بختیار فیضی زاده

دینامیک بودن یکی از ویژگی های مهم مناطق شهری است که به تبع آن نیازمندی به اطلاعات بروز و دقیق از تغییرات شهری برای مدیریت منابع شهری را مطرح می سازد. بنابراین تشخیص خودکار عوارض شهری در تصاویر هوایی و ماهواره ای در گستره وسیعی از جمله مدیریت بحران و برنامه ریزی شهری از اهمیت زیادی برخوردار است. در تحقیق حاضر سعی شد تا با استخراج ساختمان ها با روش شیءگرا و ارزیابی دقت حاصل از طبقه بندی به معرفی شاخص های بهینه برای ارائه چارچوبی نیمه اتوماتیک پرداخته شود که هم از دقت بالایی برخوارد باشد و استخراج عوارض شهری از تصاویر ماهواره ای را در کمترین زمان میسر سازد. فرآیند انجام تحقیق مبتنی بر روش پردازش شیء گرا عکس هوایی تهیه شده با پهباد در شهر ورزقان است. در این راستا، از قابلیت تکنیکهای پردازش شیء گرا در ارائه انواع الگوریتم ها و ایجاد الگوهای پردازش نیمه خودکار استفاده شده است. برای این منظور تصاویر با مقیاس 80، بخش بندی شده و سپس با الگوریتم تقسیم بندی چند متغیره مورد تجزیه تحلیل قرار گرفت. طبقه بندی کلاس ها با بررسی آستانه ها کارآمد برای 10 الگوریتم ژئومتری و مکانی انجام شده و دقت حاصله با استفاده از نقاط کنترل مورد ارزیابی قرار گرفت. درراستای سنجش کارآمدی روشهای پردازش شیءگرا، نتایج نشان می دهد که شاخص شکل با دقت 97% ، ضریب کاپای 0.94 و ضریب روشنایی با دقت 98% ، ضریب کاپای 0.96 از قابلیت موثری برای استخراج ساختمانهای شهری برخوردار هستند. نتایج این تحقیق درارائه پارامترهای کارآمد برای استخراج انواع عوراض شهری از کاربردهای متعددی برخوردار بوده و علاوه بر متخصصین سنجش از دور، می تواند برای برنامه ریزان و تصمیم گیران شهری در راستای شناسایی ساخت و سازها و در کل بررسی تغییرات شهری از قابلیت بالایی برخوردار باشد.

            کاربری اراضی می تواند به عنوان مفهومی ترکیبی از نظر فیزیکی اجتماعی، فرهنگی، اقتصادی و اطلاعاتی از هر کشوری مورد توجه قرار گیرد. در حقیقت نقشه های کاربری اراضی دربرگیرنده روش استفاده از سطح زمین برای نیازهای مختلف انسانی هستند. با توجه به اینکه آگاهی از الگوهای کاربری اراضی و تغییرات آن در طول زمان، پیش نیازی برای استفاده مطلوب از سرمایه ملّی است، از این رو استخراج نقشه های کاربری اراضی و تغییرات مربوط به آنها به عنوان مهم ترین هدف در مدیریت اراضی می توانند مورد توجه قرار گیرند. در حال حاضر استفاده از فنآوری سنجش ازدور، بهترین وسیله در استخراج نقشه های مربوط به کاربری هاست. در این تحقیق با پردازش رقومی تصاویر سنجنده HDR ماهواره SPOT مربوط به سال 2005.م و همچنین تصاویر سنجنده AVNIR ماهواره AlOS مربوط به سال 2011.م نقشه های کاربری اراضی منطقه مورد مطالعه بر مبنای روش های پردازش شیءگرای تصاویر ماهواره ای استخراج شد. در این ارتباط مرحله پیش پردازش، بر روی تصاویر اعمال شد و در مرحله پردازش، بعد از آشکارسازی تصاویر براساس الگوریتم های شیءگرا طبقه بندی گردید. در این راستا در فرایند طبقه بندی از قابلیت تابع نزدیکترین همسایه و نیز الگوریتم طبقه بندی سلسله مراتبی بر مبنای روش پردازش شیءگرای تصاویر ماهواره ای و در محیط نرم افزار دانش پایه eCognition استفاده شده و طبقه بندی پس از طی مراحل مختلف پیاده گردید. برای ارزیابی نتایج نسبت به استخراج پارامترهای ارزیابی دقت اقدام شده و دقت نقشه کاربری اراضی برای تصویر سال 2005 معادل 84 و برای تصویر سال 2011 معادل 81 درصد برآورد شد. نتایج تحقیق حاضر برای برنامه ریزان و تصمیم گیران در راستای ارزیابی تغییرات کاربری اراضی و برنامه ریزی برای توسعه منطقه از اهمیت بالایی برخوردار است.

شهرنشینی بی سابقه در چند دهه گذشته، در سطح جهانی اتفاق افتاده است. شهرنشینی معمولاً با تغییر کاربری اراضی و گسترش شهری همراه است. شهرنشینی همراه با گسترش فضایی زمین شهری، منجر به تغییرات الگوی سیمای سرزمین می شود. مطالعات قبلی،الگوهای شهرنشینی را در مناطقی با گسترش سریع شهری تحلیل کرده اند، درحالی که به مناطق شهری با گسترش کم تا متوسط به ویژه در کشورهای در حال توسعه مانند ایران، کمتر پرداخته شده است؛ بنابراین هدف از پژوهش حاضر، شناسایی الگوهای گسترش شهری در شهرهای میانه اندام است. پژوهش حاضر، توصیفی- اکتشافی و از جنس پژوهش های کاربردی است. در این پژوهش، دسته اول داده ها، تصاویر ماهواره ای خواهد بود. پس از تشکیل یک پایگاه داده از تصاویر ماهواره های لندست 5 و 8 برای چهار دوره زمانی(1990،2000،2010،2020)، نقشه کاربری اراضی سال های مذکور تهیه شد. برای اعتبارسنجی نقشه ها، از تصاویر گوگل ارث، نقاط واقعیت زمینی و ضرایب صحت و کاپا استفاده گردید؛ بنابراین روش گردآوری داده ها کتابخانه ای است.  جهت تجزیه و تحلیل داده ها، از نرم افزارهای «Google Earth Engine»، «GIS» و «Fragstat» بهره گرفته شده است. نتایج پژوهش حاضر نشان می دهد، هنگامی که به صورت زمانی نگاهی به گسترش شهری در ارومیه می اندازیم، دو دوره مشخص می شود. در دوره اول 1990-2000، توسعه سریع در حاشیه شهر، منجر به افزایش اندازه منطقه شهر اصلی شده که با کاهش شاخص «A I» نشان داده شده است. علاوه بر این، گسترش جدید در مناطق جداشده از دیگر مناطق، توسط زمین های خالی مشاهده می شود که نشان دهنده گسترش پراکنده شهر است. در دوره 2000-2020 شدت گسترش شهری کاهش یافته است. در این دوره، شهر تجربه کاهش تجمیعی در «GYRATION_MN» داشت و تجمع لکه ها به شدت کاهش یافته است. این موضوع ممکن است نشان دهنده این نکته باشد که رشد ادامه دار در ارومیه، بر توسعه لکه های شهری تمرکزداشته و این توسعه، با افزایش قابل توجهی در «ENN_MN» و کاهش تجمیعی در «Gyration» همراه بوده است. نتایج پژوهش حاضر، به شناسایی چهار الگوی گسترش شهری (تجمعی، پرشی، خطی و گره ایی) در شهر ارومیه منجر شده است.

فرآیندهای سطح زمین در مقیاس های مکانی-زمانی مختلف عمل می کنند و شکل های زمینی را تولید می کنند که در یک سلسله مراتب تودرتو ساختاریافته اند. شیوه ی استخراج نیمه خودکار انواع لندفرم های منتخب از مدل های رقومی ارتفاعی DEM از اهمیت بالایی برخوردار است. لندفرم یک عارضه ژئومورفیک از سطح زمین است که خصوصیات ظاهری خاص داشته و شکل آن را می توان تشخیص داد. در حال حاضر طبقه بندی لندفرم ها عموماً مبتنی بر تشخیص کارشناسی است که به طریق دستی و با استفاده از عکس های هوایی، نقشه های توپوگرافی و برداشت های صحرایی انجام می گیرد که روشی زمان بر، پرهزینه، کم دقت و تکرار نشدنی است. در این پژوهش از 5 مشتق اصلی  DEM5/12 متری ماهواره ALOS (لایه ی شیب، لایه جهت شیب، لایه ی خمیدگی، لایه ی جریان تجمعی و لایه ی ارتفاع) و همچنین از تصاویر ماهواره ای  Sentinel-2و شاخص پوشش گیاهی NDVI به عنوان لایه های کمکی استفاده گردیده، سگمنت سازی که در این منطقه صورت گرفت با استفاده از روش segmentation multi resolation انجام شد. در این سگمنت سازی به لایه ارتفاع، ارزش 3 و به لایه خمیدگی ارزش 2 و به بقیه ی لایه ها ارزش 1 داده شد و در قسمت Composition of homogeneity criterion، به Shape 7/0 و Compactness 3/0 و پارامتر مقیاس 50 در نظر گرفته شد و سپس با استفاده از الگوریتم های Layer Values   و Geometry و دستورات assign class به طبقه بندی لندفرم های واقع در دامنه های غربی و جنوب غربی زاگرس (محدوده ی شهرستان الیگودرز) اقدام شده است. نتایج نشان داد که استفاده از الگوریتم های Layer Values و Geometry و دستورات assign class توانایی خوبی در جداسازی و طبقه بندی لندفرم ها دارند، به گونه ای که 8 نوع لندفرم (دامنه، یال، پهنه های آبی، پرتگاه، قله، خط الرأس، دشت های پست و دشت های مرتفع) با ضریب کاپا 87/0 و دقت کلی 71/91 درصد استخراج گردید. لندفرم های یال بیشترین بخش منطقه را تشکیل داده و لندفرم های غالب منطقه محسوب می شوند و توزیع مناسبی در قسمت های مختلف دارند ولی لندفرم های قله با حداقل مساحت فقط بخش محدودی از منطقه ی موردمطالعه را تشکیل داده است.

تصاویر رقومی سنجش از دور از قابلیت بالایی در مدیریت منابع طبیعی برخوردارند که یکی از مهم ترین آنها آشکارسازی تغییرات پوشش و کاربری اراضی است. در حال حاضر با استفاده از تکنیک های پردازش تصویر و مقایسه چندزمانه داده های سنجش از دور می توان تغییرات کاربری اراضی را در طی دوره های زمانی مشخص نموده و با کسب آگاهی از نسبت تغییرات، تغییرات پوشش و کاربری اراضی آتی را پیش بینی نموده و نسبت به مدیریت آنها اقدام نمود. تحقیق حاضر نمونه ای از کاربرد داده های سنجش از دور در آشکارسازی تغییرات کاربری اراضی و مدلسازی اثرات آن در فرسایش است. در این تحقیق از تصاویر ماهواره ای TM ,ETM+ سال های 2015-2002-200-1989 استفاده شده و تغییرات کاربری اراضی در طی سه دوره ارزیابی شده است. پردازش تصاویر ماهواره ای در سه مرحله ی پیش پردازش، پردازش و پس پردازش انجام شد. در ادامه ی طبقه بندی تصاویر ماهواره ای انجام شده و نتایج برای استخراج نقشه های تغییرات و انجام اقدامات لازم به محیط GIS انتقال یافته و با استفاده از تحلیل های مکانی GIS تغییرات کاربری اراضی مورد مدلسازی قرار گرفت. نتایج پژوهش نشان می دهد که در سه دوره یاد شده ضمن افزایش اراضی باغی، تخریب و تبدیل اراضی مرتعی خوب به مراتع ضعیف و اراضی دیم در سطح قابل توجی صورت گرفته است که نقش مهمی در افزایش آسیب پذیری منطقه ی مورد مطالعه در مقابل فرسایش خاک داشته است.

ارزیابی به موقع و جامع محیط های شهری و روندهای تغییر آن اساس برنامه ریزی شهری و کلید توسعه پایدار شهری است. بر این اساس، هدف از پژوهش حاضر ارزیابی تغییرات زمانی-مکانی و مقایسه تطبیقی وضعیت شاخص زیست پذیری اکولوژیکی برای بازه زمانی 2003 و 2023 در کلانشهر تبریز است. در این پژوهش از مجموعه تصاویر لندست و مادیس برای تهیه متغیرهای پنج گانه AOD،NDVI ،LST، NDBSI ، NWD و شاخص زیست پذیری اکولوژیکی و از روش کریتیک برای محاسبه اوزان استفاده شد. همچنین، تجزیه و تحلیل داده ها در نرم افزارهایArcGIS Pro ، Excel و Google Earth Engine (GEE) انجام گرفت. نتایج حاصل از بررسی شاخص زیست پذیری اکولوژیکی بیانگر روند تغییرات به صورت افزایشی است؛ به طوری که کیفیت زیست پذیری اکولوژیکی در سال2023 با مقدار میانگین 60/1 نسبت به میانگین سال 2003 با مقدار 58/1 ارزش بیشتری را داشته است و این خود سطح کیفیت زیست پذیری رو به بهبود را نشان می دهد.

یکی از مهمترین چالشهای اساسی که بشر با آن روبرو است تغییر اقلیم و عواقب حاصل از آن مانند خشکسالی می باشد. شاخص های متعددی را برای پایش خشکسالی بکار گرفته اند که از آن جمله می توان به شاخص شرایط پوشش گیاهی (VCI)اشاره کرد. مساله اساسی در این راستا عدم توجه به دقت روش های مورد استفاده در پیش بینی تغییرات آتی شاخص در زمان می باشد. از اینرو هدف پژوهش حاضر ضمن بررسی روند تغییرات شاخص شرایط پوشش گیاهی (VCI) در استان بصره عراق برای بازه زمانی 2005 تا 2022 ، مقایسه سه روش اساسی در پیش بینی شامل تحلیل سری زمانی مبتنی بر آریما، اسپلاین مکعبی و الگوریم جنگل تصادفی در یادگیری ماشین بود. داده های مربوط به شاخص مورد پژوهش از سامانه گوگل ارث انجین استخراج شد و برای تجزیه و تحلیل داده ها از محیط نرم افزاری R و Spss و ArcGis استفاده شد. یافته های پژوهش نشان دادند که روند عمومی شاخص شرایط پوشش گیاهی (VCI)در استان بصره روندی کاهشی بوده و این شاخص کاهش چشمگیری را در سطح استان بصره علی الخصوص در مناطق جنوب شرقی این استان داشته است. همچنین نتایج این پژوهش نشان داد که داده های پیش بینی شده با داده های اندازه گیری شده از سنجده مادیس برای سال 2023 تفاوت معنا داری را دارد. نتیجه کلی پژوهش کارائی نسبی روشهای پیش بینی در شاخص های نظیر شرایط پوشش گیاهی (VCI)است.