مائده بهی فر؛ عطاالله عبدالهی؛ مجید کیاورز؛ دکتر فرشاد امیراصلانی
چکیده
خشکسالی از مهمترین بلایای طبیعی کشور است که اثرات مخرب زیستمحیطی و اقتصادی فراوانی دارد. بیشتر مطالعات انجامشده به شدت خشکسالی پرداختهاند و معمولاً سایر ویژگیهای آن بررسی نشده است. در این تحقیق، اولینبار، قابلیت شاخصهای هواشناسی و دادههای ماهوارهای با یکدیگر ادغام شده و از آن برای مطالعة تمامی ویژگیهای خشکسالی، ...
بیشتر
خشکسالی از مهمترین بلایای طبیعی کشور است که اثرات مخرب زیستمحیطی و اقتصادی فراوانی دارد. بیشتر مطالعات انجامشده به شدت خشکسالی پرداختهاند و معمولاً سایر ویژگیهای آن بررسی نشده است. در این تحقیق، اولینبار، قابلیت شاخصهای هواشناسی و دادههای ماهوارهای با یکدیگر ادغام شده و از آن برای مطالعة تمامی ویژگیهای خشکسالی، در دو حوزة داخلی و ساحلی کشور، استفاده شده است. بدینمنظور، شاخص SPI با استفاده از تصاویر ماهوارهای بارش TRMM محاسبه شده و سپس مشخصههای خشکسالی مانند شدت، تداوم، بزرگی و گسترة خشکسالی، بهصورت مکانی، در سطح حوزه مطالعه شد. نتایج نشاندهندة همبستگی کلی 0.94 بین SPI محاسبهشده از تصویر و دادههای ایستگاهی بوده است. حداکثر شدت خشکسالی در منطقة مورد مطالعه برابر با 4.19- بوده که در آذر سال 1389 اتفاق افتاده است. علاوهبراین، فراوانی وقوع خشکسالیهای فرین، در دو مقیاس زمانی شش و دوازدهماهه، در حوزة داخلی بیشتر از حوزة ساحلی بوده است. در بازة مورد مطالعه، در مقیاس زمانی ششماهه، 60% از رویدادهای خشکسالی حوزة بزرگی خفیفتر از 18.3- داشتهاند. نتایج نشان داد، با استفاده از تصاویر ماهوارهای، بهخوبی میتوان به مشخصة گسترة خشکسالی دست یافت؛ درحالیکه با استفاده از سایر روشها قابل محاسبه نیست. علاوهبراین، با بهکارگیری تصاویر ماهوارهای، میتوان مشخصههای خشکسالی را در سطح حوزه، بهصورت مکانی، مطالعه کرد و چنین کاری با روشهای سنتی امکانپذیر نیست. نتایج تحقیق مؤید مزیت بهکارگیری دادههای بارش ماهوارهای در مطالعة خشکسالی بوده است.
علی صادقی؛ علی درویشی؛ عطاالله عبدالهی؛ سید کاظم علوی پناه؛ سعید حمزه
چکیده
در مطالعات زمینشناسی و کانیشناسی، وجود پوشش گیاهی سالم و خشک در پیکسلهای حاوی اطلاعات طیفی اجتنابناپذیر است. بنابراین، بازیابی اطلاعات در حد زیرپیکسل، مانند برآورد میزان حضور یک کانی در یک پیکسل از تصاویر سنجش از دور ابرطیفی، مسئلهای مهم محسوب میشود. در این پژوهش، روش عمق پیوستار اصلاحشدة اثر پوشش گیاهی (VCCD)، برای کاهش ...
بیشتر
در مطالعات زمینشناسی و کانیشناسی، وجود پوشش گیاهی سالم و خشک در پیکسلهای حاوی اطلاعات طیفی اجتنابناپذیر است. بنابراین، بازیابی اطلاعات در حد زیرپیکسل، مانند برآورد میزان حضور یک کانی در یک پیکسل از تصاویر سنجش از دور ابرطیفی، مسئلهای مهم محسوب میشود. در این پژوهش، روش عمق پیوستار اصلاحشدة اثر پوشش گیاهی (VCCD)، برای کاهش اثر پوشش گیاهی سالم و خشک در تخمین میزان کانیهای هدف، با استفاده از دادههای طیفسنجی، آزمایشگاهی کانیشناسی و تصاویر هایپریون (Hyperion) اصلاح و در منطقة اوغلانسر در شمالغرب ایران مورد صحتسنجی قرار گرفت. تخمین پوشش گیاهی سالم و خشک در سطح پیکسل، بهترتیب، با شاخص SAVI و عمق عارضة جذبی در ۲۱۰۲ نانومتر انجام شد. اصلاح عمق حذفپیوستارشده (CRBD)، با روش VCCD، تا آستانة حداکثری حضور پوشش گیاهی سالم برابر با ۶۰ و برای گیاه خشک در بازة 60-56 و ترکیب گیاه سالم و خشک در بازة ۷6-۷2% امکانپذیر است. تأثیر وجود نویزهای تصادفی و تغییر نوع پوشش گیاهی در عملکرد روش اصلاحشده بررسی شد و نتایج نشان داد که روش VCCD توسعهیافته، در مقایسه با وجود نویزهای تصادفی در طیفها و تغییر نوع پوشش گیاهی، حساسیت بیشتری ندارد. بعد از اصلاح ضرایب مدل و پس از تأیید کارآیی آن، روش پیشنهادی برای اصلاح CRBD و کاهش اثر پوشش گیاهی، روی تصویر Hyperion، اجرا شد. طبق نتایج، حضور پوشش گیاهی سالم و خشک در کانیهای کائولینیت و مسکویت منجر به تخمین کمتر از مقدار واقعی میشود. میزان بهبود در صحت برآورد کانی با اعمال روش VCCD درمورد کانیهای کائولینیت و مسکویت، بهترتیب، معادل 0.25 و 0.13 ضریب تعیین و میزان خطا 0.0108 و 0.0125 است.