امیر حسین ناظمی؛ حامد سبزچی دهخوارقانی؛ علی اشرف صدرالدینی؛ ابوالفضل مجنونی هریس
چکیده
توسعة روشهای سنجش از دور در پهنهبندی اراضی زیر کشت محصولات کشاورزی در مقیاس گستردة مکانی و زمانی، بهصورت جایگزین شیوههای پرهزینه و زمانبر جمعآوری آمار میدانی، در حال گسترش است. تا کنون، روشهایی برای شناسایی اراضی زراعی، با استفاده از تصاویر سنجندههای اپتیک و راداری، مطرح شده است. برخی از این روشها، با تأکید بر فرایندهای ...
بیشتر
توسعة روشهای سنجش از دور در پهنهبندی اراضی زیر کشت محصولات کشاورزی در مقیاس گستردة مکانی و زمانی، بهصورت جایگزین شیوههای پرهزینه و زمانبر جمعآوری آمار میدانی، در حال گسترش است. تا کنون، روشهایی برای شناسایی اراضی زراعی، با استفاده از تصاویر سنجندههای اپتیک و راداری، مطرح شده است. برخی از این روشها، با تأکید بر فرایندهای حذف پیکسلهای ابری، مناسب اقلیم مرطوب با روزهای متعدد ابرناکی هستند و برخی دیگر، بهدلیل روش بهکاررفته در آنها بهمنظور ترکیب تصاویر هر دو سیستم اپتیک و راداری، پیچیدهگیهای خاص خود را دارند. در این میان، روشهای مبتنیبر استفاده از ویژگیهای منحصربهفرد سری زمانی شاخص گیاهی هریک از محصولات زراعی فرایند نسبتاً سادهتری در پهنهبندی اراضی زراعی دارد. هدف از این پژوهش بهبود یکی از روشهای مطرحشده برای تفکیک اراضی زیر کشت گندم دیم است که در آن از الگوریتم حذف گامبهگام پیکسلهای غیرگندم و تصاویر سنجندة مادیس استفاده شده بود. برای بهبود الگوریتم مذکور، طی فرایندی، از قدرت تفکیک زمانی تصاویر سنجندة مادیس و قدرت تفکیک مکانی تصاویر ماهوارة لندست8 بهره گرفته شد. فرایند جدید، ضمن رفع نقاط ضعف الگوریتم سابق در تشخیص مراتع و اراضی غیرگندم از اراضی گندم دیم، بهخصوص در پیکسلهای ناهمگن، موجب افزایش دقت این الگوریتم در پهنهبندی اراضی گندم دیم شد؛ بهطوریکه روش مطرحشده توانست با مقادیر صحت کلی، شاخص کاپا و F1 بهترتیب برابر با 92.5%، 0.67 و 0.71، با دقت قابلقبولی، سطوح زیر کشت گندم دیم را تفکیک کند.
منیره موسی بیگی؛ ایمان بهارلو؛ علیرضا وفائی نژاد
چکیده
شناسایی عوامل مؤثر در گسترش فرسایش خاک و پهنهبندی آن یکی از عوامل اساسی، جهت مدیریت و کنترل این پدیده و تعیین راهکارهای مناسب در مقابله با گسترش آن است. هدف از این پژوهش، پهنه بندی فرسایش خاک در حوضه قلعهچای، در غرب استان آذربایجان شرقی با استفاده از فرآیند تحلیل شبکهای و سیستم اطلاعات جغرافیایی است. بدین منظور با بررسی منابع ...
بیشتر
شناسایی عوامل مؤثر در گسترش فرسایش خاک و پهنهبندی آن یکی از عوامل اساسی، جهت مدیریت و کنترل این پدیده و تعیین راهکارهای مناسب در مقابله با گسترش آن است. هدف از این پژوهش، پهنه بندی فرسایش خاک در حوضه قلعهچای، در غرب استان آذربایجان شرقی با استفاده از فرآیند تحلیل شبکهای و سیستم اطلاعات جغرافیایی است. بدین منظور با بررسی منابع و نظر کارشناسان، عوامل مؤثر بر فرسایش خاک از قبیل شیب، جهت شیب، لیتولوژی، کاربری اراضی، شاخص تفاوت پوشش گیاهی نرمال شده (NDVI)، بارندگی سالانه و خاک مورد ارزیابی قرار گرفته و سپس با استفاده از نرم افزار ArcGIS و ضرایب استخراج شده در فرآیند تحلیل شبکه، نقشه پهنهبندی فرسایش خاک تهیه و در پنج کلاس، فرسایشی خیلی زیاد، زیاد، متوسط، کم و خیلی کم، باز طبقهبندی شد. نتایج این تحقیق نشان داد کلاسهای خطر زیاد و بسیار زیاد، در مجموع 12/37 درصد از مساحت منطقه که 56/118 کیلومترمربع را شامل میشود، در بر میگیرد. همچنین در بخشهای جنوبی و مرکزی حوضه، مقدار فرسایش خاک زیاد است، این مناطق شرایط بحرانی و حادی را از نظر فرسایش نشان میدهند و با توجه به احداث و آبگیری سد قلعهچای، میبایست در اولویت اجرای برنامههای حفاظت خاک و آبخیزداری قرار گیرند.
کریم سلیمانی؛ محدثه امیری؛ رضا تمرتاش؛ میرحسن میریعقوبزاده
دوره 5، شماره 4 ، اسفند 1392
چکیده
گونههای مهاجم با ایجاد تغییرات اکولوژیکیای که گاه برگشتناپذیرند، موفقیت عملیات احیا را در حوزههای آبخیز تهدید میکنند. بنابراین ممانعت از هجوم، تشخیص اولیه و حذف این گیاهان، راهی است برای در اختیار گرفتن و مدیریت آنها. تکنیکهای سنجش از دور در پایش گونههای مهاجم بهمنظور جلوگیری از هجوم، نابودی یا کنترل گونههای استقراریافته، ...
بیشتر
گونههای مهاجم با ایجاد تغییرات اکولوژیکیای که گاه برگشتناپذیرند، موفقیت عملیات احیا را در حوزههای آبخیز تهدید میکنند. بنابراین ممانعت از هجوم، تشخیص اولیه و حذف این گیاهان، راهی است برای در اختیار گرفتن و مدیریت آنها. تکنیکهای سنجش از دور در پایش گونههای مهاجم بهمنظور جلوگیری از هجوم، نابودی یا کنترل گونههای استقراریافته، بسیار مؤثرند. در پژوهش حاضر، کارایی تصاویر TM و IRS در پهنهبندی گونههای مهاجم کنگر صحرایی و سنبلة نقرهای در مراتع وازرود بررسی شده است. برای دریافت نتیجة بهتر از این تصاویر، تصحیح اتمسفری آنها با مدل Cos(t) انجام گرفت و سپس تعدادی از شاخصهای گیاهی با استخراج میانگین رقومی پیکسلهای مربوط به نمونههای تعلیمی روی تصاویر تصحیحشده اعمال گردید. طبقهبندی با الگوریتم «حداقل فاصله از میانگین» انجام گرفت و با نقشة واقعیت زمینی ارزیابی شد. نتایج نشان داد که شاخصهای NDVI، Ratio، RVI و TVI حاصل از تصویر TM و شاخص AVI تصویر IRS برای گونة کنگر صحرایی و شاخصهای NDVI، PVI 1، PVI 2، PVI و WDVI تصویر TM و شاخص NDVI تصویر IRS برای سنبلة نقرهای بهترین عملکرد را از بین شاخصهای بررسیشده دارند. همچنین از کلیه شاخصهای آنالیزشده، شاخصهای DNI و WDVI هر دو تصور ـ با درجات متفاوتی از تفکیک ـ قادر به تفکیک این دو گونه از یکدیگرند و بهعنوان معیار تفکیک میتوانند در مطالعات بعدی نتایج خوبی بهدست دهند.
محمدسعدی مسگری؛ منوچهر فرجزاده اصل؛ احمد خدادادی دربان؛ هدایت هاشمی؛ جمال امینی
دوره 5، شماره 3 ، آذر 1392
چکیده
پهنهبندی کیفیت آب رودخانه نخستین و مهمترین مرحله در مدیریت کیفیت آب است، که ذهن تحلیلگر را با روند و چگونگی تغییرات آلودگی برحسب زمان، مکان و شرایط خاص آشنا میسازد. پژوهش حاضر درصدد است با استفاده از شبکههای عصبی مصنوعی و سامانه اطلاعات جغرافیایی به پهنهبندی کیفیت آلودگی آب رودخانه سیمینهرود بپردازد. دادههای کیفی استفادهشده ...
بیشتر
پهنهبندی کیفیت آب رودخانه نخستین و مهمترین مرحله در مدیریت کیفیت آب است، که ذهن تحلیلگر را با روند و چگونگی تغییرات آلودگی برحسب زمان، مکان و شرایط خاص آشنا میسازد. پژوهش حاضر درصدد است با استفاده از شبکههای عصبی مصنوعی و سامانه اطلاعات جغرافیایی به پهنهبندی کیفیت آلودگی آب رودخانه سیمینهرود بپردازد. دادههای کیفی استفادهشده در تحقیق، حاصل نمونهبرداری از رودخانة سیمینهرود در سه فصل بهار و پاییز 1387 و بهار 1388 است که با استفاده از مدل QUAL2K شبیهسازی شد. خروجی مدل با دادههای مشاهدهای مقایسه گردید و پارامترهای نیترات، اکسیژن محلول و هدایت الکتریکیِ مربوط به فصل پاییز 1387 بهعنوان دادههای هدف انتخاب شدند. دادههای ورودی شامل دادههای مربوط به کاربری اراضی، زمینشناسی، قابلیت فرسایش و مراکز جمعیتی مربوط به حوضة سیمینهرود هستند که بههمراه دادههای هدف بعد از آمادهسازی در محیط GIS به مدل شبکة عصبی معرفی شدند. در این تحقیق از پنج ساختار مختلف مدل FFBP شبکة عصبی استفاده شد و نتیجة ساختار منتخب با خروجیهای حاصل از مدل رگرسیون چندمتغیره مقایسه گردید، که برتری مدل شبکة عصبی مذکور را نشان داد. نتیجه تحقیق حاضر نشان میدهد که شبکههای FFBP با ساختار 3-40-40-4 بهترین کارایی را دارند، و شبکه عصبی در پهنهبندی کیفیت آلودگی آب قابلیت بالایی دارد.