اطلاعات جغرافیایی (سپهر)

مطالعه کاربری اراضی و تغییرات آن در دوره های زمانی نقشی کلیدی در مدیریت منابع طبیعی و برنامه ریزی شهری ایفا می کند. یکی از روش های بهینه و مقرون به صرفه در این زمینه استفاده از الگوریتم ها و روش های طبقه بندی تصاویر هوایی و سنجش از دور است. طبقه بندی تصاویر هوایی با استفاده از مدل های یادگیری عمیق یکی از روش های پیشرفته در پردازش داده های مکانی محسوب می شود که بهبود صحت و کارایی آن به انتخاب مدل مناسب و تنظیم بهینه فراپارامترها بستگی دارد. در این پژوهش، عملکرد دو مدل یادگیری عمیق U-Net و ResNet-34 در ترکیب با شش بهینه ساز مختلف شامل SGD، Adam، RMSprop، Adagrad، Nadam و AdamW برای طبقه بندی تصاویر هوایی بررسی شده است. نتایج نشان داد که ResNet-34 در تمامی معیارهای ارزیابی عملکرد بهتری نسبت به U-Net ارائه داده است. بالاترین صحت کلی در مدل ResNet-34 با بهینه ساز RMSprop برابر با 87.54% بود، درحالی که همین بهینه ساز در مدل U-Net صحت77.17% را به دست آورد. بهینه ساز Adam نیز در ResNet-34 صحت83.97% و در U-Net صحت 63.30% را ارائه داد. در مقابل، بهینه ساز Adagrad ضعیف ترین عملکرد را داشت و همگرایی کندی نشان داد. تحلیل معیارهای ضریب کاپا، امتیاز ژاکارد و امتیاز F1 تأیید کرد که بهینه سازهای تطبیقی مانند RMSprop و Adam تأثیر مثبتی بر بهبود صحت مدل ها دارند. نتایج این تحقیق نشان داد که انتخاب مدل مناسب و بهینه ساز کارآمد نقش مهمی در افزایش صحت و کاهش خطای مدل های یادگیری عمیق دارد. در مطالعات آینده، بررسی بهینه سازی ترکیبی روش های کلاسیک و تطبیقی و استفاده از مدل های پیشرفته تر مانند ++ U-Net و بهینه سازهای نوظهور نظیر Lion، AdaBelief و RAdam پیشنهاد می شود.

خلیج گرگان و تالاب میانکاله از مهم ترین پهنه های آبی ایران، نیازمند نظارت مستمر و پایش تغییرات مساحت آبی هستند. با توجه به چالش های موجود در تهیه نقشه پهنه آبی از تصاویر ماهواره ای نوری (ابر و سایه) و عدم وجود رویکرد آستانه گذاری قابل اطمینان برای استخراج زمانی- مکانی پهنه آبی، مطالعه حاضر عملکرد شاخص های طیفی NWI ، EWI ، MNDWI  و WRI مستخرج از تصاویر ماهواره ای سنتینل-2 در بازه زمانی ۲۰۱۸ تا ۲۰۲۴ را به تفکیک فصول مختلف مورد بررسی قرار داده است. هدف اصلی تحقیق حاضر، به کارگیری ابتکاری الگوریتم آتسو لبه به منظور پایش دقیق تغییرات مساحت پهنه های آبی و مقایسه عملکرد آن با شاخص های طیفی مختلف است. بنابراین، مشارکت تحقیق حاضر، به کارگیری الگوریتم آتسو لبه و تهیه نقشه پهنه آبی به صورت سری زمانی در مقیاس فصلی است. نتایج ارزیابی کمی صحت استخراج پهنه های آبی با استفاده از شاخص های طیفی نشان داد که شاخص طیفی WRI با صحت کلی 99 درصد و ضریب کاپای 0.99 بیش ترین صحت و شاخص MNDWI با صحت کلی 98 درصد و ضریب کاپای 0.96 کم ترین صحت را در حالت استفاده از آستانه بهینه ثبت کرده اند. همچنین، در شرایط اعمال حدود آستانه پیش فرض، شاخص های طیفی WRI و NWI به ترتیب با صحت های کلی 94 درصد و 86 درصد و ضرایب کاپای 0.88 و 0.65، بیش ترین و کم ترین صحت ها را ثبت کرده اند. با توجه به نتایج کسب شده، میانگین سالانه مساحت آبی محدوده خلیج گرگان و تالاب میانکاله در محدوده زمانی مطالعاتی به ترتیب برابر با 399.73، 381.52، 374.18، 357.99، 311.63 و293.60 کیلومترمربع بوده است. لذا، تغییرات سالانه در این مدت به ترتیب معادل 4.55-%، 1.92-%، 4.32-%، 12.94-% و 5.78-% ثبت شده است. براساس تحلیل مساحت پهنه آبی از سال ۲۰۱۸ تا ۲۰۲۴ ، یک الگوی نزولی در این منطقه حاکم بوده و میزان کاهش در سال 2022 شدیدتر از سال های دیگر به ویژه در تالاب میانکاله برآورد شده است.

داده های لایدار به عنوان ابزاری قدرتمند برای سنجش از دور سه بعدی و تحلیل های مکانی دقیق، به ویژه در محیط های شهری، شناخته می شوند. با این حال، این داده ها غالباً به دلیل شرایط جوی نامساعد، ویژگی های سطحی و خصوصیات سنسورها حاوی نویزهای متفاوتی هستند که این امر می تواند کیفیت داده ها را کاهش داده و بر دقت تحلیل های مبتنی بر آن ها تأثیر منفی بگذارد. بنابراین، حذف نویز از داده های لایدار ضروری است تا کیفیت داده ها بهبود یابد و جزئیات و ویژگی های کلیدی آن ها حفظ شود. در پژوهش حاضر، یک رویکرد ترکیبی شامل فیلتر هدایت شده و الگوریتم خوشه بندی چگالی مبنا برای حذف نویز از داده های ابر نقاط لایدار پیشنهاد شده است. فیلتر هدایت شده با بهره گیری از تنظیم پارامترها با استفاده از اطلاعات محلی، توانایی مؤثری در کاهش نویز ارتفاعی و حفظ ویژگی های مهم دارد. در ادامه به منظور بهبود نتایج حذف نویز، از الگوریتم خوشه بندی چگالی مبنا برای حذف نقاط پرت بر اساس تراکم پایین، آنها را شناسایی و حذف می کند. نتایج تحقیق نشان می دهند که این رویکرد ترکیبی به طور قابل توجهی عملکرد بهتری نسبت به روش های سنتی مانند فیلترهای آماری و مکانی و یا فیلتر هدایت شده به صورت مجزا داشته و ضمن حذف نویز، جزئیات ساختاری داده ها را حفظ می کند. ارزیابی های نتایج با استفاده از مقایسه مدل ارتفاعی رقومی، تحلیل پارامترهای آماری و نمایش گرافیکی ابر نقاط قبل و بعد از فیلتر انجام شده است. الگوریتم پیشنهادی با حذف کمترین تعداد نقطه و حفظ ویژگی های ساختاری داده، در تمامی بخش های داده موجب کاهش قابل توجه واریانس و انحراف معیار پس از اجرای فیلتر شده که نشان دهنده حذف مؤثر نویز و هموارسازی داده است. این روش با وجود زمان محاسبات پایین و سادگی مراحل اجرا، توانسته است به طور موثری نویز را کاهش دهد و جزئیات ساختاری داده ها را حفظ کند.

خطوط انتقال نیرو، بخش حیاتی شبکه های برق هستند و سلامت آن ها به منظور تامین برق پایدار جامعه ضروری است. مقره ها، به عنوان عایق بین هادی ها نقش اساسی در این شبکه ایفا می کنند و عیوب آن ها می تواند منجر به قطع، اتلاف برق و خطرات جانی شود. پایش و تشخیص به موقع این عیوب، نقشی کلیدی در حفظ پایداری و امنیت شبکه دارد. روش های پایش سنتی خطوط انتقال برق نیز زمان بر و پرهزینه بوده و احتمال وقوع حوادث در این روند بیشتر می شود. پهپاد و پردازش تصاویر هوایی حاصل از آن با استفاده از شبکه های عصبی یادگیری عمیق روشی نوین و کارآمد برای پایش خطوط انتقال برق ارائه می دهد. هدف این پژوهش، غلبه بر چالش های روش های سنتی تشخیص عیوب، مانند زمان بر بودن، پرهزینه بودن و احتمال وقوع حوادث است. همچنین در تحقیق حاضر، روشی نوین بر مبنای  تصویر برداری هوایی و استفاده از وظایف مختلف مدل یادگیری عمیق یولو 8 نانو ، برای پایش و تشخیص عیوب مقره ها در خطوط انتقال نیرو ارائه می شود. در روند این پژوهش مدل یادگیری عمیق طی دو مرحله با در نظر گرفتن دو کلاس سالم و معیوب و سه کلاس سالم، شکستگی و آرک زدگی آموزش داده شده که دقت 92.6% در وظیفه تشخیص و دقت 98.9% در وظیفه طبقه بندی با دو کلاس و دقت کل 93.9% به منظور تشخیص مقره در تصویر و دقت 99.2% به منظور طبقه بندی تصاویر در سه کلاس مقره سالم، مقره شکسته و آرک زدگی مقره برای مدل یولو 8 حاصل شده است. نتایج این مطالعه نشان می دهد که روش پیشنهادی مبتنی بر تصویربرداری هوایی با استفاده از مدل های عمیق یولو 8 ، روشی دقیق، کارآمد و مقرون به صرفه برای پایش و تشخیص عیوب مقره ها در خطوط انتقال برق است. این روش در مقایسه با روش های سنتی پایش مقره ها، از مزایای قابل توجهی از جمله دقت بالا، سرعت بالای پردازش، قابلیت اطمینان بیشتر و هزینه عملیاتی پایین تر برخوردار است.

در این پژوهش مقدار محتوای الکترون کلی ( TEC ) یونوسفر با استفاده از تبدیل فوریه ( FT ) مورد ارزیابی قرار گرفته است. برای این منظور مشاهدات ایستگاه GPS تهران ( N 35.69 ، E 51.33) که یکی از ایستگاه های شبکه جهانی IGS است، از سال 2007 تا سال 2018 مورد استفاده قرار می گیرد. با استفاده از مشاهدات سال های 2017-2007 ضرایب سری فوریه محاسبه شده و فرکانس های غالب موجود در آن استخراج می شود. سپس با استفاده از ضرایب سری فوریه بدست آمده، مقدار TEC به صورت روزانه، ماهانه و سالیانه برای سال 2018 پیش بینی می شود. به منظور ارزیابی روش پیشنهادی در این تحقیق، نتایج حاصل با مقادیر TEC حاصل از GPS ( GPS TEC )، مدل کریجینگ معمولی ( OK TEC ) و همچنین TEC حاصل از شبکه جهانی IGS ( GIM TEC ) مقایسه شده اند. پارامترهای آماری خطای نسبی، جذر خطای مربعی میانگین ( RMSE )، ضریب همبستگی و هیستوگرام باقیمانده ها برای ارزیابی نتایج مورد استفاده قرار می گیرند. براساس نتایج، پیش بینی مقدار TEC حاصل از سری فوریه در سال 2018 دارای بیشینه خطای نسبی 16.62% وجذر خطای مربعی میانگین،  1.97 TECU  است. برای مدل GIM بیشینه مقادیر خطای نسبی و RMSE به ترتیب 45.40% و 3.50 TECU به دست آمده است. همچنین برای مدل کریجینگ معمولی مقادیر خطا به ترتیب برابر با 21.35% و 2.12 TECU شده است. تحلیل هیستوگرام باقیمانده ها نیز حاکی از دقت بالاتر مدل FT نسبت به مدل های GIM و کریجینگ معمولی است. نتایج حاصل نشان می دهند که روش تبدیل فوریه قابلیت بالایی برای تخمین سری زمانی TEC در دوره فعالیت های آرام خورشیدی را دارد.     

بازی وارسازی ابزاری در جهت ارتقاء تجربه گردشگران به روشی نوآورانه، از طریق ترکیب خدمات گردشگری با عناصر بازی است. در این راستا، پژوهش حاضر با هدف واکاوی تاثیر ارزش های زمین شناختی بر کیفیت برنامه های بازی وارسازی در مقصدهای ژئوتوریستی انجام شد. گردآوری داده ها با استفاده از پرسشنامه ساختاریافته انجام پذیرفت. روایی پرسشنامه به صورت روایی واگرا و همگرا و پایایی نیز از طریق ضریب بارهای عاملی، پایایی ترکیبی، و آلفای کرونباخ مورد بررسی قرار گرفت. تحلیل داده ها با استفاده از تکنیک مدل سازی معادلات ساختاری انجام پذیرفت. جامعه آماری تحقیق شامل افرادی است که نسبت به موضوع ژئوتوریسم آگاهی کافی دارند. تعداد نمونه آماری 256 نفر و توزیع پرسشنامه ها به روش هدفمند است. ژئوپارک جهانی ارس به عنوان محدوده مطالعاتی مدنظر قرار گرفته است. نتایج حاصل از تحلیل داده ها نشان داد ارزش های میراث زمین شناختی شامل ارزش علمی با ضریب مسیر 0.489 ، ارزش اکولوژیکی با ضریب مسیر 0.371، ارزش زیبایی شناسی با ضریب مسیر 0.269، ارزش فرهنگی با ضریب مسیر 0.457، ارزش اقتصادی با ضریب مسیر 0.298، و ارزش آموزشی با ضریب مسیر 0.312 می توانند به نحوی مثبت بر کیفیت برنامه های بازی وارسازی در مقصدهای ژئوتوریستی تأثیرگذار باشند. برنامه های بازی وارسازی نه تنها به افزایش آگاهی علمی و زیست محیطی بازدیدکنندگان کمک می کنند بلکه با ارتقاء تجربه گردشگری و ایجاد تجارب تعاملی و آموزنده، به تقویت موقعیت و جذابیت مقصدهای ژئوتوریستی می انجامند. به طور کلی، تحقیق حاضر تأکید می کند که ادغام مؤثر ارزش های میراث زمین شناختی در برنامه های بازی وارسازی می تواند به ارتقاء کیفیت تجربیات گردشگری، افزایش جذب و نگه داشت گردشگران، و توسعه پایدار صنعت ژئوتوریسم منجر شود.

دمای سطح زمین یکی از پارامترهای مهم برای درک تغییرات فضایی و فرآیندهای سطح زمین است که به ارزیابی واقعی از وضعیت محیطی در مقیاس های محلی تا جهانی کمک می کند. ﺳﻨﺠﻨﺪه مودیس دمای سطح زﻣیﻦ را ﺑه ﻄﻮر پیوسته در ﻣﻘیﺎﺳی ﺟﻬﺎﻧی و ﺑﺎ ﻗﺪرت ﺗﻔکیک ﻣکﺎﻧی مناسب ﺗﻮﻟیﺪ و در اختیار پژوهشگران ﻗﺮار می دهد. در این پژوهش برای بررسی روند دمای سطح کویر درانجیر، ابتدا داده های روزانه دمای سطح زمین در محدوده حوضه آبریز کویر درانجیر در بازه زمانی سال های 2003 تا 2022 با تفکیک مکانی 1000 متری از وبگاه ناسا استخراج شد. پس از پردازش های لازم، میانگین بلندمدت روزانه (بیشینه) و شبانه (کمینه) دمای سطح کویر درانجیر در مقیاس فصلی و سالانه محاسبه شد. نتایج میانگین دمای سطح زمین در مقیاس فصلی نشان داد که بالاترین دمای سطح در نواحی پست به ویژه چاله بافق است که  اثر ارتفاع کم بر دمای سطح حوضه کویر درانجیر را نشان می دهند. علاوه بر این نتایج گویای آن است که اختلاف شبانه روزی دمای سطح کویر درانجیر در دوره گرم سال(فصول بهار و تابستان) بیش از دوره سرد سال(فصول پاییز و زمستان) است. در مقیاس سالانه نیز نشان داد که میانگین دمای روزانه سطح 40 درجه سلسیوس و میانگین دمای شبانه 9 درجه سلسیوس است که در این صورت اختلاف شبانه روزی دمای سطح 31 درجه خواهد بود. این اختلاف چشم گیر دمای شبانه روزی سطح می تواند چالش هایی را ایجاد کند.

تغییرات کاربری اراضی یکی از آشکارترین اثرات مداخله انسان بر روی کره زمین است و می تواند بر سلامت انسان و سیستم های بوم شناختی تأثیرگذار باشد. مدل سازی مکانی تغییرات کاربری زمین، فنی برای درک فرایندهای تغییر کاربری زمین از نظر محل و مقدار تغییر است. ازاین رو، تحقیق حاضر با هدف بررسی تغییرات کاربری اراضی شهرستان خوسف در استان خراسان جنوبی با استفاده از مدل رگرسیون لجستیک انجام شد. به این منظور، تصاویر ماهواره ای منطقه موردمطالعه در سه دوره 2008، 2013 و 2022 تهیه و نقشه کاربری اراضی آشکارسازی و صحت نقشه ها با روش ماتریس خطا ارزیابی شد. سپس سه زیر مدل؛ انتقال کاربری بایر به کشاورزی، بایر به مسکونی و کشاورزی به بایر و چهار متغیر شامل: مدل رقومی ارتفاع، فاصله از جاده، فاصله از مناطق مسکونی و فاصله از اراضی با کاربری کشاورزی برای یک دوره واسنجی 2013-2008 مورداستفاده قرار گرفت. سپس روش رگرسیون لجستیک در مدل LCM  برای مدل سازی تغییرات کاربری اراضی مورد استفاده قرار گرفت و با استفاده از زنجیره مارکوف تغییرات هر کاربری مشخص شد و درنهایت نقشه های کاربری اراضی برای سال 2022 با استفاده از مدل پیش بینی سخت پیش بینی شد. در این مدت بیشترین تغییرات در طی دوره موردمطالعه شامل تبدیل اراضی بایر به کاربری کشاورزی بوده است. بعد از اجرای مدل ها نتایج حاصل از شبیه سازی 2022 با نقشه واقعیت زمینی مورد مقایسه قرار گرفت و پس از اطمینان از دقت مدل و با توجه به صحت مدل سازی پیش بینی نقشه ی کاربری اراضی برای سال 2040 انجام شد. بر این اساس در سال 2040 مساحت پیش بینی شده برای کاربری کشاورزی 10488.18 هکتار، کاربری شهری 750.04 هکتار و کاربری بایر برابر با 1571932.14هکتار تعیین شد. بنابراین می توان گفت کارایی استفاده از روش رگرسون لجستیک در مدل LCM در مدل سازی تغییرات در منطقه مورد مطالعه تأیید شد.

تحلیل روند دمای سطح زمین و شناسایی عوامل مؤثر بر آن، به ویژه در مناطق خشک و نیمه خشک، از اهمیت بالایی در مدیریت محیطی و برنامه ریزی منابع طبیعی برخوردار است. این پژوهش با هدف بررسی تغییرات دمای سطح زمین و ارتباط آن با تغییرات پوشش گیاهی و سطح آب دریاچه ها در حوضه آبریز بختگان–مهارلو طی دوره ی زمانی 2020-1990 انجام شد. برای دستیابی به این هدف، داده های ماهواره ای لندست ۵ و ۸ مورد استفاده قرار گرفته و شاخص های NDVI ، NDWI و LST ، استخراج شدند. در کنار آن، روند ۳۰ ساله بارندگی در ایستگاه های منتخب با استفاده از آزمون من–کندال و شیب سن تحلیل شد تا تغییرات دمایی در ارتباط با روندهای بارش ارزیابی شود. همچنین، تحلیل لکه های داغ(*Gi) برای شناسایی نواحی دارای تمرکز بالای دمایی انجام شد. یافته ها نشان داد که در سه دهه اخیر، کاهش بارندگی در جنوب و جنوب شرقی حوضه منجر به کاهش قابل توجه منابع آبی و تخریب پوشش گیاهی در این نواحی شده است. شاخص NDWI روند کاهشی شدیدی را در سطح دریاچه های طشک، بختگان و مهارلو داشته و شاخص NDVI نیز در مناطق پیرامون این پهنه ها، کاهش محسوس پوشش گیاهی را نشان داد. همزمان، نقشه های دمای سطح زمین گویای انتقال طبقات دمایی از بازه های معتدل (25 – 15 درجه سلسیوس) به بازه های بالاتر (58 – 45 درجه سلسیوس) در جنوب و مرکز حوضه بوده اند، که نشان دهنده ی تشدید گرمایش سطحی است. تمرکز این گرمایش در مناطقی است که کاهش منابع آبی و پوشش گیاهی به صورت هم زمان رخ داده اند. نتایج تحلیل لکه های داغ نشان داد که خوشه های حرارتی با شدت بالا عمدتاً در جنوب و جنوب شرق حوضه متمرکز شده اند؛ این تمرکز مکانی دماهای بالا با نواحی دارای بیشترین افت بارندگی، کاهش منابع آبی و تخریب پوشش گیاهی انطباق دارد، که نشان دهنده ی همپوشانی فضایی و تعامل منفی بین این مؤلفه ها در فرآیند گرم شدگی سطح زمین است.

برنامه ریزی کاربری اراضی شهری به عنوان یکی از ابزارهای کلیدی در مدیریت فضاهای شهری، تأثیر به سزایی در کاهش مصرف انرژی و بهینه سازی استفاده از منابع طبیعی دارد. هدف پژوهش حاضر بررسی تأثیر برنامه ریزی کاربری اراضی شهری در کاهش مصرف انرژی در کلان شهر اهواز، با تمرکز بر محلات پردیس و کیانپارس است. روش تحقیق به لحاظ ماهیت توصیفی-تحلیلی و از نظر هدف کاربردی است. اطلاعات مورد نیاز از طریق روش های میدانی و کتابخانه ای جمع آوری شده و نمونه گیری در مطالعات پیمایشی به صورت طبقه ای متناسب با حجم جامعه ذی نفع انجام شد. برای خبرگان، تکنیک دلفی با روش نمونه گیری گلوله برفی به کار گرفته شد. به منظور تجزیه و تحلیل داده ها، تحلیل آماری خی دو در نرم افزار SPSS، مدل تصمیم گیری مارکوس و معادلات ساختاری مورد استفاده قرار گرفتند. نتایج نشان داد که چیدمان کاربری ها در شهر اهواز تأثیر قابل توجهی بر مصرف انرژی دارد و برنامه ریزی مناسب کاربری اراضی می تواند به طور معناداری مصرف انرژی را کاهش دهد. با توجه به تفاوت های موجود در کاربری اراضی این دو محله، راهکارهای متفاوتی برای کاهش مصرف انرژی در هر یک از آن ها قابل ارائه است. مدل سازی معادلات ساختاری نشان داد که کاربری اراضی تأثیر قابل توجهی بر شاخص های مصرف انرژی در محلات پردیس و کیانپارس اهواز دارد. ضرایب تأثیر بالای0.5 برای تمامی متغیرها، نشان دهنده ارتباط قوی بین کاربری اراضی و مصرف انرژی است. همچنین، تحلیل آماری نشان می دهد که کاربری اراضی محلات پردیس و کیانپارس 84 درصد از واریانس متغیر شاخص های مصرف انرژی را تبیین می کند. این مقدار بزرگ نمایانگر توان بالای کاربری اراضی در توضیح تغییرات مصرف انرژی است. و شاخص های قیمت گذاری حامل ها (A5) با ضریب 0.687 و سیاست های کلان (A9) با ضریب 0.683 و تنوع منابع مصرفی (A6) با ضریب 0.681، بیشترین تأثیر را بر مصرف انرژی دارند.