مادیس

اطلاع از پروفایل های قائم دما و دمای نقطه شبنم در زمرة مهم ترین پارامترها در مدل های عددی پیش بینی وضع آب وهوا جای دارند. در زمان حاضر در ایران پروفایل های قائم دما و دمای نقطه شبنم با رادیوسوندها تهیه می شوند؛ اما به دلیل گرانی رادیوسوندها، ارسال آنها به جو تنها محدود به زمان ها و مکان های خاصی است. به همین دلیل به کار بردن روش های جدید با قابلیت هزینه کم و پوشش وسیع برای تولید پروفایل ها اهمیت بسیار دارد. امروزه تلاش می شود تا با استفاده از ماهواره ها و فناوری سنجش از دور، کاستی های مربوط به اندازه گیری های رادیوسوند مرتفع گردد. در این تحقیق از محصول MYD07-L2 تصاویر سنجنده مادیس ماهواره Aqua با قدرت تفکیک مکانی 5 کیلومتر برای استخراج پروفایل های دما و دمای نقطه شبنم استفاده شده است. برای این کار با برنامه نویسی در محیط IDL، پروفایل های ایستگاه مهرآباد تهران از محصول MYD07-L2 سنجنده مادیس برای روزها و شب های مختلفی از سال 2007 استخراج گردید و سپس میزان Bias و RMSE داده های مذکور با داده های رادیوسوند محاسبه و مقایسه شد. نتایج نشان دادند که داده های پروفایل دمایی مادیس مطابقت مناسبی با داده های رادیوسوند دارند؛ و برای آنها Bias کل 95/1 و RMSE41/2 درجه کلوین، برای سطوح بالاتر از 780 میلی بار، به دست آمد. در سطوح بالاتر از 780 میلی بار پروفایل های دمای نقطه شبنم اختلاف بیشتری را با داده های رادیوسوند نشان دادند و برای آنها نیز مقدار Bias کل 77/5 و RMSE58/6 درجه به دست آمد.

یکی از مهم ترین آلاینده های که پایش آن در جو توسط سنجش از دور میسر می باشد ،غلظت ذرات معلق با استفاده از تصاویر سنجنده مادیس است.در تحلیل های مربوط به آلودگی هوا بررسی پراکنش و رابطه بین متغیرها از اهمیت زیادی برخوردار است که براین اساس کاربرد تحلیل های رگرسیونی در این مطالعات ضرورتی اجتناب ناپذیر است. هدف این مقاله تهیه نقشه توزیع مکانی ذرات کمتر از ده میکرون استان خوزستان دردوبازه زمانی ساعتی وروزانه با استفاده از مدل رگرسیون خطی می باشد.بدین منظور از محصول (aod)، سنجنده مادیس و همچنین داده های ایستگاه زمینی سنجش آلودگی هوا و دید افقی ایستگاه هواشناسی شهر اهواز در سال 2009 به منظور برآورد PM10 استفاده شد.نتایج حاصله دقت خوب اندازه گیری های مادیس را در تحقیقات آلودگی هوا نشان می دهند و نتایج حاصله بیانگر این است که بازه زمانی ساعتی، ضریب تعیین بالاتری (90% )نسبت به بازه روزانه(76%) دارا است. پس از تعیین صحت مدل بدست آمده،بامیانگین گیری از نقشه های PM10 تولید شده و وارد نموده آن در مدل حاصله، نقشه های توزیع ذرات معلق برای هر دو بازه زمانی تولید شدند.

با استفاده از تولیدات روزانه و هشت روزه پوشش برف سنجده مادیس، می توان تغییرات سطح پوشش برف را در حوضه های کوچک و بزرگ و دور از دسترس از سال 2000 مورد مطالعه قرار داد. اما یکی از بزرگترین مشکلات در استفاده از تولیدات سطح پوشش برف از تصاویر مادیس، ابرناکی آسمان می باشد که به شدت کاربرد این تولیدات را در شرایط ابری با محدودیت مواجه می سازد. در این تحقیق با استفاده از تولیدات هشت روزه سطح برف سنجنده مادیس تغییرات پوشش برفی در حوضه کارون که در غرب ایران قرار دارد، مورد بررسی قرار گرفت. همچنین به منظور غلبه بر محدودیت کاربرد تولیدات سطح برف در شرایط ابری، استفاده همزمان از تصاویر سنجنده نوری مادیس و سنجنده مایکرویو AMSR-E جهت پایش سطح پوشیده از برف در یک دوره یکماهه پیشنهاد گردید. بدین منظور با ترکیب تصاویر روزانه مادیس و AMSR-E وسعت سطح پوشش برف با گام زمانی روزانه استخراج شد و نتایج آن با سطح پوشش برف که از هر کدام از تصاویر مادیس و AMSR-E به تنهایی استخراج شده بود در روزهای ابری و ابر آزاد مقایسه گردید. نتایج نشان می دهند که با وجود نفوذ امواج مایکرویو از پوشش ابری، به دلیل قدرت تفکیک مکانی پایین تصاویر AMSR-E، این تصاویر درصد پوشش برف را به طور میانگین 16 درصد نسبت به تصاویر مادیس بیشتر نشان می دهند. نتایج همچنین نشان می دهند که با استفاده از رابطه بین درصد پوشش سطح برف در تصاویر AMSR-E و تصاویر مادیس در روزهای ابرآزاد، اختلاف میانگین سطح پوشش برف از 16 درصد به 5 درصد کاهش می یابد. همچنین نتایج صحت سنجی با استفاده از اطلاعات مربوط به دبی روزانه نشان می دهد که همبستگی داده های پوشش برف حاصل از تصویر ترکیبی در مقابل دبی با ضریب همبستگی 66/0 از دقت بالاتری نسبت به تصاویر مادیس با ضریب همبستگی 55/0 برخوردار هستند.

طوفان های گردوغبار به عنوان پدیده های غالب مناطق خشک و نیمه خشک در بیرون از فضای شهرهای بزرگ، بیشترین تأثیر را در کیفیت هوا دارند. یکی از شدیدترین توفان های گردوغبار در تیر ماه 1388 رخ داد که بیش از 17 استان کشور را تحت پوشش قرار داد. شناسایی منابع و کانون های برداشت ذرّات معلّق، الگو و نحوه ی شکل گیری و پراکنش گردوغبار، اهداف اصلی این پژوهش را دربرمی گیرد. در این ارتباط، برای شناسایی کانون های اصلی گردوغبار از تصاویر مادیس محصول MOD02 استفاده شد. این تصاویر پس از تصحیح هندسی و اِعمال حد های مناسب با توجّه به ویژگی های دمای درخشایی مورد بررسی قرار گرفتند. تفاوت دمای درخشایی ذرّات جامد معلّق در طول موج های 5/8، 11 و 12 میکرومتر، شناسایی پدیده ی مزبور را امکان پذیر می کند، بدین صورت که با افزایش مقدار گردوغبار، اختلاف (?BT?_(8.5)-?BT?_11) و (?BT?_11-?BT?_12) افزایش و مقدار (?BT?_11-?BT?_12) کاهش می یابد. پس از بارزسازی گردوغبار و ایجاد تصاویر رنگی کاذب، وضعیّت همدیدی مناطق بیایانی واقع در کرانه ی شمالی رود فرات در کشور سوریه و مناطق بیابانی عراق، به عنوان کانون های شکل گیری گردوغبار مورد مطالعه شناخته شدند. برای این کار داده های مؤلّفه ی مداری، نصف النهاری، خطوط هم فشار و خطوط ارتفاع، از نوع داده های بازتحلیل شده ی سطح دو با قدرت تفکیک مکانی 5/2 درجه ی طول و عرض جغرافیایی، به صورت میانگین روزانه در روزهای معرّفی شده به دست آمده و ترسیم شدند. نتایج پژوهش نشان می دهد که مکان گزینی محور ناوه و منطقه ی واگرایی بالایی در تراز 500 هکتوپاسکال و شکل گیری سلول کم فشار حرارتی در سطح زمین، نقش اصلی را در شکل گیری و هدایت گرد وغبار به سمت ایران دارند.

در پژوهش پیش رو شاخصی به نام نمایه ی تأثیر خشکسالی (IDI) معرّفی شده است که بیانگر تأثیرات درازمدّت شرایط اقلیمی منطقه ی مطالعاتی، بر وضعیّت پوشش گیاهی مراتع آن منطقه است. نمایه ی تأثیر خشکسالی با تلفیق عواملی چون بارندگی و دما (به عنوان مهم ترین عناصر اقلیمی تأثیرگذار بر پوشش گیاهی منطقه ی مطالعاتی) و شاخص پوشش گیاهی SAVI با استفاده از تصاویر ماهواره ای محاسبه می شود. از مزایای نمایه ی مذکور این است که در GIS قابل محاسبه بوده و خروجی آن به صورت نقشه است و بنابراین می تواند پهنه بندی آثار خشکسالی بر پوشش گیاهی منطقه ی مطالعاتی را انجام دهد. در این پژوهش نمایه ی IDI با تلفیق داده های ایستگاه های هواشناسی دشت یزد اردکان برای تهیّه ی نقشه های بارندگی و دمای دشت (آمار هشت ایستگاه از بدو تأسیس تا کنون) و یک سری زمانی از داده های ماهواره ای سنجنده ی مادیس برای تهیّه ی نقشه ی SAVI مراتع (مشتمل بر 30 تصویر از ماه های دارای حداکثر پوشش گیاهی، بین سال های 2000 تا 2009 میلادی) محاسبه و سپس پهنه بندی شد. نتایج پژوهش نشان می دهد که مناطق شمالی دشت، دارای بیشترین مقدار IDI نسبت به مناطق دیگر هستند. بیشتر بودن مقدار عددی این نمایه در این مناطق، نشان دهنده ی تأثیرپذیری بیشتر پوشش گیاهی مناطق مذکور از پدیده ی خشکسالی ها و شرایط حاد محیطی است. طبقه بندی IDI به کلاس های شدید، متوسط و ضعیف، نشان می دهد که بیشترین مساحت مراتع دشت یزد اردکان به شدّت تأثیر متوسّط اختصاص یافته (حدود 50%) که این نواحی کمابیش در تمامی نقاط دشت پراکنده شده اند. همچنین تأثیر خشکسالی بر 39 درصد از مساحت مراتع منطقه ی مطالعاتی کم و بر 11 درصد باقیمانده شدید بوده است.

هر ساله مقادیر زیادی از آئروسل های طوفان گردوغبار به اتمسفر وارد می شود که تأثیرات بالقوه در آب و هوا، محیط زیست، کیفیت هوا و زندگی روزانه دارد. به دلیل اهمیت آئروسل های گردوغبار در آب و هوا، محیط زیست، کیفیت هوا و زندگی روزانه، شناسایی آئروسل های گردوغبار از سایر پدیده ها اهمیت بسیاری دارد. در این پژوهش با استفاده از تصاویر سنجنده مادیس مربوط به دو طوفان گردوغبار رخ داده در تاریخ 28 اسفند 1390 و 31 خرداد 1391، دو روش بارزسازی شامل الگوریتم شناسایی گردوغبار یک و الگوریتم شناسایی گردوغبار دو اجرا شد. همچنین برای مقایسه و ارزیابی روش های متفاوت بارزسازی گردوغبار، ترکیب رنگی کاذب سنجنده مادیس (143RGB) و محصولات سطح دو اتمسفری، ازجمله عمق اپتیکی آئروسل (AOD) و بخش ریزآئروسل (FMF) به کار گرفته شده است. نتایج نشان داد که اگرچه الگوریتم شناسایی گردوغبار دو، موفق به استخراج گردوغبار شد، این الگوریتم مرز دقیق گردوغبار با سایر پدیده ها را به خوبی شناسایی نمی کند. درمقابل الگوریتم شناسایی گردوغبار یک، به خوبی توده گردوغبار و مرز آن را شناسایی کرد. افزون بر این با استفاده از الگوریتم شناسایی گردوغبار یک، به خوبی می توان گردوغبار غلیظ را نیز استخراج کرد. بنابراین پیشنهاد می شود از الگوریتم شناسایی گردوغبار یک، برای بارزسازی توده های گردوغبار موجود در کشورهای خاورمیانه استفاده شود.

در این مطالعه به بررسی کارایی سه شاخص ناپایداری TT، L و K به دست آمده از تصاویر سنجنده مادیس در ایستگاه هواشناسی ارومیه پرداخته شده است. با توجه به این موضوع که هسته بیشینه بارش بهاره در آذربایجان قرار دارد، از ایستگاه ارومیه در این مطالعه استفاده شد. مهارت پیش بینی هر یک از این شاخص های ناپایداری، بر اساس آستانه هر شاخص و به کمک جدول احتمال رویداد و پارامتر های امتیاز دهی مانند هایدک (HSS) مورد بررسی قرار گرفت. برای این کار، 181 تصویر مربوط به روزهای بدون ناپایداری و همراه با ناپایداری در دو ماه می و جولای از سنجنده مادیس استخراج شد. 26 مورد از این تصاویر مربوط به روزهایی می شدند که پدیده رگبار و طوفان گزارش شده بود. در بررسی مهارت این شاخص ها در پیش بینی طوفان ، بالاترین امتیاز HSS برای شاخص ناپایداری L با میزان 30/0 به دست آمد. بعد از L شاخص TT با 24/0 و K با 21/0 در رتبه های بعدی قرار گرفتند. بدین ترتیب ناپایداری نهان در پیش بینی ناپایداری جو در رده اول و ناپایداری های دینامیکی و پتانسیلی در رده های بعدی قرار گرفتند.

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.

توسعه روش های سنجش از دور در پهنه بندی اراضی زیر کشت محصولات کشاورزی در مقیاس گسترده مکانی و زمانی، به صورت جایگزین شیوه های پرهزینه و زمان بر جمع آوری آمار میدانی، در حال گسترش است. تا کنون، روش هایی برای شناسایی اراضی زراعی، با استفاده از تصاویر سنجنده های اپتیک و راداری، مطرح شده است. برخی از این روش ها، با تأکید بر فرایندهای حذف پیکسل های ابری، مناسب اقلیم مرطوب با روزهای متعدد ابرناکی هستند و برخی دیگر، به دلیل روش به کاررفته در آنها به منظور ترکیب تصاویر هر دو سیستم اپتیک و راداری، پیچیده گی های خاص خود را دارند. در این میان، روش های مبتنی بر استفاده از ویژگی های منحصربه فرد سری زمانی شاخص گیاهی هریک از محصولات زراعی فرایند نسبتاً ساده تری در پهنه بندی اراضی زراعی دارد. هدف از این پژوهش بهبود یکی از روش های مطرح شده برای تفکیک اراضی زیر کشت گندم دیم است که در آن از الگوریتم حذف گام به گام پیکسل های غیرگندم و تصاویر سنجنده مادیس استفاده شده بود. برای بهبود الگوریتم مذکور، طی فرایندی، از قدرت تفکیک زمانی تصاویر سنجنده مادیس و قدرت تفکیک مکانی تصاویر ماهواره لندست8 بهره گرفته شد. فرایند جدید، ضمن رفع نقاط ضعف الگوریتم سابق در تشخیص مراتع و اراضی غیرگندم از اراضی گندم دیم، به خصوص در پیکسل های ناهمگن، موجب افزایش دقت این الگوریتم در پهنه بندی اراضی گندم دیم شد؛ به طوری که روش مطرح شده توانست با مقادیر صحت کلی، شاخص کاپا و F1 به ترتیب برابر با 92.5%، 0.67 و 0.71، با دقت قابل قبولی، سطوح زیر کشت گندم دیم را تفکیک کند. 

در بسیاری از کاربردهای سنجش ازدور در علوم زمین، تجزیه و تحلیل با صحت بالا تنها با استفاده از تصاویری با قدرت تفکیک مکانی و زمانی بالا امکانپذیر است. سنجنده ی مادیس برخلاف قدرت تفکیک زمانی بسیار بالا، قدرت تفکیک مکانی بسیار پایینی دارد. هدف ازین مطالعه، استفاده از الگوریتم های ریزمقیاس نمایی به منظور ریزمقیاس کردن تصاویر مادیس به تصاویر لندست 8 است. سپس تصاویر ریزمقیاس شده در برآورد تبخیر-تعرق واقعی با استفاده از الگوریتم سبال در منطقه کشت و صنعت امیرکبیر مورد مقایسه قرار گرفتند. در این مطالعه از الگوریتم هایSTARFM ، ESTARFM و Regression جهت ریزمقیاس نمایی باندهای بازتابندگی و از الگوریتم های SADFAT ، Regression و Cokriging جهت ریزمقیاس نمایی باندهای حرارتی استفاده شده است. سپس، تصاویر ریزمقیاس شده بازتابندگی و حرارتی به منظور استفاده در مدل سبال، پردازش گردیدند و تبخیر-تعرق واقعی محاسبه گردید. نتایج نشان داد که در میان روش های ریزمقیاس نمایی اعمال شده بر باندهای بازتابندگی، STARFM با مجذور میانگین مربعات خطای0.0180 دارای عملکرد بهتری نسبت به سایر روشها بود. در میان روش های اعمال شده بر باندهای حرارتی، الگوریتم SADFAT با مجذور میانگین مربعات خطای 0.0224 عملکرد بهتری را نسبت به سایر روشها از خود نشان داد. همچنین تبخیر-تعرق واقعی لحظه ای برآورد شده از خروجی روش های ریزمقیاس نمایی به ترتیب ESTARFM /Regression، ESTARFM/ SADFAT، STARFM/Regression و STARFM/ SADFAT با اختلاف کم و مجذور میانگین مربعات خطای 0.218 میلیمتر در ساعت بهترین عملکرد و روش Regression/Cokriging با میانگین مربعات خطای 0.388 میلیمتر در ساعت ضعیف ترین عملکرد را داشتند.

تحقیق حاضر با هدف ارزیابی دقت داده های ماهواره ای سنجنده مادیس در پایش ریزگردها (ذرات PM 10 )، به منظور مقایسه با داده های ایستگاه زمینی سنجش آلودگی در شهر سنندج انجام گرفته است. بدین ترتیب، میزان عملکرد داده های ماهواره ای در اندازه گیری ریزگردها، در ایستگاه زمینی سنندج، مشخص می شود. ابتدا داده های ماهواره ای عمق نوری (ذرات PM 10 ) سنجنده مادیس، متناظر با داده های PM 10 زمینی تهیه شده از ایستگاه زمینی پایش آلودگی واقع در شهر سنندج، به دست آمد؛ آنگاه ضریب همبستگی دو سری داده محاسبه شد. برای پیش بینی دقیق داده های PM 10 ، دو مدل آریما و شبکه عصبی مصنوعی به کار رفت. داده های AOD سنجنده مادیس با استفاده از روش حداکثر برآورد احتمال و وزن به دست آمده از ریشه میانگین مربعات خطا، به منظور استفاده در این دو مدل، ترکیب شدند. در نهایت، روش مقایسه منفرد برای هریک از مدل ها و نیز مقایسه مدل ها، با هدف شناسایی مدل بهتر در تشخیص و پیش بینی داده های PM 10 حاصل از سنجنده مادیس، اعتبارسنجی شد. در مدل شبکه عصبی، ضریب همبستگی در مرحله آموزش 52%، در مرحله آزمون 53%، RMSE برابر با 62/1 و MAE برابر 62/2 به دست آمد. طبق محاسبات، مدل آریمای 1-0-3 تنها مدل مورد قبول با R برابر با 46/0و 06/0MAE= و 69/0RMSE= است. این بیان می کند مدل آریما مدل مناسبی برای پیش بینی داده هاست اما دقت مدل شبکه عصبی، در ارزیابی میزان همبستگی بین داده ها، بیشتر تشخیص داده شد. نتایج تحقیق نشان داد که بین داده های عمق نوری ریزگرد سنجنده مادیس با داده های زمینی رابطه مستقیمی وجود دارد و این الگوریتم قادر به شناسایی گردوغبار است و می تواند جایگزین مناسبی برای محصولات PM 10 تولیدشده از سوی ایستگاه زمینی باشد.

گردوغبار یکی از مخاطرات طبیعی است که عمدتاً در مناطق خشک و نیمه خشک جهان ازجمله ایران رخ می دهد. در سال های اخیر، طوفان های گردوغبار به یکی از مهم ترین چالش های آلودگی هوای استان همدان تبدیل شده است و شناسایی کانون های تولیدکننده این پدیده اولین گام در مدیریت و کنترل آن به شمار می رود. ؛  ازاین رو  در این مقاله به شناسایی کانون های تولید گردوغبار در استان همدان با استفاده از شاخص عمق اپتیکی اخذشده از تصاویر سنجنده مادیس و همچنین، مدل سازی عددی پیش بینی جریان هوا در بازه زمانی سال 2008 تا پایان سال 2018 پرداخته شده است. مسیر باد در 48 ساعت قبل از طوفان برای منشأ خارجی و 12 ساعت برای منشأ داخلی تعیین شد. داده های هواشناسی مدل نیز از سامانه یکپارچه سازی داده های جهانی دریافت شد. درنهایت با استفاده از سیستم اطلاعات مکانی و ابزارهای تحلیل مکانی، نمایش حرکت گردوغبارها از منشأ شکل گیری تا داخل محدوده استان همدان ردیابی شد. نتایج نشان داد که منشأ پدیده های گردوغبار ورودی به این استان دارای سه منشأ داخل استان (شهرستان های فامنین، ملایر و رزن)، خارج از استان (استان های کردستان، خوزستان و مرکزی) و خارج از کشور (غرب عراق، سوریه، اردن و شمال عربستان) است که بیانگر لزوم مطالعه پایش مکانی گردوغبارهای این منطقه است. درنهایت، ترکیب روش های سنجش ازدوری و مدل های اسپلیت به همراه اطلاعات زمینی گردوغبار می تواند دالان های تحت تأثیر گردوغبار را به خوبی نشان دهد.

زمینه و هدف: توسعه یک فرآیند تکاملی است که در آن ظرفیت انسان برای شروع ساختارهای جدید، حل مشکلات، سازگاری با تغییرات مداوم و تلاش آگاهانه و خلاقانه برای دستیابی به اهداف جدید افزایش می یابد. جنگل ها به عنوان یک عنصر کلیدی برای توسعه پایدار شناخته می شوند و از چندین هدف توسعه پایدار حمایت می کنند که برخی از آنها شامل کاهش گرسنگی و فقر، تنظیم آب شیرین، شیوه های آب و هوایی، سلامت و رفاه و تنوع زیستی است. یکی از مهم ترین شاخص هایی که برای ارزیابی جنگل زدایی استفاده می شود، شاخص تفاوت نرمال شده گیاهی (NDVI) است که برای ارزیابی روند تغییرات جنگل استفاده می شود. هدف این مطالعه بررسی روند شاخص پوشش گیاهی NDVI طی دوره زمانی 1380 تا 1397 بر اساس داده های سنجنده MODIS در شهرستان ملارد است. روش بررسی:  در این تحقیق از داده های پوشش گیاهی MODIS در وضوح 1 کیلومتر استفاده شد. داده های پوشش گیاهی با نام اختصاری MOD13A3 ماهانه و با وضوح مکانی 1 کیلومتر است. این داده ها برای شهرستان ملارد 830 نقطه را در بر می گیرد که می توان آن را در 1×1 کیلومتر از 830 نقطه شهر بررسی کرد. از آنجایی که بر اساس تحقیقات انجام شده، ماه می تا آگوست بیشترین NDVI را دارند، این شاخص تنها در ماه های با بالاترین NDVI یعنی می، ژوئن، جولای و آگوست استخراج شد. داده ها به بازه های زمانی سه ساله تقسیم شدند و نرخ تغییر بر اساس شاخص معرفی شده توسط سازمان ملل متحد برای اهداف توسعه پایدار استخراج شد. سپس کاربری سالانه زمین برای بررسی عمیق تر بررسی شد. در مرحله نهایی از روش تحلیلی- توصیفی برای بررسی جامع نتایج در ارتباط با اهداف توسعه پایدار استفاده شد. یافته ها و نتیجه گیری: نتایج این مطالعه نشان داد که در ماه های می، ژوئن، ژوئیه و اوت روند کاهشی در درصد مساحت مقادیر NDVI به میزان 0.03- تا 0.9-% در ماه مشاهده گردیده است. بر اساس نتایج و منطبق بر ماه های با حداکثر NDVI مشخص گردید که بر میزان زمین های بایر به میزان 9 کیلومتر مربع در هر 6 سال افزوده و از میزان نواحی پوشش یافته از جنگل ها و گیاهان سبز در این شهرستان تا 8 کیلومتر در هر 6 سال کاسته شده است. بنابراین، این شهرستان نیازمند به کارگیری تدابیر و برنامه های لازم الاجرا برای جلوگیری از بیابان زایی می باشد که مطابق با اهداف توسعه پایدار در راستای کاهش خطر فجایع آب وهوایی نظیر سیل و همچنین کاهش آلودگی هوا عمل نماید.

در سال های اخیر، نظارت دریایی و هوایی برای مهار آلودگی های دریایی رایج شده است اما این روش ها، به دلیل محدودیت های شرایط آب وهوا، زمان و مکان، به تنهایی نمی توانند پایش سریع و منظمی فراهم آورند. در این زمینه، سنجش از دور ماهواره ای می تواند نقش مهمی در تشخیص اولیه و پایش مداوم نشت نفت در دریا ایفا کند. سنجنده رادار آنتن مصنوعی سیستم سنجش از دور فعالی است که می تواند، برای آشکارسازی نشت نفت همراه با سنجنده های اپتیکال مانند مادیس، با توانایی تصویربرداری هم زمان، استفاده شود. هدف از این پژوهش آشکارسازی نشت نفت پیرامون سکوهای نفتی بخش شمالی خلیج فارس، در تاریخ های پانزدهم و هفدهم ژوئن 2015، با استفاده از تصاویر فروسرخ گرمایی مادیس و تصاویر راداری سنتینل 1 است. برای محاسبه دمای سطح دریا، الگوریتم پنجره مجزا روی تصویر باند 20 سنجنده مادیس اجرا شد. نتایج نشان داد که منطقه دارای نشت نفت دمایی کمتر از مناطق پیرامونی دارد. برای آشکارسازی دقیق تر لکه های نفتی و درستی سنجی نتایج پردازش های اعمال شده بر تصویر مادیس، از تصویر پلاریزاسیون VV سنتینل 1 و پردازش های حذف نوفه مانند فیلترگذاری و مولتی لوکینگ استفاده شد. در پایان، از راه مقایسه دمای بویه موج نگار سازمان بنادر و دریانوردی بوشهر و دمای حاصل از تصویر مادیس و موقعیت جغرافیایی گستره لکه های نفتی بارزشده، درستی نتایج این پژوهش و پردازش های صورت گرفته تأیید شد. استفاده از باند 20 سنجنده مادیس با هدف استخراج دمای سطح دریا و باندهای فروسرخ گرمایی آن، به منظور آشکارسازی لکه های نفتی در سطح دریا، اولین بار در این پژوهش ارزیابی شده است.  

جزایر حرارتی شهری اثرات مخربی بر محیط زیست دارد و مصرف انرژی را افزایش می دهد. این پژوهش با هدف بررسی خودهمبستگی فضایی دمای سطح زمین و ارتباط آن با کاربری اراضی شهر اهواز انجام شد. دمای روزانه و شبانه سطح زمین به ترتیب با به کارگیری روش پنجره مجزا از تصویر لندست 8 و محصول  مادیس MOD11A1  تعیین شد. نقشه کاربری اراضی در پنج کلاس شامل: اراضی ساخته شده، پوشش گیاهی، اراضی لخت، آب و رودخانه کارون تهیه شد. آماره موران جهانی در روز و شب به ترتیب برابر با 94/0 و 9/0 حاصل شد که بر این اساس، دمای سطح زمین روزانه و شبانه در شهر اهواز دارای الگوی خوشه ای است. براساس نتایج آماره گتیس- ارد جی بیشترین مساحت لکه های داغ روزانه و شبانه در شرق اهواز به ترتیب با 53/5050 و 69/8055 هکتار به دست آمد. طبق نتایج حاصل از آزمون کروسکال والیس، تفاوت معناداری بین میانگین دمای کاربری ها در سطح احتمال پنج درصد وجود داشت و کاربری ساخته شده از نوع صنعتی و اراضی لخت بیشترین دما و پهنه آبی و پوشش گیاهی کمترین دما را به خود اختصاص داده بودند. بین شاخص NDVI و LST همبستگی منفی (47/0-) وجود داشت. با وجود این، میانگین شاخص NDVI برابر با 17/0 بوده که نشان دهنده پوشش گیاهی ضعیف در شهر اهواز است؛ بنابراین ضرورت دارد که اقداماتی برای بهبود کیفیت پوشش گیاهی، گسترش فضای سبز شهری و حفظ منابع آبی برای تعدیل درجه دمای سطح زمین در شهر اهواز صورت پذیرد.

داده های سنجش از دوری، با قدرت تفکیک مکانی بالا، اغلب دارای قدرت تفکیک زمانی و طیفی پایین و داده های با قدرت تفکیک مکانی پایین دارای قدرت تفکیک طیفی و زمانی بالا هستند. باوجوداین ، درحال حاضر، سنجنده های ماهواره ای به تنهایی نمی توانند داده هایی با قدرت تفکیک زمانی و قدرت تفکیک مکانی بالا را هم زمان ارائه کنند. این درحالی است که در برخی کاربردها دسترسی هم زمان به داده هایی با قدرت تفکیک مکانی و زمانی بالا ضروری است؛ ازاین رو در این مطالعه، با هدف دستیابی به داده های دارای قدرت تفکیک مکانی و زمانی بالا، تصاویر مادیس در کلاس های کاربری شهری، باغ، مرتع، کشاورزی و آب ازطریق الگوریتم های STARFM ، ESTARFM وFSDAF به قدرت تفکیک مکانی سنتینل 2، ریز مقیاس شد. منطقه مطالعاتی با تنوع پوشش های زمین گوناگون در اطراف شهر مهاباد انتخاب شد. در این مطالعه، باندهای مرئی و مادون قرمز نزدیک در سنتینل 2 و مادیس انتخاب و پیش پردازش های لازم، ازجمله تصحیح هندسی، روی آنها انجام شد. سپس با استفاده از الگوریتم های ریزمقیاس نمایی، تصاویر مادیس به تصاویر سنتینل 2 ریزمقیاس شد. نتایج نشان دهنده صحت بالای کلاس های شهری، باغ و مرتع در قیاس با کلاس های کشاورزی و آب است؛ به گونه ای که الگوریتم های ESTARFM، FSDAF و STARFM به صورت میانگین در همه باندها، به ترتیب برای کلاس شهری، ضریب تعیین 25/88، 25/87 و 5/86، درمورد کلاس باغ ضریب تعیین 75/83، 25/83 و 5/80 و درمورد کلاس مرتع، ضریب تعیین 75/90، 5/70 و 5/87 را نشان دادند. درمجموع، الگوریتم ESTARFM در مقایسه با دیگر الگوریتم ها در این تحقیق، نتیجه ای بهتر دربرداشت.