درخت حوزه‌های تخصصی

بازتاب طیفی آب های داخل خشکی ها ازجمله تالاب ها در هر طول موج می تواند ناشی از مقادیر مختلف کلروفیل a باشد. عمل ریاضی سادة نسبت گیری بازتاب های طیفی پدیده ها در طول موج های مختلف که در سنجش از دور به شاخص طیفی معروف است می تواند موجب تشدید اختلاف هایی نظیر بازتاب پدیده ها و کاهش اثر عوامل منفی به ویژه عوامل محیطی شود. ازجمله شاخص های طیفی که در مطالعات آب ها به خصوص تخمین میزان کلروفیل a به کار گرفته می شود، می توان به نتیجة حاصل از شاخص سه باندی اشاره کرد. در این پژوهش از نمونه های آب تالاب انزلی با میزان کلروفیل a بین 07/2 تا 9/23 میلی گرم در لیتر استفاده شده است. بررسی رابطة مقدار کلروفیل a با شاخص سه باندی، رابطه ای قوی را بین مقدار این شاخص با مقدار کلروفیل a در دو عمق 15 و 30 سانتی متری نشان داد. البته این رابطه در عمق 15 سانتی متری آشکارا قوی تر است. در این تحقیق حداکثر حساسیت به جذب ذرات کلروفیل a در طول موج 680 نانومتر و حداقل حساسیت به انعکاس کلروفیل a در طول 700 نانومتر است. برای محاسبة شاخص سه باندی از باند جذبی آب در محدودة طول موج مادون قرمز نزدیک به منظور نرمال کردن استفاده شد در اینجا برابر با 757 نانومتر در نظر گرفته شده است. در این مطالعه رابطة بین فسفر کل با میزان شاخص سه باندی نیز به دلیل رابطة مستقیم میزان کلروفیل a با فسفر کل بررسی شد، که همانند میزان کلروفیل a در عمق 15 سانتی متری رابطة قوی تری را در مقایسه با عمق 30 سانتی متری نشان می دهد.

تصاویر سنجش از دور معمولاً به صورت ترکیبی از پیکسل های خالص و مخلوط اند. در روش های طبقه بندی سخت، پیکسل های مخلوط به کلاس دارای بیشترین اطمینان تعلق نسبت داده می شوند. بدین ترتیب به علت تک برچسبی بودن نتایج طبقه بندی سخت، اطلاعات در سطح زیرپیکسل نادیده گرفته می شود. روش های طبقه بندی نرم که برای حل این مشکل شکل گرفته اند، برآورد سهم کلاس های مختلف را برای هر یک از پیکسل ها فراهم می آورند. البته این نوع طبقه بندی کننده ها هیچ گونه اطلاعاتی را در مورد آرایش مکانی کلاس های مختلف در داخل پیکسل ها ارائه نمی کنند. الگوریتم معاوضه پیکسلی با استفاده از نتایج طبقه بندی نرم و براساس بیشینه کردن وابستگی مکانی زیرپیکسل ها، امکان تهیه نقشه پوششی را در سطح زیرپیکسل فراهم می سازد. الگوریتم پایه این روش برای حالت باینری است. در تحقیق حاضر به منظور تولید نقشه پوششی، الگوریتم باینری معاوضه پیکسلی برای حالت چندمتغیری ایجاد گردیده و دقت این الگوریتم در دو حالت مستقل از خطای طبقه بندی نرم و وابسته به آن مورد ارزیابی قرار گرفته است. به علاوه، تأثیر پارامترهای مختلف مانند ضریب بزرگنمایی، سطح همسایگی و تابع وزن نیز در عملکرد این الگوریتم بررسی شده است. براساس نتایج تحقیق، دقت کلی الگوریتم معاوضه پیکسلی، بسیار وابسته به دقت ورودی الگوریتم (نتایج طبقه بندی نرم است. دستاورد دیگر تحقیق، این بود که مشخص گردید با افزایش ضریب بزرگنمایی، دقت الگوریتم کاهش می یابد. دیگر اینکه سطح همسایگی دوم و توابع معکوس فاصله و مجذور معکوس فاصله، بیشترین دقت را به همراه دارند. با در نظر گرفتن ضریب بزرگنمایی کمتر از 5، دقت کلی الگوریتم در فرایند بهینه سازی آرایش مکانی زیر پیکسل ها بیشتر از 90 درصد برآورد گردید.

نسل جدید سنجنده های راداری فضایی با حد تفکیک مکانی بالا، امکان استفاده از این تصاویر را به منظور استخراج خودکار عوارض، به ویژه عارضه راه فراهم آورده اند. در پژوهش حاضر، استخراج عارضه راه از تصاویر راداری و اپتیک با حد تفکیک بالا با یکدیگر مقایسه شدند. بدین منظور از تصاویر آیکونوس و TerraSAR-X استفاده شد و بین تصاویر هم مرجع سازی انجام گرفت. سپس ویژگی های بافت استخراج شدند و طبقه بندی با استفاده از شبکة عصبی بازپس خور خطا انجام پذیرفت. با مقایسة نتایج حاصل از اجرای الگوریتم با داده های مرجعی که عامل انسانی آنها را تهیه کرده است، برای داده های TerraSAR-X و آیکونوس، به ترتیب مقادیر 10/46 و 72/57 درصد برای پارامتر RCC، 58/46 و 27/93 درصد برای پارامتر BCC و مقادیر 61/0 و 31/0 برای پارامتر RMSE به دست آمد. مقایسه تصویر خروجی حاصل از دو الگوریتم نشان می دهد که هرکدام از تصاویر اپتیک و راداری نواقصی در استخراج راه دارند. به عنوان مثال، الگوریتم های اپتیک به مناطقی از تصویر که ویژگی های طیفی و بافتی مشابه با راه دارند ازجمله محل پارکینگ ها و سقف بام های بزرگ حساس هستند، درصورتی که این مناطق در تصاویر راداری ظاهری روشن و بافتی متفاوت دارند. بنابراین تصاویر راداری در مناطقی با بافت شهری به ویژه توأم با راه های کم عرض و کوچه ها مناسب اند. از طرفی دیگر تصاویر راداری در مناطقی با پوشش گیاهی انبوه به خوبی عمل نمی کنند، درحالی که تصاویر اپتیک کاملاً قادر به تمایز این مناطق از راه ها هستند. در نتیجه با توجه قابلیت های مکمل این تصاویر در استخراج راه، تلفیق ویژگی های این دو منبع به منظور رفع نواقص و افزایش دقت الگوریتم های حاضر، روشی کارآمد در توسعه الگوریتم ها به نظر می رسد.

وقف سنتی اسلامی است که بر اساس آن افراد حقیقی و حقوقی بخشی یا همه ملک خود را به سازمانی دولتی یا خصوصی می بخشند این سنت حسنه در ایدئولوژی اسلامی ریشه دوانده و نقش بارزی در توسعه شهرهای اسلامی داشته است.انسان بر اساس جهان بینی خود با محیط همواره در کنش متقابل بوده و از همدیگر تاثیر پذیرفته اند. تاثیر جهان بینی منتج از دین بر خلق چشم اندازهای جغرافیایی، بویژه در شهرهای اسلامی از اهمیت خاصی برخوردار بوده است. پدیده وقف به عنوان یکی از نیروهای شهر آفرین و چهره پرداز شهر های ایرانی-اسلامی، تاثیر بسزایی در شکل دهی به محیطهای مصنوع انسانی و تشکل فضاهای کالبدی شهرها داشته است. اراضی وقفی ضمن تاثیر گذاری در توسعه فیزیکی شهرها متقابلا نیز از آن تاثیر پذیرفته اند چرا که در جریان توسعه فیزیکی شهر از حالت اولیه خود (بایر، کشاورزی، باغات و …) خارج و به بافت شهری تبدیل گردیده اند. طی این مقاله شهر میامی به عنوان شهر کوچک اندام در استان سمنان، که قسمت عمده اراضی آن وقفی است مورد بررسی قرار می گیرد. با تبدیل شهر به عنوان مرکز شهرستان، شهر به سرعت گسترش یافت و اراضی کشاورزی وقفی، تغییر ماهیت داده و تبدیل به اراضی شهری با کارکرد جدید گردیدند. این مقاله سعی دارد تا با تکیه بر روش میدانی، و استفاده از تکنیک GIS چگونگی نقش وقف در شکل یابی فضای عمومی شهرهای اسلامی به ویژه شهر مورد مطالعه را مورد بررسی قرار دهد.

انسان از دیرباز برای حل مسائل پیچیده، از جهان زندة پیرامونش الهام گرفته است. این امر آشکارا در توسعة الگوریتم های مختلف تقریبی، از نظریة تکاملی داروین تا الگوریتم های مختلف هوش جمعی، دیده می شود. مسئلة فروشنده دوره گرد از مسائلی است که می توان آن را با الگوریتم هوش جمعی به چالش کشید. در پژوهش حاضر ابتدا با ارزیابی و تنظیم صحیح پارامترهای مؤثر در الگوریتم بهینه سازی کلونی مورچه ها، الگوریتم هوش جمعی بهبود می یابد. سپس روشی ترکیبی برای حل دودویی مسئله فروشندة دوره گرد در مقیاس بزرگ و برمبنای الگوریتم بهبود یافته کلونی مورچه ها و عملگرهای الگوریتم ژنتیک ارائه می شود. به منظور بررسی کیفیت جواب های به دست آمده، نتایج روش پیشنهادی با نتایج دو الگوریتم بهینه سازی کلونی مورچه ها و الگوریتم ژنتیک در مسیریابی بین مراکز استان ها مقایسه می شود. این مقایسه بهبود در جواب ها، کاهش زمان اجرای الگوریتم، و کاهش حجم لازم برای ذخیره سازی جواب های به دست آمده در شرایط گوناگون را نشان می دهد. با توجه به پایداری و بهینگی نتایج حاصل از الگوریتم مورچة بهبود یافته و اهمیت افزایش خدمات در سامانه اطلاعات مکانی، کاربرد الگوریتم پیشنهادی در صنعت توریسم مطرح می شود.

این پژوهش به بررسی اثرات خانه های دوم گردشگری در روستای قلعه حاچ عبدالله پرداخته شده است.روش پژوهش توصیفی- تحلیلی و کتابخانه و مبتنی بر پیمایش میدانی در اشکال پرسشنامه، مشاهده و مصاحبه است.جامعه آماری تمام ساکنان روستای قلعه حاج عبدالله بوده است که در سرشماری سال 1395 برابر 950 نفر بوده اند. برای تخمین حجم نمونه از فرمول کوکران استفاده شده است که مطابق این فرمول تعداد نمونه 381 نفر برآورد شده است. همچنین از روش نمونه گیری تصادفی ساده در سطح روستا استفاده شده است.اطلاعات به دست آمده با استفاده از نرم افزار SPSS و بهره گیری از آزمون T تک نمونه ای مورد تجزیه و تحلیل قرار گرفتند. نتایج به دست آمده نشان داد که اثرات خانه های دوم گردشگری در ابعاد اجتماعی، اقتصادی و کالبدی- زیست محیطی در بردارنده نقاط مثبت و منفی و متضادی بوده است. که در بعد اجتماعی اثرات مثبت آن در قالب افزایش امنیت اجتماعی و کاهش مهاجرت های ساکنین روستا بوده است. و همچنین اثرات منفی همچون افزایش سبک زندگی شهری، نابودی آداب رسوم روستا، گسست اجتماعی را در بین ساکنین روستا در برداشته است.همچنین در بعد اقتصادی به مراتب اثرات بهتر از ابعاد اجتماعی و کالبدی بوده است. به گونه ای که ساکنان اظهارکرده اند با ایجاد و گسترش خانه های دوم وضعیت اشتغال و درآمد روستا بهبود یافته است و با افزایش داد و ستد اقتصادی در منطقه و تقویت پایه اقتصادی روستا زمینه اشتغال ساکنان فراهم شده و از شدت مهاجرت های روستاشهری کاسته شده است.ودرآخر از نظر بعدکالبدی- زیست محیطی اثرات خانه های دوم بصورت گسترش بافت مسکونی روستا و رشد قارچ گونه خانه های دوم در بین مزارع و باغات منطقه که پیامدهای آن در تغییر کاربری اراضی و تغییر چشم انداز روستا از یک حوزه کشاورزی به یک حوزه مصنوع با واحدهای ویلایی بوده است.

عوامل گوناگونی بر کیفیت نتایج حاصل از لیزراسکنر زمینی اثرگذارند و از آنجا که دقت اسکنر تا حد زیادی با خطاهای دستگاهی سیستماتیک محدود می شود، باید کالیبره شود. کالیبراسیون در عمل پیش نیازی است برای استخراج اطلاعات دقیق و قابل اعتماد سه بعدی از ابرنقاط. تاکنون مدل های مختلفی که هر یک چند پارامتر فیزیکی را در بر می گیرند برای بهبود کیفیت داده های لیزر اسکنر ارائه شده است. در ادامه بعد از مشاهدة نمودار مقادیر باقی مانده، پارامترهای تجربی به مدل های آنها اضافه شده است. این مسئله سبب ایجاد این ضعف در مدل می شود که فقط برای همان دسته از مشاهده ها قابل استفاده اند، چون ممکن است این پارامترهای تجربی در جای دیگری کارساز و پایدار نباشند و می بایست پارامترهای دیگری را جایگزین آنها کرد. در مطالعات گذشتة نویسندگان مدل جدیدی ارائه شد که به صورت پارامتریک است و با استفاده از آن امکان کالیبراسیون لیزراسکنر به طور عام وجود دارد. ازآنجاکه پایداری پارامترهای مدل ها اهمیت زیادی دارد، در نوشتار حاضر براساس ساختار داخلی دستگاه، پایداری پارامترهای یک مدل پارامتریک که برای کالیبراسیون ابرنقاط به دست آمده ارائه شده است و وابستگی آنها با تغییر ساختار دستگاه به طور دقیق و از طریق آزمایش های متعدد در این مقاله بررسی شده است. با محاسبة پارامترهای مدل و ارزیابی وابستگی آنها و اعمال آنها بر داده های ابرنقاط مشاهده می شود که این مدل با پایداری نسبی پارامترها، می تواند دقت داده های لیزراسکنر زمینی را بهبود بخشد. کلید واژه ها : لیزراسکنر زمینی، کالیبراسیون، ابرنقاط، مدل پارامتریک.

گیاهان، یکی از مهم ترین اجزای اکوسیستم هستند که تحت تاثیر عوامل طبیعی و انسانی قرار می گیرند. به طوری که مطالعه تولید خالص اولیه، یکی از مهم ترین موضوعات در بوم شناسی به حساب می آید. مهمترین هدف این تحقیق مدل سازی توزیع مکانی و زمانی تولید خالص اولیه (مدل CASA) و تاثیر تابش موثر نور خورشید (LUE) و همچنین اندازه گیری تخریب اراضی با شاخص تاثیر بارندگی ( RUE ) در مراتع نیمه استپی استان اصفهان است. برای انجام این مطالعه، تصاویر - NDVI ۱۶ روزه مودیس، داده های هواشناسی، نقشه پوشش اراضی و داده های زمینی به کار گرفته شد و نتایج نشان داد که نرخ NPP از ماه مارس (C/m2/mo 44/11) تا ماه می (C/m2/mo/07/41) افزایش داشته است، در حالیکه سیر نزولی را از اوایل ماه ژوئن (C/m2/mo 2/2) به دلیل خشکی خاک نشان می دهد. اقلیم، تیپ گیاهی و وضعیت مرتع نقش مهمی درNPP سالیانه داشتند، لذا بیشترین و کمترین NPP به ترتیب در Astragalus- Daphnae 85/38 gC/m2 y-1) 85/38 ) و Artemisia sieberi – Scariola gC/m2 y-1) 4 ) همراه با حداکثر ( g C (MJ)-1 13/0) و حداقل تاثیر تابش موثر نور خورشید g C (MJ)-1) LUE 005/0 ) مشاهده شد. مقدار (RUE)، در مراتع تخریب یافته کاهش داشت. علاوه بر این از همبستگی بین داده های زمینی و مدل CASA در اقلیم نیمه خشک گرم و مراتع تخریب یافته، کاسته شد. بنابراین توجه به وضعیت مرتع، تیپ گیاهی و اقلیم در پایش NPP و مدیریت مراتع ضروری است.

خشکسالی یکی از بلایای طبیعی است که ممکن است در هر اقلیمی رخ دهد. در دهه های اخیر کشور ایران به به طور پیاپی تحت تأثیر خشکسالی های شدید و گسترده قرار داشته و آثار زیانباری بر بخش های مختلف اقتصادی از جمله بخش کشاورزی، محیط زیست و منابع آب کشور تحمیل کرده است. امروزه برای شناسایی و تحلیل خشکسالی های کشاورزی از شاخص های پوشش گیاهی که به کمک فن آوری سنجش از دور بدست می آیند استفاده می شود. بر این اساس، هدف از این پژوهش بررسی کارایی شاخص های پوشش گیاهی NDVI ، EVI و VCI در شناسایی و تحلیل خشکسالی کشاورزی در حوزه آبخیز کرخه می باشد. برای محاسبه این نمایه ها تصاویر سنجنده مودیس) ماهواره Terra، محصولMOD13A2 ) طی مدت 17 سال در دوره آماری 2000-2017 استفاده شد. دقت نمایه های یاد شده با شاخص ZSI محاسبه شده در 11 ایستگاه باران سنجی واقع در حوضه کرخه برای دوره آماری 1379-1396 مورد ارزیابی قرار گرفت. براساس مقادیر NDVI، EVI و VCI محاسبه شده، کمترین و بیشترین مقدار پوشش گیاهی به ترتیب در سال های 1379 و 1380 مشاهده شد. اما بررسی ZSI نشان داد که از سال 1379 تا 1387 اکثر ایستگاه ها با خشکسالی مواجه بوده اند و شدیدترین خشکسالی در سال 1387 رخ داده است. از سال 1389 تا انتهای دوره در اکثر ایستگاه ها شرایط نسبتاً نرمال مشاهده شد. بنابراین طبق نتایج بدست آمده همزمانی خشکسالی هواشناسی و کشاورزی در تمام سال ها وجود ندارد و نباید انتظار داشت که با افزایش بارندگی، NDVI، EVI و VCI نیز ترسالی و افزایش پوشش گیاهی را نشان دهند.

برای بهره مندی هم زمان از اطلاعات داده های چندمنبعی، از تکنیک های عددی یا تحلیلی تلفیق استفاده می شود. تلفیق باعث تفسیر بهتر، کاهش ابهام و بهبود طبقه بندی می شود. روش های گوناگونی برای تلفیق گسترش داده شده است؛ ازجمله روش های مبتنی بر IHS، Wavelet و PCA. در این پژوهش، قابلیت روش های تلفیق مبتنی بر IHS و روش های تلفیق مبتنی بر PCA بررسی شده است. در این راستا، از روش های FFT-PCA، Wavelet-PCA، Wavelet-IHS و FFT-IHS برای تلفیق روی داده های Hyperion L1R با اندازة پیکسل 30 متر و تصویر پانکروماتیک سنجندة Cartosat-1 با اندازة پیکسل 5/2 متر استفاده شده است. همچنین برای ارزیابی نتایج این روش ها، معیارهای ضریب همبستگی، ضریب همبستگی فیلتر شده، خطای کمترین مربعات و شاخص ERGAS و معیار SAM به کار رفته است. نتایج معیار خطای کمترین مربعات به ترتیب برای FFT-PCA، Wavelet-PCA، Wavelet-IHS و FFT-IHS برای باند 15 برابر با 020/0، 022/0 و 025/0 و 024/0، برای باند 25 برابر با 032/0 و 035/0 و 038/0 و 036/0، و برای باند 34 عبارت اند از 040/0 و 043/0 و 044/0 و 041/0. نتایج این معیار و نیز دیگر معیارها بیانگر دقت بالای روش های مبتنی بر PCA در تلفیق تصاویر بود. درواقع روش های مبتنی بر PCA مزایایی بیشتر از روش های مبتنی بر IHS دارد؛ مانند نداشتن محدودیت باندی. از بین تمامی این روش ها نیز، روش FFT-PCA و Wavelet-PCA دارای نتایج دقیق تر و بهتری بود و در حفظ اطلاعات طیفی و مکانی عملکردی بهتر از دیگر روش ها دارد.

آتش سوزی جنگل پدیده ای است که خسارت های مالی و برخی مواقع جان بسیار زیادی به بار می آورد. شناسایی و بررسی اثر پارامترهای مؤثر در وقوع آتش سوزی و مدل سازی آن ها در پیشگیری آتش سوزی و کاهش خسارت های ناشی از آن بسیار مفید است. در این تحقیق، با استفاده از روش های شبکه عصبی و تصمیم گیری چندمعیاره، مناطق دارای پتانسیل بالای آتش سوزی در استان گلستان شناسایی شده است. در روش پیشنهادی برای تهیة نقشة خطر آتش سوزی، ابتدا با استفاده از تصمیم گیری چندمعیاره نقشة خطر استاتیک و سپس از طریق شبکة عصبی مصنوعی، نقشة خطر دینامیک تهیه می شود. سرانجام از ترکیب این دو، نقشة خطر آتش سوزی به دست می آید که مقادیر هر پیکسل در آن بیانگر میزان احتمال وقوع آتش سوزی برای آن پیکسل است. برای ارزیابی مدل از داده های آتش سوزی ماه ژوئن سال 2005 استفاده شده است. مدل پیشنهادی درصدی از مساحت منطقه را به عنوان منطقة پرخطر شناسایی می کند. با توجه به این که درصد آتش سوزی اتفاق افتاده در آن منطقه نیز معلوم است، معیار دقت از تقسیم درصد آتش سوزی های رخ داده در منطقة پرخطر به درصد مساحت آن منطقه تعریف می شود. این معیار دقت برای نقشة استاتیک با وزن های یکسان پارامترها برابر 86/1 و در حالت استخراج وزن ها به روش AHP برابر 21/2 به دست آمد، که بیانگر بهبود دقت مدل از طریق روش AHP است. طبق نتایج مدل نهایی، حدود 49/70 درصد آتش سوزی ها در مناطقی که به عنوان مناطق پرخطر شناسایی شده، اتفاق افتاده است. در حالی که در مناطق بی خطر و کم خطر هیچ آتش سوزی اتفاق نیفتاده و در منطقة با خطر متوسط 51/29 درصد از آتش سوزی ها اتفاق افتاده است. همچنین معیار دقت برای مدل نهایی برابر 77/2 به دست آمده است.

سنجش از دور را می توان به عنوان ابزاری قدرتمند با به کارگیری داده از منابع مختلف و تلفیق آنها با یکدیگر برای طبقه بندی انواع پوشش گیاهی و کاربری اراضی به کار گرفت. طبقه بندی انواع مراتع، اطلاعات اصلی را برای آنالیز بهره وری کشاورزی، محاسبة کربن و شناسایی تنوع زیستی فراهم می کند. نخستین مجموعه داده های استفاده شده در مطالعة حاضر، تصویر لندست (Thermatic Mapper) TM و دومین مجموعة داده ها، تصویر راداری ENVISAT ASAR برای منطقة مورد مطالعه واقع در محدودة شمال غربی شهر تهران (البرز جنوبی) است. در پژوهش حاضر، پس از اعمال چندین روش تصحیح توپوگرافی تصویر نوری که همگی جزو روش های غیرلامبرتی اند و با توجه به معیارهای ارزیابی این روش ها، تصحیح توپوگرافی تصویر نوری انجام شد. در ادامه، سودمندی و بهبودی که با استفاده از ویژگی های استخراج شده از تصویر راداری و نوری که شامل بافت آنهاست و در تلفیق با باندهای طیفی تصویر نوری به کار رفته است. روی نتایج طبقه بندی نهایی بررسی شد. برای انتخاب ویژگی های مستقل که منتج به بالاترین صحت نتایج شود از الگوریتم ژنتیک استفاده شد. تأثیر استفاده از داده های ارتفاعی منطقه و شاخص های گیاهی تصویر نوری بر نتایج نهایی طبقه بندی در بخش دیگری از تحقیق بررسی و باندهای بهینه انتخاب شدند. نتایج به دست آمده نشان دهندة افزایش صحت کلی و ضریب کاپای طبقه بندی بیشترین شباهت از 04/77 و 7317/0 برای تصویر نوری اولیه به 1/78 و 7495/0 در حالت استفاده از الگوریتم ژنتیک و 37/83 و 8036/0 در حالت استفاده از داده های ارتفاعی و شاخص های گیاهی است. کلید واژه ها : تلفیق تصاویر، طبقه بندی مراتع، تصحیح توپوگرافی، بافت تصویر، سنجش از دور.

پدیدة جزیرة حرارتی شهری، با توجه به دگرگونی های هواسپهری همراه با افزایش شهرنشینی، طی سال های واپسین شدت یافته است. الگوهای فضایی- زمانی ترکیبات بیوفیزیکی که دربرگیرندة پوشش گیاهی، سطح نفوذناپذیر و نوع خاک در شهرند جزایر حرارتی شهری را تحت تأثیر چشمگیری قرار می دهند. هدف از این پژوهش مطالعة نقش پارامترهای بیوفیزیکی شهری در شکل گیری و خوشه ای شدن جزایر حرارتی شهری مشهد مقدس است. به منظور دستیابی به هدف مطرح شده، تصاویر حسگرهای OLI و TIRS ماهوارة لندست 8 برای اوت سه سال 2013، 2014 و 2015 استفاده شد. برای استخراج مقادیر UHI از LST، از یک رویکرد نوآورانة شیء گرا استفاده شد؛ به طوری که پس از محاسبة دمای سطح زمین (LST) با استفاده از شاخص محلی همبستگی مکانی (LISA) خوشه های گرم و سرد جزایر حرارتی مشهد استخراج شدند. برای ارزیابی ترکیبات بیوفیزیکی شهر مشهد نیز سه شاخص NDVI، NDBI و NDBal به کار برده شد. نتایج نشان داد در تحلیل همبستگی دوبه دو پارامترهای بیوفیزیکی با دمای سطح زمین، با شدت مقدار LST، ناهمگنی فضایی خوشه ها به شکل غیرخطی افزایش می یابد. تحلیل های مکانی سه نوع جزیرة حرارتی شهری را آشکار کرده است: جزایر حرارتی پیرامونی، جزایر حرارتی کانونی و جزایر حرارتی خطی. تحلیل خودهمبستگی فضایی با شاخص های موران و گری نشان از مقداری کاهشی دارد که مبین ازبین رفتن نظم فضایی دمای سطح زمین شهر مشهد است. همبستگی مکانی با شاخص موران محلی بر افزایش وسعت جزایر حرارتی گرم در طول دوره های مورد مطالعه تأکید داشته است.

افزایش سطح غلظت گازهای گلخانه ای و به تبع آن، گرم شدن کره زمین و تغییرات آب وهوایی یکی از مهم ترین چالش های قرن بیست ویکم شناخته شده است. این پژوهش عملکرد الگوریتم های موجود در بازیابی غلظت گازهای گلخانه ای دی اکسید کربن را، براساس داده های مشاهداتی ماهواره نظارت بر گازهای گلخانه ای گوست (GOSAT)، در مقایسه با داده های مرجع به دست آمده از شبکه سطحی (TCCON)، در هشت سایت منتخب در دوره زمانی 2015-2011 بررسی می کند. الگوریتم های مورد ارزیابی عبارت اند از الگوریتم NIES، ACOS و RemoTeC (SRFP). این الگوریتم ها بر بازیابی فراوانی ستونی از گازهای مورد نظر متمرکز شده اند تا از مقادیر مولکولی هوای خشک اتم دی اکسید کربن (XCO2) بهره بگیرند. برای ارزیابی محصولات هر الگوریتم با مقدار معادل مشاهداتی زمینی آن، از شاخص های آماری اریبی (Bias)، جذر میانگین مربع خطاها (RMSE)، خطای مطلق (MAE)، انحراف معیار (SD) و ضریب همبستگی پی یرسون (CR) در هر ایستگاه استفاده شده است. نتایج بررسی مقادیر داده شده نشان می دهد که، در بیشتر ایستگاه های زمینی مورد نظر، به ترتیب الگوریتم های NIES، ACOS، RemoTeC (SRFP) دارای کمترین خطای RMSE، MAE، و کمترین خطای اریبی بوده اند. همچنین، کمترین مقادیر همبستگی (بین هر الگوریتم و شبکه سطحی) متعلق به الگوریتم (SRFP) و بیشترین مقادیر آن، درمورد بیشتر ایستگاه ها، متعلق به الگوریتم NIES در یک میانگین پنج ساله (2015-2011) است. 

یکى از عوامل اصلى وموثر در ایجاد فرسایش خاک پو شش گیاهی یک حوزه می باشد. به طورى که با شناخت و ارزیابى این عوامل بهتر مى توان از طریق راه کارهاى اصولى از زیان هاى مختلف فرسایش جلوگیرى کرد و یا آن را به حداقل ممکن رسانید. در این مقاله مدل فرسایش و رسوب RUSLE در محیط سیستم های اطلاعات جغرافیایی (GIS) برای بررسی نقش پوشش گیاهی در میزان فرسایش و رسوب مورد استفاده قرار گرفته است. در این مقاله با ثابت در نظر گرفتن سایر پارامترهای موثر در میزان فرسایش و رسوب R . K. L. S. P به بررسی نقش عامل C پرداخته شد. در حوزه آبخیز کش و لهران در حدود 5 % مساحت حوزه دارای مراتع ضعیف است. که میزان فرسایش در این واحد کاری در حدود 12.3 تن در هکتار در سال براورد گردید.سپس با تغییر کاربری این واحد اراضی به باغات میزان فرسایش به 9.9 تن در هکتار در سال رسید. میزان فرسایش کل حوزه با کاربری فعلی 10.6 تن در هکتار در سال براورد گردید که زمانی که مراتع ضعیف به باغات تبدیل گردید به میزان فرسایش کل حوزه به 10.3 تن (0.3 تن در هکتار در سال) کاهش پیدا کرد.

تغییرات رشد محصولات کشاورزی در فواصل زمانی نسبتاً کوتاه، ناهم زمانی کشت محصولات مشابه، شباهت طیفی میان محصولات گوناگون در برخی از زمان های دوره کشت و کمبود داده های زمینی، طبقه بندی محصولات زراعی در تصاویر ماهواره ای را به کاری چالش برانگیز مبدل می کند. تغییر مقدار درصد پوشش و سبزینگی، در طول فصل رشد، از برجسته ترین ویژگی پوشش های گیاهی ازجمله محصولات کشاورزی است که می توان بر آن نظارت کرد. این کار با استفاده از سری زمانی شاخص های گیاهی انجام می شود که اطلاعات بسیار مفیدی از توالی ویژگی های فنولوژیک محصولات کشاورزی در اختیار ما قرار می دهد. استفاده از روش های یادگیری عمیق با توانایی یادگیری اطلاعات متوالی حاصل از این سری ها می تواند، در طبقه بندی محصولات کشاورزی و کاهش وابستگی به داده های زمینی، مفید باشد. شبکهLong-Short Term Memory (LSTM) یکی از انواع شبکه های عصبی بازگشتی در تجزیه و تحلیل داده های متوالی است که توانایی یادگیری توالی های بلندمدت در سری زمانی را دارد؛ بنابراین در این مطالعه، پس از محاسبه شاخص NDVI از باندهای ماهواره سنتینل 2 در نُه تاریخ متفاوت و تشکیل سری زمانی آن شاخص برای ورود به شبکه، دو ناحیه متفاوت در دشت مغان در نظر گرفته شد که محصولات کشت شده در آنها، طی عملیات زمینی، برداشت شده بود. در ناحیه اول، شبکه کانولوشنی LSTM برای طبقه بندی محصولات آموزش دید و در ناحیه دیگر، کارآیی این شبکه آموزش دیده در طبقه بندی محصولات ارزیابی شد و دقت کلی 82% و ضریب کاپای 8/0 به دست آمد. افزایش تعداد نمونه های زمینی و انتخاب مرز دقیق محصولات، می تواند کارایی روش مورد استفاده را افزایش دهد.

همه ساله حوادث متعددی در جهان به وقوع می پیوندد حوادثی ک ه ب ه ط ور ناگه انی روی م ی ده د و موجب وارد آمدن خسارت به انسان ومحیط طبیعی می شود؛ به عنوان مخاطرات طبیعی شناخته می شوند.این مخاطرات به دلیل غیر منتظره ی خود، در بیشتر موارد خسارت جانی ومالی بسیاری بر جای می گذارد. زمین لغزش و زلزله مخاطرات محیطی می باشدکه وقوع آنها باعث تلفات وخسارت های زیادی می شود زلزله ها با توجه به(دوره بازگشت) احتمال وقوع آنها وجود دارد. از این رو تشخیص مناطق مستعد زلزله وزمین لغزش، برای به کارگیری روش های پیشگیری یا مقابله با ناپایداری مناطق به منظور کاهش خطر و ریسک حاصل از آنها، بسیار اهمیت دارد. هدف از این مطالعه،مکان یابی شهرها با تاکید بر محدودیت های ژئومورفولوژیکی است. به این منظور، ابتدا از میان مهم ترین عوامل مؤثر برزلزله و زمین لغزش، 6عامل مقدار شیب، جهت شیب، جنس مصالح زمین شناسی، فاصله از گسل، شتاب زمین لرزه و میزان بارندگی که تهیه داده هایشان برای همه استان تهران امکان پذیر بود، بر پایه قضاوت مهندسی در محیط GISکلاسه بندی شدند.در روش AHP برپایه لایه ها وزیر لایه ها اطلاعاتی،وزن دهی وبا هم تلفیق شدند وسپس نقشه پهنه بندی خطر احتمال زلزله وزمین لغزش در محیط GISتهیه شد. بنابراین نقشه خطر زمین لغزش وزلزله به طراحان و مهندسان در جهت انتخاب مکان یابی مناسب برای اجرای طرح های توسعه کمک بزرگی می کند که مکان یابی مناسب برای اجرای توسعه پایدار بدون در نظر گرفتن محدودیت ها و برنامه ریزی و مدیریت آن ممکن نخواهد بود. نتایج این تحقیق نشان می دهد که این استان بیشترین تهدید را از لحاظ محدودیت های ژئومورفولوژیکی زمین لغزش وزلزله را دارد.

استفاده از داده های چندکانالة1 سنجنده های رادار با روزنة مجازی (SAR)2، به دلیل مستقل بودن از شرایط جوی و نور خورشید و نیز دارابودن قابلیت بالا در استخراج تغییرات، در مقایسه با حالت تک کاناله، در کاربردهای متفاوتی مانند نظارت بر محیط زیست و مدیریت بلایای طبیعی بسیار توجیه پذیر است. با این حال، بهره برداری از این قابلیت ها به استفاده از روش های دقیق و اتوماتیک برای تولید نقشه های تغییرات از تصاویر اخذشده از منطقة جغرافیایی یکسان، در پلاریزاسیون ها یا فرکانس های گوناگون مربوط به زمان های متفاوت، نیاز دارد. از سوی دیگر، حساسیت به بافت صحیح برای یک پیکسل می تواند به حذف خطاهای برچسب گذاری پیکسل های منفرد کمک کند و نقشة تغییرات را بهبود بخشد. حذف نویز لکه ای و ماهیت ایزوتروپیک مدل سازی میدان های تصادفی مارکوف موجب نرم شدن مرزهای مکانی بین مناطق تغییریافته و تغییرنیافته در نقشة تغییرات نهایی می شود. به منظور حذف یا دست کم کاهش این اثر نامطلوب، استفاده از مدل مارکوف با هدف دخیل کردن اطلاعات لبه ها در فرایند برچسب گذاری پیشنهاد می شود. این روند دقت لبه ها در محل مرزهای مکانی را بهبود می بخشد و دقت آشکارسازی تغییرات را ارتقا می دهد. در این تحقیق، یک مدل مارکوف به منظور تشخیص نظارت نشدة تغییرات، ازطریق ترکیب اطلاعات موجود در هریک از کانال هایSAR ، اطلاعات بافت مکانی و نیز اطلاعات لبه، معرفی شده و با استفاده از «توابع انرژی» فرموله شده است. به منظور برآورد پارامترهای مدل، الگوریتم بیشینه سازی امید ریاضی (EM)3 با روش مشتقات لگاریتمی (MoLC)4 ترکیب شده است. الگوریتم پیشنهادی با استفاده از تصاویر ASAR-ENVISAT به روش شبیه سازی ارزیابی شده است. براساس نتایج، روش پیشنهادی دقت کلی را، در مقایسه با روش های موجود آشکارسازی تغییرات (با میانگین 12%)، افزایش داده و قابلیت شناسایی هر سه نوع تغییرات (اندک- متوسط- زیاد) را داراست. این در حالی است که، با درنظرگرفتن اطلاعات باندها و بافت مکانی، قدرت شناسایی تغییرات اندک و متوسط بسیار پایین برآورد شده است. همچنین، با توجه به تعداد دفعات تکرار پایین، زمان اجرای الگوریتم بسیار کاهش یافته است. به طورکلی، بیشترین دقت الگوریتم، براساس روش پیشنهادی، 67/99% برآورد شد.

آگاهی از میزان تاج پوشش درختان در مناطق شهری به علت تأثیرات آن در کاهش آلودگی های هوا، کاهش آلودگی صوتی، جلوگیری از باد، ذخیره نزولات آسمانی، و کاهش و کنترل رواناب های شهری بسیار ضروری است. ازآن جا که استخراج تاج پوشش درختان با روش های دستی بسیار وقت گیر و پرهزینه است، تکنیک های سنجش از دور می توانند ابزار مناسبی برای تأمین این داده ها باشند. در طبقه بندی شیء پایه، انتخاب پارامترهای بهینه قطعه بندی، به ویژه پارامتر مقیاس، اهمیت بسیاری دارد و معمولاً با شیوه آزمایش و خطا تعیین می شود که کاملاً تجربی است. بنابراین، یکی از اهداف این پژوهش انتخاب مقیاس بهینه قطعه بندی به صورت خودکار است. همچنین، پس از استخراج قطعات، لازم است با یک روش طبقه بندی، قطعات استخراج شده تعیین کاربری/ پوشش زمین شوند و در این زمینه، انتخاب نوع روش طبقه بندی در نتیجه نهایی طبقه بندی شیء پایه بسیار اهمیت دارد. ازاین رو، پس از قطعه بندی با استفاده از داده های لیدار و تصاویر هوایی از شهر واهینگن در آلمان و تعیین ویژگی های مهم مستخرج از قطعات، با استفاده از روش انتخاب ویژگی برمبنای جنگل تصادفی، قطعات مربوط به تاج پوشش درختان از سایر قطعات تفکیک شد. این کار با بهره گرفتن از شیوه های یادگیری ماشین شامل ماشین بردار پشتیبان، جنگل تصادفی و درخت تصمیم گیری صورت گرفت. نتایج نشان دهنده برتری الگوریتم ماشین بردار پشتیبان، به منزله برترین الگوریتم طبقه بندی کننده، و مقیاس 25، به منزله بهترین مقیاس انتخابی، بود و در نهایت، الگوریتم های ماشین بردار پشتیبان، جنگل تصادفی و درخت تصمیم گیری در مقیاس 25، به ترتیب، با شاخص های کیفیت 79.90 و 79.16 و 76.90 توانستند تاج پوشش درختان را استخراج کنند.

تعیین تناسب اراضی، برای استقرار توربین های بادی به منظور بهره برداری مناسب از پتانسیل های موجود و بالقوه انرژی بادی، به عنوان یکی از منابع انرژی تجدید پذیر، در مناطق مختلف کشور دارای اهمیت است. تعیین مناطق با تناسب بالا جهت استقرار توربین های بادی تأثیر زیادی در کارایی تجهیزات و وسایل تولید برق بادی دارد. تاکنون تحقیقات صورت گرفته در منطقه خراسان رضوی، تنها به تحلیل آماری داده های سرعت و جهت باد بسنده کرده و معیارهای مکانی تأثیرگذار در محل احداث نیروگاه بادی را کمتر مدنظر قرار داده است. این تحقیق به دنبال تحلیل تناسب اراضی، برای احداث نیروگاه بادی با استفاده از معیارهای محیطی (شامل شیب، ارتفاع، فاصله از گسل، فاصله از رودخانه، فاصله از مناطق حفاظت شده)، فنی (شامل متوسط سرعت باد، پیوستگی باد و تراکم باد) و اقتصادی (شامل فاصله از شهر، فاصله از روستا، فاصله از فرودگاه، فاصله از منابع طبیعی و فاصله از جاده) و با استفاده از روش های تصمیم گیری چند معیاره ANP، ANP-DEMATEL و ANP-OWA است. هدف، ارزیابی نتایج هر یک از مدل ها و تولید نقشه تناسب اراضی برای احداث نیروگاه بادی در سناریوهای مختلف تصمیم گیری است. بر این اساس، ابتدا با استفاده از توابع تحلیلی سامانه اطلاعات مکانی، کل محدوده برای هر یک از معیارها پهنه بندی شده و سپس نقشه تناسب اراضی با استفاده از هر یک از روش های تصمیم گیری چندمعیاره ذکرشده، تولید و با یکدیگر مقایسه شده اند. با بررسی نقشه های تناسب اراضی مشخص شد که در سناریوهای مختلف تصمیم گیری، ناحیه جنوب شرقی استان دارای بیشترین پتانسیل برای احداث نیروگاه بادی است. نتایج این تحقیق، ابزار مناسبی برای تصمیم گیری درباره انتخاب مکان مناسب، به منظور احداث نیروگاه بادی در اختیار این صنعت قرار می دهد.