سنجش از دور و GIS ایران

کش اورزی یکی از مهمترین بخش های اقتصادی کش ور است که هر محصول آن شرایط اقلیمی و محیطی خاصی را می طلبد، لذا اقلیم شناسان توجه ویژه ای به آمایش سرزمین داش ته و منابع اکولوژیکی را با روش های مناسب ارزیابی می کنند. هدف این تحقیق، شناخت عوامل و عناصر اقلیمی مؤثر در کاشت انجیر در استان فارس و پهنه بندی نواحی مستعد کاشت این محصول از نظر اقلیمی و محیطی، با استفاده از توانایی GIS در تلفیق لایه های مختلف و در قالب مدل های مختلف است. در این بررسی، شش عنصر اقلیمی (میانگین، حداکثر و حداقل مطلق دما، میانگین و حداکثر رطوبت و بارش) از 21 ایستگاه سینوپتیک، اقلیم شناسی و باران سنجی در استان فارس و نیز 5 پارامتر محیطی (ارتفاع، شیب، نوع خاک، فرسایش و کاربری اراضی) به کار گرفته شده است. ابتدا عناصر اقلیمی، با توجه به ناقص بودن آنها، با دو روش «تفاضل ها» و «نسبت ها» بازسازی شده، سپس نقشه های مربوط به این پارامتر ها و عناصر در GIS تهیه و با استفاده از منطق فازی و معیارهایی که برای کاشت درخت انجیر در نظر گرفته می شود، استاندارد و وزن دهی شده و درنهایت با استفاده از منطق فازی با هم تلفیق، و نقشه پهنه بندی اراضی مستعد کاشت انجیر در استان فارس بدست آمد. نتایج تحقیق، نشان داد که 32 درصد از اراضی برای کاشت انجیر بسیار مناسب، 40 درصد دارای قابلیت متوسط و 22 درصد نیز برای کاشت انجیر نامناسب هستند. ضمن اینکه 6 درصد از اراضی نیز فاقد ارزش مکان یابی بوده (اراضی دریاچه ای، شوره زارها و ...) که از تحلیل حذف شده است.

الگوریتم خوشه بندی K-Means یکی از پرکاربردترین روش های طبقه بندی نظارت نشده در پردازش تصاویر سنجش از دور است. در الگوریتم K-Means استاندارد، از معیار عدم شباهتِ فاصله اقلیدسی، به منظور اندازه گیری عدم شباهتِ بین داده ها و خوشه ها استفاده می شود. فاصله اقلیدسی، یک معیار عدم شباهتِ قطعی است که بردار طیفی پیکسل ها و مراکز خوشه ها را به صورت نقاطی در یک فضای چندبعدی در نظر می گیرد و فاصله هندسی بین آن ها را اندازه گیری می کند. تصاویر فراطیفی همواره دارای عدم قطعیت هستند، به همین دلیل استفاده از یک معیار عدم شباهت آماری (غیرقطعی)، جهت خوشه بندی آن ها مناسب تر به نظر می رسد. بر این اساس در این مقاله، با به کارگیری یک معیار عدم شباهت آماری، یک روش نظارت نشده جدید برای خوشه بندی تصاویر فراطیفی طراحی و پیاده سازی شده است. روش خوشه بندی پیشنهادی، برای برآورد عدم شباهت بین مرکز خوشه ها و پیکسل ها، از یک معیار عدم شباهت آماری، به نام دیورژانس اطلاعات طیفی، به جای فاصله اقلیدسی استفاده می کند. دیورژانس اطلاعات طیفی، توزیع احتمال طیف ها را از طریق نرمال کردن امضای طیفی، مدل سازی می کند. سپس فاصله بین توزیع احتمال طیف یک پیکسل و توزیع احتمال طیف هر مرکز خوشه را برآورد می کند. آزمون های انجام شده بر روی داده های تصویری فراطیفی واقعی حاصل از سه سنجنده HyMap، HYDICE و Hyperion نشان می دهد که روش خوشه بندی پیشنهادیِ مبتنی بر دیورژانس اطلاعات طیفی، نتایج طبقه بندی را بهبود می بخشد، به طوری که ضریب کاپای نتایج طبقه بندی تصاویر فراطیفی مورد استفاده به ترتیب، حدود 7%، 56% و 10% افزایش یافته است.

در این تحقیق، به منظور بررسی رخداد پدیده فرونشست زمین (تعیین نرخ، محدوده و تغییرات زمانی آن) در دشت خرمدره، از تکنیک تداخل سنجی راداری استفاده شد. به همین منظور، تصاویر ماهواره ENVISAT اخذ شده در بازه زمانی 2005-2003 ابتدا پردازش شده و سپس میدان جابجایی در منطقه با روش آنالیز سری زمانی، بر اساس پراکنش گرهای پایدار محاسبه شد. میدان جابجایی، بیانگر بیشینه تغییر شکل برابر با 35 میلی متر بر سال، در راستای دور شدن از ماهواره را نشان می دهد. برای بررسی نرخ فرونشست در سال های اخیر نیز، تصاویر Sentinel S1 اخذ شده در بازه زمانی 2017-2014 پردازش و میدان جابجایی در منطقه، با روش آنالیز سری زمانی خط مبنای کوتاه تعیین شد. نتایج حاصله، بیانگر بیشینه نرخ سرعت 49 میلی متر برسال در راستای خط دید ماهواره در دشت خرمدره است. با فرض عدم وجود تغییرشکل مسطحاتی، بیشینه فرونشست رخ داده 41 میلی متر بر سال، در بازه زمانی 2003 تا 2005 و 69 میلی متر بر سال در بازه زمانی 2017-2014 است. نتایج حاصل از پروفیل ترازیابی دقیق عبوری از دشت خرمدره نیز، بیانگر بیست سانتی متر بر سال در طی دو اپک مشاهداتی 2005-1985 است. همچنین ایستگاه GPS ثابت خرمدره نیز، نشانگر افزایش نرخ فرونشست از 16 میلی متر بر سال در بازه زمانی 2009-2006 به 36 میلی متر بر سال در بازه زمانی 2013-2009 و افزایش آن به 51 میلی متر بر سال، در بازه زمانی 2017-2013 است. نتایج حاصل از داده های ژئودتیک (تداخل سنجی راداری، GPS و ترازیابی دقیق)، بیانگر افزایش نرخ فرونشست در این دشت است. در ادامه، نتایج به دست آمده از فرونشست با استفاده از سیستم اطلاعات مکانی (GIS)، با لایه های کاربری اراضی و نیز چاه های منطقه مورد مطالعه قرار گرفت. نتایج این بخش، نشان دهنده بالا بودن تراکم کاربری اراضی کشاورزی و نیز چاه های بهره برداری در منطقه است. همچنین با استفاده از تحلیل های مکانی، مخاطرات احتمالی فرونشست در منطقه مورد مطالعه قرار گرفته است. نتایج به دست آمده در این بخش نیز، بیانگر تأثیرپذیری قسمتی از مسیر خطوط راه آهن، راه های اصلی و بزرگراه از فرونشست است.

در طول چند دهه گذشته، شاخص های پوشش گیاهی متعددی برای تخمین تولید محصولات کشاورزی توسعه داده شده اند که هر یک از آن ها با توجه به باندهای مورد استفاده و فرمول جبری خود، به مقادیر متفاوتی از تراکم و شاخص سطح برگ گیاهان زراعی حساسیت دارند. مطالعه بعضی از محصولات زراعی چندساله مانند یونجه، که در هر سال به دفعات برداشت می شود، بسیار پیچیده بوده و کمتر مورد توجه قرار گرفته است. لذا در این مقاله، از مهم ترین شاخص های پوشش گیاهی توسعه داده شده در برآورد تولید یونجه، توسط تصاویر سری زمانی Sentinel-2 استفاده می شود. در این تحقیق، اقدام به جمع آوری دوره ای 144 نمونه، به شیوه تخریبی از مزارع زیر کشت محصول یونجه شرکت کشاورزی و دامپروری مگسال (قزوین)، به صورت تقریباً نزدیک به زمان گذر ماهواره، شد و سپس کارایی 10 شاخص از معروف ترین شاخص های پوشش گیاهی، مبتنی بر تصاویر Sentinel-2 برای تخمین تولید محصول یونجه، مورد ارزیابی قرار گرفت. نتایج تحقیق حاضر، نشان داد که تولید تخمین زده شده یونجه، با استفاده از شاخص نسبت به سایر شاخص ها، دارای بالاترین همبستگی و کمترین جذر میانگین مربعات با داده های برداشت شده میدانی در اواسط مرداد ماه بوده است. به علاوه در نتایج این تحقیق، نشان داده شد که شاخص های لبه قرمز، مشکل اشباع شدگی شاخص های پوشش گیاهی در محصول یونجه را نتوانسته اند برطرف کنند و شاخص های پوشش گیاهی سبز، نسبت به شاخص های لبه قرمز جهت تخمین تولید این محصول، توانایی بیشتری را نشان داده اند.

برف، یک منبع عمده جریان آب در هر منطقه است. از این رو، آگاهی از توزیع زمانی و مکانی برف برای مدیریت مناسب منابع آب محدود در منطقه ضروری است. با توجه به شرایط سخت فیزیکی محیط های کوهستانی، امکان اندازه گیری دائم زمینی جهت تخمین منابع برفابی و تشکیل پایگاه داده ها وجود ندارد. به همین جهت استفاده از داده های سنجش از دور به منظور پایش تغییرات سطح برف بسیار موثر است. هدف مطالعه حاضر نیز بررسی تغییرات زمانی- مکانی پوشش برف استان کردستان با استفاده از محصولات سنجنده ی MODIS (MOD10A1، MOD10A2) در بازه ی زمانی 17 ساله (1396-1379) است. همچنین به منظور ارزیابی دقت تصاویر و تحلیل رابطه بین تغییرات برف با داده های بارش و دما از داده های ایستگاه سینوپتیک منطقه مورد مطالعه استفاده شد. نتایج ارزیابی تصاویر با داده های ایستگاه هواشناسی نشان می هد که این تصاویر از دقت مناسبی در استخراج سطوح برفی برخوردار است. همچنین نتایج بررسی تغیرات پوشش برف استان کردستان حاکی از آن است که بیشترین مساحت پوشیده از برف در سال های 1379، 1380، 1383، 1385، 1386، 1387، 1389، 1390، 1391، 1392 و 1394 و کمترین آن در سال های 1384، 1388، 1395 و 1396 اتفاق افتاده است. بیشترین مساحت پوشیده از برف در دی ماه 1386 با 2/28914 کیلومتر مربع بوده است. بررسی تغییرات ریزش برف در سطح استان نشان می دهد بیشترین ریزش برف در سطح استان از آبان تا اسفند در شهرستان دیواندره (آبان 1383، 57/59 درصد)، شهرستان بیجار (بهمن 1379، 93/25 درصد) و شهرستان قروه (دی ماه 1396، 38/25 درصد) اتفاق افتاده است. همچنین تحلیل ارتباط بین ذوب برف با داده های اقلیمی نشان می دهد که در ماه های فروردین و اردیبهشت افزایش بارندگی و در خرداد ماه با کاهش باندگی، روند افزایشی دما موجب آب شدن سطوح برفی در سطح استان شده است.

یکی از اهداف مهم در کشاورزی پایدار، حفظ اکوسیستم های سالم با تاکید بر مدیریت منابع زمینی، آبی و طبیعی به منظور تحقق امنیت غذایی در سطوح محلی تا جهانی است. داده های سری زمانی سنجش از دور به عنوان منبعی وسیع و ارزشمند از اطلاعات طیفی و زمانی، توانسته محققان را در پیشبرد اهداف مدیریت مزرعه کمک کند. مدیریت مزرعه همیشه با چالش هایی همراه بوده و عدم دسترسی به اطلاعات کمی و کیفی محصولات زراعی از مشکلات این حوزه به شمار می رود. هدف از این تحقیق، توسعه و کاربرد شاخص های وضعیت محصول و مزرعه با استفاده از داده های سری زمانی NDVI ماهواره Sentinel-2)) و نقشه نوع محصول مزارع شرکت کشت و صنعت مغان در سال 1396-1395 و شرکت کشت و صنعت شهید رجایی دزفول در سال 1396-1397 است تا به وسیله آن، مناطقی که توسط عواملی همچون بیماری، هجوم آفات و علف های هرز و همچنین مشکلات خاک و عدم توزیع نامناسب آب آبیاری در مزرعه، دچار تغییر فنولوژیکی در طول زمان شده اند، شناسایی شوند. برای این منظور، داده های سری زمانی شاخص NDVI برای 4 نوع محصول (گندم، ذرت، یونجه و چغندرقند) و در مزارع مختلف محاسبه شد و برای نشان دادن وضعیت مزرعه و محصول در هر مزرعه و مزارع نسبت به هم، دو شاخص وضعیت مزرعه و محصول توسعه داده شد. ارزیابی نتایج این شاخص ها با مشاهدات زمینی، حاکی از آن است که محصول یونجه در کشت و صنعت مغان و گندم در کشت و صنعت شهید رجایی دزفول به ترتیب 88/88 و 11/94 درصد، بالاترین دقت (صحت کلی) را در بین محصولات منطقه داشتند.

داده های اخذ شده توسط سنجنده های ماهواره ای، به طور معمول به سه دسته تصاویر با قدرت تفکیک مکانی پایین، متوسط و بالا تقسیم می شوند. بسیاری از تصاویر با قدرت تفکیک مکانی پایین و متوسط و قدرت تفکیک زمانی بالا، به راحتی در دسترس کاربران هستند، در حالی که تصاویر با قدرت تفکیک مکانی بالا، در اکثر مواقع دارای قدرت تفکیک زمانی بالایی نیستند و یا به صورت تجاری و با هزینه بالا در دسترس هستند. علاوه بر این، تصاویر با قدرت تفکیک مکانی بالا معمولا فاقد باندهای حرارتی بوده و لذا در مدل کردن فرآیند های طبیعی، مانند تبخیر- تعرق با محدودیت مواجه هستند. تولید نقشه های تبخیر- تعرق روزانه، با قدرت تفکیک مکانی بالا، همواره یکی از چالش های محققان سنجش ازدور بوده است. هدف این مطالعه، امکان سنجی تولید نقشه های تبخیر- تعرق روزانه با قدرت تفکیک مکانی 30 متر است. این تحقیق بر روی زمین های کشت و صنعت امیرکبیر اجرا شده است. برای این منظور ابتدا از بین باندهای 36 گانه تصویر مادیس، باندهایی که از لحاظ طیفی، تقریبا معادل با تصویر لندست 8 بودند، شناسایی شدند. سپس با استفاده از الگوریتم های SADFAT و STARFM و تصاویر لندست 8 و مادیس، باندهای مرئی و مادون قرمز با قدرت تفکیک زمانی روزانه و قدرت تفکیک مکانی 30 متر تولید شدند و در نهایت با استفاده از الگوریتم سبال، نقشه های تبخیر- تعرق واقعی از باندهای شبیه سازی شده تولید شدند. مقایسه تبخیر- تعرق های شبیه سازی شده با تبخیر- تعرق های به دست آمده با روش فائو- پنمن- مانتیث نشان دهنده و است. همچنین مقایسه تبخیر- تعرق شبیه سازی سازی شده با تبخیر- تعرق حاصل از تصویر لندست 8، در همان روز نشان دهنده و است که نشان دهنده عملکرد خوب چهارچوب پیشنهادی برای ریز مقیاس نمایی در این مطالعه است.