انجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59668220170120Dust Storms Chemical Elements Estimation and Density Identification Using MODIS Images and CALIPSO Dataتخمین ترکیبات شیمیایی، غلظت و ارتفاع طوفانهای گرد و غبار با استفاده از تصاویر و دادههای ماهوارهای MODIS&CALIPSO11696037FAفرزانهشفیعیکارشناس ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامیعلیدرویشی بلورانیاستادیار گروه محیطزیست دانشکدۀ منابع طبیعی، دانشگاه صنعتی اصفهانسعیدپورمنافیاستادیار گروه محیطزیست دانشکدۀ منابع طبیعی، دانشگاه صنعتی اصفهانعباسشاهسونیگروه مهندسی بهداشت محیط، دانشکدۀ بهداشت، دانشگاه علوم پزشکی شهید بهشتی، تهرانJournal Article20161127Dust storms are atmospheric phenomena with negative environmental effects and especially for human health. Sampling and analysis of physical and chemical composition of recent dusts show that they are not merely composed of dust, gravel, sand and salt particles, rather they are of complex combination of chemical elements. Metals such as soil alkaline metals, carbon, silica, aluminum, potassium, calcium and other organic components are observed that all these elements can have harmful effects on public health. In this study, Ahwaz where during last decades has seen several storms was studied. Using collected samples in the ground station and laboratory analyses dust contents were determined for seven dust events. For use of remote sensing technology using satellite images in order to identify the elements of dust, MODIS satellite images were used. Using MODIS images, the least squares method and cross-validation modeling, the relationship between MODIS bands and the results and measured chemical contents of dusts were created. Results show that silica, can be estimated from the ratio of 21 band to 26 with RMS 1.28. For aluminum, the ratio bands 25 to 26 with RMSE 2.08, for calcium the ratio of bands 24 to 25 with RMSE 2.3, for sodium of the ratio of bands 23 to 27 with RMSE 0.48 and finally for Magnesium the ratio of bands 15 to 24 with 0.78 RMSE are useful indexes to identify these elements using MODIS satellite images. According to the results MODIS images are useful for dust storms chemical elements estimation. Also using CALIPSO data, the rate of concentration and intensity of dust particles at the height of 6 km/asl areطوفان گردوغبار یکی از پدیدههای جوی است که آثار و پیامدهای زیستمحیطی نامطلوبی برجای میگذارد. بررسی ترکیبات فیزیکی و شیمیایی گردوغبارهای اخیر نشان میدهد این گردوغبارها صرفاً متشکل از دانههای خاک، شن، ماسه و ذرات نمک نیستند، بلکه ترکیب پیچیدهای از عناصر شیمیاییاند، عناصری از قبیل فلزات قلیایی خاکی، کربن، سیلیس، آلومینیوم، پتاسیم، کلسیم و برخی دیگر از عناصر آلی مشاهده میشود که تمامی این عناصر میتوانند اثرات مضری در سلامت محیطزیست و بهویژه بر موجودات زنده داشته باشند. در این تحقیق شهر اهواز که طی دهۀ گذشته شاهد طوفانهای چندی بوده است، بررسی شد. با استفاده از نمونههای اندازهگیریشدۀ عناصر مورد مطالعه در ایستگاه زمینی و آنالیزهای آزمایشگاهی، محتویات هفت رخداد گردوغبار تعیین شد. تصاویر ماهوارهای MODIS و دادههای CALIPSO، بهترتیب، جهت شناسایی عناصر و تعیین غلظت این طوفانها مورد تحلیل قرار گرفتند. پس از تهیۀ تصاویر MODIS و انجام دادن تصحیحات مورد نیاز، مقادیر طیفی محل نمونهبرداری ایستگاه زمینی روی تصاویر مشخص شد. با استفاده از روش کمترین مربعات و cross-validation مدلسازی ارتباط بین باندهای MODIS و نتایج حاصل از مشاهدات زمینی ایجاد شد. پس از مقایسه و تحلیل نتایج بهدستآمده، مشخص شد که برای عنصر سیلیس، نسبت باند 21 به باند 26 با میزان RMSE در حدود 1.28، شاخص مناسبی جهت تعیین ترکیبات طوفانهای گردوغبار با استفاده از تصاویر ماهوارهای MODIS بهشمار میرود. همچنین، آلومینیوم از نسبت باند 25 به باند 26 با میزان RMSE در حدود 2.08، کلسیم از نسبت باند 24 به باند 25 با میزان RMSE در حدود 2.3، سدیم از نسبت باند 23 به باند 27 با میزان RMSE در حدود 0.48 و منیزیم از نسبت باند 15 به باند 24 با میزان RMSE در حدود 0.78، برای شناسایی این عناصر در تصاویر ماهوارهای MODIS شاخصهای مناسبیاند. با توجه به نتایج و شاخصهای بهدستآمده برای هر عنصر، تعیین ترکیبات و میزان غلظت عناصر موجود در طوفانهای گردوغبار، بدون استفاده از نمونههای زمینی و فقط با بهکارگیری تصاویر MODIS و روش بهدستآمده امکانپذیر میشود. همچنین، با استفاده از دادههای ماهوارهای CALIPSO در روزهای مورد مطالعه، مشخص شد که در روزهای گرم سال که نمونهبرداری زمینی انجام گرفته، میزان غلظت و تراکم گرد غبار بیشتر از روزهای سرد سال است و ارتفاع گردوغبار به شش کیلومتری سطح زمین میرسد.https://gisj.sbu.ac.ir/article_96037_5ae13f60a71f38e4a5115853908263a1.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59668220170120Impact Assessment Of Mother Wavelet And Number Of Wavelet Decomposition To Estimate Of Change Map By Wavelet Algorithmارزیابی آثار موجک پایه و تعداد سطوح تجزیه جهت تخمین نقشۀ تغییرات، با استفاده از الگوریتم موجک173496057FAروجاحسینی شفیعکارشناس ارشد سنجش از دور و GIS، دانشگاه تربیت مدرسعباسعلیمحمدیدانشیار گروه مهندسی GIS، دانشگاه خواجه نصیرالدین طوسی0000-0002-9641-1204محمدحسنقاسمیان یزدیاستاد دانشکدۀ مهندسی برق و کامپیوتر، دانشگاه تربیت مدرسJournal Article20161127Change detection methods are powerful tools to present the changes on the Earth’ surface. The multi-scale approaches which proceed the observations at coarser and finer scales, can be applied to maximize the accuracy of the change maps. The multi-scale approach, based on discrete wavelet, has been applied in this research. In addition to the spectral information, the contextual or local information- available in the image are set in the processing. The wavelet technique is exploited in many processing fields of images. The ability of the wavelet technique has been applied for the change-detection, based on the satellite images in this study. The necessary parameters for the wavelet modification are the quantity decomposition levels and kind of mother wavelet. Thus The effect of the mother wavelet boir3/7 and db4 and the levels of decomposition s=1 to s=6 on the final change detection map have been assessed . All the results have been stated on the basis of the detection accuracy kappa coefficient and overall accuracy. The results reveal the influences of the mother wavelet and levels of decomposition on the final change detection map. The Change detection map, using t bior3/7mother wavelet, reveals higher overall accuracy and better kappa coefficient in proportion to bd4 mother wavelet. It is 0/7966 and 89/8013 for band 3 of Mother wavelet bior3/7 and 9/8013 & 0/7966 for mother wavelet db4. The next parameter being investigated here is related to the analysis surfaces influence on the precision of the change detection map. It increases to the level 3 of analysis and then decrease down. Eventually, most of the overall precision and kappa coefficient is related to the analysis level 3 of both mother wavelet. A comparison has been also conducted between the wavelet technique and the three methods image differencing , image ratio and supervised classification. The final review reveals the priority of the wavelet technique, as it presents better results.روشهای بارزسازی تغییرات ابزاری قدرتمند در نمایش تغییرات در سطح زمین بهشمار میآیند. برای افزایش دقت نقشۀ تغییرات تهیهشده میشود از تکنیکهای چندمقیاسی که همزمان مشاهدات را در مقیاسهای بزرگ و کوچک انجام میدهند، استفاده کرد. در این تکنیکها، افزونبر اطلاعات طیفی، اطلاعات مکانی موجود در تصویر نیز در پردازش دخالت داده میشود. یکی از این تکنیکها، تکنیک چندمقیاسی موجک است. تکنیک موجک در بسیاری از زمینههای پردازش تصویر کاربرد دارد. در تحقیق حاضر، توانایی تکینک موجک در بارزسازی تغییرات با استفاده از تصاویر ماهوارهای TM ارزیابی شده است. پارامترهای مورد نیاز برای تبدیل موجک تعداد سطوح تجزیه و موجک پایهاند. بنابراین، آثار موجکهای پایۀ bior3/7 و db4 و سطوح تجزیۀ s=1 تا s=6 در نقشۀ تغییرات نهایی ارزیابی شده است. همۀ نتایج با استفاده از روشهای بررسی دقت، شامل ضریب کاپا و دقت کلی، بیان شدهاند. نتایج تأثیر نوع موجک پایۀ انتخابشده و سطوح تجزیه را در نقشۀ تغییرات نهایی نشان میدهد. نقشۀ تغییرات محاسبهشده با استفاده از موجک پایۀ bior3/7 دقت کلی بالاتر و آمارۀ کاپای بهتری را درمقایسه با موجک پایۀ db4 نشان میدهد. بهطوریکه برای باند 3 با موجک پای، bior3/7 دقت کلی 51/90 و آمارۀ کاپا 79/0 و برای همین باند با موجک پایۀdb4 ، بهترتیب، برابر 80/89 و 79/0 است. پارامتر بعدی که در اینجا بررسی شده، تأثیر سطوح تجزیه در دقت نقشۀ بارزسازی تغییرات است. در هر دو، موجک پایه تا سطح تجزیۀ 3 روند صعودی دارد و سپس، سیر نزولی پیدا میکند. بهطوریکه بیشتر دقت کلی و آمارۀ کاپا مربوط به سطح تجزیۀ 3 در هر دو موجک پایه است. همچنین در این تحقیق بین تکنیک موجک و سه تکنیک تفاضل، نسبت و طبقهبندی نظارتشده مقایسهای انجام شده است. بررسی نشان میدهد که تکنیک موجک نتایج بهتری دارد.https://gisj.sbu.ac.ir/article_96057_74d23a6500c5cffde1f94d35d0915559.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59668220170120Spatial Analysis of Water Vapor Pressure in South and South West of Iran Using by Geostatisticsتحلیل مکانی فشار بخارآب در جنوب و جنوبغرب ایران با استفاده از زمینآمار355296070FAحسنلشکریدانشیار گروه جغرافیا، دانشکدۀ علوم زمین، دانشگاه شهید بهشتیعلیاکبرمتکاناستاد گروه سنجش از دور و GIS، دانشکدۀ علوم زمین، دانشگاه شهید بهشتیحسینعساکرهاستاد گروه جغرافیا، دانشکدۀ علوم انسانی، دانشگاه زنجانیونسخسرویاستادیار گروه علوم محیطزیست، دانشکدۀ علوم، دانشگاه زنجانJournal Article20161127Water vapor as one of the most important climate elements, plays an important role in decision-making, design and evaluation in hydrological models. Therefore, understanding the spatial changes of this important climate element have a significant effect on water management and planning. Accordingly, this study is tried to studythe spatial structureand estimation of watervapor pressurein south and south west of Iran, using by geostatisticsmethodand variography analysis. In this regard, the water vapor pressure data of 78 synoptic stations on 18 August 2007 as one of the sweeping days by the water vapor pressure was analyzed. The first step for this purpose was calculation of the spatial variable of water vapor pressure that were analyzed by plotting the variogram. After fulfilling this requirement, geostatistical methods such as simple kriging, ordinary kriging, Co-kriging with auxiliary variables, and circular, spherical, exponential, Gaussian and quadratic rational models were used and their performance were evaluated. The results of cross validation showed that the best method that being able to justify the amount of water vapor pressure is Co-kriging method with altitude. According to the drawn map with the optimum method it was found that near the Persian Gulf and Oman Sea and the North and North West of study area are the highest and lowest amounts of water vapor pressure, respectively. It was determined that three reasons 1. Far and near to the main sources of humidity, 2. Zagros Mountains and 3. The establishment of strong pressure has an important role in water vapor pressure distribution.بخارآب یکی از مهمترین عناصر اقلیمی است که در تصمیمگیری، طراحی و ارزیابی مدلهای هیدرولوژیکی نقشی مهم ایفا میکند. بنابراین، شناخت تغییرات مکانی این عنصر مهم اقلیمی تأثیر چشمگیری در مدیریت و برنامهریزی مبتنیبر آب خواهد داشت. بر این اساس، در این پژوهش تلاش شده است تا ساختار مکانی و برآورد مقادیر فشار بخارآب در جنوب و جنوبغرب ایران، با استفاده از روش زمینآمار و تحلیل واریوگرافی بررسی شود. در این راستا، دادههای فشار بخارآب 78 ایستگاه سینوپتیک مربوط به 27 مرداد 1386، بهمنزلۀ یکی از روزهای فراگیر بخارآب تحلیل شد. بدین منظور، ابتدا محاسبات متغیر مکانی بودن دادههای فشار بخارآب، با ترسیم تغییرنگار مورد بررسی قرار گرفت. پس از احراز این شرط، از روشهای زمینآماری کریجینگ ساده، کریجینگ معمولی و کوکریجینگ و با برازش مدلهای دایرهای، کروی، نمایی، گوسی و درجۀ دو منطقی برای رسم نقشۀ فشار بخا آب و ارزیابی آنها استفاده شد. نتایج ارزیابی متقاطع در انتخاب بهترین روش نشان داد بهترین الگویی که قادر به توجیه مکانی مقادیر فشار بخارآب در روز مورد مطالعه است، الگوی نمایی از روش کوکریجینگ با متغیر کمکی ارتفاع است. براساس نقشۀ ترسیمشده با روش بهینه، مشخص شد که حاشیۀ خلیجفارس و دریای عمان و بخشهای شمال و شمالغرب منطقه، بهترتیب، بیشترین و کمترین مقادیر فشار بخارآب را دارند. بهطورکلی، سه دلیل دوری و نزدیکی به منابع عمدۀ رطوبتی، وجود سد ارتفاعی زاگرس و استقرار پرفشار قوی پویشی را میشود دلیل رخداد چنین توزیعی برشمرد. https://gisj.sbu.ac.ir/article_96070_af328d70a47a6771bbb1f4c8499662b4.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59668220170120Application of Neural Networks for Land Surface Temperature Forecasting Using MODIS Imagesکاربست روش شبکههای عصبی در پیشبینی دمای سطح زمین، با استفاده از تصاویر حرارتی مادیس537296083FAفرحنازتقویاستادیار مؤسسۀ ژئوفیزیک، دانشگاه تهرانعباساحمدیاستادیار دانشکده مهندسی صنایع و سیستمهای مدیریت، دانشگاه صنعتی امیرکبیر، تهرانزهرازرگراندانشجوی کارشناسیارشد مهندسی دانش و علوم تصمیم، دانشگاه علوم اقتصادی، تهرانJournal Article20161127In this study, a combined model of modular networks and satellite image processing and optimization algorithms to forecast land surface temperature in an area including city of Tehran is presented. Calculating the LST has been done based on brightness temperature features in 31 and 32 MODIS channels. Thus, brightness temperature data related to these images is fed to neural network and values of land surface temperature are recovered as the output of the network. In this way,after obtaining the optimal structure obtained for networks they are trained and their weights are extracted. Then by applying a neural network with a modular structure and clustering algorithms, training will be also modular. Decomposition of the networks and after that combining the results to get the final forecast makes the performance of the modular network more effective. As a result , a new approach based on the combination of neural network or self-organizing map and particle swarm optimization algorithms is proposed. The results showed that using PSO algorithm causes appropriate distribution of cluster of SOM method and using satellite images improved performance of the proposed model. Finally, results are compared with training neural network models and non-modular structure. The results of this comparison show that model-training time in predicting the land surface temperature is decreased and the accuracy of model increased. The little difference between the predicted values and actual (real) values of temperature in the region shows that this model could predict the temperature accuraetly, so that, in this hybrid model Mean Square Errors (MSE) and Mean Absolute Percentage Error (MAPE) are 0.0081 and 10.59 respectively.در این مطالعه، مدلی ترکیبی از شبکههای عصبی ماژولار و پردازش تصاویر مادیس برای محاسبۀ دمای سطح زمین، در منطقهای شامل شهر تهران، ارائه شده است. در این مدل، دادههای تصاویر حرارتی با تکیه بر ویژگیهای دمای درخشندگی در باندهای حرارتی 31 و 32 میکرومترسنجندۀ مادیس، بهمنزلۀ ورودی در شبکههای عصبی ماژولار بهکار رفته و روش جدیدی براساس ترکیبی از شبکۀ عصبی نگاشت خودسازمانده و الگوریتم بهینهسازی تجمع ذرات پیشنهاد شد. نتایج بهدستآمده نشان میدهد استفاده از این الگوریتم سبب توزیع مناسب دادههای ورودی شبکههای عصبی میشود. در آخر، نتایج نهایی با مدلهای شبکههای عصبی با آموزش و ساختار غیرماژولار نیز مقایسه شده است. نتایج این مقایسه نشان میدهد که زمان آموزش مدل در پیشبینی دمای سطح زمین کاهش، و دقت مدل افزایش یافته است. اختلاف کم بین مقادیر پیشبینیشده و مقادیر واقعی دما در منطقه نشان میدهد که دما با دقت مناسبی در این مدل پیشبینی شده است، بهطوریکه میانگین خطای مدل ترکیبی مقدار 0081/0 و درصد خطای مطلق نیز 59/10 است. https://gisj.sbu.ac.ir/article_96083_624d33019e8c8373212fc261df16edad.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59668220170120Efficiency Comparison of Support Vector Machine and Maximum Likelihood Algorithms for Monitoring Land Use Changesمقایسۀ کارآیی الگوریتمهای ماشین بردار پشتیبان و حداکثر احتمال در آشکارسازی تغییرات کاربری اراضی (مطالعۀ موردی: حوضۀ آبخیز سیمینهرود)738696093FAعلیرضادانشیکارشناس ارشد مهندسی آبخیزداری، دانشکدۀ منابع طبیعی دانشگاه تربیت مدرس، نور0000-0002-8113-9113مصطفیپناهیاستادیار گروه اقتصاد محیطزیست، دانشگاه آزاد اسلامی، علوم و تحقیقات، تهرانJournal Article20161127Because the various algorithms have been developed for the land use classification by using remote sensing, the suitable algorithm selection plays an important role in achieving good results. For this purpose, by efficiency comparison of two algorithms classification i.e. support vector machines (SVM) and maximum likelihood (ML), the more precision method was determined and it was used for investigating land use changes trend. The present research was carried out using TM, ETM+ and OLI sensors images in Siminehroud watershed. The research results showed that SVM algorithm classified satellite images better than ML algorithm and radial basis function (RBF) kernel has the highest overall accuracy among the studied methods. Therefore, SVM algorithm with RBF kernel was used to derive land use maps and monitor land use changes in the studied periods. By analysis of land use changes trend using this kernel, it was found that during studied periods, irrigated farming from 30535ha to 67210ha, dry farming from 79909ha to 123387ha, residential from 474ha to 1934ha land uses have been increased but rangeland from 259811ha to 178397ha and water resources from 30535ha to 67210ha land uses are decreasingبا توجه به اینکه الگوریتمهای متنوعی برای طبقهبندی تصاویر ماهوارهای در سنجش از دور توسعه یافتهاند، انتخاب الگوریتم مناسب طبقهبندی در دستیابی به نتایج صحیح نقش بسیاری ایفا میکند. به همین منظور در پژوهش حاضر، با مقایسۀ کارآیی صحت طبقهبندی دو الگوریتم حداکثر احتمال و ماشینهای بردار پشتیبان، الگوریتم دقیقتر تعیین، و از آن برای بررسی روند تغییرات کاربری اراضی استفاده شد. تحقیق حاضر در حوزۀ آبخیز سیمینهرود و با استفاده از تصاویر سنجندههای TM، ETM+ و OLI انجام گرفت. نتایج تحقیق نشان داد که الگوریتم ماشین بردار پشتیبان، درمقایسه با الگوریتم حداکثر احتمال، تصاویر ماهوارهای را بهتر طبقهبندی کرده است و از میان کرنلهای ماشین بردار، کرنل تابع پایۀ شعاعی (RBF) کارآیی بهتری داشته است. بنابراین، از الگوریتم ماشین بردار پشتیبان با کرنل تابع پایۀ شعاعی برای تهیۀ نقشۀ کاربری اراضی دورههای مورد بررسی و تغییرات کاربری استفاده شد. بررسی روند تغییرات کاربری اراضی، با استفاده از این کرنل، مشخص کرد که در طی دورههای بررسیشده، مساحت کاربریهای زراعت آبی از 30.535 هکتار به 67.210 هکتار، زراعت دیم از 79.909 هکتار به 123.383 هکتار و مناطق مسکونی از 474 هکتار به 1934 هکتار افزایش یافته است درحالیکه مراتع از 259.811 هکتار به 178.398هکتار، و منابع آب از 240 هکتار به 41 هکتار روند کاهشی دارند. https://gisj.sbu.ac.ir/article_96093_9cf52f6f06a9c89da2e7d34b5ea7dc40.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59668220170120Estimating the Capacity of Water Available to Soil via Using Satellite Images and Earth Control Data in Mountainous Regionsبرآورد ظرفیت آب قابل دسترس خاک، با استفاده از تصاویر ماهوارهای و دادههای کنترل زمینی در مناطق کوهستانی8810196103FAکاظمنصرتیدانشیار گروه جغرافیای طبیعی، دانشکدۀ علوم زمین، دانشگاه شهید بهشتیسید حسینپورعلیاستادیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکدۀ علوم زمین، دانشگاه شهید بهشتیJournal Article20161127With regard to the hydrologic and agricultural issues, the capacity of water available to soil is considered to be an important variable and its estimation in catchment basin is deemed a principle. Due to the lack of consistency in taking the samples, unavailability of sufficient data for recognizing the characteristics of a region and also it is being time-consuming and costly to estimate the water available to soil and its space changes, the use of satellite images is more feasible and less costly. That being said, it is of the essence to develop simple method and models for estimating the capacity of water available to soil from distance. The theoretical background of this research is based on the relationship between vegetation and the temperature of the surface of the earth in estimating the capacity of water available to soil. In the study, in order to estimate the capacity of water available to soil in catchment basin in Hiv located at Hashtgerd, Landsat 7 satellite was used. For the earth control, 50 samples of soil were taken which were distributed in systematic ways. 80 percent of the taken samples were used for combined-model process of the earth surface, using a normalized index for vegetation. Also, 20 percent of the samples were used for the validation of the model. The validity, using multivariate regression with a coefficient determination of 0/85 was significant at 0/01 and the square mean error was 2/6.در مسائل هیدرولوژیک وکشاورزی، ظرفیت آب قابل دسترس خاک متغیری مهم انگاشته میشود و برآورد این متغیر در مقیاس حوضۀ آبخیز از اصولی است که در نظر گرفته میشود. بهدلیل ناپیوستگی در برداشت نمونهها و نداشتن دسترسی به اطلاعات کافی در ارتباط با شناخت ویژگیهای مناطق و نیز، صرف هزینه و زمان زیاد جهت برآورد آب قابل دسترس خاک و تغییرات مکانی آن، استفاده از تصاویر ماهوارهای بهصرفه است. بنابراین، توسعه و بسط روش ساده و مدلهای متکی بر اصول سنجش از دوری، بهمنظور برآورد ظرفیت آب قابل دسترس خاک، ضروری است. بهطورکلی، مطالعات گذشته براساس پایش رطوبت خاک بوده و به دیگر توابع رطوبت خاک، همچون آب قابل دسترس کمتر پرداخته شده است. بر همین اساس، در این مطالعه تلاش بر برآورد یکی از توابع رطوبت خاک، با نام ظرفیت آب قابل دسترس خاک است. اصول نظری این تحقیق بر پایۀ ارتباط بین پوشش گیاهی و دمای سطحی زمین است و دلیل استفاده از دو شاخص یادشده طرح آزمایش و بررسی کارآیی شاخصی مستقل از شاخصهای فیزیکی خاک است که به اندازهگیری ظرفیت آب قابل دسترس در خاک منجر شود. در این مطالعه، مدلی ترکیبی و منتج از دو شاخص دمای سطح زمین و پوشش گیاهی نرمالشده بهمنظور برآورد آب قابل دسترس خاک در حوضۀ آبخیز هیو واقع در منطقۀ هشتگرد ما ارائهشده است. بهمنظور کنترل زمینی، پنجاه نمونۀ خاک با توزیع سیستماتیک برداشت شد.80% نمونههای برداشتشده برای برازش مدل ترکیبی دمای سطح زمین و شاخص نرمالشدۀ پوشش گیاهی، و 20% نمونهها برای اعتبارسنجی مدل بهکار رفت. اعتبارسنجی رگرسیون چندمتغیره با ضریب تبیین 85/0، در سطح معناداری 01/0 و جذر میانگین مربعات خطا 6/2 را نشان میدهد. بر این اساس، کارآیی دو شاخص استفادهشده برای اندازهگیری آب قابل دسترس خاک قابل تأیید است.https://gisj.sbu.ac.ir/article_96103_4111c3b16c2dc9aaa588da58ed0ebe90.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59668220170120An Investigation of Remote Sensing Vegetation Indices Ability in Drought Condition Prediction in Iranارزیابی کارآیی شاخصهای طیفی پوشش گیاهی پهنباند در پیشبینی شرایط خشکسالی در ایران10111296048FAحامدحیدریکارشناس ارشد سنجش از دور، دانشکدۀ نقشهبرداری، دانشگاه صنعتی خواجه نصیرالدین طوسیدکتر محمدجوادولدانزوجاستاد گروه فتوگرامتری و سنجش از دور، دانشکدۀ نقشهبرداری، دانشگاه صنعتی خواجه نصیرالدین طوسییاسرمقصودیاستادیار گروه فتوگرامتری و سنجش از دور، دانشکدۀ نقشهبرداری، دانشگاه صنعتی خواجه نصیرالدین طوسیمحمدرضابهشتیفرکارشناس ارشد سنجش از دور و عضو سازمان فضایی ایرانJournal Article20161127Iran as one of the countrieslocated in arid and semi-arid regions of the world, has been in drought danger. Shortage information about long-term weather conditions in many regions of the country, is one of the most important problems in drought monitoring. In this article, spectral vegetation indices (SVIs) have been employed in order to drought modeling and its forecast. To this end, SPI drought indicator (standardized precipitation index) used to represent period of drought and its intensity. Some broad band spectral vegetation indices including Normalized Difference Vegetation Index (NDVI), Temperature Condition Index (TCI) and Vegetation Condition Index (VCI) were extracted by using NOAA-AVHRR satellite imagery. These indices entered to SVM classifier model to gain the SPI index as its result. After comparing the results, TCI was diagnosed as the best index to predict drought condition via 3 months SPI (trimester SPI).ایران یکی از کشورهای خشک و نیمهخشک بهشمار میرود که به خشکسالی دچار است. کمبود اطلاعات هواشناسی طولانیمدت در پهنۀ وسیعی از کشور یکی از بزرگترین مشکلات برای مشاهده و پیشبینی کوتاهمدت خشکسالی در ایران است. در این مقاله، با بهکار بردن روش ماشین بردار پشتیبان (SVM) و با استفاده از دادههای 42 ایستگاه سینوپتیک منتخب در ایران، عملکرد شاخصهای پوشش گیاهی طیفی پهنباند NDVI، NDVI-DEV، VCI و TCI در پیشبینی خشکسالی بررسی شد. بدین منظور، از شاخص خشکسالی (SPI) برای بیان خشکسالی استفاده شد که نشاندهندۀ شدت و دورۀ خشکسالی، از سال 1985 تا 2008 است. شاخصهای پوشش گیاهی یادشده از تصاویر سنجندۀ NOAA-AVHRR محاسبه و استخراج شدند. این شاخصها، بهصورت ورودی، به مدل SVM وارد شدند و مقادیر SPI را بهدست دادند. با این روش، شاخصهای TCI و NDVI، بهترتیب، دارای بالاترین و پایینترین همبستگی با شرایط خشکسالی شناخته شدندhttps://gisj.sbu.ac.ir/article_96048_de1aa8e9b344cb719283acf501e49f50.pdf