انجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59667220160121Ant Colony Optimization of RFM for Geometric Correctionتصحیح هندسی تصاویر ماهوارهای با استفاده از توابع کسری بهینهسازیشده بهوسیلة الگوریتم کلونی مورچهها11895762FAامینباغانیدانشجوی دکتری فتوگرامتری، دانشگاه صنعتی خواجه نصیرالدین طوسیمحمدجوادولدان زوجدانشیار گروه فتوگرامتری و سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسی0000-0003-4325-8741مهدیمختارزادهاستادیار گروه فتوگرامتری و سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسی0000-0002-3615-3151Journal Article20161106Due to the absence of either satellite ephemeris information or camera model for various high resolution satellite images, rational functions models (RFMs) are widely used by photogrammetric and remote sensing communities. This method has various disadvantages such as: The dependency of this method on many ground control points (GCPs), numerical complexity and particularly terms selection. As there is no physical meaning for the terms of RFM, in traditional solution all of them are involved in the computational process which causes over-parameterization. In this letter, a modified Ant Colony Optimization is applied to identify the optimal terms for RFMs. For this purpose this method is tested on three images with different geometric correction levels, different coordinate systems (UTM, CT & Geodetic) and different combination of Ground Control Points (GCPs) and Independent Check Points (ICPs), without normalization of the image and ground coordinates. Experimental results demonstrate how well the proposed algorithm can determine an RFM, which is optimal in both the total number of terms and the positional accuracy. The results have showed that the CT coordinate system has the better capability in accuracy and convergence’s speed. As a conclusion, ACO when using for RFM optimization, can achieve subpixel accuracy even with just four GCPs.در غیاب دادههای افمریز ماهواره و مدل سنجنده، تبدیلات غیرپارامتریک نظیر مدل توابع کسری از مهمترین و پرکاربردترین انواع مدلهای ریاضی در جوامع فتوگرامتری و سنجش از دور بهشمار میآیند. وابستگی این مدلها به تعداد زیادی نقاط کنترل زمینی، مشکلات عددی موجود در حل آنها و مشکل انتخاب ترمهای سازندة ساختار تابع کسری را میتوان از ضعفهای عمدة این روش برشمرد. ازآنجاکه ضرایب در توابع غیرپارامتریک دارای تفسیر و معنای فیزیکی مشخصی نیستند، در روشهای معمول کلیة ترمها وارد فرایند محاسباتی میشوند و خطای وابستگی میان ترمها ایجاد میکنند. در پژوهش حاضر، الگوریتم کلونی مورچهها برای بهینهسازی توابع کسری مناسبسازی شد و از الگوریتم ویژهسازیشده بهمنظور یافتن ترکیب بهینة ترمها در ساختار توابع کسری استفاده گردید. الگوریتم مذکور، روی سه تصویر در سطوح تصحیح هندسی مختلف با ترکیبهای گوناگونی از نقاط کنترل و نقاط چک مستقل در سه سیستم مختصات زمینی UTM، CT و ژئودتیک و بدون نرمالکردن مختصاتهای زمینی و تصویری آزمون شد. نتایج آزمونهای تجربی نشان دادند که الگوریتم ویژهسازیشدة کلونی مورچهها در پژوهش حاضر از نظر تعداد ترمها و دقت موقعیت مکانی قابلیت بالایی دارد. نتایج نشان دادند که استفاده از سیستم مختصات CT برای فضای زمین، نتایج بهتری را از نظر دقت و نحوة همگرایی الگوریتم به توابع کسری بهینه بهدست میدهد. نتایج برای تصاویر مختلف و حتی تصاویر خام با استفاده از چهار نقطة کنترل، دقت زیرپیکسل را نشان داد.https://gisj.sbu.ac.ir/article_95762_045a87b60f47f85ee8026ee6feb6876b.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59667220160121Automatic Gap Filling in Road Extraction Using Radon Transformation and Spline Interpolationاتصال خودکار بریدگیها در شبکة راههای استخراجشده بهوسیلة الگوریتمهای استخراج راه با استفاده از تکنیکهای تبدیل رادون و درونیابی اسپلاین193495778FAعلیاکبرمتکاناستاد گروه سنجش از دور و GIS، دانشگاه شهید بهشتی0000-0001-5394-4599محمدحاجبمربی گروه سنجش از دور و GIS، دانشگاه شهید بهشتیمحمداسلامیدانشجوی دکترای برق گرایش مخابرات، دانشگاه شهید بهشتیJournal Article20161106The availability ofinformation about roads has great importanceinvariousapplicationssuch as transportation,traffic controlsystems, automatic navigation system, etc. In recent years, designing new road extraction algorithms has become the target of many studies by researchers. Despite the achieved progress, there are some defects in this field. The gaps in detected roads are one the most important of them. The gaps are appeared due to getting placed under trees, shadow or any other reason. Since the continuity of roads is a momentous topological trait, so filling the gaps seems necessary. The main aim of this paper is to provide a method to automatic find and fill the existing gaps in the extracted road net. Our algorithm first applies the Radon transformation to find the source and destination endpoints of the gaps, then connect these points together using Spline interpolation. This algorithm is implemented on a real detected road which has 4 gaps in straight roads and 2 gaps in junctions. The experiment shows that the proposed algorithm can correctly fill all of the gaps in straight roads, but it is not able to fill the gaps in junctions. So, regardless of the location of the gap, straight road or junction, it can be said that about 66.7% of the existing gaps was filled by the algorithm. This gap filling algorithm is implemented in MATLAB softwareدسترسی به اطلاعات راهها اهمیت زیادی در کاربردهای مختلف نظیر حملونقل، کنترل ترافیک، سیستمهای هدایت خودکار وسایل نقلیه و مانند اینها دارد. در سالهای اخیر طراحی الگوریتمهای استخراج راه، هدف مطالعات بسیاری از پژوهشگران بوده است. باوجود پیشرفتهایی که در این زمینه حاصل شده است، همچنان نواقصی در عملکرد این الگوریتمها وجود دارد که یکی از مهمترین آنها وجود بریدگی در شبکة راههای استخراجشده است. این بریدگیها ممکن است بهدلایل مختلفی نظیر قرارگرفتن راهها در زیر درختان یا واقعشدن در سایه باشند. ازآنجاکه پیوستهبودن راهها یکی از ویژگیهای مهم توپولوژیکی آنهاست، رفع این نقیصه ضروری بهنظر میرسد. هدف پژوهش حاضر ارائة روشی خودکار برای یافتن و اتصال بریدگیهای موجود در راههای استخراجشده بهوسیلة الگوریتمهای استخراج راه است. در این الگوریتم ابتدا با استفاده از روشی مبتنی بر تبدیل رادون سر و ته بریدگیها شناسایی میشوند، سپس این نقاط با بهکارگیری روشی بر پایة تکنیک درونیابی اسپلاین به یکدیگر متصل میشوند. این الگوریتم روی خروجی یک روش استخراج راه که در آن چهار بریدگی در راههای مستقیم و دو بریدگی در تقاطعها وجود دارد، پیادهسازی شد. نتایج نشان دادند که الگوریتم قادر به اتصال تمام بریدگیهای واقع در راههای مستقیم بود، ولی دو مورد بریدگی در تقاطعها را نتوانست الگوریتم متصل کند. بنابراین میتوان گفت که صرفنظر از محل بریدگی که در راههای مستقیم یا در تقاطعها واقع شدهاند، الگوریتم حدود 7/66 درصد از بریدگیهای موجود در تصویر را شناسایی و متصل کرده است. این الگوریتم در محیط نرمافزار MATLAB برنامهنویسی شد.https://gisj.sbu.ac.ir/article_95778_bd27a4ddb5342c89a94726eca36469b3.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59667220160121The Effect of Atmospheric Moisture on the Estimation of the Temperature Inversion Characteristics from MODIS Imagesتأثیر رطوبت جو در برآورد مشخصههای وارونگی دمایی از تصاویر ماهوارهای MODIS355395793FAحامدکاچاردانشجوی کارشناسی ارشد مهندسی سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسیمحمدرضامباشریدانشیار گروه مهندسی سنجش از دور، دانشکدة مهندسی نقشهبرداری، دانشگاه صنعتی خواجه نصیرالدین طوسیعلیاکبرآبکاراستادیار گروه مهندسی سنجش از دور، دانشکدة مهندسی نقشهبرداری، دانشگاه صنعتی خواجه نصیرالدین طوسیمجیدرحیمزادگاناستادیار دانشکدة عمران، دانشگاه صنعتی خواجه نصیرالدین طوسیJournal Article20161106Increase of temperature with height in the troposphere is called temperature inversion. Parameters such as strength and depth are characteristics of temperature inversion. Inversion strength is defined as the temperature difference between the surface and the top of the inversion and the depth of inversion is defined as the height of the inversion from the surface. The common approach in determination of these parameters is field measurements by Radiosonde. On the other hand the Radiosonde data are too sparse, so using satellite images is essential for modeling the temperature inversion. Necessary condition for the temperature inversion modeling using satellite images, examine the relationship between the brightness temperature difference with the temperature inversion strength and depth of the resulting data is Radiosonde. Temperature inversion phenomenon is common in Tehran. So Mehrabad airport weather station was selected as the 1st study area. Then correlation coefficients between Brightness temperature differences of different band pairs and the inversion depth and strength collected by Radiosonde were calculated. The results showed weak linear correlation. This could be due to the change of the atmospheric water vapor content and the relatively weak temperature inversion strength and depth occurred in Tehran. Proving this hypothesis is an innovation in the present work, in continuation of this research, the factors increasing the linear correlation coefficient was investigated. Due to the presence of deeper and stronger temperature inversion in Kermanshah, this region was chosen as the second studied region. The calculated correlation coefficients increased for Kermanshah all due to increase in the strength and depth of the temperature inversion in this region. Knowing that the amount of water vapor in the atmosphere in winter is less than warm seasons, Tehran and Kermanshah data were divided into two all seasons and cold seasons.Increase of correlation coefficients for both Tehran and Kermanshah in the cold season verifies the effect of atmospheric water content. For instance, the correlation coefficient between BT7.2-BT11 with strength and depth of inversion for Kermanshah for all season are 0.51 and 0.70 respectively. This for cold season was boosted to 0.78 and 0.85.وارونگی دمایی زمانی رخ میدهد که در تروپوسفر و تا ارتفاعی مشخص، با افزایش ارتفاع، دما افزایش یابد. از مشخصههای وارونگی دمایی، پارامترهای قدرت و عمق وارونگی دمایی است. قدرت وارونگی به اختلاف دمایی بین قلة وارونگی و سطح زمین اطلاق میشود و ارتفاع متناظر با این اختلاف دمایی، عمق وارونگی نام دارد. راهکار متداول برای تعیین این مشخصهها، اندازهگیریهای میدانی بهوسیلة رادیوساند است، که نوعی اندازهگیری نقطهای در جو قلمداد میشود. بهمنظور مدلسازی برای استخراج مشخصههای وارونگی دمایی از تصاویر ماهوارهای میتوان ارتباط بین اختلاف دمای درخشندگی زوج باندهای مختلف با قدرت و عمق وارونگی دمایی منتج از دادههای رادیوساند را بهدست آورد. در پی شایعبودن پدیدة وارونگی دمایی در شهر تهران، ایستگاه هواشناسی فرودگاه مهرآباد تهران بهعنوان منطقة نخست مورد مطالعه انتخاب شد. ضرایب همبستگی خطی بهدستآمده بین اختلاف دمای درخشندگی زوج باندهای مختلف با عمق و قدرت وارونگی محاسبهشده از دادههای رادیوساند بسیار ضعیف بود که میتواند ناشی از تغییرات زیاد بخارآب جو و قدرت و عمق وارونگی دمایی نسبتاً ضعیف رویداده در تهران باشد. برای اثبات فرضیة مذکور، در ادامة روند تحقیق حاضر، عوامل مؤثر در افزایش ضریب همبستگی خطی بین اختلاف دمای درخشندگی زوج باندهای مذکور با عمق و قدرت وارونگی محاسبهشده از دادههای رادیوساند بررسی شدند. با توجه به رویدادن وارونگیهای عمیق و قدرتمندتر در منطقة کرمانشاه درمقایسه با تهران، این منطقه بهعنوان منطقة دوم مورد مطالعه انتخاب شد. افزایش ضرایب همبستگی محاسبهشده برای کرمانشاه نشاندهندة تأثیر عامل میزان قدرت و عمق وارونگی دمایی است. برای مثال، ضریب همبستگی بین BT7.2-BT11 با قدرت و عمق وارونگی دمایی در تهران بهترتیب 16/0 و 32/0 و در کرمانشاه بهترتیب 51/0 و 70/0 است. بهمنظور بررسی تأثیر میزان بخار آب موجود در جو بر ضرایب همبستگی، با توجه به آنکه میزان بخار آب موجود در جو طی فصول سرد کمتر از فصول گرم است، دادههای تهران و کرمانشاه به دو دستة تمام فصول و فصول سرد تقسیم شدند. افزایش ضرایب همبستگی محاسبهشده برای تهران و کرمانشاه طی فصول سرد نشاندهندة تأثیر عامل میزان بخار آب موجود در جو است. بهعنوان نمونه، ضریب همبستگی بین BT7.2-BT11 با قدرت و عمق وارونگی دمایی در کرمانشاه برای تمامی فصول بهترتیب 51/0 و 70/0 و طی فصول سرد بهترتیب 78/0 و 85/0 است.https://gisj.sbu.ac.ir/article_95793_d6b650838cec7bb66de4fa76e9a2ff65.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59667220160121Change Detection of Urban Areas based on Neural Networks, Spatial Features and Genetic Algorithm using High Resolution Satellite Imagesآشکارسازی تغییرات مناطق شهری مبتنی بر شبکههای عصبی، ویژگیهای مکانی و الگوریتم ژنتیک با استفاده از تصاویر ماهوارهای بزرگمقیاس556895804FAفرامرزسرمدیدانشجوی کارشناسی ارشد سنجش از دور، دانشکدة مهندسی نقشهبرداری، دانشگاه صنعتی خواجه نصیرالدین طوسیحمیدعبادیدانشیار دانشکده مهندسی نقشهبرداری، پژوهشکدة سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسیعلیمحمدزادهاستادیار دانشکده مهندسی نقشهبرداری، پژوهشکدة سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسیJournal Article20161106Determination of land use and land cover changes is necessary for monitoring of urban growth and responsible urban planning. Remote sensing can be used as a powerful technology in land use and land cover change detection. One of the challenges in this area is to developing efficient methods for accurate and highly automated change detection which can produce accurate and precise information about position and content of the changes. In this study two GeoEye images from Tehran 17th region related to 2004 and 2010 years were used. This study Proposed a method based on image context spatial features, neural networks and genetic algorithm. Six cases with direct multi-date classification approach and post classification approach were implemented and compared in the viewpoints of accuracy and runtime. Direct multi-date classification was superior in all six cases. Between six implemented cases, sixth case (proposed method of this research) was superior in the classification accuracy point of view. In this case after selecting optimized features, ANN classification was executed based on determining architecture and several times execution. Though runtime of sixth case was the highest, if accuracy is prior, it’s highly recommended.آشکارسازی تغییرات پوشش اراضی برای پایش رشد شهرها و برنامهریزی مسئولانه در مورد آنها امری ضروری است. سنجش از دور فناوری قدرتمندی است که میتوان از آن در آشکارسازی تغییرات اراضی استفاده کرد. یکی از چالشهای موجود در این زمینه توسعة روشهای کارآمد بهمنظور آشکارسازی تغییرات با سطح خودکارسازی بالاست که بتواند اطلاعاتی صحیحی در مورد موقعیت جغرافیایی و ماهیت این تغییرات ارائه کند. در پژوهش حاضر با استفاده از دو تصویر GeoEye منطقة 17 شهر تهران مربوط به سالهای 2004 و 2010 از ویژگیهای مکانی متن تصویر، شبکههای عصبی و الگوریتم ژنتیک برای آشکارسازی تغییرات استفاده شد. شش حالت مختلف، هریک با دو رویکرد طبقهبندی مستقیم چندزمانی و مقایسة پس از طبقهبندی، از دیدگاه صحت آشکارسازی و زمان اجرای الگوریتم مورد مقایسه قرار گرفتند. بررسیهای انجامشده نشان دادند که رویکرد طبقهبندی مستقیم چندزمانی در هر شش حالت نتایج بهتری ارائه کرده است. همچنین در بین شش حالت بررسیشده، عملکرد حالت ششم (روش پیشنهادی این تحقیق) از نظر صحت طبقهبندی بهتر است. در حالت ششم پس از انتخاب بهینة ویژگیها، طبقهبندی مبتنی بر شبکههای عصبی با تعیین معماری شبکه و با چندین بار اجرا صورت میگیرد. هرچند زمان اجرای این روش درمقایسه با دیگر حالتهای بررسیشده بیشتر است، اما درصورتیکه صحت طبقهبندی به زمان ارجحیت داشته باشد این روش کاملاً توصیه میشودhttps://gisj.sbu.ac.ir/article_95804_9b7ba05827ab717e0c571ddde4dd1f4a.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59667220160121Analyzing and Modeling of Correlation between LAI and Vegetation Indices using Spectroradiometric Observationsتحلیل و مدلسازی همبستگی بین LAI و شاخصهای گیاهی حاصل از مشاهدات طیفسنجی698895813FAعلیاکبرآبکاراستادیار دانشگاه صنعتی خواجه نصیرالدین طوسی، دانشکدة مهندسی نقشهبرداریعلیرضاصفدرینژاددانشجوی دکتری سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسیمجتبیزمانیدانشجوی کارشناسی ارشد سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسیسیدرضاصوفبافدانشجوی دکتری سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسینبیالهغلامی بیدخانیدانشجوی دکتری سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسیامیدغفاریدانشجوی دکتری سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسیJournal Article20161106Investigation of various types of vegetation’s characteristics as an effective parameter in the energy exchange between the atmosphere and Earth's surface is very important in environmental, natural resources and agriculture studies. Nowadays, using remote sensing techniques with a wide range of valuable spectral information facilitate the study of vegetation, especially in estimation of the biophysical parameters. One of the most important biophysical parameters used in the various analyses related to the study of vegetation is Leaf Area Index (LAI). In this study, in addition to the analyzing and modeling of the relationship between LAI and vegetation indices (VIs)via spectrometry observations, the limitations of the mathematical model for estimation of LAI has been explored, some practical guidelines have been provided to improve the accuracy of the model as well as a new vegetation index has been designed. Finally, the results showed that through the conventional vegetation index, Simple Ratio (SR) and Second Soil Adjusted Vegetation Index (SAVI-2) have the minimum RMSE (about 0.08 in LAI unit) and the fitted models using their formulas in comparison with the other indices have the minimum rate of saturation. In other words, these indices are more efficient to estimation of the LAI; especially in high density vegetation area and can be used with high reliability in linear models for LAI estimation.بررسی خصوصیات انواع پوششهای گیاهی بهعنوان یکی از پارامترهای مؤثر در تبادل انرژی بین جو و سطح زمین در مطالعات زیستمحیطی، منابع طبیعی و کشاورزی اهمیت بسیاری دارد. امروزه فناوری سنجش از دور با ارائة اطلاعات طیفی گسترده و متنوع موجب تسهیل در مطالعة پوششهای گیاهی در سطح زمین و بهویژه تخمین پارامترهای بیوفیزیکی آنها شده است. یکی از مهمترین پارامترهای فیزیکی بهکار گرفتهشده در تحلیلهای مختلف مربوط به مطالعة پوششهای گیاهی، شاخص سطح برگ (LAI) است. در پژوهش حاضر ضمن تحلیل و مدلسازی ارتباط بین LAI و شاخصهای گیاهی مختلف، با استفاده از مشاهدات طیفسنجی آزمایشگاهی، به بررسی محدودیتهای مدل ریاضی موجود در برآورد LAI، ارائة راهکارهایی بهمنظور افزایش دقت و صحت نتایج این مدل و همچنین طراحی یک شاخص جدید پرداخته شده است. نتایج نشان دادند که از میان شاخصهای گیاهی متداول، دو شاخص Simple Ratio و SAVI-2 دارای کمترین RMSE (حدود 08/0 در واحد LAI) بوده و شدت اشباعشدگی مدلی که برازش دادهاند از شاخصهای دیگر کمتر است. دو شاخص مذکور کارایی بالاتری در تخمین LAI بهویژه در مناطق با تراکم پوشش گیاهی آنها زیاد، دارند و میتوان با اطمینان بالایی در مدلسازی خطی برآورد LAI از آنها استفاده کرد.https://gisj.sbu.ac.ir/article_95813_74fd5e8eec5eed69455accd89f7429e5.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59667220160121Evaluation of Different Parametric Situations on Satellite SEBAL, METRIC and TVT Methods on Estimation of Actual Evapotranspiration in the Northern Ahwaz Study Regionارزیابی تأثیر شرایط پارامتری مختلف روشهای ماهوارهای SEBAL، METRIC و TVT در برآورد تبخیر-تعرق واقعی (مطالعة موردی: اهواز شمالی)8910695826FAهادیتاجیکارشناس ارشد مهندسی منابع آب، دانشگاه تربیت مدرس تهراننعمتاللهکریمیاستادیار گروه مهندسی آب، دانشگاه تربیت مدرس تهرانJournal Article20161106Remote sensing (RS) data is widely applied for estimation of actual evapotranspiration (ETa) and different methods are also developed in this regard. Among them, SEBAL and METRIC as energy balance models and TVT as vegetation-based have received more attentions. However, they are based on some parameters that need to evaluate while being used. For this, 12 MODIS images for the 2008-2009 water year period that covers the Northern Ahwaz study region (based on the classification of Ministry of Energy), were prepared to be applied for estimation of ETa using the RS models. In order to evaluate and compare the results, estimation of actual evapotranspiration using the conventional water balance model was also used for the same period. Furthermore, the best estimations of ETa using RS models for alfalfa were compared with the respected values in the national water document. The results showed better performance of SEBAL and then METRIC and TVT. While, the water balance model showed 341 mm/yr of ETa, SEBAL showed it 347.24 mm/yr for the same period. However, evaluation of these parameters revealed that application of calibrated soil heat flux andMomentum roughness length equations have significant effect of its performance and reducing of the uncertaintiesدادههای سنجش از دور دارای کاربرد وسیعی در برآورد تبخیر و تعرق واقعی هستند و بدین منظور روشهای مختلفی شرح و بسط یافته است. در این میان، سبال و متریک بهعنوان مدلهای شار انرژی و تیویتی برپایة پوشش گیاهی توجه زیادی را بهخود جلب کرده و برپایة برخی پارامترهایی هستند که برای استفاده نیاز به ارزیابی دارند. در پژوهش حاضر، 12 تصویر مودیس طی دورة سال آبی 88-1387 که محدودة مطالعاتی اهواز شمالی را (طبق طبقهبندی وزارت نیرو) میپوشاند، فراهم شد تا برای تخمین تبخیر و تعرق واقعی با استفاده از مدلهای سنجش از دور بهکار گرفته شود. بهمنظور ارزیابی و مقایسة نتایج، از تبخیر و تعرق تخمین زدهشده با استفاده از مدل بیلان آبی مرسوم برای همان دوره استفاده شد. افزون بر اینها، بهترین تخمین تبخیر و تعرق واقعی با استفاده از مدل سنجش از دور برای مزارع یونجه با مقادیر متناظر در سند ملی آب مقایسه شد. نتایج بهدستآمده، عملکرد بهتر سبال و سپس متریک و تیویتی را نشان دادند. مدل بیلان آب میزان تبخیر و تعرق واقعی را 341 میلیمتر بر سال و سبال آن را 2/347 میلیمتر بر سال برای همان دوره نمایش داد. ارزیابی پارامترهای این مدلها، تأثیر معنادار کاربرد معادلات کالیبرهشدة شار گرمای خاک و طول زبری مومنتوم را بر عملکرد و کاهش عدمقطعیت آنها نشان داد.انجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59667220160121A GIS-based Assessment of Drinking Quality of Lordegan Plain Groundwater using a GWQI Indexارزیابی کیفیت شرب آب زیرزمینی دشت لردگان با استفاده از شاخص GWQI در محیط GIS10712095769FAیاسراستواریدانشجوی دکتری گروه علوم خاک، دانشکدة کشاورزی، دانشگاه شهرکردحبیباللهبیگی هرچگانیاستادیار گروه علوم خاک، دانشکدة کشاورزی، دانشگاه شهرکردسیده سمیراحشمتیکارشناس ارشد علوم خاک، دانشکدة کشاورزی، دانشگاه شهرکردJournal Article20161106Groundwater quality index (GWQI) is a one of important index to assessment of groundwater quality. The aim of this study was to assess the drinking quality of Lordegan aquifer using a GWQI (groundwater quality index) within a GIS framework. To do this, 97 wells were sampled and pH, Electrical Conductance (EC), Total Dissolved Solids (TDS), Total Suspended Solids (TSS), Turbidity (Tu), Ca2+, Mg2+,Na+,K+, Cl-HCO3- , SO42- , NO32- and PO42- were measured. Each parameter was mapped using inverse distance weight method. Each map was difference-normalized and then converted to a rank map. Mean value of a rank map was assumed to be the weight of the corresponding parameter which subsequently were employed in a mathematical expression to obtain GWQI. Mean GWQI of 83 indicates a relatively good quality of water in Lordegan aquifer. GWQI map indicates drinking quality decreases southwest towards the north that may be attributed to the existence of agricultural activities, municipal effluent and gypsum formations present in north of the plain. Map removal sensitivity analysis indicated that TSS, turbidity and to some extent Na+ were important water parameters, which therefore, must be monitored with greater accuracy and more frequently.شاخص کیفیت آب زیرزمینی (GWQI) یکی از شاخصهای مهم در تعیین کیفیت آبهای زیرزمینی است. هدف پژوهش حاضر ارزیابی کیفیت شرب آب زیرزمینی لردگان براساس شاخص کیفیت آب زیرزمینی (GWQI) در محیط سامانة اطلاعات جغرافیایی (GIS) است. به این منظور، در 32 حلقه چاه pH، EC، TDS (کل جامدات محلول)، TSS (کل جامدات معلق)، کدورت، یونهای اصلی، نیترات (NO32-) و فسفات (PO42-) اندازهگیری و سختی کل محاسبه شد. نقشة مؤلفهها بهروش وزندهی معکوس فاصله رسم شد. بهمنظور محاسبة شاخص GWQI نقشة هر مؤلفه نرمال شد و براساس آنها نقشههای رتبه بهدست آمدند. سپس با استخراج وزن هر مؤلفه از نقشه، رتبة آن و نقشة شاخص GWQI تهیه شد. آب زیرزمینی لردگان براساس میانگین نقشة GWQI با مقدار 83 کیفیت مناسبی داشت. نقشة GWQI نشان داد که کیفیت آب شرب از جنوبغرب بهسمت شمال کاهش مییابد، که به وجود مراکز کشاورزی فشرده، تصفیهخانة فاضلاب در شمال دشت و سازند گچساران در شمال دشت نسبت داده شد. تحلیل حساسیت بهروش حذف تکنقشهها نشان داد که شاخص GWQI در آبخوان لردگان نسبت به Tu و TSS و تا اندازهای Na+ حساستر است و این دو مؤلفه بایستی با دقت و تکرار بیشتری اندازهگیری شوند. https://gisj.sbu.ac.ir/article_95769_6a70f623a594d32f41f410047a0450ce.pdf