سلمان احمدی

در این مطالعه تولید نقشه کشت های اصلی شهرستان بوکان در سطح دشت های آن انجام شد علاوه بر تهیه نقشه کشت های اصلی، تفکیک کشت زمستانه به گندم آبی، جو آبی، گندم دیم و جو دیم نیز صورت گرفت. برای تولید نقشه کشت از روش طبقه بندی در الگوریتم های یادگیری ماشین استفاده شد. مهمترین ویژگی های ورودی برای طبقه بندی شاخص های طیفی NDVI، LAI و CI-green محاسبه شده به کمک تصاویر ماهواره سنتینل 2 به همراه باندهای VV و VH از ماهواره سنتینل 1 بوده است. برای آموزش الگوریتم های طبقه بندی از نمونه های واقعی سطح زمین و همچنین نمونه برداری به کمک رفتار فنولوژیکی کشت های مختلف استفاده شد. سه الگوریتم طبقه بندی جنگل تصادفی، ماشین بردار پشتیبان و K نزدیکترین همسایه به عنوان ابزار طبقه بندی استفاده شد. نتایج نشان داد که تفکیک چهار کشت اصلی شامل کشت زمستانه، تابستانه، پاییزه و همیشه سبز به راحتی در منطقه میسر است. در واقع دقت بالای آموزش و آزمایش هر سه مدل تایید کننده این موضوع بود. پس از تولید نقشه کشت اصلی، کشت زمستانه از آن برای بررسی بیشتر و تفکیک بیشتر جدا شد. از میان سناریوهای مختلف مورد استفاده، ترکیب شاخص های NDVI، LAI و CI-green به همراه تصاویر Radar بهترین دقت را به کمک الگوریتم جنگل تصادفی برای تفکیک محصولات گندم آبی، جو آبی، گندم دیم و جو دیم ارائه کرد. درواقع دقت آموزش و آزمایش به ترتیب 0.994 و 0.885 بود.

This study investigates urban growth and environmental changes in Sanandaj from 2000 to 2023, using a comprehensive approach that combines various remote sensing technologies. By employing the Maximum Likelihood Classification method on biennial Landsat imagery, we identified and analyzed changes in urban areas, vegetation cover, and barren area. The classification was consistent across all years, utilizing images captured in the seventh month to maintain uniformity in environmental conditions. Our methodology included the analysis of Landsat 5 and Landsat 8 imagery to monitor urban expansion over three distinct temporal intervals: 2000-2007, 2009-2015, and 2017-2023. Additionally, we utilized MODIS and ASTER data for a detailed assessment of land surface temperature (LST) variations, comparing daytime and nighttime temperatures to capture the urban heat island effect. The temperature analysis revealed a consistent warming trend, with ASTER recording higher maximum temperatures than Landsat and MODIS. The integration of day and night imagery highlighted the persistent urban heat island effect, with urban areas retaining more heat compared to rural regions. CHIRPS satellite data was used to evaluate precipitation patterns, providing a comprehensive environmental context. The analysis of precipitation levels from 2000 to 2023 showed notable fluctuations, with the highest annual precipitation recorded in 2018 at 707.972 millimeters and the lowest in 2021 at 282.512 millimeters. This variability underscores the importance of continuous monitoring for understanding long-term climate trends. Results indicated a steady increase in urban areas, with the city expanding from 1434.64 hectares in 2000 to 3070.04 hectares in 2023. Vegetation cover and barren area areas showed fluctuations, with significant implications for natural habitats and biodiversity. The study ultimately aimed to determine if urban growth impacts temperature and precipitation. The findings suggest a correlation between increased urbanization and higher temperatures, but further research is needed to conclusively link urban growth to changes in precipitation patterns. This innovative approach provides valuable insights for urban planners and policymakers to manage and guide sustainable urban development.

در این پژوهش، امکان‌سنجی تصویر ماهواره پریسما برای بارز سازی مناطق دارای پتانسیل دگرسانی هیدروترمال و کانه زایی آهن بررسی‌شده است. بدین منظور، منطقه موردمطالعه در قسمت غرب نقشه زمین‌شناسی 1:100000 ایرانخواه(چاپان) انتخاب شد. روش‌ها و الگوریتم‌های مورداستفاده برای دستیابی به هدف موردنظر با بررسی خصوصیات طیفی انتخاب شد. روش‌های مورداستفاده برای بارز سازی دگرسانی‌های هیدروترمال و کانی‌های شاخص در منطقه شامل نسبت‌های باندی (Band Ratio)، تحلیل مولفه‌های اصلی (Principal Component Analysis - PCA)، نقشه‌بردار زاویه طیفی (Spectral Angle Mapper - SAM) و انطباق الگوی طیفی (Spectral Feature Fitting - SFF) هستند. برای بارزسازی دگرسانی‌های هیدروترمال با توجه به بررسی نقشه زمین‌شناسی محدوده مطالعه و شناخت کافی از منطقه موردنظر، برای دگرسانی فیلیک از کانی شاخص مسکوویت و برای دگرسانی پروپیلیتیک از کانی‌های شاخص کلریت استفاده‌شده است. با توجه به ساختار اسکارنی منطقه موردمطالعه و مشاهده توده‌های آهکی در بازدیدهای میدانی، ویژگی‌های طیفی مناطق دارای سنگ‌آهک در تصویر بررسی و با کتابخانه USGS مطابقت داده شد، تطابق معنادار طیف‌ها، مبنای بارز سازی این مناطق با استفاده از ویژگی‌های طیفی مشخص قرار گرفت. از میان روش‌های ذکرشده برای بارز سازی کانی‌های شاخص منطقه، به‌طورکلی، دو روش SFF و PCA دارای بیشترین دقت بودند. روش PCA برای دو کانی کلریت و مسکوویت بیشترین مناطق مشخص‌شده در بازدید میدانی را بارز سازی کرد، درحالی‌که روش SFF برای کانی تالک (همراه با دولومیت) بیشترین مناطق هدف را بارز سازی نمود، همچنین دو روش نسبت باندی و SAM به ترتیب دارای بیشترین مناطق بارز سازی شده در محدوده‌های موردبررسی بودند. به‌منظور بارز سازی کانه زایی آهن در منطقه، از دو روش نسبت باندی و SFF استفاده شد، روش SFF به دلیل الگوریتم قوی خود، محدوده‌های دارای پتانسیل کانه زایی آهن و معادن سنگ‌آهن را به‌طور متمایز (نواحی اطراف و داخل معادن) بارز سازی کرد، همچنین روش نسبت باندی با توجه به ویژگی‌های جذبی خاص در طیف مربوط به نواحی معادن و تعداد باند قابل‌قبول در محدودهVNIR توانست تمام معادن سنگ‌آهن موجود در منطقه و دیگر نقاط دارای پتانسیل این نوع کانه‌زایی را شناسایی کند.

The demand for timely and accurate information on land resources and natural ecosystems has increased due to rapid urbanization and its impact on climate change. Urban heat islands, a result of urbanization, require precise land cover classification to mitigate their effect in both developed and developing cities. Such classification enables the identification of changes in built-up areas. The complex dynamics of land use and land cover (LULC) changes have sparked extensive scientific debate due to their diverse environmental natural and anthropogenic impacts. Land use represents how land is utilized includes categories such as agricultural land, industrial land, wildlife management areas, urban and recreational areas. On the other hand, land cover refers to natural or man-made elements such as water, snow, grassland, deciduous forest, vegetation, and bare ground. Understanding LULC is essential in many geospatial applications, including urban planning, regional management, and environmental management. The relationship between land use and land cover can serve as a model for ecosystems. An ecosystem imbalance, such as a higher proportion of industrial land compared to agricultural land, reflects the impacts stemming from industrial activities. To maintain a sustainable ecosystem, it is crucial to monitor and identify changes in land use and land cover (LU/LC) as it is an essential part of understanding how human activities interact with the environment. This study highlights the significant changes in LULC observed in Ranya district of Kurdistan Region. The main objective is to integrate and apply various remote sensing (RS) and geographic information system (GIS) methodologies, along with deep learning and Machine learning techniques particularly CNN and RF Respectively, to create land use and land cover maps and detect changes. In this study, deep learning architecture (CNN) and machine learning (RF) will help to identify LULC changes from 2022 to 2023 and their impact on sustainable food and ecosystem production. The research methodology is based on spatial modeling using (RS, RF, GIS, CNN and Earth Engine) and it consists of four tasks: a) pre-processing sentinel-2 image and Collecting data using Arc GIS, Arc GIS Pro, and Google Earth Engine. b) Utilizing various Python code in the Google Colab environment, as well as trained RF classified image to classify Buildings and Non-Buildings. c) Preparing Data and Designing the CNN model to generate the LULC map and detecting changes. d) Evaluation of the classification results of both CNN and RF models and investigate the effects of land use and land cover (LULC) changes on ecosystems and food production. This thesis presents both algorithms (CNN, RF) to achieve accurate building detection from remote sensing images with optimal resolution, which is very important for urban development and digital mapping of urban areas. Experimental evaluations on various datasets within the Ranya district demonstrate the superiority of CNN over existing methods, especially RF. This model has the potential to predict future urban expansion, assisting government bodies and public welfare departments in urban planning efforts. Informed decisions can be made using this model to ensure a fair distribution of the population and facilitate the strategic planning of industrial projects. Additionally, initiatives such as green city planning with rooftop gardens can be implemented to mitigate the effects of climate change and reduce the urban heat island effect. The results demonstrate that CNN and RF are the most effective classification methods both achieving their precision, recall, and F1Score were 0.76, 0.97, and 0.85, respectively. These results were expected because the CNN model was trained on the RF model data. This approach highlights the potential of CNN and RF in facilitating efficient urban monitoring and urban planning processes. later We evaluated the CNN model in over 12 countries worldwide, obtaining the precision, recall, and F1 Score of 0.97, 0.99 and 0.98, respectively. This indicates that CNN outperforms RF, especially when dealing with large geographic areas. Over the past two years Buildings emerged as the dominant LULC covering (0.7331 km2 or 7.11%) of the area as reported in the CNN model. Challenges identified in the study area include expansion of built-up areas, conversion of agricultural land and decline of agricultural land, all of which contribute to reduced food production, regional income, drought, and environmental pollution.

استفاده از سنجش از دور، جهت دسترسی به اطلاعات از روش‌های نوین، کم هزینه و سریع است. این علم به علت توانایی در شناسایی پدیده‌ها از جمله: محاسبه دمای سطح شهر و پدیده جزیره حرارتی شهری، همواره از عوامل تاثیر گذار بر تصمیم‌گیری مدیران، مهندسین و متخصصین بوده است. هدف از این پژوهش بررسی رابطه دمای سطح زمین و جزیره حرارتی شهری با تغییرات پارامترهای مکانی و با استفاده از تصاویر ماهواره‌ای است. بررسی این موضوع، در بازه‌ زمانی سال‌های 2013 تا 2023 و با بهره گرفتن از تصاویر ماهواره لندست 8، سنجنده OLI/TIRS بوده و بر روی منطقه مورد مطالعه شهر کرمانشاه صورت گرفته است. جزایر حرارتی شهری به مناطقی از سطح شهرگفته می‌شود، که نسبت به مناطق هم جوار خود دمای بالاتری داشته باشند. گسترش این پدیده در بعد مکانی قابل تغییراست. ایجاد جزایر حرارتی به تغییرات مکانی وهمچنین زمانی ، بیشتر تحت تاثیر تغییرات پوشش زمین و حرارت حاصل از فعالیت-های انسانی(ساخت و سازها) بستگی دارد. بدین منظور با اعمال تصحیحات رادیومتریکی و اتمسفری بر روی تصاویر بدست آمده از سنجندهOLI/TIRS و با طبقه بندی پوشش زمین، همچنین با بهره گیری از نرم افزارهای ENVI، ArcGIS ، QGISاستخراج و محاسبه داده‌ها صورت گرفته است. دمای سطح شهر با دو روش(SCA) و (SWA) بررسی و تاثیر پوشش‌های مختلف زمین بر دمای سطح شهر با نمودار، جدول و شکل نشان داده شده است. رابطه انواع پوشش‌ها با دمای سطح شهر از جمله شاخص‌های پوشش گیاهی(NDVI) و بدنه شهری(NDBI) مورد بررسی قرار گرفته است. همچنین به بررسی و محاسبه گسترش جزایر حرارتی پرداخته‌ایم و نتایج نشان داد که، پارامترهای مکانی بر افزایش یا کاهش جزایر حرارتی شهری تاثیر گذار هستند. بدین منظور در این پژوهش،به این نتیجه رسیدیم که همبستگی منفی بین پوشش گیاهی و جزیره حرارتی وجود دارد. همچنین شدت جزیره حرارتی شهری همبستگی مثبتی با بدنه نفوذ ناپذیر شهر دارد. پارامترهایی مانند کم شدن سرعت وزش باد و افزایش جمعیت نیز بر شدت جزیره حرارتی تاثیر گذار هستند. کانون عمده جزایر حرارتی شهر کرمانشاه در فصل گرم سال در بازه زمانی یازده ساله، مناطق واقع در جنوب شرق، جنوب غربی و مرکز شهر(شرکت و پالایشگاه نفت ) می‌باشد.

زمین‌لغزش به جابه‌جایی توده‌ای از مواد که بر روی یک شیب به سمت پایین حرکت می‌کند گفته می‌شود. تهیه نقشه حساسیت خطر زمین‌لغزش برای برنامه‌ریزان باهدف انتخاب بهترین مکان جهت اجرای طرح‌های مختلف بوده است که از آن به‌عنوان داده اولیه جهت طراحی کاربری زمین و کمک به مدیریت ناپایداری‌ها می‌توان استفاده کرد. یکی از روش‌های اصولی‌ برای کاهش اثرات زمین‌لغزش در منطقه موردنظر، شناسایی مناطق حساس در برابر زمین‌لغزش و پهنه‌بندی آن بوده است. در این پژوهش برای ایجاد نقشه احتمال خطر زمین‌لغزش در محدوده موردمطالعه از روش یادگیری عمیق استفاده شده است. برای مدل‌سازی پتانسیل زمین‌لغزش در منطقه مطالعاتی علاوه بر زمین‌لغزش‌های اتفاق افتاده به مجموعه‌ای از لایه‌های اطلاعاتی از منطقه نیاز داریم، این داده‌ها مربوط به ویژگی‌های توپوگرافی، محیطی، اقلیمی و انسانی منطقه موردمطالعه هستند، و به‌عنوان عوامل تاثیرگذار در زمین‌لغزش معرفی می‌شوند. داده‌های زمین‌لغزش به‌عنوان متغیر وابسته و دیگر داده‌های تولید شده همچون (شیب، جهت شیب، ارتفاع، کاربری اراضی، فاصله از خطوط ارتباطی و جاده، فاصله از آبراهه‌ها و رودخانه، فاصله از خطوط گسل، کاربری اراضی و نقشه لیتولوژی) به‌عنوان متغیر مستقل به مدل معرفی گردید. برای پیشبرد اهداف پژوهش و تهیه لایه‌های اطلاعاتی از نرم‌افزار Arc GIS و زبان برنامه‌نویسی پایتون برای اجرای CNN استفاده شده است. روال کلی کار در این برنامه به این صورت است که تعدادی لایه‌های اطلاعاتی را دریافت می‌کند، سپس با استفاده از الگوریتم شبکه عصبی کانالوشن یا یادگیری عمیق، ویژگی‌ها را از لایه‌های اطلاعاتی استخراج می‌کند و خروجی را به SVM می‌دهد. SVM بر اساس این ویژگی‌ها روی لایه‌های اطلاعاتی آموزش می‌دهد و یک مدل برای خودش تولید می‌کند و سپس محاسبه می‌کند که تصاویر با چه ویژگی‌ها در چه دسته‌هایی قرار گیرند. بعد 30 درصد از تصاویر به‌عنوان تست به SVM داده می‌شود و SVM بر اساس آموزشی که قبلاً دیده اقدام به دسته‌بندی لایه‌های اطلاعاتی می‌نماید. نتیجه نهایی حاصل از پهنه‌بندی زمین‌لغزش در شهرستان سروآباد با استفاده از مدل Deep Learning نشان داد که مناطق با قابلیت خیلی زیاد زمین‌لغزش با مساحت 15021 هکتار معادل 912/14 درصد از مساحت کل را در ارتفاعات شهرستان به خود اختصاص داده است. مناطق با قابلیت زیاد زمین‌لغزش با مساحت 24029 هکتار معادل 853/23 درصد از مساحت کل را در مناطق دامنه‌ای شهرستان پوشش داده است. این دو کلاس مناطق با حساسیت بالا را نشان می‌دهد که نیازمند توجه ویژه به آنهاست این دو کلاس جمعاً 38 درصد از کل منطقه را به خود اختصاص داده است. کلاس با قابلیت زمین‌لغزش متوسط، کم و خیلی کم به ترتیب با مساحت‌های 27953، 22074 و 11656 هکتار که به ترتیب معادل 749/27، 913/21 و 571/11 درصد از مساحت کل منطقه را در مناطق پایکوهی، پست و دشتی منطقه به خود اختصاص داده است.

امروزه سنجش از دور به عنوان یک علم نوپا و جدید در تحقیقات دانشمندان علوم زمین به عنوان یک روش صحیح و کارآمد برای تجزیه و تحلیل مورد استفاده قرار می‌گیرد. سرعت و دقت بالا اهمیت این علم را به همگان ثابت کرده و سبب شده که متخصصین زمین شناسی برای شناسایی کانسارهای مختلف معدنی از این علم استفاده کنند. در این پژوهش به منظور شناسایی کانسارهای آهن در محدوده مورد مطالعه از داده‌های سنجنده OLI لندست 8، داده‌های رقومی زمین شناسی و مدل رقومی ارتفاع استفاده شد، در ادامه با استفاده از نرم افزارهای پردازش تصویر ENVI و ARCGIS جهت اعمال تصحیحات اتمسفری بر روی تصاویر ماهواره‌ای و الگوریتمهای، نسبت باندی (BR)، ترکیب رنگی کاذب (FCC)، روش تحلیل مولفه‌های اصلی (PCA) و مستقات مدل رقومی و داده‌های زمین شناسی (متغیرهای متسقل) مورد نظر ایجاد می‌گردد و با استفاده از بازدید میدانی مناطق دارای کاسنار و معادن فعال شناسایی (متقیر وابسته) می‌شود و در انتها با روش روش فازی در نرم افزار فازی GUEJE به ارزیابی در سطح کل منطقه پرداخت و مقادیر وجود آهن در هر پیکسل به صورت فازی بدست آمد. در بررسی دقیق‌تر اهداف کانی شناسی انجام شد، شواهد و مطالعات زمین شناسی جهت کنترل نتایج استفاده گردید بررسی‌ها نشان داد که روش PCA و شاخص آهن دارای توان بالا در شناسایی معدن دارند و ترکیب داده‌ها با روش فازی اگرچه توانسته کانسار معدنی آهن را شناسایی کند اما صحت آن مورد اطمینان نیست..

خشکسالی جزء پیامدهای طبیعی تغییرات اقلیم به حساب می آید که به کندی و در یک دوره زمانی نسبتا طولانی اقلیم، محیط زیست، کشاورزی، پوشش گیاهی، منابع آبی و حتی بخش های اقتصادی و اجتماعی را تحت تاثیر قرار می دهد. یکی از مهم ترین پیامدهای خشکسالی کاهش میزان پوشش گیاهی می باشد. در این پژوهش با استفاده از تصاویر ماهواره ای سال های 2020-2001(بازه زمانی 20 ساله) سنجنده مادیس و داده های بارش رستری ماهانه CHIRPS در محدوده استان همدان به تحلیل اثر خشکسالی بر پارامترهای فنولوژی شاخص گیاهی NDVI پرداخته شده است. برای اینکار ابتدا از طریق نرم افزار تایم ست پارامترهای فنولوژی شاخص گیاهی NDVI استخراج شده سپس تغییرات این پارامترها(زمان شروع فصل، زمان پایان فصل، طول فصل، ماکزیم مقدار NDVI، دامنه و...) نسبت به داده های ارتفاعی و نقشه پوشش اراضی منطقه مورد بررسی قرار گرفته است و میزان همبستگی این پارامترها با داده های ارتفاعی مورد ارزیابی قرار گرفته است و همچنین برای اطمینان از صحت نتایج بدست آمده از بررسی تغییرات این پارامترها از داده های بارش CHIRPS و محاسبه شاخص SPI سالانه استفاده شده است. نتایج بدست آمده از تحلیل این پارامترها در ارتفاعات و کاربری اراضی مختلف نشان داده است که در سال 2008 نسبت به سایر سال ها پارامتر ماکزیمم مقدار NDVI و دامنه شاخص گیاهی NDVI کاهش یافته و در مقابل در سال های 2007، 2018 تا2020 نسبت به سایر سال ها این پارامترها مقادیر بیشتری داشته اند و پارامتر مقادیر پایه با همبستگی 925/0 از بین سایر پارامترهای فنولوژیکی بالاترین همبستگی را با داده ارتفاعی منطقه داشته است و میزان RMSE آن هم 021/0 شده است . همچنین از طریق داده های بارش ماهانه برای سال های 2001تا2020 نشان داده است که در سال 2008 میانگین بارش سالانه کمتر از سایر سال ها بوده و همچنین مقدار شاخص SPI سالانه هم 79/1- شده است. بنابراین در سال 2008 خشکسالی متوسط در سطح منطقه رخ داده است و در مقابل با توجه به میانگین بارش ها در سال های 2007، 2018 تا2020 و شاخص SPI مشاهده می گردد که در طی این سال ها ترسالی بسیار شدید در سطح منطقه رخ داده است. بنابراین با توجه به نتایج بدست آمده مشاهده می گردد که بین نتایج بدست آمده از تحلیل پارامترهای فنولوژی شاخص گیاهی NDVI و نتایج بدست آمده از بررسی داده های بارش ارتباط مستقیم وجود دارد.

پدیده سیل یکی از مخرب‌ترین و پیچیده‌ترین بلایای طبیعی به شمار می‌آید که همه ساله در اغلب کشورهای جهان رخ داده و منجر به ایجاد خسارت‌های فراوانی می‌شود. تهیه نقشه‌های سیل می‌تواند در زمینه‌های شناسایی مناطقی که در معرض خطر سیل قرار دارند بسیار کمک‌کننده باشد.در این پژوهش یک رویکرد نسبتا جدید برای تصاویر رادار دیافراگم مصنوعی مبتنی بر یادگیری عمیق ارائه شده است. این روش با طراحی یک شبکه عصبی کانولوشنی می‌تواند تغییراتی که بین دو تصویر از یک صحنه که در زمان های مختلف گرفته شده است را با دقت بسیار خوبی شناسایی کند.در این پژوهش بوسیله‌ی تعریف فیلترهای مناسب برای کانولوشن دو بعدی، مناطق تغییر یافته و بدون تغییر به صورت باینری مشخص می‌شود. برچسب و ماسک اولیه در مرحله پیش طبقه بندی تولید می شوند. سپس یک استراتژی به روز رسانی دو مرحله ای برای بازیابی تدریجی مناطق تغییر یافته اعمال می شود. در مرحله اول، تنوع داده های آموزشی به تدریج بازیابی می شود. خروجی شبکه طراحی‌شده کانولوشنی تولید یک برچسب جدید پیش بینی خواهد بود. در این پژوهش ما از تغییرات اتفاق افتاده یک نقشه تغییرات باینری بدست آورده‌ایم و در ادامه با استفاده از تولید تصویر اختلاف حاصل از تصویر پیش بینی شده‌ای که از شبکه بدست آمده و تصویر بدنه‌ی آب ،نقشه تغییرات را بدست می-آوریم سپس با استفاده از اختلاف تصویر بدنه‌ی آب و ماسک سیل توانستیم تصویر واقعیت زمینی را بدست بیاوریم.آزمایش بر روی مجموعه داده های واقعیSAR در منطقه نبراسکا پتانسیل روش پیشنهادی را نشان می‌دهد.در این روش ابتدا ماسک پیش بینی سیل را که خروجی شبکه عصبی کانولوشنی است را بدست می‌آوریم و آن را ازماسک جریان آب کم می‌کنیم و از اختلاف آن ها ماسک تغییر را بدست می‌آوریم.از آنجایی که تنوع داده ها پس از مرحله اول تضمین می شود، پیکسل ها در مناطق نامشخص می توانند به راحتی در مرحله دوم طبقه بندی شوند. برای ارزیابی شبکه طراحی شده در این پزوهش از دو نوع مجموعه دادهSAR برای آموزش و تست استفاده شده است که این خود نشان دهنده‌ قدرت شبکه می‌باشد.برای آموزش شبکه از منطقه فلورانس بعد از وقوع سیل استفاده شده و برای تست شبکه از داده‌های منطقه نبراسکا بعد از وقوع سیل استفاده شده است. دقت کلی بدست آمده از شبکه طراحی شده 97 درصدو ضریب کاپای 80 درصد است. نتایج آزمایش بر روی چندین مجموعه داده، اثربخشی روش پیشنهادی را نشان می‌دهد.

رطوبت خاک یک متغیر کلیدی در درک سیستم آب و هوا از طریق کنترل آن بر انرژی سطح زمین ، تقسیم بودجه آب و چرخه کربن است. علاوه بر این ، از آن به عنوان شاخص بلایای طبیعی مانند سیل ، خشکسالی ، طوفان گرد و غبار و فرسایش استفاده می شود. بنابراین توزیع مکانی و زمانی این متغییر و درک آن از اهمیت به سزایی برخوردار بوده و می تواند از بسیاری از اتفاقات و فاجعه های زیست محیطی جلوگیری نماید. در این پژوهش ابتدا رابطه ای میان شاخص های وابسته به رطوبت خاک و مقادیر واقعی رطوبت خاک محاسبه می شود. این مدل در اندازه پیکسل های تولیدات رطوبت خاک سنجنده SMAP که تولیدات Smap / 1-Sentinel با قدرت تفکیک مکانی 9 کیلومتر را ارائه می دهند، آموزش داده می شود. برای این منظور، مقادیر بازتابش باند قرمز، بازتابش باند مادون قرمز نزدیک، مقادیر شاخص پوشش گیاهی NDVI و EVI و مقادیر شاخص NDWI از سنجنده 2-Sentinel به دست آمدند و به عنوان داده های اپتیکی مورداستفاده قرار گرفتند. شاخص ها و ویژگی های ذکرشده، تمامی وابسته به مقادیر رطوبت خاک هستند. همچنین مقادیر بازپراکنش راداری ثبت شده در سه قطبش همگن و غیر همگن، و در دو گذر مختلف پایین گذر و بالا گذر، به عنوان مشاهدات راداری مایکروویو فعال در نظر گرفته شدند. درنهایت مقادیر دمای سطح سنجنده MODIS نیز به عنوان مقادیر حرارتی وابسته به رطوبت خاک مورداستفاده قرار گرفتند. به این ترتیب رطوبت توسط مدل با قدرت تفکیک 9 کیلومتری محاسبه شده و با رطوبت 9 کیلومتری ماهواره ای برای انتخاب بهترین مدل مقایسه شد و بهترین مدل توانست با ضریب همبستگی 0.9 و ضریب تبیین 0.82 بدست آید. که باید رطوبت مدل با رطوبت میدانی اندازه گیری شده مقایسه شود. با توجه به تفاوت در قدرت تفکیک مکانی تمامی این تولیدات، ما قدرت تفکیک مکانی 250 متر را برای برآورد مقادیر رطوبت خاک در نظر گرفتیم. سپس مدل آموزش داده شده بر روی داده های راداری، حرارتی و مرئی پیاده سازی می شوند تا رطوبت خاک در اندازه پیکسل های 250 متری محاسبه شوند مدل به دست آمده برای تشکیل نقشه رطوبت خاک در قدرت تفکیک مکانی 250 متری مورد استفاده قرار گرفت. روش پیشنهادی قادر بود رطوبت خاک را با ضریب همبستگی 0.59، مقادیر RMSE برابر با 0.11، مقادیر بایاس 0.08 و مقدار ub-RMSE برابر با 0.054 محاسبه کند. این موضوع نشان می دهد که روش پیشنهادی دارای دقت قابل قبولی است.

جنگل ها از منابع ارزشمند طبیعی هستند که همه ساله بخش های وسیعی از آنها در نتیجه آتش سوزی از بین می رود. این پدیده سالانه هزاران هکتار از درختان، درختچه ها و گیاهان را طعمه خود می سازد، از این رو شناسایی مناطق در معرض خطر جهت پیشگیری و اتخاذ تدابیر لازم، امری ضروری است. این مطالعه با هدف پهنه بندی خطر و قوع آتش سوزی در شهرستان مریوان و با استفاده از روش رگرسیون لجستیک با در نظر گرفتن معیارهای تاثیر گذار بر روی آتش سوزی شامل فاصله از روستا، فاصله از رودخانه، فاصله از جاده، فاصله از پهنه های آبی، ارتفاع، شیب، جهت شیب، سرعت باد، دما و بارندگی سالیانه انجام شد. نقشه واقعیت آتش نیز از آتش سوزی های اتفاق افتاده در 30 سال اخیر تهیه گردید. تحلیل های حاصل از مدل رگرسیون لجستیک نشان داد که، معیارهای ارتفاع، فاصله از جاده و سرعت باد به ترتیب با وزن های 27/0، 218/0 و 157/0 بیشترین تاثیر را در پهنه بندی خطر آتش سوزی داشته است. مقادیر کلی رگرسیون لجستیک برای پهنه بندی خطر آتش سوزی با مقدار کلی R2 و مقدار R2 استاندارد سازی شد برای مدل به ترتیب برابر 73/0 و 812/0 به دست آمده است. پس از تهیه مدل آماری پیش بینی احتمال وقوع آتش سوزی، نقشه احتمال خطر در 5 کلاس مناطق با قابلیت های خطر خیلی کم، کم، متوسط، زیاد و خیلی زیاد پهنه بندی گردید. با توجه به نتایج حاصل از مدلسازی رگرسیون لجستیک کلاس با قابلیت خطر خیلی زیاد، زیاد و متوسط هر کدام به ترتیب 25249، 50691 و 62942 هکتار از مساحت اراضی کل را پوشش داده است. برای تعیین میزان صحت نتایج حاصل از مدل رگرسیون لجستیک از روش منحنی ROC استفاده شده است. برای نیل به هدف مذکور، 30 درصد از داده هایی به عنوان نمونه های مقایسه ای وارد مدل شد و دقت مدل 04/90 برآورد گردید.

افزایش جمعیت کره زمین همواره سبب افزایش تقاضا برای مواد اولیه معدنی در جهان شده است که این میزان تقاضا سبب گشته است که بسیاری از فلزات سمی(علی رغم استفاده در صنایع) مانند سرب وارد چرخه گیاهی و غذایی موجودات زنده شوند و با وارد شدن به بدن موجودات زنده، اثر سوء بر سلامت آن ها به ویژه انسان داشته باشد؛ در ضمن خاک آلوده به فلز سرب و مواد سربدار توسط آب و عمل فرسایش خاک توانایی جابه جایی را دارند و مکان های بیشتری را می توانند آلوده سازند. با توجه به قدرت طیفی بالای تصاویر ابرطیفی و قدرت مکانی بالای تصاویر چندطیفی سنجش از دوری در این پژوهش با استفاده از الگوریتم های GSA، CNMF، Fuse و SFIM عملیات تلفیق تصاویر ابرطیفی و چندطیفی در سطح پیکسل، جهت بهبود طیفی و مکانی تصاویر اولیه انجام شد. برای کشف مواد آلوده کننده سربدار موجود در خاک محل مورد مطالعه، با استفاده روش طیف مبنای انطباق الگوی طیفی، کانی گالن(Pb2S) در منطقه مورد مطالعه تشخیص داده شد. سپس ارزیابی کارایی روش های کلاسه بندی، از روش های یادگیری ماشین غیرپارامتریک بردار ماشین پشتیبان و پارامتریک های کمترین فاصله و متوازی السطوح جهت کلاسه بندی تصاویر بهبود یافته شده حاوی سرب، استفاده شد. اما به منظور پایش دقت داده ها، 60 ٪ از داده زمینی برداشت شده از محل به عنوان داده آموزشی و از 40 درصد باقی مانده داده ها جهت ارزیابی کلاسه بندی انجام شد. سپس، ارزیابی توسط دقت کلی و ضریب کاپا انجام شدند. نتایج حاصل از تجزیه و تحلیل تصاویر نشان می دهد که تصویر تلفیق شده به روش CNMF با بالاترین ارزیابی کیفیت تلفیق با مقادیر (SAM=0.346° , ED=0.006 ,PSNR=38.407,ERGAS=4.880) بهترین تصویر تلفیق شده است و روش کمترین فاصله با ضریب کاپا 0.78 و دقت کلی 91.10، توانست پیکسل های حاوی آلودگی به سرب(گالن Pb2S) را به مساحت 738 مترمربع بر روی تصویر تلفیق شده به روش CNMF را تشخیص دهد.

در این پژوهش، به بررسی فرونشست و ارتباط آن با کاهش سطح آب های زیر زمینی در استان کردستان پرداخته شده است. با توسعه ی مدل های مختلف و استفاده از داده های ماهواره ای و سنجش از دور که میتوانند به طور رایگان در اختیار قرار بگیرند سعی شده است که ارتباطی مفهومی بین مناطقی که دچار فرونشست شده اند و مدل های ارایه شده ایجاد شود. در این مطالعه با کار روی داده های مختلف از جمله جاذبه ی توده ی چگال با استفاده از ماهواره ی جاذبه سنج گریس برای برآورد میزان ذخایر آب زیر زمینی،داده های ماهواره ای جی ال داس برای برآورد انواع مختلف از آب های موجود در منطقه مانند ذخیزه ی رطوبت گیاهان، رطوبت موجود در خاک و ذخایر برف در منطقه و همچنین داده های مناطق با رخداد فرونشست به صورت منطقه ای روشی برای پیش بینی امکان وقوع فرونشست تنها با بررسی مدل های ارایه شده در این پژوهش و بدون کار زمینی مورد بحث قرار گرفته است. در پایان با جمع بندی مطالب گفته شده با توجه به رابطه ی اثبات شده ی کاهش سطح آب های زیر زمینی و امکان وقوع فرونشست، امکان پیش بینی آن از طریق پیش بینی روندهای تکرار شونده با ارایه ی یک مدل برای میزان سطح آب در منطقه وبارش در منطقه، ممکن دانسته شده است.

خشکسالی یکی از خطرهای طبیعی است که به طور مداوم مشاهده می شود و ناشی از کمبود بارندگی و افزایش تبخیر و تعرق ناشی از دمای بالا است. از شاخص های سنجش از دور برای تجزیه و تحلیل توزیع مکانی - زمانی شرایط خشکسالی و شناسایی شدت خشکسالی استفاده می شود. در این مطالعه، ما با استفاده از شاخص های مختلف خشکسالی تولید شده از داده های ماهواره ای مادیس و تی آر ام ام، که از بسترگوگل ارث انجین (GEE)، استخراج شد. شرایط خشکسالی در استان کردستان را از ماه های فوریه تا نوامبر برای سال های 2001 تا 2017 براساس توزیع مکانی و زمانی تجزیه و تحلیل کردیم. عوامل مختلف در پایش خشکسالی بر اساس داده های ماهواره ای از جمله نقشه های شاخص تفاضل نرمال شده پوشش گیاهی، شاخص وضعیت پوشش گیاهی، شاخص وضعیت دما، شاخص پوشش گیاهی بهبود یافته، شاخص تبخیر و تعرق، شاخص وضعیت بارندگی ماموریت اندازه گیری بارش باران گرمسیری (TRMM)، به عنوان متغییر مستقل در نظر گرفته شده است. همچنین، شاخص استاندارد بارندگی به دست آمده از داده های هواشناسی به عنوان متغییر وابسته برای ارزیابی شرایط خشکسالی محاسبه شده است. روش های جنگل تصادفی و رگرسیون بردار پشتیبان برای مقایسه داده های سنجش از دور و داده های زمینی و بررسی میزان همبستگی بین آنها و ترکیب چندین عامل خشکسالی از شاخص های سنجش از دور و ساختن یک مدل جامع نظارت بر خشکسالی استفاده شد. توسعه این مدل ها ایده های جدیدی را برای نظارت بر خشکسالی ارائه می دهد. مدل جامع نظارت بر خشکسالی به عنوان نمونه در استان کردستان ساخته و آزمایش شد. نتایج مدل جنگل تصادفی، دارای مقادیر ضریب تبیین 921/0 و مقدار ضریب تببین اصلاح شده 920/0 بود همچنین مقادیر مجذور میانگین مربعات خطا بین مقادیر واقعی و پیش بینی 283/0 به دست آمد. مدل جنگل تصادفی نسبت به نتایج الگوریتم رگرسیون بردار پشتیبان با مقادیر ضریب تبیین 90/0 و ضریب تببین اصلاح شده 89/0 همچنین مجذور میانگین مربعات خطا 313/0 دارای دقت بیشتری بود. نتایج نشان داد که مدل جامع خشکسالی در نظارت بر خشکسالی هواشناسی از کاربرد خوبی برخوردار است. همچنین همبستگی مثبت و معنی داری بین شاخص های خشکسالی خروجی مدل و شاخص جامع خشکسالی هواشناسی در مقیاس کل استان کردستان اندازه گیری شد. ضریب همبستگی بین شاخص خشکسالی مدل جنگل تصادفی و شاخص استاندارد بارندگی (002/0>P) بود که نشان داد بین آنها همبستگی خوبی وجود دارد. این مطالعه روشی جدید برای ارزیابی جامع خشکسالی منطقه ارائه می دهد.

خشکسالی یکی از خطرهای طبیعی است که به طور مداوم مشاهده می شود و ناشی از کمبود بارندگی و افزایش تبخیر و تعرق ناشی از دمای بالا است. از شاخص های سنجش از دور برای تجزیه و تحلیل توزیع مکانی - زمانی شرایط خشکسالی و شناسایی شدت خشکسالی استفاده می شود. در این مطالعه، ما با استفاده از شاخص های مختلف خشکسالی تولید شده از داده های ماهواره ای مادیس و تی آر ام ام، که از بسترگوگل ارث انجین (GEE)، استخراج شد. شرایط خشکسالی در استان کردستان را از ماه های فوریه تا نوامبر برای سال های 2001 تا 2017 براساس توزیع مکانی و زمانی تجزیه و تحلیل کردیم. عوامل مختلف در پایش خشکسالی بر اساس داده های ماهواره ای از جمله نقشه های شاخص تفاضل نرمال شده پوشش گیاهی، شاخص وضعیت پوشش گیاهی، شاخص وضعیت دما، شاخص پوشش گیاهی بهبود یافته، شاخص تبخیر و تعرق، شاخص وضعیت بارندگی ماموریت اندازه گیری بارش باران گرمسیری (TRMM)، به عنوان متغییر مستقل در نظر گرفته شده است. همچنین، شاخص استاندارد بارندگی به دست آمده از داده های هواشناسی به عنوان متغییر وابسته برای ارزیابی شرایط خشکسالی محاسبه شده است. روش های جنگل تصادفی و رگرسیون بردار پشتیبان برای مقایسه داده های سنجش از دور و داده های زمینی و بررسی میزان همبستگی بین آنها و ترکیب چندین عامل خشکسالی از شاخص های سنجش از دور و ساختن یک مدل جامع نظارت بر خشکسالی استفاده شد. توسعه این مدل ها ایده های جدیدی را برای نظارت بر خشکسالی ارائه می دهد. مدل جامع نظارت بر خشکسالی به عنوان نمونه در استان کردستان ساخته و آزمایش شد. نتایج مدل جنگل تصادفی، دارای مقادیر ضریب تبیین 921/0 و مقدار ضریب تببین اصلاح شده 920/0 بود همچنین مقادیر مجذور میانگین مربعات خطا بین مقادیر واقعی و پیش بینی 283/0 به دست آمد. مدل جنگل تصادفی نسبت به نتایج الگوریتم رگرسیون بردار پشتیبان با مقادیر ضریب تبیین 90/0 و ضریب تببین اصلاح شده 89/0 همچنین مجذور میانگین مربعات خطا 313/0 دارای دقت بیشتری بود. نتایج نشان داد که مدل جامع خشکسالی در نظارت بر خشکسالی هواشناسی از کاربرد خوبی برخوردار است. همچنین همبستگی مثبت و معنی داری بین شاخص های خشکسالی خروجی مدل و شاخص جامع خشکسالی هواشناسی در مقیاس کل استان کردستان اندازه گیری شد. ضریب همبستگی بین شاخص خشکسالی مدل جنگل تصادفی و شاخص استاندارد بارندگی (002/0>P) بود که نشان داد بین آنها همبستگی خوبی وجود دارد. این مطالعه روشی جدید برای ارزیابی جامع خشکسالی منطقه ارائه می دهد.

تبخیر از سطح مخازن یکی از عوامل مهم و موثر بر بیلان مخازن سدها است که برآورد دقیق آن می تواند در مدیریت مخازن موثر واقع شود. ایران جزء کشورهای خشک و نیمه خشک محسوب می شود و با توجه به وابسته بودن نیازآبی کشور به سدها، ارزیابی روش های برآورد تبخیر و انتخاب روشی دقیق می-تواند به مدیریت منابع آب کمک شایانی نماید. به همین منظور دراین تحقیق 25 سد بزرگ ایران که دارای حجم نرمال مخازن بیش از 100 میلیون متر مکعب بودند انتخاب شده و با توجه به عوامل موثر برتبخیر، بر اساس خوشه بندی به چند کلاس تقسیم شدند. با توجه به محدودیت های موجود داده ها و تصاویر ماهواره ای، 7 سد به عنوان معرف مناطق مختلف آب و هوایی انتخاب شدند. سپس با استفاده از مدل سنجش از دور SEBS، مدل شبکه عصبی مصنوعی پرسپترون چندلایه و 18 روش تجربی، مقدار تبخیر روزانه برای 18 روز از سال 2013 تا 2018 برای 7 سد انتخابی برآورد شد. در نهایت با استفاده از شاخص های ارزیابی خطا، دقت روش های مورد استفاده ارزیابی شد. نتایج حاکی از برتری مدل SEBS نسبت به سایر روش ها در اکثر سدها بود اما با توجه به پیچیدگی روش و همچنین محدودیت های مدل، استفاده از آن همیشه ممکن نیست. بعد از آن روش شبکه عصبی مصنوعی پرسپترون چندلایه در اکثر مناطق مورد مطالعه دارای دقت خوبی بود اما با توجه به جعبه سیاه بودن مدل با هر بار اجرای مدل نتایج متفاوتی ارائه می دهد. در استفاده از روش های تجربی نتایج حاکی از آن بود که ارتباط معنا داری بین اقلیم یک منطقه و روش برآورد تبخیر وجود ندارد. در این مطالعه نتایج نشان دهنده این بود که در صورتی که میزان تبخیر با چند پارامتر اقلیمی دارای همبستگی قابل ملاحظه ای باشد می توان از روش های تجربی که تمرکز بیشتری روی پامتر مورد نظر دارند با همبستگی خوبی استفاده کرد اما به طور کلی در روش های تجربی، با توجه به سه شاخص ارزیابی خطای (MAE، R2 و RMSE) مورد بررسی، نتایج حاصله به این صورت بود که، برای سد مارون و سد دز در هر سه شاخص مذکور روش (پنمن)، برای سد دورودزن در هر سه شاخص روش (بلانی- کریدل)، برای سد مهاباد به ترتیب روش های (تورک، پنمن، تورک)، برای سد سفیدرود به ترتیب روش های (پریستلی- تیلور، مایر، پریستلی- تیلور)، برای سد استقلال به ترتیب روش های (ماکینک، براتسرت- استریکر، آبتف) و برای سد شهید رجائی به ترتیب روش های (پاپاداکیس، انتقال جرم، پاپاداکیس) دارای بیشترین دقت بودند.

فعالیتهای پژوهش حاضر در جهت دستیابی به نقشه جابجایی صورت گرفته در بازه زمانی 7682 میلادی در دشتهای استان کردستان در قالب فرونشست میباشد. استان کردستان از نظر موقعیت جغرافیایی در قسمت غربی کشور ایران قرار گرفته است. فرونشست زمین را میتوان، متراکم و یا سست شدن لایه های زیر سطحی زمین در بازه زمانی مشخص در نظر گرفت. در واقع دلیل اصلی فرونشست زمین در دشتهای استان کردستان را میتوان به برداشت بیرویه از منابع آبهای زیرزمینی نسبت داد. در پژوهش حاضر جهت پایش فرونشست صورت گرفته در دشتهای استان کردستان از تکنیک تداخلسنجی راداری، روش پراکنشگرهای دائمی به منظور تحلیل و بررسی سری زمانی رفتار فرونشست در دشتهای استان کردستان با استفاده از 20 تصویر در گذر نزولی و 18 تصویر در گذر صعودی ماهواره سنتینل استفاده شده است. از طرفی در پژوهش حاضر جهت بررسی بهتر رفتار سیگنال به جهت بلند بودن بازه زمانی مطالعاتی از تقسیم 7682 و 7681 میلادی استفاده شده است. از طرفی در این ،7680- بازه زمانی چهارساله به بازههای 7682 مطالعه از بررسی رفتار چاههای پیزومتری موجود در منطقه با جابجاییهای برآورد شده در بازه زمانی مطالعاتی جهت بررسی صحت برآوردهای صورت گرفته استفاده شده است. در منطقه مطالعاتی حدفاصل میانی دو روستای آهوتپه و حسن آباد امام واقع در دشت چهاردولی استان کردستان و استان همدان به عنوان مناطقی ،7682- با وضعیت بحرانی با جابجایی 83 سانتیمتر، 76 سانتیمتر و 78 سانتیمتر به ترتیب در بازه زمانی 7680 7682 و 7681 میلادی و در دشت قروه و دهگلان در سال 7682 میلادی در حالت بیشینه فرونشستی معادل با 80 سانتیمتر به صورت میانگین در میان گذر صعودی و نزولی به دلیل برداشت بیرویه از منابع آبهای زیرزمینی بیشترین فرونشست را انتخاب شدند.

در این پژوهش، یک دیدگاه جدید شناسایی تغییرات در تصاویر رادار روزنه ی مصنوعی براساس ترکیب دو روش راهنما برجسته و نسبت همسایگی توسعه داده شده است. در روش راهنما برجسته جهت تولید نقشه برجستگی از یک حد آستانه استفاده می گردد که به روش سعی و خطا برای هر مجموعه داده انتخاب می گردد. در این تحقیق از روش حدآستانه هیستوگرام اتسو جهت محاسبه حد آستانه استفاده گردیده است که هم دقت کار را افزایش داده و هم این عدد بصورت اتوماتیک و با سرعت بالاتری انتخاب می گردد. همچنین در مدل نسبت همسایگی به جای استفاده از تصویر نسبت میانگین از تصویر تابع توزیع احتمال نسبت، در اپراتور نسبت همسایگی استفاده شده است. این تصویر (تابع توزیع احتمال نسبت) برای ایجاد فاصله بیشتر بین درجاتِ خاکستری پیکسل های تغییر یافته و تغییر نیافته به کارگرفته شده است. به علاوه در این تحقیق تصویر اختلاف بدست آمده از این روش در نقشه ی برجستگی بدست آمده از روش راهنما برجسته به منظور کاهش نویز ضرب گردیده است. همچنین در این تحقیق به منظور افزایش تعداد ویژگی ها، مقادیر بدست آمده برای هر پیکسل از روش های راهنما برجسته و نسبت همسایگی به صورت برداری درآمده و به عنوان ویژگی های جداگانه در الگوریتم طبقه بندی K-means برای طبقه بندی منطقه به دو کلاس تغییرکرده و تغییر نکرده استفاده شده است. برای ارزیابی صحت مدل، روش پیشنهادی بر روی سه مجموعه داده SAR برن، اتاوا و رودخانه ی زرد چین به عنوان داده های معیار، اجرا گردیده است. از بررسی نتایج می توان گفت که دقت مدل پیشنهادی نسبت به مدلهای راهنما برجسته و نسبت همسایگی افزایش داشته بطوریکه ضریب کاپای مجموعه داده برن از عدد 05/87 درصد در مدل راهنما برجسته و عدد 90/85 درصد در روش نسبت همسایگی به عدد 21/88 درصد افزایش یافته است. همچنین برا مجموعه داده اوتاوا ضریب کاپای مدل پیشنهادی برابر96.09 درصد که توانسته، دقت بهتری نسبت به روش راهنما برجسته که بالاترین دقت (95.98 درصد) در میان مدل های موجود را دارد بدست آورد. دقت مدل همسایه مبنا در این مجموعه داده برابر 2/92 درصد است. دقت ضریب کاپا در آخرین مجموعه داده برای مدل پیشنهادی 69/85 درصد و برای روش راهنما برجسته 24/85 درصد است. مجموعه داده ی رودخانه ی زرد در روش نسبت همسایه مبنا استفاده نشده است

محتوی آب پوشش گیاهی و زبری سطح خاک دو عامل اصلی تاثیرگذار بر بازیابی محتوی رطوبت سطحی خاک با استفاده از سنجش از راه دور ماکرویو فعال می باشند. از معدود مدل هایی که اثر پوشش گیاهی را در بازیابی رطوبت خاک در نظر می گیرند، می توان به مدل ابر آب اشاره کرد. در این پژوهش روش شناسی جدیدی بر پایه مدل ابر آب ارائه داده ایم. با تلفیق تصویر ماهواره ای راداری با روزنه مجازی ایسار و تصویر نوری لندست 4-5 و وارد کردن اثر پارامتر زبری و استفاده از شاخص آب نرمال شده به دست آمده از باندهای 57/1 و 65/1 نانومتر تصویر نوری لندست باهدف حذف اثر پوشش گیاهی در بازیابی رطوبت خاک، مدل ابر آب را بهبود داده ایم. مدل بهبودیافته ابر آب را بر روی ناحیه مطالعاتی اوکلاهاما اعمال کردیم و به نتایج خوب و قابل اتکایی دست یافتیم. با مقایسه نتایج به دست آمده از مدل بهبودیافته ارائه شده با داده های زمینی رطوبت خاک، به خطای جذر میانگین مربعات کمتری نسبت مدل اصلاح شده پیشین مدل ابر آب دست پیدا کرده ایم که دقت و صحتی قابل توجه در بازیابی رطوبت خاک است. از این مدل اصلاح شده می توان در بازیابی رطوبت خاک به صورت منطقه ای باهدف دست یابی به قدرت تفکیک مکانی و زمانی بالا بهره برد.

جنگل ها میراث گران بهایی هستند که علاوه بر استفاده از آن ها، در حفظ حراستشان نیز باید کوشا بود. جنگل های زاگرس، به ویژه شهرستان مریوان طی سالیان متمادی، در اثر بی توجهی و بی احتیاطی کم کم روبه زوال و نابودی نهاده و چهره متفاوتی به خود گرفته اند. خطرهای زیادی ازجمله، تغییر کاربری، بهره برداری غیرقانونی، احداث جاده، انتقال انرژی، چرای دام، سوخت، پدیده گرد غبار، امراض درختی و آتش سوزی همواره سلامت و پایداری جنگل ها را تهدید کرده است. هدف این تحقیق بررسی، آشکارسازی تغییرات و مدل سازی و پیش بینی سناریوهای مکانی مختلف جنگل های مریوان می باشد. ابتدا تغییر کاربری های صورت گرفته بین سال های2001،2012 و2018با استفاده از تصاویر ماهواره ای لندست و تکنیک طبقه بندی فازی شیءگرا و پیکسل پایه استخراج شد، سپس با توجه به دقت و صحت بالاتر طبقه بندی شی گرا جهت ادامه روند تحلیل تغییرات انتخاب شد. با توجه به بررسی و تحلیل تغییرات صورت گرفته در شش کلاس(اراضی کشاورزی، جنگل، مرتع، عوارض آبی، مسکونی، نیزار) عوامل مهم و تاثیرگذار بر مناطق جنگلی شناسایی شد. در ادامه با شناسایی عوامل مهم نظیر گسترش کشاورزی و مناطق شهر نشینی با تهیه متغییرهای پیشران نظیر (شیب ،توپوگرافی ، فاصله از جنگل و...) با ورود داده ها به مدل شبکه عصبی مصنوعی چند لایه جهت مدل سازی های پتانسیل انتقال با خروجی دقت کاپای 0.89 درصد اقدام به تهیه دو سناریو مکانی تاریخی(سخت) و انسانی (نرم) با استفاده از زنجیره مارکوف شد که سال 2018 واقعی با سال 2018 پیش بینی شده با دقت کاپای 0.90 مورد ارزیابی قرار گرفت .

در این پایان نامه هدف ارزیابی ریسک آلودگی منابع آبی در مسیر حمل و نقل مواد نفتی و خطرناک در جاده ترانزیتی سنندج - مریوان میباشد که با قطعه بندی مسیر سنندج - مریوان به 51 قطعه و بدست آوردن احتمال تصادفات در هر قطعه با روش های رگرسیون لجستیک، پواسون و نرخ تصادفات و همچنین محاسبه پیامدهای ناشی از تصادفات و با روش تحلیل سلسله مراتبی وزن دهی پارامترهای مورد نظر از لحاظ پیامد انجام گرفت. پارامترهای تاثیر گذار برای بدست آوردن احتمال تصادف عبارتند از: میانگین شیب جاده در قطعات مختلف، آمارتردد، عرض مسیر و تعداد پیچ و خم مسیر و لایه های تاثیر گذار جهت محاسبه پیامدها در این تحقیق عبارتند از: شیب و تراکم زهکشی و نزدیکی به آبهای سطحی و نزدیکی به آبهای زیرزمینی میباشد که برای این منظور ابتدا لایه های اصلی در نرم افزار جی آی اس تهیه شد و هر کدام از لایه ها، به زیرمجموعه هایی تقسیم شدند. سپس این لایه ها و زیرلایه ها دو به دو با روش تحلیل سلسله مراتبی وزن دهی شدند و وزن هرکدام از لایه ها و زیرمعیارها تعیین گردید. در مرحله بعد نقشههای وزن دهی شده در جی آی اس تلفیق شدند. در ادامه با استفاده از روش ماتریس تصمیم که در آن ریسک برابرحاصلضرب احتمال و پیامدهای ناشی از آن است ریسک هر قطعه محاسبه شد. در نهایت نقشه ریسک قطعات مختلف 5 تا 51 مسیر مورد مطالعه تهیه شد و مسیرها از لحاظ احتمال و ریسک با هم مقایسه و برای قطعات با ریسک بالا پیشنهاداتی ارائه گردید. هم چنین سه پارامتر مهم نوع ماده حمل شده و حجم تخلیه و شرایط آب وهوایی )فصول مختلف ( به عنوان سناریوهایی در نظر گرفته شدند. طبق نتایج بدست آمده ریسک آلودگی منابع آب در محدوده مورد مطالعه به این صورت است که از لحاظ مساحت 51 درصد کل محدوده مورد مطالعه دارای ریسک خیلی کم، 42 درصد ریسک کم، 42 درصد ریسک متوسط، 42 درصد ریسک زیاد و 54 درصد دارای ریسک خیلی زیاد میباشد.

فعالیت های این پایان نامه با هدف دستیابی به نقشه ریسک و همچنین آسیب پذیری شهر سنندج در مواجه با سیل آنی با استفاده از سیستم اطلاعات مکانی انجام گرفته است. با توجه به باران های فصلی و شدید و همچنین نبود تمهیدات لازم برای مواجه شدن با آن، لازم بود نقشه خطرپذیری بر اثر سیل آنی تهیه گردد. با مطالعه شرایط تاثیرگذار بر این امر لایههای مورد نیاز جمع آوری یا تهیه گردید. لایههای موثر در نقشه ریسک شامل: شیب، انحنا پروفیل، ارتفاع، فاصله از آبراهه، تراکم زهکشی و کاربری اراضی میباشند. همچنین لایههای موثر در تهیه نقشه آسیب پذیری سیلاب شامل: قدمت ابنیه، فاصله از مراکز آتش نشانی، فاصله از معابر، فاصله از مراکز درمانی، فاصله از مراکز سوخت گیری، شیب، ارتفاع و شاخص درصد مناطق نفوذ پذیر می باشد. لایههای اطلاعاتی در محیط GIS تولید شده، سپس در سیستم فازی برای تولید نقشه ریسک به کار برده می شوند. همچنین برای تهیه نقشه آسیب پذیری شهر، لایههای تولید شده را بصورت دوبهدویی با تحلیل سلسله مراتبی وزن دهی کرده، و لایه های وزن گرفته وارد GIS شدند. در مرحله بعد این لایهها با هم تلفیق شده و نقشه شهر را به صورت مناطق با آسیب پذیری بسیار زیاد، زیاد، متوسط، کم و بسیار کم نسبت به سیلاب به دست می دهد.

در این پایان نامه هدف ارزیابی ریسک آلودگی منابع آبی در مسیر حمل و نقل مواد نفتی و خطرناک در جاده ترانزیتی سنندج - مریوان میباشد که با قطعه بندی مسیر سنندج - مریوان به 51 قطعه و بدست آوردن احتمال تصادفات در هر قطعه با روش های رگرسیون لجستیک، پواسون و نرخ تصادفات و همچنین محاسبه پیامدهای ناشی از تصادفات و با روش تحلیل سلسله مراتبی وزن دهی پارامترهای مورد نظر از لحاظ پیامد انجام گرفت. پارامترهای تاثیر گذار برای بدست آوردن احتمال تصادف عبارتند از: میانگین شیب جاده در قطعات مختلف، آمارتردد، عرض مسیر و تعداد پیچ و خم مسیر و لایه های تاثیر گذار جهت محاسبه پیامدها در این تحقیق عبارتند از: شیب و تراکم زهکشی و نزدیکی به آبهای سطحی و نزدیکی به آبهای زیرزمینی میباشد که برای این منظور ابتدا لایه های اصلی در نرم افزار جی آی اس تهیه شد و هر کدام از لایه ها، به زیرمجموعه هایی تقسیم شدند. سپس این لایه ها و زیرلایه ها دو به دو با روش تحلیل سلسله مراتبی وزن دهی شدند و وزن هرکدام از لایه ها و زیرمعیارها تعیین گردید. در مرحله بعد نقشههای وزن دهی شده در جی آی اس تلفیق شدند. در ادامه با استفاده از روش ماتریس تصمیم که در آن ریسک برابرحاصلضرب احتمال و پیامدهای ناشی از آن است ریسک هر قطعه محاسبه شد. در نهایت نقشه ریسک قطعات مختلف 5 تا 51 مسیر مورد مطالعه تهیه شد و مسیرها از لحاظ احتمال و ریسک با هم مقایسه و برای قطعات با ریسک بالا پیشنهاداتی ارائه گردید. هم چنین سه پارامتر مهم نوع ماده حمل شده و حجم تخلیه و شرایط آب وهوایی )فصول مختلف ( به عنوان سناریوهایی در نظر گرفته شدند. طبق نتایج بدست آمده ریسک آلودگی منابع آب در محدوده مورد مطالعه به این صورت است که از لحاظ مساحت 51 درصد کل محدوده مورد مطالعه دارای ریسک خیلی کم، 42 درصد ریسک کم، 42 درصد ریسک متوسط، 42 درصد ریسک زیاد و 54 درصد دارای ریسک خیلی زیاد میباشد.

آب به عنوان یک پیش نیاز در توسعه و بقای نسل بشر است و نقش اساسی در تامین و دستیابی به اهداف و اولویت های اجتماعی-اقتصادی و زیست محیطی ایفا می کند. وجود آب برای زندگی ضروری و به عنوان منبع بنیادی برای ادامه حیات انسانها و محیط زیست و توسعه می باشد. با ادامه روند نامطلوب وضعیت منابع آبی در سطح جهان و پیش بینی تداوم بحران آب، کمبود آب پیوسته در حال افزایش است. به منظور بررسی میزان کمبود آب استفاده از شاخص ها مرسوم شده است. در این تحقیق از سه شاخص فقر آبی، فالکن مارک وتوسعه پایدار سازمان ملل برای تعیین میزان کمبود آب در استان کردستان استفاده شد. در همین راستا با مطالعه و شناخت فاکتورهای لازم جهت محاسبه و برآورد مقادیر شاخص فقر آبی و فالکن مارک، داده ها از سازمان های مرتبط با بخش آب گردآوری و سپس محاسبه شاخصها در استان کردستان انجام گردید. در مرحله بعدی نقشه های کمبود آبی مربوط به هر سه شاخص با استفاده از نرم افزار GIS ترسیم و در نهایت ماتریس همبستگی بین شاخصها و معیارهای شاخص فقر آبی با نرم افزار SPSS، حاصل گردید. براساس نتایج نهایی شاخص فقرآبی، شهرستان های سروآباد و قروه به ترتیب دارای کمترین و بیشترین مقدار عددی شاخص فقر آبی هستند. همچنین براساس نتایج نهایی شاخص فالکن مارک، شهرستان های سروآباد، کامیاران، دیواندره، مریوان، بانه و سقز فاقد مشکل کمبود آب هستند و شهرستان های دهگلان، قروه و سنندج جزو مناطق با تنش آبی شدید قرار گرفتند. بر اساس طبقه بندی شاخص سازمان ملل، شهرستانهای سروآباد، مریوان، بیجار، بانه و دیواندره با مقدار کمتر از 10 درصد از برداشت منابع آبی با بحران آب کم، شهرستانهای سقز، کامیاران با مقدار برداشت بین 20-10 درصد از منابع آبی با بحران آب در حد متعادل و شهرستانهای قروه، سنندج و دهگلان با مقدار برداشت بین 40-20 درصد از منابع آبی با بحران آب در حد متوسط تا شدید روبرو هستند. باتوجه به نتایج نهایی، شاخص فقر آبی با بررسی مشکلات موجود و توجه به توسعه منطقه از لحاظ زیرساختها زمینه همکاری بین نهادهای مختلف و اولویت بندی برنامه های مدیریتی سازمانهای مرتبط، نگاه ویژه به بخش آب را فراهم خواهد کرد.

امروزه با توسعه و گسترش شهرها و تبدیل اراضی مزروعی پیرامون شهرها به سطوح پوشیده از عناصر نفوذناپذیر و درنتیجه، افزایش حجم رواناب، دبی اوج و کاهش کیفیت آب، تشدید سیلاب و آبگرفتگی و در پی آن افزایش هزینههای نگهداری شهر و خسارات جانی و مالی بیشتر و همچنین کاهش نفوذ آب به سفرههای زیرزمینی، موضوع مدیریت روانابهای شهری بیشازپیش موردتوجه قرارگرفته است. از سوی دیگر رشد جمعیت شهری باعث تولید مقدار زیادی مواد حاوی انواع آلودگیهای خطرناک میگردد که وجود این مواد در آبراههها و روانابهای شهری بهصورت یک مشکل جدی برای سلامتی جانداران و محیطزیست مطرح هست. رویکردهای نوینی چون بهترین شیوههای از روشهای مدیریت و کنترل رواناب شهری است که میتوان در مناطق درحالتوسعه یا (LID) و روشهای توسعه کم اثر (BMPs) مدیریت که توسط آژانس حفاظت (SWMM) توسعهیافته به کاربرد و توسعه را با کمترین اثرات منفی بر روی این مناطق پیش برد. در این تحقیق مدل شیب و جهت ،DEM برای تهیه نقشههای GIS ارائهشده است برای مدلسازی هیدرولوژیکی و هیدرولیکی و مدل (EPA) محیطزیست آمریکا زیر حوضهها، کاربری اراضی و همچنین آنالیزهای مکانی مورداستفاده قرارگرفته. در تحقیق حاضر به بررسی شش نمونه از ابزارهای توسعه کم اثر که یکی از روشهای نوین در کنترل روانابهای شهری است و همچنین مقایسه دبی پیک سیلاب در زمان قبل و بعد از توسعه شهر در قسمتی از حوضه آبریز رودخانه دیوبن در شهر همدان پرداختهشده است. با ارائه سناریوهای مختلف ملاحظه شد که بعد از توسعه شهر دبی بپک سیلاب و همچنین آلودگی در حوضه افزایش پیداکرده و در بین ابزارهای توسعه کم اثر پشتبام سبز و بشکه باران به ترتیب بیشترین اثر در کاهش رواناب خروجی و آلودگی در حوضه را داشتند.

امروزه با توجه به توسعه صنعتی و افزایش جمعیت، نیاز روز افزون به منابع آب احساس می گردد. در همین راستا برای رفع نیازهای مختلف از جمله، کشاورزی(90%)، صنعت(4%) و نیازهای شهری(6%) از منابع آب استفاده می شود و همچنین گرم شدن کره زمین، تغییرات اقلیمی و کمبود نزولات جوی در کشور، از دلایل کاهش سطح ایستابی منابع آب سطحی شده است. این مسئله باعث گردیده که مصرف کنندهگان به فکر تامین نیازهای آبی خود از منابع آب زیر زمینی باشند. اگرچه استفاده از آب زیر زمینی گستره فراوانی دارد، اما بسیاری از مشترکان درک بسیار اندکی از منشا و محل اولیه، چگونگی تهیه، تولید، تصفیه، انتقال و تحویل آب، و مراحل حصول اطمینان از سلامت و قابلیت آشامیدن آن دارند. برداشت از این منابع چون اکثراً در کنترل افراد غیر مسئول است به طور بی رویهای انجام می گیرد بدون آنکه آگاه باشند که چه ضربه بزرگی به طبیعت و اکو سیستم منطقه وارد می کنند. سطح آبخوان های زیر زمینی با برداشت بی رویه به شدت رو به کاهش است و این نشان دهنده این موضوع است که میزان برداشت از منابع آب زیر زمینی بیشتر از میزان تغذیه طبیعی آبخوان است و آبخوان با بیلان منفی مواجه می شود، این مسئله باعث ایجاد مشکلات زیادی از جمله : نشست زمین، کاهش کیفیت آب، تداخل آب شیرین با آب شور، خشک شدن چشمه های طبیعی و از بین رفتن منابع آب جهت مصرف آینده گان می شود که به طور مستقیم یا غیر مستقیم زندگی انسانها را متاثر خواهد کرد. هدف از مدیریت آب های زیر زمینی معمولاً طولانی تر کردن مدت استفاده از منبع و حفظ کیفیت آن است، به گونه ای که آب مازاد مصرف، در داخل زمین ذخیره شود تا در هنگام کمبود آب، برای برآورد کردن نیازها از منبع خارج شود. ذخیره آب در زیر سطح زمین با تغذیه مصنوعی، در صورت امکان، راه حلی کارآمد و مناسب از نظر جنبه های زیست محیطی برای ذخیره آب است. در چنین شرایطی تغذیه مصنوعی آبهای زیر زمینی از مهمترین راهکارهای مدیریتی است(Mandal and singh)[8]. موفقیت طرحهای تغذیه مصنوعی مستلزم جمع آوری و تکمیل داده ها و اطلاعات بسیار زیادی است و نخستین پیش شرط برای احداث طرح تغذیه مصنوعی، شناسایی محل مناسب است (Kalantari)[9]. شناسایی محل مناسب جهت تغذیه مصنوعی مستلزم جمع آوری اطلاعات، دسته بندی آنها و شناسایی دقیق محل می باشد که شامل میزان نفوذ پذیری خاک، جنس خاک، ضریب هدایت ه

در ک شورهای در حال تو سعه افزایش شهرنشینی اثرات معکو سی بر محیط زی ست داشته است. از آن جمله میتوان به کاهش کیفیت منابع آب، تخریب و حذف پوشتش گیاهی، ستکونت در مستیلها و از همه مهمتر به کاهش نفوذپذیری خاک اشتتتاره کرد که خود از یک طرف موجب کاهش تغذیه آب های زیرزمینی و از سوی دیگر افزایش دبی پیک سیلاب و ایجاد سیلاب های شدید و خسارات جدی شده است. ستیلابها هر ستاله خستارات بستیار زیادی به مناطق شتهری وارد میآورند. از آنجایی که پوشتش زمین و پ شت بامها در مناطق شهری اغلب نفوذ ناپذیرند، زمان تمرکز سیلاب به شدت کاهش یافته و حجم سیلاب افزایش مییابد. حوضچه های ذخیره یکی از روشهای سازه ای کنترل سیلاب در محیط های شهری هستند. اگرچه تاثیر مثبت این سازهها در کنترل سیلاب امری بدیهی است، اما استفاده از آنها در مکانهای نامناسب میتواند باعث بدتر شتدن وضتعیت ستیلاب یک حوضته شتود. با توجه به اهمیت شتهرک بهاران ستنندج و توسعه شهرنشینی در این منطقه، مطالعه اثرات سیلاب و همچنین راهکارهای کنترل آن امری ضروری است. با توجه به این مهم، در این تحقیق ستتاختاری تحلیلی برای جانمایی حوضتتچه ها ارائه شتتدهاستتت. ستتاخت ار مذکور شامل دو بخش ا صلی ا ست: 5 مدل سازی شبکه زهک شی موجود با ا ستفاده از مدل SWMM 6 ، تشتکیل ستاختار تصتمیمگیری. اطلاعات اولیه برای استتفاده از این قالب، روابط شتدت – مدت – فراوانی، نقشتتههای کاربری اراضتتی، نفوذپذیری خاک و توپوگرافی منطقه مورد مطالعه هستتتند. هدف این پژوهش مکانیابی حوضتتچه ذخیره برای شتتهرک بهاران استتت، برای این منظور، ابتدا دادههای آماری جمعآوری شده، سپس لایههای لازم برای مکانیابی آماده شده و وزندهی به لایهها بر اساس استانداردهای مکانیابی انجام گرفته است. معیارهای انتخابی در این تحقیق با ا ستفاده ا ز اهمیت م شخص شده ی آنها در تحقیقات صورت گرف ته توستتط محققان این زمینه مشتتخص شتتده استتت. لذا بایستتتی بر استتاس ت ثیر و اهمیت آنها به معیارها وزنی متفاوت داد. برای وزندهی معیارهای فوق از بین روشهای مختلف وزندهی، روش تحلیل ستتلستتله م راتبی ن AHP و نرم افزار Expert choice مورد ا ستفاده قرار گرفتند . در گام بعدی به منظور ارزشگذاری لایهها، از منطق فازی استتتفاده شتتد و لا یههای آماده شتتده توستتط توابع عضتتو یت گوناگون فازی شتتدند. در انتها معیارهای فازی شده با توابع

تهران پایتخت ایران و یکی از پرجمعیتترین شهرهای دنیا محسوب میشود و با توجه به وجود شریانهای حیاتی فراوان در این ناحیه بررسی دقیق آن بسیار حائز اهمیت میباشد. گستره تهران که در کوهپایه جنوبی کوههای البرز مرکزی قرار گرفته، بدلیل گسلهای موجود در این گستره یکی از لرزه- خیزترین مناطق ایران محسوب میشود. بر این اساس بررسیهای مربوط به خطرپذیری لرزهای این شهر جهت پیشگیری یا کاهش آثار مخرب زلزله از اهمیت ویژهای برخوردار است. در مطالعه حاضر، اقدام به تهیه نقشه خطرپذیری شهر تهران در هنگام زلزله برای دو حالت مختلف گسیختگی در شمالغربی و گردید. برای این منظور، در ابتدا معیارهای Arc GIS شمالشرقی گسل شمال تهران با استفاده از نرمافزار موثر شناسایی شده است و برای هر کدام از معیارها، نقشه مورد نظر تهیه گردید. معیارهای مورد استفاده در این مطالعه شامل تراکم جمعیت، توزیع ساختمان، توزیع ساختمان بر اساس سال ساختوساز، شبکه- های ارتباطی، کاربری اراضی، سطح آبهای زیرزمینی، بیشینه شتاب زمین میباشد. پس از آن با توجه به نظرات کارشناسی، بر اساس اهمیت و ارجحیت هر کدام از معیارها با استفاده از روش فرآیند تحلیل به آنها وزنی تعلق گرفت. و این لایه های Expert Choice و به کمک نرمافزار (AHP) سلسله مراتبی وزن دار شده با یکدیگر از طریق مدل همپوشانی شاخص و مدل منطق فازی تلفیق گردیدند و سپس نقشه خطرپذیری برای دو حالت مختلف گسیختگی تهیه گردید. نتایج حاصل از خروجی مدلها نشان میدهد که مناطق مرکزی و شرق تهران بدلیل مقادیر بالای تراکم جمعیت، تراکم ساختمانی، عمر ساختمانها، معابر با عرض کم و مقدار بیشینه شتاب زمین، دارای خطرپذیری خیلیزیاد و زیاد و مناطق جنوبی تهران، بدلیل دور بودن از نقاط گسیختگی دارای خطرپذیری متوسط و کم هستند.