سنجش از دور و GIS ایران

سابقه و هدف: پایش وضعیت فعلی جنگل کاری های موجود در تصمیمات مدیریتی برای توسعه جنگل کاری ها در آینده بسیار مهم است. این مطالعه به منظور پایش سطح، پراکنش و سلامت جنگل کاری ها در شهرستان لنگرود استان گیلان انجام شد. مدیریت پایدار عرصه های جنگل کاری های سنواتی در حال و آینده نیازمند مطالعاتی در مورد وضعیت جنگل کاری ها با تمرکز بر سلامت آنها است و مناطق جنگل کاری شده سالم می توانند عملکرد محیط زیستی بیشتری را در مقایسه با جنگل کاری های ناسالم داشته باشند. هدف این مطالعه تهیه نقشه و مساحی محدوده های جنگل کاری های شهرستان لنگرود با استفاده از برداشت های زمینی، نرم افزار جی پی اس اندروید (GFAMP) و سامانه گوگل ارث برای حفاظت، غنی سازی و توسعه جنگل کاری ها در آینده است. همچنین سلامت توده ها با استفاده از تصاویر سنجنده سنتینل2 و شاخص های پوشش گیاهی NDVI، TNDVI، SAVI و RVI ارزیابی می شود. مواد و روش ها: در این مطالعه، ابتدا برداشت های میدانی در قالب نقاط زمینی، از جنگل کاری های موجود انجام شد و نقشه پراکنش جنگل کاری ها با استفاده از برداشت های زمینی، نرم افزار جی پی اس اندروید (GFAMP) و سامانه گوگل ارث تهیه شد. سپس تصویر سنجنده سنتینل2 مربوط به فصل رویش در شهرستان لنگرود از سایت کوپرنیکوس تهیه شد. از تصاویر سنجنده سنتینل2، شاخص های پوشش گیاهی مختلف مانند NDVI، TNDVI، SAVI و RVI مربوط به فصل رویش استخراج شد و نقشه های آنها در محدوده جنگل کاری ها تهیه شد. در ادامه، میزان هر شاخص پوشش گیاهی، در نقاط برداشت های زمینی استخراج شد و میزان همبستگی مقادیر هر شاخص پوشش گیاهی (حاصل از تصاویر فصل رویش سنجنده سنتینل2) با سلامت جنگل کاری ها (حاصل از برداشت های میدانی) بررسی شد. بدین منظور از ضریب همبستگی پیرسون استفاده شد. سپس شاخصی که بیشترین همبستگی را با سلامت جنگل کاری های شهرستان لنگرود نشان داد به عنوان مهمترین شاخص برای برآورد سلامت جنگل کاری ها انتخاب شد و رابطه رگرسیونی آن نیز با سلامت جنگل کاری ها به دست آمد. در ادامه، با استفاده از نقشه مطلوب ترین شاخص پوشش گیاهی، اطلاعات برداشت های میدانی و ارتباط بین این دو مورد، نقشه سلامت جنگل کاری ها در شهرستان لنگرود تهیه شد. نتایج و بحث: بر اساس یافته های این پژوهش، در مجموع 66 قطعه جنگل کاری در این شهرستان شناسایی شد که مساحت کل این قطعات با استفاده از روش آماربرداری صددرصد و کنترل زمینی به میزان 2/746 هکتار به دست آمده است که به طور عمده در جنوب غربی شهرستان پراکنش دارند. به علاوه نتایج نشان داد که شاخص NDVI، مطلوب ترین شاخص پوشش گیاهی برای برآورد سلامت جنگل کاری ها در شهرستان لنگرود می باشد که حاکی از قابلیت این شاخص برای ارزیابی سلامت درختان در فصل رویش است. پس از آن، شاخص SAVI بیشترین همبستگی را با سلامت درختان نشان داد که قابلیت خوب این شاخص را نیز در پایش سلامت درختان نشان می دهد. در حالی که دو شاخص TNDVI و RVI همبستگی بسیار کمتری را با سلامت درختان در محدوده جنگل کاری های لنگرود نشان دادند که استفاده از آنها برای ارزیابی سلامت درختان در مطالعات بعدی توصیه نمی شود.. از مجموع مساحت فعلی جنگل کاری ها، 56/400 هکتار آنها در وضعیت سلامت کامل، 60/305 هکتار در وضعیت سلامتی متوسط و 04/40 هکتار در وضعیت ناسالم قرار دارند. صحت کلی (OA) نقشه سلامت جنگل کاری ها در این پژوهش، 80 درصد، صحت تولیدکننده 79 درصد، صحت کاربر 78 درصد و ضریب کاپا 73/0 است. این نتایج نشان دهنده طبقه بندی مطلوب نقشه سلامت جنگل کاری ها در طبقات مختلف سلامت و شادابی درختان است. به طور کلی جنگل کاری های این شهرستان عمدتاً در سلامت کامل هستند، اما برخی از عرصه های کچل بن، لرزیان، گندم بیجاران، قازی دشت، خورش سرا و چاکسر (چاکدشت) به دلیل عدم انجام عملیات حفاظتی و نداشتن قرقبان در سال های اولیه، از موفقیت کمتری برخوردارند. نتیجه گیری: نتایج این پژوهش به مدیران جنگل برای پایش کمّی و کیفی جنگل کاری ها و تداوم آن در دوره های زمانی معین و همچنین برنامه های توسعه جنگل کاری در آینده کمک شایانی می کند. مدل رگرسیونی ارائه شده براساس همبستگی بالای شاخص NDVI با سلامت جنگل کاری ها، امکان برآورد سریع، ارزیابی کمّی، کم هزینه، مقرون به صرفه و اقتصادی وضعیت سلامت جنگل کاری ها در سطح وسیع و مناطق غیرقابل دسترس را فراهم می کند. نتایج این تحقیق با شناخت وضعیت موجود جنگل کاری ها، دید مناسبی از توان و پتانسیل های شهرستان لنگرود برای جنگل کاری با توجه به شرایط محیطی و اکولوژیکی این شهرستان، ارائه می دهد.

سابقه و هدف: جزیره لارک به دلیل تنوع توپوگرافی و حضور تپه ماهورها و سواحل صخره ای و سایر تیپ های ساحلی، از محیط های خاصی برخوردار می باشد که منجر به ایجاد زیستگاه های حیات وحش جانوری متنوع شده است. به علاوه سواحل صخره ای و وجود خطوط ساحلی متنوع شرایط بسیار مناسبی برای حضور طیف گسترده ای از جانوران و گیاهان فراهم آورده است. با این حال در سالیان اخیر عوامل مختلفی سبب قرارگیری زیستگاه های ساحلی این جزیره در معرض تهدید گردیده است. مواد و روش: در این پژوهش، مناطق ساحلی تحت پوشش دارایی های طبیعی از جمله مرجان، مانگرو، جلبک های دریایی که به طور پیش فرض می توانند محل زندگی و زادآوری گونه های گیاهی و جانوری مختلف باشند، به عنوان "زیستگاه" و سایر مناطق تغییر یافته به واسطه دخالت های انسانی به عنوان "غیرزیستگاه" در نظر گرفته شد. در این بررسی از مدل ارزیابی ریسک زیستگاه InVEST HRA (Habitat Risk Assessment)  برای بررسی اثر فعالیت های انسان در اکوسیستم های ساحلی و دریایی  استفاده شد. در مطالعه حاضر و به دلیل اهمیت نقش کاربر در تعیین عوامل استرس زا و زیستگاه ها، با پایش میدانی و بر اساس نظر کارشناسی و آگاهی از منطقه مورد مطالعه، کلیه عوامل استرس زا شناسایی گردید. نتایج: ارزیابی نتایج نمودار خروجی مدل HRA Invest نشان می دهد که ساختارهای انسانی و گردشگری غیر مسئولانه به عنوان عوامل استرس زای اصلی در منطقه بین جزر و مدی و افزایش دمای سطح آب، حمل و نقل دریایی، صید ترال، استخراج دریایی، نشت مواد نفتی، آب شیرین کن، فعالیت های صیادی، صید ساحلی سنتی با درجات مختلف در منطقه زیر جزر و مدی محسوب می شوند. نتایج مربوط به خروجی نقشه ریسک تجمعی زیستگاه بین جزر و مدی جزیره لارک در شکل 3 و نقشه ریسک تجمعی در منطقه زیر جزر و مدی در شکل 4 نشان داده شده است. منطقه ساحلی (بین جزر و مدی) جزیره لارک کمترین رتبه تجمعی استرس زیستگاه 4 و بیشترین رتبه تجمعی 13و میانگین رتبه تجمعی استرس 5/8 می باشد. در منطقه دریایی (زیر جزر و مدی) جزیره لارک کمترین رتبه تجمعی استرس زیستگاه 0 و بیشترین رتبه تجمعی 30و میانگین رتبه تجمعی استرس 15 است. نتایج نشان می دهد که میزان ریسک تجمعی در محدوده آب های زیر جزر و مدی جزیره لارک، در سواحل شمالی، شمال شرق و شرقی جزیره بالا است. در این جزیره عمده زیستگاه های مهم به همراه دماهای بالای آب سطحی در گرمترین ماه سال به طور کلی در شمال و شرق جزیره متمرکز شده است، که این امر باعث اختلاف بارز بین رتبه های ریسک زیستگاه در قسمت های شمال و غرب جزیره نسبت به شرق و جنوب آن باشد.  نتیجه گیری: نتایج نشان می دهد که تدوین و اجرای برنامه های پایش، حفاظت و یا احیا و بازسازی در بخش های مختلف ساحلی جزیره لارک می بایست مبتنی بر طرح های توسعه و نیز متناسب با میزان تهدیدات در بخش های مختلف اعمال گردد. رتبه استرس در محدوده زیر جزر و مدی در سواحل شمالی، شمال شرق و شرقی اطراف جزیره لارک در طیف نسبتا زیاد و زیاد قرار گرفته است، براساس میانگین تهدید منطقه زیر جزر و مدی می توان اینگونه تفسیر نمود که در وضعیت موجود، رتبه استرس و تهدیدات زیاد است. از این رو زیستگاه های مرجانی و جلبکی در این منطقه تحت استرس و تهدید زیاد قرار دارند که رویکرد مداخله فشرده نظیر تعیین مناطق حفاظت شده دریایی و جلوگیری از ورود عوامل آلاینده به این منطقه می بایست مد نظر قرار گیرد.

سابقه و هدف : دمای سطح زمین یک متغییر کلیدی در برنامه ریزی ناحیه ای و منطقه ای می باشد باتوجه به اهمیت دمای سطح زمین در مطالعات تغییرات اقلیمی، مدل سازی هیدرولوژیکی ، نظارت بر پوشش گیاهی، جزیره گرمای شهری، توسعه ی شهری،گرمایش جهانی، شرایط کشاورزی و همچنین تأثیر آن بر نرخ و زمان رشد گیاهان پارامتر ورودی به اکثر مدل ها است؛ هرچه دقت تخمین این متغیر بالاتر باشد خروجی مدل نیز همراه با دقت بالاتری خواهد بود؛ بنابراین مطالعه بهینه و مناسب تغییرات مکانی و زمانی دمای سطح زمین در شرایط جوی و آب و هوایی متفاوت ضروری است.با توجه به محدودیت ایستگاه های هواشناسی، سنجش از دور می تواند به عنوان پایه و اساس بسیاری از داده های هواشناسی مورد استفاده قرار گیرد. دمای سطح زمین در تصاویر ماهواره ای شامل میانگین دمای پیکسلی است که پوشش دهنده بخشی از سطح زمین بوده و بر اساس انرژی رسیده به سنجنده (رادیانس) در باند حرارتی محاسبه می شود. از این رو عدم وجود قدرت تفکیک زمانی و مکانی بالا ی داده های ماهواره ای به طور همزمان یک چالش اساسی در بررسی و تخمین متغیر دما مطرح می گردد. مواد و روش ها : در این مطالعه سعی شد با استفاده از روش یادگیری عمیق و یادگیری ماشین، از تصاویر ماهواره ای MODIS، VIIRS و ECOSTRESS استفاده و نقشه های روزانه دمای سطح زمین سنجنده ی ECOSTRESS با قدرت تفکیک مکانی 70 متر در زمان های فاقد داده در آبخیز بار-اریه نیشابور استان خراسان رضوی و آبخیز سد لتیان در استان تهران تولید گردد. مدل های مورد استفاده در پژوهش شامل مدل SVR به عنوان یک مدل محبوب یادگیری ماشین در زمینه های پیش بینی و رگرسیون و مدل LSTM یکی از قوی ترین مدل های یادگیری عمیق در حوزه پردازش سری های زمانی می باشند. برای این منظور سه جفت تاریخ برای هرحوضه (شش تاریخ) انتخاب شد. تصاویر هر جفت داده به طور همزمان دراختیار مدل ها قرار گرفتند. درنهایت با استفاده از آماره های RMSE، و NRMSE عملکرد هر مدل در هر تاریخ مورد ارزیابی قرار گرفت. نتایج و بحث : بررسی ضرایب RMSE ،  و NRSME مربوط به مدل LSTM و SVR برای هر دو منطقه نشان دهنده ی برتری عملکرد مدل LSTM بود. بهترین نتیجه RMSE ،  و NRMSE حاصل از مدل LSTM برای آبخیز بار-اریه در تاریخ های 17 ژوئن 2020 به ترتیب 81/1 درجه سانتی گراد، 66/0 و 94/11 درصد و در حوزه آبخیز لتیان برای تاریخ 28 ژوئن 2019 به ترتیب حدود 61/1 درجه سانتی گراد، 83/0 و 65/8 درصد بود. مدل LSTM با توجه به ساختار، ویژگی های خود و به عنوان یک مدل یادگیری عمیق قوی با استخراج ویژگی از درون داده های خام با درنظر گرفتن ماهیت سری زمانی بودن داده ها توانست بر پیچیدگی های فرآیند تحت مدل سازی غلبه نماید.ذکر این نکته ضروری است که با درنظرگرفتن پیچیدگی فرآیند و متنوع بودن عوامل موثر بر دمای سطح زمین نتایج به دست آمده از دقت و صحت قابل قبولی برخوردار هستند. بازسازی و پیش بینی دمای سطح زمین برای 3 الی4 روز بعد انجام شده است (با توجه به فاصله زمانی بین دو تصویر متوالی ECOSTRESS). تنوع و جزئیات رویدادهایی که در این زمان می تواند رخ دهد گواهی دیگر بر مناسب بودن نتایج و کارایی مدل LSTM است. نتیجه گیری : بررسی نتایج و مقادیر  به عنوان یک معیار استاندارد برای ارزیابی تحلیل های رگرسیون، و نیز مقادیر RMSE و NRMSE نشان از برتری مدل LSTM در بازسازی مقادیر دمای سطح زمین ECOSTRESS می باشد. با توجه به دامنه تغییرات و مولفه های موثر، دمای سطح زمین در تاریخ های مورد بازسازی بین صفر تا بعضا نزدیک به 35 درجه سانتیگراد تغییر نمود، مقدار RMSE (نشان دهنده متوسط خطای مدل ) برای مدل LSTM بین حدود 1.5 تا 3 درجه سانتیگراد بوده که قابل قبول و مناسب به نظر می رسد. مقادیر نرمال شده RMSE یا همان NRMSE نیز در اغلب تاریخ ها بین 8 تا 17 درصد بوده که در مدل سازی های محیطی با توجه به پیچیدگی های بالای فرآیندها مقادیر قابل قبولی می باشند.

استفاده از مدل رقومی ارتفاع (DEM)، استخراج خصوصیات فیزیوگرافی مورد استفاده در مدل های هیدروگراف واحد لحظه ای نش و روسو را میسر می سازد. بنابراین دقت مکانی مدل رقومی ارتفاع بر عملکرد مدل های هیدروگراف واحد لحظه ای نش و روسو موثر می باشد. لذا پژوهش حاضر با هدف ارزیابی تاثیر مدل های رقومی ارتفاع شامل ALOS PALSAR، ASTER، SRTM و GTOPO به ترتیب با دقت 5/12، 30، 90 و 1000متر و  مدل رقومی ارتفاع حاصل از نقشه توپوگرافی (TOPO)سازمان زمین شناسی با مقیاس 1:25000 و دقت 10 متر در مدل های نش و روسو در حوزه آبخیز کسیلیان انجام شد . مواد و روش ها حوزه آبخیز کسیلیان به مساحت حدود 43/66 کیلومترمربع در جنوب شرق استان مازندران در عرض شمالی ´´30 ˊ 58° 35تا  ´´15 ˊ07 °36 و طول شرقی ´´44 ˊ08 °53 تا ´´42 ˊ15 °53 است. این حوضه بر اساس طبقه بندی اقلیمی دومارتن دارای آب و هوای مرطوب است و بارندگی متوسط منطقه 4/783 میلی متر می باشد.خصوصیات فیزیوگرافی شامل نسبت های هورتونی برای هر DEM محاسبه شد. در نهایت ابعاد هیدروگراف واحد لحظه ای بر اساس مدل های نش و روسو برای 64 واقعه بارش-رواناب و پنج DEM مختلف تخمین زده شد. نتایج و بحث نتایج نشان داد با کاهش دقت DEM تکامل شبکه آبراهه از دست می رود به نحوی که حداکثر رتبه آبراهه در مدل های TOPO وPALSAR  ALOS  برابر با شش، و در ASTER تعداد آن به پنج کاهش یافت. تنها درSRTM و GTOPO تعداد رتبه های آبراهه به طور قابل ملاحظه ای به سه تقلیل پیدا کرد. پارامتر های n و k به عنوان مولفه های موثر در مدل های نش و روسو هستند که در مدل نش میزان n در DEMهای مختلف اختلاف معنی داری نداشت. اما مقدار k با کاهش دقت DEM  از 35/1 به 64/1 افزایش یافته است.  در برآورد پارامتر n به روش روسو، روند ثابتی در مدل های رقومی ارتفاع دیده نمی شود به طوری که در TOPO، ALOS PALSAR و ASTER حدود شش به دست آمد. در حالی که در SRTM، سه و در GTOPO، چهار برآورد شد و پارامتر k برای هر رویداد متفاوت و مقدار آن در DEMهای مختلف متفاوت بوده است. در حجم رواناب برآوردی روش نش، کمترین و بیشترین متوسط درصد خطای نسبی به ترتیب مربوط به مدل هایTOPO و GTOPO با مقادیر 72/10 و 01/11درصد می باشد. در ارتباط با حجم رواناب تخمینی روش روسو، مقدار متوسط درصد خطای نسبی در سه مدل TOPO، ALOSPALSAR و ASTER تقریباً مشابه به دست آمده است. در حالی که میزان خطا در SRTM و GTOPO بیشتر از سایر مدل های رقومی ارتفاع برآورد شده است. درواقع به دلیل توانایی مشابه استخراج خصوصیات فیزیوگرافی حوضه از این سه مدل ، نتایج نزدیک به هم به دست آمده است. البته باید بیان نمود که با تفاوت کم، کمترین میزان خطا در تخمین حجم رواناب مربوط به مدل TOPO است. نتیجه گیری مدل رقومی ارتفاع ASTER با دقت پایین تر نسبت به TOPO وPALSAR  ALOS شبکه آبراهه قابل قبولی را ارائه داده است. هرچند SRTM و GTOPO شبکه آبراهه مطلوبی را ارائه نداده اند. به طور کلی با افزایش قدرت تفکیک مکانی DEM تراکم شبکه آبراهه مطلوب تر می شود اما آبراهه اصلی در DEM های با دقت کمتر تا حدودی توسعه یافته است. با تخمین صحیح مقادیر n و k در روش نش و روسو می توان کارایی هر دو روش را در مدل سازی فرآیند بارش-رواناب افزایش داد. روش های متفاوتی جهت تخمین مقادیر n و k ارائه شده است که در پژوهش حاضر به منظور بررسی اثر مدل های رقومی مختلف در روش نش، از بین روش های مختلف تخمین پارمترهای آن از روش تجربی استفاده شده است. در روش تجربی خصوصیات فیزیوگرافی حوزه آبخیز از جمله شیب، طول آبراهه اصلی و مساحت حوضه نقش اصلی را در تخمین دبی اوج ایفاء می کنند. در ارتباط با تخمین دبی اوج، مدل نش و در تخمین حجم رواناب مدل روسو با استفاده از مدلTOPO  عملکرد بهتری داشت. درواقع می توان بیان نمود که تخمین دبی اوج در روش نش بر اساس روش تجربی، در این حوزه آبخیز نتایج قابل قبولی را ارائه داده است. با توجه به ضرورت برآورد دبی اوج در تعیین ابعاد هیدروگراف واحد لحظه ای در حوزه آبخیز به منظور شبیه سازی دقیق و کنترل سیلاب های آتی، استفاده از نتایج پژوهش حاضر می تواند کمک شایانی نماید.

سابقه و هدف: در سالیان اخیر، مدل سازی و شناسایی الگوی توزیع مکانی پدیده جزیره حرارتی شهری با هدف برنامه ریزی برای مواجهه با اثرات این پدیده و پیش بینی تأمین زیرساخت های مورد نیاز در تأمین آسایش حرارتی بهتر شهروندان افزایش یافته است. مدل اوکه از جمله مدل های مطرح در این زمینه است که بیشینه شدت جزیره حرارتی (UHImax ) را بر اساس شاخص نسبت منظر کانیون های شهری شبیه سازی می کند. وابستگی مدل اوکه به شرایط اقلیمی و فیزیکی شهرها ایجاب می کند؛ این مدل قبل از استفاده در هر منطقه شهری، مورد ارزیابی قرار گرفته تا در صورت نیاز، اصلاح شود. با توجه به تأثیراتی که عامل مقاومت آیرودینامیک کانیون های شهری(طول زبری) در UHImax دارد، لحاظ کردن شاخص این عامل در فرآیند محلی سازی مدل، می تواند دقت نتایج حاصل را تحت تأثیر قرار دهد. در این پژوهش سعی شده است، ضمن محلی سازی مدل اوکه در ناحیه ای از منطقه 22 شهر تهران؛ تأثیر طول زبری نیز در این فرآیند بررسی شود. تهیه داده های دمایی کانیون های شهری از جمله چالش های مهم در فرآیند مدل سازی محسوب می شود. تحقیقات نشان می دهد دمای هوای مناطق مرکزی و حومه شهرها در هنگام شب، به دمای سطح زمین (LST) نزدیک است و LST کانیون ها می تواند به عنوان یک تقریب مناسب از دمای هوا مورد استفاده قرار گیرد. لذا در این تحقیق سعی شد؛ با بهره گیری از داده های سنجنده های حرارتی ماهواره ای و استفاده از یک الگوریتم مناسب بازیابی LST ، مشکل تهیه داده های دمایی حل گردد. محاسبه شاخص های هندسی و مقاومت آیرودینامیکی کانیون ها در فرآیند مدل سازی، به علت نیاز به انجام پردازش های گوناگون مکانی، پیچیده و زمان بر است و از این رو، چالشی دیگر در این زمینه محسوب می شود. سیستم های اطلاعات مکانی (GIS) با دارا بودن قابلیت ذخیره سازی روابط توپولوژیک عوارض جغرافیایی و تجزیه و تحلیل آن ها می تواند محاسبه این شاخص ها را تسهیل نماید. لذا در انجام این پژوهش، از سیستم های اطلاعات مکانی استفاده شده است. مواد و روش ها: در این پژوهش به منظور تهیه داده های دمایی مورد نیاز، از داده های سنجنده ASTER و داده های هواشناسی نزدیک ترین ایستگاه هواشناسی به محدوده مطالعاتی در فاصله زمانی سال های 2016 تا 2022 میلادی استفاده شد. این داده ها در محیط نرم افزار MATLAB و با استفاده از الگوریتم پنجره مجزا مورد پردازش قرار گرفت و دمای سطح زمین و بیشینه شدت جزایر حرارتی سطحی در محدوده مطالعاتی محاسبه شد. سپس، محاسبه شاخص های نسبت منظر، طول زبری و UHImax شبیه سازی شده کانیون ها (بر اساس مدل اوکه)؛ از طریق پردازش نقشه های رقومی در برنامه ModelBuilder در محیط نرم افزار ArcGIS صورت پذیرفت. پس از تقسیم بندی محدوده مطالعاتی به محدوده های آموزشی و محدوده چک، محلی سازی مدل UHImax در دو حالت مختلف انجام شد. در حالت اول، ضرایب مدل محلی در محدوده آموزشی با لحاظ کردن شاخص نسبت منظر محاسبه شد. بدین منظور، کانیون ها بر اساس شاخص نسبت منظر به یازده کلاس مختلف طبقه بندی گردید و مقدار UHImax شبیه سازی شده و اندازه گیری شده آن ها در منطقه آموزشی محاسبه شد و از طریق تحلیل رگرسیون این دو دسته داده، مدل محلی اوکه در منطقه مطالعاتی به دست آمد. در حالت دوم، در ابتدا کانیون های محدوده آموزشی بر اساس شاخص طول زبری به دو دسته جداگانه طبقه بندی و سپس، دسته اول کانیون ها بر اساس شاخص نسبت منظر به هشت گروه مجزا و دسته دوم، به سه گروه مختلف طبقه بندی گردید. با محاسبه UHImax شبیه سازی شده و اندازه گیری شده هر یک از گروه ها، و استفاده از تحلیل رگرسیون، مدل محلی سازی شده اوکه برای هر یک از 2 طبقه مذکور تعیین گردید. نتایج و بحث: با اعتبارسنجی مدل های به دست آمده در محدوده چک، مقادیر R^2، ρ،RMSE و MAE حاصل از رگرسیون در حالت اول، به ترتیب: 0/53 ، 0/73، 1/18 ± و 0/98و در حالت دوم، به ترتیب0/80، 0/89، 1/05 ± و 0/87محاسبه شدند. مقایسه این نتایج نشان می دهد لحاظ کردن شاخص مقاومت آیرودینامیک در فرآیند مدل سازی UHImax ضمن افزایش ضرایب همبستگی و ضریب تشخیص رگرسیون؛ سبب افزایش دقت نتایج حاصل از مدل محلی و بهبود مدل شده است.

سابقه و هدف، بافت های فرسوده شهری یکی از جدی ترین معضلات توسعه پایدار شهری در ایران محسوب می شوند که پیامدهای آن در حوزه های کالبدی، اجتماعی، اقتصادی و زیست محیطی نمود یافته است. شهر زنجان نیز به عنوان یکی از شهرهای در حال توسعه، در دهه های اخیر با گسترش فزاینده ی بافت های فرسوده مواجه شده است. این بافت ها با مشکلاتی چون کاهش کیفیت محیط زندگی، ناکارآمدی خدمات شهری، آسیب پذیری در برابر مخاطرات، ناهنجاری های اجتماعی، کاهش حس تعلق و افت سرمایه اجتماعی روبرو هستند. از سوی دیگر، مطالعات و برنامه ریزی های پیشین در قالب طرح های جامع و تفصیلی نتوانسته اند پاسخگوی نیازهای این نواحی باشند و فرآیند بازآفرینی آن ها را تسهیل نمایند. در این راستا، پژوهش حاضر با هدف شناسایی بافت های فرسوده شهری، تحلیل وضعیت آن ها و اولویت بندی راهبردهای ساماندهی، با بهره گیری از فناوری سنجش از دور، مدل DPSIR و روش تصمیم گیری چندمعیاره BWM انجام شده است. مواد و روش ها، برای تحقق اهداف پژوهش، ابتدا داده های ماهواره ای مربوط به شهر زنجان از طریق تصاویر لندست ۸ مربوط به تاریخ ۸ آذر ۱۳۹۹ استخراج گردید. جهت تحلیل فضایی داده ها از نرم افزار ENVI استفاده شد و شاخص هایی نظیر دمای سطح زمین (LST)، پوشش گیاهی (NDVI) و گسیل مندی برای شناسایی مناطق مستعد فرسودگی تحلیل گردید. مناطق شهری با دمای سطح بالا و پوشش گیاهی پایین به عنوان نواحی دارای احتمال بالای فرسودگی شناسایی شدند و با طبقه بندی نتایج، نقشه فرسودگی شهر در پنج کلاس تعریف گردید. کلاس اول به عنوان فرسوده ترین بخش، ۶/۹ درصد از مساحت شهر را شامل شد که بیشتر با نواحی مرکزی و هسته تاریخی زنجان انطباق داشت. کلاس دوم نیز با حدود ۱۰ درصد از مساحت شهر، در وضعیت در حال فرسودگی قرار دارد. نتایج و بحث در گام دوم، برای بررسی عوامل تأثیرگذار بر شکل گیری و تشدید فرسودگی و نیز تدوین راهبردهای ساماندهی، از مدل مفهومی DPSIR استفاده شد. این مدل با تحلیل زنجیره علّی بین نیروهای محرک، فشارها، وضعیت موجود، اثرات و پاسخ های احتمالی، امکان درک جامع تری از فرایند فرسودگی شهری فراهم کرد. به منظور شناسایی و ارزیابی راهبردهای ساماندهی، از نظرات ۲۰ نفر از کارشناسان حوزه شهرسازی که به روش نمونه گیری گلوله برفی انتخاب شده بودند، استفاده شد. سپس برای اولویت بندی راهبردها از روش تصمیم گیری چندمعیاره "بهترین بدترین" (BWM) بهره گرفته شد که در آن بر اساس مقایسه های زوجی، میزان ارجحیت راهکارها تعیین گردید. نتیجه گیری یافته های پژوهش نشان داد که در میان راهبردهای ارائه شده، «مشارکت شهروندان در فرآیند ساماندهی» بالاترین اولویت را داراست. پس از آن، «بازآفرینی اقتصادی بافت های فرسوده» و «شناسایی نواحی در آستانه فرسودگی» به ترتیب در رتبه های دوم و سوم قرار گرفتند. راهبردهایی چون «بهبود پاکیزگی بافت»، «افزایش تراکم جمعیتی» و «بازسازی کالبدی» از کمترین اولویت برخوردار بودند. این اولویت بندی نشان دهنده آن است که مداخلات اجتماعی و اقتصادی، نسبت به اقدامات صرفاً کالبدی، اثربخشی بیشتری در بهسازی بافت های فرسوده خواهند داشت. در نتیجه، پژوهش حاضر با بهره گیری از ترکیب روش های نوین سنجش از دور، تحلیل مفهومی و تصمیم گیری چندمعیاره، الگویی بومی و کارآمد برای شناسایی، تحلیل و برنامه ریزی در حوزه ساماندهی بافت های فرسوده شهری ارائه می دهد. این الگو می تواند به عنوان مبنایی جهت تصمیم گیری مدیران شهری، سیاست گذاران و برنامه ریزان در راستای بازآفرینی پایدار شهری در زنجان و سایر شهرهای مشابه مورد استفاده قرار گیرد.  

پیشینه و هدف: پیشگیری از شور شدن خاک و مدیریت آبیاری کشاورزی بستگی زیادی به برآورد دقیق شوری خاک دارد . بنابراین، استفاده از روش های سنتی (تحلیل آزمایشگاهی، بررسی های میدانی) برای پایش آن ناکافی و نامناسب است، زیرا با پویایی تکامل این پدیده هم خوانی ندارد و هزینه های بالایی را نیز به همراه دارد. در ضمن روش های مورد استفاده در ارزیابی تغییرات مکانی، باید قدرت پاسخ گویی به پرسش ها و تحولات جدیدی که در این زمینه رخ می دهد را داشته باشد. به عنوان یک راهکار، تصاویر ماهواره ای می توانند به عنوان ابزاری قدرتمند برای نظارت مستمر استفاده شوند؛ زیرا حساسیت سیگنال های الکترومغناطیسی به پارامترهای خاک در اولین لایه سطحی که مستقیما با محتوای نمک خاک مرتبط است، وجود دارد. در مورد شوری خاک مطالعات بسیاری صورت گرفته، که براساس نمونه های زمینی و تصاویر ماهواره ای مورد استفاده نتایج متفاوتی به دست آمده است، بنابراین به کارگیری داده ها و تکنیک هایی که بتواند ضمن حذف خطاهای تصویر از دقت و صحت کافی برخوردار باشد، مورد توجه نقشه برداران خاک است. با توجه به اهمیت این موضوع، هدف از این پژوهش، ارزیابی و بررسی ارتباط بین داده های زمینی با شاخص های طیفی استخراج شده از تصاویر ماهواره ای لندست در شهرستان بناب است. مواد و روش ها: در این پژوهش، سه نوع داده مورد استفاده قرار گرفت: تصاویر ماهواره ای لندست 7 و 8 با فاصله زمانی 15 ساله، تصویر DEM بعنوان داده کمکی در عملیات طبقه بندی ، هم چنین نمونه های شوری خاک که از 74 نقطه مختلف در فواصل مکانی 500 متری جمع آوری شده اند. این نمونه ها از یک منطقه به مساحت 40 کیلومتر مربع در پاییز 2014 برداشت شده اند. جهت بررسی معناداری نمونه های زمینی با تصاویر ماهواره ای، از 12 شاخص طیفی سنجش از دور، استفاده شده است، پس از پیش پردازش های لازم (اتمسفری، رادیومتری و اعمال فیلتر 3*3)، مقادیر متناظر به مقادیر EC استخراج شدند. تصاویر قبل و بعد از اعمال فیلتر از طریق روش های رگرسیون مورد بررسی قرار گرفتند. در ادامه، از روش رگرسیون گام به گام برای بررسی ارتباط بین متغیرهای مستقل و متغیر وابسته استفاده شد. همه شاخص های طیفی به عنوان متغیرهای مستقل وارد مدل شدند، نتایج نشان داد که از بین این شاخص ها، NDWI و NDSI دارای بیشترین ارتباط معنادار با نمونه های زمینی هستند. برای تهیه نقشه ی تغییرات شوری خاک برای سال های 1999 تا 2014، از نمونه های زمینی و شاخص NDSI استفاده شد. همچنین، با استفاده از داده های DEM، داده های زمینی، و تصویر Landsat 8، نقشه طبقه بندی حداکثر احتمال برای سال 2014 تهیه شد. نتایج و بحث: تحلیل رگرسیون بین نمونه های EC و شاخص های طیفی نشان داد که شاخص های NDVI (0/45)، NDWI (0/37)، SI-T (0/43) و NDSI (0/41)، نسبت به دیگر شاخص ها دارای ارتباط معنادارتری با شوری خاک هستند. استفاده از فیلتر، ضریب تبیین این ارتباطات را بهبود بخشیده است . به علاوه، شاخص های VSSI و BI کمترین ارتباط معنایی را با نمونه های زمینی نشان دادند. نمودار تغییرات شوری خاک نشان می دهد که در منطقه ای با مساحت حدود ۴۰ کیلومتر مربع، بیشترین تغییرات شوری خاک با مقدار ۳۵.۳ کیلومتر مربع مربوط به تغییرات از اراضی شور به فوق العاده شور رخ داده است. نقشه طبقه بندی حداکثر احتمال برای سال ۲۰۱۴ نشان می دهد که با خشک شدن دریاچه ارومیه، روند افزایش شوری در منطقه تشدید شده است. نتیجه گیری : نتایج این پژوهش نشان داد، همه شاخص های استخراج شده دارای ارتباط معنایی با داده های شوری خاک هستند، و از بین شاخص های استخراج شده، شاخص های (NDVI، NDWI، SI-T، NDSI) دارای ارتباط معنایی بیش تری نسبت به شاخص های دیگر بودند. هم چنین نتایج استفاده از فیلتر نشان داد، اعمال فیلتر بر روی شاخص می تواند نتایج پژوهش را بهبود ببخشد. این مطالعه بر استفاده از تصاویر ماهواره ای برای پایش مداوم شوری خاک به دلیل حساسیت و سازگاری آن، بهتر از روش های سنتی تاکید دارد. همبستگی های قابل توجه بین داده های زمینی و شاخص های طیفی مانند NDVI، NDWI، SI-T و NDSI بر اثربخشی آنها در تجزیه و تحلیل دینامیک شوری خاک تأکید می کند. این یافته ها راهنمایی های ارزشمندی را برای تحقیقات آتی فراهم می کنند و بر استفاده از تکنیک های فیلتر برای بهبود دقت در ارزیابی تغییرات مکانی در شوری خاک تاکید می کند. اطلاعات این پژوهش می تواند به عنوان راهنما مفیدی برای انتخاب داده ها و تصاویر ماهواره ای دیگر در مطالعات مشابه مربوط به تغییرات مکانی شوری خاک در نظرگرفته شود.  

سابقه و هدف: با پیشرفت فناوری های سنجش ازدوری و یادگیری عمیق، شناسایی خودکار شبکه ی راه ها به ویژه در مناطق روستایی و راه های فرعی، امکان پذیر شده است. همچنین، روش های سنتی نقشه برداری، به دلیل هزینه بر و زمان بر بودن، جای خود را به روش های مبتنی بر داده های سنجش ازدوری و یادگیری ماشین داده اند. بدین منظور هدف این تحقیق، بررسی جامعی از تحقیقات انجام شده در زمینه ی تهیه نقشه راه ها با استفاده از داده های سنجش ازدوری خصوصاً در سال های اخیر می باشد. به طورکلی تهیه ی نقشه از شبکه ی راه ها، روش های متفاوتی را دربر می گیرد که یکی از روش های قابل اعتماد و مقرون به صرفه، شناسایی اتوماتیک از طریق تصاویر سنجش ازدوری می باشددر نگاه کلی بنابر نوع مسیر موردمطالعه که شبکه ی راه های روستایی می باشد، تصاویر ماهواره ای با حد تفکیک مکانی متوسط و دسترسی رایگان نمی توانند گزینه ای جهت دستیابی به دقت های بالا باشند؛ از این رو، می توان از روش های تلفیق تصاویر ماهواره ای که منجر به افزایش حد تفکیک مکانی می شوند و نتایج الگوریتم های شناسایی را بهبود می بخشند، بهره گرفت. یکی از راه های تلفیق تصاویر ماهواره ای، الگوریتم های سوپر رزولوشن می باشند. این مطالعه می تواند مرجعی جهت مقایسه و انتخاب روشی جهت شناسایی شبکه ی راه ها به صورت خودکار و همچنین روش هایی جهت بهبود حد تفکیک مکانی تصاویر سنجش ازدوری برای کمک به شناسایی را ه هایی با عرض کم (مانند شبکه ی راه های روستایی) باشد، تا محققان با توجه به هدف و نوع شبکه ی راه مورد مطالعه، داده ها و الگوریتم مناسب را انتخاب نمایند. مواد و روش: هدف این پژوهش بررسی روش های موجود تشخیص شبکه ی راه ها و چگونگی استفاده از تصاویر ماهواره ای با حد تفکیک مکانی متوسط جهت این امر می باشد. در ابتدا داده ها و روش های قابل استفاده جهت تولید نقشه ی شبکه ی راه مورد بررسی قرار گرفته است. در ادامه، اصول استفاده شده در حوزه ی تشخیص شبکه ی راه ها با استفاده از تصاویر سنجش-ازدوری تشریح شده و بر اساس این اصول دسته بندی بصورت روش های مبتنی بر کلاسه بندی، قطعه بندی، شاخص راه و یادگیری ماشین انجام پذیرفته است. جهت به کارگیری تصاویر ماهواره ای با حد تفکیک مکانی متوسط نیز روش های بهبود حد تفکیک مکانی مورد بررسی قرار گرفته اند. در نهایت روش ها از نظر پارامتر های ورودی، نحوه سازوکار و خروجی قابل ارائه بررسی شده اند تا نقاط قوت و ضعف هر کدام شناسایی شود و بتوان از آنها در کاربردهای مختلف به بهترین نحو استفاده نمود. بحث و بررسی: با توجه به بررسی های انجام شده از مقاله های مورد بررسی از مجله های معتبر مختلف در زمینه ی تشخیص شبکه ی راه ها، روش های مبتنی بر کلاسه بندی، قطعه بندی، شاخص راه و یادگیری ماشین به ترتیب سهم هایی حدود 28 ، 31، 5 و 36 درصدی را دارا می باشند؛ شایان ذکر است که در سال های اخیر روش های مبتنی بر کلاسه بندی و قطعه بندی با شبکه-های عصبی توسعه یافته اندکه در حالت کلی روش های مبتنی بر یادگیری ماشین سهم بیشتری( حدود 60 درصد) را در بر بگیرد. همچنین در زمینه ی سوپر رزولوشن، بررسی های انجام شده نشان می دهد که روش های مبتنی بر روش های سنتی و یادگیری عمیق به ترتیب سهم هایی حدود 44 و 56 درصدی را دارا می باشند که در سال های اخیر اغلب رویکردهای مبتنی بر یادگیری عمیق در حال توسعه هستند. نتیجه گیری: بررسی ها نشان می دهد که استفاده از مدل های یادگیری عمیق در تشخیص شبکه ی راه ها نتایج بهتری نسبت به روش های سنتی ارائه می دهند و به تدریج جایگزین این روش ها شده اند. مدل های یادگیری عمیق با قابلیت استخراج ویژگی های پیچیده و کاهش نیاز به مداخله ی انسانی، دقت و کارایی فرایند تشخیص را بهبود بخشیده اند. از طرف دیگر، تکنیک های سوپر رزولوشن مبتنی بر یادگیری عمیق می توانند با افزایش حد تفکیک مکانی تصاویر، مشکلات ناشی از کمبود تصاویر با وضوح بالا را حل کنند. این تکنیک ها با حفظ ویژگی های طیفی و کاهش نویز، می توانند تصاویر با کیفیت تری برای تشخیص راه ها ارائه دهند. به طور کلی، ترکیب روش های سوپر رزولوشن و یادگیری عمیق برای شناسایی شبکه ی راه ها، رویکردی مقرون به صرفه و کارآمد برای به روزرسانی نقشه های راه ارائه می دهد. این رویکردها با کاهش هزینه ها و زمان مورد نیاز برای تشخیص، می توانند به طور گسترده ای توسط محققان و متخصصان در زمینه های مختلف مورد استفاده قرار گیرند. همچنین، با توسعه ی بیشتر این تکنیک ها و بهبود دقت آن ها، می توان به راهکارهای جدیدی برای مدیریت و برنامه ریزی ساخت و نگهداری جاده ها دست یافت.

سابقه و هدف: آلودگی هوا یکی از چالش های مهم زیست محیطی و بهداشتی است که با رشد صنعتی و افزایش فعالیت های انسانی به ویژه در شهرهای بزرگ و صنعتی تشدید شده است. گاز متان به عنوان یکی از قوی ترین گازهای گلخانه ای نقش چشمگیری در گرمایش جهانی، تغییرات اقلیمی، و کاهش کیفیت هوا ایفا می کند. منابع انتشار این گاز شامل تالاب ها، دامداری ها، کشاورزی، و دفن زباله است که فعالیت های انسانی سهم قابل توجهی در افزایش آن دارند. اندازه گیری و پایش آلودگی هوا اغلب با محدودیت های مکانی و زمانی ایستگاه های سنجش زمینی مواجه است. در این راستا، داده های ماهواره ای به دلیل پوشش گسترده، هزینه بهینه و توانایی ارائه داده های با وضوح مکانی و زمانی بالا، به عنوان یکی از مهم ترین منابع اطلاعاتی برای مطالعه آلودگی هوا مورد استفاده قرار می گیرند. در این پژوهش، از داده های سنجنده TROPOMI بر روی ماهواره Sentinel-5P، که امکان اندازه گیری غلظت گاز متان در جو را فراهم می کند، به عنوان منبع اصلی داده استفاده شده است. این داده ها مبنای تحلیل فضایی و زمانی توزیع متان در محدوده کلان شهر اصفهان بوده و امکان بررسی دقیق الگوهای مکانی و زمانی این آلاینده را در سطح گسترده فراهم کرده اند. باوجود اهمیت بالای آلودگی متان، تاکنون مطالعه ای جامع در خصوص تحلیل توزیع مکانی و زمانی این آلاینده در کلان شهر اصفهان انجام نشده است. هدف این پژوهش، تحلیل جامع و سیستماتیک توزیع متان در شهر اصفهان با استفاده از داده های ماهواره ای و شناسایی ارتباط میان تغییرات عوامل جوی و تغییرات گاز متان است تا راهکارهایی موثر برای مدیریت آلودگی هوا و بهبود کیفیت زیست محیطی ارائه شود. مواد و روش ها: این پژوهش با هدف تحلیل مکانی و زمانی توزیع غلظت متان در کلان شهر اصفهان، از داده های سنجنده TROPOMI مستقر بر ماهواره Sentinel-5P در بازه زمانی 1398 تا 1402 استفاده کرده است. داده های ماهواره ای با بهره گیری از سامانه گوگل ارث انجین فراخوانی، پردازش و تحلیل شدند. برای بررسی الگوی توزیع مکانی غلظت متان، شاخص موران جهانی و آماره G به منظور تحلیل خوشه ها و تعیین نحوه پراکنش داده ها به کار رفت. علاوه بر این، از آماره Gi برای شناسایی مناطق دارای بیشترین (نقاط داغ) و کمترین (نقاط سرد) غلظت متان استفاده شد. همچنین، ارتباط میان غلظت متان و عوامل اقلیمی مانند دما، فشار هوا، میزان بارش و سرعت باد از طریق محاسبه ضریب همبستگی پیرسون ارزیابی گردید. در نهایت، روند تغییرات زمانی غلظت متان در مقیاس های ماهانه، فصلی و سالانه مورد تحلیل قرار گرفت. نتایج و بحث: نتایج حاصل از تحلیل های انجام شده نشان دهنده روند افزایشی غلظت گاز متان در کلان شهر اصفهان طی دوره زمانی مورد مطالعه بوده است. این گاز در فصول سرد سال به ویژه در نواحی صنعتی و کشاورزی بیشترین غلظت را تجربه کرده است. بررسی های مکانی نشان دهنده تشکیل خوشه های قابل توجهی از غلظت های بالا در مناطق شمالی، به ویژه مناطق 4 و 7، و همچنین مناطق شرقی، به ویژه مناطق 12 و 15، می باشد که به دلیل فعالیت های مرتبط با دامداری، کشاورزی و دفن زباله، غلظت های بالای متان را در این مناطق به دنبال داشته است. در مقابل، نواحی جنوبی، به ویژه مناطق 2 و 6، و همچنین بخش هایی از نواحی غربی به عنوان نقاط سرد با غلظت های پایین تر شناخته شدند. علاوه بر این، ارزیابی ارتباط پارامترهای اقلیمی نشان داد که دما و سرعت باد به طور معکوس با تغییرات غلظت متان در ارتباط بوده اند، در حالی که فشار هوا نشان دهنده رابطه ی مثبت و معناداری با تغییرات غلظت این گاز بود. نتیجه گیری: نتایج این پژوهش، که مبتنی بر تحلیل داده های ماهواره ای با دقت بالا و روش های پیشرفته سنجش مکانی است، اطلاعات ارزشمندی را در زمینه مدیریت آلودگی هوا و برنامه ریزی شهری فراهم می آورد. بر این اساس، پیشنهاد می شود پایش و کنترل انتشار متان با اولویت بندی فصول سرد سال و تمرکز بر مناطق شناسایی شده به عنوان نقاط داغ انجام گیرد. در این راستا، بهینه سازی فرآیندهای صنعتی، مدیریت کارآمد پسماندها در نواحی شرقی اصفهان و کنترل انتشار متان از دامداری های شمالی با بهره گیری از فناوری های نوین، ازجمله روش های تصفیه زیستی، می تواند به طور مؤثری در کاهش این آلاینده نقش ایفا کند. علاوه بر این، استفاده از داده های سنجش از دور و مدل های پیش بینی پیشرفته برای پایش مداوم غلظت متان و اجرای راهکارهای کنترل آلودگی به صورت هدفمند، به عنوان یک راهبرد مؤثر توصیه می شود.