سنجش ازدور

رشد تصاعدی اطلاعات مبتنی بر سنجش از دور در دهه گذشته فرصت های بی سابقه ای را برای نظارت بر منابع زمین از جمله تالاب ها که از با ارزش ترین اکوسیستم های موجود هستند فراهم کرده است. اطلاع از تغییرات تالاب ها  نقش اساسی در کیفیت مدیریت این گونه مناطق دارد. در این پژوهش میزان آب های سطحی ایران و تغییرات تالاب های ایرانی ثبت شده در کنوانسیون رامسر در یک دوره 37 سال (2021-1984) با استفاده از تصاویر محصول سنجش از دوری آب های سطحی جهانی(GSW)، تولیدشده در مرکز تحقیقات مشترک اروپا (JRC) مورد پایش قرار گرفت. داده های محصول با مرز تالاب ها در محیط GIS تلفیق و مساحت سطح آب موجود، سطح آب ازدست رفته و سطح آب اضافه شده درطی 37 سال برای هر استان و هر تالاب برآورد شد. نتایج نشان می دهد درایران و در دوره مطالعه شده 6285/86 کیلومترمربع آب دائمی، 1860/29 کیلومترمربع آب دائمی اضافه شده،3601/68 کیلومترمربع آب دائمی ازدست رفته، 3957/54 کیلومترمربع آب فصلی، 11614/55 کیلومترمربع آب فصلی جدید، 16222/89 کیلومترمربع آب فصلی ازدست رفته، وجود دارد. تالاب های ثبت شده در کنوانسیون رامسر نیز در مجموع دارای 430198/9 هکتار آب دائمی، 15077/97 هکتار آب دائمی جدید، 325955/4  هکتار آب دائمی ازدست رفته، 167270 هکتار آب فصلی، 486853/7 هکتار آب فصلی جدید،628942/8 هکتار آب فصلی ازدست رفته می باشند.

سابقه و هدفجنگل زدایی یکی از بزرگ ترین چالش های جهانی محیط زیست است، زیرا جنگل ها یکی از مهم ترین اجزای بوم سازگان های جهان هستند و نقش کلیدی در تعدیل اقلیم و تنظیم چرخه های مختلف بیوشیمیایی دارند. جنگل های شمال ایران یکی از باارزش ترین اکوسیستم های جنگلی ایران به شمار می روند و ازنظر تنوع گونه های گیاهی جزو جنگل های غنی محسوب می شوند. بنابراین، تشخیص تغییرات سطوح در جنگل ها با کمک داده های چندزمانی به ما این امکان را می دهد که با شناسایی خودکار این تغییرات از تخریب بیشتر جلوگیری نماییم. هدف اصلی این تحقیق شناسایی آستانه ها و اعمال آن ها بر روی تصاویر شاخص تفاوت گیاهی نرمال شده (NDVI) در سنجنده مودیس و پایش خودکار مناطق جنگلی است.مواد و روش هااین تحقیق در منطقه حفاظت شده البرز مرکزی با وسعت بیش از ۳۹۸ هزار هکتار و پوشش گیاهی بسیار غنی با بیش از ۱۱۰۰ گونه گیاهی انجام شد. در این تحقیق محصول MOD13Q1 سنجنده مودیس و شاخص NDVI با وضوح مکانی ۲۵۰ متر و وضوح زمانی ۱۶ روز و همچنین تصاویر محصول MCD12C1 سنجنده مودیس با تفکیک مکانی 5600 متر و تفکیک زمانی یک ساله در سه لایه با طرح های طبقه بندی برنامه بین المللی ژئوسفر – بیوسفر (IGBP)، دانشگاه مریلند (UMD) و طرح مشتق شده مودیس (LAI) استفاده شد. تصاویر NDVI ۱۶ روزه با الگوریتم حداکثر مقدار به تصاویر ماهانه تبدیل شدند و الگوریتم PCA با ۲۵ مؤلفه برای حذف خطا ها بر روی آن ها اعمال شد. با استفاده از سامانه گوگل ارث، ۵ چندضلعی تصادفی در مناطق جنگلی بکر انتخاب شد تا مقدار پیکسل ها تخمین زده شده و درنهایت آستانه تعیین شود. همگنی پوشش گیاهی با استفاده از MCD12C1 موردبررسی قرار گرفت. آستانه جنگل با محاسبه میانگین و انحراف معیار مناطق نمونه، طی یک دوره ۱۶ ساله تعیین شد. درنهایت، تغییرات با اعمال آستانه بر روی تصاویر سال های ۲۰۰۱ و ۲۰۱۶ و اعمال عملیات بولین با عملگرهای and و or روی آن ها شناسایی شد. سپس با استفاده از سامانه گوگل ارث اعتبار سنجی این نقاط انجام شد.نتایج و یافته هابا اعمال PCA روی تصاویر به همراه حفظ اطلاعات اصلی، میزان خطا تا حد مطلوب کاهش یافت. نتایج بررسی همگنی پوشش گیاهی در ۵ منطقه نمونه نشان داد که در سه لایه طبقه بندی، همگن بوده و از طبقه جنگل های پهن برگ خزان کننده هستند. نتایج محاسبات انحراف معیار و میانگین ماهانه ارزش جنگل حاکی از آن است که ماه های جون، جولای و اوت (۱۱ خرداد الی ۹ شهریور) برای بررسی تغییرات پوشش جنگلی منطقه مورد مطالعه مناسب هستند. آستانه برای این ماه ها به ترتیب برابر با 55/8596، ۸۰۰۰ و 51/8497 به دست آمد. با اعمال آستانه ها بر روی تصاویر در این سه ماه در سال های ۲۰۰۱ و ۲۰۱۶ و کسر این تصاویر از یکدیگر، پیکسل هایی که ارزش جنگلی خود را ازدست داده بودند، مشخص شدند. درنهایت، پس از انجام عملیات بولین ، ۲۰۰ پیکسل با مساحت تقریبی ۲۳/۱۷۲۸ هکتار به عنوان نقاط تغییریافته با کاهش پوشش جنگلی شناسایی شد. پس از بررسی، دقت کلی برای نقاط تعیین شده برابر با 5/88 درصد بود. بنابراین با اعمال آستانه های تعیین شده، امکان تشخیص خودکار تغییرات در عرصه های پوشش جنگلی به صورت به روز و مستمر فراهم است.نتیجه گیریبه طورکلی منطقه حفاظت شده البرز مرکزی یکی از مراکز مهم جنگلی کشور است و بر اساس نتایج به دست آمده طی 16 سال به دلایل مختلف، مقدار قابل توجهی از جنگل ها دچار تخریب شده یا ازدست رفته است. همچنین نتایج این تحقیق حاکی از اهمیت استفاده از روش های خودکار در شناسایی تغییرات پوشش جنگلی با اعمال آستانه های معین بر روی تصاویر شاخص NDVI سنجنده مودیس در سنجش ازدور است.

مطالعه مبحث دورسنجی درواقع علمی است که درباره محدوده و یا یک پدیده اطلاعات جامع و کاملی درباره شی یا پدیده مورد نظر بدون تماس فیزیکی با آن به ما می دهد. درواقع علم سنجش از دور شامل مشاهده زمین از بالا به پایین (Earth observation systems) می شود. دورسنجی در کنار دیگر علوم به صورت یک ابزار کمک کننده و به عنوان یک دانش قوی با دیدگاهی میان رشته ای به دیگر علوم ازجمله باستان شناسی کمک می کند. زاگرس مرکزی خصوصاً منطقه کرمانشاه و کردستان عراق به دلیل پتانسیل های محیطی از دیرباز خصوصاً در زمان ساسانیان برای زندگی و تشکیل استقرار انتخاب شده است . در این مناطق بر اساس مطالعات سنجش از دور و استفاده از آن، مطالعه کاربری اراضی و تشخیص ارزش های خاکی و پوشش گیاهی، در راستای بررسی توسعه کشاورزی در دوران ساسانی و یافتن بقایای مادی ای که این ادعا را ثابت کند، انجام شده است . در زاگرس مرکزی از زمان ساسانیان بقایای باستانی بسیاری مربوط به تأسیسات کشاورزی اعم از سیستم های آب رسانی برجای مانده است؛ که با ماهواره کرونا در لندسکیپ گذشته منطقه قابل تشخیص است . این نوشتار در تلاش است با نگاهی نو به کاربرد انواع سنجنده های راداری و حرارتی در باستان شناسی، زاگرس مرکزی (غرب کرمانشاه) و زاگرس شمالی (کردستان عراق) را برای شناخت باستان شناسانه محیط زیست و پوشش گیاهی مورد مطالعه قرار دهد و با استفاده از سنجش از دور و شناخت کاربری اراضی ، چنین نتیجه گیری کند که در منطقه مذکور با توجه به تحلیل های جغرافیایی در دوران ساسانی کشاورزی، هم به صورت دیم انجام می شده و هم به صورت آبی . درواقع این دو روش در یک منطقه مکمل یکدیگر بوده اند. روش مطالعه این مقاله بر اساس سنجش از دور و تحلیل های مبتنی بر آن در جغرافیای کردستان عراق و کرمانشاه انجام گرفته است .

تشخیص وجود شناورها در نزدیکی ساحل و دور از آن یکی از مسائل مهمی است که کاربردهای زیادی در صنایع نظامی و غیر نظامی دارد. این کار برای راهبری ترافیک دریایی و امنیت ترافیک در دریا بسیار مورد مفید است. روش های سنتی تشخیص شناورها شامل استفاده از ناظر انسانی یا سیستم های ارسال کننده مشخصات در شناورها است. فنون نوین که داده های حاصل از منابع مختلف را ادغام می کنند، درحال توسعه هستند. در این پژوهش با استفاده از روش شبکه ی عصبی عمیق اقدام به بهینه کردن ترکیب کرنل ها (MKL) و درنهایت شناسایی کشتی ها در منطقه مورد مطالعه (خلیج فارس) شده است. بدین منظور از تصاویر راداری سنجنده سنتینل-1 و با استفاده از الگوریتم K-means، 365 نمونه آموزشی از دریا و کشتی ها در خلیج فارس در شرایط جوی مختلف تهیه شده است که 70 درصد از آن به عنوان داده آموزشی و 30 درصد به عنوان داده آزمون به شبکه معرفی گردید. نتایج شبکه معرفی شده نشان دهنده دقت 88 درصدی مدل در شناسایی و آشکارسازی شناورها در منطقه خلیج فارس براساس داده های آموزشی بود. درنهایت شبکه به منظور اعتبارسنجی در دو منطقه بندرعباس و بندرلنگه اجرا گردید نتایج حاصل از این پژوهش می-تواند به منظور حفاظت و امنیت کشتی ها در دریانوردی و کنترل عبور و مرور در آبراهه ها حائز اهمیت می باشد.

امروزه خطوط لوله به طور گسترده ای برای انتقال نفت و گاز در فواصل طولانی مورداستفاده قرار می گیرند؛ بنابراین ارزیابی خطرپذیری آن ها می تواند به شناسایی خطرات مرتبط و انجام اقدامات لازم برای حذف یا کاهش پیامد حاصل از آن کمک کند. در تحقیق حاضر، از یک سیستم استنتاج فازی (FIS) برای ارزیابی خطرپذیری مسیر خطوط لوله استفاده شده است. به این منظور در ابتدا لایه های مکانی موردنیاز با استفاده از تصاویر ماهواره ای و داده های موجود تهیه شد. در گام بعدی نیز پایگاه قوانین سیستم استنتاج فازی بر اساس دانش کارشناسی تهیه شد. در ادامه نقشه ی خطرپذیری خطوط لوله نفت و گاز یک بار از منظر فنی و یک بار از منظر عوامل محیطی پهنه بندی شده و سپس نقشه های به دست آمده به منظور تهیه نقشه پهنه بندی خطرپذیری نهایی مسیر خطوط لوله باهم تلفیق شدند. نتایج نشان داد که مدل پیشنهادی می تواند رویکرد جدید و قابل اطمینانی را ازنظر ارزیابی خطرپذیری مسیر خطوط لوله نفت و گاز بر محیط طبیعی پیرامون از منطقه ارائه دهد. تلفیق نقشه خطرپذیری نهایی و مسیر خطوط لوله نفت و گاز موجود در منطقه نفتی مارون نشان داد که 2.8 درصد از کل مسیر خط لوله که معادل 7 کیلومتر طول خطوط لوله است در صورت وقوع حوادث ناشی از خط لوله (مانند: انفجار، آتش سوزی، نشت گاز و میعانات نفتی و غیره) می تواند خطرپذیرتر از سایر مناطق باشد. این مناطق بیشتر در قسمت های جنوبی منطقه واقع بوده و در مسیر جاده های اصلی، خطوط برق، پل ها و همچنین زمین های زراعی قرار دارند. درنتیجه پیامدهای ناشی از این حوادث با مدیریت صحیح این موضوع می تواند تا قابل کنترل باشد.

بافت های ناکارآمد شهری جزئی از بافت شهرها هستند که به دلیل فرسودگی رو به تزاید، از صفحه حیات اقتصادی شهر به دورمانده اند و در دهه اخیر به دلیل افزایش شهرنشینی شاهد شدت یافتن تغییر فضایی- کالبدی شهرها و متعاقباً ناکارآمدی بافت شهرها بوده ایم. در این راستا برنامه ریزان شهری سعی در ارائه راه حل هایی ازجمله بازآفرینی به عنوان پذیرفته ترین آن، بودند. در این راستا تحقیق حاضر باهدف بازآفرینی بافت های ناکارآمد، سعی داشته است ضمن ارائه روش جدید شناسایی بافت های ناکارآمد شهری، با رویکرد آینده نگاری وضعیت موجود بازآفرینی را مشخص و سپس چشم اندازهای محتمل بازآفرینی بافت های ناکارآمد جهت اتخاذ سیاست های مطلوب را تعیین کند. در این راستا نتایج تحقیق نشان داده است که بافت های تاریخی به دور هسته اولیه شهر تنیده شده و محلات (چهارباغ، آغه زمان، قلعه چهارلان، قطارچیان، میان قلعه، سرتپوله) را در برگرفته شده، که نمودار ناکارآمدترین بخش شهر بوده؛ و سیاست های بازآفرینی این محدوده ها بنا بر یافته های حاصل از میک مک الگوی ناپایدار بوده، و محتمل ترین آینده این بافت ها، وضعیت های نامطلوب به شرح زیر را نشان داده اند؛ مداخلات بولدوزری به بهایی نابودی هویت بافت، بدون دست یابی به دست آوردهای مطلوب برای ساکنان انجام شده است؛ چراکه آلودگی، رواناب ها و فاضلاب ها مدیریت و کنترل نشده و امنیت و آسایش به طور کامل تأمین نشده؛ درنتیجه شاهد مهاجرت ساکنان و متروکه شدن بافت بوده ایم.