در میان شبکۀ معابر شهری، شبکۀ راههای اضطراری در امدادرسانی حین زلزله، بهویژه در مرحلۀ پاسخ به بحران، نقش مهمی ایفا میکنند. حفظ عملکرد این شبکه از معابر، در ساعات اولیۀ پس از زلزله، اهمیت بسزایی دارد. محافظت و مقاومسازی اجزای آسیبپذیر شبکه، بهخصوص پلها، پیش از وقوع بحران، تأثیر شایان توجهی در کاهش خسارات و آسیبها دارد. در اغلب اوقات مقاومسازی تمامی اجزای آسیبپذیر، بهدلیل محدودیت بودجه، عملاً ناممکن است. این محدودیت ایجاب میکند که با شناسایی دقیق اجزای آسیبپذیر، گزینههای مقاومسازی در ابتدا اولویتبندی و در نهایت، مناسبترین آنها انتخاب شود. طی پژوهش حاضر، ابتدا پلهای نیازمند مقاومسازی واقع در شبکۀ راههای اضطراری، با استفاده از یک روششناسی پنجمرحلهای شناسایی میشود و با توجه به محدودیتهای مالی و گزینههای تخصیص بودجه، گزینههای مقاومسازی منتخب برمبنای شبکۀ لایههای ایجادشده در محیطGIS (با عنوان ورودی) اولویتبندی میشود. بررسی همة حالات ممکن برای پایداری پلها پس از وقوع زلزلهای مشخص، طراحی شبکۀ معابر اضطراری برای همۀ این حالات، بررسی گزینههای متفاوت مقاومسازی پلها، ارزیابی اثر این مقاومسازی در طول شبکۀ اضطراری و در نهایت، اولویتبندی گزینههای مقاومسازی، با توجه به تأثیر آنها در طول شبکۀ اضطراری، مراحل اصلی روش پیشنهادی این مطالعه را تشکیل میدهد. کارآیی روش یادشده پس از بهکارگیری آن روی بخشی از شبکۀ معابر اضطراری شهر تهران بهمنزلة شبکهای واقعی با ابعاد بزرگ، ارزیابی شد.
امروزه کاربردهای تصاویر ماهوارهای، در پایش و مدیریت زمینهای کشاورزی، رو به گسترش است. با توجه به قدرت تفکیک مکانی، طیفی و زمانی بالای تصاویر سنتینلـ 2، در این مطالعه، در کشاورزی دقیق در شهرستان قروه از این تصاویر استفاده شده است. ابتدا با توجه به تقویم زراعی محصولات متفاوت آن منطقه، تصاویر سری زمانی جمعآوری شد. در روش پیشنهادی، نخست، فضای ویژگی طیفی براساس بازتاب طیفی باندها و همچنین شاخصهای گیاهی، ایجاد شد. ابعاد فضای ویژگی طیفی، با استفاده از روش آنالیز مؤلفههای اصلی، کاهش یافت. سپس چهار طبقهبندیکنندة قدرتمند ماشینهای بردار پشتیبان، شبکة عصبی پرسپترون چندلایه، نزدیکترین k همسایه و جنگلهای تصادفی نقشة طبقهبندی از اطلاعات طیفی تولید کردند. در ادامه، مکانی با هدف تعیین مرز مزارع، اطلاعات استخراج شد. برای این منظور، از شناسایی لبهها در سری زمانی تصاویر سنتینلـ 2 استفاده شد. در نهایت، نقشة طبقهبندی نهایی، با تلفیق اطلاعات مکانی و ادغام نتایج طبقهبندیکنندهها ایجاد شد. نتایج بهدستآمده نشان داد که دقت طبقهبندیکنندههای نزدیکترین k همسایه، ماشینهای بردار پشتیبان، شبکة عصبی پرسپترون چندلایه و جنگلهای تصادفی روی فضای ویژگی طیفی اولیه، بهترتیب 78/77%، 16/79%، 41/76% و 89/76% است. با استفاده از روش پیشنهادی، دقت طبقهبندی به 72/94% افزایش پیدا کرد که حاکی از توانایی آن در منطقة مورد مطالعه است.
Due to the wide applications of hyperspectral images, economical and innovative imaging systems are developed to acquire such images. In order to use hyperspectral images, it is necessary to establish an accurate relation between the ground space and the image space, which needs numerous Ground Control Points (GCPs). This fact highlights the need for developing geometric corrections methods for any camera design. BaySpec OCI-F (400-1000 nm) is one of the innovative cameras that acquires pushbroom hyperspectral images. In addition to the pushbroom sensor, the camera uses a frame sensor that acquires images at the same time as the pushbroom sensor and with the same temporal rate. In this article, a geometric correction method for pushbroom images of OCI-F camera is proposed. Based on the camera ’ s imaging design, the first step of the method determines a set of calibration parameters which geometrically relates the pushbroom and the frame sensors. Then using this relation and the geometric relations among consecutive frames, the pixels of the pushbroom scene are rearranged and form the corrected image. The proposed method determines the relation among the consecutive images via Least Square Matching (LSM) method. The results show that the correction method has decreased the geometric distortions of the raw pushbroom scene by 62.2% on average. Such a reduction causes the average accuracies of two-dimensional and three-dimensional generic models which relate image space and ground space together, to increase by 34.1% and 39.9% respectively.
تحلیل وضعیت ترافیکی و پیشنهاد روشهای مدیریت جریان ترافیک نقش اساسی در ارزیابی عملکرد بسیاری از سیستمهای حملونقلی ایفا میکند. در بین روشهای جمعآوری دادههای ترافیکی، رویکردهای مبتنیبر فنّاوریهای نوین که امکان گردآوری حجم بسیاری از دادههای پویای زمانیـ مکانی را فراهم میآورند و استخراج روندها و الگوها را تسهیل میکنند اهمیت بسیاری دارند. در این پژوهش، تهران بهمنزلة پایتخت ایران، با ویژگیهای اقتصادی و اجتماعی خاصی که دارد و تنوع سفرها که به وضعیت ترافیکی متغیر منجر میشود، مطالعه شده است. دادههای حاصل از پردازش رقومی تصاویر ترافیکی بهدستآمده از سرویس نقشة گوگل در بازة زمانی پیوستة یکماههای (هفدهم فروردین تا هفدهم اردیبهشت 1398)، نخستین بار بهمنظور ارزیابی روند تغییرات میانگین ازدحام ترافیکی در سطح نواحی منطقة مطالعاتی، بهکار رفته است. پس از استخراج دادههای اولیه و با توجه به تغییر الگوی سفرها و در نتیجه، میزان ازدحام ترافیکی، شاخص ازدحام ترافیکی (CI) بهتفکیک در روزهای کاری و غیرکاری، محاسبه شد و به مرکز نواحی 117گانة شهر تهران اختصاص یافت. با استفاده از تحلیلهای توصیفی روی کلاندادههای مورد بررسی، ساعات اوج ازدحام ترافیکی در بازة زمانی مورد مطالعه استخراج شد. سپس شاخص Getis Ord، نواحی پرازدحام منطقة مطالعاتی را براساس ارزیابی خوشههای مکانی، مشخص کرد. همچنین ارتباط زمانی بین مقادیر ازدحادم ترافیکی، در برشهای زمانی متفاوت طی کل بازة زمانی مورد مطالعه، با استفاده از آزمون آماری کروسکال والیس ارزیابی شد و فرض صفر مبتنیبر همبستگی بین مقادیر میانگین ازدحام و در نتیجه، همبستگی زمانی بین مقادیر تأیید شد. با استفاده از تحلیلهای پوششی نقشههای ترافیکی نیز، خوشههای ترافیکی پرازدحام در سطح اطمینان 90%، در اوج صبح و عصر، بهتفکیک روزهای کاری و غیرکاری استخراج شد. نتایج این پژوهش میتواند در اصلاح و بازنگری محدودههای ترافیکی مؤثر باشد و همچنین به تحلیلهای مرتبط با آلودگی هوا، مطالعات در زمینة قیمتگذاری معابر و بررسی روند شکلگیری و انتشار گلوگاههای ترافیکی در بازههای زمانی دلخواه، یاری برساند.
شاخص سطح برگ استخراجشده (LAI) از تصاویر سنجش از دور پارامتر مهمی، بهمنظور مدلسازی مکانی تولید پوشش گیاهی، محسوب میشود. معمولاً شاخصهای پوشش گیاهی که با بازتاب طول موجهای قرمز و مادون قرمز نزدیک محاسبه میشوند، در برآورد LAI با استفاده از روشهای آماری، بهکار میروند اما بسیاری از این شاخصها در مقادیر متفاوت LAI به اشباع میرسند. برای رفع این محدودیت، بازتاب محدودة لبة قرمز استفاده شده است؛ بنابراین، باید قابلیت شاخصهای متفاوت پوشش گیاهی استخراجشده از دادههای سنجش از دور، برای برآورد LAI ذرت علوفهای، ارزیابی شود. بدینمنظور پنج مرحله نمونهبرداری میدانی، با فاصلة زمانی نزدیک به گذر ماهوارة سنتینلـ 2، از سوی مرکز تحقیقات فضایی پژوهشگاه فضایی ایران، اجرا شد و در مجموع، 234 نمونه از مزارع ذرت علوفهای شرکت کشت و صنعت مگسال قزوین برداشت شد. سپس سیزده شاخص پوشش گیاهی متفاوت، با استفاده از سری زمانی تصاویر سنتینلـ 2، محاسبه شد و برای برآورد آماری مقادیر LAI بهکار رفت. نتایج نشان داد که شاخص EVI با ضریب همبستگی 76/0 برای برآورد شاخص سطح برگ ذرت علوفهای بهترین عملکرد را داشته است. علاوهبراین، مقدار RMSE روشهای رگرسیون غیرخطی بیشتر از روشهای خطی بوده است.
شاخص سطح برگ نقش مهمی در تبادل ماده و انرژی بین زمین و اتمسفر دارد. مانند سایر گیاهان، شاخص سطح برگ نیشکر معیار خوبی برای وضعیت سلامت و رشد این محصول است که بهدلیل نقش آن در صنایع غذایی و انرژی، اهمیت اقتصادی بسیاری دارد. ماهوارة PRISMA که در سال 2019 پرتاب شد، یکی از جدیدترین منابع دادههای ابرطیفی را فراهم کرده است که بهویژه، در تهیة نقشة متغیرهای گیاهی کاربرد دارد. در پژوهش حاضر، نوع جدیدی از شبکههای عصبی مصنوعی، موسوم به شبکة عصبی تنظیمشده با روش بیزین (BRANN) که قانون بیز را برای غلبه بر مشکل بیشبرازش شبکههای عصبی بهکار میبرد، استفاده میشود. مدل یادشده روی مجموعهای داده، متشکل از طیف دریافتشده ازطریق ماهوارة PRISMA بهمنزلة متغیر مستقل و مقادیر اندازهگیری شاخص سطح برگ نیشکر بهمنزلة متغیر وابسته، اجرا شد. اندازهگیریهای زمینی شاخص سطح برگ نیشکر در 118 واحد نمونهبرداری زمینی، روی مزارع کشتوصنعت نیشکر امیرکبیر در استان خوزستان و در هفت تاریخ متفاوت طی یک دوره رشد نیشکر در سال 1399، انجام شد. مقایسة عملکرد BRANN با یک روش متعارف شبکة عصبی، یعنی شبکة آموزشدیده با روش لونبرگـ مارکوارت (LMANN) در بازیابی شاخص سطح برگ نیشکر از طیف PRISMA، حاکی از این است کهRMSE بازیابی از 26/2 (m2/m2) بهروش LMANN به 67/0 (m2/m2)، با استفاده از روش BRANN کاهش یافته است. در این پژوهش، بهمنظور کاهش ابعاد داده نیز از تبدیل مؤلفههای اصلی استفاده شد. در بازیابی شاخص سطح برگ از بیست مؤلفة اصلی اول نیز RMSE از 41/1 (m2/m2) با استفاده از روش LMANN به 71/0 (m2/m2) طبق روش BRANN کاهش یافت. استفاده از مؤلفههای اصلی باعث کاهش چشمگیر زمان محاسباتی شد. با اجرای مدل آموزشدیدة BRANN روی تصاویر PRISMA بهصورت پیکسلبهپیکسل، نقشة شاخص سطح برگ نیشکر تولید شد. ارزیابی این نقشه نشان داد که این نقشه تغییرات مکانی شاخص سطح برگ نیشکر را بهخوبی نشان میدهد. نتایج این تحقیق بیانگر قابلیت بالای روش BRANN و تصاویر PRISMA برای بازیابی شاخص سطح برگ نیشکر است.
طوفانهای گردوغبار بلایایی طبیعیاند که در زندگی انسان و محیطزیست تأثیر چشمگیری گذاشتهاند. توسعة مدلهایی، بهمنظور پیشبینی مسیر حرکت این طوفانها، در پیشگیری و مدیریت طوفانهای گردوغبار نقش بسزایی ایفا میکند زیرا مسیر انتقال آنها را آشکار و مناطق آسیبپذیر بعدی در برابر طوفان را مشخص میکنند. بهلطف امکانات روشهای یادگیری عمیق در حل مسائل مبتنیبر سری زمانی و یافتن الگوهای پنهان از حجم دادة کلان، در این پژوهش، یک مدل ترکیبی شبکة عصبی پیچشی (CNN) بهمنظور پیشبینی مسیر حرکت طوفان گردوغبار، براساس دادة عمق نوری هواویز (AOD) محصول MERRA-2 برای دوازده ساعت آینده، توسعه داده شده است. همچنین چهل رویداد طوفان، شامل 2489 ساعت طوفان در منطقهای خشک در مرکز و جنوب آسیا، بهمنظور آموزش مدل بهکار رفته است. نتایج نشان میدهد که مدل پیشنهادی پیشبینی دقیقی از مسیر حرکت طوفان بهدست میدهد؛ بهگونهایکه درمورد گامهای زمانی 3، 6، 9 و 12 ساعت آینده، مقادیر دقت کلی بهترتیب برابر با 9806/0، 9810/0، 9813/0 و 9790/0، مقادیر امتیاز F1 بهترتیب برابر با 8490/0، 8524/0، 8530/0 و 8384/0 و مقادیر ضریب کاپا بهترتیب برابر با 8387/0، 8424/0، 8431/0 و 8273/0 است.
از ابتدای پیدایش کرة زمین تا کنون، انسان بیش از سایر موجودات در محیطزیست خود تأثیر گذاشته و آن را، مطابق با میل خود، تغییر داده است. با افزایش جمعیت، محدودیتهای آب و خاک و تغییرات اقلیمی تأمین مواد غذایی را با مشکلات و مسائل جدی مواجه کرده است. در میان محصولات غذایی کشاورزی، گندم یکی از محصولات استراتژیک پرمصرف در ایران و بسیاری از کشورهای جهان است که در شرایط اقلیمی گرموخشک، با بازدهی مناسب، کشت میشود. در ایران، حدود 10% تقاضای بخش کشاورزی کشور از استان فارس تأمین میشود. با توجه به اینکه استان فارس رتبة دوم تولید گندم را در بین استانهای کشور دارد؛ این پژوهش قصد دارد تناسب اراضی این استان را، برای کشت گندم بهروش دیم، ارزیابی کند. در گام نخست، دادههای اقلیمی و خاکشناسی و توپوگرافی در محدودة جغرافیایی این استان بررسی و تحلیل میشود. سپس لایههای اطلاعاتی وارد نرمافزار سیستم اطلاعات جغرافیایی (GIS) میشود و نقشة اراضی مستعد کشت گندم، با استفاده از روش تحلیلی تصمیمگیری چندمعیارة ویکور (VIKOR) تعیین میشود. نتایج این پژوهش نشان داده است حدود 32% از مساحت استان فارس در رتبة اول و دوم تناسب اراضی برای کشت گندم قرار دارد. همچنین، مشخص شد که بیشتر مناطق مناسب در غرب و شمالغرب استان فارس پراکنده شدهاند.
توسعه با مفهوم عام آن، پیشرفت صنعتی، تکنولوژیکی و فضایی، بهویژه در کشورهای درحالتوسعه، به تأثیرات نامطلوب در محیطزیست هم در مقیاس ناحیهای و هم در سطوح گوناگون منطقهای، ملی و گاه جهانی منجر شده و به همان میزان، امنیت اکولوژی مناطق را تحت تأثیر قرار داده است. طی دهههای اخیر، توجه بیشتری به امنیت زیستمحیطی در جهان شده و روشهای گوناگونی برای ارزیابی آن توسعه یافته است اما تا به امروز، بیشتر تحقیقات درمورد امنیت اکولوژیکی براساس مدل فشارـ وضعیتـ پاسخ انجام شده است و کمتر مطالعاتی، برمبنای رویکرد مدل اکولوژی سیمای سرزمین، به این مقوله پرداختهاند. همچنین تحقیقات اندکی با تمرکز بر تغییرات پویای امنیت اکولوژیکی، بهویژه شبیهسازی و پیشبینی روند توسعة آیندة امنیت محیطزیست انجام شده است. هدف از این تحقیق پایش و پیشبینی وضعیت امنیت محیطزیست در دورة زمانی سالهای 1991 تا 2035، با تلفیق الگوریتم ماشینبردار پشتیبانی، مدل اکولوژی سیمای سرزمین، مدل ترکیبی زنجیرة مارکوف و سلولهای خودکار (CA-Markov) برای حوزة شهرستان نظرآباد از توابع استان البرز است. بدینمنظور با طبقهبندی تصاویر ماهوارهای لندست در دو بازة زمانی پانزدهساله طی سالهای 1991 تا 2021، روند تغییرات کاربری اراضی منطقه در پنج کلاس کاربری، اراضی ساختهشده، اراضی کشتشده، زمینهای مرطوب، پوشش گیاهی و اراضی بایر بررسی شد و برای تهیة نقشههای کاربری سال 2035، از مدل CA-Markov استفاده شد. بهمنظور کمّیکردن الگوهای سیمای سرزمین در سطح کلاس، متریکهای MPS، CA، NP، PLAND، AWMSI، PD و در سطح سیمای سرزمین، متریکهای LPI،CONTAG و SHDI محاسبه شدند. پس از آن، شاخص امنیت اکولوژیک برای متریکهای سیمای سرزمین منطقة مورد مطالعه، مدلسازی شد. نتایج حاکی از کاهش یکپارچگی و افزایش تعداد لکهها در کلاس اراضی کشتشده و توسعه و گسترش اراضی انسانساخت در این اراضی بود و از دیگرسو، شاهد بروز پدیدة یکپارچگی در اراضی بایر منطقه بودیم؛ ازاینرو امنیت اکولوژیکی منطقه در دورة مورد بررسی، متأثر از وقایع یادشده، طی سالهای 1991 تا 2006 با شدت بیشتر و در سالهای 2006 تا پیشبینی 2035، با شیب ملایمتری رو به کاهش ارزیابی شد. در پایان، رعایت بیش از پیش ملاحظات محیطزیستی و اصول حفاظت و حمایت در برنامههای توسعهای منطقه پیشنهاد شد.برای این منظور با استفاده از طبقهبندی تصاویر ماهواره ای لندست در دو بازه زمانی پانزده ساله بین سالهای 1991 و 2006 و 2021، روند تغییرات کاربری اراضی منطقه مورد مطالعه در پنج کلاس کاربری؛ اراضی ساخته شده ، اراضی کشت شده ، زمین های مرطوب ، پوشش گیاهی و اراضی بایر مورد بررسی قرار گرفت و جهت کمی کردن الگوهای سیمای سرزمین در سطح کلاس متریکهای MPS،CA،NP،PLAND،AWMSIT،PD و در سطح سیمای سرزمین متریکهای LPI،CONTAG و SHDI محاسبه شدند. برای تهیه نقشههای کاربری سال 2035 از مدل CA-Markov استفاده گردید و سپس شاخص امنیت اکولوژیک برای متریکهای سیمای سرزمین منطقه مورد مطالعه مدل سازی شد. نتایج حاکی از کاهش یکپارچگی و افزایش تعداد لکه ها در کلاس اراضی کشت شده و توسعه و گسترش اراضی انسان ساخت در این اراضی بوده و از طرف دیگر شاهد بروز پدیده یکپارچگی در اراضی بایر منطقه بوده ایم. از این رو امنیت اکولوژیکی منطقه، طی دوره مورد بررسی، متاثر از وقایع فوق، طی سال های 1991 تا 2006 با شدت بیشتر و در سال های 2006 تا پیشبینی 2035 با شیب ملایم تری رو به کاهش ارزیابی شد. از این رو رعایت بیش از پیش ملاحظات محیط زیستی و اصول حفاظت و حمایت در برنامههای توسعه ای منطقه، ضروری به نظر میرسد.
پایش خشکسالی، بهمنظور هشدار سریع برای خطر خشکسالی، بسیار حیاتی و مهم است. در این پژوهش، سعی شده است که شاخص پایش خشکسالی VDI براساس باندهای متفاوت دادههای ماهوارهای مادیس، با تفکیک مکانی متوسط، توسعه یابد. شاخص VDI به تنش آب در گیاهان میپردازد. مطالعات طیفی نشان داده است که بازتابندگی باند فروسرخ موج کوتاه (SWIR) با محتوای آببرگ ارتباط منفی دارد و بهدلیل حساسبودن SWIR به محتوای آببرگ، در ایجاد شاخصهای گوناگون سنجش از دور، ازجمله VDI و بهمنظور شناسایی محتوای آب گیاهان، کاربرد گستردهای دارد. این پژوهش نقشههای خشکسالی شاخص VDI را براساس میزان حساسیت به رطوبت، با استفاده از بازتابش باندهای 5 و 6 فروسرخ موج کوتاه SWIR (VDI5 و VDI6) مادیس، ارزیابی کرده است. بدینمنظور از تصاویر ماهوارهای مادیس و دادههای بارش ماهیانة مدل جهانی GLDAS، در محدودة استان سیستان و بلوچستان در دورة زمانی نوزدهسالهای (2018-2000) استفاده شد. برای ارزیابی دقت نقشههای محاسبهشده براساس دو باند، ضریب همبستگی پیرسون بهکار رفت. نتایج همبستگی بالایی را میان شاخص VDI6 و دادههای بارش نشان داد و مشخص شد که باند 6 موج کوتاه فروسرخ، در استان سیستان و بلوچستان، به شرایط خشک خاک بیشترین واکنش را نشان میدهد؛ ازاینرو این مطالعه استفاده از شاخص VDI براساس باند 6 را برای شناسایی زودهنگام و نظارت بر خشکسالی کشاورزی در برنامههای عملیاتی مدیریت خشکسالی، پیشنهاد میکند.
این پژوهش با هدف برآورد ویژگیهای خاک، با استفاده از باندهای ماهوارة لندست 8، در بخشی از زمینهای زراعی دشت قروهـ دهگلان در غرب ایران انجام شد. در مجموع، از 107 نقطة محدودة مطالعاتی، از عمق 15-0 سانتیمتری نمونة خاک تهیه و ویژگیهای فیزیکوشیمیایی این نمونهها در آزمایشگاه اندازهگیری شد. برای استخراج اطلاعات از تصویر ماهوارة لندست 8 و پس از اعمال ماسک پوشش گیاهی، مقادیر DOS باندهای 7-1 برای نقاط نمونهبرداری استخراج شد. بهمنظور تعیین رابطة بین ویژگیهای خاک و ارزش رقومی باندهای لندست 8، تحلیل همبستگی، رگرسیون خطی گامبهگام و رگرسیون مؤلفة اصلی بهکار رفت. اعتبارسنجی تحلیل رگرسیونها با استفاده از دو پارامتر ضریب تعیین و ریشة میانگین مربعات خطا ارزیابی شد. نتایج نشان داد که همبستگی مثبت و معنیداری بین مقادیر شن و اکسیدهای آزاد آهن خاک و همبستگی منفی و معنیداری بین رس و سیلت خاک، با ارزش رقومی بیشتر باندهای لندست 8، وجود دارد. بین غلظت فلزات سنگین و ارزش رقومی در باندهای مرئی و مادون قرمز نزدیک، همبستگی معنیداری مشاهده نشد و تحلیلهای رگرسیون نیز، در برآورد ویژگیهای خاک محدودة مطالعاتی، کارآیی مورد قبولی نداشت. با توجه به نتایج، بهنظر میرسد که میتوان از تصاویر ماهوارة لندست 8 بهمنظور برآورد بافت خاک و مقادیر اکسیدهای آزاد آهن خاک، در محدودة مورد مطالعه، استفاده کرد.
در سالهای اخیر، با تغییر کاربری و توسعة اراضی کشاورزی در حوضههای کشور، میزان فرسایش و تولید رسوب افزایش یافته است. با توجه به اینکه در بیشتر زیرحوضهها، آمار ایستگاههای رسوبسنجی بهصورت درازمدت ثبت نشده است، برآورد میزان رسوب و فرسایش با مشکلاتی مواجه است. هدف از این پژوهش تعیین عوامل مؤثر در فرسایش و رسوب و تعیین مقادیر کمّی فرسایش در حوضة آبخیز خورخوره در استان کردستان است. به این منظور، ابتدا با استفاده از نقشههای توپوگرافی، زمینشناسی و عکسهای هوایی در محیط GIS، نقشة نوع و گونههای فرسایش تهیه شد و این نقشهها، با بررسیهای صحرایی، تدقیق و ارزیابی شدند. براساس مدل MPSIAC، عوامل نُهگانة مؤثر در فرسایش درمورد تمامی زیرحوضهها، بهتفکیک بررسی شد و امتیازات هر عامل بهدست آمد. با جمع امتیازات عوامل، درجة رسوبدهی برای هر زیرحوضه تعیین و سپس مقدار رسوب و فرسایش ویژه و فرسایش کل در هر زیرحوضه محاسبه شد. نتایج نشان داد عوامل توپوگرافی و وضعیت فعلی فرسایش بیشترین نقش و عامل آبوهوا کمترین نقش را در میزان رسوبدهی حوضه دارند. طبق نتایج، 92% کل حوضه دارای درجة رسوبدهی زیاد در کلاس فرسایش درجة چهار است. نسبت رسوب تحویلی حوضه (SDR) بین 32 تا 50% متغیر است. کمترین و بیشترین مقدار فرسایش ویژه در زیرحوضههای متفاوت، بهترتیب معادل 10 و 35 تن بر هکتار در سال، بهدست آمد. مقدار رسوب ویژه و فرسایش ویژة کل حوضه نیز، بهترتیب 4/6 و 4/17 تن بر هکتار در سال، حاصل شد.
با بهبود حد تفکیک مکانی تصاویر سنجش از دور، اطلاعات دقیقتری از صحنة تصویر همچون ساختارهای بافت، فراهم شده است. این منابع داده، بهدلیل جزئیات بسیار، دارای واریانس درونکلاسی زیاد و واریانس بینکلاسی اندکاند؛ ازاینرو استخراج اطلاعات پوشش زمین از آنها به فرایندی چالشبرانگیز تبدیل شده است. در این تصاویر، تفسیر بصری زمانبر و پرهزینه است و تفسیر اتوماتیک آنها لزوماً به دقت بالا منجر نمیشود و رسیدن به دقت تفسیر مطلوب نیازمند طراحی الگوریتمهای اتوماتیک است؛ بهصورتیکه توانایی مقابله با مشکلات ناشی از پیچیدگی صحنة تصویر را داشته باشند. برای غلبه بر این مشکل، روش آنالیز عارضهمبنای تصویر که به مورفولوژی صحنة تصویر حساس است، بهویژه در مطالعهای شهری که تراکم ساختارهای شکلگرفته بهدست انسان بالاست، ممکن است کارآمد باشد. در طبقهبندی عارضهمبنا، پیکسلهای بیانگر یک عارضه در ترکیب با یکدیگر، تجزیه و تحلیل میشوند؛ در نتیجه، فضای مسئله بهنسبت طبقهبندی پیکسلمبنا کاهش مییابد و مزیت این امر افزایش سرعت محاسبات است. درعینحال بهدلیل اندازة متنوع اشیای تصویری، طبقهبندی نظارتشدة عارضهمبنا در ایجاد مجموعة آموزشی بهینه با چالشهایی مواجه است. در تحقیق حاضر، بهمنظور طبقهبندی عارضهمبنا، از الگوریتم آدابوست استفاده شده است. برای غلبه بر مشکل فقدان تناسب فضای ویژگی ناشی از تعداد اندک نمونههای آموزشی و توزیع نامتناسب آنها در مقایسه با ابعاد بالای فضای ویژگی (شامل ویژگیهای طیفی، مکانی و هندسی)، دو راهبرد دنبال شده است. در یک رویکرد برای تولید مجموعة آموزشی بهینه، مکانیسم یادگیری فعال با الگوریتم آدابوست ادغام شده و در رویکردی دیگر بهمنظور کاهش ابعاد فضای ویژگی، براساس همبستگی بین ویژگیها (افزونگی) و همبستگی بین ویژگیها و کلاسها (مطابقت)، زیرمجموعة ویژگی منتخب استخراج شده است. روش پیشنهادی روی مجموعه دادة استاندارد وهینگن کشور آلمان اجرا و نتایج حاصل از آن با طبقهبندی پیکسلمبنا مقایسه شده است. بهمنظور بررسی معنیداری اختلافهای حاصلشده در نتایج ارزیابیها نیز، آزمون آماری مکنمار بهکار رفته است. نتایج تجربی نشان دادند که رویکرد عارضهمبنای پیشنهادی، در قیاس با رویکرد پیکسلمبنا، بهطور متوسط 6% دقت کلی و 7% ضریب کاپا را بهبود داده است. همچنین سرعت محاسبات در روش آدابوست عارضهمبنای پیشنهادی، در مقایسه با رویکرد پیکسلمبنا افزایش چشمگیری یافته است. این نتایج بیانگر عملکرد بهینة رویکرد پیشنهادی، هم از نظر دقت و هم از نظر سرعت محاسبات است.
Soil salinity is one of the most important environmental problems, and the identification and zoning of saline soils is difficult due to the need for sampling and laboratory analysis, as well as having temporal and spatial variability. In recent years, the use of satellite imagery has always been of interest to experts due to its ease of use and ability to detect phenomena. Remote sensing information greatly aids the study of soil salinity and can be helpful in identifying salinity values. In this study, 220 soil samples were collected from Meymeh area of Dehloran, south of Ilam province, according to the type of study and physiographic types and soil units. Then, pH and EC values were measured using standard methods. Soil salinity values were evaluated using correlations between EC electrical conductivity values obtained from ground data and variables obtained from Landsat 8 satellite images including bands, salinity indices, vegetation indices and soil indices. Finally, the soil surface salinity estimation model was obtained using stepwise regression method. This method involves the automatic selection of independent variables, and with the availability of statistical software packages, it is possible to do so even in models with hundreds of variables. In previous studies, indicators and bands have been used separately and in a limited way, but in this study, an attempt has been made to use a combination of different indicators more widely, and finally to achieve the best relationship by eliminating the indicators that have the least impact on soil salinity estimation. Using significant level analysis and correlation between the output of models and ground data, the best model with a value of (R2 = 0.882) was selected and a soil salinity map was prepared based on it. In the study area, the highest area belonged to non-saline class which comprises 75% of the total study area and about 1% of the soils belong to the saline class.
سنجش از دور علم دریافت اطلاعات از سطح زمین، بدون تماس آشکار با اجزای مورد مطالعه است. تجاریسازی مجموعة فعالیتهایی است که نوآوریها را به محصول یا خدماتی تبدیل میکند که از آن مزایای اقتصادی حاصل میشود. با توجه به کاربرد گستردة سنجش و اهمیت فراوان کاربرد آن در کشاورزی، اهمیت تجاریسازی این تکنولوژی در کشاورزی دارای اولویت است و در این پژوهش، بررسی شده است. جامعة هدف این پژوهش، شرکتهای فعال و غیرفعال در این زمینهاند؛ به این دلیل که با استفاده از تجربیاتشان امکان فراهمآوردن زمینة مناسب بهمنظور پرورش تکنولوژی سنجش از دور بهوجود آید. با این هدف، در این تحقیق، از روش مصاحبة عمیق برای گردآوری اطلاعات و از روش گلولة برفی برای نمونهگیری استفاده شده است. با استفاده از نمودار چرخة عمر محصول و تکنولوژی، چالشهای تجاریسازی تکنولوژی و زیرساختهای مورد نیاز، المانهای تجاریسازی، انواع نرمافزارهای کاربردی در صنعت کشاورزی دنیا، نمودار سرمایهگذاری در سنجش از دور و تحلیل ماندگاری سنجش از دور در کشاورزی، بهمنزلة یک کسبوکار، بررسی موشکافانه شده است. در نتیجه، بهترین روش برای تجاریسازی محصول کاهشِ محدودیتها برای شرکتهای فعال، ایجاد زیرساختهای لازم، بهویژه دادههای اولیة بهموقع، و استقلال در بهرهبرداری از این تکنولوژی است تا امکان بهرهگیری از انواع روشهای تجاری برای کاربران فراهم آید.
گسترش شهرنشینی و افزایش جمعیت در کلانشهرها و رشد فعالیتهای صنعتی در شهرها باعث ایجاد تغییراتی در خرداقلیم مناطق شهری شده است. یکی از نتایج این تغییرات، جزایر گرمایی شهر است. شهر مشهد نیز، طی سالهای اخیر، رشد شتابناکی داشته است. در این پژوهش، جزیرۀ گرمایی/ سرمایی رویهپایۀ کلانشهر مشهد براساس آبوهوای پسزمینه بررسی شده که هدف آن شناخت رفتار زمانی و مکانی این جزیرة گرمایی بوده است. بدینمنظور، دادههای دمای رویۀ زمین سنجندههای مودیس تررا و مودیس آکوا دریافت و جزیرة گرمایی، براساس آن، بررسی شد. برای سنجش جزیرة گرمایی، از روش نوینی استفاده شد. در این روش، نقشههای کاربری اراضی مودیس برای تعیین محدودۀ شهر و غیرشهر و همچنین، تعیین نوع کاربری اراضی منطقۀ مورد مطالعه بهکار رفت. آبوهوای پسزمینه برپایة دمای دورسو مشخص شد، نمایندة دمای غیرشهر طبق بیشترین تکرار دما انتخاب شد و جزیرۀ گرمایی براساس آن محاسبه شد. بررسی جزیرۀ گرمایی/ سرمایی در بازۀ روزانه نشان داد که در کلانشهر مشهد، طی روز، میانگین دما کمتر و در شب، دمای شهر بیشتر از دمای بیرون شهر است. همچنین، بررسی فصلی جزیرۀ گرمایی/ سرمایی این کلانشهر نشان میدهد که جزیرۀ سرمایی، روزهنگام، طی فصلهای گرم سال بیشترین مقدار و در فصلهای سرد کمترین مقدار را دارد و تغییرات فصلی جزیرة گرمایی شبانه کمتر از جزیرة سرمایی روزهنگام است. هستة جزیرۀ سرمایی روزهنگام مشهد در محدودۀ حرم مطهر تا میدان شهید فهمیده بهسمت حاشیة غربی شهر قرار دارد. این منطقه منطبقبر پارکها و باغهای بزرگ شهری است. هستۀ جزیرۀ گرمایی شبانه در بافت قدیمی، پرتراکم و پررفتوآمد شهر و در محدودۀ حرم مطهر بهسمت شمالغرب قرار دارد. شدت جزیرة گرمایی/ سرمایی نیز ارتباط مستقیمی با سرعت وزش باد دارد. نقش کاربری اراضی در تشدید و یا کاهش شدت جزیرة گرمایی شهر مشهد بهخوبی مشخص است. در توسعة شهر، میتوان توجه بیشتری به کاربری اراضی شهری داشت تا دمای شهر را با استفادة درست از آن، تعدیل کرد.
با توجه به کمبود منابع آبی، مسئلة استفاده از این منابع و مدیریت بهینة آن اهمیت ویژهای دارد. الگوی نامناسب مصرف آب در مناطق گوناگون شهری چه بسا ازجملة مواردی باشد که کمبود آب در شهرها را با مشکلاتی مواجه کند. بنابراین، استفاده از روشهایی ضرورت دارد که الگوی مصرف را در مناطق گوناگون شهری، شناسایی کند. هدف از این تحقیق بررسی الگوی مکانی مصرف آب در سطح شهر قم، با استفاده از تکنیکهای خودهمبستگی مکانی است. بدیندلیل، ابتدا مصارف 117 محلة شهر قم، طی سال 1396 گردآوردی و میانگین مصرف آب خانوار هریک از محلهها محاسبه شد. بهمنظور شناسایی نوع الگوی مصرف، از شاخص موران و با هدف توزیع مکانی الگوی حاکم، از شاخص موران محلی و نواحی گرم استفاده شد. نتایج خودهمبستگی مکانی نشان داد که بزرگترین الگوی خوشهای مصرف آب در شهر قم، با مقدار شاخص موران (0.24 I =)، در فصل تابستان شکل گرفته و بیشترین معنیداری شاخص (7.02 z =) نیز در این فصل مشاهده شده است. در هر دو تحلیل موران محلی و نواحی گرم، مشاهده شد که مصارف بالا الگوی خوشهای بالایی بهنسبت مصارف پایین دارند. از نظر مکانی، خوشههای با مصرف بالا بیشتر در محلههای مرکزی و غربی شهر و خوشههای با مصرف پایین نیز در محلههای جنوبی، شرقی و شمالی شهر بهصورت پراکنده ملاحظه شد. از نظر زمانی، خوشههای با مصرف بالا در محلههای مرکزی و غربی، بهترتیب در فصل تابستان و زمستان و خوشههای با مصرف پایین نیز در فصلهای سرد مشاهده شد.
حدود ۸۰% از حملونقل جهانی در بستر دریا انجام میشود؛ بنابراین، بهمنظور حفظ ایمنی عبورومرور کشتیها، پیشبینی دقیق حرکت آنها اهمیت ویژهای دارد. ازآنجاکه پارامترهای زمینهای گوناگونی در حرکت کشتیها تأثیر میگذارد، یکی از چالشهای اصلی در حوزة محاسبات زمینهـ آگاه حرکت کشتیها شناسایی پارامترهای زمینهای بهینة مؤثر در حرکت کشتی است که ضرورت تحقیق حاضر را میرساند. در این راستا، با استفاده از شبکة عصبی حافظة طولانی کوتاهـ مدت و انتخاب پارامتر بهشیوة پوشانه (Wrapper)، اقدام به شناسایی پارامترهای زمینهای بهینه برای پیشبینی حرکت کشتی شد. به این منظور، دادههای سیستم شناسایی خودکار کشتیها، جمعآوریشده در دسامبر سال ۲۰۱۷ از ساحل شرقی آمریکا، بهکار رفت. تمامی ترکیبات ممکن از سه پارامتر زمینهای سرعت، جهت و احتمال حضور کشتی در هر نقطه از دریا، با روش پوشانه، در مدل پیشبینی یادشده ارزیابی شد. در ارزیابیها، ۷۰% از دادهها برای آموزش و مابقی برای اعتبارسنجی متقابل بهکار رفت. طبق نتایج، پارامترهای سرعت و احتمال حضور بهمنزلة پارامترهای زمینهای بهینه شناسایی شد؛ بهصورتیکه دقت مدل با ورودیهای بهینه 26.98% بهتر از مدلی است که در تمام پارامترهای زمینهای در دسترس بهمنزلة ورودی بهکار رفته و نیز 16.14% بهتر از مدل بدون زمینه است؛ بنابراین، شناسایی پارامترهای زمینهای بهینه از میان پارامترهای در دسترس و استفاده از آنها میتواند به بهبود دقت کمک کند
با توجه به رشد بالای جمعیت در جهان و نیاز به اطمینان از امنیت غذایی، افزایش تولید در واحد سطح محصولات زراعی بهمنزلة راهبردی اساسی در حل مسئلة تأمین غذا بهشمار میرود. از سوی دیگر، با وجود محدودیت در افزایش سطح زیرکشت و پایینبودن میانگین عملکرد برخی محصولات کشاورزی مانند گندم در کشور، افزایش عملکرد محصول میتواند راهکاری عملی در پاسخ به نیاز کشور محسوب شود. یکی از مهمترین بیماریهای گندم فوزاریوم است که، با توجه به نقش پیشبینی این بیماری در جلوگیری از کاهش بهرهوری محصول، مدلهایی بهمنظور پیشبینی فوزاریوم در کشورهای آمریکا، کانادا، آرژانتین و برزیل توسعه یافته است اما در ایران، بهرغم لزوم توجه به این بیماری، تاک نون مدلی در این زمینه مطرح نشده است. بدینمنظور، پهنهبندی مناطق رخداد بیماری فوزاریوم، با بهکارگیری پارامترهای محیطی و دادههای هواشناسی و نیز استفاده از تحلیل مکانی، در دشت مغان صورت گرفت. همچنین، برای افزایش دقت و کالیبراسیون دقیق مدل، شبکة اینترنت اشیا (IoT) در دشت مغان استفاده شد تا دادههای محیطی شامل رطوبت نسبی، بارندگی و دمای هوا جمعآوری شود. سپس شاخصهای ترکیبی مناسب تهیه شد و (RF)برای اولویتبندی شاخصها و تعیین اهمیت نسبی آنها و نیز پیشبینی شدت بیماری فوزاریوم گندم، روش جنگل تصادفی بهکار رفت. برای این کار، از دادههای ایستگاههای هواشناسی و سنسورهای زمینی در فاصلة سالهای 1389 تا 1396 استفاده شد. نتایج ارزیابی حاکی از کارآیی مدل توسعهدادهشده در پیشبینی بیماری فوزاریوم گندم است. همچنین، طبق نتایج، بهکارگیری IoT بههمراه تحلیلهای مکانی روشی مؤثر در پیشبینی فوزاریوم است.
