درخت حوزه‌های تخصصی

سابقه و هدف: زلزله یکی از مخاطرات طبیعی است که به دلیل ماهیت نامنتظره اش، اغلب خسارات جانی و مالی فراوانی بر جای می گذارد. با رشد سریع شهرنشینی و به تبع آن، تمرکز جمعیت بیشتر در شهرها و همچنین افزایش تراکم ساختمان ها و تعداد تأسیسات، آسیب پذیری آنها نیز در برابر زلزله افزایش یافته و جان و مال افراد بیشتری درمعرض خطر قرار گرفته است. درحال حاضر راهی برای پیشگیری از وقوع زلزله وجود ندارد اما، با راهکارهایی همچون شناسایی مناطق آسیب پذیر، می توان خسارات ناشی از آن را تاحدی کاهش داد. در این تحقیق، میزان آسیب پذیری بخشی از شهر تبریز در برابر این رخداد بررسی شده است. مواد و روش ها: منطقه مورد مطالعه، در این تحقیق، بخشی از محدوده مربوط به شهرداری منطقه 2 کلان شهر تبریز است. منطقه 2 شهرداری در جنوب و جنوب شرق شهر تبریز واقع شده و با توجه به ویژگی های اجتماعی، اقتصادی و کالبدی آن، یکی از مناطق مهم شهر تبریز به شمار می رود. برای تعیین میزان آسیب پذیری، ابتدا معیارهای مؤثر در آسیب پذیری بافت شهری در برابر زلزله شناسایی و اطلاعات مورد نظر جمع آوری شد. این معیارها شامل قدمت ابنیه، نوع مصالح، کیفیت ابنیه، تعداد طبقات، تراکم جمعیت، فاصله از گسل، فاصله از معابر، فاصله از فضاهای باز و مساحت بناست. سپس مهم ترین و کم اهمیت ترین معیار مشخص و پس از مقایسه های مرجع، وزن هر معیار براساس مدل بهترین بدترین که از روش های نوین تصمیم گیری چندمعیاره است، محاسبه شد. روش یادشده، درمقایسه با فرایند تحلیل سلسله مراتبی، به مقایسه های کمتری نیاز دارد و با استفاده از آن، نتایج پایدارتری حاصل می شود؛ در این پژوهش، برای حل مدل مذکور، از روش برنامه ریزی خطی سیمپلکس استفاده شد. با توجه به ماهیت مکانی معیارها، نقشه های هر معیار (شاخص) در محیط GIS آماده سازی شدند. سپس ارزش هر قطعه ملکی (پارسل)، با توجه به هدف تحقیق و وضعیت آن قطعه در شاخص مورد نظر، با روش بهترین بدترین به دست آمد. نتایج و بحث: برای تعیین وزن معیارها، کیفیت ابنیه به منزله مهم ترین معیار و مساحت قطعات به منزله کم اهمیت ترین معیار در نظر گرفته شد و وزن ها با نرخ ناسازگاری 06/0 به دست آمد. پس از محاسبه وزن هر قطعه ملکی و محاسبه میانگین آنها در هر ناحیه، امن ترین و آسیب پذیرترین ناحیه به ازای هر شاخص مشخص شد. سپس سایر ناحیه ها با این دو ناحیه، در هر شاخص، مقایسه شدند. با در نظر گرفتن وزن هر معیار و ناحیه به ازای هر معیار، مقدار و رتبه نهایی هر ناحیه به دست آمد. برخلاف نسخه اصلی مدل که بهترین و بدترین معیار براساس نظر کارشناسی در آن تعیین می شود، در پژوهش حاضر با توجه به ماهیت مسئله، بهترین و بدترین ناحیه به ازای هر معیار، به جای نظر کارشناسی، با توجه به تحلیل های مکانی و نتایج محاسبات مشخص شد. ناحیه های شماره 6 و 2، به ترتیب، کمترین و بیشترین احتمال آسیب پذیری در برابر زلزله را دارند. بیشترین حساسیت، به ترتیب، به وزن معیارهای فاصله از فضاهای باز و فاصله از معابر بازمی گردد که اگر مقدار آنها به میزان 5- 10× 5/2 و 5- 10× 5/3 افزایش یابد، به تغییر پاسخ فعلی منجر می شود. نتیجه گیری: زلزله یکی از مخاطرات طبیعی است که کشور ما را دائماً تهدید می کند. تعیین میزان آسیب پذیری بافت های شهری در برابر زلزله و برنامه ریزی براساس آن می تواند نقش مهمی در کاهش تلفات جانی و مالی ناشی از وقوع این پدیده داشته باشد. در این پژوهش، میزان آسیب پذیری احتمالی براَثر زمین لرزه، در بخشی از منطقه 2 شهر تبریز، بررسی شد. براساس نتایج حاصل، ناحیه شماره 2 بیشترین میزان آسیب پذیری در برابر زلزله را دارد که تقریباً در بخش میانی منطقه مورد مطالعه قرار گرفته است. این ناحیه، به لحاظ معیارهای کیفیت ابنیه، قدمت ابنیه، مصالح مورد استفاده و دسترسی به فضاهای باز، آسیب پذیرترین بخش در بین نُه ناحیه بوده است. ناحیه 2 حدود 16% از کل منطقه را به خود اختصاص داده و شامل 1815 قطعه ملکی است. براساس قطعات ملکی نیز، بیشتر قطعات واقع در این ناحیه آسیب پذیری بسیار بالا یا بالا دارند. در پژوهش حاضر، علاوه بر خود وزن، مقدار تغییر مجاز آن نیز به دست آمد. درزَمینه تحلیل حساسیت، مقدار تغییر مجاز یک متغیر (در این پژوهش، وزن معیار) به تصمیم گیرندگان کمک می کند از میزان انعطاف پذیری مقادیر متغیرها آگاهی یابند.

سابقه و هدف: توسعه نامتوازن شهرها، به علت نبود طرح های توسعه یا نادیده گرفتن آن، باعث بروز ناعدالتی در توزیع خدمات به شهروندان شده است. خدمات آموزشی از جمله خدمات شهریِ بسیار مهم است که دسترسی مناسب شهروندان به آنها می تواند در روند توسعه پایدار شهری، کاهش آلودگی های زیست محیطی و افزایش کیفیت زندگی نقش اساسی داشته باشد. در این تحقیق، سعی می شود با بررسی میزان عرضه (مدارس) و تقاضا (دانش آموزان)، دسترسی دانش آموزان به مراکز آموزشی در بستر شبکه معابر در منطقه 18 شهری تهران، بررسی و مناطق کمتربرخوردار شناسایی شود و به منظور افزایش عدالت آموزشی، برنامه ریزی صورت گیرد. در این پژوهش، عدالت مکانی ازمنظر دسترسی دانش آموزان به مراکز آموزشی بررسی می شود. مواد و روش ها: در این تحقیق، با استفاده از دو معیار کیفیت استقرار مراکز آموزشی و کیفیت دسترسی، شاخص عدالت مکانی تعریف می شود. هریک از این معیارها از مجموعه ای زیرمعیار تشکیل شده است. کیفیت موقعیت استقرار مراکز آموزشی، به لحاظ قرارگیری در حریم های ممنوع و خطرناک و یا دسترسی به کاربری های مکمل، از عوامل تأثیر گذار شناخته می شود؛ بنابراین در این پژوهش، کیفیت فضای داخلی مرکز آموزشی مانند کیفیت ساختمان، امکانات آموزشی، نور، رنگ، معلمان، روش های آموزشی و حتی مساحت تخصیص یافته به هر دانش آموز (سرانه آموزشی) مدنظر نیست. همچنین میزان تقاضای آموزشی، برمبنای جمعیت دانش آموزان در بلوک های جمعیتی، ملاک محاسبات قرار خواهد گرفت. درمورد کیفیت دسترسی نیز فرض بر این است که تمامی بلوک های شهری، براساس نزدیک ترین فاصله به مدارس، دسترسی پیدا می کنند؛ یعنی کل جمعیت، در هر مقطع، به نزدیک ترین مدرسه تخصیص می یابد. این تخصیص با توجه به ظرفیت مدرسه نیز لحاظ شده است. بدیهی است که فاصله بیشتر از حد استاندارد و شعاع دسترسی مقطع مورد نظر در کیفیت دسترسی تأثیر می گذارد. نوآوری اصلی این تحقیق در بررسی عدالت مکانی، در نظر گرفتن معیارهای کیفیت و امنیت معابر درکنار فاصله طولی دسترسی به مرکز آموزشی است. پارامترهایی همچون چشم ناظر، کاربری های مختلط، عرض معبر و وجود پیاده رو می تواند در کیفیت فاصله ای که دانش آموزان طی می کنند تأثیرگذار باشد. در این مطالعه، ابتدا نقشه های زیرمعیارهای گوناگون گردآوری می شود و سپس، با استفاده از روش تحلیل سلسله مراتبی، براساس نظر کارشناس وزنی تعلق می گیرد و درنَهایت، شاخص عدالت مکانی محاسبه می شود. نتایج و بحث: با بررسی محلات زیر پوشش مدارس، ملاحظه شد که محدوده های حاشیه محلات مسکونی کمتر از دیگر محدوده ها خدمات آموزشی دریافت می کنند. در این میان، ناحیه 3 بدترین و ناحیه 2 بهترین وضعیت را داشته است. با توجه به نقشه های وضعیت منطقه 18، می توان دریافت ناحیه 3 (محله یافت آباد) قدیمی ترین محله در منطقه است که معابر ارگانیک و بافت متراکمی دارد و تسهیلات شهری، ازجمله مراکز آموزشی، بیشتر در حاشیه این محله قرار گرفته است. ازطرفی، ناحیه 2 (شهرک ولیعصر) محله ای با قدمت کمتر و دارای معابر منظم و ساختاریافته تری است. نتیجه گیری: براساس یافته های تحقیق، شاخص عدالت مکانی در وضعیت فعلی 69/0 است که نشان می دهد توزیع مراکز آموزشی، در منطقه مورد مطالعه، شرایط نسبتاً خوبی دارد. انجام دادن چنین مطالعه ای به برنامه ریزان شهری کمک می کند، برای افزایش عدالت آموزشی، تصمیم های بهتری بگیرند. سابقه و هدف: توسعه نامتوازن شهرها، به علت نبود طرح های توسعه یا نادیده گرفتن آن، باعث بروز ناعدالتی در توزیع خدمات به شهروندان شده است. خدمات آموزشی از جمله خدمات شهریِ بسیار مهم است که دسترسی مناسب شهروندان به آنها می تواند در روند توسعه پایدار شهری، کاهش آلودگی های زیست محیطی و افزایش کیفیت زندگی نقش اساسی داشته باشد. در این تحقیق، سعی می شود با بررسی میزان عرضه (مدارس) و تقاضا (دانش آموزان)، دسترسی دانش آموزان به مراکز آموزشی در بستر شبکه معابر در منطقه 18 شهری تهران، بررسی و مناطق کمتربرخوردار شناسایی شود و به منظور افزایش عدالت آموزشی، برنامه ریزی صورت گیرد. در این پژوهش، عدالت مکانی ازمنظر دسترسی دانش آموزان به مراکز آموزشی بررسی می شود. مواد و روش ها: در این تحقیق، با استفاده از دو معیار کیفیت استقرار مراکز آموزشی و کیفیت دسترسی، شاخص عدالت مکانی تعریف می شود. هریک از این معیارها از مجموعه ای زیرمعیار تشکیل شده است. کیفیت موقعیت استقرار مراکز آموزشی، به لحاظ قرارگیری در حریم های ممنوع و خطرناک و یا دسترسی به کاربری های مکمل، از عوامل تأثیر گذار شناخته می شود؛ بنابراین در این پژوهش، کیفیت فضای داخلی مرکز آموزشی مانند کیفیت ساختمان، امکانات آموزشی، نور، رنگ، معلمان، روش های آموزشی و حتی مساحت تخصیص یافته به هر دانش آموز (سرانه آموزشی) مدنظر نیست. همچنین میزان تقاضای آموزشی، برمبنای جمعیت دانش آموزان در بلوک های جمعیتی، ملاک محاسبات قرار خواهد گرفت. درمورد کیفیت دسترسی نیز فرض بر این است که تمامی بلوک های شهری، براساس نزدیک ترین فاصله به مدارس، دسترسی پیدا می کنند؛ یعنی کل جمعیت، در هر مقطع، به نزدیک ترین مدرسه تخصیص می یابد. این تخصیص با توجه به ظرفیت مدرسه نیز لحاظ شده است. بدیهی است که فاصله بیشتر از حد استاندارد و شعاع دسترسی مقطع مورد نظر در کیفیت دسترسی تأثیر می گذارد. نوآوری اصلی این تحقیق در بررسی عدالت مکانی، در نظر گرفتن معیارهای کیفیت و امنیت معابر درکنار فاصله طولی دسترسی به مرکز آموزشی است. پارامترهایی همچون چشم ناظر، کاربری های مختلط، عرض معبر و وجود پیاده رو می تواند در کیفیت فاصله ای که دانش آموزان طی می کنند تأثیرگذار باشد. در این مطالعه، ابتدا نقشه های زیرمعیارهای گوناگون گردآوری می شود و سپس، با استفاده از روش تحلیل سلسله مراتبی، براساس نظر کارشناس وزنی تعلق می گیرد و درنَهایت، شاخص عدالت مکانی محاسبه می شود. نتایج و بحث: با بررسی محلات زیر پوشش مدارس، ملاحظه شد که محدوده های حاشیه محلات مسکونی کمتر از دیگر محدوده ها خدمات آموزشی دریافت می کنند. در این میان، ناحیه 3 بدترین و ناحیه 2 بهترین وضعیت را داشته است. با توجه به نقشه های وضعیت منطقه 18، می توان دریافت ناحیه 3 (محله یافت آباد) قدیمی ترین محله در منطقه است که معابر ارگانیک و بافت متراکمی دارد و تسهیلات شهری، ازجمله مراکز آموزشی، بیشتر در حاشیه این محله قرار گرفته است. ازطرفی، ناحیه 2 (شهرک ولیعصر) محله ای با قدمت کمتر و دارای معابر منظم و ساختاریافته تری است. نتیجه گیری: براساس یافته های تحقیق، شاخص عدالت مکانی در وضعیت فعلی 69/0 است که نشان می دهد توزیع مراکز آموزشی، در منطقه مورد مطالعه، شرایط نسبتاً خوبی دارد. انجام دادن چنین مطالعه ای به برنامه ریزان شهری کمک می کند، برای افزایش عدالت آموزشی، تصمیم های بهتری بگیرند.

سابقه و هدف : بارش، به منزله یکی از اصلی ترین مؤلفه های بیلان آب، نقش مهمی در توزیع مکانی و زمانی آب در دسترس دارد و مهم ترین عاملی است که در چرخه هیدرولوژی، دخالت مستقیم دارد. به دلیل فقدان داده های بارش به روز و طولانی مدت با صحت مناسب و تغییر پذیری زیاد این کمّیت در مکان و زمان، پایش آن در وسعت های زیاد، بسیار دشوار است. همچنین هزینه بر بودن ایجاد ایستگاه اندازه گیری بارش، کمبود ایستگاه، مستقر نبودن دستگاه های ثبت کننده در مناطق صعب العبور، برداشت های نقطه ای و تعمیم پذیر نبودن اندازه گیری ها در نواحی وسیع و نیز نبودِ توانایی مطلوب در ثبت بارندگی های رگباری و سنگین همرفتی، همواره پژوهشگران حوزه های جوّی و هیدرولوژی را در اندازه گیری بارش، با چالش مواجه کرده است؛ ازاین رو استفاده از محصولات ماهواره ای جایگزین مناسبی برای دستیابی به داده های بارش، به ویژه در مناطق فاقد آمار و مناطق با تراکم ایستگاه های زمینی پایین است. اما محصولات ماهواره ای نیز خطاهای متعددی دارند؛ به همین دلیل، ارزیابی و بررسی دقت این محصولات قبل از استفاده، ضروری است. بنابراین، در تحقیق حاضر، محصولات بارش سه ماهواره CHIRPS، MERRA و TRMM در مقیاس ماهیانه، در سطح کشور ایران، ارزیابی شده است. مواد و روش ها: در این مطالعه، داده های 222 ایستگاه سینوپتیک کشور ایران، از ژانویه 2005 تا دسامبر 2019، در مقیاس زمانی ماهیانه از سازمان هواشناسی کل کشور دریافت شد. محصولات بارش ماهواره هایCHIRPS ، TRMM و MERRA نیز از سایت ناسا دانلود و پس از همسان سازی فرمت داده ها، به داده های عددی هم واحد تبدیل شدند. دراِدامه، داده های ماهواره ای و داده های ایستگاه های سینوپتیک زمینی به صورت یکپارچه درکنار هم قرار گرفتند و درنَهایت، داده های تخمینی و مشاهده ای اعتبارسنجی شدند تا میزان خطای پیش بینی ماهواره ها، با استفاده از شاخص های آماری شامل Bias، MAE، RMSE، R و R^2 به دست آید و موفقیت سنجنده ها، با استفاده از شاخص های مطابقت شامل POD، FAR و CSI، صحت سنجی و بررسی شود. نتایج و بحث: با توجه به نتایج، TRMM با 84/23 = RMSE و 69/0 = R^2، درمقایسه با ماهواره های دیگر، عملکرد خوبی داشته است. سایر شاخص ها نیز حاکی از برتری این ماهواره بر دیگر ماهواره هاست. ماهواره MERRA، با 57/30 = RMSE و 56/0 =R^2، درمقایسه با TRMM عملکردی ضعیف و درقیاس با CHIRPS عملکردی بهتر داشته است و از این لحاظ، در رتبه دوم قرار دارد. ماهواره CHRIPS نیز تقریباً در همه شاخص ها عملکردی ضعیف تر از دو ماهواره دیگر نشان داده است. با توجه به این اطلاعات و مقدار Bias حاصل شده، هر سه ماهواره بارندگی را کمتر از مقدار واقعی برآورد کرده اند اما ماهواره TRMM، درمقایسه با دو ماهواره دیگر، کم برآوردتر بوده و در این شاخص نیز، برتر از دو ماهواره دیگر عمل کرده است. نتیجه گیری: صحت سنجی تک تک ایستگاه ها نشان داد که داده های هر سه ماهواره، طبق شاخص POD، دامنه تغییرات اندک و نزدیک به صفر دارند و طبق شاخص های FAR و CSI، این اختلاف حدود 5/0 است؛ بیشترین آن به محصولات ماهواره MERRA، با دامنه تغییرات 148/0، تعلق دارد که نشان می دهد طبق این شاخص ها، می توان به داده های این ماهواره ها تاحد بسیاری اعتماد داشت. نتایج FAR و CSI بیان می کند که هرچند محصولات MERRA در تمامی ایستگاه ها، با اختلاف بسیار جزئی، کمترین میزان خطا و اشتباه را در تشخیص روزهای غیربارانی و بارانی داشته اند، براساس نتایج این تحقیق می توان گفت که درمجموع، محصولات ماهواره TRMM دارای صحت مناسب، تشخیص و مطابقت مطلوب در تمامی ارزیابی هاست.  

سابقه و هدف: در سال های اخیر، تغییرات کاربری اراضی به ویژه در مناطق شهری، از چالش های مهم در حوزه برنامه ریزی شهری، مدیریت منابع طبیعی و توسعه پایدار شناخته شده است. با افزایش جمعیت، گسترش ساخت وسازها و رشد فزاینده تقاضا برای اراضی شهری، نیاز بیش ازپیش به پایش و تحلیل دقیق تغییرات کاربری اراضی، به منظور مدیریت بهینه منابع و تدوین سیاست های کارآمد توسعه شهری، احساس می شود. در این راستا، تحقیق حاضر با هدف بررسی روند تغییرات کاربری اراضی در شهر هرات، طی سال های ۲۰۱۵ تا ۲۰۲۲ انجام شده است. برای این منظور، از تصاویر ماهواره ای لندست ۸ مربوط به سنجنده OLI استفاده شد که با توجه به ویژگی های طیفی و مکانی مناسب، قابلیت بالایی در تحلیل تغییرات کاربری اراضی دارد. مواد و روش ها: ابتدا پیش پردازش های لازم، ازجمله تصحیح رادیومتریکی، تصحیح هندسی و تصحیح اتمسفری، درمورد تصاویر ماهواره ای جمع آوری شده متعلق به دو سال مورد نظر انجام شد تا دقت تحلیل های بعدی افزایش یابد. پس از مراحل پیش پردازش، چهار کلاس کاربری اراضی شامل اراضی خاکی، پوشش گیاهی، مناطق مسکونی و اراضی آبی در محدوده مورد مطالعه شناسایی شد. به منظور طبقه بندی این تصاویر و استخراج اطلاعات درزَمینه تغییرات کاربری، از دو الگوریتم طبقه بندی پرکاربرد، یعنی روش حداکثر احتمال (Maximum Likelihood Classification) و شبکه عصبی مصنوعی (Artificial Neural Network)، استفاده شد و دقت نتایج حاصل از این دو روش مورد ارزیابی و مقایسه قرار گرفت. نتایج و بحث: نتایج تحلیل ها نشان داد که روش حداکثر احتمال، در طبقه بندی تصاویر ماهواره ای، عملکردی بهتر از روش شبکه عصبی مصنوعی داشته است. مقادیر ضریب کاپا و دقت کلی که برای ارزیابی صحت طبقه بندی به کار می روند، درمورد سال ۲۰۱۵، برابر با 75/0 و ۸۵% و برای سال ۲۰۲۲، برابر با 96/0 و ۹۷% به دست آمدند. این مقادیر حاکی از دقت بالا و قابلیت اعتماد روش حداکثر احتمال، در تفکیک کلاس های متفاوت کاربری اراضی، در منطقه مورد مطالعه است. تحلیل نتایج طبقه بندی در بازه زمانی ۲۰۱۵ تا ۲۰۲۲ نشان دهنده تغییرات شایان توجه در ساختار فضایی کاربری اراضی شهر هرات است. براساس نتایج، طی این دوره زمانی، سطح اراضی خاکی به میزان 0/4 کیلومترمربع کاهش یافته و سطح اراضی آبی نیز با کاهش 62/1کیلومترمربعی مواجه بوده است. ازسوی دیگر، سطح اراضی مناطق مسکونی به میزان 39/1 کیلومترمربع و سطح پوشش گیاهی 59/4 کیلومترمربع افزایش داشته است. نتیجه گیری: این تغییرات نشان دهنده روند توسعه شهری، در شهر هرات، طی این دوره زمانی است و به افزایش مداخلات انسانی در کاربری اراضی، به ویژه در قالب توسعه مناطق مسکونی و افزایش فضای سبز یا پوشش گیاهی، اشاره دارد. درمجموع، یافته های این پژوهش حاکی از آن است که توسعه شهری در شهر هرات باعث کاهش اراضی طبیعی، همانند زمین های خاکی و منابع آبی، شده و درمقابل، کاربری هایی با مداخلات انسانی، مانند مناطق مسکونی و پوشش گیاهی، افزایش یافته است. با توجه به کاهش منابع آبی و اراضی طبیعی، برنامه ریزی های آتی شهر باید با تمرکز بر توسعه پایدار، حفاظت از منابع طبیعی و به ویژه مدیریت مؤثر منابع آبی همراه باشد. این مدیریت می تواند ازطریق سیاست گذاری های دقیق، اعمال محدودیت در توسعه بی رویه شهری و ارتقای آگاهی عمومی درباره اهمیت منابع طبیعی تحقق یابد. این پژوهش، با بهره گیری از داده های سنجش از دور و تحلیل علمی تغییرات کاربری اراضی، اطلاعات ارزشمندی برای تصمیم گیران و برنامه ریزان شهری فراهم کرده است. نتایج این مطالعه را می توان به منزله مبنایی برای تدوین راهکارهای علمی درزَمینه مدیریت اراضی شهری، حفظ منابع طبیعی و توسعه پایدار در شهر هرات به کار برد؛ بنابراین استفاده از فنّاوری های نوین در پایش و ارزیابی تغییرات کاربری اراضی باید از الزامات اساسی در فرایند تصمیم گیری و سیاست گذاری های شهری به شمار رود و پیشنهاد می شود توسعه شهری با مدیریت بهتر منابع آبی همراه باشد.

سابقه و هدف: جزیره لارک به دلیل تنوع توپوگرافی و حضور تپه ماهورها و سواحل صخره ای و سایر تیپ های ساحلی، از محیط های خاصی برخوردار می باشد که منجر به ایجاد زیستگاه های حیات وحش جانوری متنوع شده است. به علاوه سواحل صخره ای و وجود خطوط ساحلی متنوع شرایط بسیار مناسبی برای حضور طیف گسترده ای از جانوران و گیاهان فراهم آورده است. با این حال در سالیان اخیر عوامل مختلفی سبب قرارگیری زیستگاه های ساحلی این جزیره در معرض تهدید گردیده است. مواد و روش: در این پژوهش، مناطق ساحلی تحت پوشش دارایی های طبیعی از جمله مرجان، مانگرو، جلبک های دریایی که به طور پیش فرض می توانند محل زندگی و زادآوری گونه های گیاهی و جانوری مختلف باشند، به عنوان "زیستگاه" و سایر مناطق تغییر یافته به واسطه دخالت های انسانی به عنوان "غیرزیستگاه" در نظر گرفته شد. در این بررسی از مدل ارزیابی ریسک زیستگاه InVEST HRA (Habitat Risk Assessment)  برای بررسی اثر فعالیت های انسان در اکوسیستم های ساحلی و دریایی  استفاده شد. در مطالعه حاضر و به دلیل اهمیت نقش کاربر در تعیین عوامل استرس زا و زیستگاه ها، با پایش میدانی و بر اساس نظر کارشناسی و آگاهی از منطقه مورد مطالعه، کلیه عوامل استرس زا شناسایی گردید. نتایج: ارزیابی نتایج نمودار خروجی مدل HRA Invest نشان می دهد که ساختارهای انسانی و گردشگری غیر مسئولانه به عنوان عوامل استرس زای اصلی در منطقه بین جزر و مدی و افزایش دمای سطح آب، حمل و نقل دریایی، صید ترال، استخراج دریایی، نشت مواد نفتی، آب شیرین کن، فعالیت های صیادی، صید ساحلی سنتی با درجات مختلف در منطقه زیر جزر و مدی محسوب می شوند. نتایج مربوط به خروجی نقشه ریسک تجمعی زیستگاه بین جزر و مدی جزیره لارک در شکل 3 و نقشه ریسک تجمعی در منطقه زیر جزر و مدی در شکل 4 نشان داده شده است. منطقه ساحلی (بین جزر و مدی) جزیره لارک کمترین رتبه تجمعی استرس زیستگاه 4 و بیشترین رتبه تجمعی 13و میانگین رتبه تجمعی استرس 5/8 می باشد. در منطقه دریایی (زیر جزر و مدی) جزیره لارک کمترین رتبه تجمعی استرس زیستگاه 0 و بیشترین رتبه تجمعی 30و میانگین رتبه تجمعی استرس 15 است. نتایج نشان می دهد که میزان ریسک تجمعی در محدوده آب های زیر جزر و مدی جزیره لارک، در سواحل شمالی، شمال شرق و شرقی جزیره بالا است. در این جزیره عمده زیستگاه های مهم به همراه دماهای بالای آب سطحی در گرمترین ماه سال به طور کلی در شمال و شرق جزیره متمرکز شده است، که این امر باعث اختلاف بارز بین رتبه های ریسک زیستگاه در قسمت های شمال و غرب جزیره نسبت به شرق و جنوب آن باشد.  نتیجه گیری: نتایج نشان می دهد که تدوین و اجرای برنامه های پایش، حفاظت و یا احیا و بازسازی در بخش های مختلف ساحلی جزیره لارک می بایست مبتنی بر طرح های توسعه و نیز متناسب با میزان تهدیدات در بخش های مختلف اعمال گردد. رتبه استرس در محدوده زیر جزر و مدی در سواحل شمالی، شمال شرق و شرقی اطراف جزیره لارک در طیف نسبتا زیاد و زیاد قرار گرفته است، براساس میانگین تهدید منطقه زیر جزر و مدی می توان اینگونه تفسیر نمود که در وضعیت موجود، رتبه استرس و تهدیدات زیاد است. از این رو زیستگاه های مرجانی و جلبکی در این منطقه تحت استرس و تهدید زیاد قرار دارند که رویکرد مداخله فشرده نظیر تعیین مناطق حفاظت شده دریایی و جلوگیری از ورود عوامل آلاینده به این منطقه می بایست مد نظر قرار گیرد.

سابقه و هدف: با پیشرفت فناوری های سنجش ازدوری و یادگیری عمیق، شناسایی خودکار شبکه ی راه ها به ویژه در مناطق روستایی و راه های فرعی، امکان پذیر شده است. همچنین، روش های سنتی نقشه برداری، به دلیل هزینه بر و زمان بر بودن، جای خود را به روش های مبتنی بر داده های سنجش ازدوری و یادگیری ماشین داده اند. بدین منظور هدف این تحقیق، بررسی جامعی از تحقیقات انجام شده در زمینه ی تهیه نقشه راه ها با استفاده از داده های سنجش ازدوری خصوصاً در سال های اخیر می باشد. به طورکلی تهیه ی نقشه از شبکه ی راه ها، روش های متفاوتی را دربر می گیرد که یکی از روش های قابل اعتماد و مقرون به صرفه، شناسایی اتوماتیک از طریق تصاویر سنجش ازدوری می باشددر نگاه کلی بنابر نوع مسیر موردمطالعه که شبکه ی راه های روستایی می باشد، تصاویر ماهواره ای با حد تفکیک مکانی متوسط و دسترسی رایگان نمی توانند گزینه ای جهت دستیابی به دقت های بالا باشند؛ از این رو، می توان از روش های تلفیق تصاویر ماهواره ای که منجر به افزایش حد تفکیک مکانی می شوند و نتایج الگوریتم های شناسایی را بهبود می بخشند، بهره گرفت. یکی از راه های تلفیق تصاویر ماهواره ای، الگوریتم های سوپر رزولوشن می باشند. این مطالعه می تواند مرجعی جهت مقایسه و انتخاب روشی جهت شناسایی شبکه ی راه ها به صورت خودکار و همچنین روش هایی جهت بهبود حد تفکیک مکانی تصاویر سنجش ازدوری برای کمک به شناسایی را ه هایی با عرض کم (مانند شبکه ی راه های روستایی) باشد، تا محققان با توجه به هدف و نوع شبکه ی راه مورد مطالعه، داده ها و الگوریتم مناسب را انتخاب نمایند. مواد و روش: هدف این پژوهش بررسی روش های موجود تشخیص شبکه ی راه ها و چگونگی استفاده از تصاویر ماهواره ای با حد تفکیک مکانی متوسط جهت این امر می باشد. در ابتدا داده ها و روش های قابل استفاده جهت تولید نقشه ی شبکه ی راه مورد بررسی قرار گرفته است. در ادامه، اصول استفاده شده در حوزه ی تشخیص شبکه ی راه ها با استفاده از تصاویر سنجش-ازدوری تشریح شده و بر اساس این اصول دسته بندی بصورت روش های مبتنی بر کلاسه بندی، قطعه بندی، شاخص راه و یادگیری ماشین انجام پذیرفته است. جهت به کارگیری تصاویر ماهواره ای با حد تفکیک مکانی متوسط نیز روش های بهبود حد تفکیک مکانی مورد بررسی قرار گرفته اند. در نهایت روش ها از نظر پارامتر های ورودی، نحوه سازوکار و خروجی قابل ارائه بررسی شده اند تا نقاط قوت و ضعف هر کدام شناسایی شود و بتوان از آنها در کاربردهای مختلف به بهترین نحو استفاده نمود. بحث و بررسی: با توجه به بررسی های انجام شده از مقاله های مورد بررسی از مجله های معتبر مختلف در زمینه ی تشخیص شبکه ی راه ها، روش های مبتنی بر کلاسه بندی، قطعه بندی، شاخص راه و یادگیری ماشین به ترتیب سهم هایی حدود 28 ، 31، 5 و 36 درصدی را دارا می باشند؛ شایان ذکر است که در سال های اخیر روش های مبتنی بر کلاسه بندی و قطعه بندی با شبکه-های عصبی توسعه یافته اندکه در حالت کلی روش های مبتنی بر یادگیری ماشین سهم بیشتری( حدود 60 درصد) را در بر بگیرد. همچنین در زمینه ی سوپر رزولوشن، بررسی های انجام شده نشان می دهد که روش های مبتنی بر روش های سنتی و یادگیری عمیق به ترتیب سهم هایی حدود 44 و 56 درصدی را دارا می باشند که در سال های اخیر اغلب رویکردهای مبتنی بر یادگیری عمیق در حال توسعه هستند. نتیجه گیری: بررسی ها نشان می دهد که استفاده از مدل های یادگیری عمیق در تشخیص شبکه ی راه ها نتایج بهتری نسبت به روش های سنتی ارائه می دهند و به تدریج جایگزین این روش ها شده اند. مدل های یادگیری عمیق با قابلیت استخراج ویژگی های پیچیده و کاهش نیاز به مداخله ی انسانی، دقت و کارایی فرایند تشخیص را بهبود بخشیده اند. از طرف دیگر، تکنیک های سوپر رزولوشن مبتنی بر یادگیری عمیق می توانند با افزایش حد تفکیک مکانی تصاویر، مشکلات ناشی از کمبود تصاویر با وضوح بالا را حل کنند. این تکنیک ها با حفظ ویژگی های طیفی و کاهش نویز، می توانند تصاویر با کیفیت تری برای تشخیص راه ها ارائه دهند. به طور کلی، ترکیب روش های سوپر رزولوشن و یادگیری عمیق برای شناسایی شبکه ی راه ها، رویکردی مقرون به صرفه و کارآمد برای به روزرسانی نقشه های راه ارائه می دهد. این رویکردها با کاهش هزینه ها و زمان مورد نیاز برای تشخیص، می توانند به طور گسترده ای توسط محققان و متخصصان در زمینه های مختلف مورد استفاده قرار گیرند. همچنین، با توسعه ی بیشتر این تکنیک ها و بهبود دقت آن ها، می توان به راهکارهای جدیدی برای مدیریت و برنامه ریزی ساخت و نگهداری جاده ها دست یافت.

سابقه و اهداف: امروزه، برای تهیه نقشه های رقومی خاک، از پارامترهای ژئومورفومتری موسوم به متغیرهای محیطی استفاده می شود و با استفاده از این داده ها، نتایج آزمون خاک به مناطق مشابه تعمیم می یابد. بدین منظور، یافتن متغیرهای محیطی مطلوب از اهمیت ویژه ای برخوردار است. ازآنجاکه درک تغییرات در فرایندهای سطح زمین مستلزم شناسایی همه جانبه متغیرهای محیطی آن است (Bishop et al., 2012)، این تغییرات اغلب از تغییر در مورفولوژی، ساختار، ترکیب، گذشت زمان و فعالیت های انسان ناشی می شود (Bishop et al., 2003) و با توجه به اهمیت انتخاب متغیرهای محیطی مناسب برای افزایش دقت در تهیه نقشه ای رقومی با استفاده از سامانه اطلاعات جغرافیایی، این پژوهش به دنبال شناسایی و معرفی این متغیرهای محیطی مناسب براساس تحلیل داده ها و برمبنای آزمون های آماری متغیر است تا، بر این اساس، نقشه های رقومی با دقت مطلوب، در محدوده جغرافیایی استان تهران تهیه شود. علاوه براین استفاده محققان دیگر از نتایج این پژوهش و متغیرهای محیطی معرفی شده در آن موجب به کارگیری متغیرهای اولیه یکسان در تهیه نقشه های رقومی متفاوت می شود و درنتیجه، امکان مقایسه بهتری میان نقشه های رقومی متفاوت وجود خواهد داشت. اهمیت این پژوهش در مهم بودنِ بررسی این عوامل است و نتایج پژوهشی در این زمینه قبلاً در استان تهران انتشار نیافته است؛ ازاین رو برای تهیه نقشه رقومی در مطالعات آتی می توان از آنها بهره برد. مواد و روش ها: هدف این پژوهش تعیین متغیرهای محیطی مناسبی است که بتوان از آنها برای مدل سازی برای تهیه نقشه رقومی خاک در استان تهران استفاده کرد. در پژوهش حاضر، باندهای تصاویر ماهواره ای سنجنده OLI_TIRS و نقشه رقومی ارتفاع استان تهران با استفاده از نرم افزارهای جی. آی. اس. مورد پردازش اولیه قرار گرفت. 49 داده محیطی، شامل مدل رقومی ارتفاع یا DEM، شاخص آنالیز تپه، شاخص شکل زمین، شاخص بافت خاک، شاخص تجمع جریان، شاخص حفاظت، Clusters، مقطع عمودی انحنا، شاخص انحنای طولی، شاخص فاکتور LS، شاخص فاصله عمودی تا شبکه کانال، شاخص خیسی توپوگرافیک، شاخص سطح پایه شبکه کانال، شاخص عمق دره، شاخص شیب حوضه آبخیز، شاخص شیب، شاخص وضعیت شیب نسبی، شاخص حوضه های زهکش، Closed Depression، شاخص جهت شیب، شاخص همگرایی، شاخص طول کانال، Multi-resolution Valley Bottom Flatness Index، Multi-resolution index of ridge top flatness، Modified Catchment Area، Output، شاخص واریانس، شاخص زمان طلوع و غروب خورشید، شاخص طول روز، شاخص حسگر باندها، شاخص شوری خاک، شاخص گچ خاک، شاخص درخشندگی، شاخص کربنات خاک، شاخص رس خاک و شاخص نرمال شده پوشش گیاهی، تحلیل آماری شدند و مقادیر دارای بیشترین R 2 ، CV و کمترین RMSE به منزله عوارض زمین مطلوب ارزیابی شد. نتایج و بحث: براساس نتایج این پژوهش، باندهای 2، 3، 4 و 8 بهترین باندهای تصاویر ماهواره ای لندست 8، برای ارزیابی متغیرهای محیطی بودند. همچنین نقشه رقومی ارتفاع، شیب، فاصله عمودی تا شبکه کانال، سطح پایه شبکه کانال، لندفرم، بافت، طول دره، شاخص انحنا، شاخص تسطیح کف دره، شاخص تسطیح بالای پشته، شاخص خیسی توپوگرافیک، حوضه های زهکش، طول کانال و شاخص درخشندگی با عنوان چهارده داده محیطی مناسب برای استفاده در مدل سازی به منظور تهیه نقشه رقومی خاک معرفی شدند. این پژوهش، درزَمینه ضرایب همبستگی، با پژوهش های قبلی در این باره هم خوانی دارد. نتیجه گیری: در تحقیقی دیگر، باندهای 1 تا 5 و 7 سنجنده TM برای تهیه نقشه شوری خاک مناسب تشخیص داده شدند که با نتایج این پژوهش هم خوانی دارد (Zeinali et al., 2016). نتایج این پژوهش برای تحقیقات آتی درزَمینه خاک کاربرد دارد. هدف این پژوهش، تعیین متغییرهای محیطی مناسبی است که از آنها بتوان در مدلسازی برای تهیه نقشه رقومی خاک در استان تهران استفاده نمود. در پژوهش حاضر، باندهای تصاویر ماهواره ای سنجنده OLI_TIRS و نقشه رقومی ارتفاع استان تهران با استفاده از از نرم افزارهای جی آی اس مورد پردازش اولیه قرار گرفت. 49 داده محیطی شامل مدل رقومی ارتفاع (Digital Elevation Model)، Analytical Hillshading، شاخص اندفرم (Landforms)، شاخص بافت خاک (Texture)، شاخص تجمع جریان (Flow Accumulation)، اشخص حفاظت (Protection Index)، Clusters، Cross-Sectional Curvature، Longitudinal Curvature، LS Factor، شاخص فاصله عمودی تا شبکه کانال (Vertical Distance to Channel Network)، شاخص خیسی توپوگرافیک (Topographic Wetness Index)، شاخص سطح پایه شبکه کانال (Channel Network Base Level)، شاخص عمق دره (Valley Depth)، Catchment Slope، شاخص شیب (Slope)، شاخص وضعیت شیب نسبی (Relative Slope Position)، شاخص حوزه زهکش (Drainage Basins)، Closed Depression، شاخص جهت شیب (Slope Aspect)، Convergence Index، شاخص طول کانال (Channel Length)، Multi-resolution Valley Bottom Flatness Index، Multi-resolution index of ridge top flatness، Modified Catchment Area، Output، Variance، Sunset، Sunrise، Day Length، Bands Sensor، شاخص شوری خاک (Salinity Index)، شاخص گچ خاک (Gypsum) Index، شاخص درخشندگی (Brightness Index)، شاخص کربنات خاک (Carbonate Index)، شاخص رس خاک (Clay Index) و شاخص نرمال شده پوشش گیاهی (Normalized Difference Vegetation Index) بودند تجزیه و تحلیل آماری شدند و مقادیر دارای بیشترین R2، CV و کمترین RMSE به عنوان عوارض زمین مطلوب ارزیابی شدند. بر اساس نتایج این پژوهش، باندهای 2، 3، 4 و 8 به عنوان بهترین باندهای تصاویر ماهواره ای لندست 8 برای ارزیابی متغییرهای محیطی بودند. همچنین نقشه رقومی ارتفاع، شیب، فاصله عمودی تا شبکه کانال، سطح پایه شبکه کانال، لندفرم، بافت، طول دره، شاخص انحنا، شاخص تسطیح کف دره، شاخص تسطیح بالای پشته، شاخص خیسی توپوگرافیک، حوزه های زهکش، طول کانال و شاخص درخشندگی به عنوان 14 داده محیطی مناسب برای استفاده در مدلسازی برای تهیه نقشه رقومی خاک معرفی شدند. این پژوهش در خصوص ضرایب همبستگی با پژوهش های قبلی در این زمینه (زینالی و همکاران. 1395) و (دارستانی فراهانی و همکاران. 1395) همخوانی نشان داد. در تحقیقی دیگر باندهای 1 تا 5 و 7 سنجنده TM برای تهیه نقشه شوری خاک مناسب تشخیص داده شدند که با نتایج این پژوهش همخوانی نشان داد (زینالی و همکاران. 1395). نتایج این پژوهش، برای تحقیقات آتی در زمینه خاک کاربرد دارد.

سابقه و هدف: پایش وضعیت فعلی جنگل کاری های موجود در تصمیمات مدیریتی برای توسعه جنگل کاری ها در آینده بسیار مهم است. این مطالعه به منظور پایش سطح، پراکنش و سلامت جنگل کاری ها در شهرستان لنگرود استان گیلان انجام شد. مدیریت پایدار عرصه های جنگل کاری های سنواتی در حال و آینده نیازمند مطالعاتی در مورد وضعیت جنگل کاری ها با تمرکز بر سلامت آنها است و مناطق جنگل کاری شده سالم می توانند عملکرد محیط زیستی بیشتری را در مقایسه با جنگل کاری های ناسالم داشته باشند. هدف این مطالعه تهیه نقشه و مساحی محدوده های جنگل کاری های شهرستان لنگرود با استفاده از برداشت های زمینی، نرم افزار جی پی اس اندروید (GFAMP) و سامانه گوگل ارث برای حفاظت، غنی سازی و توسعه جنگل کاری ها در آینده است. همچنین سلامت توده ها با استفاده از تصاویر سنجنده سنتینل2 و شاخص های پوشش گیاهی NDVI، TNDVI، SAVI و RVI ارزیابی می شود. مواد و روش ها: در این مطالعه، ابتدا برداشت های میدانی در قالب نقاط زمینی، از جنگل کاری های موجود انجام شد و نقشه پراکنش جنگل کاری ها با استفاده از برداشت های زمینی، نرم افزار جی پی اس اندروید (GFAMP) و سامانه گوگل ارث تهیه شد. سپس تصویر سنجنده سنتینل2 مربوط به فصل رویش در شهرستان لنگرود از سایت کوپرنیکوس تهیه شد. از تصاویر سنجنده سنتینل2، شاخص های پوشش گیاهی مختلف مانند NDVI، TNDVI، SAVI و RVI مربوط به فصل رویش استخراج شد و نقشه های آنها در محدوده جنگل کاری ها تهیه شد. در ادامه، میزان هر شاخص پوشش گیاهی، در نقاط برداشت های زمینی استخراج شد و میزان همبستگی مقادیر هر شاخص پوشش گیاهی (حاصل از تصاویر فصل رویش سنجنده سنتینل2) با سلامت جنگل کاری ها (حاصل از برداشت های میدانی) بررسی شد. بدین منظور از ضریب همبستگی پیرسون استفاده شد. سپس شاخصی که بیشترین همبستگی را با سلامت جنگل کاری های شهرستان لنگرود نشان داد به عنوان مهمترین شاخص برای برآورد سلامت جنگل کاری ها انتخاب شد و رابطه رگرسیونی آن نیز با سلامت جنگل کاری ها به دست آمد. در ادامه، با استفاده از نقشه مطلوب ترین شاخص پوشش گیاهی، اطلاعات برداشت های میدانی و ارتباط بین این دو مورد، نقشه سلامت جنگل کاری ها در شهرستان لنگرود تهیه شد. نتایج و بحث: بر اساس یافته های این پژوهش، در مجموع 66 قطعه جنگل کاری در این شهرستان شناسایی شد که مساحت کل این قطعات با استفاده از روش آماربرداری صددرصد و کنترل زمینی به میزان 2/746 هکتار به دست آمده است که به طور عمده در جنوب غربی شهرستان پراکنش دارند. به علاوه نتایج نشان داد که شاخص NDVI، مطلوب ترین شاخص پوشش گیاهی برای برآورد سلامت جنگل کاری ها در شهرستان لنگرود می باشد که حاکی از قابلیت این شاخص برای ارزیابی سلامت درختان در فصل رویش است. پس از آن، شاخص SAVI بیشترین همبستگی را با سلامت درختان نشان داد که قابلیت خوب این شاخص را نیز در پایش سلامت درختان نشان می دهد. در حالی که دو شاخص TNDVI و RVI همبستگی بسیار کمتری را با سلامت درختان در محدوده جنگل کاری های لنگرود نشان دادند که استفاده از آنها برای ارزیابی سلامت درختان در مطالعات بعدی توصیه نمی شود.. از مجموع مساحت فعلی جنگل کاری ها، 56/400 هکتار آنها در وضعیت سلامت کامل، 60/305 هکتار در وضعیت سلامتی متوسط و 04/40 هکتار در وضعیت ناسالم قرار دارند. صحت کلی (OA) نقشه سلامت جنگل کاری ها در این پژوهش، 80 درصد، صحت تولیدکننده 79 درصد، صحت کاربر 78 درصد و ضریب کاپا 73/0 است. این نتایج نشان دهنده طبقه بندی مطلوب نقشه سلامت جنگل کاری ها در طبقات مختلف سلامت و شادابی درختان است. به طور کلی جنگل کاری های این شهرستان عمدتاً در سلامت کامل هستند، اما برخی از عرصه های کچل بن، لرزیان، گندم بیجاران، قازی دشت، خورش سرا و چاکسر (چاکدشت) به دلیل عدم انجام عملیات حفاظتی و نداشتن قرقبان در سال های اولیه، از موفقیت کمتری برخوردارند. نتیجه گیری: نتایج این پژوهش به مدیران جنگل برای پایش کمّی و کیفی جنگل کاری ها و تداوم آن در دوره های زمانی معین و همچنین برنامه های توسعه جنگل کاری در آینده کمک شایانی می کند. مدل رگرسیونی ارائه شده براساس همبستگی بالای شاخص NDVI با سلامت جنگل کاری ها، امکان برآورد سریع، ارزیابی کمّی، کم هزینه، مقرون به صرفه و اقتصادی وضعیت سلامت جنگل کاری ها در سطح وسیع و مناطق غیرقابل دسترس را فراهم می کند. نتایج این تحقیق با شناخت وضعیت موجود جنگل کاری ها، دید مناسبی از توان و پتانسیل های شهرستان لنگرود برای جنگل کاری با توجه به شرایط محیطی و اکولوژیکی این شهرستان، ارائه می دهد.

سابقه و هدف : دمای سطح زمین یک متغییر کلیدی در برنامه ریزی ناحیه ای و منطقه ای می باشد باتوجه به اهمیت دمای سطح زمین در مطالعات تغییرات اقلیمی، مدل سازی هیدرولوژیکی ، نظارت بر پوشش گیاهی، جزیره گرمای شهری، توسعه ی شهری،گرمایش جهانی، شرایط کشاورزی و همچنین تأثیر آن بر نرخ و زمان رشد گیاهان پارامتر ورودی به اکثر مدل ها است؛ هرچه دقت تخمین این متغیر بالاتر باشد خروجی مدل نیز همراه با دقت بالاتری خواهد بود؛ بنابراین مطالعه بهینه و مناسب تغییرات مکانی و زمانی دمای سطح زمین در شرایط جوی و آب و هوایی متفاوت ضروری است.با توجه به محدودیت ایستگاه های هواشناسی، سنجش از دور می تواند به عنوان پایه و اساس بسیاری از داده های هواشناسی مورد استفاده قرار گیرد. دمای سطح زمین در تصاویر ماهواره ای شامل میانگین دمای پیکسلی است که پوشش دهنده بخشی از سطح زمین بوده و بر اساس انرژی رسیده به سنجنده (رادیانس) در باند حرارتی محاسبه می شود. از این رو عدم وجود قدرت تفکیک زمانی و مکانی بالا ی داده های ماهواره ای به طور همزمان یک چالش اساسی در بررسی و تخمین متغیر دما مطرح می گردد. مواد و روش ها : در این مطالعه سعی شد با استفاده از روش یادگیری عمیق و یادگیری ماشین، از تصاویر ماهواره ای MODIS، VIIRS و ECOSTRESS استفاده و نقشه های روزانه دمای سطح زمین سنجنده ی ECOSTRESS با قدرت تفکیک مکانی 70 متر در زمان های فاقد داده در آبخیز بار-اریه نیشابور استان خراسان رضوی و آبخیز سد لتیان در استان تهران تولید گردد. مدل های مورد استفاده در پژوهش شامل مدل SVR به عنوان یک مدل محبوب یادگیری ماشین در زمینه های پیش بینی و رگرسیون و مدل LSTM یکی از قوی ترین مدل های یادگیری عمیق در حوزه پردازش سری های زمانی می باشند. برای این منظور سه جفت تاریخ برای هرحوضه (شش تاریخ) انتخاب شد. تصاویر هر جفت داده به طور همزمان دراختیار مدل ها قرار گرفتند. درنهایت با استفاده از آماره های RMSE، و NRMSE عملکرد هر مدل در هر تاریخ مورد ارزیابی قرار گرفت. نتایج و بحث : بررسی ضرایب RMSE ،  و NRSME مربوط به مدل LSTM و SVR برای هر دو منطقه نشان دهنده ی برتری عملکرد مدل LSTM بود. بهترین نتیجه RMSE ،  و NRMSE حاصل از مدل LSTM برای آبخیز بار-اریه در تاریخ های 17 ژوئن 2020 به ترتیب 81/1 درجه سانتی گراد، 66/0 و 94/11 درصد و در حوزه آبخیز لتیان برای تاریخ 28 ژوئن 2019 به ترتیب حدود 61/1 درجه سانتی گراد، 83/0 و 65/8 درصد بود. مدل LSTM با توجه به ساختار، ویژگی های خود و به عنوان یک مدل یادگیری عمیق قوی با استخراج ویژگی از درون داده های خام با درنظر گرفتن ماهیت سری زمانی بودن داده ها توانست بر پیچیدگی های فرآیند تحت مدل سازی غلبه نماید.ذکر این نکته ضروری است که با درنظرگرفتن پیچیدگی فرآیند و متنوع بودن عوامل موثر بر دمای سطح زمین نتایج به دست آمده از دقت و صحت قابل قبولی برخوردار هستند. بازسازی و پیش بینی دمای سطح زمین برای 3 الی4 روز بعد انجام شده است (با توجه به فاصله زمانی بین دو تصویر متوالی ECOSTRESS). تنوع و جزئیات رویدادهایی که در این زمان می تواند رخ دهد گواهی دیگر بر مناسب بودن نتایج و کارایی مدل LSTM است. نتیجه گیری : بررسی نتایج و مقادیر  به عنوان یک معیار استاندارد برای ارزیابی تحلیل های رگرسیون، و نیز مقادیر RMSE و NRMSE نشان از برتری مدل LSTM در بازسازی مقادیر دمای سطح زمین ECOSTRESS می باشد. با توجه به دامنه تغییرات و مولفه های موثر، دمای سطح زمین در تاریخ های مورد بازسازی بین صفر تا بعضا نزدیک به 35 درجه سانتیگراد تغییر نمود، مقدار RMSE (نشان دهنده متوسط خطای مدل ) برای مدل LSTM بین حدود 1.5 تا 3 درجه سانتیگراد بوده که قابل قبول و مناسب به نظر می رسد. مقادیر نرمال شده RMSE یا همان NRMSE نیز در اغلب تاریخ ها بین 8 تا 17 درصد بوده که در مدل سازی های محیطی با توجه به پیچیدگی های بالای فرآیندها مقادیر قابل قبولی می باشند.