درخت حوزه‌های تخصصی

در این تحقیق تلاش گردیده تا مکان های مناسب برای توسعه گردشگری ورزشی در شهرستان شاهرود شناسایی شوند. بدین منظور، از سیستم اطلاعات جغرافیایی و تکنیک رویهم گذاری لایه ها، به عنوان ابزاری مناسب برای ارزیابی سرزمین استفاده گردید. بدین ترتیب پس از تعیین منابع اکولوژیکی منطقه، لایه های اطلاعاتی در مقیاس 1:250000 تهیه و از طریق نرم افزار ArcGIS نسخه 9،2 اقدام به ریهم گذاری گردید. این تحقیق در شش مرحله انجام پذیرفت. پس از تهیه نقشه های شیب، جهت و ارتفاع، از طریق رویهم گذاری آنها نقشه شکل زمین تهیه گردید و در ادامه، با رویهم اندازی لایه های شکل زمین، کاربری اراضی، خاک، پوشش گیاهی و حیات وحش نقشه نهایی واحدهای زیست محیطی بدست آمد. سپس، مدل اکولوژیکی گردشگری متمرکز و گسترده، به منظور مقایسه و تحلیل نهایی مورد استفاده قرار گرفت و در نهایت از مدل ملی برای تعیین انواع کاربری های ورزشی استفاده گردید. با توجه به نتایج، منطقه مطالعاتی از پتانسیل بالایی به منظور توسعه گردشگری به ویژه از نوع گسترده برخوردار است. 8/68٪ از منطقه مطالعاتی در کلاس 1 و 1/19٪ نیز در کلاس 2 از گردشگری متمرکز قرار گرفته اند. همچنین؛ 2/93٪ از منطقه در کلاس 1 و 3/5٪ نیز در کلاس 2 گردشگری گسترده قرار می گیرند. در مجموع، 6/13٪ نیز در کلاس 3 قرار داشته که نشانگر حساسیت اکولوژیکی بالا و عدم بهره مندی از شرایط مناسب به منظور توسعه گردشگری می باشد و در زون حفاظتی قرار می گیرد. در پایان، فعالیت های گردشگری مناسب برای هر زون پیشنهاد گردید.

افزایش سطح غلظت گازهای گلخانه ای و به تبع آن، گرم شدن کره زمین و تغییرات آب وهوایی یکی از مهم ترین چالش های قرن بیست ویکم شناخته شده است. این پژوهش عملکرد الگوریتم های موجود در بازیابی غلظت گازهای گلخانه ای دی اکسید کربن را، براساس داده های مشاهداتی ماهواره نظارت بر گازهای گلخانه ای گوست (GOSAT)، در مقایسه با داده های مرجع به دست آمده از شبکه سطحی (TCCON)، در هشت سایت منتخب در دوره زمانی 2015-2011 بررسی می کند. الگوریتم های مورد ارزیابی عبارت اند از الگوریتم NIES، ACOS و RemoTeC (SRFP). این الگوریتم ها بر بازیابی فراوانی ستونی از گازهای مورد نظر متمرکز شده اند تا از مقادیر مولکولی هوای خشک اتم دی اکسید کربن (XCO2) بهره بگیرند. برای ارزیابی محصولات هر الگوریتم با مقدار معادل مشاهداتی زمینی آن، از شاخص های آماری اریبی (Bias)، جذر میانگین مربع خطاها (RMSE)، خطای مطلق (MAE)، انحراف معیار (SD) و ضریب همبستگی پی یرسون (CR) در هر ایستگاه استفاده شده است. نتایج بررسی مقادیر داده شده نشان می دهد که، در بیشتر ایستگاه های زمینی مورد نظر، به ترتیب الگوریتم های NIES، ACOS، RemoTeC (SRFP) دارای کمترین خطای RMSE، MAE، و کمترین خطای اریبی بوده اند. همچنین، کمترین مقادیر همبستگی (بین هر الگوریتم و شبکه سطحی) متعلق به الگوریتم (SRFP) و بیشترین مقادیر آن، درمورد بیشتر ایستگاه ها، متعلق به الگوریتم NIES در یک میانگین پنج ساله (2015-2011) است. 

شناخت رفتار و خصوصیات رسوب گذاری رودخانه های منتهی به مخازن سدهای بزرگ باعث سهولت تصمیم گیری های راهبردی درمورد احداث سازه های مهندسی در طول رودخانه برای مدیریت رسوب ورودی به مخزن سد خواهد شد. فناوری سنجش از دور با داده های چندزمانه و چندطیفی تا حد زیادی سهولت کشف تغییرات ریخت شناسی رودخانه ها را در طول زمان به همراه داشته است. با وجود این، ماهیت خاص رودخانه های کم عرض و کم عمق باعث افزایش پیچیدگی مطالعات بررسی ریخت شناسی چنین رودخانه هایی، با استفاده از داده های موجود شده است. در این مطالعه قابلیت خودکار شش شاخص پرکاربرد آب شامل: شاخص تفاضل بهنجار آب، شاخص تفاضل بهنجار آب اصلاح شده، شاخص استخراج خودکار آب با سایه، شاخص استخراج خودکار آب بدون سایه، شاخص آب پیشرفته و شاخص آب 2015 مستخرج از دو سنجنده ETM+ و OLI ماهواره لندست در تفکیک رودخانه های کم عرض و کم عمق بررسی شد. آستانه بهینه هر یک از این شاخص ها با استفاده از نمودار ROC تعیین شد. فرایند اعتبارسنجی نیز با استفاده از تصاویر گوگل ارث مربوط به آگوست سال 2013 انجام پذیرفت. صحت نتایج با آمار های متفاوت شامل خطای ترکیبی، صحت تولیدکننده، صحت کاربر، خطای omission و خطای commission بررسی شد. نتایج نشان می دهد اگرچه صحت شاخص های مستخرج از سنجنده ETM+ به نسبت بیش از سنجنده دیگر است، به طور کلی بیشترین صحت تفکیک عارضه مورد نظر مربوط به شاخص تفاضل بهنجار آب اصلاح شده و شاخص استخراج خودکار آب با سایه است و شاخص استخراج خودکار آب بدون سایه نیز کمترین صحت را در تفکیک عارضه رودخانه داشته است.

در طول چند دهه گذشته، شاخص های پوشش گیاهی متعددی برای تخمین تولید محصولات کشاورزی توسعه داده شده اند که هر یک از آن ها با توجه به باندهای مورد استفاده و فرمول جبری خود، به مقادیر متفاوتی از تراکم و شاخص سطح برگ گیاهان زراعی حساسیت دارند. مطالعه بعضی از محصولات زراعی چندساله مانند یونجه، که در هر سال به دفعات برداشت می شود، بسیار پیچیده بوده و کمتر مورد توجه قرار گرفته است. لذا در این مقاله، از مهم ترین شاخص های پوشش گیاهی توسعه داده شده در برآورد تولید یونجه، توسط تصاویر سری زمانی Sentinel-2 استفاده می شود. در این تحقیق، اقدام به جمع آوری دوره ای 144 نمونه، به شیوه تخریبی از مزارع زیر کشت محصول یونجه شرکت کشاورزی و دامپروری مگسال (قزوین)، به صورت تقریباً نزدیک به زمان گذر ماهواره، شد و سپس کارایی 10 شاخص از معروف ترین شاخص های پوشش گیاهی، مبتنی بر تصاویر Sentinel-2 برای تخمین تولید محصول یونجه، مورد ارزیابی قرار گرفت. نتایج تحقیق حاضر، نشان داد که تولید تخمین زده شده یونجه، با استفاده از شاخص نسبت به سایر شاخص ها، دارای بالاترین همبستگی و کمترین جذر میانگین مربعات با داده های برداشت شده میدانی در اواسط مرداد ماه بوده است. به علاوه در نتایج این تحقیق، نشان داده شد که شاخص های لبه قرمز، مشکل اشباع شدگی شاخص های پوشش گیاهی در محصول یونجه را نتوانسته اند برطرف کنند و شاخص های پوشش گیاهی سبز، نسبت به شاخص های لبه قرمز جهت تخمین تولید این محصول، توانایی بیشتری را نشان داده اند.

سیلاب یکی از شایع ترین و مخرب ترین وقایع طبیعی در جهان است. بشر همواره، به دنبال جلوگیری از وقوع سیلاب، از روش هایی مانند احداث خاکریزها استفاده کرده است که در زمرة روش های مبتنی بر رویکرد مقاومتی اند. با اینکه زمان و مکان وقوع سیل، دبی طراحی، مقاومت سازه ها ، رفتار فیزیکی رودخانه و چنین مواردی دارای قطعیت نیست؛ راهکارهای مقاومتی روش مناسبی برای مقابله با سیل محسوب نمی شوند. برای نمونه، درصورت رخداد سیلی با دبی بیشتر از دبی طراحی خاکریز، نه تنها سیل باعث نابودی سازة خاکریز می شود بلکه آبگرفتگی، خسارات مالی و تلفات جانی پیش بینی نشده ای به بار خواهد آمد. در رویکرد انعطاف پذیر با استفاده از برنامه ریزی مکانی و طرح های سازه ای و غیر سازه ای، آمادگی لازم فراهم می شود تا سیستم سیل دیده به شرایط پایدار بازگردد. هدف تحقیق حاضر بررسی قابلیت های رویکرد انعطاف پذیر در مسئلة مدیریت ریسک سیلاب و مقایسة نتایج آن با رویکرد مقاومتی است. برای تحقق این هدف، از تلفیق سیستم اطلاعات مکانی و دانش مهندسی و مدیریت سیل استفاده شده است. مطالعة موردی روی محدوده ای از رودخانة قزل اوزن، واقع در حوضة ماه نشان، انجام شده که پی درپی شاهد سیلاب بوده و راهکارهای مقاومتی، برای جلوگیری از وقوع سیل، کارساز نبوده اند. به این منظور، راهبردهای گوناگون مدیریتی شامل راهبردهای مقاومتی (احداث خاکریز)، انعطاف پذیر سازه ای (کشت دیم) و غیرسازه ای (هشدار سیل و بیمة سیل) مطرح شده اند. برای برآورد عملکرد مناسب هر راهبرد، مقادیر شاخص های انعطاف پذیری شامل دامنة عکس العمل، تدریج و نرخ بازیابی، برای سیلاب هایی با دوره های بازگشت 25، 50 و 100 ساله، محاسبه شده اند. به منظور پهنه بندی سیلاب و بررسی راهبردهای پیشنهادی، سه دسته اطلاعات شامل شرایط هندسی، شرایط اولیه و شرایط مرزی یا حدی مورد نیاز است. شرایط هندسی ازجمله شیب مسیر رودخانه، شکل مقاطع، محل و ارتفاع خاکریزها با استفاده از نقشة رقوم ارتفاعی، ازطریق الحاقی HEC GeoRAS در محیط ArcGIS، به دست آمده است. شرایط اولیه و شرایط مرزی جزء اطلاعات ورودی مدل هیدرولیکی است که از آبخیزداری حوضة مورد مطالعه دریافت شده است. برای مدل سازی هیدرولیکی، نرم افزارHEC RAS به کار رفته است. پس از مدل سازی هیدرولیکی برای محاسبة شاخص های انعطاف پذیری، نتایج حاصل از پهنه بندی سیلاب در مدل هیدرولیکی با لایه های اطلاعاتی مربوط به مناطق مسکونی، راه های ارتباطی، سازه های احداث شده و زمین های زراعی در محیط سیستم اطلاعات مکانی تلفیق شدند. درنهایت، پس از محاسبة شاخص های انعطاف پذیری به منزلة معیار مقایسة راهبردها، به منظور اولویت بندی آنها، از روش آنتروپی برای وزن دهی به معیارها (شاخص های انعطاف پذیری) و از روش TOPSIS برای اولویت بندی راهبردها استفاده شده است. مطابق نتایج، مشاهده شد که راهبرد کشت دیم، هم زمان با هشدار سیل و بیمة سیل، راهکاری انعطاف پذیر است که، به منزلة بهترین استراتژی منتخب، بر روش های مقاومتی برتری دارد.

همه ساله حوادث متعددی در جهان به وقوع می پیوندد حوادثی ک ه ب ه ط ور ناگه انی روی م ی ده د و موجب وارد آمدن خسارت به انسان ومحیط طبیعی می شود؛ به عنوان مخاطرات طبیعی شناخته می شوند.این مخاطرات به دلیل غیر منتظره ی خود، در بیشتر موارد خسارت جانی ومالی بسیاری بر جای می گذارد. زمین لغزش و زلزله مخاطرات محیطی می باشدکه وقوع آنها باعث تلفات وخسارت های زیادی می شود زلزله ها با توجه به(دوره بازگشت) احتمال وقوع آنها وجود دارد. از این رو تشخیص مناطق مستعد زلزله وزمین لغزش، برای به کارگیری روش های پیشگیری یا مقابله با ناپایداری مناطق به منظور کاهش خطر و ریسک حاصل از آنها، بسیار اهمیت دارد. هدف از این مطالعه،مکان یابی شهرها با تاکید بر محدودیت های ژئومورفولوژیکی است. به این منظور، ابتدا از میان مهم ترین عوامل مؤثر برزلزله و زمین لغزش، 6عامل مقدار شیب، جهت شیب، جنس مصالح زمین شناسی، فاصله از گسل، شتاب زمین لرزه و میزان بارندگی که تهیه داده هایشان برای همه استان تهران امکان پذیر بود، بر پایه قضاوت مهندسی در محیط GISکلاسه بندی شدند.در روش AHP برپایه لایه ها وزیر لایه ها اطلاعاتی،وزن دهی وبا هم تلفیق شدند وسپس نقشه پهنه بندی خطر احتمال زلزله وزمین لغزش در محیط GISتهیه شد. بنابراین نقشه خطر زمین لغزش وزلزله به طراحان و مهندسان در جهت انتخاب مکان یابی مناسب برای اجرای طرح های توسعه کمک بزرگی می کند که مکان یابی مناسب برای اجرای توسعه پایدار بدون در نظر گرفتن محدودیت ها و برنامه ریزی و مدیریت آن ممکن نخواهد بود. نتایج این تحقیق نشان می دهد که این استان بیشترین تهدید را از لحاظ محدودیت های ژئومورفولوژیکی زمین لغزش وزلزله را دارد.

مئاندرها از شاخص های مهم تغییرات محیطی به شمار می آیند. تحقیق حاضر به منظور بررسی تغییرات برخی از پارامترهای مئاندر در رودخانه کارون با استفاده از تصاویر ماهواره لندست سال های 1368 و 1384 به کمک سنجش از دور صورت گرفته است. در این تحقیق پارامترهای مورفولوژیکی 20 مئاندر در بازه ای به طول 128 کیلومتر از رودخانه کارون پس از تهیه نقشه کاربری اراضی برای هر دوره تعیین گردید. نتایج حاصل از مقیاس میانگین t جفتی نشان داد که پارامترهای عرض جریان و طول گردن مئاندر اختلاف معنی داری طی دوره مطالعاتی از خود نشان داده اند. نتایج همبستگی اسپیرمن حاکی از آن بود که تغییرات در پارامترهای مئاندر به شدت به یکدیگر وابسته اند؛ به طوری که همبستگی معنی داری بین تغییرات ضریب خمیدگی با شعاع انحنا، طول جریان و طول محور مئاندر و نیز میان تغییرات شعاع انحنا با طول جریان، طول محور مئاندر، طول گردن مئاندر و عرض جریان وجود دارد. از سوی دیگر همبستگی معنی داری بین تغییرات عرض جریان با پارامترهای طول جریان و طول محور مئاندر و طول جریان با محور مئاندر مشاهده می شود. از دلایل اصلی تغییرات پارامترهای مورد نظر می تواند تغییر در رژیم هیدرولوژیکی و اکولوژیکی منطقه باشد، به طوری که در طی دوره مطالعاتی، حریم رودخانه در اثر تجاوز افراد به منظور کشاورزی و تصاحب زمین به دشت تغییر یافته و دچار آسیب شده است.

ه هدف از این مطالعه مدل سازی آماری عملکرد گندم دیم در استان کردستان است. به این منظور از مدل های رگرسیون خطی چندمتغیره استفاده شده، که متغیر وابستة آنها میزان عملکرد گندم دیم است و متغیرهای مستقل شان سه دسته اند: نخستین گروه، عناصر اقلیمی و شاخص های اقلیم کشاورزی هستند. دومین گروه از متغیرهای مستقل در این تحقیق را شاخص های گیاهی استخراج شده از سنجندة AVHRR از ماهواره NOAA برای زمان حداکثر سبزینگی (حداکثر شاخص سطح برگ)، تشکیل داده اند. سومین گروه متغیرهای مستقل تحقیق، ترکیب دو گروه متغیرهای مستقل فوق است. روش بازنمونه گیری بوت استرپ روی همة مدل های استخراج شده اجرا، و برمبنای نتایج آن، میزان عملکرد برای سال های 1383 تا 1385 تخمین زده شده است. تحلیل های انجام شده نشان می دهد که با ورود عناصر اقلیمی و شاخص های اقلیم کشاورزی به عنوان متغیرهای مستقل به مدل های رگرسیون خطی، مناسب ترین مدل های برآورد عملکرد گندم دیم در کل استان کردستان و شهرستان های سقز و بیجار، داده های مرحله زایشی (23 اردیبهشت تا 20 خرداد) است. در شهرستان دیوان دره، بهترین مدل از مجموع دو مرحلة دوم رویشی و مرحله زایشی به دست آمده است. در شهرستان مریوان بهترین مدل، با توجه به داده های مرحله خواب (22 آذر تا 25 اسفند)، و در دو شهرستان سنندج و قروه با توجه به داده های کل فصل رشد به دست آمده است. همچنین نتایج نشان می دهد که استفاده از شاخص های گیاهی استخراج شدة شاخص DVI برای مدل سازی و پیش بینی عملکرد گندم دیم مناسب تر است. افزون بر اینها، مدل های ترکیبی شامل ترکیب عناصر اقلیمی و شاخص های اقلیم کشاورزی با شاخص های طیفی گیاه، مدل هایی با دقت بالاتر به دست می دهند. کاربرد روش بازنمونه گیری بوت استرپ روی مدل های رگرسیونی به دست آمده، در مطالعات مدل سازی محصول که تعداد نمونه ها زیاد نیست دقت درون مدلی را افزایش می دهد و به همین دلیل می توان از آن برای عملکرد محصول گندم دیم استفاده کرد.

شبیه سازی تصاویر ماهواره ای اهمیت بسزایی در مطالعات سنجش از دوری دارد. این شبیه سازی می تواند پیش از پرتاب ماهواره جهت توسعه الگوریتم های مختلف، طراحی سنجنده برای کاربردهای خاص و یا در تخمین کمی پارامترهای مختلف گیاهی و خاک مورد استفاده قرار گیرد. رادیانس ثبت شده به وسیله سنجنده در بالای اتمسفر تابعی پیچیده از برهم کنش تابش خورشید با اتمسفر و عوارض موجود در سطح زمین است. این رادیانس به صورت ترکیبی از رادیانس های بازتابیده از پیکسل مورد مطالعه، اتمسفر و همچنین نواحی پیرامون پیکسل است مدل های فیزیک- پایه مختلفی برای مدل سازی این فرآیند پیشنهاد شده اند که می توانند رادیانس بازتابیده از سطح زمین و اتمسفر را بازسازی کنند. در این مطالعه شبیه سازی بازتابندگی و رادیانس تصاویر سنجش از دوری ابرطیفی بالای اتمسفر با ترکیب مدل فیزیک- پایه SLC و مدل اتمسفری MODTRAN4 و با استفاده از مدل بهبود یافته چهار جریانه ارائه شده است. تصاویر ماهواره ای ابرطیفی CHRIS-Proba و چندطیفی LANDSAT-5 جهت ارزیابی مدل با استفاده از داده های زمینی منطقه باراکس اسپانیا سال 2009 شبیه سازی شده اند. مقایسه تصاویر شبیه سازی شده با تصاویر واقعی بیانگر عملکرد مناسب مدل پیشنهادی با متوسط خطای RMSE بهتر از 02/0 برای بازتابندگی پوشش گیاهی است.

ایران در یکی از بحرانی ترین مناطق دنیا به نام خاورمیانه قرار گرفته است. این منطقه به دلیل موقعیت مناسب و ذخایر فراوان انرژی، همواره مورد توجه کشورهای خارجی و در رأس آن ها آمریکا بوده است. همین امر سبب دخالت های فراوان آمریکا و تاسیس پایگاه های متعدد نظامی در اطراف ایران به خصوص بعد از حادثه 11 سپتامبر شده است. رصد اطلاعاتی مستمر این پایگاه ها و تاسیسات مربوط به آن ها یکی از مهم ترین راه های بازدارندگی است که می تواند توسط دانش سنجش از دور صورت گیرد. یکی از تکنیک های سنجش از دور، رادار روزنه مصنوعی است که در سال های اخیر مورد توجه قرار گرفته و این درحالی است که ماهواره سنتینل-1 که در سال 2014 توسط سازمان فضایی اروپا پرتاب شد نیز از همین تکنیک استفاده می کند. یکی از کاربردهای این ماهواره که در این مقاله معرفی شده است، شناسایی سامانه های پاتریوت MIM-104 است. این امر از طریق نمایش ترکیبی قطبیدگی های VV و VH توسط دو تصویر اخذ شده در گذرهای شب و روز ماهواره از یک نقطه صورت می پذیرد که به صورت خطوط X مانند که محل قرارگیری سامانه های پاتریوت است، نمایش داده می شود. پردازش تصاویر مربوط به این ماهواره نیز توسط سامانه Google Earth Engine صورت گرفته که موجب صرفه جویی قابل توجه در زمان تحلیل و بالا رفتن دقت نتایج به علت به حداقل رسیدن خطای انسانی می شود. نتایج نشان داد که در مناطق اطراف ایران و به خصوص در کشورهای عربی حاشیه خلیج فارس، حداقل 16 سامانه فعال پاتریوت وجود دارد که بیانگر توسعه فراوان آن در سال های اخیر بوده و لزوم رصد مداوم این سامانه ها را نشان می دهد.

یکی از مهمترین کاربردهای سیستم های اطلاعات مکانی، در مبحث مدیریت حمل و نقل است. در این زمینه قابلیت های تجزیه و تحلیل شبکه در سیستم های اطلاعات مکانی از جمله محاسبه کوتاهترین مسیر، می تواند مفید واقع گردد. گراف و تئوری های آن نقش مهمی در انجام آنالیزهای شبکه GIS دارند. برای حل برخی از مشکلات گراف یا ساده سازی آنالیزها در گراف، می توان تغییراتی در ساختار آن ایجاد کرد. شبیه سازی به وسیله گراف نشان می دهد که توانایی جابه جایی سیستم تا حد زیادی به توپولوژی شبکه حمل و نقل بستگی دارد. به طور کلی یک شبکه برنامه ریزی شده می تواند وسایل نقلیه بیشتری را در خود جا دهد و توانایی جابه جایی کلی آن بسیار بیشتر از یک شبکه در حال رشد خود سازمان دهی شده است. تاکنون نظریه های متعدد و بسیار کاربردی از جمله الگوریتمهای محاسبه کوتاه ترین مسیر برای حل مسائل گوناگون در گرافها ارایه و استفاده شده اند. اما برای بعضی از مسائل مهم و کاربردی راه حل و تئوری مناسبی بر مبنای گراف ارایه نشده است. به همین علت، همانند بسیاری از نظریه های دیگر که در آنها راه حلهایی بر مبنای فضاهای دوگان ارایه شده، در گرافها نیز چنین فضاهایی تعریف و استفاده شده اند. به این صورت که ابتدا مساله موجود در گراف اولیه را به یک فضای دوگان مناسب برده و پس از حل، نتایج به فضای اولیه برگردانده می شود. در این مقاله نشان داده خواهد شد که از مفاهیم دوگان گراف و با تغییر در ساختار و شکل گراف اولیه می توان مسایل با پیچیدگی بسیار زمانی را در گراف اولیه به مسایلی ساده تر و قابل حل تر تبدیل کرد. همچنین، به بحث و بررسی چند کاربرد متنوع در زمینه یافتن کوتاهترین مسیر در مسائل حوزه حمل پرداخته خواهد شد.

تصاویر هوایی ثبت شده توسط ماهواره ها و یا پهپاد ها، معمولا شامل نواحی مربوط به منابع طبیعی و نواحی حاوی سازه های ساخت بشر است. با تفکیک این نواحی از یکدیگر، قادر خواهیم بود اطلاعات مهمی نظیر آرایش ساختاری سطوح و شکل آنها را استخراج و نقشه های هواییِ برچسب دار ایجاد کنیم. دست یابی به چنین اطلاعاتی می تواند کاربرد های بسیار مفیدی در زمینه های نظامی، شهری و زیست محیطی داشته باشد. از آنجایی که پردازش حجم عظیمی از تصاویر به دست آمده از ماهواره ها و پهپاد ها بصورت دستی امکان پذیر نیست، لذا استفاده از روش های خودکارِ مبتنی بر هوش مصنوعی در این حوزه، بسیار مورد توجه قرار گرفته است. تاکنون پژوهش های متعددی در این باره انجام شده است که از اهم آنها می توان به شناسایی ساختمان ها، وسایل نقلیه، جاده ها و همچنین تشخیص ساختار پوشش گیاهی در تصاویر هوایی اشاره کرد. در این مقاله، قصد داریم با معرفی مجموعه ای از ویژگی های آماری مبتنی بر رنگ که به سادگی قابل استخراج از تصاویر هوایی هستند و با استفاده از یک مدل مبتنی بر یادگیری، راهکاری کارآمد برای تشخیص دقیق و سریع سازه های ساخت بشر و تفکیک آنها از منابع طبیعی ارایه دهیم. نتایج آزمایش های انجام گرفته بر روی بانک تصاویر ماساچوست که به صورت عمومی، قابل دسترس است، نشان دهنده دقت مناسب و سرعت عمل بالای راهکار پیشنهادی است. به طوری که، دقت و میانگین سرعت پردازش به دست آمده به ترتیب برابر با ٪۰۷/۹۰ و 96/0 ثانیه 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.

شکوه و عظمت یک جامعه بستگی به حل مشکلات و رفع معضلات محتمل و قدرت مقاومت آن در مقابل حوادث اعم از طبیعی و انسان ساخت دارد، از آنجایی که زیرساخت ها حائز نقش تعیین کننده ای در فرآیند امن یک جامعه می باشند و حفظ امنیت زیرساخت ها در برابر حملات و تهدیدها، جزء اولویت های امنیتی هر کشور است به همین دلیل جوامع مختلف پیوسته به دنبال کشف و ابداع راه حل هایی بوده و هستند تا بتوانند آسیب ها را با برنامه ریزی و مدیریت مناسب کنترل یا به حداقل برسانند. در دهه های اخیر نیز نحوه مقابله با این تهدیدها، شکل علمی تری به خود گرفته و به طور مشخص میزان احتمال وقوع، خسارت وارده و چگونگی مقابله با آن ها تعیین شده است. در این راستا مقاله حاضر با استفاده از روش توصیفی- تحلیلی، پس از جمع آوری داده ها و اطلاعات موردنیاز، ابتدا میزان اهمیت و وزن هریک از زیرساخت ها با استفاده از مدل فرآیند تحلیل شبکه ای (ANP) محاسبه و سپس با آماده سازی لایه های اطلاعاتی در محیط نرم افزار Arc GIS با استفاده از توابع هم پوشانی، درجه ریسک پذیری زیرساخت های شهر سمنان در برابر حملات و تهدیدهای نظامی و امنیتی به تفکیک در چهار حوزه شبکه انرژی، شبکه ارتباطات، مراکز پشتیبان و سایر مراکز را مشخص نموده است. نتایج حاصله نشان می دهد که زیرساخت های حساس با 50.69 درصد، زیرساخت های مهم با 34.08 درصد و زیر ساخت های قابل حفاظت با 15.23 درصد در موقعیت مکانی با درجه ریسک پذیری بسیار بالا قرار دارند. نتایج کلی پژوهش نشان می دهد که 37.83 درصد کل زیرساخت های شهر سمنان در پهنه آسیب پذیری با درجه ریسک بسیار بالا پراکنده شده اند و این مسئله به دوراز اصول و ملاحظات پدافند غیرعامل بوده و تشدیدکننده میزان آسیب پذیری زیرساخت های در مواقع بحرانی ناشی از حملات و تهدیدهای نظامی و امنیتی است.

در این مقاله، به منظور رفع برخی محدودیت های شناسایی ساختمان در تصاویر چندطیفی، از داده SAR به منزله داده مکمل استفاده می شود. در روش پیشنهادی، برای استفاده هم زمان از اطلاعات مفید در تصاویر رادار و چندطیفی، استراتژی مبتنی بر تلفیق تصاویر، با هدف شناسایی ساختمان، مطرح می شود. همچنین، ازآن جاکه انتخاب ویژگی نقش بسزایی در شناسایی و طبقه بندی عوارض دارد، اغلب روش های مرسوم و رایج در این زمینه، مانند الگوریتم ژنتیک، نیازمند داده های آموزشی اند؛ اما دردسترس نبودن همیشگی این نوع داده های آموزشی یکی از دغدغه های مهم محققان به شمار می آید. پس در این تحقیق، دو روش انتخاب ویژگی فیلترمبنا بررسی می شود تا مشخص شود آیا روش های یادشده می توانند، در مواقع لازم (نبودِ داده آموزشی)، جایگزین الگوریتم ژنتیک شوند؟ بنابراین، در پژوهش حاضر، ابتدا بردار ویژگی بهینه از تصویر چندطیفی و SAR، با سه روش MNF وPCA  و ژنتیک، تعیین و هریک جداگانه وارد هر دو طبقه بندی کننده شبکه عصبی و SVM می شود. سپس به منظور رفع مشکلاتی، همچون تشابه طیفی پشت بام ها با پوشش آسفالت خیابان ها، در تصاویر چندطیفی و بهبود نتایج، دو تصویر چندطیفی و SAR در سطح ویژگی تلفیق می شود. در نهایت و در مرحله بعدی، بهترین تصاویر طبقه بندی شده با شبکه عصبی و SVM، در تمامی بررسی های صورت گرفته تا به این مرحله، وارد تلفیق در سطح تصمیم گیری می شوند. نحوه تلفیق در سطح تصمیم گیری بدین صورت است که اطلاعات همسایگی هر پیکسل در قالب پنجره مکانی متحرک در ابعاد متفاوت، با هدف تصمیم گیری درمورد ماهیت هر پیکسل، استفاده می شود. بنابراین، نتایج حاصل شده در این تحقیق، با صحت کلی و دقت شناسایی ساختمان، به ترتیب 92.82% و 80.14% بیانگر عملکرد مناسب این روش است.

استفادة اصلی از مراتع ایران به صورت چرای دام و دام غالب در مراتع، گوسفند است. چرای گوسفند در شیب های بالای 60 درصد به علت صرف انرژی زیاد برای عمل چرا، ضمن آنکه عملکرد دام را کاهش می دهد، خطر ایجاد فرسایش را نیز بالا می برد. چرای گوسفند در نقاطی که بیش از پنج کیلومتر از منابع آب فاصله دارند، به علت طولانی شدن مسیر راهپیمایی باعث کاهش عملکرد می شود. پراکنش منابع آبی در مرتع، از عوامل مؤثر در تعیین شایستگی مرتع به شمار می رود که بر پراکنش دام نیز تأثیر می گذارد. ازاین رو لازم است در هر منطقه شایستگی منابع آب مرتع برای دام مشخص شود. در پژوهش حاضر، تجزیه و تحلیل داده ها در ساختار رستری و به وسیلة نرم افزار ILWIS انجام شد. منطقة مورد مطالعه در تحقیق با وسعت 37977 هکتار در طالقان (استان البرز) واقع شده است. مدل منابع آب از سه زیرمدل فاصله از منابع آب، کمیت منابع آب و کیفیت منابع آب تشکیل شده است. نتایج نشان دادند که براساس مدل شایستگی منابع آب، 19989 هکتار از مراتع منطقه در طبقة شایستگی خوب (S1) ، 1229 هکتار در طبقة شایستگی متوسط (S2) و 4338 هکتار در طبقة شایستگی غیرقابل استفاده (N) قرار گرفتند و هیچ قسمتی از مرتع در طبقة شایستگی کم (S3) واقع نشد. شیب، مهم ترین عامل محدودکنندة شایستگی مرتع برای چرای گوسفند در منطقة مطالعه شده شناخته شد. پیشنهاد می شود در ارائة راه حل های مدیریتی برای احیا و اصلاح مراتع، به عوامل محدودکننده و کاهش دهندة شایستگی منابع آب مرتع توجه شود و عملیات اصلاحی برای رفع عوامل کاهش دهندة شایستگی مرتع صورت گیرد. کلید واژه ها : مرتع، منابع آب، گوسفند، سامانه های اطلاعات جغرافیایی

دسترسی به اطلاعات راه ها اهمیت زیادی در کاربردهای مختلف نظیر حمل ونقل، کنترل ترافیک، سیستم های هدایت خودکار وسایل نقلیه و مانند اینها دارد. در سال های اخیر طراحی الگوریتم های استخراج راه، هدف مطالعات بسیاری از پژوهشگران بوده است. باوجود پیشرفت هایی که در این زمینه حاصل شده است، همچنان نواقصی در عملکرد این الگوریتم ها وجود دارد که یکی از مهم ترین آنها وجود بریدگی در شبکة راه های استخراج شده است. این بریدگی ها ممکن است به دلایل مختلفی نظیر قرار گرفتن راه ها در زیر درختان یا واقع شدن در سایه باشند. ازآنجاکه پیوسته بودن راه ها یکی از ویژگی های مهم توپولوژیکی آنهاست، رفع این نقیصه ضروری به نظر می رسد. هدف پژوهش حاضر ارائة روشی خودکار برای یافتن و اتصال بریدگی های موجود در راه های استخراج شده به وسیلة الگوریتم های استخراج راه است. در این الگوریتم ابتدا با استفاده از روشی مبتنی بر تبدیل رادون سر و ته بریدگی ها شناسایی می شوند، سپس این نقاط با به کارگیری روشی بر پایة تکنیک درون یابی اسپلاین به یکدیگر متصل می شوند. این الگوریتم روی خروجی یک روش استخراج راه که در آن چهار بریدگی در راه های مستقیم و دو بریدگی در تقاطع ها وجود دارد، پیاده سازی شد. نتایج نشان دادند که الگوریتم قادر به اتصال تمام بریدگی های واقع در راه های مستقیم بود، ولی دو مورد بریدگی در تقاطع ها را نتوانست الگوریتم متصل کند. بنابر این می توان گفت که صرف نظر از محل بریدگی که در راه های مستقیم یا در تقاطع ها واقع شده اند، الگوریتم حدود 7/66 درصد از بریدگی های موجود در تصویر را شناسایی و متصل کرده است. این الگوریتم در محیط نرم افزار MATLAB برنامه نویسی شد.

در مواجه با خطر سیل و یا خسارات ناشی از خشکسالی، برآورد میزان بارش و الگوی تغییرات مکانی آن در یک منطقه گسترده، یکی از چالش های مهم در علوم هواشناسی، کشاورزی و هیدرولوژی است. اندازه گیری محلی بارندگی در مناطق دور افتاده به دلیل هزینه زیاد و محدودیت های عملیاتی دشوار است. بدین علت در تحقیق حاضر به منظور تعیین الگوی مکانی-زمانی بارش و امکان تلفیق داده ها، سه نوع مختلف از تولیدات بارندگی شامل داده های ماهواره ای (TRMM۳B۴۲)، داده های حاصل از مدل پیش بینی عددی جوّی (MM۵) و اندازه گیری های زمینی (نقشه های حاصل از روش زمین آمار (KED))، مورد مطالعه قرار گرفتند. این مطالعه در بازه زمانی سال های ۲۰۰۰ تا ۲۰۱۰ میلادی و برای منطقه شمال شرق ایران به صورت ماهانه، فصلی و سالانه انجام شد. داده ها با استفاده از شاخص اعتبارسنجی RMSE و الگوریتم تشابه با یکدیگر مقایسه شدند. نتایج نشان دادند که یکی از ضعف های روش زمین آمار نبودن اطلاعات کافی در ارتفاعات بالای (۱۵۰۰) متر منطقه است. همچنین دقت تصاویر ماهواره ای در فصل های گرم بیشتر بود؛ بطوریکه در ماه آگوست مقدار ۷/۱ RMSE = به دست آمد. در فصل زمستان (ماه ژانویه) بیشترین مقدار ۰۲/۱۴ RMSE = حاصل شد که این امر عملکرد ضعیف تولیدات ماهواره ای TRMM در مناطق پوشیده از یخ را نشان می دهد. در اعتبارسنجی مدل MM۵ بیشترین و کمترین مقدار RMSE به ترتیب ۶۴/۶ و ۰۵/۱ به دست آمد. علاوه بر این مدل MM۵ تا حدود زیادی در شبیه سازی مقادیر بارندگی سالانه بیش برآورد داشت. نتایج تحلیل های مکانی- زمانی الگوریتم تشابه نیز نشان دادند که عملکرد مدل MM۵ در مقیاس ماهانه و فصلی و تعیین مناطق بارندگی بهتر از تصاویر ماهواره ای TRMM بود. همچنین هر سه محصول الگوی مکانی بارندگی در مقیاس فصلی و سالانه را به خوبی نشان دادند.

مخاطرات طبیعی منجر به کاهش موجودی سرمایه انسانی، اجتماعی، فیزیکی می شوند و همچنین اثرات کوتاه مدت و بلندمدتی بر متغیرهای کلان اقتصادی و اجتماعی نظیر تولید،سرمایه گذاری، مخارج دولتی، تراز تجاری و فقر دارند که بر روی رشد اقتصادی و اجتماعی اثرگذار می باشد یکی از مسائلی که همواره مورد توجه سازمان های مسئول در مدیرت بحران قرار دارد انتخاب مکانی جهت استقرار اضطراری یا موقت جمعیت های آسیب دیده از سوانح می باشد. در ایران معمولاً مکان گزینی برای اسکان اضطراری شهروندان به صورت تجربی پس از بروز سانحه بدون در نظر گرفتن استانداردهای لازم توسط سازمان های امداد رسان انجام می گیرد. بدیهی است عدم رعایت مکان گزینی صحیح ممکن است فاجعه ی دیگری حتی به مراتب وخیم تر از سانحه اولیه بدنبال داشته باشد. بنابراین لزوم برنامه ریزی، مدیریت و ارائه راهکارهایی مناسب در استقرار اضطراری یا موقت جمعیتهای آسیب دیده قبل از وقوع زلزله الزامی می نماید از این رو این تحقیق با روش توصیقی تحلیلی بر پایه پیمایش به مکانیابی استقرار بهینه جمعیت های آسیب دیده از مخاطرات طبیعی(سیل و زلزله) در شهر سرخه استان سمنان پرداخت. به این منظور مکانهای بهینه اسکان موقت آسیب دیدگان از مخاطرات طبیعی احتمالی را برای منطقه مورد مطالعه، مورد بررسی قرار داده و با تلفیق برنامه ریزی صحیح و علمی در راستای مدیریت بحران با شناخت مکانهای مناسب جهت اسکان موقت آسیب دیدگان و آوارگان ناشی از حوادث احتمالی گام بر داشته شد نتایج تحقیقات و مطالعات انجام شده نشان می دهد که رویکرد به فناوری های نوین می تواند برای شناسایی فضاهای تخلیه جمعیت های آسیب دیده ناشی از زلزله و سیل مناسب باشند و ورزشگاه تختی واقع در جنوب غربی شهر سرخه بهترین مکان مناسب جهت برپایی اردوگاه اسکان موقت افراد بی سرپناه می باشد

تبخیر تعرق گیاه مرجع متغیری است که مهم ترین جزء چرخه هیدرولوژی محسوب می شود. با توجه به ارتباط مستقیم تبخیر تعرق مرجع با متغیرهای اقلیمی، انتظار می رود افزایش دمای هوا و تغییرات فراسنج های مرتبط با دما در روند و مقدار ETo تأثیر بگذارد. در این مطالعه، ضمن بررسی مهارت داده های شبکه ای CRU در برآورد میانگین سالیانه سه متغیر دمای کمینه، بیشینه و تبخیر تعرق در استان خراسان رضوی، پیش نگری تغییر در مقدار، نوسانات مکانی و روند زمانی این سه متغیر، با استفاده از برون داد چهار مدل سری CMIP5، تحت دو سناریوی واداشت تابشی (4.5 و 8.5) طی دو دوره آینده نزدیک (2050-2021) و آینده میانی (2080-2051) بررسی شد. نتایج نشان داد داده های CRU دارای مهارت مناسبی در شبیه سازی دما در منطقه اند. میانگین سالیانه دمای کمینه، در دوره 2050-2021، تحت هر دو سناریو، بیش از C ᵒ6/1 افزایش خواهد یافت که تحت RCP8.5، مساحت بیشتری از استان دچار این افزایش خواهد شد. این منطقه، طی دوره 2080-2021، با افزایش بیش از Cᵒ3 در میانگین سالیانه دمای کمینه مواجه خواهد شد. افزایش دمای بیشینه در سناریوی RCP8.5 طی دوره میانی، در تمامی استان، حدود Cᵒ4 برآورد شد. مقایسه مقادیر ETo مشاهداتی با برون داد چهار مدل اقلیمی در تمامی نقاط شبکه برای دوره پایه نشان داد، به رغم تفاوت در مقدار، نحوه پراکنش مکانی مقادیر ETo مدل با توزیع مکانی مقادیر مشاهداتی هم خوانی مناسبی دارد. براساس نتایج به دست آمده، طی دو دوره مورد بررسی، این متغیر افزایش خواهد یافت و همان طور که انتظار می رود، تحت سناریوی RCP8.5، درصد افزایش بیش از سناریوی مقابل است. [1] Reference Evapotranspiration (ETo)