اطلاعات جغرافیایی (سپهر)

هدف از استخراج اطلاعات مرزی، ایجاد پایگاه اطلاعات زمین های کشاورزی است. با داشتن این معلومات می توان میزان مصرف آب و برداشت محصول را تخمین زد و هدایت ماشین آلات کشاورزی را خودکار نمود. برداشت میدانی مرز زمین ها زمان بر و پرهزینه است و برای این کار می توان روش های سنجش از دوری را مورد استفاده قرار داد. اما ترسیم دستی مرز زمین های کشاورزی از روی تصاویر سنجش از دوری، همچنان دشوار است. بنابراین استفاده از روش های خودکار راه حل مناسبی به نظر می رسد. این روش ها را می توان به دو دسته روش های مرسوم پردازش تصویر و روش های مبتنی بر یادگیری ماشین طبقه بندی کرد. روش های مرسوم پردازش تصویر مانند تشخیص لبه، مشکلاتی چون موقعیت یابی نادرست و دقت تشخیص ضعیف دارند. بنابراین محققان الگوریتم های تشخیص لبه نوین را بر اساس یادگیری عمیق، پیشنهاد نموده اند. شبکه های عصبی پیچشی ازجمله آن ها هستند که در این پژوهش به کار رفته اند. برای پیاده سازی روش پیشنهادی، از زبان برنامه نویسی پایتون نسخه 3.11 در چارچوب کتابخانه keras استفاده شد. یکی از مشکلات استفاده از شبکه های عصبی پیچشی، کمبود مجموعه داده آموزشی مناسب است. در پژوهش حاضر برای حل این مشکل، از فنون انتقال یادگیری و تنظیم دقیق استفاده شد. مجموعه داده دسترسی آزاد فرانسه در کنار سه مجموعه داده همدان، بهار و خرسان، برای آموزش شبکه های عصبی پیچشی به کار رفت. هشت سناریوی آزمایشی طراحی شد. پنج مورد از آن ها با تنظیم دقیق و سه مورد دیگر بدون تنظیم دقیق انجام گرفت. همچنین پنج حالت معماری مختلف از شبکه U-Net با شبکه های پایه مختلف پیاده سازی شد. برای ارزیابی عملکرد، معیارهای Dice Score، IoU، Accuracy، Recall و F1-Score محاسبه شدند. در پایان مشخص شد انتقال یادگیری و تنظیم دقیق، روشی برای جبران کمبود داده های آموزشی و افزایش دقت هستند. در این پژوهش دقت عملکرد سناریوی سوم آزمایش،0.73T  در معیارIoU بود. وقتی همین سناریو با استفاده از تنظیم دقیق انجام شد، دقت آن 0.14 بهبود یافت و به 0.87 رسید. همچنین مکانیسم Attention در ترکیب با معماری های شبکه عصبی، دقت استخراج مرز را بهبود داد.

سامانه های ناوبری زمین پایه لورن به دلیل تأثیرپذیری از عوامل محیطی مانند ارتفاع، پوشش اراضی، هدایت الکتریکی، رسانش حرارتی، دما و رطوبت، با چالش های مهمی در دقت و پایداری مواجه هستند. این عوامل با تأثیر بر مسیر و شدت امواج الکترومغناطیسی، خطای فاکتور ثانویه اضافی را ایجاد می کنند که منجر به انحراف سیگنال می شود. در این مقاله، از روش تفاضل محدود در حوزه زمان برای محاسبه مقادیر فاکتور ثانویه اضافی در منطقه مطالعاتی شمال غرب ایران و در 17 کلاس مختلف پوشش اراضی استفاده شد. از آنجا که داده های هواشناسی محدود به نُه ایستگاه با مختصات معلوم بودند، برای پیش بینی پارامترهای جوّی کل منطقه، از تصاویر ماهواره ای مادیس بهره گرفته شد. مدل های یادگیری عمیق شبکه عصبی بازگشتی حافظه طولانی کوتاه مدت برای مدل سازی دقیق تر توزیع مکانی-زمانی دما به کار رفتند و توزیع دما در شبانه روز و نقاط مختلف منطقه مطالعاتی را با دقت بالایی پیش بینی کردند. یافته ها نشان داد که ارتفاعات بالا، زمین های با رسانایی الکتریکی و حرارتی بالا و پوشش های گیاهی متراکم، منجر به افزایش مقادیر فاکتور ثانویه اضافی می شوند. در مقابل، مناطق خشک و کم رسانا مقادیر کمتری از این خطا را تولید می کنند. بر اساس نتایج حاصله،ترکیب داده های ایستگاه های هواشناسی و تصاویر ماهواره ای، دقت قابل توجهی در تحلیل و پیش بینی تغییرات فاکتور ثانویه اضافی فراهم کرده است. علاوه بر این، تحلیل نتایج نشان داد که ارتباط مستقیمی میان دما و سایر پارامترهای هواشناسی با مقدار فاکتور ثانویه اضافی وجود دارد. پژوهش حاضر با ترکیب روش های عددی و یادگیری عمیق، راهکاری جامع برای تحلیل دقیق اثرات محیطی و جغرافیایی بر سامانه ی ناوبری زمین پایه ارائه داده و امکان بهبود دقت و کارایی این سامانه ها را در شرایط پیچیده جغرافیایی و جوّی فراهم می کند.

رشد شهری به عنوان یکی از پیامدهای اصلی افزایش جمعیت و توسعه اقتصادی، فرایندی پویا و پیچیده است که منجر به گسترش بی رویه مناطق شهری به سمت اراضی طبیعی پیرامون می شود. این پدیده علاوه بر تغییرات شدید در کاربری اراضی، پیامدهای زیست محیطی متعددی از جمله تخریب زیست گاه ها، کاهش پوشش گیاهی، افزایش آلودگی و ناپایداری اکولوژیکی را به همراه دارد. پایش دقیق و مستمر این تغییرات، نقش مهمی در برنامه ریزی شهری، مدیریت بهینه منابع و توسعه پایدار شهری ایفا می کند. امروزه استفاده از تصاویر ماهواره ای به ویژه داده های چندمنبعی و استفاده از الگوریتم های یادگیری ماشین، به عنوان راهکاری کارآمد برای پایش تغییرات کاربری و آشکارسازی مناطق ساخته شده شهری مورد توجه قرار گرفته است. در این پژوهش، یک رویکرد ترکیبی مبتنی بر تلفیق داده های راداری سنتینل-1 و نوری سنتینل-2 در محیط سامانه تحت وب Google Earth Engine برای استخراج و نقشه برداری مناطق ساخته شده شهر ساری ارائه شده است. ابتدا شاخص های طیفی(BuEI ، NDBI، NDVI، GNDVI، RDVI،  NDWI, SoEI )و آنالیز مؤلفه های اصلی از داده های سنتینل-1 و سنتینل-2 استخراج شدند. سپس با استفاده از ویژگی های استخراج شده و الگوریتم های طبقه بندیRandom Forest ،  Support Vector MachineوCART، نقشه های مناطق شهری تولید شدند. نتایج ارزیابی با استفاده از داده های مرجع گوگل ارث نشان می دهند که الگوریتم RF با دقت کلی 95.2 درصد و ضریب کاپای 90.4 درصد، بهترین عملکرد را در مقایسه با سایر الگوریتم ها دارد. الگوریتم های SVM و CART نیز با دقت های 93.8 و 93.3 درصد، عملکرد قابل قبولی نشان دادند. یافته های این پژوهش نشان می دهند که ترکیب داده های چندمنبعی و استفاده از بسترGEE ، علاوه بر اعمال دقت بالاتر در پایش تغییرات شهری، سرعت پردازش را افزایش داده و نیاز به زیرساخت های محاسباتی پیشرفته را کاهش می دهد.

این تحقیق یک رویکرد ترکیبی از شاخص های پوشش گیاهی را برای پایش استرس محصولات کشاورزی با استفاده از داده های فراطیفی پهپادی (270 باند) و ماهواره ای (هایپریون با 242 باند) پیشنهاد کرده است. ابتدا با شانزده شاخص گیاهی منفرد و سپس با پنج شاخص ترکیبی پیشنهادی، محصولات کشاورزی را در چهار کلاس ریسک پذیری طبقه بندی نموده و سپس نقشه نهایی حاصل شده است. نتایج نشان داد که به ترتیب در تصویر هایپریون و تصویر پهپادی تقریباً 55 و 47 درصد از هر منطقه مورد مطالعه در سطح ریسک پذیری متوسط به بالا قرار دارند. همچنین، در مقایسه میانگین شاخص های ترکیبی و منفرد با نقشه حاصل از طبقه بندی، نتایج نشان داد که در تصویر هایپریون شاخص های ترکیبی از دقت بالایی نسبت به شاخص های منفرد برخوردارند و تقریباً در کلاس پرریسک، شاخص های منفرد خطای 18 درصد و شاخص های ترکیبی خطای 10 درصدی را نشان می دهند. از اینرو به کارگیری شاخص های ترکیبی در تصاویر با قدرت تفکیک مکانی متوسط و پایین تقریباً 42 درصد خطای تخمین مناطق ریسک پذیری محصولات گیاهی را کاهش داده و دقت بهتری را رقم می زند. علیرغم اینکه در تصویر هایپریون با قدرت تفکیک مکانی متوسط و پایین شاخص های ترکیبی از دقت بالایی نسبت به شاخص های منفرد برخوردارند، ولی در تصویر پهپادی با قدرت تفکیک بالا ( 0.43 متر)  نتایج نشان داد که دقت شاخص های ترکیبی نسبت به شاخص های منفرد افزایش محسوسی در تشخیص استرس محصولات کشاورزی ندارند. بنابراین استفاده از شاخص های ترکیبی پیشنهادی در تصاویر با قدرت تفکیک مکانی متوسط و پایین توصیه می شود.

در برنامه های توسعه گردشگری، شناسایی و پهنه بندی مناطق مستعد، نقش محوری در موفقیت و پایداری ایفا می کند. در این راستا، پژوهش حاضر قصد دارد با استفاده از روش تحلیل آمایشی داده های مکانی در سیستم اطلاعات جغرافیایی، پهنه های مناسب توسعه گردشگری مبتنی بر طبیعت در شهرستان خمینی شهر را شناسایی کند. این پژوهش بر اساس هدف کاربردی، بر اساس ماهیت داده کمّی، بر اساس روش تحقیق آمایشی و تحلیلی، بر اساس زمان انجام مقطعی و بر اساس شیوه جمع آوری داده ها میدانی و مکانی است. به این منظور، داده های مکانی زیرمعیارهای فاصله از منطقه حفاظت شده قمیشلو، فاصله و تراکم شبکه راه ها، فاصله و تراکم مراکز جمعیتی، ارتفاع و شیب زمین جمع آوری و لایه های رقومی آنها در نرم افزار ArcGIS تهیه شد. سپس با مقایسه زوجی عوامل، ارجحیت آنها براساس نظرات کارشناسی استخراج شد. نهایتاً لایه های رقومی با توجه به وزن هر عامل ترکیب و نقشه قابلیت اراضی پتانسیل گردشگری مبتنی بر طبیعت ایجاد شد. نتایج نشان داد 13.11 درصد (2291 هکتار) از مساحت شهرستان خمینی شهر به عنوان پهنه بسیار مناسب، عمدتاً در شمال و شمال غرب قرار دارد. پهنه مناسب 23 درصد (4016 هکتار) از مساحت را در اطراف پهنه بسیارمناسب به خود اختصاص داد. پهنه متوسط با 30.82 درصد (5385 هکتار) از مساحت شهرستان در اکثر نواحی، به جز جنوب و مرزها، پراکندگی دارد. پهنه نامناسب با 23.67 درصد (4137 هکتار) وسعت، بیشتر در نوار مرزی و پهنه بسیار نامناسب با 9.42 درصد (1646 هکتار) وسعت در جنوب و جنوب شرق گستردگی دارند. این پهنه ها، امکان شناسایی نواحی با بیشترین پتانسیل گردشگری پایدار برای بهره برداری، سرمایه گذاری و توسعه زیرساخت ها را فراهم می آورند. همچنین به تصمیم گیران و برنامه ریزان کمک می کنند تا با اتخاذ رویکردی هدفمند، به توسعه توریسم در مناطق دارای قابلیت های طبیعی منحصربه فرد بپردازند.

پدیده گردوغبار به عنوان یک چالش زیست محیطی در مناطق خشک و نیمه خشک، تأثیرات گسترده ای بر کیفیت هوا، سلامت عمومی، اکوسیستم ها و اقتصاد دارد. افزایش غلظت ذرات معلق به ویژه در فصول خشک، مشکلات تنفسی و قلبی عروقی را تشدید کرده و هزینه های اقتصادی قابل توجهی به نظام سلامت تحمیل می کند. این پژوهش به تحلیل الگوهای فصلی و مکانی عمق نوری آئروسل (AOD) در استان گلستان طی سال های ۲۰۰۱ تا ۲۰۲۴ و نقش پوشش زمین و نقاط داغ نوظهور گردوغبار پرداخته است. با استفاده از داده های روزانه سنجنده MODIS و محصول Dynamic World V1 از Sentinel-2 در پلتفرم  Google Earth Engine، آستانه AOD  0.5 برای شناسایی رویدادهای گردوغباری تأیید شد. تحلیل ها با توابع روش های طبقه بندی چارکی و تناسب پوشش سطحی از همپوشانی رستری، آزمون من-کندال و تحلیل نقاط داغ نوظهور (EHSA) در ArcGIS Pro انجام شدند. نتایج نشان داد تابستان با 51% مساحت در کلاس های بالای فراوانی (بیش از 21.471 روز) بحرانی ترین فصل برای گردوغبار است، درحالی که زمستان با 89.59% مساحت بدون رویداد، کمترین فعالیت را دارد. اراضی بایر (تا 48.85% در تابستان) منبع اصلی آئروسل ها هستند، درحالی که پوشش های گیاهی مانند جنگل ها و اراضی کشاورزی در طبقه های پایین AOD نقش کاهشی دارند. تحلیل EHSA نشان داد تابستان با ۴۷۸۵ کیلومترمربع بیشترین نقاط داغ (عمدتاً پراکنده) و زمستان با ۳۸۴ کیلومترمربع کمترین نقاط داغ را دارد. نقاط داغ جدید در پاییز (۴۲۸ کیلومترمربع) و تابستان (۳۱۵ کیلومترمربع) برجسته بودند. آزمون من-کندال ثبات نسبی AOD را نشان داد، اما روندهای افزایشی در پاییز (4.38% با اطمینان 95%) و تابستان (1.9% با اطمینان 90%) در نواحی مرکزی و حاشیه خزر مشاهده شدند.

امروزه با رشد جمعیت، تشدید تغییرات اقلیمی و گسترش تنش های منطقه ای، امنیت آب به یکی از چالش های راهبردی برای تحقق توسعه پایدار، به ویژه در کشورهایی که با بحران کم آبی روبرو هستند، بدل شده است. کلان شهر مشهد، به دلیل جمعیت ساکن و میزبانی از حدود ۲۰ میلیون زائر، سالانه با تنگنای جدی آبی مواجه است و امنیت آب آن وابستگی شدیدی به منابع فرامرزی، به ویژه حوضه آبریز هریرود و سد دوستی دارد که ۶۰ درصد آب شرب این شهر را تأمین می کند. این پژوهش با هدف ارزیابی امنیت آب کلان شهر مشهد، به تحلیل تأثیرات دوگانه «تغییر اقلیم» و «سیاست های هیدروپلیتیکی» بالادست (کشور افغانستان) نسبت به کشور پایین دست (کشور ایران) می پردازد. برای این منظور، با رویکردی ترکیبی، از تحلیل داده  های CRU برای سنجش روند بارش، دما، تبخیر و شاخص خشکسالی SPEI و از تحلیل اسنادی و ژئوپلیتیکی به منظور بررسی سیاست های آبی بالادست استفاده شده است. یافته های اقلیمی نشان دهنده کاهش میانگین 12/3 میلی متر در بارش هر دهه، افزایش بیش از دو درجه ای میانگین دما و افزایش فراوانی و شدت خشکسالی ها است. در بُعد مناسبات هیدروپلیتیک، افغانستان با اتخاذ سیاست امنیتی سازی آب، پروژه های سدسازی متعددی را برای کنترل و بهره برداری حداکثری از منابع آبی خود دنبال می کند. این اقدامات که با فقدان چارچوب قانونی دوجانبه در حوضه هریرود همراه است، منجر به کاهش شدید جریان ورودی به سد دوستی شده است. نتایج نشان می دهد که امنیت آب مشهد به طور مستقیم تحت تأثیر هم زمان این دو عامل قرارگرفته و برای افزایش تاب آوری، نیازمند راهبردهای مدیریتی یکپارچه شامل تقویت دیپلماسی آب، تنوع بخشی به منابع (بازچرخانی و آب شیرین کن) و ارتقای بهره وری مصرف است.

پوشش گیاهی شاخص سلامت اکوسیستم است و نقش مهمی در حفظ تعادل اکولوژیکی، تنظیم چرخه آب و تسهیل جریان ماده و انرژی دارد. پویایی پوشش گیاهی ناشی از تنش های محیطی و فعالیت های انسانی در حال تسریع است و نیاز به پایش و نظارت طولانی مدت مداوم دارد. با توسعه فناوری سنجش از دور، تصاویر سنجش از دور به طور گسترده در کار بررسی پوشش گیاهی مورد استفاده قرار گرفته است. هدف از این پژوهش، ارزیابی مقایسه ای کارآیی عملگر های فازی پردازش شئ گرای تصاویر ماهواره ای در پایش تغییرات پوشش گیاهی حوضه آبریز کرخه با استفاده از سری زمانی تصاویر ماهواره لندست است. در راستای این هدف، پس از تهیه تصاویر سری زمانی سال های 1373، 1378، 1383، 1388، 1393، 1398 و 1403 از سامانه گوگل ارث انجین، با استفاده از رویکرد پردازش شئ گرای تصاویر ماهواره ای و عملگر های AND، OR، MGE، MAR، MGWE و ALP اقدام به قطعه بندی و طبقه بندی تصاویر شد. مرحله قطعه بندی، با استفاده از مقیاس، ضریب شکل و ضریب فشردگی بهینه انجام شد و پس از آن دو کلاس پوشش گیاهی و غیر پوشش گیاهی ساخته شد و نمونه های تعلیماتی نیز انتخاب شدند. در مرحله بعد طبقه بندی انجام گرفت و برای تعیین دقّت طبقه بندی، با استفاده از نقاط کنترل واقعیت زمینی انتخابی، دقّت کلی و ضریب کاپا برای نقشه های تولیدی محاسبه شدند. نتایج پژوهش نشان داد که عملگر فازی AND با دقت ۹۷/۳۸ درصد و ضریب کاپای ۰/۹۸۱۸ بهترین عملکرد را در پایش پوشش گیاهی حوضه کرخه دارد. تحلیل سری زمانی تصاویر لندست طی ۳۰ سال گذشته کاهش حدود ۱۸ درصدی پوشش گیاهی را آشکار کرد. این روند که ناشی از عوامل انسانی و طبیعی است، تهدیدی جدی برای پایداری اکولوژیکی و جوامع محلی محسوب می شود و ضرورت اتخاذ سیاست های جامع حفاظت و احیای پوشش گیاهی را برجسته می نماید.

یکی از راه های پیشگیری از توسعه فقر و نیز سامان بخشی به وضعیت مکان های فقیرنشین، شناخت دقیق گستره های فقر به ویژه در سطح شهرهای بزرگ است. زیرا هر برنامه ای برای مقابله با فقر شهری در سطح شهر بدون شناخت دقیق موقعیت مکانی آن امکان پذیر نخواهد بود. عدم شناخت کافی از فقر شهری، به ویژه ابعاد و گستردگی آن در سطح شهر، می تواند مانع از سیاست گذاری صحیح برای کاهش فقر شود. این ناآگاهی ممکن است منجر به هدر رفتن منابع اقتصادی و ناکامی برنامه های کاهش فقر شود. از اینرو پژوهش حاضر به دنبال آن است که به تعیین گستره های فقر در شهر کرمانشاه بپردازد. در خصوص روش پژوهش می توان اذعان نمود که با توجه به موضوع پژوهش، از نظر هدف نوع آن کاربردی و از نظر نوع داده کمّی است. محدوده پژوهش، 136 محله عرفی شهر کرمانشاه در سال 1403 بوده است. داده های مربوط به بخش مبانی نظری به صورت اسنادی و کتابخانه ای تهیه شده و داده های خام از سالنامه آماری مرکز آمار ایران مربوط به سال 1400 شهر کرمانشاه و نتایج سرشماری عمومی نفوس و مسکن 1395 استخراج شده اند. بر این مبنا، محله های شهرکرمانشاه با چهار مؤلفه و 34 شاخص ارزیابی شدند. نتایج لکه های داغ حاکی از آن است که میزان فقر در سطح شهر کرمانشاه به صورت متعادل توزیع نشده و در بعضی مکان ها شدت فقر بسیار زیاد و در بعضی مکان ها شدت خوشه ای فقر بسیار کم است. علاوه بر این نتایج آزمون خودهمبستگی موران بیانگر آن است که الگوی فضایی فقر در شهر کرمانشاه به صورت خوشه ای است.

زمین لغزش یکی از مخاطرات طبیعی است که سالانه خسارات قابل توجهی به زیرساخت ها، منابع طبیعی، و جوامع انسانی وارد می کند. بسیاری از مناطق کوهستانی در کشور ایران از جمله دامنه های رشته کوه زاگرس مستعد وقوع انواع مخاطرات طبیعی و زمین لغزش هستند. بنابراین هدف از پژوهش حاضر، شناسایی مناطق مستعد وقوع زمین لغزش و ارزیابی میزان جابجایی سطح زمین با استفاده از تصاویر سنجش از دور راداری و روش تحلیل شبکه ای (ANP)در محور تفین –دگاگا واقع در استان کردستان است. داده های مورد استفاده در این تحقیق شامل تصاویر راداری Sentinel-1 مربوط به سال های 2021-2017 و تعداد هشت پارامتر ژئومورفولوژیکی از جمله شیب، جهت شیب، ارتفاع، فاصله از جاده، فاصله از رودخانه، کاربری اراضی، فاصله از گسل و نقشه زمین شناسی هستند که با استفاده از مدل تحلیل شبکه و سیستم های اطلاعات جغرافیایی (GIS) پردازش و تحلیل شده اند. بر اساس نتایج  حاصل از ارزیابی های تحلیل شبکه ای(ANP)، بیشترین کلاس آسیب پذیری خیلی زیاد به ترتیب در اراضی کشاورزی زراعی با 356.03 هکتار و سپس مسکونی با 319.75 هکتار  قرار دارد. بیشترین کلاس آسیب پذیری متوسط در کاربری کشاورزی زراعی با 5582.36 هکتار  و سپس اراضی جنگلی با 1889.64 هکتار قرار دارد. همچنین نتایج بررسی ها و مقایسه داده های جابجایی زمین در طول چندین بازه زمانی (از سال 2017 تا 2019) نشان دهنده تغییرات چشمگیر در رفتار زمین در طول جاده تفین به داگاگا است. به طوری که  میانگین جابجایی زمین در طی دوره زمانی مذکور حدود 0.05+ متر بالا آمدگی و حدود  0.08  - متر فرو افتادگی داشته است که می توان نتیجه گرفت نشست زمین یک روند مداوم و نگران کننده دارد. هرچند میانگین جابجایی در سال 2018 بهبود یافته است، اما در سال 2019 برخی نقاط دچار نشست شدیدتری شده اند. این داده ها نشان می دهند که منطقه همچنان در معرض خطرات ناشی از جابجایی زمین قرار دارد و اقدامات نظارتی و حفاظتی مستمر ضروری است.