درخت حوزه‌های تخصصی

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.

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

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

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

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

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

انتخاب محل مناسب برای احداث یک مرکز خرید جدید، یک مسئله تصمیم گیری چندمعیاره می باشد که در عین حال افراد و سلایق مختلف در آن دخیل اند. در این پژوهش از سیستم اطلاعات جغرافیایی (GIS) و مدل های تصمیم گیری چند معیاره برای انجام برخی مراحل تحلیل مکانی استفاده و سپس توسعه یک سیستم پشتیبان تصمیم گروهی جهت تجمیع و انتخاب گزینه نهایی پرداخته شده است. برای ایجاد گزینه های محدود تصمیم گیری یک روش دو مرحله ای در این پژوهش پیشنهاد گردید. در مرحله اول، ایجاد نقشه های معیار استاندارد شامل پنج مورد با تحلیل های مکانی و نرمال سازی در نرم افزار ArcGIS انجام گرفت. با توجه به مطالعات صورت گرفته وزن هر معیار مشخص شد و همپوشانی وزن دار لایه ها انجام شد. پس از اعمال گزینه های محدود کننده، شش محدوده به منظور انجام مکان گزینی تحت وب مشخص شد. در مرحله دوم یک سیستم پشتیبان تصمیم گیری مکانی گروهی توسعه یافت. با استفاده از محیط Visual Studio و زبان برنامه نویسی C# و فناوری .NET وب گاهی جهت مشارکت کارشناسان خبره در این زمینه طراحی شد. در معماری این سیستم فناوری AspMap، شامل مجموعه ای از کنترل ها و مؤلفه های نقشه و ابزارهای مکان محور در سمت سرور برنامه اضافه شد. وزن دهی کاربران به معیارها در قالب فرم های طراحی شده به روش فرآیند تحلیل سلسله مراتبی (AHP) انجام گرفته و به کمک stored procedure ها در یک پایگاه داده SQL Server میانگین ارزش هر یک از نقاط انتخابی به صورت آنلاین محاسبه می گردید. نهایتاً نقطه ای که بیشترین امتیاز را در میانگین نظرات کاربران مختلف را داشت به عنوان بهترین مکان جهت احداث مرکز خرید معرفی می شد. نتایج تحقیق نشان داد روش پیشنهادی انعطاف پذیری، سرعت و سهولت بالایی در اعمال نظرات گروهی دارد.

سنجنده های رادار با روزنه مجازی، با داشتن ویژگی های گسترده، پتانسیل بسیاری در انواع کاربردهای سنجش از دوری دارند؛ ازجمله در قطعه بندی به هنگام پوشش و کاربری اراضی. با وجود دو رویکرد مستقل قطعه بندی ناحیه مبنا و مرزمبنا، به دست آوردن نتایج رضایت بخش در صورت استفاده از هریک از رویکردها در تصاویر SAR دشوار بوده است؛ درحالی که می توان با استفاده از اطلاعات مکمل هر دو روش، محدودیت های موجود را برطرف کرد و نتایج حاصل را بهبود بخشید. در این پژوهش، روش نوینی در قطعه بندی با استفاده از تصاویر پلاریمتری SAR و با هدف بهبود نتایج قطعه بندی مطرح شده که از ادغام هر دو رویکرد بهره گرفته است. روش پیشنهادی Felzenszwalb به منزله الگوریتم پیشنهادی ناحیه مبنا، از مجموعه روش های سوپرپیکسل، با دو روش Quickshift و SLIC مقایسه شد. نتیجه مشخص کرد که روش پیشنهادی توانسته است از قطعه بندی بیش ازحد تصویر جلوگیری کند و کارآیی آنالیز قطعه بندی را افزایش درخور توجهی بخشد. روش پیشنهادی قطعه بندی مرزمبنای آنتروپی شانون نیز، در مقایسه با دو روش گرادیان مبنای کنی و لاپلاسین، مرزهای قطعات تصویری را تا اندازه چشمگیری حفظ کرده است. مقایسه نتایج حاصل از اجرای این روش با داده های مرجع، مقادیر 39/10% و 25/11% را درمورد خطای کل، به ترتیب برای تصویر زمان اول و دوم، نشان می دهد. خطای کل، در مقایسه با عملکرد دو روش دیگر، 81/5 و 73/9% در تصویر اول و 16/11 و 86/13% در تصویر دوم بهبود داده شده است. در نهایت، ادغام دو رویکرد پیشنهادی قطعه بندی سبب شده است بهبود دقت در قطعه بندی تصویر پلاریمتری دستاورد مهم این پژوهش محسوب شود.

توسعه با مفهوم عام آن، پیشرفت صنعتی، تکنولوژیکی و فضایی، به ویژه در کشورهای درحال توسعه، به تأثیرات نامطلوب در محیط زیست هم در مقیاس ناحیه ای و هم در سطوح گوناگون منطقه ای، ملی و گاه جهانی منجر شده و به همان میزان، امنیت اکولوژی مناطق را تحت تأثیر قرار داده است. طی دهه های اخیر، توجه بیشتری به امنیت زیست محیطی در جهان شده و روش های گوناگونی برای ارزیابی آن توسعه یافته است اما تا به امروز، بیشتر تحقیقات درمورد امنیت اکولوژیکی براساس مدل فشار وضعیت پاسخ انجام شده است و کمتر مطالعاتی، برمبنای رویکرد مدل اکولوژی سیمای سرزمین، به این مقوله پرداخته اند. همچنین تحقیقات اندکی با تمرکز بر تغییرات پویای امنیت اکولوژیکی، به ویژه شبیه سازی و پیش بینی روند توسعه آینده امنیت محیط زیست انجام شده است. هدف از این تحقیق پایش و پیش بینی وضعیت امنیت محیط زیست در دوره زمانی سال های 1991 تا 2035، با تلفیق الگوریتم ماشین بردار پشتیبانی، مدل اکولوژی سیمای سرزمین، مدل ترکیبی زنجیره مارکوف و سلول های خودکار (CA-Markov) برای حوزه شهرستان نظرآباد از توابع استان البرز است. بدین منظور با طبقه بندی تصاویر ماهواره ای لندست در دو بازه زمانی پانزده ساله طی سال های 1991 تا 2021، روند تغییرات کاربری اراضی منطقه در پنج کلاس کاربری، اراضی ساخته شده، اراضی کشت شده، زمین های مرطوب، پوشش گیاهی و اراضی بایر بررسی شد و برای تهیه نقشه های کاربری سال 2035، از مدل CA-Markov استفاده شد. به منظور کمّی کردن الگوهای سیمای سرزمین در سطح کلاس، متریک های MPS، CA، NP، PLAND، AWMSI، PD و در سطح سیمای سرزمین، متریک های LPI،CONTAG  و SHDI محاسبه شدند. پس از آن، شاخص امنیت اکولوژیک برای متریک های سیمای سرزمین منطقه مورد مطالعه، مدل سازی شد. نتایج حاکی از کاهش یکپارچگی و افزایش تعداد لکه ها در کلاس اراضی کشت شده و توسعه و گسترش اراضی انسان ساخت در این اراضی بود و از دیگرسو، شاهد بروز پدیده یکپارچگی در اراضی بایر منطقه بودیم؛ ازاین رو امنیت اکولوژیکی منطقه در دوره مورد بررسی، متأثر از وقایع یادشده، طی سال های 1991 تا 2006 با شدت بیشتر و در سال های 2006 تا پیش بینی 2035، با شیب ملایم تری رو به کاهش ارزیابی شد. در پایان، رعایت بیش از پیش ملاحظات محیط زیستی و اصول حفاظت و حمایت در برنامه های توسعه ای منطقه پیشنهاد شد. برای این منظور با استفاده از طبقه بندی تصاویر ماهواره ای لندست در دو بازه زمانی پانزده ساله بین سال های 1991 و 2006 و 2021، روند تغییرات کاربری اراضی منطقه مورد مطالعه در پنج کلاس کاربری؛ اراضی ساخته شده ، اراضی کشت شده ، زمین های مرطوب ، پوشش گیاهی و اراضی بایر مورد بررسی قرار گرفت و جهت کمی کردن الگوهای سیمای سرزمین در سطح کلاس متریک های MPS،CA،NP،PLAND،AWMSIT،PD و در سطح سیمای سرزمین متریک های LPI،CONTAG و SHDI محاسبه شدند. برای تهیه نقشه های کاربری سال 2035 از مدل CA-Markov استفاده گردید و سپس شاخص امنیت اکولوژیک برای متریک های سیمای سرزمین منطقه مورد مطالعه مدل سازی شد. نتایج حاکی از کاهش یکپارچگی و افزایش تعداد لکه ها در کلاس اراضی کشت شده و توسعه و گسترش اراضی انسان ساخت در این اراضی بوده و از طرف دیگر شاهد بروز پدیده یکپارچگی در اراضی بایر منطقه بوده ایم. از این رو امنیت اکولوژیکی منطقه، طی دوره مورد بررسی، متاثر از وقایع فوق، طی سال های 1991 تا 2006 با شدت بیشتر و در سال های 2006 تا پیش بینی 2035 با شیب ملایم تری رو به کاهش ارزیابی شد. از این رو رعایت بیش از پیش ملاحظات محیط زیستی و اصول حفاظت و حمایت در برنامه های توسعه ای منطقه، ضروری به نظر می رسد.

فقدان اطلاعات بهنگام، مستند و علمی از وضعیت موجود (سطح و پراکنش) صنوبرکاری های استان زنجان یکی مشکلات اصلی مدیران بخش زراعت چوب به منظور برنامه ریزی و مدیریت تأمین چوب در استان است. در این پژوهش، از داده های چندزمانه ماهواره سنتینل 2 برای تهیه نقشه عرصه های صنوبرکاری استان استفاده شد. این داده ها براساس فنولوژی و دوره رویش صنوبر (نیمه دوم مارس تا پایان نوامبر) سال 2018 م.، در شش مقطع زمانی به فاصله سی تا چهل روز، انتخاب شد. تعداد 144 پلی گون نمونه تعلیمی (102 هکتار)، حاصل از برداشت میدانی محدوده صنوبرکاری، با داده های ذکرشده و طبقه بندی نظارت شده در الگوریتم ماشین بردار تصمیم گیری و نقشه پراکنش عرصه های صنوبرکاری استان استخراج شد. نقشه حاصل با ششصد نمونه (حدود 5/1%) به صورت تصادفی انتخاب و در عرصه میدانی، کنترل و ارزیابی صحت شد. نتایج نشان داد مساحت کل عرصه های صنوبرکاری استان 2744 هکتار است که 12/0% از کل مساحت استان زنجان را دربر می گیرد. در این تحقیق، موقعیت دقیق مکانی و مساحت صنوبرکاری ها با صحت کلی 96% برآورد شد. نتایج این تحقیق نشان داد که با ترکیب تصاویر ماهواره ای سنتینل 2 و داده های زمینی مناسب، می توان سطح صنوبرکاری ها و یا سطح و درصد تراکم هر نوع از جنگل را، چه طبیعی و چه دست کاشت، در سطح محلی و منطقه ای و جهانی، با دقت مورد قبولی برآورد کرد.

پایش خشکسالی، به منظور هشدار سریع برای خطر خشکسالی، بسیار حیاتی و مهم است. در این پژوهش، سعی شده است که شاخص پایش خشکسالی VDI براساس باندهای متفاوت داده های ماهواره ای مادیس، با تفکیک مکانی متوسط، توسعه یابد. شاخص VDI به تنش آب در گیاهان می پردازد. مطالعات طیفی نشان داده است که بازتابندگی باند فروسرخ موج کوتاه (SWIR) با محتوای آب برگ ارتباط منفی دارد و به دلیل حساس بودن SWIR به محتوای آب برگ، در ایجاد شاخص های گوناگون سنجش از دور، ازجمله VDI و به منظور شناسایی محتوای آب گیاهان، کاربرد گسترده ای دارد. این پژوهش نقشه های خشکسالی شاخص VDI را براساس میزان حساسیت به رطوبت، با استفاده از بازتابش باند های 5 و 6 فروسرخ موج کوتاه SWIR (VDI5 و VDI6) مادیس، ارزیابی کرده است. بدین منظور از تصاویر ماهواره ای مادیس و داده های بارش ماهیانه مدل جهانی GLDAS، در محدوده استان سیستان و بلوچستان در دوره زمانی نوزده ساله ای (2018-2000) استفاده شد. برای ارزیابی دقت نقشه های محاسبه شده براساس دو باند، ضریب همبستگی پیرسون به کار رفت. نتایج همبستگی بالایی را میان شاخص VDI6 و داده های بارش نشان داد و مشخص شد که باند 6 موج کوتاه فروسرخ، در استان سیستان و بلوچستان، به شرایط خشک خاک بیشترین واکنش را نشان می دهد؛ ازاین رو این مطالعه استفاده از شاخص VDI براساس باند 6 را برای شناسایی زودهنگام و نظارت بر خشکسالی کشاورزی در برنامه های عملیاتی مدیریت خشکسالی، پیشنهاد می کند.

در بسیاری از کشورها به ویژه ایران، برنج به یکی از اقلام اساسی به لحاظ امنیت غذایی تبدیل شده است. در این تحقیق، به منظور تهیه نقشه سطوح شالیزاری، با توجه به ویژگی های فنولوژیکی گیاه برنج و به کمک داده های سالیانه دمای سطح زمین سنجنده مادیس، ابتدا برنامه زمانی برای انتخاب تصاویر سری زمانی ماهواره لندست 8 تنظیم شد. پس از دریافت داده های ماهواره ای، به روش شیء مبنا و با بهره گیری از توابع فازی، به طبقه بندی تصاویر و در نهایت، استخراج اراضی شالیزاری در حوزه شهرستان رشت پرداخته شد. به منظور بهبود و ارتقای نتایج، در این تحقیق طی فرایند طبقه بندی تصاویر ماهواره ای، از داده های متنوعی مانند مدل رقومی زمین، داده های دمای سطح زمین و شاخص های طیفی همچون NDVI، EVI، NDBI و LSWI در کنار اطلاعاتی درباره ویژگی های خاص عوارض و اشیای داخل تصویر، استفاده شد. با توجه به خصوصیات ویژه اراضی شالیزاری، از مدل رقومی ارتفاعی 12.5متری برای تشخیص بهتر اراضی شالیزاری از دیگر پوشش های گیاهی، بهره گرفته شد. همچنین بین نتایج حاصل از طبقه بندی به روش شیء مبنا و پیکسل مبنا، مقایسه ای صورت گرفت؛ در نهایت، مشخص شد که روش طبقه بندی شیء مبنا می تواند، با ملاحظات خاصی، نتایجی بهتر از روش پیکسل مبنا دربر داشته باشد. نتیجه طبقه بندی با روش پیکسل مبنا، پس از اعتبارسنجی، دقت کلی 92% را نشان داد و ضریب کاپا در این روش 89/0 برآورد شد. طبق روش طبقه بندی شی ء مبنا، نتایجی با دقت کلی 94% به دست آمد و ضریب کاپا نیز 92/0 حاصل شد.

گردآوردی اطلاعات میدانی دقیق، به منظور مدیریت پایدار مناطق جنگلی، مستلزم صرف زمان و هزینه بالایی است؛ بنابراین استفاده از روش های نمونه برداری و تصاویر ماهواره ای جایگزین مناسبی برای این کار خواهد بود. هدف پژوهش حاضر تأثیر طرح های گوناگون نمونه برداری خوشه ای در برآورد مشخصه های کمّی جنگل های سامان عرفی اولادقباد شهرستان کوهدشت، استان لرستان، با استفاده از تصاویر سنجنده سنتینل 2 است. به منظور برآورد مشخصه های مورد بررسی، 150 خوشه در قالب شش طرح (مثلث، مربع، ستاره ای 1، خطی، اِل شکل و ستاره ای 2) در منطقه ای به مساحت تقریبی 4500 هکتار ایجاد شد. هر خوشه شامل چهار ریزقطعه نمونه، با مساحت هفتصد مترمربع (شعاع ریزقطعه نمونه دایره ای برابر با پانزده متر و فاصله بین ریزقطعه نمونه ها از هم، شصت متر) بود. سپس در هر ریزقطعه نمونه ، مشخصه های تعداد و مساحت تاج درختان اندازه گیری شد. پس از پیش پردازش و پردازش تصاویر (تجزیه مؤلفه اصلی، آنالیز بافت و ایجاد شاخص های گیاهی)، ارزش های رقومی متناظر با قطعات نمونه زمینی از باندهای طیفی استخراج و به منزله متغیرهای مستقل، در نظر گرفته شد. مدل سازی با استفاده از روش های ناپارامتریک جنگل تصادفی، ماشین بردار پشتیبان و نزدیک ترین همسایه انجام شد. نتایج نشان داد میانگین تراکم در هکتار 51 اصله و سطح تاج پوشش 3294 مترمربع در هکتار است. نتایج اعتبارسنجی نشان داد که درمورد هر دو مشخصه تراکم و سطح تاج پوشش، الگوریتم جنگل تصادفی به همراه طرح های نمونه برداری خطی و ستاره ای 2، به ترتیب با درصد مجذور میانگین مربعات خطا 00/46 و 44/10 و اریبی (02/0- و 82/2%)، عملکرد بهتری در مدل سازی داشته است. به طورکلی نتایج اعتبارسنجی مشخص کرد استفاده از طرح های متفاوت نمونه برداری خوشه ای، روش های مدل سازی ناپارامتریک جنگل تصادفی و تصاویر سنجنده سنتینل 2 کارآیی بهتری در برآورد مشخصه تاج پوشش دارد اما، در مقابل، عملکرد مناسبی در برآورد تعداد در هکتار را نداشته است.

با توجه به تأثیر خشکسالی در کیفیت و کمّیت آب، هدف از این مطالعه بررسی خشکسالی با استفاده از شاخص های خشکسالی و ارتباط آن با میزان کیفیت آب در مناطق شمالی استان فارس ایران است. برای این منظور، شاخص های خشکسالی PCI، TVDI، NDVI در سال های 2000 تا 2020 استفاده شد. در ادامه، نقشه های پهنه بندی عناصر آب (Ca، Cl، EC، K، Na، Mg) با استفاده از روش کریجینگ تولید شد. سپس با به کارگیری روش شبکه های عصبی (MLP)، میزان عناصر آب با استفاده از شاخص های خشکسالی پیش بینی شد. نتایج نشان داد که با توجه به مقادیر شاخص های خشکسالی، روند تغییرات خشکسالی در منطقه از سال 2000 تا 2020 افزایشی بوده و بخش های جنوبی منطقه در وضعیت حادتری به نسبت دیگر بخش ها قرار دارد. نتایج حاصل از نقشه های پهنه بندی عناصر آب هم نشان داد که در بخش های جنوبی، غلظت املاح بیشتر از بخش های شمالی است. طبق نتایج حاصل از همبستگی بین شاخص های خشکسالی و مقادیر عناصر آب، Ca همبستگی بالایی (820/0 R=) با شاخص TVDI دارد و عناصر Cl، EC، K، Na، Mg نیز دارای همبستگی معنی داری (80/0 R>) با شاخص PCI است. نتایج حاصل از روش MLP، برای پیش بینی وضعیت کیفیت آب با استفاده از شاخص های خشکسالی، نشان داد که در مناطق جنوبی میزان املاح بیشتر و در نتیجه، کیفیت آب کمتر است. میزان دقت مدل در پیش بینی عناصر Cl، EC، K، Na، Mg، TH،TDS  با استفاده از شاخص PCI برابر با 85/0 R 2 = و درمورد عنصر Ca، با استفاده از شاخص TVDI برابر با 71/0 R 2 = است.

فرود اتوماتیک یکی از موضوعات و چالش های مهم در حوزه کنترل و اتوماسیون پهپادهای بدون سرنشین است. توسعه الگوریتم های فرود اتوماتیک نیازمند تعیین موقعیت پهپاد نسبت به محل فرود است که این کار، در حوزه های پردازش تصویر، به تشخیص دقیق و سریع محل فرود نیاز دارد. ازجمله روش های معمول، در این زمینه، طبقه بندی کننده آبشاری و تناظریابی و قطعه بندی تصویر است که به نظر می رسد، با تغییرات آب و هوایی و مقیاس متفاوت، این الگوریتم ها با چالش مواجه شوند. از طرف دیگر، در سال های اخیر شبکه های کانولوشنی عمیق به منزله مدل هایی قوی به منظور شناسایی و تشخیص اشیا در تصاویر به کار رفته اند؛ بااین حال با توجه به بار محاسباتی زیاد، این مدل ها هنوز در حوزه پرنده های بدون سرنشینی که از لحاظ سخت افزاری سبک اند و قدرت پردازش ضعیفی دارند، کاربرد جدی نیافته اند. هدف این مقاله مقایسه دو روش شبکه های عمیق کانولوشنی و طبقه بندی کننده آبشاری برای تشخیص آنی محل فرود است. نتایج عملی کردن روش ارائه شده روی یک پرنده Parrot AR Drone2.0 نشان می دهد که شبکه های کانولوشنی در مقابل دوران، مقیاس، انتقال و حتی پنهان شدگی پایداری بسیار زیادی دارند. دقت تشخیص در این روش 1/99 است که، در قیاس با روش طبقه بندی کننده آبشاری، 3% بیشتر است و درعین حال از لحاظ سرعت نیز، مناسب کاربردهای آنی است.

مطالعات متعددی که طی چندین دهه اخیر درمورد پدیده آتش سوزی انجام شده، مجموعه گسترده ای از داده های ورودی و روش های اجرا و ارزیابی را فراهم کرده است. بااین حال این مجموعه گسترده نتایج و تحقیقات، به صورت ساختاریافته، به منظور ارائه نقشه راه به کاربران جدید این حوزه و راهنمایی در زمینه کاربردها و شرایط گوناگونی فراهم آمده است که تا کنون تحلیل نشده اند. به عبارتی دیگر، خلأ تحقیقی منسجم درمورد عملکرد نسبی فرایندهای گوناگون سنجش از دور در این حوزه، به منظور تولید اطلاعات متفاوت و مرتبط با کاربری ها، احساس می شود. برای رفع این خلأ، در این تحقیق، تحلیلی نسبتاً جامع از مطالعات انجام شده درباره آتش سوزی در نشریات سنجش از دور صورت پذیرفته است. چند عامل کلی مورد ارزیابی در مطالعات پیش، حین و پس از آتش سوزی، تغییر در داده های ورودی، بررسی الگوریتم ها و توسعه آنها بودند زیرا تحلیلگران می توانند این عوامل را کنترل کنند تا دقت نهایی تحلیل ها و نتایج حاصل را بهبود بخشند. یکی از مسائل مهم در موضوع آتش سوزی، پس از شناسایی و کشف آتش، با توجه به تغییرات دائمی ایجادشده در ساختار و ترکیب پوشش گیاهی، بررسی نحوه بازیابی پوشش گیاهی و میزان رشد آن طی سالیان پس از آتش سوزی است. براساس بررسی انجام شده درباره مطالعات آتش سوزی در کشور، حدود 48% از این پژوهش ها به شناسایی و گسترش آتش سوزی و حدود 52% دیگر به احیا و بازیابی پرداخته اند. در بررسی تحقیقات درباره مطالعات شناسایی، مشخص شد که تقریباً 5% از آنها با استفاده از روش های یادگیری و 43% دیگر با روش های سنتی انجام شدند. درعین حال از سهم مرتبط با مطالعات احیا نیز، تقریباً 21% به بررسی پوشش گیاهی و 31% به بررسی خاک زیر سطح آتش پرداختند. یافته های این تحقیق می تواند به محققان، برای تصمیم گیری در انتخاب داده ها و الگوریتم های مورد استفاده، با توجه به هدف مطالعه، در شاخه های گوناگون مطالعات مرتبط با آتش سوزی کمک مؤثری برساند. بااین حال تحلیلگران می توانند، علاوه بر این دستورالعمل های کلی، ترجیحات شخصی یا مزایای الگوریتم ویژه ای را که ممکن است به برنامه ای خاص مربوط باشد، در نظر بگیرند.

تحقیق حاضر با هدف ارزیابی دقت داده های ماهواره ای سنجنده مادیس در پایش ریزگردها (ذرات PM 10 )، به منظور مقایسه با داده های ایستگاه زمینی سنجش آلودگی در شهر سنندج انجام گرفته است. بدین ترتیب، میزان عملکرد داده های ماهواره ای در اندازه گیری ریزگردها، در ایستگاه زمینی سنندج، مشخص می شود. ابتدا داده های ماهواره ای عمق نوری (ذرات PM 10 ) سنجنده مادیس، متناظر با داده های PM 10 زمینی تهیه شده از ایستگاه زمینی پایش آلودگی واقع در شهر سنندج، به دست آمد؛ آنگاه ضریب همبستگی دو سری داده محاسبه شد. برای پیش بینی دقیق داده های PM 10 ، دو مدل آریما و شبکه عصبی مصنوعی به کار رفت. داده های AOD سنجنده مادیس با استفاده از روش حداکثر برآورد احتمال و وزن به دست آمده از ریشه میانگین مربعات خطا، به منظور استفاده در این دو مدل، ترکیب شدند. در نهایت، روش مقایسه منفرد برای هریک از مدل ها و نیز مقایسه مدل ها، با هدف شناسایی مدل بهتر در تشخیص و پیش بینی داده های PM 10 حاصل از سنجنده مادیس، اعتبارسنجی شد. در مدل شبکه عصبی، ضریب همبستگی در مرحله آموزش 52%، در مرحله آزمون 53%، RMSE برابر با 62/1 و MAE برابر 62/2 به دست آمد. طبق محاسبات، مدل آریمای 1-0-3 تنها مدل مورد قبول با R برابر با 46/0و 06/0MAE= و 69/0RMSE= است. این بیان می کند مدل آریما مدل مناسبی برای پیش بینی داده هاست اما دقت مدل شبکه عصبی، در ارزیابی میزان همبستگی بین داده ها، بیشتر تشخیص داده شد. نتایج تحقیق نشان داد که بین داده های عمق نوری ریزگرد سنجنده مادیس با داده های زمینی رابطه مستقیمی وجود دارد و این الگوریتم قادر به شناسایی گردوغبار است و می تواند جایگزین مناسبی برای محصولات PM 10 تولیدشده از سوی ایستگاه زمینی باشد.

این پژوهش با هدف برآورد ویژگی های خاک، با استفاده از باندهای ماهواره لندست 8، در بخشی از زمین های زراعی دشت قروه دهگلان در غرب ایران انجام شد. در مجموع، از 107 نقطه محدوده مطالعاتی، از عمق 15-0 سانتی متری نمونه خاک تهیه و ویژگی های فیزیکوشیمیایی این نمونه ها در آزمایشگاه اندازه گیری شد. برای استخراج اطلاعات از تصویر ماهواره لندست 8 و پس از اعمال ماسک پوشش گیاهی، مقادیر DOS باندهای 7-1 برای نقاط نمونه برداری استخراج شد. به منظور تعیین رابطه بین ویژگی های خاک و ارزش رقومی باندهای لندست 8، تحلیل همبستگی، رگرسیون خطی گام به گام و رگرسیون مؤلفه اصلی به کار رفت. اعتبارسنجی تحلیل رگرسیون ها با استفاده از دو پارامتر ضریب تعیین و ریشه میانگین مربعات خطا ارزیابی شد. نتایج نشان داد که همبستگی مثبت و معنی داری بین مقادیر شن و اکسیدهای آزاد آهن خاک و همبستگی منفی و معنی داری بین رس و سیلت خاک، با ارزش رقومی بیشتر باندهای لندست 8، وجود دارد. بین غلظت فلزات سنگین و ارزش رقومی در باندهای مرئی و مادون قرمز نزدیک، همبستگی معنی داری مشاهده نشد و تحلیل های رگرسیون نیز، در برآورد ویژگی های خاک محدوده مطالعاتی، کارآیی مورد قبولی نداشت. با توجه به نتایج، به نظر می رسد که می توان از تصاویر ماهواره لندست 8 به منظور برآورد بافت خاک و مقادیر اکسیدهای آزاد آهن خاک، در محدوده مورد مطالعه، استفاده کرد.

نقشه های کاربری زمین، توزیع فضایی منابع طبیعی، مناظر فرهنگی و سکونتگاه های انسانی را توصیف می کنند که به منزله ابزار برنامه ریزی مهمی برای تصمیم گیرندگان عمل می کند؛ بنابراین دقت نقشه های حاصل از طبقه بندی تصاویر ماهواره ای در عدم قطعیت به منظور مدیریت شهری بسیار تأثیرگذار است. با توجه به کیفیت یکنواخت تصاویر در مناطق بزرگ در مراحل زمانی منظم، تصاویر سنجش از دور ورودی ضروری در تولید نقشه های کاربری زمین شمرده می شوند. هدف اصلی از این تحقیق پیشنهاد کردن روشی به منظور ایجاد نقشه پوشش اراضی دقیق در مناطق شهری، با استفاده از تلفیق داده های سنتینل 1 و سنتینل 2 است. به این منظور، ویژگی های ضریب بازپراکنش راداری VV و دو پارامتر حاصل از روش تجزیه H-α (آنتروپی، آلفا) از تصاویر راداری سنتینل 1 و ویژگی های باند آبی، سبز، قرمز، شاخص های NDVI، NDWI، MNDWI و SWI از تصاویر اپتیک سنتینل 2 استخراج و به منزله مؤلفه های تأثیرگذار در طبقه بندی منطقه شهری استفاده شد. در این مطالعه، با هدف جداسازی مناطق کشاورزی از سایر پوشش ها، از شاخص رطوبت SWI استفاده شد. همچنین داده های ارتفاعی برای تفکیک بهینه کلاس های پیچیده با توپوگرافی متفاوت به کار رفت. استخراج شاخص های تأثیرگذار از این دو مجموعه داده، در رویکردی شیءگرا مبتنی بر الگوریتم های ماشین بردار پشتیبان و جنگل تصادفی، برای طبقه بندی کاربری زمین ارزیابی شد. نتایج نشان داد که به کارگرفتن ویژگی های استخراج شده از تصاویر راداری و اپتیک به طور هم زمان، در روش طبقه بندی شیء گرا، می تواند ویژگی های شیء را به طور کامل در ناحیه مورد مطالعه استخراج کند. در مورد هر دو الگوریتم طبقه بندی، زمانی که از داده های اپتیک و راداری به طور هم زمان استفاده شد، دقت کلی طبقه بندی افزایش داشت. در مورد روش جنگل تصادفی که بیشترین دقت ها را دربر داشت، دقت کلی برای رویکرد ترکیب داده های راداری و اپتیک به میزان 13 و 5%، به ترتیب به نسبت رویکرد تنها ویژگی راداری و تنها رویکرد ویژگی اپتیک، افزایش پیدا کرده است. همچنین اختلاف معنی داری در دقت طبقه بندی، در تمامی سطوح، بین الگوریتم طبقه بندی ماشین بردار پشتیبان و جنگل تصادفی دیده می شود. نتایج نشان داد که دقت کلی درمورد روش طبقه بندی جنگل تصادفی و ماشین بردار پشتیبان به ترتیب برابر 3/83 و 8/79% و ضریب کاپا به ترتیب 72/0 و 68/0% بوده است.

در سال های اخیر، با تغییر کاربری و توسعه اراضی کشاورزی در حوضه های کشور، میزان فرسایش و تولید رسوب افزایش یافته است. با توجه به اینکه در بیشتر زیرحوضه ها، آمار ایستگاه های رسوب سنجی به صورت درازمدت ثبت نشده است، برآورد میزان رسوب و فرسایش با مشکلاتی مواجه است. هدف از این پژوهش تعیین عوامل مؤثر در فرسایش و رسوب و تعیین مقادیر کمّی فرسایش در حوضه آبخیز خورخوره در استان کردستان است. به این منظور، ابتدا با استفاده از نقشه های توپوگرافی، زمین شناسی و عکس های هوایی در محیط GIS، نقشه نوع و گونه های فرسایش تهیه شد و این نقشه ها، با بررسی های صحرایی، تدقیق و ارزیابی شدند. براساس مدل MPSIAC، عوامل نُه گانه مؤثر در فرسایش درمورد تمامی زیرحوضه ها، به تفکیک بررسی شد و امتیازات هر عامل به دست آمد. با جمع امتیازات عوامل، درجه رسوب دهی برای هر زیرحوضه تعیین و سپس مقدار رسوب و فرسایش ویژه و فرسایش کل در هر زیرحوضه محاسبه شد. نتایج نشان داد عوامل توپوگرافی و وضعیت فعلی فرسایش بیشترین نقش و عامل آب وهوا کمترین نقش را در میزان رسوب دهی حوضه دارند. طبق نتایج، 92% کل حوضه دارای درجه رسوب دهی زیاد در کلاس فرسایش درجه چهار است. نسبت رسوب تحویلی حوضه (SDR) بین 32 تا 50% متغیر است. کمترین و بیشترین مقدار فرسایش ویژه در زیرحوضه های متفاوت، به ترتیب معادل 10 و 35 تن بر هکتار در سال، به دست آمد. مقدار رسوب ویژه و فرسایش ویژه کل حوضه نیز، به ترتیب 4/6 و 4/17 تن بر هکتار در سال، حاصل شد.