سنجش از دور و GIS ایران

بررسی روند رشد شهرها و پیش بینی تغییرات آنها در آینده، برای برنامه ریزی های فضایی، ضرورت دارد. به این منظور، به نقشه سازی پهنه های ساخت وسازشده نیاز است. در بسیاری مناطق، به ویژه در اقلیم خشک، تفکیک مناطق ساخت وسازشده از محیط اطراف به سادگی و با روش های معمول طبقه بندی تصاویر ماهواره ای و یا نمایه های متداول، با دقت مورد قبول، امکان پذیر نیست؛ ازاین رو بسیاری از پژوهشگران نمایه های طیفی گوناگونی را به منظور استخراج مناطق ساخت وسازشده، توسعه داده اند. استفاده از تغییرات دمای سطح زمین برای نشان دادن مناطق ساخت وسازشده، به کمک الگوریتم زون های اقلیمی محلی (LCZ) کمتر مورد توجه بوده است و روش نسبتاً جدیدی محسوب می شود؛ بنابراین در این مقاله، تفکیک مناطق ساخت وسازشده از سایر انواع پوشش اراضی پیرامونی آن، با استفاده از الگوریتم LCZ انجام شد. با توجه به محدودیت نداشتن تعداد باند در این روش، از چهار سری تصاویر ماهواره ای لندست متعلق به سال 2020 استفاده شد و صحت آن با جدیدترین نمایه های ساخت وسازشده (DBI، BLFEI، BAEI و BAEM) که به صورت خودکار طبقه بندی شده اند، مورد مقایسه قرار گرفت. نتایج این مطالعه نشان داد که صحت طبقه بندی ناشی از الگوریتم LCZ ٪96 است؛ درصورتی که نمایه های BLFEI و BAEM قادر به تفکیک کامل مناطق ساخت وسازشده از سایر انواع پوشش اراضی نیست و صحت کلی نمایه BAEI نیز 37% به دست آمد. بنابراین کارآیی روش LCZ بیشتر از نمایه های ساخت وسازشده است و درمورد مناطق خشک و نیمه خشک، توصیه می شود.

ازن نزدیک به سطح زمین یکی از آلاینده های بسیار خطرناک است که تأثیرات زیان بار درخور توجهی در سلامت ساکنان مناطق شهری دارد. هدف از این مطالعه شناسایی عوامل مؤثر در غلظت ازن و مدل سازی تغییرات آن، با استفاده از داده های ماهواره ای و روش های گوناگون یادگیری ماشین در شهر تهران است. بدین منظور داده های غلظت آلاینده ها، داده های هواشناسی و دمای سطح خاک، طی بازه زمانی بین سال های 2015 تا 2021، به کار رفت. پس از محاسبه همبستگی بین غلظت ازن و پارامتر های مستقل، طی پنج حالت متفاوت، با پارامترهای ورودی و روش یادگیری متفاوت و به کارگیری پالایش داده ها، غلظت ازن مدل سازی شد. در حالت اول و دوم، مدل سازی با استفاده از داده های غلظت آلاینده ها و داده های هواشناسی با روش رگرسیون خطی چندمتغیره انجام شد. تنها تفاوت این دو حالت، پالایش داده های ورودی به شیوه WTEST در روش دوم است. در حالت سوم، دمای سطح خاک به داده های ورودی افزوده شد و در حالت چهارم و پنجم، به ترتیب مدل سازی ازن با استفاده از شبکه عصبی چندلایه ای و شبکه عصبی بازگشتی انجام شد. مقایسه این حالت ها نشان داد که مدل سازی های مراحل اول تا پنجم، به ترتیب با ضریب تعیین تعدیل شده 5/0، 64/0، 69/0، 74/0 و 8/0 توانایی بازیابی غلظت ازن را داشته اند. همچنین مشخص شد در بین آلاینده های گوناگون، مونوکسید نیتروژن، دی اکسید نیتروژن، نیتراکس و از میان داده های هواشناسی دما، رطوبت و سرعت باد بیشترین تأثیر را در غلظت ازن دارند. افزودن دمای سطح خاک به داده های ورودی نیز افزایش پنج درصدی دقت را در برآورد غلظت ازن، به همراه داشت.

به منظور شناخت ساختگاه، به دست آوردن پارامترهای مقاومتی خاک کاری ضروری و درعین حال هزینه بر و زمان گیر است. در این پژوهش، با استفاده از 135 گمانه ژئوتکنیکی حفر شده در شهر کرمانشاه، پهنه بندی پارامترهای مقاومت برشی خاک (زاویه اصطکاک و چسبندگی) با استفاده از نرم افزار ArcGIS و روش درون یابی کریجینگ معمولی (با شبه واریوگرام های کروی، نمایی و گوسی)، تا عمق نُه متر در بازه های سه متری انجام شده و با استفاده از شاخص های جذر میانگین مربعات خطا (RMSE) و میانگین قدرمطلق خطا (MAE)، بهترین مدل برای پیش بینی مشخصه ها انتخاب شده است. براساس شاخص های ارزیابی خطا، بهترین واریوگرام ها برای پهنه بندی زاویه اصطکاک و چسبندگی در عمق 0 تا 3 متر گوسی، 3 تا 6 متر نمایی و 6 تا 9 متر به ترتیب گوسی و کروی است. مطابق نتایج به دست آمده، اغلب با افزایش عمق، زاویه اصطکاک و چسبندگی افزایش یافته است و بخش های شمالی و جنوب غرب کرمانشاه، در قیاس با دیگر مناطق، دارای خاکی با زاویه اصطکاک بیشتر و چسبندگی کمتر (درشت دانه) هستند و بخش های شمال غرب این شهر خاک های رسی و آبرفتی دارند؛ با توجه به گذر رودخانه قره سو از این ناحیه و قرارگیری مناطق شمالی و جنوبی کرمانشاه در کوهپایه، نتایج تصدیق می شود.

حوضه آبریز فلات مرکزی ایران، به دلیل تغییرات اقلیمی و کاهش منابع آب دردسترس ازیک سو و افزایش جمعیت و به تبع آن، افزایش تقاضا ازسوی دیگر، با بحران شدید آب مواجه است. دانش سنجش از دور و دردسترس بودن محصولات متعدد ماهواره ای امکان پایش روند تغییرات پارامترهای گوناگون محیطی، به ویژه منابع آب سطحی و زیرزمینی را با دقت مناسب فراهم آورده است. بدین منظور، با استفاده از سامانه گوگل ارث انجین، شانزده محصول ماهواره ای شامل پارامترهای محیطی متفاوت، همچون بارش، دما، تبخیر و تعرق، رطوبت خاک، رواناب، ضخامت آب معادل (GRACE)، شاخص پوشش گیاهی و مساحت پیکره های آبی، در بازه زمانی سال های 2000 تا 2022، دریافت و آماده سازی شد. سپس با استفاده از آزمون ناپارامتریک من کندال و تخمین گر شیب سن، روند تغییرات این پارامترها بررسی شد. با توجه به نتایج حاصل، تغییرات گرانش زمین که از نشانگرهای سطح آب زیرزمینی است و نیز مساحت پیکره های آبی که بیانگر منابع آب سطحی است و رطوبت خاک، روندی کاهشی و معنی دار را نشان داد؛ درحالی که دمای حداکثر، دمای حداقل و تبخیر و تعرق پتانسیل و شاخص NDVI بیانگر روند افزایشی معنی داری بود. به رغم کاهش مساحت پیکره های آبی، شاخص پوشش گیاهی افزایش یافته است که افزایش سطح زیرکشت محصولات کشاورزی و برداشت بی رویه از منابع آب زیرزمینی را نشان می دهد و روند کاهشی محصول ماهواره GRACE نیز مؤید این واقعیت است. بررسی ضرایب همبستگی بین پارامترهای دارای روند معنی دار نیز نشان داد بین GRACE و پارامترهای NDVI، دمای حداقل، دمای حداکثر، رطوبت خاک و مساحت پیکره های آبی، همبستگی معنی داری وجود دارد.

تالاب ها به منزله جزء اساسی اکوسیستم جهانی در پیشگیری یا کاهش شدت سیل، تغذیه سفره های آب زیرزمینی و فراهم آوردن زیستگاه منحصربه فرد برای گیاهان و جانوران و دیگر خدمات و سودمندی ها، از عناصر اصلی استراتژی حفاظت منطقه ای اند. تالاب بین المللی انزلی در استان گیلان یکی از ده تالاب ارزشمند جهان است که به لحاظ تغییرات ساختاری حاصل از فرایندهای انسان ساخت، دچار تغییرات زیادی در کاربری اراضی و پوشش گیاهی شده و ماهیت و کارکردهای اکولوژیک آن به خطر افتاده است. هدف این مطالعه بررسی کاربرد داده های سنجش از دور در نقشه سازی تغییرات الگوی فضایی سیمای سرزمین، به کمک نمونه برداری زمینی در سطح بستر تالاب و تجزیه وتحلیل تغییرات انسجام سرزمینی براساس متریک های سیمای سرزمین است. ابتدا داده های ماهواره ای بررسی شد و ازطریق طبقه بندی تصاویر سنتینل 2، متعلق به سال های 2016 تا 2020 با نقاط نمونه برداری زمینی، نقشه کلاس های پوشش اراضی در هفت طبقه کشاورزی، بایر، نیزار، جنگل، مرتع، پهنه آبی و شهری، برای نقشه سازی و تجزیه وتحلیل متریک های سیمای سرزمین، پدید آمد. پس از استخراج متریک های سیمای سرزمین در سطح کلاس و سیمای سرزمین با نرم افزار Fragstats و تعیین متریک های مناسب طبق روش PCA، با نرم افزارهای R و Canoco، متریک های LPI، LSI، ENN_MN، CA، TE، NP، SHAPE_MN، PARA_MN، IJI، AREA_MN به منزله متریک های کاربردی برای تحلیل بهتر منطقه، انتخاب شدند . آنالیز متریک ها بیانگر آن است که به طور کلی سیمای سرزمین از هم گسیخته شده ، ازنظر شکلی، پیچیده تر و نامنظم تر و ازنظر میزان یکپارچگی عناصر ساختاری، ناپیوسته تر شده است.

داده های سنجش از دوری، با قدرت تفکیک مکانی بالا، اغلب دارای قدرت تفکیک زمانی و طیفی پایین و داده های با قدرت تفکیک مکانی پایین دارای قدرت تفکیک طیفی و زمانی بالا هستند. باوجوداین ، درحال حاضر، سنجنده های ماهواره ای به تنهایی نمی توانند داده هایی با قدرت تفکیک زمانی و قدرت تفکیک مکانی بالا را هم زمان ارائه کنند. این درحالی است که در برخی کاربردها دسترسی هم زمان به داده هایی با قدرت تفکیک مکانی و زمانی بالا ضروری است؛ ازاین رو در این مطالعه، با هدف دستیابی به داده های دارای قدرت تفکیک مکانی و زمانی بالا، تصاویر مادیس در کلاس های کاربری شهری، باغ، مرتع، کشاورزی و آب ازطریق الگوریتم های STARFM ، ESTARFM وFSDAF به قدرت تفکیک مکانی سنتینل 2، ریز مقیاس شد. منطقه مطالعاتی با تنوع پوشش های زمین گوناگون در اطراف شهر مهاباد انتخاب شد. در این مطالعه، باندهای مرئی و مادون قرمز نزدیک در سنتینل 2 و مادیس انتخاب و پیش پردازش های لازم، ازجمله تصحیح هندسی، روی آنها انجام شد. سپس با استفاده از الگوریتم های ریزمقیاس نمایی، تصاویر مادیس به تصاویر سنتینل 2 ریزمقیاس شد. نتایج نشان دهنده صحت بالای کلاس های شهری، باغ و مرتع در قیاس با کلاس های کشاورزی و آب است؛ به گونه ای که الگوریتم های ESTARFM، FSDAF و STARFM به صورت میانگین در همه باندها، به ترتیب برای کلاس شهری، ضریب تعیین 25/88، 25/87 و 5/86، درمورد کلاس باغ ضریب تعیین 75/83، 25/83 و 5/80 و درمورد کلاس مرتع، ضریب تعیین 75/90، 5/70 و 5/87 را نشان دادند. درمجموع، الگوریتم ESTARFM در مقایسه با دیگر الگوریتم ها در این تحقیق، نتیجه ای بهتر دربرداشت.

دریاچه ارومیه یکی از بزرگ ترین دریاچه های آب شور در جهان است که متأسفانه درحال خشک شدن است. این مسئله خطرها و نگرانی های بسیاری را به ویژه در ارتباط با گردوغبارهای نمکی در پهنه های خشک شده آن، به وجود آورده است. ازاین رو، در این پژوهش، سعی شد ارتباط پوشش گیاهی و گردوغبار در شهرستان های اطراف دریاچه ارومیه بررسی شود. درمورد گیاهان، شوری باعث بی نظمی های فیزولوژیک، تنش رشد، فتوسنتز، پروتئین، تنفس، تولید انرژی، پیری زودرس و کاهش آب در گیاه می شود. با توجه به این تأثیرات، سعی شد با استفاده از شاخص های مرتبط، شامل NDVI، CIre، GCI، CRI2، NDWI، NDII، MSI و PSRI سلامت کلی گیاهان ارزیابی شود. این شاخص ها میزان آب گیاه، تنش های آبی گیاه، ظرفیت فتوسنتز، رشد گیاهان و کمبود آب، میزان کلروفیل، نیتروژن و رنگدانه ها را که به انرژی و سلامت گیاه مربوط می شود، ارزیابی می کند. طبق این شاخص ها، سلامت گیاهان به طور کلی در وضعیت مطلوبی قرار دارد و اغلب بیشترین ارزش عددی شاخص ها به باغات اختصاص داشت. با استفاده از تصاویر لندست و سنتینل 2 و شاخص NDVI، تغییرات پوشش گیاهی منطقه در بازه زمانی 2010 تا 2020 تعیین و سپس با استفاده از پایگاه داده MERRA-2، میزان غلظت گردوغبار نیز درمورد این بازه زمانی استخراج شد. نتایج نشان دهنده این بود که میانگین NDVI، در منطقه مورد مطالعه، از روندی ثابت با میانگین کلی 2957/0 پیروی می کند و گاه براَثر تأثیرگذاری برخی عوامل بیرونی، مانند گردوغبار، بر میزان آن افزوده و یا از آن کاسته می شود. بر این اساس بیشترین میزان (3495/0) میانگین NDVI به سال 2018 و کمترین میزان (2579/0) به سال 2013 تعلق دارد. همچنین برای بررسی میزان ارتباط پوشش گیاهی و گردوغبار، از دو روش رگرسیون خطی و لگاریتمی استفاده شد و نتایج نشان داد، براساس رگرسیون خطی (7703/0) و لگاریتمی (7915/0)، بیشترین ضریب تبیین بین دو شاخص یادشده در ماه مه بوده است. مطالعه جامع شاخص های سلامت گیاهی و ارتباط آن با رویدادهای طوفان های گردوغبار از مزایای این روش پیشنهادی به شمار می رود.