مطالب مرتبط با کلیدواژه

GIS & RS


۱.

آشکارسازی تغییرات کناری و شناسایی مناطق خطر رودخانه آجی چای در محدوده خواجه تا ونیار(مقاله علمی وزارت علوم)

کلیدواژه‌ها: آشکارسازی تغییرات فرسایش کناری GIS & RS مناطق خطر رودخانه آجی چای

حوزه‌های تخصصی:
تعداد بازدید : ۱۴۶۶ تعداد دانلود : ۶۸۵
خصوصیات مورفولوژیکی رودخانه به واسطه ویژگی پویای آن همواره دچار تغییر بوده و این تغییرات می­تواند به دلیل فرسایش کناری و جابه­جایی مرزهای رودخانه هر ساله سطح زیادی از اراضی­کشاورزی، نواحی­مسکونی و تأسیسات ­ ساحلی را در معرض نابودی و تخریب قرار دهد. از این رو انجام هر گونه تحلیل هیدرولیکی بر روی رودخانه نیازمند دسترسی به مشخصات دقیق مورفولوژیکی به خصوص شکل آن است. بنابراین، در این پژوهش بخشی از رودخانه آجی­چای در محدوده خواجه تا ونیار در شمال شرق تبریز به طول حدود 22 کیلومتر با هدف شناسایی مناطق بحرانی نسبت به فرسایش کناری بررسی شده است. بدین منظور مسیر رودخانه و لایه­های مورد نیاز از قبیل فرسایش، کاربری، لیتولوژی، شیب، بستر­ طغیانی و جاده از روی نقشه­های زمین شناسی، توپوگرافی، عکس ­ های هوایی سال ­ های 1335و 1374 و تصویر ماهواره IRS سنجنده pan در محیط نرم افزار GIS Arc در دو بازه و دو دوره (1335-1374 و 1374-1387) رقومی، ارزش گذاری و وزن دهی گردید و مناطق کناری در خطر فرسایش در سه بخش آسیب پذیر، بحرانی و بسیار ­بحرانی تعیین شد.
۲.

تحلیل ژئومورفولوژیکی مکان گزینی مراکز نظامی (نمونه موردی: دامنه های غربی کوهستان سهند)(مقاله علمی وزارت علوم)

کلیدواژه‌ها: AHP مکان گزینی GIS & RS مراکز نظامی دامنه های غربی سهند

حوزه‌های تخصصی:
تعداد بازدید : ۱۰۶۸ تعداد دانلود : ۵۱۴
در پژوهش حاضر به تحلیل ژئومورفولوژیکی مکان گزینی مراکز نظامی موجود در دامنه ها ی غربی کوهستان سهند، ازجمله، پادگان پیاده مکانیزه لشگر 21 حمزه ی سیدالشّ هدا، واقع در شهر تبریز، مرکز آموزش 03 عجب شیر و گروه 11 توپخانه ی مراغه و سایر مراکز نظامی موجود در محدوده ی مورد مطالعه پرداخته شده است. هدف از این پژوهش تولید نقشه ای است که با شناسایی و الوی تبندی مکا نها، مناطق مناسب برای احداث مراکز نظامی را مشخّص کند. روش کار بدین صورت انجام گرفت که ابتدا با تنظیم پرسش نامه به روش پیمایشی ، نظرات متخصصان نظامی و ژئومورفولوژی درباره ی عوامل مؤثّر در مکان گزینی مراکز نظامی جمع آوری شد. سپس با برداشت نقاط زمینی و رقومی کردن لایه های مورد نیاز از روی نقشه های موجود، AHP تهیه و همچنین وزن دهی داده ها با استفاده از روش Arc GIS پایگاه داده در نرم افزار و پردازش دادها ی مکانی و غیر مکانی در AHP انجام گرفت. درنهایت با استفاده از روش نقشه ی مکان های مناسب، متوسط و نامناسب برای احداث پادگان ،Arc GIS محیط نرم افزار ترسیم شد. نتایج نشان می دهد که شرایط مناسب مکان گزینی در نیمه ی شمالی منطقه ی مورد مطالعه، مساحت بیشتری را نسبت به نیمه ی جنوبی منطقه شامل می شود که دربرگیرنده ی قسمت هایی زیادی از تبریز، اسکو و شبستر است. همچنین قسم تهای کمتری از بناب، ملکان، آذرشهر و عج بشیر از شرایط مناسب برخوردارند. منطقه ی مراغه و قسم ت ها ی کمی از آذرشهر، اسکو و بناب، شرایط متوسطی برای مکان گزینی دارند.
۳.

شناسایی و بررسی روند تغییرات کاربری پوشش گیاهی با استفاده از مدل های شبکه عصبی زمانمند و CA با بهره گیری از تکنیک های GIS و RS (مطالعه موردی: شهرستان مینودشت استان گلستان)(مقاله پژوهشی دانشگاه آزاد)

کلیدواژه‌ها: توسعه پایدار روش مزیت نسبی توسعه روستایی پایداری کشاورزی سیستم اطلاعات مکجغرافیایی ماهواره لندست GIS & RS شبکه عصبی زمانمند کاربری پوشش گیاهی مدل CA

حوزه‌های تخصصی:
تعداد بازدید : ۵۰۰ تعداد دانلود : ۳۳۲
پایش تغییرات کاربری اراضی در بسیاری از فعالیت های برنامه ریزی و مدیریت شهری دارای اهمیت می باشد. بر اثر فعالیت های انسانی و پدیده های طبیعی چهره ی زمین همواره دستخوش تغییر می شود. از اینرو برای مدیریت بهینه مناطق طبیعی آگاهی از نسبت تغییرات کاربری اراضی از ضروریات محسوب می شود. هدف از این تحقیق، ارزیابی و آشکارسازی تغییرات کاربری اراضی بالاخص کاربری پوشش گیاهی در منطقه اوغان از توابع شهرستان مینودشت استان گلستان در بازه ی زمانی30 ساله با استفاده از تکنیک های سنجش از دور و سیستم های اطلاعات مکانی و نرم افزارهای MATLAB، ARCGIS و ENVI می باشد. بدین منظور از تصاویر سال های 1987، 1993، 1998، 2000، 2003، 2008، 2013، 2015و2017 میلادی سنجنده ETM ماهواره لندست استفاده شده است و پس از انجام تصحیحات مورد نیاز در مرحله پیش پردازش، برای پایش تغییرات زمانی کاربری پوشش گیاهی، شاخص پوشش گیاهی(NDVI) در نرم افزار متلب برای هر 9 بازه زمانی محاسبه شدند. سپس با استفاده از تصاویر شاخص های محاسبه شده 7 سال اول و مدل شبکه عصبی زمانمند(سری زمانی)، تصاویر سال هشتم و نهم پیش بینی و بدست آمد و در ادامه با محاسبه خطای RMSE بین تصاویر خروجی مدل با تصاویر واقعی، مدل مذکور اعتبارسنجی گردید. نتایج نشان می دهند که مدل با میانگین RMSE تقریباً 0.13 برای NDVI عملکرد بسیار خوبی داشته است. همچنین از مدل CA جهت پیش بینی روند تغییرات پوشش گیاهی استفاده گردید. نتایج نشان می دهند که وسعت پوشش گیاهی در دو سال آخر یعنی سال-های پیش بینی شده 2015 و 2017 توسط مدل شبکه عصبی روند صعودی داشته و منطقه مورد مطالعه سرسبزتر شده است.