درخت حوزه‌های تخصصی

برآورد پتانسیل تولید هر گیاه تابعی از شرایط اقلیمی، پتانسیل های ژنتیکی گیاه و دیگر عوامل گوناگون محیطی و مدیریتی است. ارزیابی توانمندی مناطق، در به فعلیت رساندن پتانسیل های ژنتیکی گیاهان، از نکات مهم برنامه ریزی های کلان در کشاورزی به حساب می آید. با توجه به جایگاه استان قزوین در تولید محصول ذرت و اهمیت کشت این محصول در استان، برآورد هرچه دقیق تر میزان عملکرد این محصول استراتژیک بسیار ضرورت دارد. در همین زمینه، با مطالعه یک دوره داده برداری یازده ساله، عملکرد محصول ذرت با مدل گیاهی جدید AquaCrop-GIS برآورد شد. پهنه بندی شاخص های کلیدی محصول از طریق مدل در سطح استان شبیه سازی شد. با بررسی نتایج این پارامترهای کلیدی، مشخص شد ایستگاه های مطالعاتی قزوین و معلم کلایه با میزان تبخیر و تعرق مرجع کمتر دارای بهره وری آب بیشتری است. در ادامه با استفاده از عملکرد محاسباتی، اجزای ردپای آب و ردپای آب کل محصول در محدوده ایستگاه های مطالعاتی تخمین زده شد. با بررسی معادلات رگرسیونی میان اجزای ردپای آب و ردپای آب کل محصول با عملکرد محصول در هر ایستگاه، مشخص شد روابط ردپای آب آبی با عملکرد به نسبت دیگر اجزای ردپای آب درمورد تمامی ایستگاه ها، از میزان ضریب تعیین (43/0= R 2 ، 51/0= R 2 ، 43/0= R 2 ، 77/0= R 2 و 79/0 = R 2 به ترتیب درمورد ایستگاه های قزوین، آوج، معلم کلایه، تاکستان و بویین زهرا) و سطح معنی داری برخوردار است. به طورکلی ضریب تعیین این روابط در ایستگاه بویین زهرا با 88/0= R 2 ، 79/0= R 2 ، 56/0= R 2 و 53/0= R 2 به ترتیب برای ردپای آب سبز، آبی، خاکستری و ردپای آب نسبت به سایر ایستگاه ها، بیشتر برآورد شد؛ به این معنی که کاهش عملکرد در این ایستگاه تأثیر بسزایی بر افزایش ردپای آب کل محصول داشت.

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

با توجه به شرایط طبیعی کشورایران،عدم توجه به موضوع سیلاب ها میتواند خسارات های جبران ناپذیری به بار آورد که در این میان برآورد سیلاب و پهنه بندی نواحی سیل گیر اهمیت بسیار زیادی در کنترل خطرات دارد. به دلیل قرار گیری حوضه کن در شمال تهران و قرارگیری در دامنه ها وشیب های تند و خصوصیات بارش و پوشش گیاهی وقوع سیلاب یکی از دغدغه های عمده در این منطقه می باشد. همچنین ساخت وسازها وایجاد رستوران ها در حاشیه رودخانه ها و تخریب پوشش گیاهی باعث کاهش مقدار آب نفوذی و افزایش آب سطحی گردیده است. حجم زیاد آب ازسمتی بر بزرگی طغیان سیل می افزاید و از طرفی با افزایش فرسایش، رسوباتی به وجود می آورد که با برجای گذاشتن آن ها ظرفیت بستر اصلی رود کاهش می یابد. علت اصلی وقوع این سیلاب ها بارش باران های شدید و گاهی نیز ذوب برف است که باعث طغیان رودخانه و جاری شدن آب در زمین های حاشیه ای رود می شود. در این تحقیق کوشش شده که نواحی سیل گیر حوضه کن در شمال استان تهران با استفاده از مدل تصمیم گیری فازی مورد مطالعه و پهنه بندی قرار گیرد. پس از بررسی معیارهای مورد نیاز فازی سازی هریک از آنها انجام شده است و برای پهنه بندی با استفاده از عملگر های gama ، or و and تلفیق لایه های اطلاعاتی فازی صورت گرفته است و برای شناسایی مناطق سیل گیر حوضه آبریز کن عملگر گاما (0.8) به خوبی نواحی سیل گیر را بارزسازی کرده است. عملگر and ، حداکثر درجه عضویت اعضا را استخراج می کند و از دقت بالایی در مکانیابی برخوردار نمی باشد. عمگر or نیز عملگر اشتراک مجموعه هاست. که حداقل درجه عضویت اعضا را استخراج می کند در نتیجه برای تحقیق حاضر عملگر گاما در ارتباط با پهنه بندی خطر حوضه آبریز کن ، بسیار مطلوب عمل کرده است.

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

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

توسعه روزافزون شهرها باعث بروز مشکلات بسیار جدی در زندگی روزمره بشر می شود. از سویی نمی توان توسعه شهری را محدود ساخت بلکه باید آن را متناسب با نیازهای امروز و فردای بشر آماده نمود، به گونه ای که از وارد آمدن آسیب به محیط زیست جلوگیری شود. در ای ن پ ژوهش س عی ش ده اس ت ب ا شناس ایی ویژگ ی ه ای محیط ی، خصوص اً ویژگ ی ه ای ژئومورفول وژیکی و ارزی ابی آن، مک ان ه ای بهین ه ب رای توس عه ش هری شهرکرد مش خص ش ود. بدین منظور از 13 ش اخص اس تفاده گردید و ب ا اس تفاده از تلفی ق دو م دل منط ق ف ازی و AHP ابت دا ه ر ک دام از لای ه ه ا در مح یط نرم افزار ArcGIS ف ازی ش دند و بع د از ض رب وزن لایه ه ای حاص ل از AHP در ه ر ک دام از لای ه ه ا، عملگ رهای ض رب، جم ع ف ازی و گام ای ف ازی اجرا شد. در نهای ت گام ای بهین ه در ArcGIS ب ه 5ک لاس تناس ب تقس یم بن دی گردید. نتایج تحقیق نشان می دهد که 5/16درص د منطق ه م ورد مطالع ه در ک لاس بسیار مناسب ق رار دارد و 9 درص د از منطق ه در ک لاس بسیار نامناسب ق رار م ی گی رد. نقشه حاصل از مدل مذکور نواحی با احتمال گسترش ف ضایی برمبن ای روند گذشته را مشخص نموده و نواحی مناسب برای گسترش آتی را نیز ارائه ک رده است. ب ر این مبنا نواحی شرقی، شمالی و جنوب شرقی شهر شهرکرد مناسب ترین نواحی برای گسترش آتی شهر می باشند.

نقشه های پوشش/کاربری اراضی، برای پایش تغییرات عوارض و برنامه ریزی صحیح، هرساله مورد نیاز مدیران حوزه کشاورزی، منابع طبیعی و زیست محیطی است. روش برداشت میدانی با جی پی اس (GPS) و نقشه برداری زمینی مستلزم صرف زمان و هزینه های بسیار است. بنابراین، اغلب از تصاویر ماهواره ای، که دارای پوشش سراسری و توالی برداشت، هزینه کم و اطلاعات به هنگام اند، استفاده می شود تا نقشه های پوشش/کاربری زمین به دست آید. تهیه نقشه دقیق با روش مناسب روز موضوعی کلیدی است. طی سال های اخیر، استفاده از تصاویر ماهواره ای جدید و روش های نوین طبقه بندی، به ویژه یادگیری ماشین، رشد فزاینده ای داشته و کارآیی آنها در تهیه نقشه های پوشش/کاربری اراضی بسیار موفقیت آمیز بوده است. یکی دیگر از مزایای تصاویر ماهواره ای برداشت های متوالی است و براساس آن، می توان از تغییرات پوشش گیاهی در طول زمان، برای تفکیک نوع پوشش، استفاده کرد. ماهواره سنتینل-2، با امتیاز پیکسل 10متری، یکی از ابزارهای مناسب برای تفکیک نوع پوشش محسوب می شود. در این تحقیق، برای تفکیک انواع کاربری اراضی و محصولات زراعی دشت سنجابی روانسر، از تصاویر چندزمانه سنتینل-2 و روش های طبقه بندی ماشین بردار پشتیبان و جنگل تصادفی استفاده و دقت آنها با یکدیگر مقایسه شد. بدین منظور، پس از نمونه برداری، تحلیل مؤلفه های اصلی برای چهار تاریخ دوره رشد محصولات اجرا شد و باندهای PC 1 ، PC 2 و PC 3 تصاویر با هم ترکیب شدند. دو روش روی ترکیب باند های PC 1 ، PC 2 و PC 3 تصاویر و نمونه های تعلیمی اعمال شدند. ارزیابی دقت ها نشان داد ماشین بردار پشتیبان، با صحت کلی 91.36% و ضریب کاپای 0.8927، نقشه کاربری اراضی و محصولات دقیق تری، در قیاس با روش جنگل تصادفی، تولید می کند.

کلیه اسناد املاک قدیمی کشور که کاغذی هستند می بایستی به نقشه های رقومی و زمین مرجع تبدیل گردند. در رقومی سازی قطعات جهت ورود به سامانه حدنگاری، لازم است که فرم رقومی چندضلعی ازنظر مساحت و ابعاد محیطی با سند (قبلی) مطابقت داشته باشد. در فرایند رقومی سازی ویژگی های هندسی عوارض نظیر مساحت پلی گون ها تغییر می یابد. حفظ مطابقت طول ها و مساحت، مانع از بروز مغایرت در اسناد و ایجاد اختلافات ثبتی و معاملاتی می گردد. جهت رفع این مشکل در این تحقیق، در فرایند رقومی سازی با ثابت نگه داشتن طول های اضلاع برای حفظ مساحت پلی گون ها، زوایای رئوس پلی گون ها به عنوان مشاهده در نظر گرفته می شود و روشی مبتنی بر سرشکنی کمترین مربعات با استفاده از معادلات شرط ارائه می گردد. در این فرایند، مختصات جهانی به محل های ثابت نقشه رقومی شده نسبت داده می شود و با حفظ طول اضلاع و با کمترین تغییر موقعیت رئوس، مساحت درج شده در سند جهت مطابقت لازمه تأمین می گردد. برای بررسی این روش، یک نقشه کاغذی حاوی شش قطعه با مساحت های حدود هزار مترمربع در مقیاس 1:1000 اسکن گردید و رقومی سازی با تکیه بر حفظ مساحت و طول های پلی گون ها صورت گرفت. نتایج نشان می دهد که میانگین، حداکثر و حداقل مقدار جابه جایی رئوس توسط روش سرشکنی به طور متوسط به ترتیب برابر 31/19، 96/26 و 50/10 سانتی متر است که با توجه به مقیاس نقشه و قوانین حدنگاری قطعات زراعی و اراضی ملی ازنظر ثبتی قابل قبول بوده و تدقیق صورت گرفته در رقومی سازی با توجه به مطابقت ایجادشده مقبول و مطلوب است.

. 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

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.

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

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.

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.

ارزیابی خشک سالی، ازنظر زمانی و مکانی، برای برنامه ریزی های کاهش خسارات در استان کردستان اهمیت بسیاری دارد. در این تحقیق، از شاخص بارش استانداردشده و همچنین، شاخص پوشش گیاهی بارزشده استخراجی از تصاویر ماهواره ای، به منزله پارامتر تعیین کننده خشک سالی، استفاده شده است. به این منظور، داده های آماری ایستگاه های هواشناسی شامل حداکثر دمای ماهیانه، مجموع بارش سالیانه و نیز تصاویر سنجنده مادیس به کار رفته است. با مقایسه پارامترهای هواشناسی شامل میانگین دمای سالیانه، میزان بارش سالیانه و همچنین مقایسه نقشه های شاخص بارش استاندارد و شاخص پوشش گیاهی بارزشده، وضعیت خشک سالی منطقه در دوره زمانی هفده ساله ای بررسی شده است. نتایج بررسی دو شاخص بارش استانداردشده و پوشش گیاهی بارزشده نشان می دهد که خشک سالی ناشی از تغییرات بارشی دارای راستای غرب به شرق است و پدیده خشک سالی در مناطق شرقی شدت بیشتری دارد. در این راستا، مناطق جنوبی حساسیت بالاتری نشان داده اند که در مجموع، مناطق جنوبی، به ویژه جنوب شرق استان، بیشترین آسیب پذیری را در پدیده خشک سالی داشته اند. مناطق دارای حساسیت بسیار بالای خشک سالی حدود 10% مساحت اراضی استان را پوشش می دهد و این درحالی است که 91% از مساحت مناطق با حساسیت بسیار زیاد خشک سالی در کاربری کشت گندم دیم قرار دارد.

آشکارسازی تغییرات پوشش اراضی برای پایش رشد شهرها و برنامه ریزی مسئولانه در مورد آنها امری ضروری است. سنجش از دور فناوری قدرتمندی است که می توان از آن در آشکار سازی تغییرات اراضی استفاده کرد. یکی از چالش های موجود در این زمینه توسعة روش های کارآمد به منظور آشکار سازی تغییرات با سطح خودکارسازی بالاست که بتواند اطلاعاتی صحیحی در مورد موقعیت جغرافیایی و ماهیت این تغییرات ارائه کند. در پژوهش حاضر با استفاده از دو تصویر GeoEye منطقة 17 شهر تهران مربوط به سال های 2004 و 2010 از ویژگی های مکانی متن تصویر، شبکه های عصبی و الگوریتم ژنتیک برای آشکار سازی تغییرات استفاده شد. شش حالت مختلف، هریک با دو رویکرد طبقه بندی مستقیم چندزمانی و مقایسة پس از طبقه بندی، از دیدگاه صحت آشکارسازی و زمان اجرای الگوریتم مورد مقایسه قرار گرفتند. بررسی های انجام شده نشان دادند که رویکرد طبقه بندی مستقیم چندزمانی در هر شش حالت نتایج بهتری ارائه کرده است. همچنین در بین شش حالت بررسی شده، عملکرد حالت ششم (روش پیشنهادی این تحقیق) از نظر صحت طبقه بندی بهتر است. در حالت ششم پس از انتخاب بهینة ویژگی ها، طبقه بندی مبتنی بر شبکه های عصبی با تعیین معماری شبکه و با چندین بار اجرا صورت می گیرد. هرچند زمان اجرای این روش درمقایسه با دیگر حالت های بررسی شده بیشتر است، اما درصورتی که صحت طبقه بندی به زمان ارجحیت داشته باشد این روش کاملاً توصیه می شود

سپیدایی از ﭘﺎراﻣﺘﺮﻫﺎی ﻣﻮرد ﻧیﺎز در ﻣﻄﺎﻟﻌﺎت زیﺴﺖ ﻣﺤیﻄی و آب و ﻫﻮایی به شمار می رود؛ ازاین رو، بررسی رفتار زمانی و مکانی آن می تواند ابزاری برای شناخت تغییرات محیطی باشد. ﺳﻨﺠﻨﺪه مودیس سپیدایی ﺳﻄﺢ زﻣیﻦ را به طور ﻣﺴﺘﻤﺮ، در ﻣﻘیﺎﺳی ﺟﻬﺎﻧی و ﺑﺎ ﻗﺪرت ﺗﻔکیک ﻣکﺎﻧی مناسب ﺗﻮﻟیﺪ و در دسترس پژوهشگران ﻗﺮار داده است. در این پژوهش، برای واکاوی موانع برداشت/ دیدبانی سپیدایی ایران زمین، نخست داده های روزانه سپیدایی سنجنده مودیس در محدوده ایران، در بازه زمانی 1/1/1379 تا 10/10/1397 و به مدت 6867 روز، از تارنمای مودیس استخراج شد. پس از موزاییک کردن کاشی ها، فراوانی بلندمدت دیدبانی های سپیدایی ایران زمین برای هریک از فصل های سال جداگانه محاسبه شد. یافته ها نشان داد که عوامل محدودکننده دیدِ ماهواره، در زمان ها و مکان های گوناگون، متفاوت است؛ به طوری که در فصل تابستان، به ویژه در کرانه های دریای عمان، رطوبت نقش محدودکننده دارد. درحالی که در فصل زمستان، به خصوص در رشته کوه های البرز و زاگرس، ابرناکی عامل محدودکننده به حساب می آید. گذشته از عوامل رطوبت و ابرناکی، ریزگردها نیز عامل محدودکننده برداشت سپیدایی شناخته می شوند. بررسی های انجام شده روی 394 ایستگاه زمینی اثبات کرد، در زمانی که ماهواره نتوانسته است سپیدایی را اندازه گیری کند، در بیش از 70% موارد، عوامل یادشده گزارش شده است.

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.

پهنه بندی کیفیت آب رودخانه نخستین و مهم ترین مرحله در مدیریت کیفیت آب است، که ذهن تحلیلگر را با روند و چگونگی تغییرات آلودگی برحسب زمان، مکان و شرایط خاص آشنا می سازد. پژوهش حاضر درصدد است با استفاده از شبکه های عصبی مصنوعی و سامانه اطلاعات جغرافیایی به پهنه بندی کیفیت آلودگی آب رودخانه سیمینه رود بپردازد. داده های کیفی استفاده شده در تحقیق، حاصل نمونه برداری از رودخانة سیمینه رود در سه فصل بهار و پاییز 1387 و بهار 1388 است که با استفاده از مدل QUAL2K شبیه سازی شد. خروجی مدل با داده های مشاهده ای مقایسه گردید و پارامترهای نیترات، اکسیژن محلول و هدایت الکتریکی ِ مربوط به فصل پاییز 1387 به عنوان داده های هدف انتخاب شدند. داده های ورودی شامل داده های مربوط به کاربری اراضی، زمین شناسی، قابلیت فرسایش و مراکز جمعیتی مربوط به حوضة سیمینه رود هستند که به همراه داده های هدف بعد از آماده سازی در محیط GIS به مدل شبکة عصبی معرفی شدند. در این تحقیق از پنج ساختار مختلف مدل FFBP شبکة عصبی استفاده شد و نتیجة ساختار منتخب با خروجی های حاصل از مدل رگرسیون چندمتغیره مقایسه گردید، که برتری مدل شبکة عصبی مذکور را نشان داد. نتیجه تحقیق حاضر نشان می دهد که شبکه های FFBP با ساختار 3-40-40-4 بهترین کارایی را دارند، و شبکه عصبی در پهنه بندی کیفیت آلودگی آب قابلیت بالایی دارد.

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.

هدف از این مقاله تعیین سهم پوشش برف حوزه های کرج و لتیان با استفاده از تصاویر MODIS، به روش سالومونسون و همکاران و شناسایی منابع خطای این روش است. اهمیت سطح پوشش برف به دلیل تأثیرگذاری بر بیلان تابش، بیلان آب و مدل سازی انجام تحقیقات گوناگون را ضروری ساخته است. در این تحقیق برای بررسی سطح برف از داده های MODIS و برای ارزیابی دقت، از تصاویر LISIII-IRS استفاده شده است. تا کنون روش های متفاوتی برای استخراج سهم برف پیکسل ها به کار گرفته شده که در تحقیق حاضر از روش سالومونسون و همکاران به دلیل دقت مناسب و نیاز نداشتن به اطلاعات اولیه از منطقه استفاده شده و عوامل ایجاد خطا در آن شناسایی شده است. افزون بر این، ضرایب معادلة سالومونسون و همکاران با استفاده از داده های منطقه ای ایران بهینه سازی شده و دقت حاصل از مدل با ضرایب بهینه، در منطقه ای جدید ارزیابی شده است. نتایج ارزیابی دقت نشان داده اند که روش سالومونسون و همکاران می تواند سهم برف پیکسل های MODIS را با خطای RMS 20/0 پیکسل برآورد کند. ضرایب کاپا و دقت کلی این روش به ترتیب 84/0، 12/92 است، که دقت مناسب آن را نشان می دهد. نتایج تحقیق نشان می دهند که به دلیل خطای بالاتر روش سالومونسون و همکاران، باید در نواحی حاشیة رودهای ایران که عموماً دارای پوشش درختی کم تراکم و باغ های پراکنده اند، از این روش صرف نظر شود. لازم است برای حذف مناطق آبی از ماسک های مناسب استفاده شود. بهینه سازی ضرایب مدل توانسته است دقت برآورد مدل را بهبود بخشد، به طوری که مقدار خطای RMS مدل با ضرایب اصلاح شده در منطقه ای جدید 258/0 پیکسل به دست آمده، درحالی که معادلة سالومونسون و همکاران در همین منطقه خطای RMS عدد 266/0 پیکسل را نشان داده است. کلید واژه ها : روش سالومونسون و همکاران، زیرپیکسل، سطح پوشش برف، شاخص تفاضلی نرمال شدة برف.