درخت حوزه‌های تخصصی

پوشش گیاهی نقش مهمی در حفاظت از منابع آب و خاک، تثبیت کربن و بهبود کیفیت هوا دارد. در زاگرس میانی، پوشش گیاهی جنگلی و مرتعی و تأثیر آن در حفاظت از منابع خاک و آب و پایداری فعالیت های اقتصادی، دارای اهمیت بسیار است. در این پژوهش، با استفاده از پلتفرم گوگل ارث انجین و تصاویر ماهواره لندست – 7، خشکسالی زاگرس میانی (استان لرستان) با شاخص های گیاهی NDVI، SAVI و VCI و همچنین شاخص خشکسالی هواشناسیSPI ، متعلق به دوره آماری 2020-2000 پایش شد. برای محاسبه شاخص SPI از داده های بارش نُه ایستگاه هواشناسی سینوپتیک، با پراکنش مکانی مناسب و طول دوره آماری (2020-2000) استفاده شد و پردازش ها در نرم افزار DPI انجام شد. به منظور محاسبه شاخص های گیاهی، ابتدا تمامی تصاویر ماهواره ای تصحیح هندسی شده سنجنده ETM+ ماهواره لندست برای استان لرستان، متعلق به هر سال، فراخوانی شد. در این مرحله، به طور متوسط درمورد هر سال 52 تصویر فراخوانی شد. سپس تصاویر با پوشش ابری کمتر از 5% انتخاب و پردازش شدند. نتایج شاخص VCI نشان داد منطقه مورد مطالعه، در طول دوره آماری 2020-2000، اغلب تحت تأثیر خشکسالی خفیف بوده و بین سال های مورد مطالعه، در سال 2008، بیشترین میزان مساحت خشکسالی مربوط به طبقه متوسط را با 6/5880 هکتار، دارا بوده است. نتایج شاخص SPI نشان داد در سال 2010 خشکسالی متوسط، در سال های 2008 و 2017 خشکسالی شدید، در 2006 ترسالی ملایم و سال 2019 ترسالی شدید رخ داده است. نتایج شاخص های NDVI و SAVI نیز گویای افزایش طبقات پوشش گیاهی تنک و مناطق فاقد پوشش گیاهی، به ترتیب، 1/331679 و 115164 هکتار و کاهش پوشش گیاهی نرمال و متراکم، به ترتیب، 7/446160 و 4/682 هکتار در سال 2008، در قیاس با سال های 2006 و 2007 بود. براساس نتایج، هر سه شاخص مورد بررسی شرایط مساعد پوشش گیاهی و ترسالی اکولوژیک در سال های 2016، 2019 و 2020 به دست آمد. بیشترین میزان این هماهنگی میان خشکسالی هواشناسی SPI و شاخص های گیاهی در سال های 2008 و 2010 و تاحدودی ترسالی سال 2019 مشاهده شد. به طور کلی، نتایج نشان می دهد که افزایش یا کاهش پوشش گیاهی می تواند ناشی از رخداد یا نبود خشکسالی باشد؛ ضمن آنکه دیگر عوامل، مانند تغییرات کاربری اراضی نیز، باید درنظر گرفته شود.

سابقه و هدف: در سال های اخیر استفاده از تصاویر ابرطیفی به دلیل غنای بالای طیفی در زمینه های مختلف مطالعات زمین به خصوص در سنجش از دور بسیار افزایش یافته است. طبقه بندی این تصاویر به منظور استخراج اطلاعات از آنها همواره با چالش هایی مختلفی همچون چگونگی مدیرت ابعاد این داده ها و صحت کم طبقه بندی در هنگام وجود تعداد محدودی از نمونه های آموزشی همراه است. افرایش صحت طبقه بندی این تصاویر با هدف مطالعات دقیق پدیده ها و تغییرات سطح زمین همواره از موضوعات مورد مطالعه جامعه علمی سنجش از دور بوده است. در سال های اخیر استفاده از ویژگی های مکانی به منظور افزایش صحت طبقه بندی تصاویر ابرطیفی بسیار رایج شده است. تاکنون روش های مختلفی برای طبقه بندی طیفی-مکانی تصاویر ابرطیفی معرفی شده است و پژوهش های مربوطه در راستای معرفی روش هایی با ساختار ساده تر و صحت بالاتر نیز در جریان است. به دلیل وجود رابطه های پیچیده میان باندهای مختلف تصویر ابرطیفی با الهام از پژوهش های موجود در شاخه بینایی ماشین در این پژوهش روشی توسعه داده شده است که می تواند روابط پیچیده میان ویژگی های طیفی و مکانی در یک تصویر ابرطیفی را مدل سازی کند. هدف اصلی این مقاله ارائه روشی جدید و کارا مبتنی بر ترکیب ویژگی های مستخرج از ماتریس محلی کرنل وزن دار ویژگی های طیفی و فرکتالی به منظور تولید ویژگی برای طبقه بندی تصاویر ابرطیفی است. مواد و روش ها: به منظور طبقه بندی تصاویر ابرطیفی در پژوهش حاضر ابتدا یک مرحله کاهش بعد بر روی تصویر ابرطیفی انجام می شود. در مرحله بعد ویژگی های مکانی مبتنی بر بعد فرکتال جهت دار تولید می شوند و مجدداً این ویژگی ها کاهش بعد پیدا می کنند. در مرحله بعد ویژگی های مستخرج از ماتریس محلی کرنل وزن دار از هر دو دسته ویژگی های طیفی و فرکتالی تولید می شوند. این ویژگی های ثانویه وابستگی های محلی غیرخطی میان ویژگی های طیفی و فرکتالی را که در روش های پیشین طبقه بندی مورد توجه نبوده است، در فرایند تولید ویژگی لحاظ می کنند که در نهایت سبب افزایش صحت طبقه بندی می شوند. سپس این دو دسته بردار ویژگی جدید برای هر پیکسل با هم الصاق می شود و یک بردار غنی از اطلاعات طیفی– مکانی را تشکیل می دهد. در نهایت به منظور تعیین برچسب هر پیکسل، بردار ویژگی حاصل از الگوریتم ماشین بردار پشتیبان طبقه بندی می شود. آزمایش های این پژوهش بر دو تصویر مرجع ابرطیفی واقعی ایندین پاین و دانشگاه پاویا انجام شده است. نتایج و بحث: تحلیل نتایج نشان می دهد که روش پیشنهادی با در نظر گرفتن ویژگی های مستخرج از ماتریس محلی کرنل وزن دار ویژگی های طیفی– فرکتالی موجب افزایش 20 و 18 درصدی صحت طبقه بندی در مقایسه با طبقه بندی با ویژگی های طیفی تنها به ترتیب در تصاویر ایندین پاین و دانشگاه پاویا شده است. این نتیجه تأیید می کند که در نظر گرفتن اطلاعات مکانی به طور مؤثر سبب افزایش چشمگیر صحت طبقه بندی حتی زمانی که نمونه های آموزشی اندکی در دسترس باشد، می شود. همچنین رویکرد پیشنهادی این پژوهش در مقایسه با چندین پژوهش دیگر در این حوزه به صحت های بالاتری رسیده است. نتیجه گیری: عملکرد بهتر روش پیشنهادی در مقایسه با دیگر روش های رقیب به دلیل در نظر گرفتن وابستگی های محلی غیرخطی میان ویژگی های طیفی و فرکتالی است که تاکنون در پژوهش های پیشین مورد توجه نبوده است. در پژوهش های آتی در نظر داریم که رویکرد پیشنهادی را درگام اول از نظر زمانی و در گام بعدی با در نظر گرفتن تعداد بیشتری از ویزگی های مبتنی بر هندسه فرکتال از نظر صحت بهبود دهیم.

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.

مقدمه: سیستم های پاسخ اضطراری هوشمند از فنّاوری های مدرن مانند اینترنت اشیاء (IoT) استفاده می کنند تا بهبود عملکرد واحدهای واکنش اضطراری را فراهم کنند. این سیستم ها به منظور بهبود کیفیت خدمات، کاهش هزینه ها و افزایش نظارت بر فرایند واکنش اضطراری طراحی شده اند. از جمله اهداف اصلی این سیستم ها می توان به بهینه سازی مسیر واکنش اضطراری از طریق ارتباط با اشیا و جمع آوری داده های مکانی اشاره کرد. این سیستم ها با استفاده از مدل های مسیریابی مبتنی بر اینترنت اشیاء، قادر به بهینه سازی مسیر واکنش اضطراری هستند و باعث بهبود تجربه کاربران می شوند. به عبارت دیگر، این سیستم ها از اطلاعات جمع آوری شده توسط اینترنت اشیاء برای بهبود فرایند اضطراری استفاده می کنند. سیستم های پاسخ اضطراری هوشمند نقش مهمی در بهبود کارایی واحدهای واکنش اضطراری و ارتقای سطح خدمات در مواقع اضطراری دارند. این سیستم ها به صورت کامل در دسترس اند و باعث افزایش بهره وری و کارایی در مواقع اضطراری می شوند. مواد و روش ها: یک زیرساخت داده های مکانی برای یکپارچه سازی سیستم و افزایش تلاش های واکنش اضطراری ایجاد شده است که امکانات بسیار مهمی برای بهبود خدمات پزشکی فوری فراهم می کند. این زیرساخت شامل یک پورتال است که مسیر بهینه از محل حادثه تا مرکز پزشکی را به دقت بر روی نقشه نمایش می دهد تا به تیم پزشکی کمک کند با سرعت و کارایی بیشتر به فرد مجروح برسند. علاوه براین، این پورتال امکان انتقال اطلاعات حسگر مانند علائم حیاتی فرد مصدوم را به تلفن همراه پزشک در آمبولانس از طریق بلوتوث فراهم می کند که این اطلاعات به طور هم زمان برای ارزیابی بیشتر به اشتراک گذاشته می شوند تا در صورت اضطرار، به سرعت و با دقت مناسب به فرد مجروح کمک کنند. این سامانه باعث افزایش کارایی و سرعت در واکنش به حوادث اضطراری می شود و امکان دسترسی سریع و بهینه به خدمات پزشکی را فراهم می کند. به طور خلاصه، این زیرساخت داده های مکانی بهبود چشمگیری در عملکرد واکنش به حوادث اضطراری درمانی داشته و امکان ارائه خدمات بهبودیافته و بهینه تر در حوادث اضطراری را فراهم کرده است. نتایج و بحث: مراکز پزشکی اهمیت موضوع بهداشت و درمان را اولویت خود می دانند. برای تعیین این اولویت ها و بهبود فرایند تخصیص منابع، از یک مدل وزن دهی سلسله مراتبی آنلاین استفاده می کنند. این مدل به بهینه سازی تخصیص منابع براساس اطلاعات بهداشتی بی درنگ مصدومان کمک می کند. در یک مورد آزمایشی که برای این مدل انجام شد، یک مصدوم با موفقیت در منطقه 5 تهران تحت درمان قرار گرفت. استفاده کارآمد از اینترنت اشیاء و زیرساخت داده های مکانی، این مرکز پزشکی را قادر به بهبود و بهینه سازی خدمات درمانی خود کرد. این نتایج نشان دهنده اهمیت اطلاعات مکانی در کنار داده های پزشکی و فنّاوری اینترنت اشیاء در بهبود خدمات پزشکی و افزایش کیفیت درمان است.نتیجه گیری: سیستم های واکنش اضطراری سنتی بیشتر براساس مکانیسم های سنتی و فاقد فنّاوری مدرن مانند اینترنت اشیاء و یکپارچه سازی داده های مکانی عمل می کنند. به همین دلیل، این سیستم ها ممکن است با مشکلاتی همچون تأخیر در ارسال کارکنان اورژانس به محل حادثه و کمبود اطلاعات دقیق و سریع از بیمار مواجه شوند. اگر فنّاوری های مدرن مانند هوش مصنوعی، اینترنت اشیاء و سیستم های اطلاعات جغرافیایی به این سیستم ها اضافه شوند، می توانند مشکلاتی را که در سیستم های سنتی واکنش اضطراری وجود دارد، حل کنند. این فنّاوری ها امکان پاسخ سریع تر و کارآمدتر به بحران ها را فراهم می کنند و به سازمان های ذی ربط از جمله سازمان مدیریت بحران کمک می کند تا تصمیمات بهتری برای تخصیص منابع در شرایط اضطراری بگیرند و عملکرد کلی خود را بهبود بخشند. با استفاده از داده های جمع آوری شده توسط این فنّاوری ها، سازمان های اضطراری می توانند بهبودی محسوسی در پاسخ به شرایط اضطراری ایجاد کنند و هزینه های زمانی، مالی و انسانی را کاهش دهند. به طور کلی، این رویکرد جدید به سیستم های واکنش اضطراری امکان پذیری بهتری در مواجهه با بحران های مختلف و بهبود کارایی واکنش به اضطرار را فراهم می آورد.

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.

افزایش جمعیت شهرنشین، در پی مهاجرت از روستا ها و گاه توسعه ناهماهنگ روستا ها و تبدیل آنها به شهر، از عوامل مشکل زا در ساختار محیطی کشور های درحال توسعه محسوب می شود. از نتایج آن نیز تغییرات اکولوژیکی، به ویژه تخریب مناظر طبیعی و کاهش آنها به نفع مناظر انسان ساخت و بر هم خوردن الگو های مکانی پوشش طبیعی است. هدف از این پژوهش ارزیابی تغییرات اکولوژیکی و تحلیل الگو های حاکم بر چشم اندازهای شهرستان ورزقان، با استفاده از متریک های کمّی و کیفی سیمای سرزمین در سال های 1363، 1381، 1398 است. ماهیت تحقیق توسعه ای کاربردی و توصیفی تحلیلی است. داده ها ازطریق مطالعات کتابخانه ای و بررسی های میدانی گرد آمد؛ پس از تهیه نقشه های پوشش زمین، کشف تغییرات محاسبه شد و متریک های کمّی و کیفی سیمای سرزمین، با روش های مبتنی بر سنجش از دور، اندازه گیری شد. نتایج نشان داد بیشترین تغییرات در زمینه کلاس های پوشش گیاهی، به ویژه در سطح کم تراکم و در بازه سال های 1381 تا 1398 بوده است که علاوه بر کاهش مساحت، شامل افزایش تعداد لکه نیز می شود. در این بازه، رشد کلاس بایر و مرتع بیشتر است. همچنین دو متریک کمّی تعداد لکه (NE) و درصد چشم انداز (PLand)، از متریک های کمّی و شاخص مساحت لکه (Patch Area) و فشردگی لکه (Patch Compactnees) به نحو مطلوب تری تغییرات و الگوهای حاکم بر سیمای یک سرزمین را نشان می دهند.

ضرورت دسترسی به کاربردهای وسیع تصاویر ابرطیفی سبب توسعه سیستم های تصویربرداری نوآورانه و اقتصادی در ثبت این تصاویر شده است. به منظور استفاده از این تصاویر، لازم است ارتباط هندسی دقیقی میان آنها و فضای زمین برقرار شود و این فرایند نیازمند نقاط کنترلی بسیاری است. این نکته ضرورت توسعه راهکارهای اصلاح هندسی منطبق با ساختار هریک از این دوربین ها را بارز می کند. سنجنده (nm 400-1000) BaySpec OCI-F یکی از سیستم های نوآورانه ای است که تصاویر ابرطیفی را با هندسه تصویربرداری پوش بروم دریافت می کند. این سنجنده، علاوه بر یک سنسور پوش بروم، از یک سنسور فریم نیز بهره می برد که هم زمان با سنسور پوش بروم و با رزولوشن مکانی زمانی مشابه، تصویر را دریافت می کند. در این مقاله، روشی برای اصلاح هندسی تصاویر پوش برومِ این سنجنده بیان شده است. در بخش اول این روش، با توجه به ساختار تصویربرداری دوربین، ارتباط هندسی میان آرایه خطی و سنسور فریم در قالب پارامترهای کالیبراسیونی مشخص می شود. در ادامه، به کمک برآورد ارتباط هندسی میان تصاویر فریم متوالی، پیکسل های تصویر پوش بروم در کنار یکدیگر چیده و تصویر اصلاح شده تولید می شود. در این روش، ارتباط هندسی میان هر جفت فریم متوالی به طور مستقیم، ازطریق تناظریابی کمترین مربعات، محاسبه می شود. نتایج به دست آمده نشان می دهد که این روش، به طور متوسط، 2/62% از اعوجاجات هندسی تصویر خام را کاهش داده است. این کاهش سبب شده است متوسط دقت مدل های درون یاب عمومی ساده دوبعدی و سه بعدی بین فضای تصویر و زمین، به ترتیب، 9/39% و 1/34% افزایش یابد.

ازآن جاکه تغییر اقلیم یکی از مهم ترین و بزرگ ترین تهدیدها برای طبیعت و تنوع زیستی محسوب می شود و مدیریت و حفاظت گونه ها را دشوار می سازد، پیش بینی و تعیین تأثیرات آن به بیان راهکارهای مناسب حفاظتی و اتخاذ تصمیمات مدیریتی کمک شایانی خواهد کرد. در مطالعه حاضر، تأثیرات تغییر اقلیم بر پراکنش ماهی بنی (Mesopotamichthys sharpeyi) با استفاده از مدل مکسنت (MaxEnt) در محیط نرم افزار R پیش بینی شد. متغیرهای محیطی به کاررفته شامل شیب (Slope)، محدوده سالیانه دما (Temperature Annual Range)، جریان تجمعی (Annual Accumulation)، بارش سالانه (Annual Precipitation)، دمای متوسط سالانه (Annual Mean Temperature) و مساحت حوضه بالادست (Upstream Drainage Area) است. با توجه به نتایج به دست آمده، عملکرد مدل در پیش بینی گونه براساس معیار AUC (Area Under the Curve) عالی (989/0) بود. همچنین دمای متوسط سالیانه و شیب، به ترتیب، مهم ترین متغیرهای محیطی مؤثر در تعیین پراکنش این گونه محسوب می شوند. به علاوه، دامنه پراکنش این گونه در هر دو سناریوی خوش بینانه (RCP 2.6) و بدبینانه (RCP 8.5)، طی 2050 و 2080 میلادی، با کاهش مواجه خواهد شد؛ در نتیجه، به منظور حفاظت از این گونه، لازم است مدیران اقدامات مناسب را در زمینه تعدیل تأثیرات تغییرات اقلیمی و کاهش تهدیدهای ناشی از این تأثیرات، شناسایی و عملی کنند.

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: یکی از مهم ترین قدم ها به سمت توسعه پایدار حفاظت از تمامیت اراضی است؛ به طوری که سالیانه بخشی از اراضی، به دلایل متعدد، تغییر کاربری می یابند و خروج این گونه اراضی از مسیر تولید لطمات جبران ناپذیری درپِی دارد. ازآنجاکه شدت تغییر کاربری اراضی در استان مازندران، ازجمله جلگه هراز، به منزله یکی از مهم ترین مسائل زیست محیطی، در مقیاس های کلان زمانی و مکانی رخ می دهد، بارزسازی و پایش تغییرات کاربری به منظور شناخت اولیه و ارزیابی روند تغییرات آنها می تواند روشی مفید برای مدیریت و برنامه ریزی به شمار رود. با توجه به اینکه جلگه هراز، در دهه های اخیر، از بحران تغییرات مخرب کاربری اراضی در امان نبوده است، لزوم پایش، بارزسازی و روندیابی این تغییرات یکی از مهم ترین فاکتورهای مدیریتی در این منطقه محسوب می شود.مواد و روش ها: بررسی تغییرات کاربری اراضی نیازمند تلفیق لایه ها در بازه زمانی معین است. هدف این پژوهش بررسی تغییر کاربری های اراضی جلگه هراز از 1980 تا 2021 است. بر این اساس، برای سنجش تغییرات، از داده های لندست استفاده شد. با اعمال تصحیحات اتمسفری، هندسی و رادیومتری، عملیات بارزسازی تصاویر اجرا و با بهره گیری از روش طبقه بندی نظارت شده، الگوریتم حداکثر احتمال و اعمال توابع تحلیل مؤلفه مبنا، نقشه ها تولید شدند. نوع تغییرات کاربری از تابع تفاضل تصاویر شناسایی و صحت نقشه ها، با استفاده از آزمون صحت کلی و آماره کاپا، تعیین شد. نتایج و بحث: نتایج نشان داد، از 1980 تا 1990، چهار کیلومترمربع از مساحت اراضی جنگلی کاسته شد و مساحت مراتع نیز از 450 به 436 کیلومترمربع کاهش یافت. از سال 2000 تا 2010، مساحت اراضی جنگلی از 272 به 270 کیلومترمربع و مراتع نیز از 432 به 420 کیلومترمربع رسیده است. درنَهایت، طی سال های 2011 تا 2021، از مساحت اراضی جنگلی نُه کیلومترمربع و مرتع نیز پنج کیلومترمربع کاسته شده است. نتایج بررسی روند تغییرات کاربری های اراضی منطقه حاکی از آن است که مساحت اراضی جنگلی و مرتعی کاهش یافته و به مساحت اراضی کشاورزی و مناطق مسکونی افزوده شده است.نتیجه گیری: با توجه به نتایج به دست آمده و اهداف تعریف شده، می توان اذعان کرد کاربری های منطقه، طی دوره آماری درنظر گرفته شده (2021-1980)، با تغییرات مساحت روبه رو بودند و تغییر محسوسی را نیز نشان دادند. بنابراین دخالت های عوامل انسانی نقش اصلی را در تغییرات کاربری اراضی دارد. این نتایج می تواند به برنامه ریزان، در شناخت عوامل مؤثر در تغییر کاربری و اتخاذ تصمیمات صحیح مدیریتی در سطوح گوناگون، کمک کند.

تخلفات ساختمانی، به سبب سطح فراگیر و آثار بلندمدت و پایدارشان در نیم رخ شهرها، از مهم ترین چالش های شهرنشینی نوین محسوب می شوند. روش های رایج و معمول که امروزه در کنترل ساخت وسازها استفاده می شود، بسیار زمان بر و پرهزینه است. هدف اصلی این پژوهش ارائه چارچوبی نوین به منظور برآورد سریع و کم هزینه، در آشکارسازی و نظارت بر ساخت وسازها و شناسایی ساختمان های غیرمجاز شهری، با استفاده از تصاویر ماهواره سنتینل 1 در دوره زمانی 2017 تا 2022 و سیستم های اطلاعات مکانی است. بدین منظور در مرحله اول، براساس تحلیل و پردازش در نرم افزار SNAP، ضریب پراکنش سیگمانات تصاویر استخراج و به دو طبقه ساختمان و غیرساختمان تفکیک شده و حد آستانه بیشتر از 01/0به دست آمده است. سپس، با استفاده از الگوریتم پیکسل مبنا، تصویر باینری ساختمان و غیرساختمان به صورت صفر و یک تهیه و براساس اختلاف دو تصویر، منطقه ای که ساخت وساز در آن انجام شده است مشخص شد. پس از آشکارسازی مناطق ساختمانی تغییریافته، با استفاده از الگوریتم های طبقه بندی حداکثر احتمال و جنگل تصادفی، این مناطق در سه کلاس (ساختمان، در حال ساخت و سایر اراضی) قرار گرفتند و با نقشه برداشت میدانی و پارسل های بدون پروانه ارزیابی شدند. نتایج نشان داد تعداد ساختمان های بدون پروانه با استفاده از الگوریتم حداکثر احتمال، جنگل تصادفی و برداشت میدانی، به ترتیب، 130 و 135 و 48 است؛ همچنین دقت اجرای روش حداکثر احتمال به بیشترین میزان 89/0% و ضریب کاپای 83/0% نسبت به روش جنگل تصادفی، با دقت کلی 86/0 و ضریب کاپای 81/0% بوده است.

مقدار کربن آلی کل موجود در سنگ منشاء منابع هیدروکربن یکی از پارامتر های حائز اهمیت در ارزیابی آن است. بنابراین لازم است تا با روشی خصوصیات سنگ منشاء برآورد گردد. برای برآورد خصوصیات سنگ منشاء روش های مختلفی وجود دارد. یکی از ابتدایی ترین روش ها استفاده از روش سنتی است که بسیار هزینه بر و زمان بر می باشد، لذا محققان به دنبال روش های کاراتر می باشند. با توجه به پتانسیل بالای سنجش از دور و محدوده های طیفی VIR,VNIR این امکان فراهم تا خصوصیات سنگ منشاء را در سطح وسیع تری و با هزینه کمتر برآورد نمود. روش های کمی و کیفی مختلفی جهت ایجاد ارتباط بین مقدار غلظت عناصر سنگ منشاء و طیف حاصل از داده های سنجش از دور موجود می باشد. که در این تحقیق سعی در برآورد مقدار غلظت کربن آلی کل سنگ منشاء با استفاده از تصویرسنجنده OLI لندست 8 و با بهره گیری از مدل شبکه عصبی مصنوعیMLP شده است.بدین منظور باند 5 محدوده طیفی(885/0-845/0) با ضریب همبستگی پیرسون 62/0 بهترین ورودی برای شبکه عصبی انتخاب شده است. شبکه عصبی مصنوعی با تعداد 5 نورون در لایه مخفی با 79/0R2= و0081/0 RMSE= برای تهیه نقشه کربن آلی کل انتخاب گردید.

تغییر اقلیم به عنوان یکی از مهم ترین چالش های پیش روی بشر می باشد. این پدیده تاکنون تاثیرات قابل توجهی را بر تولیدات کشاورزی در اکثر نقاط جهان مخصوصا مناطق خشک و نیمه خشک بر جای گذاشته است. همچنین، در اکثر مناطق دنیا طی دهه های اخیر، متوسط درجه حرارت افزایش یافته است. امروزه در تحقیقات مختلف، شاخص های سنجش از دور به عنوان یکی از روش های نوین در شناسایی تغییر اقلیم استفاده می شوند. یکی از شاخص های مهم سنجش از دور، ویژگی های فنولوژی پوشش گیاهی است که در مطالعات اخیر توانایی خوبی در شناسایی و تخمین پوشش گیاهی نشان داده است. در مطالعه حاضر، با استفاده از سری زمانی 5 روزه شاخص نرمال شده پوشش گیاهی (NDVI) از تصاویر NOAA-AVHRR و پارامترهای فنولوژی گیاه، تغییرات پوشش گیاهی مناطق مراتع و اراضی دیم حوضه دریاچه ارومیه در طول سال های 2013-1984 مورد بررسی قرار گرفت. داده های اقلیمی دما و بارش از ایستگاه های هواشناسی حوضه دریاچه ارومیه اخذ و در مقایسه با نتایج تصاویر ماهواره ای استفاده گردید. نتایج تحلیل سری زمانی در طی سی سال دوره آماری در حوضه دریاچه ارومیه نشان داد، پارامتر شروع فصل رشد در منطقه اشنویه، سقز و سراب در سال 2013 نسبت به سال 1984 زودتر آغاز شده است. اما در منطقه مراغه دیرتر آغاز شده است. پارامتر پایان فصل رشد در اشنویه، سقز و تکاب زودتر به پایان رسیده است. همچنین پارامتر اوج رشد در شهرستان های مذکور پوشش گیاهی زودتر به حداکثر مقدار خود رسیده است. طول فصل رشد در شهرستان های اشنویه، مراغه و سقز به ترتیب کوتاه تر شده است. نتایج تحلیل های آماری بدست آمده از تصاویر ماهواره ای و داده های اقلیمی نشان داد که تغییرات پارامترهای فنولوژی به مکان وابسته می باشد و همچنین شب های سرد و روزهای گرم در ابتدای فصل رشد به ترتیب کاهش و افزایش یافته است. اما در انتهای فصل رشد روزهای گرم افزایش داشته است. این تغییرات باعث افزایش شیب منحنی فنولوژی رشد گیاه در زمان پیری گیاه شده است و در نهایت طول فصل رشد را کاهش داده است. 

به منظور شناخت ساختگاه، به دست آوردن پارامترهای مقاومتی خاک کاری ضروری و درعین حال هزینه بر و زمان گیر است. در این پژوهش، با استفاده از 135 گمانه ژئوتکنیکی حفر شده در شهر کرمانشاه، پهنه بندی پارامترهای مقاومت برشی خاک (زاویه اصطکاک و چسبندگی) با استفاده از نرم افزار ArcGIS و روش درون یابی کریجینگ معمولی (با شبه واریوگرام های کروی، نمایی و گوسی)، تا عمق نُه متر در بازه های سه متری انجام شده و با استفاده از شاخص های جذر میانگین مربعات خطا (RMSE) و میانگین قدرمطلق خطا (MAE)، بهترین مدل برای پیش بینی مشخصه ها انتخاب شده است. براساس شاخص های ارزیابی خطا، بهترین واریوگرام ها برای پهنه بندی زاویه اصطکاک و چسبندگی در عمق 0 تا 3 متر گوسی، 3 تا 6 متر نمایی و 6 تا 9 متر به ترتیب گوسی و کروی است. مطابق نتایج به دست آمده، اغلب با افزایش عمق، زاویه اصطکاک و چسبندگی افزایش یافته است و بخش های شمالی و جنوب غرب کرمانشاه، در قیاس با دیگر مناطق، دارای خاکی با زاویه اصطکاک بیشتر و چسبندگی کمتر (درشت دانه) هستند و بخش های شمال غرب این شهر خاک های رسی و آبرفتی دارند؛ با توجه به گذر رودخانه قره سو از این ناحیه و قرارگیری مناطق شمالی و جنوبی کرمانشاه در کوهپایه، نتایج تصدیق می شود.

آتش سوزی در پوشش های جنگلی سطح جهان باعث واردشدن خسارات شدید به پوشش های گیاهی، خاک و زیستگاه های طبیعی می شود که تأثیرات زیست محیطی منفی مستقیم و غیرمستقیم را به همراه دارد؛ ازجمله جنگل زدایی، تغییرات آب وهوا و خشکسالی. ازاین رو تشخیص و تعیین خطرها، برای پوشش های گیاهی که دچار آتش سوزی می شوند، به منظور مدیریت و توسعه آنها بسیار مهم است. گسترش تصاویر سنجش از دوری، همچون محصولات آتش فعال دو ماهواره ترا (Terra) و آکوا (Aqua)، طی دو دهه گذشته، از روش های مهم در تشخیص این آتش سوزی ها بوده است. بااین حال محصول آتش فعال سنجنده مودیس، طی مطالعات گذشته، نشان داده است که این موارد به تنهایی نتایج مناسبی از مناطق تحت تأثیر آتش به دست نمی دهند. ازاین رو نیاز است با نقشه های پایه پوشش های گیاهی ارزیابی شوند. این تحقیق با هدف بررسی دو نوع محصولات گیاهی و کشف آتش فعال سنجنده مودیس و نقشه پوشش های جنگلی و غیرجنگلی FNF-JAXA، برای تفکیک بهتر مناطقی که دچار آتش سوزی شده اند، در پوشش های گیاهی کشور ایران بین روزهای ژولیوسی 1 تا 160 (یازدهم دی 1398 تا هجدهم خرداد 1399) در سال 2020 انجام شد. نتایج بیانگر بیشترین مساحت آتش سوزی در روز ژولیوسی 144 (سوم خرداد 1399)، با بیش از 49هزار هکتار و روز ژولیوسی 128 (هجدهم اردیبهشت 1399)، با بیش از 45هزار هکتار است. اما بیشترین مساحت آتش سوزی پوشش های جنگلی در روزهای 120 تا 160 (دهم اردیبهشت تا هجدهم خرداد 1399)، با بیش از 14هزار هکتار برآورد شده است. استان خوزستان بیشترین مساحت آتش سوزی را در دوره زمانی مورد مطالعه، داشته است که بیشتر این مناطق در اراضی کشاورزی قرار داشتند. سه استان فارس، کهگیلویه و بویراحمد و بوشهر بیشترین مساحت آتش سوزی ها را در پوشش های جنگلی داشته اند. بیشترین فراوانی آتش سوزی ها در اراضی کشاورزی مشاهده شد که مهم ترین دلایل آن می تواند دخالت های انسانی باشد. همچنین ارزیابی نهایی نتایج نشان داد استفاده از محصول FNF-JAXA (با صحت نهایی 4/87% و ضریب کاپای 85/0)، در قیاس با محصولات مودیس (با صحت نهایی3/80% و ضریب کاپای 78/0)، در تفکیک مناطق جنگلی قابلیت بهتری دارد. بااین همه توانایی محصولات مودیس در تفکیک نوع پوشش گیاهی مرتع و کشاورزی مزیتی مهم به شمار می رود که محصول FNF-JAXA چنین ویژگی ای ندارد. به طور کلی، یافته های تحقیق بیانگر قابلیت مناسب تصاویر محصولات گیاهی مودیس و نقشه های FNF-JAXA است که می توانند، به منزله نقشه های مرجع برای تفکیک پوشش های گیاهی گوناگون که دچار آتش سوزی می شوند، در ارزیابی خسارت و مدیریت آنها به کار روند.

سابقه و هدف: فنولوژی گیاهان نقش مهمی در اکوسیستم های گیاهی ایفا می کند و شاخصی مهم در تغییرات بوم شناختی به شمار می رود. با توجه به گسترش شهرنشینی، فضای سبز شهری گاهی نقشی حیاتی در این مناطق مسکونی دارد. ازطرف دیگر، استفاده از گیاهان در سطح شهرها و خدمات فضای سبزی که آنها ارائه می دهند، توجه زیادی را هم در سطح عمومی و هم در مطالعات جدید به خود جلب کرده است. ارزش فضای سبز شهری به دلیل مزایای متعدد آن برای سلامتی انسان و محیط بوم شناختی شهرها حائز اهمیت است. ازاین رو، با توجه به اهمیت نقش گیاهان در اکوسیستم شهری و نقش آن در سلامت جامعه، مطالعه و پایش چرخه فنولوژیکی گیاهان در فصل های مختلف سال در مناطق شهری در مقیاس های مکانی– زمانی مختلف ضروری است.مواد و روش ها: در این پژوهش، با استفاده از دو شاخص پرکاربرد NDVI و EVI محاسبه شده از تصاویر سنجنده OLI ماهواره لندست-8 و تصاویر محصول MOD13Q1 سنجنده مودیس ماهواره ترا، چرخه فنولوژی گیاهان در سطح کلان شهر اهواز در دوره زمانی 2015 تا دسامبر 2019 تحلیل شد. تصاویر ماهواره ای از طریق پلتفرم گوگل ارت انجین فراخوانی و تهیه شد. سپس، با توجه به نوع پوشش گیاهی، چرخه فنولوژیکی گیاهان براساس شاخص های پوشش گیاهی به دست آمد و با چرخه فنولوژیکی به دست آمده از بررسی های زمینی مقایسه شد. با توجه به احتمال وجود نویز و پیکسل هایی با اختلاط طیفی، برای هموارسازی چرخه فنولوژیکی گیاهان از فیلتر Savitzky–Golay استفاده شد.نتایج: نتایج به دست آمده حاکی از روند افزایش مقادیر هر دو شاخص NDVI و EVI به ترتیب با 03/0 و 04/0 در سنجنده OLI و 01/0 (در سال) در محصول سنجنده مودیس است. این تغییرات در ماه های ژانویه، مارس، اکتبر، نوامبر و دسامبر در هر دو سنجنده افزایشی بوده است که به معنای شرایط بهتر زیستی گیاه است. زمان دوره های فنولوژی گیاهان در هر دو سنجنده متفاوت بود. بیشترین اختلاف در هر دو سنجنده در سال های 2018 و 2019 مشاهده شد. با توجه به مناسب تر بودن شرایط محیطی در این دو سال در مقایسه با سایر سال ها، می توان نتیجه گرفت که با افزایش میزان کلروفیل گیاه، میزان اختلاف بین نتایج این دو سنجنده بیشتر می شود. دوره های انتقال فصل رشد به دست آمده از سنجنده OLI جزئیات بیشتری را در مقایسه با مجموعه داده های با وضوح متوسط مودیس نشان داد. در سنجنده مودیس در مقایسه با سنجنده OLI زمان شروع دوره های فصل رشد، زودتر بود. این تفاوت ها گویای تغییرات بیشتر پوشش گیاهی است که استفاده از تصاویر با قدرت تفکیک بالا قابلیت تشخیص بهتری نسبت به سنجنده های با قدرت تفکیک مکانی متوسط و پایین دارند. به طور کلی، نتایج قابل قبولی از تغییرات چرخه فنولوژیکی گیاهان در سطح یک منطقه شهری با انواع مختلف پدیده های زمینی که سبب ناهمگنی بیشتر در پیکسل های تصاویر سنجنده های ماهواره ای می شود، مشاهده شد.نتیجه گیری: نتایج مقایسه دوره های فصل رشد در سنجنده OLI و مودیس (به ترتیب) با واقعیت زمینی نشان می دهد کمترین اختلاف در شروع فصل رشد با 7 و 10 روز بوده است. بیشترین اختلاف بین نتایج به دست آمده از سنجنده های OLI و مودیس (به ترتیب) با واقعیت زمینی در اوج فصل رشد با 20 و 35 روز و پایان فصل رشد 20 روز دیرتر و 20 زودتر بوده است. طول فصل رشد در سنجنده مودیس حدود چهار ماه و در سنجنده OLI حدود پنج ماه مشاهده شد که نتایج لندست به واقعیت زمینی نزدیک تر است. این تفاوت را می توان به افزایش تعداد پیکسل های مخلوط با توجه به قدرت تفکیک مکانی تصاویر سنجنده مودیس نسبت داد. نتایج این پژوهش، می تواند راهگشای بررسی تغییرات چرخه های فنولوژیکی در پاسخ به تغییرات محیطی با استفاده از تصاویر سنجش از دور در مناطق شهری باشد.

حوضه آبریز فلات مرکزی ایران، به دلیل تغییرات اقلیمی و کاهش منابع آب دردسترس ازیک سو و افزایش جمعیت و به تبع آن، افزایش تقاضا ازسوی دیگر، با بحران شدید آب مواجه است. دانش سنجش از دور و دردسترس بودن محصولات متعدد ماهواره ای امکان پایش روند تغییرات پارامترهای گوناگون محیطی، به ویژه منابع آب سطحی و زیرزمینی را با دقت مناسب فراهم آورده است. بدین منظور، با استفاده از سامانه گوگل ارث انجین، شانزده محصول ماهواره ای شامل پارامترهای محیطی متفاوت، همچون بارش، دما، تبخیر و تعرق، رطوبت خاک، رواناب، ضخامت آب معادل (GRACE)، شاخص پوشش گیاهی و مساحت پیکره های آبی، در بازه زمانی سال های 2000 تا 2022، دریافت و آماده سازی شد. سپس با استفاده از آزمون ناپارامتریک من کندال و تخمین گر شیب سن، روند تغییرات این پارامترها بررسی شد. با توجه به نتایج حاصل، تغییرات گرانش زمین که از نشانگرهای سطح آب زیرزمینی است و نیز مساحت پیکره های آبی که بیانگر منابع آب سطحی است و رطوبت خاک، روندی کاهشی و معنی دار را نشان داد؛ درحالی که دمای حداکثر، دمای حداقل و تبخیر و تعرق پتانسیل و شاخص NDVI بیانگر روند افزایشی معنی داری بود. به رغم کاهش مساحت پیکره های آبی، شاخص پوشش گیاهی افزایش یافته است که افزایش سطح زیرکشت محصولات کشاورزی و برداشت بی رویه از منابع آب زیرزمینی را نشان می دهد و روند کاهشی محصول ماهواره GRACE نیز مؤید این واقعیت است. بررسی ضرایب همبستگی بین پارامترهای دارای روند معنی دار نیز نشان داد بین GRACE و پارامترهای NDVI، دمای حداقل، دمای حداکثر، رطوبت خاک و مساحت پیکره های آبی، همبستگی معنی داری وجود دارد.

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: 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: همه گیری کووید 19 به منزله پدیده ای جغرافیایی درنظر گرفته می شود که تجزیه وتحلیل فضایی و تأثیر جغرافیایی آن، در تصمیم گیری و جنبه های زندگی روزمره، بسیار اهمیت می یابد. سامانه اطلاعات جغرافیایی و تکنیک های مکانی می توانند نقش مهمی در تجزیه و تحلیل کلان داده های شیوع این بیماری در سطح جهانی ایفا کنند. مطالعات انجام شده باکمک تکنیک های تحلیل فضایی توانسته اند میزان اهمیت متغیرهای اجتماعی و بهداشتی را در میزان ابتلا و موارد مرگ ومیر ناشی از بیماری کووید 19 نشان دهند؛ هرچند درمورد تأثیر متغیرهای هواشناسی در این زمینه، مطابق با متفاوت بودن نتایج پژوهش های پیشین، همچنان ابهاماتی وجود دارد. با توجه به تنوع اقلیمی ایران، با انجام دادن پژوهش هایی در این زمینه به منظور آشکارسازی عوامل مهم و اثرگذار فضایی، می توان گام های مؤثری برداشت. بنابراین هدف این مطالعه مدل سازی و تعیین عوامل تأثیرگذار در پراکنش بیماری کووید 19، براساس داده های موجود و دردسترس است.مواد و روش ها: در این مطالعه، با استفاده از روش های رگرسیون فضایی عمومی و محلی، عوامل تأثیرگذار در پراکنش میزان ابتلا به بیماری کووید 19 بررسی شد. برای این منظور، 73 شهرستان که آمار تعداد مبتلایان به بیماری کووید 19 آنها (طی دوره ای کوتاه، از دهم اسفند 98 تا بیستم خرداد 99 به تفکیک شهرستان ها) دردسترس بوده است، انتخاب شدند. عوامل ارتفاع، تراکم جمعیت و میانگین سنی، نسبت جمعیت بالای 55 سال به جمعیت کل و همچنین پارامترهای هواشناسی شامل رطوبت، دما، فشار و سرعت باد انتخاب و رابطه آنها با این بیماری، به کمک روش های آمار فضایی، بررسی شد. براساس روش رگرسیون گام به گام تراکم جمعیت، فشار هوا، میانگین سن و سرعت باد به منزله پیش بینی کننده های معنی دار تعیین شدند و بروز بیماری با استفاده از تکنیک OLS مدل سازی شد. سپس با توجه به ناایستابودن رابطه متغیرهای مستقل با متغیر وابسته، هم در بعد فضایی و هم در بعد داده ها، تکنیک GWR به کار رفت و برای افزایش تغییرپذیری فضایی و برطرف کردن مشکل هم راستایی خطی، از روش تحلیل مؤلفه های اصلی و نرم افزار SPSS بهره برده شد.نتایج و بحث: نتایج نشان داد مدل عمومی ارائه شده به طور کلی به لحاظ آماری معنی دار است و مقادیر واریانس توجیه شده با مدل تصادفی نیست اما رابطه متغیرهای مستقل با متغیر وابسته، هم در بعد فضایی و هم در بعد داده ها، ناایستاست. همچنین مشخص شد توزیع باقی مانده ها تاحدی از توزیع نرمال انحراف نشان می دهد که چه بسا به دلیل وجود ناایستایی در مدل باشد. بنابراین تکنیک رگرسیون وزن دار جغرافیایی برای مدل سازی به کار گرفته شد. به منظور اجرای آن و افزایش تغییرپذیری فضایی برای رفع مشکل هم راستایی خطی (به دلیل وجود الگوی خوشه ای در متغیرهای هواشناسی)، روش تحلیل مؤلفه های اصلی استفاده شد و عوامل هواشناسی به یک فاکتور کاهش یافت. این عامل نزدیک به 70٪ تغییرات این متغیرها را توجیه می کند. کاهش عوامل متغیرهای میانگین سن و نسبت جمعیت بالای 55 سال نیز به یک عامل باعث بهبود نتایج شد. بنابراین تراکم جمعیت، عامل هواشناسی و عامل سن به منزله متغیرهای پیش بینی کننده در مدل سازی با تکنیک GWR درنظر گرفته شدند. افزایش 10درصدی ضریب تعیین تعدیل شده مدل وزن دار جغرافیایی (63٪) نشان از بهبود نسبی نتایج این مدل درقیاس با مدل عمومی دارد. نتایج آزمون خودهمبستگی فضایی موران نشان داد، با اینکه از شدت الگوی خوشه ای باقی مانده ها در این مدل درمقایسه با مدل OLS کاسته شده است، همچنان در سطح اطمینان 99٪ معنی دار است. تحلیل نقاط داغ در سطح اطمینان 95٪ نشان داد بخش های غربی استان کردستان، بخش های شمالی و غربی استان خوزستان نقاط داغ (الگوی خوشه ای کم برآورد معنی دار) و بخش های شرقی استان همدان و بخش های شمالی استان بوشهر نقاط سرد (الگوی خوشه ای بیش برآورد معنی دار) هستند. بنابراین دست کم یک متغیر تأثیرگذار در بروز این بیماری درنظر گرفته نشده است. با توجه به اینکه متغیرهای احتمالی درنظر گرفته نشده همچون عوامل فرهنگی، بهداشتی و ژنتیکی دردسترس نبوده اند و یا ممکن است اندازه گیری آنها سخت بوده باشد، از بررسی آنها صرف نظر شد.نتیجه گیری: نتایج این مطالعه اهمیت و میزان تأثیر عوامل جمعیت شناختی و محیطی را در میزان ابتلا به بیماری کووید 19 روشن کرده است و می تواند برای ادامه مطالعاتی در این زمینه راه گشا باشد.