درخت حوزه‌های تخصصی

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.

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: 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: 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.

حمل و نقل ریلی به عنوان یک صنعت ایده آل در جهان توسعه یافته در نظر گرفته می شود. راه آهن در بسیاری از کشورها همچنان در تلاش است تا از نظر تجاری کارآمدتر و با دوام باشد. این روش حمل و نقل ایمن، کارآمد و سازگار با محیط زیست در نظر گرفته می شود. این صنعت با ارائه خدمات قابل اعتماد و مقرون به صرفه باعث رشد اقتصادی می شود و نقش مهمی در زندگی انسان ایفا می کند. این تحقیق از طریق رگرسیون خطی ظرفیت راه آهن را در یک مطالعه موردی برای مسیرهای منتخب تعیین و بلوک های بحرانی را مشخص می کند تا تأثیر پارامترهای مکانی در تعیین ظرفیت شبکه ریلی مورد بحث قرار گیرد. از طریق داده های موجود مربوط به سال 2017، پیش بینی ظرفیت سال 2018 در محیط GIS انجام شد و سپس از طریق پارامترهای آماری RMSE، R^2 و MAE صحت پیش بینی ظرفیت برای داده های موجود سال 2018 انجام شد. نتایج نشان داد که ظرفیت استفاده از مسیرهای انتخابی برای قطارهای باری 82 درصد، قطارهای مسافری در مسیر رفت 56 درصد، در مسیر برگشت 62 درصد و در مسیرهای ترکیبی 79 درصد بوده است. همچنین پیش بینی دقت قطارهای باری 35 درصد بهتر از قطارهای مسافری بود. در مسیر مسافری، قطارهای مسافری دقت بیشتری داشتند (تقریباً 45 درصد). به همین ترتیب در مسیر باری ظرفیت قطارهای باری از دقت بالاتری (نزدیک به 45 درصد) برخوردار بود.

سابقه و اهداف: کیفیت هوای پاک، به منزله یکی از ضروری ترین نیازهای موجودات زنده، براَثر فعالیت های طبیعی و انسانی به مخاطره افتاده است. در سال های اخیر، طوفان های گردوغبار ازلحاظ مکانی و زمانی همواره درحال افزیش بوده و سبب آسیب های بی شمار درحوزه سلامت اجتماعی، اقتصادی و زیست محیطی، برای ساکنان مناطق جنوب و جنوب غرب ایران، شده است. در پژوهش حاضر، به منظور بررسی طوفان های گردوغبار و تشخیص عمق دید افقی، داده های سنجنده مادیس به کار رفته است. مواد و روش ها: از مزایای داده های سنجنده مادیس می توان به توان تفکیک طیفی و زمانی بالا اشاره کرد. همچنین داده های ایستگاه های هواشناسی با توجه به بازه زمانی مورد مطالعه جمع آوری شده است. پس از پیش پردازش داده ها و آماده سازی مشاهدات میدانی، به منظور استخراج ویژگی های مورد نیاز برای انجام دادن مدل سازی ها، ازطریق روش تفاضلی بین باندهای منتخب هر تصویر داده های سنجنده مادیس، به همراه ویژگی های استخراج شده از سنسورهای ایستگاه های هواشناسی زمینی استفاده شده است. با بررسی های بیشتر و ارزیابی های صورت گرفته و استفاده از دیدگاه های خبرگان هواشناسی، 36 ویژگی تفاضلی از باندهای گوناگون تصاویر مادیس و شش ویژگی از داده های ایستگاه های هواشناسی زمینی، یعنی درمجموع 42 ویژگی، استخراج شده است. در ادامه، ازطریق تکنیک های انتخاب ویژگی، بهترین ویژگی ها شناسایی و با به کارگیری روشی جدید با نام ML-Based GMDH، که حاصل بهبود شبکه عصبی GMDH ازطریق تغییر توابع جزئی با مدل های یادگیری ماشین است، برای تشخیص غلظت گردوغبار و دید افقی استفاده شد. برای دستیابی به دقت مناسب نیز ابرپارامترهای این مدل به صورت ابتکاری، با استفاده از الگوریتم بهینه سازی TLBO، تنظیم شدند. در ادامه، روش های یادگیری ماشین Basic GMDH SVM، MLP، MLR، RF و مدل گروهی آنها نیز، برای مقایسه با رویکرد اصلی، اجرایی شد؛ طبق نتایج، روش ML-Based GMDH تنظیم شده با  TLBOبا ایجاد بهبود درقیاس با روش های یادگیری ماشین ذکرشده، دقت بهتری را در تشخیص غلظت گردوغبار فراهم کرده است. نتایج و بحث: روش SVM-PSO به منزله روش برتر در مرحله انتخاب ویژگی، روش RF به منزله روش برتر در میان روش های پایه دسته بندی و روش های Ensemble SVM و Ensemble RF به منزله روش های برتر در مرحله گروهی و دسته بندی انتخاب شدند. همچنین مشاهده شد، با استفاده از رویکرد گروهی، بهبود مطلوبی در تشخیص دسته دید افقی پدید آمد. در رویکرد دوم، روشی با عنوان ML-Based GMDH که حاصل بهبود شبکه عصبی GMDH ازطریق تغییر توابع جزئی با مدل های یادگیری ماشین است، استفاده شد که کاربرد آن در تقریب غلظت گردوغبار است. همچنین، برای دستیابی به دقت مناسب، ابرپارامترهای این مدل با الگوریتم بهینه سازی TLBO با دقت بسیار بالا تنظیم شدند. نتایج حاصل نشان دادند این روش، با ایجاد بهبود درمقایسه با بهترین روش های انتخابی از رویکرد اول، دقت مناسبی را در تقریب غلظت گردوغبار و عمق دید افقی فراهم کرده است.

مقدمه: شرایط خشکسالی ممکن است، از متوسط تا شدید و با مدت زمان متفاوت، متغیر باشد؛ این تغییرات به نظارت مداوم و عملیاتی نیاز دارد. هرچه خشکسالی بیشتر طول بکشد، در پوشش گیاهی و منابع آبی تأثیر بیشتری می گذارد و خشکسالی تشدید می شود؛ درنتیجه، ممکن است خدمات به انسان ها را محدود کند و سیستم های طبیعی را تغییر دهد. از جمله تأثیرات خشکسالی، تخریب زیستگاه حیات وحش، کاهش کیفیت آب و کاهش دسترسی به منابع آب است. پایش خشکسالی برای محققان، مدیران و تصمیم گیرندگان، به منظور شناسایی مناطق آسیب پذیر، ضروری است و نتایج آن با هدف کاهش پیامدهای خشکسالی به کار می رود.مواد و روش ها: در این مطالعه تلاش شده است، با استفاده از تصاویر مادون قرمز سنجنده Suomi NPP دریافتی از سایتearth data.nasa.gov و بهره گیری از شاخص هایNDVI ، VCI،  TCIو  VHIوضعیت خشکسالی پوشش گیاهی در ایران بررسی شود. دوره مورد مطالعه 2021-2013، اول آوریل تا انتهای جولای (هفته 13 تا 26 میلادی)، به صورت میانگین هفتگی است. میانگین ماهیانه شاخص استاندارد بارش (SPI) در ایران با استفاده از داده های بارش روزانه 143 ایستگاه سینوپتیک به دست آمد. سپس ضریب همبستگی (SPI) با هریک از شاخص های VHI، TCI، VCI و NDVI محاسبه شد. در تصاویر مادون قرمز، باندهای M دارای قدرت تفکیک 750 و باندهای I برابر با 375 متر است.نتایج و بحث: براساس داده های بارش ثبت شده در ایستگاه های هواشناسی سینوپتیک، می توان گفت که عمده بارش در فصل های پاییز، زمستان و بهار رخ داده و سهم تابستان در بارش سالانه اندک می باشد. بنابراین سال آبی، در بیشتر مناطق ایران، به طور تقریبی از دهه سوم سپتامبر شروع و تا دهه دوم و سوم ژوئن هر سال ادامه دارد. در منطقه مورد مطالعه، بهترین پایه زمانی برای پایش و برآورد آن از اول آوریل تا اواخر ژوئن  است. در فصل تابستان، ایران یک فصل خشک را می گذراند و ماه اوت خشک ترین ماه سال است. تغییرات زمانی و مکانی خشکسالی هریک از شاخص های پوشش گیاهی با یکدیگر تفاوت زیادی دارد.نتیجه: میزان هریک از شاخص ها در شرایطی که پوشش گیاهی در وضعیت خشکسالی قرار دارد کاهش یافته و در طبقه خشکسالی خفیف و سپس شدید قرار می گیرد. بدین ترتیب، طی سال هایی که خشکسالی رخ داده است، مقدار شاخص ها از ماه آوریل روند نزولی دارد و در ژوئن و جولای، شاخص ها به سمت خشکسالی شدید میل پیدا می کند. براساس محاسبات، مشخص شد که مقدار شاخص استاندارد بارش در پهنه مورد مطالعه، طی ماه های گرم سال منفی است. این نکته بیانگر پایین بودن میزان بارش دریافتی درقیاس با دیگر ماه های سال است. 

سابقه و هدف: تعیین نحوه اثرگذاری محتوای بیوشیمیایی برگ در بازتاب و رفتار طیفی آن، ازطریق سنجش از دور، می تواند به درک فرایند اکوسیستم و پارامترهای آن، همچون تنش آبی گیاه، کمک شایان توجهی کند. ویژگی های نوری تاج پوشش بسیار تحت تأثیر ویژگی های نوری برگ ها و خاک زمینه است. همچنین به دلیل دردسترس نبودن اطلاعات دقیق درباره ویژگی های نوری برگ ها، تفسیر اطلاعات طیفی را که ازطریق سنجش از دور گرد می آیند، با محدودیت هایی روبه رو کرده است. ساختار داخلی برگ میزان انعکاس و عبور را در کل طیف الکترومغناطیس، کنترل می کند اما، برای کسب اطلاعات دقیق و توصیف جامع درباره ویژگی های نوری برگ، مدل های فیزیکی توسعه یافته اند. مدل های برگشت پذیر همانند PROSPECT علاوه بر محاسبه پاسخ طیفی برگ، امکان محاسبه مقدار کمّی ویژگی های درونی برگ، مانند میزان کلروفیل، محتوای آب و ساختار برگ را فراهم می کنند. با استفاده از ویژگی برگشت پذیری، می توان براساس طیف جمع آوری شده ازطریق سنجنده ها، کمّیت آب برگ ها و زیست توده آنها را مشخص کرد. بنابراین استفاده از این مدل ها و تلفیق آن با داده های دورسنجی که برای گیاه غیرتخریبی است، امکان پایش در بُعد زمان و مکان را فراهم می آورد و می تواند راه گشای مطالعات و مدل سازی های مرتبط با ویژگی های درونی برگ گیاهان باشد.مواد و روش ها: در این پژوهش، اثر کمّی متغیرهای بیوفیزیکی – بیوشیمیایی برگ شامل محتوای کلروفیل برگ، ساختار برگ و محتوای آب آن در میزان بازتاب تحلیل شده است. برای این منظور، مدل انتقال تابش PROSPECT که برای شبیه سازی رفتار طیفی برگ گیاهان توسعه داده شده، به کار رفته است. در نتیجه، تأثیر کمّیت پارامترهای برگ شامل کلروفیل، محتوای آب و ساختار برگ در شکل منحنی طیفی برگ بررسی شده است. روش کار بدین ترتیب است که به منظور مطالعه تأثیرات ناشی از هریک از پارامترها، دو پارامتر دیگر ثابت در نظر گرفته می شوند و با تغییر مقدار پارامتر مورد نظر، منحنی های طیفی متناظر با مقادیر انتخاب شده، با به کارگیری مدل PROSPECT استخراج می شود. با مقایسه منحنی های حاصل و تحلیل آنها، تأثیر پارامتر مورد نظر در بازتاب طیفی برگ مطالعه و بررسی می شود.نتایج و بحث: نتایج تحقیق حاکی از آن است که افزایش کلروفیل، با اثر در کاهش انعکاس، به افزایش میزان شاخص های گیاهی مثلثی منجر می شود. براساس ساختار برگ و لایه های داخلی، در محدوده فروسرخ نزدیک، امکان تشخیص گیاهان تک لپه ای، دولپه ای و نیز گیاهان پیر وجود دارد. همچنین در محدوده فروسرخ نزدیک، میزان انعکاس در گیاهان پیر، گیاهان دولپه ای و تک لپه ای به ترتیب کاهش می یابد. در محدوده فروسرخ نزدیک، در گیاهان دولپه ای که دارای پارانشیم اسفنجی اند، بیشتر از گیاهان تک لپه ای انتظار بازتاب می رود. گیاهان تک لپه ای، به دلیل بازتاب کمترشان در محدوده 1400 تا 1900 نانومتر، از سایر گیاهان تفکیک پذیرند. اثرگذاری محتوای آب در بازتاب طیفی برگ از طول موج 1000 نانومتر آغاز می شود و تا پایان محدوده انعکاسی، 2500 نانومتر، ادامه دارد و با افزایش محتوای آب، کاهش بازتاب رخ می دهد. خشک شدن گیاه، تا مراحلی، تأثیر چندانی در بازتاب ندارد ولی خشکیدن آب برگ، بیشتر از مقداری معین (03/0 تا 04/0 گرم بر سانتی متر مربع) باعث افزایش چشمگیر بازتاب، به ویژه خارج از باندهای جذبی آب می شود. بنابراین با پیداکردن نقاط بحرانی منحنی بازتاب در مقابل محتوای آب می توان به تشخیص تنش های شدید آبی در گیاهان کمک کرد. با بررسی نمودارها می توان پی برد که نقطه بحرانی در حوالی محتوای آب 03/0 تا 04/0 گرم بر سانتی متر مربع اتفاق می افتد.نتیجه گیری: با یافتن نقاط بحرانی منحنی بازتاب در مقابل محتوای آب، می توان تنش های شدید آبی در گیاهان را تشخیص داد. در مدل PROSPECT، اثر خاک زمینه در بازتاب طیفی گیاهان در نظر گرفته نمی شود؛ بنابراین استفاده از مدل هایی مانند SAIL و SLC پیشنهاد می شود که برای این منظور ارتقا یافته اند. همچنین با توجه به اینکه خروجی مدل PROSPECT منحنی طیفی برگ گیاه است، می توان استفاده از مد ل های انتقال تابش تاج پوشش گیاه، مانند مدل SAIL و SLC را نیز بررسی کرد.

طرح های توسعه شهری در سطوح مختلف تهیه می شوند؛ از جمله این طرح ها، طرح جامع (جهت راهبری توسعه شهر) و طرحهای موضوعی (جهت حل مسائل و مشکلات موردی) می باشند. یکپارچگی و هم افزایی طرح های توسعه شهری به عنوان یکی از الزامات تحقق مدیریت یکپارچه شهری قلمداد می شود. یکی از معضلات پیش روی مدیریت شهری عدم وجود یکپارچگی بین سطوح مختلف طرح های توسعه شهری می باشد. شهر قزوین نیز مانند سایر شهرهای کشور با این چالش در زمینه یکپارچگی مدیریت شهری مواجه است. یکی از طرح های موضوعی، که با هدف بازآفرینی بافت فرسوده برای شهر قزوین تهیه شده، طرح راهبردی بافت فرسوده می باشد. سوال اصلی این پژوهش، کشف یکپارچگی یا عدم یکپارچگی، طرح راهبردی بافت های فرسوده شهر قزوین با طرح جامع شهر قزوین است. که با هدف شناخت تفرق یا یکپارچگی بین دو طرح جامع و طرح راهبردی بافت فرسوده شهر قزوین به دنبال کشف و بررسی روابط بین این دو طرح می باشد. به همین منظوراین دو طرح به لحاظ شاخص های مدیریت یکپارچه شهری(مدیریتی، عملکردی، محتوایی) مورد ارزیابی قرار گرفته است. پس از بررسی و تطبیق این دو طرح، به روش تحلیل محتوا مشخص گردید که، 1-تفرق عملکردی ( به دلیل تعدد نهادها و سازمان ها در امر برنامه ریزی) 2-تفرق سیاسی (به دلیل وجود قلمروهای مدیریتی و حکومتی متعدد بدون چارچوب) 3- تفرق قلمرویی (به دلیل عدم انطباق محدوده محلات هدف بازآفرینی شهری) از جمله آسیب های یکپارچگی در آن دو طرح می باشد.

سابقه و هدف: کشاورزی سنگ بنای اقتصاد جهانی است و به مثابه منبع اصلی غذا و مواد خام برای صنایع مختلف عمل می کند. بااین حال، تقاضای فزاینده غذا به دلیل رشد جمعیت، تهدید قابل توجهی برای امنیت غذایی است، به ویژه زمانی که دسترسی محدود به منابع آب شیرین را در نظر بگیریم. شایان ذکر است که کشاورزی به تنهایی حدود 70 درصد از منابع آب شیرین جهان را مصرف می کند، که بر نیاز حیاتی برای مدیریت و افزایش بهره وری آبیاری برای تضمین تولید پایدار مواد غذایی تأکید دارد. در نتیجه مدیریت و افزایش بازده آبیاری امری ضروری است. در قلب تعیین نیاز آب آبیاری، مفهوم تبخیر و تعرق واقعی محصول (ETa) نهفته است، که نشان دهنده اتلاف آب، ترکیبی از تبخیر خاک و تعرق گیاه است. برآورد دقیق ETa در بهینه سازی روش های آبیاری، به حداکثر رساندن عملکرد محصول و به حداقل رساندن مصرف آب بسیار مهم است. برای این منظور، مدل ها و ابزارهای مختلفی برای تخمین ETa با هدف ارائه روش های کاربرپسندتر و کارآمدتر برای کشاورزان و پژوهشگران ایجاد شده اند. با توجه به مطالعات انجام شده و کاربرد وسیع مدل های برآورد ET، لازم است تمرکز بر روش های دقیق و سریع تعیین این پارامتر افزایش یابد. لذا هدف این مطالعه مقایسه روش های برآورد سنجش از دوری ETa کاربرپسندانه تر، از جمله سامانه EEFLUX، ابزار METRICTOOL و روش انتخاب خودکار پیکسل سرد و گرم مدل های SEBAL و METRIC است.مواد و روش ها: Earth Engine Evapotranspiration Flux یا به اختصار EEFLUX نسخه ای از مدل METRIC است که بر روی سیستم موتور Google Earth کار می کند. METRICTOOL، ابزاری جدید در ArcGIS براساس مدل METRIC است. این ابزار پیش پردازش و شناسایی خودکار کالیبراسیون بالقوه و معرفی داده های ورودی را تسهیل کرده، زمان محاسبات را تا ۵۰ درصد کاهش می دهد و جایگزینی کاربرپسندتر از دیگر پلتفرم های موجود پیاده سازی مدل METRIC است. روش انتخاب خودکار پیکسل سرد و گرم شامل ایجاد یک نقشه باینری از پیکسل های واجد شرایط که با استفاده از یک طبقه بندی کننده ساده مبتنی بر قانون شناسایی می شوند، و استفاده از الگوریتم جست وجوی جامع برای شناسایی پیکسل های گرم و سرد، مطابق با معیارهای تعریف شده است. برای برآورد ET با استفاده از روش های نام برده، از 6 تصویر ماهواره ای Landsat 8 در طول دوره کاشت محصول گندم زمستانه مزارع دانشگاه تهران واقع در محمدشهر کرج استفاده شد. ارزیابی روش های مذکور با استفاده از تبخیر و تعرق مرجع یونجه (ETr) با استفاده از روش FAO-Penman–Monteith به عنوان داده مرجع انجام شد.نتایج و بحث: RMSE سامانه EEFLUX، ابزار METRICTOOL، SEBAL و METRIC خودکار به ترتیب 2.45، 0.33، 0.39 و 2.76 به دست آمد. با توجه به نتایج محصول تبخیر و تعرق سامانه EEFLUX به رغم اختلاف عددی با دیگر روش ها همبستگی معناداری با آن ها داشت. مثلاً R2 بین ETa این سامانه و ابزار METRICTOOL 0.91 برآورد شد. نتیجه آن است که گرچه داده های این سامانه به دلیل استفاده از داده های هواشناسی جهانی CFSV2 در ایران برای مطالعات محلی از دقت کافی برخوردار نیستند، اما در مطالعات مناطق با وسعت بالا یا جهانی نتایج قابل قبولی به دست می دهند.  ابزار METRICTOOL و مدل METRIC خودکار بیشترین همبستگی (R2=0.99) و نزدیکی عددی را با یکدیگر داشتند و به ترتیب با RMSE 0.33 و 0.39 دقت بالاتری نسبت به مدل SEBAL خودکار دارند.نتیجه گیری: با توجه به نتایج عددی رویکرد انتخاب خودکار پیکسل سرد و گرم می تواند دقت مشابهی در مقایسه با ابزار METRICTOOL داشته باشد. بدین ترتیب رویکرد خودکار کارایی مدل را از نظر زمان و بازده افزایش و می تواند خطای انسانی در تخمین تبخیر و تعرق را برای کاربران جدید یا بی تجربه کاهش دهد و این مدل ها را در دسترس عموم کاربران قرار دهد. همچنین داده های EEFLUX می توانند در مطالعات با وسعت بالا برای اقدامات مدیریتی کارایی لازم را داشته باشند.

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.

سابقه و هدف: از مزایای دانش سنجش از دور و طیف سنجی مرئی – فروسرخ نزدیک، سرعت و سادگی و هزینه اندک آن، در مقایسه با روش قدیمی است. سنجش از دور دانش گردآوری داده ها، با حداقل تماس مستقیم فیزیکی با اشیای مورد اندازه گیری است. طیف سنجی مرئی – فروسرخ نزدیک دامنه ای از جذب را با سرعت آنالیز بالا، در مقایسه با روش سنتی، برآورد می کند. هدف از این تحقیق به کاربردن داده های ماهواره لندست 8 و طیف فروسرخ نزدیک، در کاربری های کشاورزی و جنگل در دشت گیان نهاوند، استان همدان، برای تخمین کربنات کلسیم خاک است.مواد و روش ها: 48 نمونه خاک از عمق 30- 0 سانتی متری برداشته و سپس هواخشک، و از الک دومیلی متری عبور داده شد. برخی ویژگی های فیزیکی و شیمیایی خاک ها اندازه گرفته شد. به منظور مطالعات سنجش از دور، تصویر لندست 8 متعلق به تاریخ نمونه برداری (سپتامبر 2019) به کار رفت. مقادیر محاسبه شده هریک از قطعات نمونه در محیط ERDAS imagine 9.1 ایجاد شد. ارزش هر باند، برای 48 نقطه، در محیط اکسل وارد و در نهایت، مراحل توصیف های آماری متغیرها انجام شد. در روش سنجش از دور، انعکاس طیفی نمونه ها روی ده باند اصلی استخراج و پردازش شد. سپس همبستگی بین ارزش باندهای اصلی، ترکیب باندها، و شاخص های کلسیت با مقدار کلسیت خاک انجام شد. با برازش انواع رگرسیون های چندمتغیره بدون حذف داده های پرت، بهترین مدل انتخاب شد. آنالیز طیفی خاک های مورد نظر با استفاده از دستگاه طیف سنج زمینی، با دامنه طول موج 2500-350 نانومتر، انجام شد. پس از ثبت طیف ها، انواع روش های پیش پردازش مورد ارزیابی قرار گرفت. همبستگی پیرسون و رگرسیون خطی در محیط SPSS 24.1 سنجیده شد.نتایج و بحث: نتایج آزمایشگاهی نشان داد که میانگین کربنات کلسیم خاک، در کاربری کشاورزی و جنگل، به ترتیب 30 و 22/22% است. طبق نتایج، باندهای 10 و 11 رابطه معنی داری با کلسیت خاک در کاربری جنگل داشته اند (05/0>p). دوازده ترکیب باندی در سطح 5% و شش ترکیب باندی در سطح 1% با میزان کلسیت خاک، ارتباط معنی داری نشان دادند. همچنین شاخص R1 ((باند 2/ باند 5)/(باند 4/ باند 5))، با کلسیت خاک، رابطه معنی داری داشت (05/0>p). رگرسیون بین کلسیت محاسبه شده در آزمایشگاه و معادله حاصل از تصویر ماهواره ای، در کاربری های کشاورزی، برابر (45/0=r2) به دست آمد. در روش طیف سنجی، بیشترین همبستگی در طول موج 612 نانومتر (**85/0=r2) مشاهده شد. براساس مدل سازی با رگرسیون حداقل مربعات جزئی (PLSR)، مقدار ضریب تبیین در گروه کالیبراسیون درمورد کلسیت 8/0 و مقادیر RMSE برابر با 8/4%، مقدار ضریب تبیین در گروه اعتبارسنجی برابر با 5/0 و مقدار RMSE برابر با 8/7% محاسبه شد. از بین مدل های برازش یافته با رگرسیون چندمتغیره، در تصاویر ماهواره ای، مدل SMLR برای برآورد کلسیت مناسب به نظر می رسد. مدل رگرسیونی حداقل مربعات جزئی، برای برآورد کلسیت به روش طیف سنجی نیز، تقریباً مناسب بوده است.نتیجه گیری: نتایج کلی نشان داد که مدل برآوردشده از روش آماری رگرسیون، در سنجش از دور، توانسته است میزان کلسیت خاک را در اراضی کشاورزی برآورد کند و میزان به دست آمده براساس روش سنجش از دور و آزمایشگاه اختلاف ناچیزی با یکدیگر دارند. بنابراین می توان گفت روش سنجش از دور، در برآورد کلسیت خاک، موفق بوده است. نتایج طیف سنجی نیز نشان داد که مدل PLSR، در برآورد مقدار کلسیت خاک، مدل مناسبی است؛ به شرط آنکه تعداد نمونه ها بیشتر باشد. در برآورد کلی، می توان نتیجه گرفت روش طیف سنجی مرئی – فروسرخ نزدیک دارای صحت بیشتری از روش سنجش از دور و تیتراسیون است؛ منتها به تعداد نمونه های بیشتری نیاز دارد. توصیه می شود، برای افزایش صحت کار، تعداد نمونه های طیف سنجی افزایش یابد و برای مقایسه بهتر بین دو کاربری نیز، تعداد نمونه های انتخابی برابر باشد.

سابقه و هدف:. مطابق با گزاره های علمی هنگامی که مقادیر زیادی از گازهای گلخانه ای مانند دی اکسید کربن در جو متمرکز می شود، درجه حرارت نه تنها در سطح زمین، بلکه در تروپوسفر هم افزایش پیدا خواهد کرد. آنچه شاید مهم ترین نکته در مورد نوسانات درجه حرارت سطح جهانی باشد، این است که با وجود فراز و فرودهای کوتاه مدت، شواهد نشان می دهد که سیاره ما به طور ثابت در حال انباشتن گرماست. شب هنگام، تابش های کوتاه پس از غروب خورشید حذف می شود و دمای هوا تابعی از تابش های بلند خروجی است. بنابراین دمای شبانه به عنوان متغیری است که به طور ویژه تحت تأثیر نوسانات گازهای گلخانه ای از جمله قرار دارد. بخشی از تابش موج بلند زمینی از طریق پنجره های جوی خارج می شود و بخش عمده ای از آن توسط گازهای گلخانه ای به صورت تابش بلند برگشتی به سطح زمین بازگشت داده می شود که به ویژه در شب ها و فصل زمستان نقش مهمی در تعادل دمایی کره زمین دارد. مطالعه و بررسی دمای شبانه در ارتباط با مقادیر دی اکسید کربن اتمسفر، می تواند روند تغییر اقلیم را آشکار سازد. در این پژوهش برای نخستین بار تصاویر سنجنده AIRS به منظور بررسی دمای شبانه و گاز دی اکسید کربن استفاده شد. اهمیت تغییر دما در زیست گیاهی و جانوری، و به طور کل تعادل طبیعت بروز و ظهور پیدا می کند و چنانچه این تعادل طبیعی از بین برود، تغییرات اساسی و گاهی جبران ناپذیر در حیات کره زمین و کشور ایران رخ خواهد داد که آثار نامطلوبی برای زندگی بر جای خواهد گذاشت. گاز گلخانه ای  می تواند طی فرایند گلخانه ای دمای شبانه را دچار نوسان کند. لذا انجام این پژوهش می تواند مدیران و برنامه ریزان را در افزایش آگاهی و پیشبرد سیاست های اقلیمی برای کاهش و جلوگیری از خطرات احتمالی ناشی از تغییرات در مقادیر انتشار دی اکسید کربن و به تبع آن تغییرات دمایی و ایجاد طرح های مؤثر یاری می کند. مواد و روش ها: داده های این پژوهش مربوط به دوره آماری 2016-2003 و ماه های ژانویه، مه، ژوئیه و نوامبر است. به منظور بررسی تغییرات و دمای شبانه و تحلیل و ارزیابی اثرگذاری دی اکسید کربن بر متغیر دمای شبانه در این پژوهش نمودارهای سری زمانی ماهانه و فصلی بررسی شدند. به منظور بررسی معنادار بودن و یا عدم معناداری روندها و نوع روند، آزمون من– کندال به کار گرفته شد. آزمون همبستگی پیرسون و رگرسیون غیرخطی inverse برای تحلیل های آماری داده های دمای شبانه و استفاده شد. به منظور تحلیل بصری از دمای شبانه و به علت طولانی بودن دوره مورد مطالعه، نقشه های دمای شبانه سال های مورد مطالعه تهیه و با روش درون یابی IDW پهنه بندی شد. نتایج و بحث: بررسی آماری توزیع میانگین دمای شبانه در ایران نشان داد میانگین دما در انتهای دوره مطالعاتی (سال 2016) از میانگین کل دوره مطالعاتی به مقدار 42/0درجه کلوین، بیشتر بوده است. بیشترین نوسانات دمای شبانه مربوط به فصل زمستان و کمترین نوسانات که تاحدودی روند یکنواختی در آن مشاهده شده متعلق به فصل تابستان بوده است. مطابق با نمودار سری زمانی، روند میانگین فصلی، میزان در هر چهار فصل در سال های 2003 تا 2016 کاملاً افزایشی بوده است. با توجه به نمودار سری زمانی ماهانه، از بین ماه های مورد مطالعه ماه ژوئیه، کمترین نوسانات و ماه های نوامبر و ژانویه بیشترین نوسانات دمایی را به خود اختصاص دادند. براساس نقشه های دمای شبانه فصلی، کمینه دمای شبانه در شمال غرب، رشته کوه های البرز، زاگرس و نواحی خراسان شمالی در هر چهار فصل قابل مشاهده بود. سواحل جنوبی و شهرهای ساحلی جنوب از استان خوزستان تا استان سیستان و بلوچستان و همچنین دشت کویر و کویر لوت، در تمام فصل ها، بیشینه دمای شبانه را به خود اختصاص داده است. با توجه به نقشه پهنه بندی شده میانگین دمای شبانه ماه های ژانویه، مه، ژوئیه و نوامبر برای سال های 2003، 2006، 2009، 2012، 2015 و 2016، توزیع مکانی دمای شبانه در ایران حاکی از افزایش دمای شبانه ماه ژانویه در اواخر دوره مطالعاتی در برخی نواحی مرکزی شامل بخش هایی از استان های سمنان، یزد و اصفهان و بخش هایی از خراسان جنوبی و قسمت هایی در جنوب شرق ایران بود. مطابق نتایج آزمون من– کندال، تنها روند موجود در دمای شبانه ماه ژوئیه صعودی و معنادار بوده و روند ، در همه ماه ها صعودی و معنادار بوده است. براساس نتایج آزمون پیرسون، دمای شبانه ژوئیه همبستگی بالایی (66/0) با  داشته است. نتایج مدل رگرسیون غیرخطی بین دو متغیر، حاکی از این بود که با ضریب تعیین 44/0 بیشینه بیشترین تأثیر را بر بیشینه دمای شبانه در ماه ژوئیه در دوره مطالعاتی داشته است. نتیجه گیری: مطابق با نتایج این پژوهش در بازه زمانی مورد مطالعه، رابطه بین روند افزایشی دمای شبانه و دی اکسید کربن در ماه تیر (ژوئیه) تأیید شد. به این ترتیب، احتمال افزایش دماهای شبانه به علت افزایش انتشار دی اکسید کربن در نواحی مناطق مختلف جهان، می تواند موضوع بررسی پژوهشگران قرار بگیرد. همچنین باید اشاره کرد که در بستر روندهای طولانی مدت، گاهی تغییرات دوره ای، رخ می دهد که دوام آن بیش از یک سال است. اگر مطالعه و پژوهش دیگری در ارتباط با موضوع پژوهش حاضر انجام پذیرد و سری زمانی طولانی تری (چندین دهه) مورد مطالعه قرار گیرد، ممکن است روند غالب بر ایران، شرایط دیگری را نشان دهد.

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.

یکی از بخش های نوین و کم سابقه، به ویژه در مطالعات داخلی، بررسی کمّی ناهمواری هاست. شناخت علمی و کمّی گرایانه موقعیت توپوگرافی همواره از مباحثی بوده که در تحقیقات داخلی، چندان به آن توجه نشده است. این مبحث تأثیر بسزایی در تحلیل های ژئومورفولوژیک، هیدرولوژی و محیط شناسی دارد. وجود انواع لندفرم ها و تنوع آنها معمولاً با تغییر شکل و موقعیت زمین کنترل می شود؛ بنابراین طبقه بندی و شناسایی مناطق گوناگون، با توجه به ویژگی های مورفومتری آنها، ضروری است و ازاین رو پژوهش حاضر سعی در طبقه بندی لندفرم ها در منطقه خارستان، واقع در شمال غرب استان فارس و عوامل مؤثر در آن دارد. در همین زمینه، در مرحله اول، از روش شاخص موقعیت توپوگرافی (TPI) به منظور طبقه بندی لندفرم ها و روش کورین برای تعیین کلاس های ریسک واقعی فرسایش استفاده شد. همچنین به منظور تعیین شاخص تفاضلی نرمال شده پوشش گیاهی (NDVI) از تصاویر ماهواره لندست 8، مربوط به خرداد 1396، بهره گرفته شد. در مرحله بعد، رابطه انواع گوناگون لندفرم با فاکتورهای زمینی ارتفاع، شیب، جهت شیب، شاخص خیسی توپوگرافی (TWI)، شاخص ناهمواری زمین (TRI) و NDVI مشخص شد. در مرحله آخر، وضعیت لندفرم های گوناگون در کلاس های متفاوت ریسک فرسایش، تعیین شد. نتایج نشان دهنده ده گونه لندفرم در منطقه مورد مطالعه بود. بیشترین نوع لندفرم ها در منطقه مورد مطالعه، آبراهه و قله های مرتفع، به ترتیب با مساحت 71/27 و 48/27% بود؛ درصورتی که دشت های کوچک کمترین مساحت (18/1%) منطقه مورد مطالعه را شامل می شد. کلاس های لندفرم با شاخص خیسی توپوگرافی در سطح 95% همبستگی معنی داری را نشان داد. از نظر توزیع مکانی، بیشترین سطح (71/91%) منطقه را NDVI کلاس 1/0 تا 3/0 دربر می گرفت. NDVI بزرگ تر از 4/0 در لندفرم های آبراهه و دره های Uشکل مشاهده شد. ریسک واقعی فرسایش در سه کلاس کم، متوسط و زیاد با مساحت های 14/31%، 11/31% و 78/37% طبقه بندی شد. در کلاس فرسایش کم، متوسط و زیاد، لندفرم های آبراهه و یال های مرتفع و قله به ترتیب با 44%، 57% و 59% بیشترین سطح را به خود اختصاص دادند.

طوفان های گردوغبار بلایایی طبیعی اند که در زندگی انسان و محیط زیست تأثیر چشمگیری گذاشته اند. توسعه مدل هایی، به منظور پیش بینی مسیر حرکت این طوفان ها، در پیشگیری و مدیریت طوفان های گردوغبار نقش بسزایی ایفا می کند زیرا مسیر انتقال آنها را آشکار و مناطق آسیب پذیر بعدی در برابر طوفان را مشخص می کنند. به لطف امکانات روش های یادگیری عمیق در حل مسائل مبتنی بر سری زمانی و یافتن الگوهای پنهان از حجم داده کلان، در این پژوهش، یک مدل ترکیبی شبکه عصبی پیچشی (CNN) به منظور پیش بینی مسیر حرکت طوفان گردوغبار، براساس داده عمق نوری هواویز (AOD) محصول MERRA-2 برای دوازده ساعت آینده، توسعه داده شده است. همچنین چهل رویداد طوفان، شامل 2489 ساعت طوفان در منطقه ای خشک در مرکز و جنوب آسیا، به منظور آموزش مدل به کار رفته است. نتایج نشان می دهد که مدل پیشنهادی پیش بینی دقیقی از مسیر حرکت طوفان به دست می دهد؛ به گونه ای که درمورد گام های زمانی 3، 6، 9 و 12 ساعت آینده، مقادیر دقت کلی به ترتیب برابر با 9806/0، 9810/0، 9813/0 و 9790/0، مقادیر امتیاز F1 به ترتیب برابر با 8490/0، 8524/0، 8530/0 و 8384/0 و مقادیر ضریب کاپا به ترتیب برابر با 8387/0، 8424/0، 8431/0 و 8273/0 است.