بازتابندگی باند دو و اختلاف دمای درخشندگی باند پنج با دمای درخشندگی باند چهار و معرفی آنها به عنوان متغیرهای ورودی، دقت هر یک از الگوریتم ها در طبقه بندی این کلاس ها مقایسه شد. زمان اجرای سریع الگوریتم های درخت تصمیم در مقایسه با اجرای کندتر الگوریتم های شبکه عصبی و شفاف بودن تصمیمات گرفته شده در مدل های درخت تصمیم از مزایای این دسته مدل های طبقه بندی است. در نهایت بعد از تشکیل ماتریس تطابق که تعداد درستی و خطا در طبقه بندی پیکسل ها را نشان می دهد، مشخص شد که در بین یازده الگوریتم مورد مقایسه، الگوریتم درخت تصمیم C5، با 43 مورد خطا در تشخیص پیکسل های ابری، با دقتی معادل 56/99 درصد دارای بهترین دقت در طبقه بندی است. نیز با توجه به مزایای ذکر شده برای این دسته مدل های طبقه بندی، C5 مناسب ترین الگوریتم برای طبقه بندی پیکسل های ماهواره ای و تشخیص پیکسل های ابری شناخته شد.

هدف اصلی مقاله حاضر آن است که با طراحی و ارزیابی سامانه عامل مبنای مکانی، اطلاعات مربوط به توده های آلودگی زیست محیطی را به صورت آنی و از طریق تصاویر ماهواره ای NOAA استخراج کند و سپس تاثیر آنها را بر روی محدوده های زیست محیطی جنگلی به صورت مناطق ریسک مشخص گرداند. در این کاربرد، آلودگی هوا پدیده ای است که به اشکال گوناگون باعث به وجود آمدن ریسک در محدوده های جنگلی می گردد. لذا به دست آوردن تمامی تاثیرات آلودگی هوا بر محدوده های جنگلی امری دشوار قلمداد می شود. با این حال برخی از تاثیرات آن از قبیل تاثیر بر رشد پوشش گیاهی منطقه را می توان به عنوان عاملی ضروری تر در فرایند تصمیم گیری وارد ساخت. برای بررسی این موضوع، پیامد انتشار آلودگی ناشی از آتش سوزی چاه های نفت کویت در سال 1991 و تاثیر آن بر جنگل های جنوب غربی کشور در نظر گرفته شده است. بررسی تصاویر نیم روزانه NOAA-AVHRR به خوبی آشکار می سازد که آلودگی به سمت مرز ایران حرکت کرده و منابع طبیعی و جنگل های جنوب غربی کشور را تهدید کرده است. با در نظر گرفتن شواهد مذکور، ردیابی، تخمین و ارزیابی سریع و آنی محدوده های ریسک، امری ضروری به شمار می آید. این مقصود با طراحی سامانه هوشمند عامل مبنایی که در آن ابزارهای مرتبط با سامانه اطلاعات مکانی و سنجش از دور یکپارچه شده اند، محقق می گردد. در آن سامانه به منظور استنتاجگری، روش های مختلف یادگیری ژنتیکی قوانین ارزیابی می شوند و قوانین بهینه مشخص می گردند. با توجه به اینکه دو پدیده مورد نظر (آلودگی هوا و محدوده ریسک) دارای مرز نامعلوم و ماهیتی نامعین هستند، لازم است که وضعیتی قابل پیش بینی از قوانین برای آنها در نظر گرفته شود و مطابق آن برای هر دوره محاسباتی، فرایند تنظیم و یاد گیری قوانین استنتاج در شرایط نامعین، اجرا گردد. لذا مناطق ریسک به صورت آنی و هوشمند تعیین می شوند و روش های مختلف یادگیری ژنتیکی به همراه استنتاجگری مکانی فازی، با استفاده از داده های استخراجی از تصاویر ماهواره ای لندست TM مورد ارزیابی قرار می گیرند.

این مقاله با هدف شناسایی عوامل موثر در ایجاد پدیده زمین لغزش، مشخص کردن مناطق دارای پتانسیل و پهنه بندی زمین لغزش در حوضه آبخیز سد کرج به روش سلسله مراتبی صورت گرفته است. ابتدا مهمترین عوامل موثر در وقوع زمین لغزشهای رخ داده در منطقه بررسی، سپس نقشه پراکنش زمین لغزش با استفاده از تفسیر عکسهای هوایی به مقیاسهای 1:50000 مربوط به سال های 1336 و 1382 به بعد و بررسی تصاویر ماهواره ای و انجام عملیات میدانی با استفاده از GPS انجام گردید. درمرحله بعد با بکارگیری روش تحلیل سلسله مراتبیAHP عوامل مورد بررسی به صورت زوجی مقایسه و وزن هر یک از عوامل که مبین میزان تاثیر آنها است محاسبه و در نهایتا اقدام به تهیه نقشه پهنه بندی خطر زمین لغزش با حساسیتهای مختلف تهیه گردید. نتایج نشان داد اکثر زمین لغزشهای وقوع یافته در این حوضه، در پهنه بسیار حساس که توسط مدل پیشنهادی مشخص شده بود، قرار گرفته اند.

نقشه، مهم ترین وسیله برای ارائه اطلاعات ناوبری به رانندگان در سامانه های ناوبری خودروست. کیفیت نقشه های ارائه شده به رانندگان تاثیر بسیار زیادی بر استفاده پذیری و کارایی سامانه دارد. در این زمینه، نمایش نقشه های متناسب با وضعیت ها و شرایط بافتی کاربران نقشی حیاتی دارد. کاربران در شرایط متفاوت به نقشه هایی با ابعاد بزرگ نمایی و سطح جزئیات متفاوتی نیاز دارند تا بتوانند الزام ها و خواسته های اطلاعاتی شان را به راحتی مرتفع سازند. از آنجا که استفاده از سامانه ناوبری فعالیت اولیه و اصلی رانندگان نیست، باید انتخاب مقیاس مناسب و نمایش نقشه در آن مقیاس به صورت هوشمندانه و خودکار به وسیله سامانه انجام پذیرد. در این مقاله، روشی برای تعیین خودکار سطح بزرگ نمایی و نیز سطح جزئیات نقشه به منظور ارائه نقشه هایی خوانا در وضعیت های مختلف کاربری پیشنهاد شده است. مقادیر دو مورد پیش گفته براساس بافت هایی که کاربر در آن قرار دارد به دست می آید، از این رو پردازشگری بافت آگاه در این روش مورد استفاده قرار گرفته است. پردازشگریِ بافت آگاه، نوعی پردازشگری است که سامانه ها را قادر می سازد تا بافت جاری کاربر را برگیرند و رفتار خود را براساس آن سازوار کنند. در مقاله حاضر بافت های مختلفی که می توانند بر روی مقیاس نقشه تاثیرگذار باشند، مورد مطالعه قرار گرفته و روشی برای انتخاب مقیاس مناسب در مقادیر بافتی مختلف ارائه شده است. همچنین نحوه سازوار کردن مقیاس نقشه با بافت های جاری مدل سازی شده و براساس آن یک سامانه ناوبری خودروی بافت آگاهِ نمونه، با قابلیت نمایش نقشه در مقیاس های متناسب با بافت، طراحی و پیاده سازی گشته است.

استفاده انسان از سرزمین از دو جنبة مدیریت سرزمین و نحوة بهره برداری از آن اهمیت پیدا میکند. ارزیابی توان زیست محیطی به عنوان راهکاری به منظور استفادة بهینه از امکانات آب و خاک و بررسی پیامدهای زیست محیطی، مورد استفاده قرار گیرد. در این مطالعه ارزیابی توان زیست محیطی حوضة آبریز بیرجند واقع در استان خراسان جنوبی با استفاده از روش رویهم گذاری نقشه ها بررسی شده است. شوری و قلیاییت، عدم تکامل پروفیل خاک، بافت نامناسب خاک، بارندگی کم و پراکنده و فقدان پوشش گیاهی مناسب از مهم ترین محدودیت های اساسی فعالیت های کشاورزی دشت بیرجند است. از تلفیق 5 نقشة جهات جغرافیایی، شیب، ارتفاع، اجزای واحد اراضی، پوشش گیاهی و در نظر گرفتن ویژگیهای اکولوژیک اقلیمی، جمعیتی و هیدرولوژیکی، نقشة نهایی واحد های زیست محیطی و در خاتمه نقشه توان زیست محیطی حوضة آبریز بیرجند به دست آمده است. بخش عمده ای از اراضی این حوضه، به استثنای بخش مرکزی به دلیل محدودیت های پیش گفته فاقد توان کاربری زراعیاند و فعالیت های کشاورزی به صورت فاریاب فقط در محدودة آبخوان دشت بیرجند قابل پیش بینی است. کاربری زراعی دیم نیز در محدودة آبخوان و در سطح کمی بیشتر از آبخوان بر روی تراس های فوقانی و دشت های دامنه ای و مناطقی با خاکهای عمیق قابل اجراست. کاربری باغی در محدودة آبخوان و در دره ها و مظهر قنات های واقع در بخش کوهستانی و کاربری مرتعی و حیات وحش نیز در مناطق با شیب بیش از 10 درصد قابل اجراست.

سالیانه در کشور ما صدها مورد آتش سوزی در جنگل ها و مراتع اتفاق می افتد و هزاران هکتار از درختان، درختچه ها و گیاهان را طعمه خود می سازد. حریق ها علاوه بر خسارات اقتصادی، آثار مخرب زیست محیطی را نیز به دنبال دارند. وقوع آتش سوزی های مکرر در مناطق مختلف ایران در چند سال گذشته پژوهشگران منابع طبیعی را بر آن داشته است تا پژوهش های جدیدی در عرصه های باارزش جنگلی انجام دهند. در پژوهش حاضر از تصاویر ماهواره ای MODIS و Landsat ETM+ به منظور آشکارسازی، و تعیین وسعت مناطق دچار حریق در نخلستان های شهر خور از توابع استان اصفهان استفاده گردیده است. سنجنده MODIS در لحظه عبور از فراز این منطقه، آتش سوزی ای را در تاریخ یازدهم مرداد ماه 1387 ثبت کرد، که با الگوریتم بومی شده کشف آتش، مکان حریق ها مشخص گردید. در روش پیشنهادی، برای شناسایی آتش پس از انجام تصحیحات رادیومتری و هندسی با استفاده از ماسک ابر و آب این دو پدیده از تصویر حذف شدند و سپس با تعیین حد آستانه مناسب، نواحی دارای پتانسیل آتش مشخص گردید. در این نواحی پیکسل هایی که درجه حرارت روشنایی آنها در باند 22 کمتر از 293 درجه کلوین و میزان انعکاس طیفی آنها در باند 2 کمتر از 3/0 و اختلاف دمایی باند 22 و 31 کمتر از 10 درجه کلوین بود، به عنوان پیکسل های دارای پتاسیل آتش علامت گذاری شدند و با تعیین حد آستانه و آزمون های مختلف، اقدام به استخراج پیکسل های آتش گردید. نتایج نشان می دهد که با استفاده از حد آستانه 310 درجه کلوین برای باند 22 که برای مقیاس جهانی در نظر گرفته شده است، آتش های سرد و کوچک آشکار نمی شوند. لذا از حد آستانه بهینه شده استفاده گردید. همچنین به منظور تعیین وسعت منطقه دچار حریق از تصاویر ماهواره ای Landsat ETM استفاده شد. پس از انجام طبقه بندی با روش طبقه بندی بیشترین شباهت، وسعت منطقه سوخته شده تعیین گردید. نتایج حاصل از مطالعه حاضر نشان می دهد که این آتش سوزی وسعتی حدود 9 هکتار را طعمه حریق ساخته است.

امروزه لیزر اسکنر هوایی (لیدار) نقش مهمی در برداشت اطلاعات سه بعدی عوارض سطح زمین ایفا می کند. استخراج عوارض از داده های لیدار، به صورت دستی زمان بر و پرهزینه است. راه ها مهمترین گروه عوارض خطی هستند و استخراج اطلاعات مربوط به آنها اهمیت ویژه ای برای سازمان ها و نهادهای مرتبط در هر کشوری دارد. هدف پژوهش حاضر، ارائه الگوریتمی برای آشکارسازی راه هاست که در آن منحصراً از داده های لیدار، استفاده شود. برای این منظور، ابتدا داده های شدت و سپس هر دو داده شدت و فاصله لیدار با استفاده از ماشین بردار پشتیبان طبقه بندی گردیدند. سپس با استفاده از الگوریتم فیلتر کردن شیب مبنا، عوارض ارتفاعی از مجموعه داده ها حذف شدند و مدل رقومی زمین و مدل رقومی عوارض غیرزمینی به دست آمد. در ادامه، نتایج مرحله طبقه بندی با بهره گیری از لایه اطلاعاتی مدل رقومی عوارض غیرزمینی بهبود داده شد. سرانجام با انجام عملیات پس پردازش شامل 5 مرحله، پاکسازی مورفولوژی، حذف عناصر کوچک، اتصال قطع شدگی های راه ها، حذف عناصر ناپیوسته و انسداد مورفولوژی، راه ها از داده های لیدار شناسایی گردید. با مقایسه نتایج حاصل از اجرای الگوریتم با داده های مرجع، مقادیر 35/84 درصد برای پارامتر «کامل بودن»، 61/71 درصد برای پارامتر «صحیح بودن» و 22/63 درصد برای پارامتر «کیفیت» به دست آمد.

سیاست گذاری و برنامه ریزی در زمینه رشد کشاورزی و بهبود اوضاع و احوال روستاها و روستاییان نیازمند آمار و اطلاعات درست و بهنگام است. در ایران به دست آوردن آمار مربوط به کشاورزی، بیشتر از طریق کارشناسی و روش های سنتی صورت می پذیرد. بررسی ها نشان داده است که این روش ها دارای خطاهای زیادی است. در این پژوهش سعی شده است تا با استفاده از روش های جدید ـ ازجمله بهره گیری از تصاویر ماهواره ای و فناوری های سنجش از دور ـ با خطای کمتری به تولید آمار و اطلاعات کشاورزی بپردازد. از درهم آمیختن داده ها در قالب سامانه اطلاعات جغرافیایی (GIS) می توان ضمن رسیدن به نتایجی با دقت و صحت بیشتر، امکان ذخیره و بازیابی، تجزیه و تحلیل، اندازه گیری، ترکیب و مدل سازی فعالیت های مختلف مدیریت منابع زمینی را فراهم آورد. در این پژوهش از تصاویر ماهواره ای رادارست دریافتی در سال 1998 و مقایسه آن با تصاویر اپتیکی لندست برای تهیه نقشه و تخمین سطح زیر کشت برنج در شهرستان ساری استفاده شده است. بعد از همسان سازیِ مختصاتیِ داده های موجود، از روش های متفاوت پردازش تصویر ـ ازجمله طبقه بندی تصاویر برمبنای روش حداکثر مشابهت (MLC) ـ برای شناسایی و تمییز زمین های برنجکاری استفاده شد. مقایسه نتایج به دست آمده با نقشه های کشت برنج موجود بیانگر آن است که روش های کسب آمار کشاورزی از طریق فناوری های سنجش از دور، بسیار دقیق تر از روش های سنتی کسب آمار و اطلاعات مکانی است.

با توجه به نقش و جایگاه مناطق آزاد تجاری ـ صنعتی در تعامل با اقتصاد جهانی، توجه ویژه به چنین مناطقی ضرورت یافته و رتبه‌بندی و اولویت‌بندی فعالیتهای اقتصادی آنها از اهمیت خاصی برخوردار می‌شود، از این رو در این مقاله به‌منظور تخصیص هر چه بهینه‌تر منابع اقتصادی کشور، اولویت‌بندی مناطق آزاد با استفاده از روشهای تصمیم‌گیری چندمتغیره برای سال 1383 مورد آزمون قرار گرفته و سپس به‌منظور ترکیب بهینه نتایج تکنیکهای به‌کار رفته با استفاده از روشهای مختلفی چون (بوردا، کوپلند و پوزت) رتبه‌بندی نهایی مناطق صورت گرفته است. نتایج به‌دست آمده از ترکیب روشهای مذکور حاکی از آن است که منطقه آزاد کیش از بالاترین رتبه برخوردار بوده و پس از آن به ترتیب مناطق آزاد قشم و چابهار قرار دارند، از این رو می‌توان به افزایش سرمایه‌گذاریهای خارجی و دستیابی به بازار جهانی و منطقه‌ای با استفاده از این رتبه‌بندی توجه کرد.

طی چند سال اخیر به هنگام فصول گرم، در اثر بارندگی شدید و ناگهانی در استان گلستان سیل های مخربی رخ داده که در پی آن، خسارات سنگینی به منطقه وارد آمده است. از آنجا که شدت بارندگی در منطقه بسیار متغیر است و ایستگاه های زمینی نمی توانند این تغییرات را به خوبی نمایش دهند، لزوم به کارگیری سنجش از دور در تخمین بارندگی بیش از پیش نمایان می گردد. در الگوریتم های تخمین بارندگی ماهواره ای اغلب از داده های مادون قرمز و مایکروویو غیرفعال استفاده می شود. داده های مادون قرمز دارای قدرت تفکیک زمانی بالایی هستند (هر نیم ساعت یک تصویر) اما توان نفوذ در ابر را ندارند. در مقابل، داده های مایکروویو غیرفعال از ابر عبور می کنند و تخمین دقیق تری از نرخ بارندگی می دهند اما قدرت تفکیک زمانی پایین تری (هر روز دو تصویر) دارند. در نتیجه با ترکیب این دو سری داده می توان ضمن حفظ مزایا، معایب را تا حد اماکن کاهش داد. در تحقیق حاضر، قابلیت الگوریتم ترکیبی همسان سازی احتمال داده های Meteosat و TRMM در تخمین بارندگی شدید نوزدهم مرداد 1384 (دهم اوت 2005) که منجر به وقوع سیل گردید مورد بررسی قرار گرفت و با کمک مدل هیدرولوژی GeoSFM به پایش سیلاب پرداخته شد. نتایج به دست آمده، نشان می دهد که بین تخمین ماهواره و مشاهدات زمینی همبستگی 533/0 درصد وجود دارد و RMSE و MAD معادل 74/9 و 67/6 است. همچنین مشاهده گردید که خاک در اکثر زیرحوضه های جنوب شرقی منطقه رخ می دهد، که حداکثر حجم آن همزمان با بارندگی های شدید است.

اهداف تحقیق حاضر استفاده از داده های مربوط به نقشه های دوره خشکسالی و ترسالی و مقایسه روند تغییرات داده ها به منظور تعیین نوسانات رطوبتی می باشد. بدین منظور ابتدا داده های باران سنجی ماهانه ایستگاه های موجود در دشت سراب با استفاده از شاخص SPI (به عنوان یک استاندارد) بررسی شد. داده های حاصله به محیط GIS منتقل گردید و با استفاده از برنامه های جانبی نسبت به درون یابی متناسب داده ها در محیط GIS اقدام شد. در ادامه ارزیابی حساسیت سطح زمین در مقابل نوسانات عنصر بارش با روابط ریاضی مدل سازی شد. نتایج نشانگر بالا بودن مقدار حساسیت پیکسل هایی است که از نوسانات رطوبتی بالاتری برخوردار هستند. مقایسه پراکنش نقاط روستایی با نتایج حاصل از شاخص MFI، نشانگر همبستگی بالایی بین تعداد خانوار و نیز تعداد نقاط سکونتگاه روستایی با شاخص نوسان رطوبتی می باشد

پدیده لغزش زمین همانند پدیده های زمین لرزه، سیل و آتشفشان از بلایای طبیعی مهم بشمار می رود که هر ساله رخداد آن در مناطق کوهستانی و مرتفع کشور خسارات و صدمات قابل ملاحظه ای به بار می آورد. امروزه در کشور های درگیر با مساله زمین لغزش تمایل فزاینده ای جهت ارزیابی و پهنه بندی خطر و خسارات این پدیده وجود دارد. عوامل مختلفی نظیر توپوگرافی، سنگ شناسی، اقلیم و غیره در ناپایداری دامنه ها موثر می باشند و به طرق مختلف سبب ناپایداری دامنه ها می گردند. در تحقیق حاضر به منظور پهنه بندی خطر زمین لغزش در حوضه آبخیز صفی آباد، واقع در شرق استان گلستان از مدل حائری - سمیعی در سامانه اطلاعات جغرافیایی استفاده گردید. بدین منظور عوامل موثر در ایجاد زمین لغزش شامل زاویه شیب، لیتولوژی، گسل، راه و رودخانه، میزان بارندگی، شدت بارندگی و زمین لرزه به عنوان عوامل اصلی در بروز زمین لغزش مورد تجزیه و تحلیل قرار گرفتند. سپس لایه های اطلاعاتی مربوط به هر یک از عوامل موثر در وقوع زمین لغزش بااستفاده از GIS تهیه و عوامل موثر کمی و وزن دهی شدند و سرانجام نقشه پهنه بندی خطر زمین لغزش تهیه گردید و با انجام بازدیدهای متعدد میدانی توسط GPS اقدام به تعیین موقعیت زمین لغزشهای رخ داده شده در سطح حوضه گردید. بررسی های بعمل آمده نشان داد حوضه مورد مطالعه فاقد مناطق دارای کلاس خطر فوق العاده زیاد بوده و از 6 لغزش ثبت شده هیج لغزشی در پهنه های دارای خطر زیاد و خیلی زیاد مشاهده نشده است. لذا مدل مورد مطالعه در این حوضه کارایی مناسبی ندارد و کاربرد آن در تهیه نقشه های بزرگ مقیاس خطر زمین لغزش باید همراه با اصلاحات منطقه ای و همچنین مطالعه و بررسی بیشتر باشد.

داده های تهیه شده از طریق درون یابی در بسیاری از پروژه های اجرایی و مهندسی و مطالعات در زمینه های مختلف مانند زمین شناسی، هواشناسی، مدیریت بحران، منابع طبیعی و محیط زیست مورد استفاده قرار می گیرند. رایج ترین معیارها بیان کننده میزان دقت درون یابی، برآورد خطای جذر میانگین مربعات (RMSE) و نمایش بزرگی خطا در نقاط نمونه با ارتفاع معلوم اند که به علت مکانی نبودن یا فراگیر نبودن اطلاعات، شاخص های مذکور قابلیت استفاده محدودی دارند، زیرا RMSE میانگین خطای درون یابی در نقاط محدودی را نشان می دهد و نمایش بزرگی خطا در نقاط نمونه با ارتفاع معلوم نیز برای آگاهی از میزان خطا و قابلیت اطمینان درون یابی در هر نقطه و موقعیت دلخواه قابل استفاده نیست. بدین ترتیب، به نظر می رسد که ایجاد روش های موثرتر و کاربردی تر برای ارزیابی و نمایش مکانی دقت خروجی درون یابی در کنار RMSE ضرورت دارد. در این مقاله، ضمن بیان برخی از محدودیت های خطای جذر میانگین مربعات (RMSE)، روشی کاربردی مبتنی بر مثلث بندی نقاط با ارتفاع معلوم برای مدل سازی و تهیه نقشه خطای درون یابی ارائه شده است. در این روش ویژگی های هندسی مثلث های محاط بر نقاط مجهول ـ مانند محیط، مساحت و اختلاف ارتفاع بین رئوس برای مدل سازی و پیش بینی خطا ـ مورد استفاده قرار می گیرند. کارایی روش پیشنهادی با استفاده از مطالعه موردی، بررسی گردیده و رابطه معنی داری بین خطای واقعی و خطای برآورد شده با مدل، مشاهده شده است. تولید لایه قابلیت اطمینان درون یابی نه تنها برای ارزش گذاری و استفاده موثر از نقشه های حاصل از درون یابی می تواند مفید باشد، بلکه برای نمونه برداری تکمیلی و ترمیم نقاط ضعف نقشه های تولید شده با درون یابی نیز می تواند قابل استفاده باشد.

بشرهمواره در طول زندگی اش به محیط زیست خود توجه داشته و برای شناخت بییشتر آن تلاش نموده است. او برای دست یابی به این منظور، به جمع آوری اطلاعات و داده های محیطی، از جمله مشاهده غیر مستقیمی عوارض زمینی و از طریق تولید و تفسیر اسناد سنجش از دور (نقشه، عکس هوایی و تصاویر ماهواره ای) به شیوه های گوناگون متوسل گردیده است. امروزه گروه های تخصصی مختلف، با توجه به هدف و نیاز خود، از اسناد سنجش از دور بهره می برند، و این مساله باعث شده تا برخی از آن ها به این باور برسند که جایگاه خاستگاه اولیه R.S در قلمرو حوزه ی تخصصصی آن ها می گنجد از این رو برای رفع هر گونه شبهه در این گونه باورها پژوهش حاضر انجام گرفت تا جایگاه واقعی سنجش از دور مشخص شود. در این تحقیق با توجه به ماهیت، قلمرو و علوم و فنون دور سنجی نیز با استناد به بررسی های تاریخی و تهیه و ارسال پرسشنامه به گروه های تخصصی ذی ربط دردانشگاه ها ، برخی ابهامات برطرف و نتیجه این شد که اولاً سنجش از دور یک علم و فن است که با هنر در آمیخته است و با حس سر و کار داد، ثانیاً سنجش از دور تفسیری و تحلیل که مهمترین رکن علوم و فنون سنجش از دور را تشکیل می دهد ، اساساً جزو علوم جغرافیا و زمین بوده و وجود آن در پهنه ی علوم جغرافیایی شکل گرفته است.

خشکسالی پدیده ای اقلیمی است که وقوع آن در اغلب مناطق جهان اجتناب ناپذیر است و به لحاظ تلفات جانی پیامدهای اقتصادی و اجتماعی در مقایسه با سایر بلایای طبیعی از اهمیت بیشتری برخوردار است. در این تحقیق پدیده خشکسالی در بازه های زمانی 3 و 6 ماهه مورد بررسی و تجزیه و تحلیل قرار (SPI) در ایران با استفاده از شاخص بارش استاندارد 1976 با استفاده از - گرفت و پس از محاسبه فراوانی نسبی خشکسالی ها در 70 ایستگاه سینوپتیک در دوره آماری 2005 تولید گردید. نتایج تحقیق نشان داد که در ArcGIS روش درون یابی کریجینگ معمولی نقشه های پهنه بندی آن ها در محیط قسمت های شمال غرب، شمال و شمال شرق کشور خشکسالی ها بسیار شدید است در صورتی که در مناطق مرکز، جنوب و جنوب شرق خشکسالی ها متوسط و ملایم می باشد. به طور کلی در بازه های کوتاه مدت که عمدتاً بر روی وضعیت خاک اثر می گذارد تمرکز خشکسالی ها در نیمه شمالی کشور بیشتر بوده است. به عبارت دیگر اقلیم بارشی کشور در نیمه شمالی متغیرتر از نیمه جنوبی است.