مصطفی یعقوب زاده

سابقه و هدف: فنّاوری سنجش از دور ابرطیفی، در دو دهه گذشته، شاهد پیشرفت چشمگیری بوده است. این پیشرفت در طراحی و ساخت سنجنده ها و همچنین در توسعه و اجرای روش های پردازش داده بسیار مشهود است. امروزه بیشتر تحقیقات، در زمینه فنّاوری سنجش از دور ابرطیفی، بر طبقه بندی این تصاویر تأکید دارد. روش های طبقه بندی تصاویر ابرطیفی در دو دسته طبقه بندی طیفی یا مبتنی بر پیکسل و طبقه بندی طیفی– مکانی یا مبتنی بر شیء قرار می گیرند. در این تحقیق، به طبقه بندی طیفی – مکانی تصویر ابرطیفی، در محیطی شهری، پرداخته شده است. ازآنجاکه محیط های شهری، از نظر عناصر به کاررفته در آنها، ویژگی های پیچیده ای دارند، داده های ابرطیفی به شناسایی و استخراج و تولید نقشه از عناصر سازنده آنها کمک مؤثری می کنند. شناسایی مواد گوناگون در محیط های شهری اهمیت بسیاری در زمینه کاربردهای گوناگون، همچون ارتباط تلفن های همراه، واقعیت مجازی، معماری و مدل سازی شهری و برنامه ریزی و مدیریت شهرها دارد.مواد و روش ها: در این تحقیق، برای ارزیابی روش پیشنهادی از دو تصویر ابرطیفی پاویا و برلین، که جزء تصاویر معیار در حوزه سنجش از دور ابرطیفی است، استفاده شد. در روش پیشنهادی، ابتدا ابعاد تصویر ابرطیفی به کمک الگوریتم PCA کاهش می یابد؛ سپس ده ویژگی مکانی میانگین، انحراف معیار، درجه تباین، یکنواختی، همبستگی، نبودِ تشابه، انرژی، آنتروپی، تبدیل موجک و فیلتر گابور از روی باندهای کاهش یافته استخراج می شود. در ادامه، الگوریتم ژنتیک وزن دار بر ویژگی های طیفی و مکانی به دست آمده اعمال می شود و در انتها، ویژگی های حاصل به کمک الگوریتم MLP طبقه بندی می شود.نتایج و بحث: در آزمون های انجام شده در زمینه الگوریتم ژنتیک، کروموزوم ها دارای ژن هایی برابر با تعداد ویژگی های طیفی و مکانی اند. در این آزمون ها، میزان تقاطع و جهش به ترتیب برابر با 5/0 و 05/0 در نظر گرفته شد. همچنین، برای ایجاد تناسب بین دو پارامتر دقت و زمان محاسبات، تعداد جمعیت اولیه 30 و حداکثر تعداد تکرار، برای توقف، 100 در نظر گرفته شد. البته در عمل، درمورد هر دو تصویر ابرطیفی با توجه به استفاده از شرط فعال برای توقف الگوریتم، روند تکرار به مرحله 100 نمی رسد و قبل از آن، الگوریتم به وضعیت پایدار می رسد و متوقف می شود. الگوریتم طبقه بندی MLP با سه لایه پنهان، شامل و 6 و 8 نورون، اجرا و با پانصد تکرار ارزیابی شد. روش طبقه بندی پیشنهادی بیان شده با الگوریتم های SVM، MLP و MSF مقایسه شد. در هر دو تصویر ابرطیفی، نقشه حاصل از روش پیشنهادی در مقایسه با سایر الگوریتم ها مناطق یکنواخت تری را دربرمی گیرد. روش پیشنهادی، در تصویر پاویا، باعث افزایش 13، 7 و 6درصدی و در تصویر برلین، باعث افزایش 9، 6 و 5درصدی پارامتر ضریب کاپا، در قیاس با به ترتیب الگوریتم های SVM، MLP و MSF شده است. دلیل این افزایش دقت روش پیشنهادی می تواند استفاده از اطلاعات نزدیک ترین همسایگی و دو مرحله کاهش ابعاد باشد.نتیجه گیری: در این تحقیق، روشی جدید به منظور طبقه بندی طیفی – مکانی تصاویر ابرطیفی معرفی شد. در روش پیشنهادی، ابتدا ابعاد تصویر ابرطیفی کاهش یافت و ده ویژگی، به منزله اطلاعات نزدیک ترین همسایگی ها، از باندهای کاهش یافته استخراج شد. در ادامه، الگوریتم ژنتیک وزن دار روی ویژگی های به دست آمده، به منظور کاهش وابستگی بین آنها، اعمال شد. الگوریتم ژنتیک یکی از کارآمدترین و مؤثرترین روش ها در کاهش ابعاد تصاویر ابرطیفی است. در الگوریتم باینری ژنتیک، هر کروموزوم دارای مقادیر یک و صفر است؛ درحالی که در الگوریتم ژنتیک وزن دار، مقادیر وزنی بین صفر و یک است. روش پیشنهادی روی دو تصویر ابرطیفی پاویا و برلین اجرا شد که آزمایش ها برتری کمّی و کیفی به کارگیری این روش را نشان می دهد. کم بودن دقت نتایج در تصویر برلین می تواند به دلیل پیچیدگی این تصویر، در مقایسه با تصویر پاویا باشد.

پایش مؤثر و به موقع خشکسالی می تواند به توسعه سامانه های خشکسالی و مدیریت بهینه منابع آبی کمک کند. بنابراین، در این پژوهش وضعیت خشکسالی ایستگاه های سینوپتیک استان فارس (آباده، شیراز، فسا و لار) در مقیاس های زمانی مختلف (6،3، 9 و 12 ماهه) با استفاده از شاخص های بارش-تبخیر و تعرق (SPEI) و بارش استاندارد چند متغیره (MSPI) مورد بررسی قرار گرفت. در نهایت، به منظور بررسی روند شاخص های مورد بررسی از آزمون من-کندال استفاده شده است. بر اساس نتایج، در مقیاس های زمانی کوتاه مدت فراوانی دوره های خشک و مرطوب زیاد است. اما با افزایش مقیاس های زمانی، فراوانی دوره های خشک و مرطوب کاهش می یابد و تداوم آن ها افزایش پیدا می کند. از لحاظ شاخص SPEI در مقیاس زمانی 3 ماهه شدیدترین خشکسالی در ایستگاه آباده (20/5-) و شدیدترین ترسالی در ایستگاه شیراز (21/5) می باشد. در مقیاس زمانی 6 ماهه شدیدترین خشکسالی و ترسالی به ترتیب در ایستگاه های آباده (45/3-) و شیراز (10/3) مشاهده شد. در مقیاس زمانی 9 ماهه شدیدترین خشکسالی و ترسالی در ایستگاه لار به ترتیب با مقادیر 63/3- و 48/2 می باشد. همچنین در مقیاس 12 ماهه شدیدترین خشکسالی در ایستگاه شیراز (37/3-) و شدیدترین ترسالی در ایستگاه آباده (37/2) می باشد. تجزیه و تحلیل مؤلفه های اصلی سری زمانی SPI نشان داد که اولین مؤلفه اصلی (PC 1 ) می تواند درصد زیادی از تغییرات را در سری های زمانی SPI اصلی در تمام مناطق مورد مطالعه در این پژوهش، به خود اختصاص دهد. همچنین نتایج نشان داد که MSPI ها از نوسانات سری زمانیSPI  به ویژه در دوره های خشک و مرطوب طولانی مدت پیروی می کنند. به طوری که، دوره های خشک و مرطوب جزئی در دوره های خشک یا مرطوب شدید و طولانی، ممکن است توسط MSPI حذف شوند.

آلودگی هوا در شهرها یکی از مشکلات جدی زیست محیطی است. در کشور ایران چند سالی است که این پدیده دامن گیر مناطق وسیعی شده است و شهرستان زابل به دلیل شرایط خاص ژئومورفولوژی و اقلیمی از کانون های اصلی این پدیده است. در تحقیق حاضر، شهرستان زابل به دلیل وجود پدیده گردوغبار فراوان در آن به عنوان منطقه مطالعاتی انتخاب گردیده است. با توجه به این که این منطقه در ماه های تابستان خصوصاً تیر و مرداد دارای حداکثر میزان گردوغبار است، روزهای 21 مردادماه 1396 و 14 تیرماه، 4 و 21 مردادماه سال 1397 به عنوان چهار رویداد پر گردوغبار موردبررسی قرار گرفتند. در این خصوص از تصاویر ماهواره ای سنجنده مودیس استفاده شد و پس از اعمال دو شاخص گردوغبار آکرمن و TDI روی این تصاویر، مقایسه ای بین نتایج آن ها با یکدیگر و همچنین با نتایج شاخص پوشش گیاهی (NDVI) انجام گرفت. یافته های تحقیق نشان داد که در هر چهار رویداد موردبررسی، بهترین کارایی مربوط به شاخص TDI بوده و این شاخص نتایج بهتر و قابل قبول تری را در منطقه موردمطالعه با توجه به میزان واقعی گردوغبار ارائه داده است. همچنین نتایج ارزیابی صحت تصاویر نشان داد که شاخص TDI با دقت قابل قبولی به شناسایی گردوغبار در منطقه پرداخته است. به گونه ای  که در هر چهار رویداد موردبررسی ریزگردهای با شدت بالا بیشتر در قسمت های شرقی و جنوب شرقی منطقه مطالعاتی وجود داشته است و نقشه NDVI نیز، نشان از رابطه مستقیم پوشش گیاهی منطقه با پدیده گردوغبار و ضعف پوشش گیاهی در نواحی دارای شدت بالای گردوغبار دارد.

یکی از مهم ترین مشکلاتی که بشر در سال های اخیر با آن مواجه شده است، بحران آب و وقوع خشک سالی است؛ به همین دلیل، بررسی وضعیت خشک سالی در مدیریت بهینه ی منابع آب حائز اهمیت خواهد بود. در مطالعه حاضر سعی شده است با استفاده از خروجی پنج مدل گردش عمومی جو (Csiromk3.6، Gfdlcm2، GISS-E2-R، Ipsl و MIROC-ESM) و چهار سناریوی (RCP 2.6، RCP 4.5، RCP 6.0 و RCP 8.5) داده های بارش برای دو دوره ی آتی (2045-2025) و (2085-2065) تولید گردد و سپس با استفاده از مدل LARS-WG ریزمقیاس نمایی شود. با استفاده از داده های بارش، شدت خشک سالی به کمک شاخص خشک سالی بارش استاندارد (SPI) با مقیاس های زمانی مختلف (3، 12 و 48 ماهه) برای دو منطقه ی زابل و شیراز تعیین گردید. نتایج نشان داد که مقادیر شاخص SPI در مقیاس زمانی 12 و 48 ماهه نسبت به 3 ماهه شدت خشک سالی را بیش تر نشان می دهند. همچنین نتایج نشان داد که مدل MIROC-ESM نسبت به مدل های دیگر و سناریو RCP 8.5 نسبت به سناریوهای دیگر برای دو شهرستان زابل و شیراز خشک سالی را با شدت بیش تری نشان داده است. مقایسه ی سناریوها نیز نشان می دهد که در هر دو منطقه ی موردمطالعه، سناریوی RCP 8.5 در هر دو دوره ی آتی، خشک سالی را در محدوده ی متوسط نسبت به دوره ی پایه نشان می دهند.

امروزه تعیین اثر تغییراقلیم برجنبه های مختلف زندگی بشریت کاملا مشهود است. در چنین شرایطی تعیین دوره پایه که تاثیرات تغییراقلیم نسبت به این دوره تعیین می شود بسیار حائز اهمیت می باشد. بدین منظور در این تحقیق، با استفاده از مدل های GCM ، به ارزیابی دوره های پایه انتخابی برای ایستگاه سینوپتیک بیرجند پرداخته شد. برای انجام تحقیق، تعداد 27دوره پایه حاصل از 35مدل گزارش پنجم تغییراقلیم با دوره های مشابه حاصل از ایستگاه بیرجند مقایسه شدند. همچنین ماه هایی که بیشترین درصد اختلاف با نتایج مشاهداتی برای متغییر مورد نظر دارند مشخص شد. نتایج نشان داد که برای بارش دوره های طولانی مدت ولی برای دمای بیشینه وکمینه دوره هایی مانند 1980-1960 نتایج رضایتبخش ارائه می نمایند. با این حال در هر سه متغییر هواشناسی، دوره 1990-1960 و دوره های 31 ساله بهترین دوره ها از نظر تطابق با داده مشاهداتی می باشد. در بین ماه های سال نیز ماه های گرم جولای تا سپتامبر در مورد بارش و ماه های سرد دسامبر تا فوریه در مورد دمای کمینه و دمای بیشینه بیشترین درصد خطا نسبت به بقیه ماه ها را دارند.

امروزه تغییر آب وهوا یکی از دلایل اصلی نگرانی های مرتبط به آب است. علت این امر آن است که امکان دارد این تغییر سبب خشک سالی یا سیلاب های شدید، کوتاه و طولانی مدت در آینده شود. در این تحقیق سعی شد بهترین مدل GCM از بین مدل های تغییر اقلیم به منظور تعیین دمای کمینه، دمای بیشینه و بارش برای ایستگاه سینوپتیک بیرجند در دوره های آتی مشخص شود. بدین منظور تعداد 35 مدل GCM برای هریک از متغیرهای دمای کمینه، دمای بیشینه و بارش تعیین شد و با نتایج ایستگاه سینوپتیک بیرجند مقایسه گردید. نتایج نشان داد که مدل NorESM1-M به دلیل دارا بودن مقدار RMSE برابر 091/0 و مدل GISS-E2-R نیز با دارا بودن مقدار PBIAS پایین می تواند مدل انتخابی مناسب برای تحقیقات در مورد بارش باشد. در مورد دمای بیشینه و دمای کمینه نیز به ترتیب مدلGISS-E2-R  با مقدار RMSE برابر 664/0 و مدل CSIROMKMK3.6با داشتن مقادیر RMSE برابر 778/0 بیش ترین شباهت را به داده های ایستگاه سینوپتیک بیرجند دارد. از مقایسه ی داده های مدل-ها با داده ی ایستگاه سینوپتیک، بیش ترین درصد خطای نسبی مقادیر بارش، دمای کمینه و دمای بیشینه به ترتیب برای ماه های اول (ژانویه)، دوم (فوریه) و پنجم (می) مشخص شده است. همچنین در مقایسه ی قطعیت مدل های GCM، متغیرهای بارش، دمای بیشینه و دمای کمینه به ترتیب در ماه های پنجم (می)، سوم (مارس) و اول (ژانویه) نسبت به بقیه ی ماه ها کم ترین قطعیت را دارند. 

کمبود شدید منابع آب در استان خراسان جنوبی باعث شده که کشاورزان به استفاده از پساب تصفیه خانه های فاضلاب برای آبیاری مزارع روی آورند. ازآنجاکه بررسی تأثیر آبیاری با پساب بر شوری خاک مستلزم دسترسی به مشخصات شوری خاک پیش و پس از تأسیس تصفیه خانه می باشد و اطلاعات شوری خاک تنها در زمان حال در دسترس است، لذا برای اطلاع از روند تغییر شوری درگذشته گزینه ی استفاده از تصاویر ماهواره ای به عنوان یک پایگاه اطلاعاتی مفید و در دسترس انتخاب گردید. برای این منظور تصاویر مربوط به تصفیه خانه و زمین های کشاورزی اطراف برای سال های مختلف جمع آوری شد و با استفاده از نرم افزار سنجش ازدوری Pci-Geomatica فرآیند های لازم برای تحلیل تصاویر ماهواره ی انجام شد. ازآنجایی که تصاویر ماهواره ای دارای داده های خام می باشند و به تنهایی قابل تفسیر و بررسی نمی باشند، لذا به کارگیری شاخص های مربوط به شوری برای رسیدن به این هدف انجام شد. با بررسی همبستگی مقادیر به دست آمده از شاخص های مختلف با مقادیر واقعی EC، مشخص شد شاخصSI-1 با ضریب تبیین ۸۴/۰ بالاترین همبستگی را با مقادیر واقعی شوری دارد. سپس با برقراری رابطه ای معنادار بین این شاخص و مقادیر EC می توان رابطه ی جامعی برای استخراج داده های مربوط به شوری از روی تصاویر ماهواره ای به دست آورد. نتایج حاصل از این تحقیق نشان داد که آبیاری با پساب اثر مخربی بر شوری خاک نداشته و در اکثر موارد موجب کاهش 3% تا 5% شوری خاک در نقاط نمونه برداری شده است.

تغییراقلیم نه تنها باعث افزایش دما می شود بلکه با تغییر در چرخه بارش جهانی منجر به تغییرات زمانی و مکانی الگوهای بارش می شود. در این تحقیق تاثیر پدیده تغییراقلیم بر دما، بارش و تبخیر و تعرق منطقه نیشابور را با درنظرگرفتن عدم قطعیت مدل های AOGCM و سناریوهای انتشار در دوره 2099-2080 بررسی شد. بدین منظور در ابتدا مقادیر دمای کمینه، دمای بیشینه و بارش 10 مدل AOGCM تحت سناریوهای A2 و B1 در دوره آتی و دوره پایه (2011-1992) تهیه شده و سپس توسط مدل LARS-WG کوچک مقیاس شدند. تبخیر و تعرق مرجع نیز به روش فائو پنمن مانتیث برای مدل ها و سناریوهای تغییراقلیم محاسبه شد. نتایج نشان دهنده افزایش دما و تبخیر و تعرق در ماه های گرم و کاهش بارش در ماه های سرد است. سپس قطعیت ماهانه پارامترهای دمای کمینه، دمای بیشینه، بارش و تبخیر و تعرق بررسی شد.دما و تبخیر و تعرق در ماه های گرم و بارش در ماه های سرد دارای قطعیت کمتری نسبت به بقیه ماه ها خواهد بود. همچنین نتایج عدم قطعیت مدل ها و سناریوهای انتشار در برآورد پارامترها نشان داد، مدل های NCARPCM و HADCM3 در برآورد دمای کمینه و بیشینه و مدل هایCGCM3T47 و GFDLCM2 در برآورد بارش به ترتیب دارای بهترین و کمترین قطعیت برای دو سناریو می باشند. عدم قطعیت مدل های AOGCM در برآورد تبخیر و تعرق مرجع نیز مشخص می کند که بیشترین قطعیت در تخمین تبخیر و تعرق مرجع برای هر دو سناریو در نتایج مدل GISS-ER مشاهده شد. همچنین سناریو A2عملکرد بهتری نسبت به سناریو B1 در تخمین تبخیر و تعرق در منطقه مورد مطالعه دارد.

کاربری اراضی یک خصوصیت مهم در فرآیند رواناب می باشد که بر روی نفوذ، فرسایش و تبخیر و تعرق اثر می گذارد. در این مطالعه، تاثیر الگوریتم های طبقه بندی تصاویر ماهواره ای بر نقشه های کاربری اراضی و شماره منحنی رواناب و همچنین دبی سیلاب به کمک GIS وRS بررسی شده است. این تحقیق بر روی حوضه ی آبریز منصورآباد بیرجند و به کمک تصاویر ماهواره لندست 7 (ETM+) انجام گردیده است. نقشه ی کاربری اراضی به کمک الگوریتم های حداکثر احتمال، حداقل فاصله و فاصله ی ماهالانوبیس با استفاده از تصاویر ماهواره ای تعیین شد. سپس نقشه ی پوشش گیاهی به کمک شاخص NDVI و نقشه ی گروه هیدرولوژی خاک با استفاده از نقشه های خاک، زمین شناسی و توپوگرافی تهیه گردید. با تلفیق نقشه های کاربری اراضی، پوشش گیاهی و گروه هیدرولوژی خاک در GIS و به کمک جدول SCS، نقشه شماره منحنی رواناب برای هر یک از الگوریتم ها تعیین شد. همچنین برای ارزیابی صحت شماره ی منحنی به دست آمده از هر یک از الگوریتم ها، دبی حداکثر سیلاب به کمک مدل HEC-HMS محاسبه و با مقدار اندازه گیری شده، مقایسه گردید. نتایج نشان داد که الگوریتم های حداکثر احتمال و فاصله ماهالانوبیس به ترتیب با ضریب کاپای طبقه بندی 7/0و 65/0 و صحت دبی 80% و 72% با نتایج اندازه گیری شده، بهترین روش ها برای طبقه بندی تصاویر ماهواره ای هستند. این تحقیق همچنین مشخص کرد که تغییر الگوریتم طبقه بندی، اثر بسیار زیادی بر روی شماره منحنی و دبی سیلاب می گذارد.