علی طویلی

مقدمه و هدف: تولید داده های دمای سطح زمین (LST) با پیوستگی زمانی و مکانی، برای مطالعات هیدرولوژی، هواشناسی، اکولوژی، زیست محیطی و دیگر موارد، تقاضای چشمگیری دارد. تقریباً 60 تا 75% کره زمین در هر لحظه با ابرها پوشیده می شود؛ بنابراین ابرها، با ایجاد مانعی، باعث جذب بخشی از انرژی حرارتی بازتاب یافته از زمین می شوند و با تأثیر در انرژی فروسرخ حرارتی، سبب ایجاد داده های از دست رفته و نامعتبر در سری های زمانی LST می شوند. رفع اثر پوشش ابر همواره مسئله ای رایج درزَمینه استفاده از تصاویر ماهواره ای است. هدف از پژوهش حاضر ارزیابی عملکرد الگوریتم تحلیل طیفی منفرد – چندکاناله (M-SSA)، به منظور بازسازی داده های ازدست رفته و دورافتاده با استفاده از پوشش ابر در سری زمانی LST ساعتی ماهواره Meteosat-9 است. مواد و روش ها: منطقه مطالعاتی، در پژوهش حاضر، کشور ایران در نظر گرفته شد و نیز از سری زمانی LST ساعتی سنجنده SEVIRI از ماهواره زمین ثابت Meteosat-9 در سال 2022 استفاده شد. در ابتدا، با استفاده از نرم افزار SSA و آزمون مونت کارلو، اندازه پنجره و تعداد مؤلفه های معنی دار یک سری زمانی LST ساعتی تعیین شد. سپس با استفاده از مؤلفه های معنی دار شناسایی شده و نیز الگوریتم M-SSA، سری های زمانی LST بازسازی شد. خطای بازسازی در شرایط آسمان صاف، با داده های موجود سری زمانی و خطای بازسازی در شرایط آسمان ابری، ازطریق ایجاد داده های ازدست رفته مصنوعی (ابر مصنوعی) با شدت های 10، 20، 30، ...، 90% در سری زمانی، با استفاده از آماره های خطای جذر میانگین مربعات (RMSE) و ضریب تبیین (R 2 ) اندازه گیری شد.  نتایج: به طور میانگین، در سطح ایران، 5/25% از سری زمانی LST ساعتی در سال 2022 به دلیل پوشش ابر از دست رفته است که بیشترین میزان داده های ازدست رفته در حاشیه دریای خزر مشاهده شد. نتایج تحلیل سری زمانی LST ساعتی سالیانه در اندازه پنجره 96ساعته با آزمون مونت کارلو نشان داد مؤلفه های 1 تا 5 جزء مؤلفه های معنی دار این سری زمانی اند. این مؤلفه ها 5/97% از تغییرات سری زمانی LST را در کنترل دارند. فرکانس مربوط به مؤلفه های اول، دوم با سوم، چهارم با پنجم به ترتیب 0، 042/0 و 083/0 سیکل بر تصویر است. مؤلفه اول تغییرات دوره ای سالیانه، مؤلفه دوم با سوم تغییرات دوره ای 24ساعته یا روزانه دما، و مؤلفه چهارم با پنجم تغییرات دوره ای 12ساعته دما را نشان می دهد. براساس نتایج، RMSE و R 2 بین داده های موجود و داده های بازسازی شده سری زمانی LST ساعتی با استفاده از الگوریتم M-SSA، در شرایط آسمان صاف، به ترتیب 38/1 کلوین و 99/0 بود. همچنین در شرایط آسمان ابری، خطای RMSE تا سطح 80% داده ازدست رفته به صورت تصادفی (ابر مصنوعی) همواره کمتر از 1/2 کلوین بود. بحث و نتیجه گیری: کلید اصلی بازسازی سری های زمانی، با رفتار دوره ای، شناسایی مؤلفه های معنی دار دوره ای و روندهاست. در سری های زمانی LST ساعتی، دوره های سالیانه، 24، 12 و 8ساعته از مهم ترین مؤلفه های سری زمانی اند. این مؤلفه ها از چرخش زمین به دور خود و خورشید و انحراف محور آن شکل می گیرند. بنابراین، این مؤلفه ها اغلب برای بازسازی سری های زمانی LST ساعتی در بیشتر بخش های کره زمین، یکسان اند. براساس یافته ها، الگوریتم M-SSA با توجه به در نظر گرفتن مؤلفه های دوره ای و روندها و همچنین استفاده از همبستگی زمانی و مکانی، می تواند در بازسازی داده های ازدست رفته دارای فاصله بزرگ در سری های زمانی LST مؤثر باشد. یکی از موارد شایان توجه در بازسازی اثر پوشش ابر، در پژوهش حاضر و بسیاری از پژوهش های دیگر، بازسازی دمای سطح زمین با شرط آسمان صاف است. بنابراین بازسازی دمای سطح زمین زیر پوشش ابر می تواند چالش و پیشنهادی برای مطالعات بیشتر در آینده باشد.

مقدمه: تغییرات اقلیمی یکی از چالش های بزرگ قرن بیست ویکم است که تأثیرات گسترده ای بر جوامع انسانی و اکوسیستم ها دارد. یکی از گروه هایی که بیشترین آسیب را از این تغییرات متحمل می شوند، بهره برداران مرتع مانند عشایر و دامداران سنتی هستند. مراتع نقش اساسی در حفظ تنوع زیستی، تأمین علوفه دام و تثبیت خاک دارند. اما تغییرات اقلیمی موجب کاهش کیفیت و کمیت پوشش گیاهی، افزایش فرسایش خاک و کاهش ظرفیت تولید مراتع شده که چالش های جدی برای معیشت عشایر ایجاد کرده و ظرفیت سازگاری آنها را تحت تاثیر قرار داده است. هدف پژوهش: هدف این پژوهش، سنجش ظرفیت سازگاری بهره برداران عشایری در مواجهه با تغییرات اقلیمی در منطقه قشلاقی شهرستان دشتستان واقع در استان بوشهر است. روش شناسی تحقیق: این پژوهش با استفاده از روش توصیفی-تحلیلی و مبتنی بر پیمایش میدانی انجام شده است. داده ها از طریق پرسش نامه و مصاحبه های نیمه ساختاریافته از نمایندگان بهره برداران عشایری جمع آوری شدند. جامعه آماری شامل عشایر منطقه دشتستان (20000 نفر) بود. حجم نمونه پژوهش شامل 79 نفر از شوراهای عشایری دوره پنجم طوایف رحیملو و شش بلوکی از ایل قشقایی می باشد که به روش نمونه گیری هدفمند و به صورت نمونه کامل می باشد. قلمرو جغرافیایی پژوهش: قلمرو جغرافیایی این پژوهش منطقه قشلاقی شهرستان دشتستان در استان بوشهر است. این منطقه در جنوب ایران واقع شده و از نظر اقلیمی، دارای آب وهوای گرم و خشک است. مراتع این منطقه از نظر تأمین علوفه دام برای جوامع عشایری اهمیت زیادی دارند چرا که در طول زمستان به چرای دام های خود در این منطقه می پردازند. یافته ها و بحث: نتایج پژوهش نشان داد بهره برداران منطقه قشلاقی بیشترین تاثیر تغییرات اقلیمی را در«کمبود بارش ها» «کم آب شدن و خشک شدن منابع آب سطحی» و «کاهش پوشش گیاهی» درک کرده اند، در حالی که عواملی مانند «تغییر در زمان و مکان بادها» و «ظهور حشرات و آفات جدید» کمترین اهمیت را از نظر آن ها داشته اند. همچنین با در نظر گرفتن وضعیت خیلی ضعیف(عدد1) تا خیلی خوب(عدد5)، میانگین ظرفیت سازگاری بهره برداران در بعد اقتصادی 76/1، اجتماعی 14/2، زیرساخت 34/2، دانش 41/2 و دولت 2 بوده و میانگین کلی ظرفیت سازگاری نیز 13/2 می باشد که نشان دهنده ظرفیت سازگاری متوسط این جامعه در مواجهه با تغییرات اقلیمی می باشد. نتایج: پژوهش نشان داد که برای بهبود ظرفیت سازگاری عشایر منطقه قشلاقی، باید بر افزایش حمایت های مالی و فنی دولت، توسعه زیرساخت های اساسی، بهبود دسترسی به منابع اطلاعاتی و آموزشی و تقویت تنوع اقتصادی بهره برداران تمرکز شود تا تاب آوری آن ها در برابر تغییرات اقلیمی بهبود یابد.

نظارت بر تغییرات مکانی و زمانی تبخیر تعرق برای مدیریت آبیاری و نیاز آبی گیاهان زراعی، به ویژه در مناطق کم آب، بسیار مهم است. هدف از پژوهش حاضر برآورد تبخیر و تعرق واقعی با استفاده از الگوریتم سبال (SEBAL) و مقایسه آن با تبخیر و تعرق استاندارد فائو 56، به منظور تعیین باغات پسته تحت تنش خشکی در استان یزد است. بدین منظور، از یک سری زمانی تصاویر ماهواره ای لندست 8 با پانزده تصویر در سال 2015 استفاده شد. در ابتدا، تبخیر و تعرق در دوره های پانزده روزه فنولوژی پسته به دست آمد و سپس، با جمع تبخیر و تعرق در دوره های پانزده روزه، میزان تبخیر و تعرق در چهار مرحله اصلی فنولوژی پسته و کل یک دوره رشد سالیانه تعیین شد. تبخیر و تعرق استاندارد نیز به روش فائو 56 و با استفاده از رابطه KC-NDVI به دست آمد و به منزله استانداردی برای مقایسه تبخیر و تعرق واقعی سبال در نظر گرفته شد. براساس نتایج، الگوریتم سبال قابلیت مناسبی در تعیین میزان تبخیر و تعرق در منطقه مورد مطالعه دارد. با اینکه داده های معتبر لایسیمتر برای مقایسه نتایج الگوریتم سبال با آن در منطقه یادشده وجود نداشت؛ مقایسه نتایج با روش استاندارد فائو 56 نشان داد این دو روش مطابقت خوبی با یکدیگر دارند و میانگین ضریب تبیین (R2)، خطای جذر میانگین مربعات (RMSE ) و میانگین خطای مطلق (MAE) میان نتایج الگوریتم سبال و رویکرد فائو KC-NDVI به ترتیب 0.8، 16.7 و 14.5 میلی متر بین دوره های پانزده روزه فنولوژی پسته به دست آمد. میانگین میزان تبخیر و تعرق واقعی و استاندارد در طول یک فصل رشد پسته، در سطح منطقه مورد بررسی، به ترتیب 950 و 1086 میلی متر است. مقایسه تبخیر و تعرق واقعی و استاندارد نشان داد، در بخش اعظم این منطقه، تبخیر و تعرق واقعی کمتر از شرایط استاندارد است.

ارزیابی موثرترین شاخص های بیابان زایی و تعیین اولویت و اهمیت آنها با استفاده از روش های سیستماتیک و نظامند مانند روش های تصمیم گیری چند معیاره می تواند باعث افزایش بهره وری پروژه های کنترل و احیای مناطق در خطر بیابان زایی و جلوگیری از هدر رفت سرمایه گذاری شود. بنابراین در پژوهش حاضر به منظور تعیین موثرترین شاخص ها و اولویت بندی و وزن دهی آنها از روش های تاپسیس و تحلیل سلسله مراتبی استفاده شد. ابتدا 32 شاخص مهم و تاثیرگذار با استفاده از تحقیقات صورت گرفته در این زمینه در ایران و جهان و مدل های ارزیابی موجود تعیین و از طریق پرسشنامه به وسیله کارشناسان مربوطه نمره دهی شدند. با کمک روش آنتروپی شانون، معیارهای مناسب برای ارزشیابی شاخص ها، وزن دهی و سپس با بکارگیری روش تصمیم گیری رتبه ای تاپسیس موثرترین شاخص های برای مدیریت و مقابله با بیان زایی تعیین و با استفاده از تحلیل سلسله مراتبی، وزن دهی و اولویت بندی شدند. نتایج پژوهش نشان داد که معیار حساسیت به تغییرات جزئی با وزن 341/0 دارای بالاترین اهمیت و معیار هزینه و زمان با وزن 111/0 دارای کمترین اهمیت در بین معیارهای مورد بررسی هستند. از میان 32 شاخص رتبه بندی شده 20 شاخص به عنوان موثرترین شاخص ها تعیین شد که شاخص های بارش سالیانه، شوری آب، درصد پوشش گیاهی از اهمیت بالایی برخوردار هستند. همچنین نتایج تحقیق نشان داد که شاخص تغییر کاربری اراضی با وزن 217/0 و شاخص بارش سالیانه با وزن 166/0به ترتیب بالاترین اولویت را در بین شاخص های انسانی و طبیعی دارند و بنابراین در مدیریت و مقابله با بیابانی شدن باید در اولویت قرار گیرند.