چوقی بایرام کمکی

طوفان های گردوغبار به دلیل قابلیت انتقال طولانی مدت رسوبات بادی به مناطق دور از منشأ آن ها، خطرات متعددی را برای جوامع انسانی به همراه دارند و با اثرات منفی زیادی بر سلامت انسان، محیط زیست و اقتصاد جوامع همراه هستند. با توجه به ماهیت پخش و پراکنش سریع ذرات گردوغبار و جابه جایی به وسیله باد، بسیاری از رخدادهای گردوغباری به راحتی قابل تشخیص و پایش نیستند و به همین جهت نیاز به شناسایی و توصیف رفتار مکانی کانون های آن ها وجود دارد. محدوده خلیج قره بغاز علاوه بر صحرای قره قوم یکی از کانون های بحران برداشت گردوغبار ورودی به استان گلستان در سال های اخیر بوده است، این پژوهش به ارزیابی کارایی الگوریتم های پیشرفته یادگیری ماشین در شناسایی کانون های تولید گردوغبار در حوضه خلیج قره بغاز می پردازد. در این پژوهش، از یک چارچوب تحلیلی جامع مبتنی بر تلفیق داده های سنجش از دور و روش های یادگیری ماشین استفاده شده است. مجموعه داده های محیطی شامل 9 پارامتر روزهای گردوغباری، رطوبت خاک، بافت خاک، بارش، سرعت باد، شاخص نرمال شده تفاوت پوشش گیاهی، توپوگرافی، دمای هوا و پوشش زمین با استفاده از پلتفرم گوگل ارث انجین برای بازه زمانی (۲۰03-۲۰23) استخراج و پردازش شدند. تعداد 340 کانون مولد گردوغبار از طریق رویکرد تفسیر چشمی تصاویر ماهواره ای مادیس شناسایی شده، به عنوان نقاط آموزشی الگوریتم های یادگیری ماشین مورداستفاده و ارزیابی قرار گرفتند. نتایج نشان داد مدل جنگل تصادفی با 8/91 درصد، شبکه عصبی مصنوعی با 9/70 درصد، تقویت گرادیانی پیشرفته با 9/89 درصد، تقویت گرادیانی با 9/87 درصد، الگوریتم درختان طبقه بندی و رگرسیون Bagged CART با 9/89 درصد و ماشین تقویت گرادیانی LightGBMبا 8/91 درصد مناطق با پتانسیل بالای گردوغبار را تشخیص داده اند که مدل های جنگل تصادفی و ماشین تقویت گرادیانی LightGBM با بهترین عملکرد را در شناسایی کانون های گردوغبار داشته اند. بررسی روش های توضیح پذیری نشان داد که سه متغیر شاخص نرمال شده تفاوت پوشش گیاهی با سهم (27%)، رطوبت خاک (%23) و ارتفاع از سطح دریا (%19) بیشترین تأثیر را در پیش بینی مناطق مستعد گردوغبار دارند.

در مناطق خشک و نیمه خشک، دسترسی به اراضی کشاورزی پایدار با محدودیت های فیزیکی و اجتماعی-اقتصادی روبرو است. این مطالعه با هدف ارزیابی تناسب اراضی کشاورزی در غرب استان گلستان با استفاده از مدل LESA (ارزیابی اراضی و ارزشیابی مکان) انجام شد. این مدل تلفیقی از داده های GIS و دانش محلی است. مدل LESA از دو مؤلفه اصلی تشکیل شده است:- ارزیابی اراضی (LE): شامل خصوصیات خاک مانند شوری، بافت، زهکشی و توپوگرافی؛- ارزشیابی مکان (SA): عوامل مکانی مانند فاصله از جاده ها، مناطق شهری، منابع آبی و سازگاری کاربری زمین. وزن دهی معیارها با استفاده از روش تحلیل سلسله مراتبی (AHP) و نظر ۱۵ کارشناس محلی انجام شد، به گونه ای که نرخ سازگاری (CR) زیر 0.1 بود. نقشه نهایی تناسب اراضی با ابزارهای GIS از جمله ماشین حساب رستری و لایه گذاری وزنی تهیه شد. نتایج نشان داد تنها 23/10٪ از منطقه محدودیت قابل توجهی برای کشاورزی ندارد، درحالی که بیش از ۵۳٪ از اراضی به عنوان ناپایدار یا ناسازگار طبقه بندی شدند. مقایسه با سیستم طبقه بندی اراضی FAO نشان داد که LESA به دلیل در نظر گرفتن عوامل اجتماعی-اقتصادی (مانند دسترسی و تعامل کاربری ها) دقت بیشتری دارد. اعتبارسنجی میدانی و ارزیابی دقت مکانی با شاخص کاپا (K=0/81) قابلیت اطمینان مدل LESA را تأیید کرد. یافته ها نشان می دهند که مدل LESA با رویکرد مشارکتی و مبتنی بر موقعیت مکانی، روشی دقیق تر نسبت به سیستم های سنتی برای شناسایی اراضی کشاورزی مناسب ارائه می دهد. این مدل می تواند به برنامه ریزان در دستیابی به مدیریت پایدار اراضی، به ویژه در مناطق نیمه خشک با فشار روزافزون بر اراضی زراعی، کمک کند. پیشنهاد می شود مدل LESA با الگوریتم های هوش مصنوعی به روزرسانی شود و کاربرد آن به سایر مناطق خشک و نیمه خشک ایران گسترش یابد تا تصمیم گیری در زمینه های برنامه ریزی کاربری اراضی و مدیریت منابع طبیعی را بهبود بخشد.

توزیع زمانی و مکانی رطوبت خاک متغیری کلیدی در برنامه ریزی هیدرولوژیکی است. در محدوده تحقیق، افزایش رطوبت خاک باعث سرعت شکل گیری رواناب می شود. هدف این تحقیق بررسی پتانسیل باند L از سنجنده پالسار 2 (PALSAR-2) ماهواره آلوس (ALOS)، در برآورد رطوبت سطح خاک، به منظور مدیریت منابع آب و کاهش مخاطرات ناشی از سیل است. با استفاده از نمونه برداری تصادفی خوشه ای، نمونه ها دریافت شد. هم زمان با دریافت داده SAR رطوبت وزنی، زبری سطح و محتوای آب گیاهی، میانگین ضرایب بازپراکنش راداری و زاویه فرود روی تصویر اندازه گیری شد. مراحل پیش پردازش، پردازش و پس پردازش داده SAR با استفاده از نرم افزار SNAP و شاخص های گیاهی و نمناکی از لندست 8 سنسور OLI در محیط ArcGIS 10/5 استخراج شد. برای دریافت زبری سطح، دو دوربین دارای زاویه مایل به کار رفت و بیست قطعه عکس، با ده نقطه کنترلی (GCP) برای هر خوشه، گرفته شد. سپس با نرم افزار Agisoft PhotoScan ابر نقاط متراکم محاسبه و سپس مش بندی به منظور تولید DTM انجام گرفت. از زبانه Analysts 3D در ArcGIS پروفیل طولی ناهمواری های سطح برای هر خوشه استخراج شد. به منظور انتخاب مدل مناسب در منطقه، سه مدل در برآورد رطوبت سطح خاک، شامل مدل های Dubois-MLR-WCM، مد نظر قرار گرفت. نتایج سه مدل در برآورد رطوبت سطح خاک در پلاریزه HH به ترتیب در مدل Dubois با  و ، مدل MLR با  و  و مدل WCM با  و  به دست آمد. نتایج نشان داد مدل Dubois در اراضی بایر تا تنک برای محدوده تحقیق و شرایط مشابه مناسب تر است.

مدل سازی توزیعی مکانی فرآیند بارش – رواناب در حوضه های آبخیز با توجه به کمی سازی مقادیر مولفه های گوناگون هیدرولوژیکی در هر نقطه از حوضه آبخیز ابزار مناسبی را برای مدیریت منابع آب، مهندسی رودخانه، طراحی سازه های کنترل سیل و شبیه سازی سناریوهای مختلف مدیریت حوضه آبخیز اهمیت ویژه ای دارد. در این پژوهش، از مدل KINEROS2 ، برای ارزیابی توزیع مکانی مقادیر مولفه های فرآیند بارش - رواناب جهت شناسایی پتانسیل تولید رواناب سطحی و پهنه های سیل خیز در حوضه آبخیز قورچای رامیان در شرق استان گلستان با مساحتی بالغ بر 254 کیلومترمربع استفاده شده است.  برای ارزیابی کارایی مدل، تعداد شش واقعه سیلاب و بارش متناظر حوضه آبخیز که دارای داده های ثبت شده بودند انتخاب و به دو دسته سه تایی تقسیم شد.  از دسته اول جهت اجرا و واسنجی و از دسته دوم جهت اعتبارسنجی مدل استفاده گردید. کاربری غالب آین آبخیز جنگل های هیرکانی و اراضی زراعی شیبدار می باشد. شبیه سازی فرآیند بارش - رواناب با گام زمانی ساعتی انجام شد. نتایج ارزیابی کارآیی مدل در حوضه آبخیز قورچای رامیان نشان داد که مدل KINEROS2 از بین مؤلفه های هیدرولوژیکی، دبی اوج و زمان تا اوج هیدروگراف سیل را به خوبی شبیه سازی می کند ولی در برآورد حجم سیل کارآیی خوبی ندارد. نقشه خروجی عمق رواناب شبیه سازی شده نشان می دهد که مناطق مختلف حوضه آبخیز دارای پتانسیل متفاوت سیلخیزی می باشند. بطوریکه بخش های میانی حوضه که دچار تغییرات کاربری اراضی گسترده ای از جنگل به اراضی زراعی شیبدار شده اند دارای خطر سیلخیزی بالا می باشند و بخش بالادست حوضه آبخیز علیرغم شیب زیاد پتانسیل سیلخیزی کمی دارد.

-بیابان لوت خشک ترین بیابان ایران است که در منطقه جنوبشرقی کشور قرار دارد. یاردانگ ها از مهم ترین تیپ موجود در لوت مرکزی بشمار می رود. دراین تحقیق برای بررسی خصوصیات انعکاس طیفی مناطق یاردانگ ها و شناسائی رخساره آن از داده های رقومی ماهواره لندست (TM) استفاده شد. پس ازبررسی پارامترهای آماری باندهای لندست(TM?) براساس شاخص ترکیب بهینه باندی(?OIF) و شاخص همبستگی باندها (?I)، ترکیب باندهای شرکت کننده در طبقه بندی معلوم گردید. همچنین تفکیک پذیری کلاس های اطلاعاتی موجود در منطقه با نرمال نمودن اختلاف کلاس ها بررسی شد و تصویر طبقه بندی شده با تهیه جدول ماتریس خطا ارزیابی گردید و ماهیت خطاها معلوم گردید و سپس روش مناسب ترکیب باندی برای منطقه معرفی شد.براساس نتایج حاصل از این مطالعه، نتیجه گیری شد که داده های رقومی در صورت انتخاب روش مناسب برای شناسائی رخساره های منطقه ابزار مفیدی می باشد. واژگان کلیدی: ارزیابی، انعکاس، باند، بیابان، طبقه بندی، کلاس اطلاعاتی، لوت و یاردانگ.