مرتضی شریف؛ سارا عطارچی
چکیده
چرخه فنولوژیکی گیاهان نقش مهمی در چرخه جهانی کربن دارد. با توجه به اهمیت نقش گیاهان در اکوسیستم شهری و نقش آن در سلامت جامعه، مطالعه و پایش چرخه فنولوژیکی گیاهان در فصول مختلف سال در مناطق شهری در مقیاسهای مکانی-زمانی مختلف ضروری است. از این رو، با استفاده از دو شاخص پرکاربرد NDVI و EVI محاسبه شده از تصاویر سنجنده OLI ماهواره لندست-8 و تصاویر ...
بیشتر
چرخه فنولوژیکی گیاهان نقش مهمی در چرخه جهانی کربن دارد. با توجه به اهمیت نقش گیاهان در اکوسیستم شهری و نقش آن در سلامت جامعه، مطالعه و پایش چرخه فنولوژیکی گیاهان در فصول مختلف سال در مناطق شهری در مقیاسهای مکانی-زمانی مختلف ضروری است. از این رو، با استفاده از دو شاخص پرکاربرد NDVI و EVI محاسبه شده از تصاویر سنجنده OLI ماهواره لندست-8 و تصاویر محصول MOD13Q1 سنجنده مودیس ماهواره ترا، چرخه فنولوژی گیاهان در سطح کلانشهر اهواز در دوره زمانی 2015 تا دسامبر 2019 تجزیه و تحلیل شد. در این تحقیق، تصاویر ماهوارهای از طریق پلتفرم گوگل ارث انجین فراخوانی و تهیه شد. سپس، با توجه به نوع پوشش گیاهی، چرخه فنولوژیکی گیاهان بر اساس شاخصهای پوشش گیاهی بدست آمد و با چرخه فنولوژیکی بدست آمده از بررسیهای زمینی، مقایسه شد. با توجه به احتمال وجود نویز و پیکسلهایی با اختلاط طیفی، برای هموار سازی چرخه فنولوژیکی گیاهان از فیلتر Savitzky–Golay استفاده شد. نتایج بدست آمده حاکی از روند افزایش مقادیر هر دو شاخص NDVI و EVI به ترتیب با 03/0 و 04/0 در سنجنده OLI و 01/0 (در سال) در محصول سنجنده مودیس است. این تغییرات در ماههای ژانویه، مارس، اکتبر، نوامبر و دسامبر در هر دو سنجنده افزایشی بوده است که به معنای شرایط بهتر زیستی گیاه است. زمان دورههای فنولوژی گیاهان در هر دو سنجنده متفاوت بود. بیشترین اختلاف در هر دو سنجنده در سالهای 2018 و 2019 مشاهده شد. با توجه به مناسبتر بودن شرایط محیطی در این دو سال در مقایسه با سایر سالها، میتوان نتیجه گرفت که با افزایش میزان کلروفیل گیاه، میزان اختلاف بین نتایج این دو سنجنده بیشتر میشود. دورههای انتقال فصل رشد بدست آمده از سنجنده OLI جزئیات بیشتری را در مقایسه با مجموعه دادههای با وضوح متوسط مودیس نشان داد. در سنجنده مودیس در مقایسه با سنجنده OLI زمان شروع دورههای فصل رشد، زودتر بود. نتایج مقایسه دورههای فصل رشد در سنجنده OLI و مودیس (به ترتیب) با واقعیت زمینی نشان میدهد کمترین اختلاف در شروع فصل رشد با 7 و 10 روز بوده است. بیشترین اختلاف بین نتایج بدست آمده از سنجندههای OLIو مودیس (به ترتیب) با واقعیت زمینی در اوج فصل رشد با 20 و 35 روز و پایان فصل رشد 20 روز دیرتر و 20 زودتر بوده است. طول فصل رشد در سنجنده مودیس حدود چهار ماه و در سنجنده OLI حدود پنج ماه مشاهده شد که نتایج لندست به واقعیت زمینی نزدیکتر است. این تفاوت را میتوان به افزایش تعداد پیکسلهای مخلوط با توجه به قدرت تفکیک مکانی تصاویر سنجنده مودیس نسبت داد. نتایج این تحقیق، میتواند راهگشای بررسی تغییرات چرخههای فنولوژیکی در پاسخ به تغییرات محیطی با استفاده از تصاویر سنجشازدور در مناطق شهری باشد.
سبا خاریابند؛ سارا عطارچی
چکیده
در چند دهه اخیر در ایران، در نتیجه تغییر اقلیم و رشد جمعیت، سطح و عمق آب در تالابها بسیار کاهش یافته است. بنابراین ضرورت دارد عوامل اصلی این تغییرات شناسایی شده و در صورت امکان، اقدامات لازم برای کاهش نرخ تغییرات صورت پذیرد. پیشرفت روزافزون تکنولوژی سنجش از دور، فرصت بینظیری برای پایش روند تغییرات در محیطهای طبیعی فراهم میکند. ...
بیشتر
در چند دهه اخیر در ایران، در نتیجه تغییر اقلیم و رشد جمعیت، سطح و عمق آب در تالابها بسیار کاهش یافته است. بنابراین ضرورت دارد عوامل اصلی این تغییرات شناسایی شده و در صورت امکان، اقدامات لازم برای کاهش نرخ تغییرات صورت پذیرد. پیشرفت روزافزون تکنولوژی سنجش از دور، فرصت بینظیری برای پایش روند تغییرات در محیطهای طبیعی فراهم میکند. سری ماهواره لندست از دهه 1970، طولانیترین آرشیو تصاویر سنجش از دور است. تصاویر ماهوارهای، دادهها را در سطح وسیعتر و در فواصل زمانی کوتاهتر با هزینه کمتر فراهم میکند. تالاب انزلی، یکی از مهمترین تالابهای بین المللی ایران است که در کنوانسیون رامسر به ثبت رسیده است. در چند دهه اخیر، با افزایش جمعیت و رشد و گسترش مناطق مسکونی و زمینهای زراعی، تغییرات اقلیمی منطقه و همچنین تغییرات شدید تراز آبی دریای خزر، این تالاب به سوی خشک شدن پیش رفته است. در تحقیق حاضر، با استفاده از تصاویر لندست به بررسی تغییرات عمق تالاب پرداخته شده است. تغییرات عمق با توجه به دادههای بارش و دما و تغییرات تراز آب دریای خزر در بازه 30 ساله، از سال 1988 تا سال 2018، تشریح شده است. نتایج نشان میدهد تغیرات عمق تالاب، عمدتا از تغییرات تراز آب دریای خزر متاثر شده است و تغییرات بارش و دما، دلایل اصلی کاهش عمق تالاب انزلی نیستند.
سارا عطارچی؛ مهدی رهنما
چکیده
در تصاویر سار تمامپولاریمتریک، امکان شناسایی و تشخیص اهداف برمبنای خصوصیات پولاریمتریک آنها وجود دارد. بااینحال، بهدلیل پیچیدگیهای سنجنده، بیشتر سنجندههای سار در حالت دوپولاریمتریک فعالیت میکنند و فراوانی دادههای دوپولاریمتریک بسیار بیشتر از دادههای تمامپولاریمتریک است. در این تحقیق، میزان کارآیی مؤلفههای ...
بیشتر
در تصاویر سار تمامپولاریمتریک، امکان شناسایی و تشخیص اهداف برمبنای خصوصیات پولاریمتریک آنها وجود دارد. بااینحال، بهدلیل پیچیدگیهای سنجنده، بیشتر سنجندههای سار در حالت دوپولاریمتریک فعالیت میکنند و فراوانی دادههای دوپولاریمتریک بسیار بیشتر از دادههای تمامپولاریمتریک است. در این تحقیق، میزان کارآیی مؤلفههای پولاریمتریک استخراجشده از حالت دوقطبی با حالت تمامپولاریمتریک مقایسه شدهاند. بدینمنظور، مؤلفههای آلفا و انتروپی در سه حالت HH-HV ، HH-VV، HV-VV و تمامپولاریمتریک محاسبه شده است. با هدف بررسی دقیقتر، مقادیر آلفا و انتروپی بهتفکیک کلاسهای پوشش زمین استخراج شدهاند. مقایسة مقادیر خطای مطلق میانگین بین مقادیر آلفا در حالت تمامپولاریمتریک با مقادیر حالت دوپولاریمتریک نشان میدهد که بین حالت HH-HV، با حالت تمامپولاریمتریک، کمترین خطا وجود دارد و بیشترین خطا به حالت HH-VV متعلق است. میزان خطا بین مقادیر انتروپی حالت تمامپولاریمتریک و حالت HH-HV، HH-VV و HV-VV، بهترتیب، برابر 06/0 و 22/0 و 17/0 است. بر این اساس، حالت دوپولاریمتریک HH-HV بیشترین انطباق را با حالت تمامپولاریمتریک دارد و ترکیب باندهای همقطب HH-VV کمترین انطباق را با حالت تمامپولاریمتریک داراست. در بین کلاسهای متفاوت پوشش اراضی، مقادیر آلفای کلاس آب در حالت HH-HV بیشترین نزدیکی را با حالت تمامپولاریمتریک دارد. بین مقادیر انتروپی کلاسهای متفاوت پوشش زمین در حالت HH-HV با حالت تمامپولاریمتریک، اختلاف معناداری وجود ندارد. براساس یافتههای این تحقیق، نتیجهگیری میشود که ترکیب HH-HV به حالت تمامپولاریمتریک نزدیکتر است.