شاخص های طیفی

در این تحقیق 14 شاخص طیفی با استفاده از باندهای انعکاسی محاسبه شد و میزان همبستگی این شاخص ها با تاج پوشش گیاهی در چهار تیپ مرتعی و یک تیپ جنگلی مورد ارزیابی قرار گرفت. درصد تاج پوشش گیاهی با استفاده از روش قدم ـ نقطه و به شکل شعاعی (6000 نقطه در هر تیپ) اندازه گیری شد. میزان همبستگی تاج پوشش گیاهی با شاخص های گیاهی به تفکیک در هر یک از تیپ های گیاهی و کلیه آنها (جنگل و تیپ های مرتعی) با استفاده از نرم افزارهای SPSS و Erdas Imagine مورد تجزیه و تحلیل قرار گرفت. گروه های مختلفی از شاخص های گیاهی از جمله براساس شیب خط خاک، فاصله از خط خاک، و شاخص های گیاهی تبدیلات راست گوشه و نیز شاخص های حساس به آب گیاهان با استفاده از داده های بازتابندگی سنجنده TM ماهواره لندست استخراج گردیدند. نتایج نشان داد که تیپ های گیاهی براساس خصوصیات شان با یکی از شاخص های گیاهی دیگر همبستگی بیشتری دارند و میزان همبستگی بین تاج پوشش گیاهی و شاخص های گیاهی در هر یک از تیپ های گیاهی دارای صحت بالایی (تا حدود 81 درصد) است (001/0p<). این میزان همبستگی به هنگام در نظر گرفتن تیپ های گیاهی مختلف با هم، به دلیل وجود خصوصیات طیفی متفاوت در گیاهان مختلف و همچنین عارضه های زمینه کاهش یافت. این خود نشان دهنده تنوع در خصوصیات طیفی گیاهان به دلیل اختلافات ساختاری و زیستی و همچنین خاک زمینه است، که در انتخاب شاخص مناسب برای پهنه بندی و تفکیک تیپ های گیاهی باید در نظر گرفته شود.

رطوبت خاک یکی از مهم ترین متغیرهای محیطی است و شناخت تغییرات مکانی و زمانی آن، بینش ارزشمندی را در مطالعه مراحل مختلف هیدرولوژیکی و مدل های آب و هوایی به همراه دارد. هدف از پژوهش، دسترسی به پایگاه های دور یا بیرون از دستِ رطوبت خاک در مناطق خشک و نیمه خشک است. داده های ماهواره ای لندست8 در منطقه ی خشک و نیمه خشکی از استان خراسان رضوی تهیه و پس از آماده سازی و پیش پردازش، به همراه مقادیر محاسبه شده ی چندین نمایه ی طیفی، تجزیه ی مؤلفه های اصلی و تبدیل داده ی تسلدکپ، به عنوان متغیرهای پیش بینی کننده، مورداستفاده قرار گرفتند. به روشِ آمار مکانی شاخص مورانز توأم با شاخص خوشه بندی حداقل- حداکثر، همبستگی جغرافیایی داده ها بررسی شد. همبسته ترین متغیرها نیز به روش رگرسیون اکتشافی و روش همبستگی دومتغیره، با محاسبه ی عامل تورم واریانس، ضریب پیرسون و ضریب تعیین، در سه سطحِ رطوبتیِ مساوی یا بیشتر از 5%، 4 تا 5 درصد و مساوی یا کمتر از 4%، مشخص شدند. پی ریزی توابعِ تخمین رطوبت سطحی خاک نیز، با هفت روشِ رگرسیون حداقل مربعات جزئی (PLSR)، رگرسیون چندگانه یِ گام به گام، رگرسیون چندگانه یِ پس حذف رو، رگرسیون چندگانه یِ پیشرو، رگرسیون چندگانه یِ وارد شونده، رگرسیون چندگانه یِ عزل و آزمونِ اعتبار متقاطعِ درختی (M5P) انجام گرفت. 188 نمونه خاک هم زمان با گذر ماهواره از منطقه برداشت و 25 درصدِ آن ها با انتخاب تصادفی، در مرحله اعتبارسنجی استفاده شدند. بررسی دقت توابع و معرفی دقیق ترین مدل ها، با محاسبه ی 5 معیارخطاسنجی انجام شد که نتایج حاصل از مقایسه ی آماره های خطاسنجی در گام نهایی، به معرفی سه مدل برای سه سطح رطوبتیِ موردنظر ختم گردید. نتایج نشان دادند که تصاویر ماهواره، توانایی مناسبی برای تخمین رطوبت سطحی خاک دارند و مدل های معرفی شده، از ضریب همبستگیِ مناسبِ بیشتر از 5/0 (504/0 تا 618/0) برخوردارند. نتایج اعتبارسنجی مدل نیز نشان داد که روش تحقیق از دقت مناسبی (425/1 تا 585/0 RMSE=، و خطای نسبیِ 5 درصد)، در تخمین رطوبت سطحی خاک برخوردار است. میانگین خطای اریب در مدل های معرفی شده غالباً کمتر از یک است، بااین وجود مقدار این آماره تمایل به بیش بر آوری را در مدل معرفی شده برای سطح رطوبتیِ 5%≤ و تمایل به کم برآوری را برای دو مدل معرفی شده ی دیگر نشان می دهد. نسبت انحراف کارایی مدل ها (RPD) نیز با احتسابِ انحراف معیارِ (158/1 تا 221/0SD=)، 38/0 تا 93/0 برآورد شد.

در پی شهرنشینی بی سابقه در دهه های گذشته و افزایش جمعیت شهرها، چشم اندازهای طبیعی در حال تبدیل شدن به چشم اندازهای انسانی است و فضاهای باز شهری به اراضی ساخته شده مبدل شده است. در این بین، تغییرات کاربری اراضی مدیران شهری را مجاب می کند که همواره اطلاعات به روزی از این تغییرات داشته باشند تا بتوانند درباره مدیریت شهری سریع تر تصمیم گیری کنند. هدف از انجام این مطالعه طبقه بندی اراضی ساخته شده و شناسایی میزان تغییرات این اراضی در شهر تهران است. همچنین این مطالعه به بررسی و عملکرد هفت شاخص طیفی به منظور طبقه بندی و تشخیص تغییر اراضی ساخته شده با استفاده از تصاویر ماهواره لندست 7 سنجنده ETM + و تصاویر ماهواره لندست 8 سنجنده OLI / TIRS می پردازد. محدوده مورد مطالعه در این تحقیق شهر تهران با وسعت 68995 هکتار است. روش انجام این تحقیق نیز بدین گونه است که ابتدا برای جداسازی سطوح دارای آب از سطوح بدون آب بر روی تصاویر، از شاخصMNDWI  و روش آستانه گذاری اتسو استفاده شده است. پس از آن به منظور توجه مطلق بر مناطق بدون آب، یک ماسک آب تولید، و برای پوشاندن آب در تمام تصاویر به کار رفته است. درنهایت با استفاده از روش اتسو برای تمامی شاخص ها اراضی ساخته شده و ساخته نشده از یکدیگر جدا و طبقه بندی شده اند. دقت طبقه بندی نیز با استفاده از 3500 نقطه مرجع برای هر تصویر بررسی شده است. نتایج نشان می دهد شاخص VbSWIR1-BI با دقت کلی 88/92 درصد (لندست 7) و 68/92 درصد (لندست 8)، دقت کلی بیشتری دارد. همچنین نتایج تغییرات اراضی ساخته شده شهر تهران براساس شاخص VbSWIR1-BI در بازه زمانی 2001 تا 2015 به میزان 38/6 درصد بوده است. گفتنی است بیشترین تغییرات مکانی اراضی ساخته شده در بخش های غربی و جنوب غربی شهر تهران دیده می شود.

شوری خاک یکی از عوامل محدودکننده رشد گیاهان و تخریب اراضی است. شناخت تغییرات مکانی و زمانی آن تأثیر به سزایی در مطالعات خاک شناسی، ژئومورفولوژی و هیدرولوژی دارد. برآورد شوری خاک با استفاده از داده های دورسنجی و آمار مکانی امکان تفکیک پارامترها را با دقت بالاتر فراهم نموده و شاخص ها با ضریب اطمینان بیشتری خود را نشان می دهند. هدف از این پژوهش، کاربردی ساختن و دسترسی به پایگاه های دور یا بیرون از دسترس شوری خاک در مناطق خشک و نیمه خشک با استفاده از تکنیک های سنجش ازدور است. منطقه سبزوار در غرب استان خراسان رضوی از لحاظ شرایط اقلیمی، خشک و نیمه خشک است و مسئله شور شدن خاک ها و تسریع روند آن در سال های اخیر یکی از چالش های اساسی این منطقه است؛ لذا شناخت شوری در این شرایط از اهمیت ویژه ای برخوردار است. در این پژوهش، 48 نمونه خاک منطبق با نقشه واحد کاری (ژئومورفولوژی) از منطقه برداشت شد، سپس به بررسی رابطه همبستگی بین مقادیر هدایت الکتریکی(EC) با متغیرهای بدست آمده از تصاویر ماهواره ای لندست شامل شاخص های شوری، شاخص های پوشش گیاه، شاخص روشنایی، باندهای تصویرسازهای TM,ETM+,OLI، شاخص مؤلفه های اصلی و شاخص انتقال طیفی، اقدام گردید. در محیط spss روش رگرسیون چند متغیره در قالب 5 روش رگرسیونی، رگرسیون چندگانه گام به گام، رگرسیون چندگانه پس حذف رو، رگرسیون چندگانه پیشرو، رگرسیون چندگانه وارد شونده، رگرسیون چندگانه عزل انجام گرفت. در محیط GIS10.2.2 ARC با استفاده از مدل های آمارمکانی، شاخص موران و خوشه بندی حداقل – حداکثر به بررسی رابطه همبستگی آن ها پرداخته شد. همبسته ترین متغیرها با محاسبه عامل تورم واریانس و ضریب پیرسون مشخص شدند. نتایج نشان می دهد الگوی همبستگی فضایی مثبت و مدل ها از ضریب همبستگی مناسبی برخوردارند. در این پژوهش روش های دورسنجی و مدل های پیش بینی کننده، توانایی مناسبی برای تخمین شوری سطحی خاک نشان دادند.

برخلاف سنجنده های اپتیکی که تحت تأثیر عوامل محیطی مانند دود، مه، ابر، و میزان نور خورشید قرار می گیرند، سنجنده های راداری با روزنه مجازی در همه ساعات شبانه روز و همه نوع شرایط آب و هوایی توانایی اخذ داده را دارند. بنابراین، هدف از این تحقیق ارزیابی قابلیت باند های راداری برای استخراج خصوصیات بیوفزیکی سطح زمین است. در این مطالعه از داده های ماهواره ای لندست-8 و باندهای پلاریمتریک VV و VH سنتینل-1 استفاده شده است. ارتباط 18 شاخص طیفی استخراج شده از تصاویر اپتیکی با باندهای راداری در مناطق مختلف بررسی شده است. نتایج به دست آمده نشان داد که از باندهای راداری با توجه به ماهیت منطقه موردمطالعه خصوصیات متفاوتی می توان استخراج کرد؛ به طوری که در منطقه موردمطالعه اول با کاربری زمین بایر شاخص LST، در منطقه موردمطالعه دوم با کاربری زمین کشاورزی شاخص EVI، و در منطقه موردمطالعه سوم با کاربری پوشش جنگلی متراکم شاخص MNDWI به ترتیب دارای همبستگی 668 / 0، 756 / 0، و 803 / 0 با باندهای راداری است. بنابراین، با توجه به نتایج به دست آمده در مواقعی که امکان استفاده از داده های اپتیکی وجود ندارد می توان از باندهای راداری به عنوان جای گزین مناسبی برای استخراج خصوصیات بیوفیزیکی سطح زمین استفاده کرد.

شاخص های طیفی پوشش گیاهی به منزله ابزاری مناسب برای تخمین میزان تولید محصولات کشاورزی استفاده می شوند. بااین حال، تعداد محدود تصاویر از عوامل اصلی کاهش کارآیی شاخص ها به منظور تخمین تولید شمرده می شود. از سوی دیگر، ارزیابی توانایی شاخص ها در تخمین تولید از راه ترکیب داده های مادیس و لندست، در مواردی که تعداد داده های لندست کم باشد، کمتر مورد توجه قرار گرفته است. هدف تحقیق حاضر، در گام نخست، معرفی شاخص ها یا شاخص منتخب در تخمین تولید کلزا و در گام بعدی، استفاده از تکنیک های تلفیق داده برای افزایش کارآیی شاخص منتخب است. کلزا ازجمله محصولات کشاورزی است که، به دلیل گل دهی در دوره رشد، ویژگی های طیفی خاصی دارد. در این تحقیق، پایگاه داده ای از میزان تولید محصول کلزا و سری زمانی داده های لندست و مادیس کشت و صنعت مغان تهیه و سپس ده شاخص متفاوت به قصد تخمین تولید کلزا ارزیابی شد. در ادامه، رابطه میزان تولید با شاخص پیشنهادی بررسی و مشخص شد که شاخصNDYI ، در طول زمان گل دهی، دقتی بیشتر از سایر شاخص ها دارد (r = 0.73). با تلفیق داده های سری زمانی لندست و مادیس مبتنی بر الگوریتم مدل تطبیقی ادغام بازتابندگی مکانی و زمانی بهبودیافته (ESTARFM)، همبستگی و RMSE (kg/ha) به ترتیب 7% و 0.11 افزایش و کاهش یافت. تحقیق حاضر نشان داد که استفاده از تکنیک های تلفیق داده امکانِ افزایش کارآیی شاخص های طیفی را به منظور تخمین تولید محصول فراهم می کند.

استخراج اطلاعات دقیق مربوط به موقعیت، تراکم و توزیع ساختمان ها در محدوده شهری از اهمیت بسیار بالایی برخوردار است که در کاربردهای مختلفی مورد استفاده قرار می گیرد. سنجش از دور یکی از کارآمدترین تکنولوژی های تهیه نقشه است که در مناطق وسیع، با سرعت بالا، هزینه مقرون به صرفه و با به کارگیری داده های به روز مورد استفاده قرار می گیرد. تاکنون روش ها و داده های متعددی برای این منظور مورد استفاده قرار گرفته است. در این راستا، در تحقیق حاضر از یک روش نیمه خودکار به منظور تهیه نقشه محدوده شهری و ساختمان های شهر تبریز و از تصاویر ماهواره ای سنتینل-1 و 2 در سامانه گوگل ارث انجین استفاده شد. برای این منظور، بعد از فراخوانی تصاویر و اعمال پیش پردازش های لازم در موتور مجازی، نقشه مناطق شهری اولیه و ساختمان هایی با پتانسیل بالا از تصاویر سنتینل-1 تولید شد. در مرحله بعد، به منظور حذف ویژگی های مزاحم و استخراج مناطق شهری ثانویه، شاخص های طیفی از تصاویر سنتنیل-2 استخراج شد. سپس برای آستانه گذاری ویژگی ها از آستانه گذاری هیستوگرام به روش تک مدی استفاده شد. در نهایت، با ادغام نقشه ساختمان های با پتانسیل بالا و نقشه مناطق شهری ثانویه، نقشه نهایی تولید و مورد ارزیابی قرار گرفت. نتایج حاصل، نشان دهنده صحت کلی 90/11 درصد و ضریب کاپای 0/803 می باشد. براساس مقایسه های کمّی و کیفی انجام شده، روش پیشنهادی از عملکرد مطلوبی برخوردار می باشد. از مهم ترین مزایای روش پیشنهادی می توان به رایگان بودن داده ها و متن باز بودن سامانه گوگل ارث انجین اشاره کرد. بنابراین، می توان نتیجه گرفت که استفاده همزمان از داده های سنجش از دور راداری و اپتیکی در محیط سامانه گوگل ارث انجین، پتانسیل بسیار بالایی در متمایز کردن ویژگی ها و تهیه نقشه ساختمان ها دارد.

افزایش بی رویه جمعیت در بسیاری از جوامع ازجمله ایران منجر به تغییرات سریع چشم اندازهای شهری شده است. در برنامه ریزی های شهری استفاده از تصاویر سنجش ازدوری و بکارگیری شاخص های طیفی نقش بسزایی در تسریع روند نظارت شهری دارد. بررسی این امر نیازمند به ارزیابی عملکرد شاخص ها در شرایط مختلف متناسب با کاربرد است که می تواند یکی از چالش های کاربران دراین زمینه باشد. هدف از این پژوهش، یک مطالعه تطبیقی و تحلیل راه کارهای مناسب جهت بکارگیری شاخص های مطرح شهری با کمک تصاویر ماهواره ای و تحلیل عملکردآنهاست. در این راستا، ابتدا شاخص های طیفی از تصاویر لندست 8، سنتینل2و1 استخراج و سپس به جهت جداسازی مناطق ساخته شده، الگوریتم حد آستانه خودکار بر روی تصاویر اعمال شد. نتایج حاکی از آن است که به طورکلی تصاویر سنتینل-2 عملکرد بهتری نسبت تصاویر لندست از خود نشان دادند. از بین شاخص های طیفی، شاخص UI برای تصاویر لندست و سنتینل-2 در رفسنجان با دقت کلی (28/86 و 19/98)، شاخص NBI برای تصاویر لندست و سنتینل-2 در شهر آمل با دقت کلی (21/87 و 48/97)، شاخص UI در لندست و IBI در سنتینل-2 برای اصفهان با دقت کلی (73/78 و 69/91) دارای بهترین عملکرد بوده اند. همچنین با هدف ارزیابی عملکرد شاخص های ضعیف با اعمال حد آستانه دستی این نتیجه حاصل شد که اغلب موارد حد آستانه دستی باعث افزایش دقت خواهد شد. در یک بررسی دیگر با بکارگیری تصاویر سنتینل-1 با حد آستانه نظارت شده توسط کاربر اقدام به شناسایی مناطق ساخته شده شد که نتایج برای سه شهر آمل، رفسنجان و اصفهان به ترتیب دقت های کلی 24/89، 03/80 و 10/76 حاصل شد. یافته های این تحقیق نشان داد که دقت عملکرد شاخص ها با توجه به پارامترهایی مانند نوع اقلیم، سنسورهای مختلف و حدآستانه می تواند متغیر باشد. لذا نتایج این تحلیل می تواند با به عنوان یک الگوی راهبردی محققان را در جهت شناخت و درک بهتر شاخص ها با در نظرگرفتن پارامترهای مختلف یاری کند.

بیابان زایی از عوامل تخریب اکوسیستم های طبیعی در مناطق خشک جهان به شمار می آید. شناخت مناطق در معرض بیابان زایی، جهت مبارزه با این پدیده اهمیت فراوانی دارد. سنجش از دور، ابزاری مهم در ارزیابی و پایش تخریب سرزمین و بیابان زایی است. هدف پژوهش حاضر، ارزیابی شدت بیابان زایی در شهرستان بندر ماهشهر براساس شاخص های طیفی منتج از تصاویر ماهواره ای است. ابتدا شاخص های NDVI، SAVI، RVI، TGSI و Albedo با کمک نرم افزار ENVI از تصویر OLI لندست 8 منطقه استخراج شدند. سپس، برای ارزیابی رابطه همبستگی بین شاخص های طیفی از رگرسیون خطی استفاده شد و شدت بیابان زایی در منطقه طبقه بندی گردید. نتایج نشان داد که ضریب همبستگی بین دو شاخص NDVI و Albedo برابر با 83/0-، بین دو شاخص SAVI و Albedo برابر با 78/0- و بین دو شاخص RVI و Albedo برابر با 77/0- بوده است. ضریب همبستگی بین دو شاخص TGSI و Albedo برابر 86/0 بوده است. همبستگی بیشتر بین دو شاخص TGSI و Albedo، بیانگر مناسب تر بودن مدل Albedo-TGSI جهت ارزیابی شدت بیابان زایی در منطقه است. نقشه بیابان زایی مدل Albedo-TGSI نشان داد که نواحی دارای شدت بیابان زایی کمتر، عمدتاً در قسمت های شمالی و شرقی و نواحی دارای شدت بیابان زایی بیشتر، عمدتاً در قسمت های جنوبی و جنوب غربی منطقه واقع شده اند.

تخمین پهنه سیل از نظر مدیریت و تعیین پهنه و خسارات سیل بسیار مهم است. سنجش از دور و استفاده از تصاویر با دقت بالا می تواند در استخراج شاخص های تخمینگر پهنه سیل مؤثر باشد. در این تحقیق از تصاویر سنتینل 2 در سال وقوع سیل با توان تفکیک مکانی 10 متر و از تصاویر لندست 8 در زمان های مشابه سال های قبل و بعد از وقوع سیل در محیط گوگل ارث انجین استفاده شد. در این مطالعه با استفاده از  3 شاخص NDWI، MNDWI و DVDI به تخمین پهنه اثر سیل پرداخته شد. نتایج نشان داد که شاخص MNDWI با وجود فاصله زمانی زیاد (20 روزه) بعد از وقوع سیل و تبخیر بخش عمده منابع آب پخش شده بر روی اراضی، نسبت به شاخص NDWI میزان سطح آبگرفتگی ناشی از سیل 1398 را بهتر و در حدود 59/330  هکتار  برآورد نمود. همچنین شاخص DVDI با ارائه مقادیر منفی که مبین تخریب پوشش گیاهی در اثر سیل می باشد، مساحت تخریب اراضی زراعی و باغی ناشی از این سیل را 21/3522 هکتار برآورد نمود که در قیاس با آمار ارائه شده استانداری لرستان (4750 هکتار) تفاوت اندکی نشان می دهد. در کل استفاده از شاخص های فوق به عنوان روش های مهم، کاربردی و کم هزینه برای مدیریت، تخمین پهنه و تعیین خسارات سیل پیشنهاد می شود.

شوری آب و به دنبال آن شوری خاک در محدوده شرق دریاچه ارومیه و اراضی غرب تبریز از جمله تهدیدات خاک و زمین های زارعی و در عین حال برای محدوده های صنعتی تبدیل شده است . هدف اصلی این تحقیق بررسی و تحلیل شوری آب و خاک منطقه جهت پایش وضعیت زمین های کشاورزی در 20سال اخیر است که با توجه به گستردگی خاک های شور و افزایش شوری آب از گذشته تا به حال، وضعیت پوشش گیاهی و منابع آبی منطقه مورد بررسی قرار گرفته است .. ناحیه مادون قرمز حرارتی، اغلب برای تعیین رطوبت و شوری به کار می رود. به همین دلیل از شاخص هایی که از این باندها استفاده شده است . از جمله شاخص های که در این تحقیق پیاده سازی شده است شاخص های : NDSI ، SI-1 ، SI-2 ، SI-3 ، SI-4 ، SI-4 ، SI-5 ، SI-6 و IPVI. .نتایج بررسی تغییرات شوری در طی زمان در محدوده مورد بررسی نشان می دهد که در بازه زمانی مورد مطالعه ،میزان شوری خاک در مناطق شمال غربی و جنوب شرقی پالایشگاه تبریز روند افزایشی داشته و مساحت خاک شور در این مناطق نسبت به سال های گذشته بیشتر شده است. نقطه مرکزی نقشه، موقعیت دقیق پالایشگاه تبریز می باشد و در نواحی شرق پالایشگاه که شامل زمین های زراعی می باشد، شوری خاک افزایش پیدا کرده است. یکی از عوامل افزایش شوری در این بازه زمانی، آبیاری نامناسب مزارع و به عبارت کلی تر عوامل انسانی می باشد.

تالاب انزلی در حال تجربه تخریب زمین و بهره برداری بیش از حد به اشکال مختلف می باشد. درک ماهیت این تغییرات برای مدیریت تالاب امری ضروری می باشد. این تحقیق به دنبال استفاده از شاخص های تفاوت نرمال شده پوشش گیاهی (NDVI)، شاخص تفاوت نرمال شده آب (NDWI)، شاخص تفاوت پهنه های زمین بایر (NDBI)، شاخص مازاد تفاوت نرمال شده زمین بایر (ENDBI)، مدل حداکثر احتمال(MLC) و درخت تصادفی(RTC) در ارزیابی تغییرات پوشش گیاهی، پهنه آبی و زمین بایر در بازه زمانی بین 1371 تا 1401 می باشد. با توجه به نتایج به دست آمده، شاخص NDVI روند کاهشی شدیدی را در تراکم پوشش گیاهی نشان داد. در حالیکه تمامی شاخص ها، نوسانات رطوبتی را در محدوده تالاب انزلی نشان دادند. شاخص NDBI-ENDBI روند افزایشی شدیدی را در گسترش منطقه ساخته شده نشان داد. بر اساس این تغییرات این نتیجه حاصل شد که توسعه شهری در طول سال ها در حوضه تالاب انزلی به سرعت در حال پیشرفت بوده است. بررسی ها نشان می دهد که مقادیر حداکثر NDVI به شکل قابل توجهی کاهش یافته و از 0/67 در سال 1371 به 0/59 در سال 1401 رسیده است. مقادیر حداکثر NDWI نیز از 0/34 در سال 1371 به0/1 در سال 1401 رسیده است. به عبارتی شاخص منابع آبی به شکل قابل توجهی کاهش یافته و این امر وضعیت تالاب انزلی را به نمایش می گذارد. در مقابل، روش های کاربری زمین نشان می دهد که پهنه آبی از 44/17 کیلومتر مربع برای مدل RTC در سال 1371 به 36/6 کیلومتر مربع در سال 1401 کاهش یافته است.

سابقه و هدف: در دهه های گذشته، داده های سنجش از دور با موفقیت برای استخراج اطلاعات و تغییرات کاربری و پوشش زمین (LULC) در سطوح گوناگون، از مقیاس محلی تا جهانی، به کار رفته است. پایش دقیق و منظم این تغییرات در برنامه ریزی شهری، کشاورزی دقیق و مدیریت پایدار منابع زمین ضرورت دارد. فراهمی داده های سنجش از دور با ارائه سطوح بی سابقه ای از جزئیات مکانی و همچنین توسعه الگوریتم های طبقه بندی تصاویر ماهواره ای، باعث شده است که رویکردهای شیء گرا، در مقایسه با رویکردهای معمول، در طبقه بندی کاربری و پوشش زمین کاربرد بیشتری پیدا کنند. بدین منظور، در این مطالعه، رویکردی شیء گرا با ترکیب الگوریتم های GLCM، SNIC و یادگیری ماشین مطرح شده که هدف از آن طبقه بندی کاربری و پوشش زمین بخشی از اراضی شمال مهاباد در آذربایجان غربی، با استفاده از تصاویر ماهواره ای سنتینل 2 در سال 2019 در سامانه گوگل ارث انجین بوده است. مواد و روش ها: روش انجام شدن این پژوهش به گونه ای است که ابتدا مجموعه داده اولیه، شامل باندهای هدف تصاویر سنتینل 1 و سنتینل 2، مدل رقومی سطح زمین ALOS و شاخص های NDVI، BSI، SAVI و توان بازپراکنش کل (TSP) آماده سازی شد. در مرحله دوم، با اتخاذ دو رویکرد پیکسل پایه و شیء گرا و الگوریتم جنگل تصادفی، کاربری و پوشش زمین طبقه بندی شد و نتایج حاصل از آنها، برای تبیین بهترین رویکرد ازنظر دقت کلاس های گوناگون، مقایسه شد. در رویکرد شیء گرا، معیارهای بافتی با اعمال ماتریس وقوع توأم گام های خاکستری (GLCM) روی مجموعه داده اولیه استخراج شد و با توجه به افزایش تعداد باندها روش تحلیل مؤلفه های اصلی (PCA)، برای کاهش ابعاد تصویر، به کار رفت. در گام آخر، با ترکیب لایه PC1 و لایه قطعه بندی حاصل از الگوریتم خوشه بندی ساده غیرتکراری (SNIC)، الگوریتم جنگل تصادفی به منظور تهیه نقشه های کاربری و پوشش زمین محدوده مطالعاتی در نظر گرفته شد. نتایج و بحث: تحلیل معیارهای ارزیابی صحت نشان داد که رویکرد شیء گرا با صحت کلی و ضریب کاپای معادل 86/40% و 0/8307، در مقایسه با رویکرد پیکسل پایه با صحت کلی و ضریب کاپای 82/73% و 0/8028، نتایج بهتری را در طبقه بندی کاربری های متفاوت اراضی منطقه مورد مطالعه داشته است. نتایج معیارهای ارزیابی صحت نشان داد صحت تولیدکننده اغلب کلاس های کاربری، به جز ذرت، سبزیجات آبی پاییزه و گندم و جو آبی، در رویکرد شیء گرا بیشتر از روش پیکسل پایه است و دقت طبقه بندی آنها بالاتر از 90% بوده است. علاوه براین، کاربری های/ پوشش های پهنه آبی، ساخته شده، ذرت و چغندرقند بیشترین صحت کاربر را در نقشه کاربری و پوشش زمین شیء گرا به خود اختصاص داده اند. نتیجه گیری: یافته های تحقیق نشان دادند که تعیین مناسب اندازه سوپرپیکسل الگوریتم خوشه بندی SNIC و به کارگیری معیارهای بافتی GLCM به طور مؤثری عملکرد رویکرد پیشنهادی را در طبقه بندی کاربری و پوشش زمین، بهبود می بخشد.

دمای سطح زمین به طور مستقیم تحت تأثیر تعادل انرژی در سطح زمین قرار دارد. این تعادل انرژی متأثر از عوامل مختلف اقلیمی هم چون میزان انرژی دریافتی از خورشید،میزان رطوبت هوا و ... است. بنابراین این پژوهش با هدف بررسی ارتباط بین دمای سطح زمین (LST) و شاخص های طیفی و پوشش گیاهی استاندارد شده (NDVI) در شهرستان تبریز طی دوره زمانی (سال 1402) با استفاده از تصاویر ماهواره ای لندست و مودیس در پلتفرم گوگل ارث انجین (GEE) انجام شده است. همچنین به منظور محاسبه شاخص های طیفی و پوشش گیاهی از باندهای مادون قرمز نزدیک و قرمز استفاده شده است. در وهله بعد پس از تهیه نقشه های عامل، در محیط نرم افزار SPSS با استفاده از ضریب همبستگی پیرسون میزان همبستگی و رابطه بین دمای سطح با شاخص های طیفی و پوشش گیاهی مورد آزمون آماری قرار گرفتند. نتایج نشان داد که بین LST و شاخص های NDVI (با مقدار 232/0-) و SAVI (با مقدار 185/0-) یک همبستگی منفی قوی و بین شاخص های NDBal و NDBI به ترتیب ب مقدار (188/0) و (092/0) رابطه مثبت و معنی داری حاکم است. به طوری که افزایش پوشش گیاهی به طور قابل توجهی با کاهش دمای سطح زمین همراه است. مناطق شهری و صنعتی که دارای پوشش گیاهی کمتری هستند، بالاترین مقادیر LST را نشان می دهند. یافته های این پژوهش تأکید بر اهمیت پوشش گیاهی در کاهش دمای محیط و بهبود کیفیت هوا دارد و می تواند در برنامه ریزی شهری، مدیریت منابع طبیعی و ارزیابی اثرات تغییرات اقلیمی در منطقه مورد مطالعه 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.  

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.

این پژوهش با رویکردی کاربردی و تحلیلی، به شناسایی نواحی مستعد سیل خیزی در حوضه آبخیز یامچی پرداخته است. در ابتدا، داده های دبی روزانه ایستگاه های لای، نیر و یامچی طی سال های 2014 تا 2021 از شرکت آب منطقه ای استان اردبیل جمع آوری شد. سپس، پارامترهای محیطی مؤثر شامل شیب زمین، فاصله از آبراهه، کاربری اراضی و رطوبت خاک در محیط ArcGIS و گوگل ارث انجین ترسیم شدند. همچنین، شاخص های طیفی NDWI، AWEI، WRI و LSWI از تصاویر لندست 8 استخراج گردید. پس از استانداردسازی متغیرها، مدل جنگل تصادفی رگرسیونی با 100 درخت تصمیم آموزش داده شد. 70 درصد داده ها برای آموزش و 30 درصد برای آزمون مدل استفاده شد. عملکرد مدل با شاخص های آماری R² و MSE به ترتیب برابر با 9353/0 و 000210/0 ارزیابی شد. در نهایت نواحی مستعد سیل خیزی شناسایی گردیدند. به منظور اعتبارسنجی، رویداد سیل آوریل 2017 به عنوان نمونه موردی تحلیل شد. نتایج نشان داد که بخش شمالی حوضه، به دلیل ارتفاع زیاد، شیب تند، رطوبت خاک ۳۵ درصد و مقادیر بالای AWEI و WRI، بیشترین پتانسیل برای وقوع سیل خیزی را دارد. در مقابل، نواحی مرکزی و جنوبی به علت شیب ملایم تر و رطوبت کمتر خاک، احتمال کمتری برای سیل خیزی نشان دادند. مدل جنگل تصادفی صحت این الگو را تأیید کرد و عملکرد آن با منحنی ROC و مقدار AUC برابر با 616/0، قابل قبول ارزیابی شد. تحلیل داده های راداری نیز نشان داد که بازتاب سیگنال ها در مناطق شمالی، پیش و پس از وقوع سیلاب، تغییر محسوسی داشته و بیانگر تمرکز منابع آبی در این بخش از حوضه است.