OLI

شناخت رفتار و خصوصیات رسوب گذاری رودخانه های منتهی به مخازن سدهای بزرگ باعث سهولت تصمیم گیری های راهبردی درمورد احداث سازه های مهندسی در طول رودخانه برای مدیریت رسوب ورودی به مخزن سد خواهد شد. فناوری سنجش از دور با داده های چندزمانه و چندطیفی تا حد زیادی سهولت کشف تغییرات ریخت شناسی رودخانه ها را در طول زمان به همراه داشته است. با وجود این، ماهیت خاص رودخانه های کم عرض و کم عمق باعث افزایش پیچیدگی مطالعات بررسی ریخت شناسی چنین رودخانه هایی، با استفاده از داده های موجود شده است. در این مطالعه قابلیت خودکار شش شاخص پرکاربرد آب شامل: شاخص تفاضل بهنجار آب، شاخص تفاضل بهنجار آب اصلاح شده، شاخص استخراج خودکار آب با سایه، شاخص استخراج خودکار آب بدون سایه، شاخص آب پیشرفته و شاخص آب 2015 مستخرج از دو سنجنده ETM+ و OLI ماهواره لندست در تفکیک رودخانه های کم عرض و کم عمق بررسی شد. آستانه بهینه هر یک از این شاخص ها با استفاده از نمودار ROC تعیین شد. فرایند اعتبارسنجی نیز با استفاده از تصاویر گوگل ارث مربوط به آگوست سال 2013 انجام پذیرفت. صحت نتایج با آمار های متفاوت شامل خطای ترکیبی، صحت تولیدکننده، صحت کاربر، خطای omission و خطای commission بررسی شد. نتایج نشان می دهد اگرچه صحت شاخص های مستخرج از سنجنده ETM+ به نسبت بیش از سنجنده دیگر است، به طور کلی بیشترین صحت تفکیک عارضه مورد نظر مربوط به شاخص تفاضل بهنجار آب اصلاح شده و شاخص استخراج خودکار آب با سایه است و شاخص استخراج خودکار آب بدون سایه نیز کمترین صحت را در تفکیک عارضه رودخانه داشته است.

گرد و غبار یکی از فرآیندهای مهم مناطق خشک و نیمه خشک است که وقوع آن در سال های اخیر در ایران افزایش پیدا کرده است. شناسایی کانون های تولیدکننده این پدیده اولین گام در مدیریت و کنترل آن به شمار می رود. به دلیل خشک و نیمه خشک بودن اقلیم هایی که پدیده گرد و غبار در آنها به وقوع می پیوندد، همواره مناطق وسیعی برای پایش و کنترل وجود دارند که عملاً مدیریت آنها را ناممکن می سازد. از اینرو کاهش مناطق کاندید به سطوح واقعی تولیدکننده یکی از دغدغه های اصلی پژوهشگران به شمار می رود. در این مقاله، با استفاده از داده های دورسنجی، به شناسایی کانون های بالقوه تولید گرد و غبار در استان البرز پرداخته شده است. شاخص های طیفی رطوبت و پوشش گیاهی مختلفی بر روی داده های سنجنده OLI اعمال شد و بر اساس میزان تغییرات در منطقه مطالعاتی شاخص های رطوبت مربوط به تبدیل تسلد کپ و پوشش گیاهی DVI انتخاب و بر روی تصاویر سال های 2013، 2014 و 2015 اعمال گردید و نقشه پتانسیل فرسایش پذیری رطوبت و پوشش گیاهی تولید شد. شاخص طیفی زبری بر داده مدل رقومی ارتفاع سنجنده ASTER اعمال و نقشه پتانسیل فرسایش پذیری زبری تهیه گردید. با استفاده از اطلاعات زمین شناسی، نقشه حساسیت فرسایش پذیری سنگ ها تولید شد. با تلفیق نقشه های پتانسیل فرسایش پذیری در مدل ارزیابی چند معیاره و انجام عملیات میدانی نقشه کانون های بالقوه ریزگرد تهیه گردید و بر اساس یک طرح نمونه برداری مورد بازدید قرار گرفتند. نتایج نشان داد که با استفاده از تصاویر ماهواره ای و اعمال شاخص های طیفی، به خوبی می توان کانون های بالقوه تولید گرد و غبار را شناسایی نمود.

هدف از تحقیق حاضر، به کارگیری روش FFT_IHS به منظور افزایش صحت استخراج اطلاعات از داده های سنجنده OLI، ماهواره لندست 8 است. برای این منظور پنجره ای از تصاویر سنجنده OLI، شهرستان اردبیل انتخاب و بعد از اعمال پیش پردازش های موردنیاز از جمله تصحیح اتمسفریک، باندهای چند طیفی و پانکروماتیک با استفاده از روش FFT_IHS، با یکدیگر ادغام گردیدند. به منظور ارزیابی قابلیت روش FFT_IHS در افزایش صحت استخراج اطلاعات، اقدام به برداشت نمونه های آموزشی از تصاویر قیل و بعد از اعمال این روش گردید. همبستگی بین نمونه های آموزشی با استفاده از شاخص جفریس ماتوسیتا مورد ارزیابی قرار گرفت که نتایج این شاخص نشانگر همبستگی پایین بین نمونه های برداشت شده بود. در ادامه نمونه های آموزشی با استفاده از الگوریتم ماشین بردار پشتیبان شعاعی در 8 کلاس کاربری طبقه بندی شد. نتایج تحقیق نشان داد که طبقه بندی تصویر قبل از ادغام باندها دارای صحت کلی 88.3 درصد و ضریب کاپا 0.87 بوده و بعد از ادغام به روش FFT_IHS صحت کلی به 96.3 درصد و ضریب کاپا 0.96 افزایش یافته است.

شوری خاک یکی از مشکلات مهم زیست محیطی است و شناسایی و پهنه بندی خاک های شور، به علت نیاز به نمونه برداری و انجام دادن آنالیزهای آزمایشگاهی و همچنین تغییرپذیری زمانی و مکانی آن، مشکل است. در سال های اخیر استفاده از تصاویر ماهواره ای، به علت استفاده آسان و توانایی در شناسایی پدیده ها، همواره مورد توجه متخصصان قرار گرفته است. در این پژوهش، 220 نمونه خاک از منطقه میمه شهرستان دهلران، در جنوب استان ایلام، با توجه به نوع مطالعه و تیپ های فیزیوگرافی و واحدهای متشکل خاک ها برداشت شد. سپس مقادیر pH و EC با استفاده از روش های استاندارد اندازه گیری شد. ارزیابی مقادیر شوری خاک، با استفاده از روابط همبستگی بین مقادیر هدایت الکتریکی EC حاصل از داده های زمینی، با متغیرهای به دست آمده از تصاویر ماهواره ای لندست 8 شامل باندها، شاخص های شوری، شاخص های پوشش گیاهی و شاخص های خاک صورت گرفت. در نهایت، مدل تخمین شوری سطحی خاک با روش رگرسیون گام به گام به دست آمد. این روش شامل انتخاب خودکار متغیرهای مستقل است و با دردسترس بودن بسته های نرم افزاری آماری، انجام دادن آن حتی در مدل هایی با صدها متغیر امکان پذیر است. در مطالعات گذشته، شاخص ها و باندها به صورت جداگانه و محدود به کار رفته اند اما، در این مطالعه، سعی شده است از ترکیب شاخص های گوناگون استفاده گسترده تری شود و در نهایت، با حذف شاخص هایی که کمترین تأثیر را در برآورد شوری خاک داشته اند، بهترین مدل برآورد شوری برای خاک منطقه پیشنهاد شد. با استفاده از آنالیز سطح معنی داری و میزان همبستگی بین خروجی مدل ها و داده های زمینی، بهترین مدل با مقدار (882/0R2=) انتخاب و نقشه شوری خاک براساس آن تهیه شد. بیشترین مساحت مربوط به کلاس غیرشور است که 75% از کل منطقه مورد مطالعه را شامل می شود و حدود 1% از خاک های منطقه نیز مربوط به کلاس بسیار شور است. با مقایسه داده های حاصل از ماهواره لندست 8 و به کارگیری شاخص ها و قراردادن شاخص ها در معادله رگرسیونی گام به گام، این نتیجه حاصل شد که تصاویر ماهواره ای برای ارزیابی شوری خاک منطقه کارآمد است و نتایج حاصل، همبستگی بالایی در سطح  88/0 با داده های زمینی دارند.

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.