درخت حوزه‌های تخصصی

درسال ها یاخیر،اهمیت آب زیرزمینی به مثابه منبع مهم تأمین آب در مناطق خشک و نیمه خشک به دلیلبرداشتبی رویهازآن دوچندان شده است. برداشت بی رویه سبب افتسطحایستابیآب در بسیاری از مناطق کشور شده است و باجایگزین کردن روش ها ی آبیارینوینبه جایروشآبیاریسنتیمی تواناز روند افت سفره و درنتیجه بیابان زایی جلوگیری کرد. کیفیتآب آبیاریازمحدویت ها ی مهم توسعة آبیاریتحتفشار در مناطق خشکو نیمه خشک به شمار می آید. هدف پژوهش حاضر شناسایی مناطق مستعد آبیاری تحت فشار در دشت خالدآباد با استفاده از تکنیک های زمین آمار و GIS است. به منظور پهنه بندی کیفیت آب دشت از پارامترهای کیفی 11 چاه پیزومتری موجود در دشت استفاده شد. برای پهنه بندی نقشه های کیفی از بین روش های زمین آماری IDWو کریجینگ ، روش کریجینگ به دلیل داشتن RMSE و MAE کمتر، انتخاب شد. با روی هم انداختن لایه های کیفیت آب براساس منطق بولین، مناطق با کیفیتآب مناسب برایاجرایسیستمآبیاریتحتفشارمشخصشدند. نتایج نشان دادند که 9/21 درصد از منطقه برای آبیاری بارانی مناسب و 4/54 درصد از منطقه برای آبیاری قطره ای مناسب است. پیزومترهایاستفاده شده برای آبیاریقطره ایدرمحدودةوسیع تری قرارگرفتند.بنابرایندربخشوسیعیازمنطقة مورد مطالعه، سیستم آبیاریقطره ای درمقایسه با روش آبیاری بارانیقابلیتاجرایی و راندمان آبیاری بالاتری دارد. کلید واژه ها : GIS، کیفیت آب زیرزمینی، آبیاری تحت فشار، مکان یابی، بادرود.

با توجه به اینکه الگوریتم های متنوعی برای طبقه بندی تصاویر ماهواره ای در سنجش از دور توسعه یافته اند، انتخاب الگوریتم مناسب طبقه بندی در دستیابی به نتایج صحیح نقش بسیاری ایفا می کند. به همین منظور در پژوهش حاضر، با مقایسه کارآیی صحت طبقه بندی دو الگوریتم حداکثر احتمال و ماشین های بردار پشتیبان، الگوریتم دقیق تر تعیین، و از آن برای بررسی روند تغییرات کاربری اراضی استفاده شد. تحقیق حاضر در حوزه آبخیز سیمینه رود و با استفاده از تصاویر سنجنده های TM، ETM + و OLI انجام گرفت. نتایج تحقیق نشان داد که الگوریتم ماشین بردار پشتیبان، درمقایسه با الگوریتم حداکثر احتمال، تصاویر ماهواره ای را بهتر طبقه بندی کرده است و از میان کرنل های ماشین بردار، کرنل تابع پایه شعاعی (RBF) کارآیی بهتری داشته است. بنابراین، از الگوریتم ماشین بردار پشتیبان با کرنل تابع پایه شعاعی برای تهیه نقشه کاربری اراضی دوره های مورد بررسی و تغییرات کاربری استفاده شد. بررسی روند تغییرات کاربری اراضی، با استفاده از این کرنل، مشخص کرد که در طی دوره های بررسی شده، مساحت کاربری های زراعت آبی از 30.535 هکتار به 67.210 هکتار، زراعت دیم از 79.909 هکتار به 123.383 هکتار و مناطق مسکونی از 474 هکتار به 1934 هکتار افزایش یافته است درحالی که مراتع از 259.811 هکتار به 178.398هکتار، و منابع آب از 240 هکتار به 41 هکتار روند کاهشی دارند.

یکی از موضوعات مهم در محاسبة شاخص های گیاهی کمیتی است که شاخص براساس آن محاسبه می شود. نوع کمیت انتخابی می تواند مقدار پیکسل، بازتابش و بازتابندگی باشد. بررسی تفاوت مقادیر شاخص های گیاهی محاسبه شده از این کمیت ها چه بسا راهگشای ساده ترکردن محاسبات مربوط به شاخص ها و نیز وضوح بخشیدن به نتایج حاصل از انتخاب هریک از کمیت ها شود. در تحقیقات گذشته، معمولاً یک شاخص گیاهی خاص بررسی شده است و اثر پوشش زمین در محاسبة مقدار آن شاخص براساس سه کمیت مقدار پیکسل، بازتابش و بازتابندگی در نظر گرفته نشده است. در تحقیق حاضر، شاخص های گیاهی تولیدشده از سه دادة یادشده مقایسه می شوند. برای این منظور، 10 شاخص PD43، GVI، RVI، SAVI، EVI، NDVI، DVI، NDWI، GRVI و VARI از روی تصویر LANDSAT 8تولید شد. این شاخص ها برای کل تصویر و همچنین برای پوشش های گوناگون آب، خاک، گیاه و منطقة شهری به طور جداگانه محاسبه شده اند. پس از محاسبة شاخص های گیاهی مورد نظر براساس سه کمیت تابشی، ضریب همبستگی خطی میان این مقادیر برای هر شاخص گیاهی محاسبه شد. مقایسه ها براساس پارامتر همبستگی انجام شده است که نتایج حاصل همبستگیِ بالا بین شاخص های هر سه کمیت تابشی را نشان می دهد. بیشترین ضریب همبستگی به دست آمده برابر با 1 است که در همة کلاس های پوششی برای بسیاری از شاخص ها تکرار شده است. کمترین میزان همبستگی برای کلاس منطقة مسکونی برابر با 0.8339 مربوط به شاخص PD43، برای کلاس گیاه برابر با 0.9489 مربوط به شاخص NDWI، برای کلاس آب برابر با 0.8696 مربوط به شاخص DVI، برای کلاس خاک برابر با 0.916 مربوط به شاخص GVI و برای کل تصویر برابر با 0.9257 مربوط به شاخص DVI است. با توجه به نتایج، در جایی که مقدار دقیق این شاخص ها مهم نباشد این شاخص ها را می توان با کنارگذاردن چند استثنای معدود، بدون نیاز به محاسبة مقدار شاخص براساس کمیته ای رادیانس و بازتابندگی فقط با استفاده از مقادیر پیکسل محاسبه کرد

اطلاعات پوشش اراضی یکی از مهم ترین ابزارهای مدیریت شهری است و سنجش از دور به عنوان فناوری بهینه از نظر هزینه و زمان، در تولید این گونه اطلاعات اهمیت بسیار دارد. با توجه به وجود نواحی شهری پیچیده و متراکم در کشورهای جهان سوم، روش های شئ مبنا به عنوان راهکار مناسبی در پردازش تصاویر این گونه مناطق پیشنهاد شده اند. هدف پژوهش حاضر معرفی روش شئ مبنای جدیدی برای طبقه بندی مناطق شهری پیچیده با استفاده از تصاویر بزرگ مقیاس ماهواره ای و نزدیک شدن به فرایند تولید نقشة استاندارد و مؤثر با این روش است. در این مدل به منظور انتخاب پارامترهای قطعه بندی، از روشی جدید و همچنین از مدل طبقه بندی سلسله مراتبی به همراه استراتژی قانون مبنایی برای غلبه بر اغتشاشات بین کلاسی بهره گیری شد. در این حیطه ضمن بهینه سازی فضای ویژگی در آنالیزی چندمقیاسه، از دو روش طبقه بندی قانو ن مبنا و نزدیک ترین همسایة فازی استفاده شد. روش پیشنهادی در پژوهش حاضر روی تصویر سنجندة IKONOSاز شهر شیراز پیاده سازی شد، که دقت 84 درصد با استفاده از طبقه بندی روش قانون مبنا و نیز دقت 87 درصد از روش طبقه بندی نزدیک ترین همسایة فازی به دست آمد. افزون بر این، پیاده سازی روش پیشنهادی روی تصویر IKONOSشهر یزد، قابلیت تعمیم پذیری این روش را به سایر مناطق نشان داد. کلید واژه ها : طبقه بندی پوشش اراضی، قانون مبنا، شئ مبنا، نزدیک ترین همسایة فازی، نواحی پیچیده.

در ایران رشد شتابان شهر نشینی به گونه ای بوده است که متناسب با آن تجهیزات فضاهای شهری به صورت مناسب مکان گزینی نشده اند، امروزه جمعیت پذیری شهرها به همراه مسائل اجتماعی - اقتصادی آنها شکل تازه ای از شهر، شهرنشینی و شهرگرایی به وجود آورده است. از آنجایی که بهداشت و درمان از ضرورت های اولیه زندگی می باشد، لذا خدمات رسانی مناسب و پویا به شهرنشینان نیازمند، استقرار مراکز خدمات درمانی در مکان مناسب در سطح شهر می باشد که نقش مهمی در تامین آسایش شهروندان ایفا می کند. از این رو موضوع مکان یابی، خدمات رسانی، و خدمات دهی بهتر این مراکز در سطح شهر مهم است. بر همین اساس هدف اصلی پژوهش حاضر مکان گزینی مناسب بیمارستان شهری در منطقه19 شهر تهران می باشد، روش پژوهش توصیفی- تحلیلی و نوع آن کاربردی می باشد. برای رسیدن به این هدف از سامانه ی اطلاعات جغرافیایی و تلفیق روش سلسله مراتبی(AHP) و مدل(Fuzzy) در محیط GIS استفاده شد، ابتدا لایه های مورد نیاز شامل، همجواری با کاربری های سازگار، دسترسی به شبکه ی ارتباطی، نزدیکی به ایستگاه های آتش نشانی، تراکم جمعیّت، فاصله از مراکز بیمارستانی موجود، فاصله از مسیل ها، فاصله از جایگاه های سوخت رسانی، فاصله از مراکز آموزشی، شیب زمین، نزدیکی به مرکز شهر و نزدیکی به فضای سبز در سامانه ی اطلاعات جغرافیایی تهیه شد و سپس مقایسه های زوجی به وسیله نرم افزار Expert choice انجام گرفت و در نهایت با وزن دهی معیارها و با ترکیب لایه های اطلاعاتی، مناسب ترین مکان ها برای ایجاد بیمارستان شهری در این منطقه مکان یابی شد.

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.

تخمین بارش در محاسبات بیلان انرژی، مطالعات هیدرولوژیکی و هواشناسی از اهمیت چشمگیری برخوردار است. با توجه به اهمیت داده های بارش در علوم مختلف و عدم وجود شبکه باران سنجی گسترده و مناسب، لازم است داده های بارش به نحوی برآورد شوند. یکی از راههای برآورد بارش، استفاده از داده های ماهواره ای است. در این پژوهش، به ارزیابی داده های بارش مدل GLDAS، CRU، GPCP، TRMM، CMAP و NCEP-NCAR با داده های ایستگاهی در استان های البرز، قزوین، زنجان، کردستان و همدان پرداخته شد. نتایج نشان داد که در این مناطق، بارش GPCP، TRMM، CMAPو NCEP-NCAR نتایج خوبی داشتند و از میان آنها GPCP وTRMM نتیجه بهتری را ارائه کرده اند. در ارزیابی GPCP با میانگین ایستگاه های منطقه مورد مطالعه در پیکسل 3 در سال 2003، ضریب تبیین (R 2 )، ضریب کارایی مدل(EF)، خطای اریب میانگین (MBE)، میانگین مطلق خطا (MAE) و ریشه میانگین مربعات خطا (RMSE) به ترتیب برابر 96/0، 94/0، 13/3، 30/5 و 58/6 میلی متر بر ماه به دست آمد. همچنین داده های بارش مدل GLDAS با داده های ایستگاهی مورد ارزیابی قرار گرفت و نتایج نشان داد که در مناطقی که بارش زیاد است، مانند ایستگاه رشت و نوشهر مدل GLDAS از دقت خوبی برخوردار نیست

. در این تحقیق تلاش شده است، وضعیت دسترسی منطقه مورد مطالعه بر طبق استانداردهای موجود بررسی شده و پس از تعیین کمبود فضای سبز از این نظر و با در نظر گرفتن سایر عوامل شهری مؤثر در مکانیابی، با ارائه الگویی مناسب، به دنبال توزیع بهینه ی فضای سبز در منطقه ۲ با استفاده از GIS می باشد. برای نیل به این هدف ابتداداده های مکانی گرد آوری شده و س پس پایگ اه اطلاع اتی GISتشکیل شده و نقشه های تهیه شده برای هر یک از معیارها ،ب ه ی ک لای ه ی اطلاع اتی در مح یط GISتبدیل شد، سپس به منظور الگوسازی به هر کدام از لایه های اطلاعاتی بر اساس میزان اهمیت آنها در مکان یابی فضای سبز، وزن مناسبی اختصاص داده شد. برای این منظور از معیارهای واقع شدن در زمین های با کاربری مناسب مانند زمین های بایر، نزدیکی به مراکز آموزشی، مراکز فرهنگی و مراکز جمعیتی، دسترسی به شبکه ارتباطی و پمپ بنزین های شهری استفاده شد. سپس برای هر کدام از عوامل تأثیرگذار در مکانیابی پارکها و فضای سبز، لایه هایی اطلاعاتی در محیط GIS تهیه گردید و برای هر یک از لایه ها وزن دهی صورت گرفت.سپس به منظور الگوسازی، به هر یک از لایه های اطلاعاتی بر اساس میزان اهمیت آنها در مکانیابی پارک ها و فضای سبز با استفاده از مدل AHP، وزن مناسبی اختصاص داده شد. نتایج حاصل از تلفیق لایه های اطلاعاتی، زمین های منطقه را برای انتخاب مکان های مناسب برای فضای سبز به 5 کلاس طبقه بندی نمودیم و مشخص شد زمین های ب ا درج ه ی خیل ی خ وب و خوب در حواشی رودخانه، نزدیک مراکز مسکونی، آموزشی و شبکه ارتباطی منطقه واقع شده اند

هدف از مطالعات رسوب گذاری در یک سد مخزنی یافتن دیدی کلی درمورد میزان حجم ازدست رفتة مخزن است. در این میان، بررسی و پیش بینی حجم رسوب واردشده به مخزن اهمیت ویژه ای دارد. در این پژوهش، با استفاده از روش آماری ریزمقیاس کردن، بارش و دما در محدودة حوضة آبریز سد ستارخان با مساحت 950 کیلومترمربع، واقع در استان آذربایجان شرقی، در بلند مدت پیش بینی شده اند. با توجه به اطلاعات بارش و دمای پیش بینی شده، به کمک مدل [1]SWAT، رسوب ورودی به سد شبیه سازی شده است. مقایسة نتایج این مدل و مقادیر مشاهداتی نشان می دهد گرچه مدل SWAT با دقت بالای 80% می تواند روند جریان رسوب ورودی به مخزن را شبیه سازی کند، قادر به شبیه سازی مقادیر واقعی رسوب نیست. برای رفع این اختلاف، باید پارامتر فرسایش نیز، برای رسیدن به نتیجة مطلوب، در محاسبات لحاظ شود. بنابراین ابتدا با کمک مدل شبکة عصبی پرسپترون چندلایه (MLP) بارش مورد نظر پیش بینی شده و سپس نقشة کاربری به منظور تعیین میزان تأثیر کاربری و، به تبع آن، فرسایش در محیط GIS تهیه شده است. ترکیب پارامتر کاربری در محیط GIS و بارش پیش بینی شده می تواند خروجی SWAT را به مقدار واقعی نزدیک تر کند. نتایج حاصل نشان می دهد که با یکپارچه سازی و استفاده از مدل های به کاررفته و قابلیت های GIS می توان نتایج و برآورد میزان حجم رسوب را با دقت بالای 95% محاسبه کرد.

سنجنده های دوقلوی MSI سنتینل -2، از لحاظ توان تفکیک مکانی، شباهت بسیاری به سنجنده OLI لندست 8 دارند که آژانس فضایی اروپا، با هدف افزایش داده های ادامه دار برای پایش سطح زمین، آنها را به فضا پرتاب کرد. در این مطالعه، قابلیت این داده ها در تفکیک واحدهای سنگی و دگرسانی، در محدوده کانسار فسفات اسفوردی، ارزیابی و با داده های لندست 8 و لندست 8 تلفیق شده، مقایسه شد. برای بارزکردن واحدهای سنگی منطقه، از روش بسط عدم همبستگی استفاده شد. به منظور مقایسه های آماری، واحدهای سنگی با استفاده از اجرای روش ماشین بردار پشتیبان و جنگل تصادفی روی دسته داده ها، رده بندی و صحت آنها با استفاده از ماتریس آشفتگی بررسی شد. علاوه بر آن، نسبت های باندی متناظر با آنچه درمورد سنجنده لندست 5 TM تعریف شده است، برای آشکارسازی نواحی دگرسان شده در منطقه، روی هر سه دسته داده اجرا و مساحت پهنه های بارزشده محاسبه و مقایسه شد. همچنین، نمودارهای پراکندگی برای تصاویر نسبت باندی تولیدشده تهیه شد. داده های MSI، در رده بندی ماشین بردار پشتیبان و جنگل تصادفی، صحت کلی و ضریب کاپای بیشتری را در مقایسه با دو دسته داده دیگر نشان دادند. نتایج نسبت باندی نیز نشان داد که داده های MSI و OLI تلفیق شده بیشترین همبستگی و مشابهت را به هم دارند. این مطالعه مشخص کرد که استفاده از داده های MSI در تهیه نقشه های سنگ شناختی و کانی شناختی، مطلوب تر از داده های OLI است. همچنین استفاده از داده های OLI تلفیق شده، در تاریخ هایی که تصاویر MSI در دسترس نیست، و یا برای تهیه نقشه های زمین شناسی پیوسته در مقیاس های قاره ای، به همراه داده های MSI کارآمد است.

عمق سکی یکی از شاخص های شفافیت پهنه های آبی است. در پژوهش حاضر برای نخستین بار مدل های رگرسیونی خطی تک متغیره و چندمتغیره به منظور پایش عمق سکی در دریای خزر با استفاده از تصاویر مریس شرح و بسط داده شده است. برخلاف مطالعات گذشته، در این تحقیق مدل ها آزمون می شوند تا دقت واقعی آنها در پایش عمق سکی مشخص گردد. اندازه گیری های میدانی عمق سکی که شامل 25 دادة مدل ساز و 12 داده آزمون است، در 25 گشت دریایی طی تیرماه تا آبان ماه سال 1384 در بخش جنوبی دریای خزر انجام شد. در این تحقیق از 25 تصویر سنجندة مریس در بازة زمانی اندازه گیری های میدانی استفاده شد. در رگرسیون تک متغیره، همبستگی بین عمق سکی و داده های بازتابش طیفی و نسبت آنها بررسی شد و روابطی که بیشترین همبستگی را داشتند انتخاب شدند. سپس با استفاده از داده های مدل ساز، بهترین مدل های خطی تک متغیره بین عمق سکی و پارامترهای بازتابشی ارائه و آزمون شد. مدل های رگرسیونی چندمتغیرة مناسب به کمک آمارة CP مالوز تعیین شدند و از میان آنها بهترین مدل با کمک داده های آزمون مشخص شد. نتایج نشان داد که جواب های مدل سازی چندمتغیره از مدل های تک متغیره بهتر و در مقایسه با دیگر مطالعات دارای ضریب همبستگی بیشتری است. در بهترین مدل چندمتغیره از داده های بازتابش در طول موج های 412، 510، 560، 681 و 779 نانومتر استفاده می شود و ضریب همبستگی و درصد خطای این مدل به ترتیب 7/0 و 7/37 درصد است. در نهایت نقشه های عمق سکی در دریای خزر از تصاویر مریس به کمک مدل مذکور استخراج شدند.

کشاورزی، محور توسعه است و سطح زیر کشت محصولات زراعی و باغی در بخش کشاورزی یک پارامتر مهم مدیریتی است. ارزیابی و تعیین دقیق سطح این پارامتر، برنامه ریزان را در توسعه کشاورزی یاری می دهد. به منظور غلبه بر محدودیت های کار میدانی در برآورد سطح زیر کشت محصولات کشاورزی، استفاده از تصاویر ماهواره ای به دلیل دید وسیع و یکپارچه، چند طیفی و به روز بودن گزینه مناسبی به نظر می رسد. در این تحقیق داده های ماهواره IRS-P6 به منظور برآورد سطح زیر کشت باغات در اراضی دشت شارویران شهرستان مهاباد مورد تجزیه و تحلیل قرار گرفت. به منظور استخراج بهتر اطلاعات، شاخص های مختلف با استفاده از روش های نسبت گیری باندی و تحلیل مولفه های اصلی تهیه شدند. طبقه بندی داده ها به روش نظارت شده و با الگوریتم های مختلف به دو صورت 7 کلاسه (طبقات کاربری اراضی) و 2 کلاسه (باغ و غیرباغ) انجام شد. صحت نقشه های حاصل از طبقه بندی در مقایسه با نقشه های واقعیت زمینی ارزیابی شد. بهترین صحت کلی و ضریب کاپا به ترتیب برابر %75/97 و 95/0 با الگوریتم حداکثر احتمال در طبقه بندی 2 کلاسه حاصل شد. نتایج نشان داد که داده های IRS-P6 برای شناسایی و پایش سطح زیر کشت باغات از لحاظ هزینه، زمان و دقت بسیار مناسب هستند

گیاهان، یکی از مهم ترین اجزای اکوسیستم هستند که تحت تاثیر عوامل طبیعی و انسانی قرار می گیرند. به طوری که مطالعه تولید خالص اولیه، یکی از مهم ترین موضوعات در بوم شناسی به حساب می آید. مهمترین هدف این تحقیق مدل سازی توزیع مکانی و زمانی تولید خالص اولیه (مدل CASA) و تاثیر تابش موثر نور خورشید (LUE) و همچنین اندازه گیری تخریب اراضی با شاخص تاثیر بارندگی ( RUE ) در مراتع نیمه استپی استان اصفهان است. برای انجام این مطالعه، تصاویر - NDVI ۱۶ روزه مودیس، داده های هواشناسی، نقشه پوشش اراضی و داده های زمینی به کار گرفته شد و نتایج نشان داد که نرخ NPP از ماه مارس (C/m2/mo 44/11) تا ماه می (C/m2/mo/07/41) افزایش داشته است، در حالیکه سیر نزولی را از اوایل ماه ژوئن (C/m2/mo 2/2) به دلیل خشکی خاک نشان می دهد. اقلیم، تیپ گیاهی و وضعیت مرتع نقش مهمی درNPP سالیانه داشتند، لذا بیشترین و کمترین NPP به ترتیب در Astragalus- Daphnae 85/38 gC/m2 y-1) 85/38 ) و Artemisia sieberi – Scariola gC/m2 y-1) 4 ) همراه با حداکثر ( g C (MJ)-1 13/0) و حداقل تاثیر تابش موثر نور خورشید g C (MJ)-1) LUE 005/0 ) مشاهده شد. مقدار (RUE)، در مراتع تخریب یافته کاهش داشت. علاوه بر این از همبستگی بین داده های زمینی و مدل CASA در اقلیم نیمه خشک گرم و مراتع تخریب یافته، کاسته شد. بنابراین توجه به وضعیت مرتع، تیپ گیاهی و اقلیم در پایش NPP و مدیریت مراتع ضروری است.

اخیرا، یک روش موثر برای طبقه بندی طیفی-مکانی با استفاده از قطعه بندی هرمی (HSEG) رشد یافته از نشانه های انتخاب شده ارائه شده است. هدف این مقاله بهبود این روش برای طبقه بندی تصاویر فراطیفی در مناطق شهری است. ابتدا الگوریتم ژنتیک وزن دار (WG) برای بدست آوردن باندهای بهینه داده های فراطیفی استفاده می شود. الگوریتم HSEG مبتنی بر نشانه سپس بر ویژگی های بدست آمده پیاده سازی می شوند. در ادامه، ویژگی های زمینه ای از تصاویر قطعه بندی شده استخراج می شوند. برای ویژگی های مکانی، ویژگی های مساحت، آنتروپی، شکل، مجاورت و رابطه به عنوان اجزای بالقوه در فضای ویژگی در نظر گرفته شده اند. سرانجام ، با استفاده از هر دو ویژگی طیفی و مکانی، اشیا تصویر توسط یک طبقه بندی کننده مبتنی بر قانون طبقه بندی می شوند. آزمون ها بر روی دو مجموعه داده اعمال شد: Berlin و Quebec City، که دو مجموعه داده شناخته شده و بنچ مارک در تصاویر فراطیفی هستند. ارزیابی نتایج نشان داد که روش پیشنهادی به ترتیب برای این مجموعه داده ها به ترتیب از 16٪ و 9٪ دقت کلی بهتری نسبت به الگوریتم HSEG اولیه به دست می آورد.

ارزیابی و برآورد ذخایر برفی در مطالعات بیلان آب و بهره برداری بهینه از منابع آب در مناطق خشک و نیمه خشکی چون ایران که دارای ریزش های فصلی برف هستند، اهمیت فراوانی دارد. در حوضه های آبریز حوالی دامنه های برف گیر نظیر زاگرس که سیلاب های بهاره سهم عمدة جریان های سطحی را تشکیل می دهند، پیش بینی احتمالاتی ذخیرة برفی پایان سال ضروری است. در پژوهش حاضر، پیش بینی احتمالی وقوع برف در حوضة آبریز رودخانه های کرخه، دز، کارون و بخشی از حوضة مارون با استفاده از مدل زنجیرة مارکوف مرتبة یک بررسی شد. برای این منظور از داده های سطح برف استخراج شده از تصاویر ماهواره ای سنجندة NOAA-AVHRR در طول سال های آبی 1367 تا 1383 استفاده شد. حالت های ممکن در نقشه های برف به صورت وجود (عدد یک) و نبود برف (عدد صفر) تعریف شد. سپس با اعمال فرایند زنجیرة مارکوف، پیش بینی احتمال مکانی وقوع برف برای اسفندماه سال های 83-1379 صورت گرفت. نتایج نشان دادند که پیش بینی احتمالاتی سطح برف در اسفندماه تطبیق مناسبی با نقشه های حداکثر پوشش سطحی برف به دست آمده از تصاویر ماهواره ای دارد. وضعیت پوشش سطح در بیش از 60 درصد سطح حوضه با احتمال 100 درصد و در 80 درصد سطح حوضه، با احتمال 50 تا 90 درصد به درستی پیش بینی شده است. افزون بر این، به منظور ارزیابی کمی عملکرد مدل پیش بینی از روش جداول وابستگی استفاده شد. نتایج ارزیابی مدل برمبنای سه معیار احتمال ردیابی (POD)، نسبت هشدار غلط (FAR) و موفقیت بحرانی (CSI)، نیز توانمندی مدل زنجیرة مارکوف را در پیش بینی سطوح برفی نشان می دهند. کلید واژه ها : احتمال وقوع برف، زنجیرة مارکوف مرتبة یک، ماتریس احتمالات انتقال.

امروزه، علم سنجش از دور به طور گسترده ای در علوم مرتبط با زمین به کار می رود. یکی از این شاخه ها شناسایی، تحقیق و تفسیر ساختارهای سطح زمین است. مطالعه سیستم های شکستگی ، شناخت هندسه و نحوه گسترش مکانی آن ها، می تواند به توسعه میادین نفتی، کمک قابل توجهی کند. در این تحقیق، با استفاده از داده های ماهواره ای Landsat 8، الگوریتم STA و تکنیک های پردازش سنجش از دور، تجزیه و تحلیل هندسی ساختارهای سطحی میدان نفتی سیاه مکان مورد بررسی قرار گرفته است. سپس، دمای سطح زمین(LST)، با روش دفتر علوم لندست برای محدوده میدان نفتی محاسبه شده، در نهایت به بررسی ارتباط توزیع شکستگی های سطحی با الگوی توزیع دمای سطحی محدوده مطالعاتی پرداخته شده است. نتایج نشان می دهد که شکستگی های موازی سطح محوری (SA) و برشی (SO1) که به ترتیب، دارای روند N-S و NW-SE هستند، بیشترین فراوانی را دارند. براساس نقشه چگالی ، تراکم خطواره ها در نواحی میانی، متمایل به جنوب شرقی میدان، دارای بیشترین مقدار است. از آنجایی که منابع زیرزمینی در امتداد خطواره های تکتونیکی نزدیک سطح قرار دارند، این ساختار ها در تصاویر ماهواره ای خنک تر و تاریک تر از مناطق اطراف دیده می شوند. خطواره های ساختاری با نقشه دمای سطحی، انطباق نشان می دهد؛ به طوری که خطواره ها، اغلب در مناطق با دمای سطحی متوسط و متوسط به پایین قرار گرفته اند. از این رو، دماهای کمتر با محدوده های دارای تراکم شکستگی بالا مطابقت نشان می دهند.

با افزایش جمعیت و به تبع آن افزایش نیازهای جامعه، آمایش سرزمین اهمیت ویژه ای یافته است. به دلیل پیوند آمایش سرزمین با چندین هدف متضاد، استفاده از الگوریتم های تکاملی چندهدفه درصورت تناسب الگوریتم با نوع مسئله می تواند مفید باشد. در پژوهش حاضر ضمن ارائة مدلی به منظور بهینه سازی کاربری اراضی، راه حلی مؤثر برای به کارگیری الگوریتم ژنتیک چندهدفه در انواع مسائل مربوط به آمایش سرزمین معرفی می گردد. مدل طراحی شده در پژوهش حاضر به منظور بهینه سازی کاربری اراضی از الگوریتم NSGA-II بهره می برد. خروجی های این مدل، الگوهایی برای آمایش سرزمین هستند که فرسایش منطقه را تا حد زیادی کاهش می دهند و سطح منفعت اقتصادی منطقه را بالا می برند. در این مدل، کاربری ها دارای بالاترین سازگاری، کمترین دشواری تغییر و بیشترین پیوستگی هستند. به منظور استفاده از الگوریتم ژنتیک چندهدفه در حل مسائل آمایش سرزمین در این پژوهش راهکاری ابتکاری برای تولید جمعیت اولیه و عملگر ابتکاری ترکیب متناسب با مسائل آمایش سرزمین شرح و بسط داده شد. مدل طراحی شده در منطقة رودبار جنوب واقع در استان کرمان پیاده سازی شد. نتایج به دست آمده نشان دادند که الگوهای آمایش سرزمین پیشنهادشده در این مدل می توانند درحدود 30 تا 35 درصد فرسایش منطقه را کاهش دهند؛ درعین حال سطح منفعت اقتصادی حاصل از تغییر کاربری بین 40 تا 50 درصد رشد خواهد داشت. همچنین تمامی الگوها دارای سازگاری بالا و دشواری تغییر اندک هستند. با بررسی عملکرد عملگر های ابتکاری ارائه شده، مشخص شد این عملگرها تأثیر بسزایی در روند حل مسئله داشتند. کلید واژه ها : بهینه سازی چندهدفه، الگوریتم NSGA-II، توسعة عملگرهای ابتکاری، آمایش سرزمین، توان اکولوژیک.

توصیفگرها توزیع درجات خاکستری تصویر را در ناحیه اطراف عوارض توصیف می کنند و در تعیین مطابقت آنها، در کاربردهای گوناگونی همچون مرتبط سازی تصویر و تولید مدل سه بعدی در فتوگرامتری و سنجش از دور، نقش اساسی دارند. روش های گوناگونی برای ایجاد توصیفگر ارائه شده که ویژگی ها و کاربردهای متفاوتی دارند. شناخت ویژگی های الگوریتم ها و چگونگی عملکرد آنها در شرایط گوناگون نیازی اساسی برای استفاده مناسب از آنها در موارد گوناگون است. در این تحقیق عملکرد ده توصیفگر مطرح شامل SI، SC، SIFT، PIIFD، SURF، DAISY، LSS، LBP، LIOP و BRISK در انواع مختلف از تصاویر ماهواره ای اپتیکی با تنوع گسترده ای از اعوجاجات شامل اختلاف مقیاس، دوران، روشنایی و تغییر منظر مورد ارزیابی قرار می گیرد. هشتاد جفت تصویر ماهواره ای در سه دسته گوناگون شامل شبیه سازی شده، چندزمانه و چندسنسوری انتخاب می شود و نتایج با استفاده از چهار معیار اساسی Recall، Precision، دقت هندسی و کارآیی مقایسه می شود. الگوریتمی که در همه حالت ها و برای همه تصاویر بهتر از دیگر الگوریتم ها باشد، وجود ندارد اما به طور میانگین، توصیفگر های DAISY و SIFT بهترین عملکرد، و الگوریتم های SI و SC نیز بدترین نتایج را در تصاویر ماهواره ای دارند.

بررسی های اخیر نشان داده است که سیستم لیدار در برداشت سریع و دقیق اطلاعات سه بعدی از عوارض، در مناطق شهری توانایی بالایی دارد. از مهم ترین پردازش هایی که روی داده های لیدار صورت می گیرد، فیلترینگ آن هاست که عبارت است از تفکیک نقاط مربوط به عوارض ارتفاعی (ساختمان ها و درختان) از نقاط زمینی. تاکنون الگوریتم های فیلترینگ فراوانی طراحی شده است، اما هر یک از آن ها معایب و نواقصی دارند. مشکل اساسی این الگوریتم ها، ناتوانی شان در حذف ساختمان و عوارض بزرگ است که ناشی از عملکرد ناحیه ای آن هاست. در این تحقیق تلاش شده است تا با بهره گیری از قابلیت های تکنیک های طبقه بندی، راه حلی برای این مشکل ارائه شود. در این پژوهش ابتدا داده های لیدار به وسیله الگوریتم شیب مبنا که از شناخته شده ترین روش های فیلترینگ به شمار می آید فیلتر شدند. در ادامه، با استفاده از سه روش طبقه بندی ماشین بردار پشتیبان، شبکه عصبی مصنوعی، و حداکثر احتمال، داده های لیدار به پنج کلاس راه آسفالته، درختان، ساختمان، سیمان، و چمن طبقه بندی گردیدند. در نهایت، نقاط ساختمان های بزرگ که به وسیله الگوریتم شیب مبنا فیلتر نشده بودند، با نتایج حاصل از روش های طبقه بندی حذف گردیدند. ارزیابی ها نشان می دهند که روش حداکثر احتمال نتایج ضعیفی را ارائه می کند، اما روش های ماشین بردار پشتیبان و شبکه عصبی مصنوعی نتایج نزدیک به هم و بسیار خوبی را عرضه کرده اند. به طور کلی استفاده از این تکنیک های طبقه بندی برای بهبود نتایج الگوریتم های فیلترینگ، باعث افزایش ناچیزی در خطای نوع اول می گردد ولی سبب کاهشی شدید در خطای نوع دوم و خطای مجموع می شود. از آنجا که در فرایند فیلترینگ داده های لیدار، اهمیت خطاهای نوع دوم و مجموع بیش از خطای نوع اول است، می توان ادعا کرد که انجام این پردازش تکمیلی نتایج بسیار مفیدی را دربرداشته است. ارزیابی کمّی دقت نتایج نشان می دهد که خروجی الگوریتم با آستانه شیب o 20 پس از بهبود داده شدن با استفاده از خروجی طبقه بندی کننده شبکه عصبی مصنوعی، بهترین نتیجه را به دست داده است که در آن خطای نوع اول از 98/4 درصد به 04/5 درصد افزایش ولی خطاهای نوع دوم و مجموع به ترتیب از 043/9 درصد و 03/7 درصد به 49/4 درصد و 76/4 درصد کاهش یافته اند.

دمای سطح زمین پارامتری بسیار مهم و کلیدی در بررسی های زیست محیطی، تغییرات آب وهوایی، رطوبت خاک، درصد تبخیر و تعرق و جزایر گرمایی شهری شمرده می شود. هدف از پژوهش حاضر محاسبه دمای سطح زمین، با استفاده از تصاویر ماهواره لندست 8 و کالیبراسیون آن، با استفاده از مدل های ریاضی غیرخطی است. در این پژوهش، به منظور محاسبه دمای سطح زمین، از الگوریتم پنجره مجزا استفاده شده است. در ادامه، از کالیبراسیون دمای حاصل از این الگوریتم به کمک توابع ریاضی رشنال، دمای نزدیک سطح زمین به دست آمده است. الگوریتم پنجره مجزا، برای برآورد دمای سطح زمین، از رادیانس طیفی و گسیل مندی سطح زمین استفاده می کند. به منظور تخمین رادیانس طیفی، از باندهای حرارتی سنجندهTIRS  ماهواره لندست 8 استفاده شده است. گسیل مندی سطح زمین نیز، به کمک شاخص کسر گیاهی و شاخص پوشش گیاهی (NDVI)، برای باندهای حرارتی سنجنده TIRS محاسبه شده است. همچنین، در این پژوهش، با کمک سری زمانی دمای هوای ایستگاه های هواشناسی، دمای حاصل از مدل پنجره مجزا با استفاده از توابع رشنال کالیبره شد تا دمای هوای نزدیک سطح زمین با دقت بالایی برآورد شود. نتایج مدل پیشنهادی نشان می دهد که کالیبراسیون دمای منتج از مدل پنجره مجزا، با استفاده از توابع رشنال، باعث کاهش میزان خطای RMSE در دو مرحله کالیبراسیون از 13.464 درجه سانتی گراد، به ترتیب، به 13.169 درجه سانتی گراد و در نهایت، به 0.668 درجه سانتی گراد شده است. با توجه به نتایج و بررسی ها، می توان گفت که درجه و تعداد ترم های موجود در معادلات رشنال در نتایج کالیبراسیون تأثیر بسیاری دارند و انتخاب بهترین مدل می تواند دقت این توابع را افزایش دهد.