انجمن سنجش از دور ایران / دانشگاه شهید بهشتی نشریه سنجش از دور و GIS ایران 2008-5966 11 4 2020 01 21 Estimation and Zoning Soil Erosion using the Analysis Network Process and GIS (Case Study: Ghale Chai Basin) برآورد و پهنه‌بندی فرسایش خاک با استفاده از فرآیند تحلیل شبکه‌ای وGIS (مطالعه موردی: حوضه قلعه‌چای) 1 10 96833 10.52547/gisj.11.4.1 FA منیره موسی بیگی دانشکده جغرافیا، دانشگاه تبریز ایمان بهارلو دانشگاه آزاد واحد علوم و تحقیقات تهران، ایران 0000-0002-2842-2964 علیرضا وفائی ن‍ژاد شهید بهشتی، تهران، ایران Journal Article 2020 04 29 Identify factors contributing to the spread of soil erosion, and zoning is an important tool to manage and control this phenomenon and to determine appropriate ways are to deal with spreading this phenomenon. In this research, using analysis network process model and GIS has been estimated zoning map of soil erosion in the catchment tea castle in West, East Azerbaijan Province. For this purpose, by examine the sources and expert opinion, effective factors such as slope, aspect, lithology, land use, normalized difference vegetation index (NDVI), annual precipitation and soil is provided of the geographic information system environment. Then, using Arc GIS software and extracted coefficient, the analysis network process prepared to zone map soil erosion and in five classes: very high, high, medium, low and very low. The results showed that 37.12 percent of the area that includes 118.56 square kilometers, is located in risk classes the high and very high. Furthermore, necessary to explain that in the southern and central parts of the basin is the amount of soil erosion high. These areas showed critical situations and acute erosion. And due to dam construction, Ghale Chai should be placed the priority programs and plans of soil conservation and watershed management. 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. https://gisj.sbu.ac.ir/article_96833_8f795c7acc4debef3e8e1920951e6159.pdf

انجمن سنجش از دور ایران / دانشگاه شهید بهشتی نشریه سنجش از دور و GIS ایران 2008-5966 11 4 2020 01 21 Estimation of Crop Coefficients in the Moghan Cultivation Industry and the Study of Relationship between Evapotranspiration and Yield Performance برآورد ضریب محصولات کشاورزی کشت‌و ‌صنعت مغان و مطالعه رابطه تبخیر-تعرق با راندمان تولید محصولات 11 28 96849 10.52547/gisj.11.4.11 FA ایوب مرادی مرکز تحقیقات فضایی، پژوهشگاه فضایی ایران حدیثه بابایی مرکز تحقیقات فضایی، پژوهشگاه فضایی ایران عباس علیمحمدی دانشکده نقشه برداری (ژئودزی و ژئوماتیک)، دانشگاه صنعتی خواجه نصیرالدین طوسی 0000-0002-9641-1204 سهیل رادیوم مرکز تحقیقات فضایی، پژوهشگاه فضایی ایران Journal Article 2020 04 29 The increasing shortage of the renewable water resources in the country has made the farm water needs estimation to become as one of the important priorities in agricultural water management. Farm water needs are normally controlled by climatologic factors. It equals to the reference evapotranspiration which is corrected by a scaling factor associated to the crop kind and to local characteristics. In this research, using Landsat satellite imagery, we estimated and compared the crop coefficients for main agricultural crops in the Moghan cultivation industry, from two procedures: the first based on evapotranspiration measuring, and the second based on NDVI measuring. The comparisons in the case of the five main crops showed that the Root Mean Square Errors are within an acceptable range, leass than 0.28. In the following, the evapotranspiration based crop coefficient has been used in order to estimate farm water needs. Farm's water needs are indeed estimated by six methods: a combination of two actual evapotranspiration and three reference evapotranspiration ways. Among the six methods, the Metric/PenmanMonteith method was selected for final step, i.e. farm irrigation needs. The farm irrigation needs is equivalent to farm water need minus effective rain. We compared four different ways for estimating the effective rains but preferred the FAO method assigned for low slopes. Based on our results, farm irrigation needs in the Moghan cultivation industry range from 270 mm (for rainfed barley) to 1500 mm (olive groves). Statistical investigation in three years data revealed a dependency between yield performance and evapotranspiration rate. In addition, it showed that yield performance is correlated with crop spectral indices such as NDVI, LAI and SAVI. The primary goal of this research is to estimate local agricultural crop coefficient in the Moghan cultivation industry. The second goal is to investigate of relationships between crop coefficient and crop spectral indices in order to make the crop coefficient estimable directly from spectral indices. کمبود روزافزون منابع آب تجدیدپذیر در کشور، برآورد نیاز آبی مزارع را به یکی از اولویت‌‌های مهم مدیریت آب در کشاورزی تبدیل نموده است. نیاز آبی مزارع توسط مولفه‌‌های اقلیمی منطقه کنترل می‌شود و برابر است با تبخیر-تعرق مرجع که با یک ضریب ویژ‌ه (بسته به نوع محصول و منطقه جغرافیایی کاشت) اصلاح می‌گردد. در تحقیق حاضر، با استفاده از تصاویر ماهواره لندست8، ضریب محصولات عمده کشاورزی منطقه کشت‌­و‌ صنعت مغان از دو روش برآورد و مقایسه شده ‌است. روش نخست بر مبنای اندازه‌گیری تبخیر-‌تعرق مزارع و روش دوم بر مبنای اندازه‌گیری شاخص گیاهی NDVI است. مقایسه این دو روش برای پنج محصول عمده منطقه نشان داد که مقدار خطای جذر میانگین مربعات قابل قبول (کمتر از 28/0) است. در ادامه، برای برآورد نیاز آبی محصولات، از ضریب محصول تولید شده بر مبنای تبخیر-‌تعرق استفاده شد. نیاز آبی محصولات با شش متد برآورد شد: ترکیب دو روش برآورد تبخیر-‌تعرق واقعی و سه روش برآورد تبخیر-‌تعرق مرجع. از میان آنها، متد متریک- پنمن مونتیث برای برآورد نیاز آبیاری بکارگرفته شد. تخمین نیاز آبیاری مستلزم کسرکردن بارش موثر از نیاز آبی است. برای برآورد بارش موثر، پس از بررسی چهار روش متداول، روش فائو برای شیب‌های کم ترجیح داده شد. نیاز آبیاری محصولات منطقه کشت‌و ‌صنعت مغان بر از حداقل 270 میلی‌متر (برای جو دیم) تا حداکثر 1500 میلی‌متر (برای باغ زیتون) برآورد شده است. . بررسی آماری اندازه‌گیری‌ها سه ساله وجود یک همبستگی را بین میزان عملکرد محصول و میزان تبخیر-‌تعرق مزارع آشکار کرد. همچنین مشخص شد که عملکرد محصولات با شاخص‌های طیفی گیاه نیز دارای رابطه معنی‌دار است. هدف نخست تحقیق حاضر، برآورد ضرایب محلی محصولات کشاورزی منطقه مغان است؛ هدف دوم، بررسی رابطه‌مندی ضریب محصولات کشاورزی و شاخص‌های طیفی آنها به‌منظور تخمین ضریب محصولات بصورت مستقیم از این شاخص‌‌هاست. https://gisj.sbu.ac.ir/article_96849_2bdc625250f89f620b0aec4d8744ee8c.pdf

انجمن سنجش از دور ایران / دانشگاه شهید بهشتی نشریه سنجش از دور و GIS ایران 2008-5966 11 4 2020 01 21 Analysis of Performance of vegetation indices on agricultural drought using remote sensing technique in Karkheh basin بررسی کارایی شاخص‌های پوشش‌گیاهی در تحلیل خشکسالی کشاورزی با استفاده از تکنیک سنجش از دور در حوزه آبخیز کرخه 29 46 96855 10.52547/gisj.11.4.29 FA مهشید کریمی گروه آبخیزداری،دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری کاکا شاهدی دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ایران طیب رضیئی پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران میرحسن میریعقوب زاده دانشکده مرتع و آبخیزداری دانشگاه ارومیه 0000-0003-4566-4479 Journal Article 2018 08 16 Drought is one of the natural disasters that may occur in any climate. In recent decades, Iran has been affected by severe droughts and its harmful effects in various sectors, such as agriculture, environment and water resources of the country. Today, vegetation indices, which are obtained through remote sensing technology, are used to identify and analyze agricultural droughts. Accordingly, the aim of this study was to investigate the effectiveness of NDVI, EVI and VCI vegetation indices in agricultural drought identification and analysis in Karkheh basin. In order to calculate these indices, MODIS sensor Images (Terra satellite, MOD13A2 product) were used during the 2000-2017 statistical period. The accuracy of these profiles was evaluated with the ZSI index calculated at 11 meteorological stations located in Karkheh basin for the statistical period of 2000-2017. The results showed that the changes of NDVI, EVI and VCI in the studied stations were approximately the same during the statistical period. Based on NDVI, EVI and VCI values, the lowest and highest vegetation cover was observed in 2000, dehno station and 2001, helilan-seymareh station, respectively. The ZSI survey showed that most stations Faced with droughts from 2000 to 2008, and the most severe drought occurred in 2008, nazarabad station. Then, in order to validation of the results, the vegetation indices with ZSI index were evaluated. Pearson correlation between mean vegetation indices of NDVI, EVI and VCI with mean ZSI was 0.766, 0.725 and 0.776, respectively, and all vegetation indices with ZSI index are significant at 0.99% confidence level.  As seen, according to the results, the ZSI index confirms the results of NDVI, EVI, and VCI. So, according to the results, there is no conformity of meteorological and agricultural droughts in all years,  Therefore, in addition to other precipitation, climate variables should also be considered. خشکسالی، یکی از بلایای طبیعی است که ممکن است در هر اقلیمی ‌رخ دهد. در دهه‌های اخیر، کشور ایران به طور پیاپی  تحت تأثیر خشکسالی‌های شدید و گسترده قرار داشته و آثار زیانباری بر بخش‌های مختلف اقتصادی از جمله بخش کشاورزی، محیط زیست و منابع آب کشور تحمیل کرده است. امروزه برای شناسایی و تحلیل خشکسالی‌های کشاورزی از شاخص‌های پوشش‌گیاهی که به کمک فن‌آوری سنجش از دور بدست می‌آیند، استفاده می‌شود. بر این اساس، هدف از این پژوهش، بررسی کارایی شاخص‌های پوشش‌گیاهی NDVI، EVI و VCI در شناسایی و تحلیل خشکسالی کشاورزی در حوزه آبخیز کرخه است. برای محاسبه این نمایه‌ها، تصاویر سنجنده مودیس) ماهواره Terra، محصولMOD13A2 ) طی مدت 17 سال در دوره آماری 2000-2017 استفاده شد. دقت نمایه‌های یاد شده با شاخص ZSI محاسبه شده در 11 ایستگاه باران‌سنجی و تبخیرسنجی واقع در حوضه کرخه برای دوره‌ آماری 1379-1396 مورد ارزیابی قرار گرفت. نتایج نشان داد تغییرات NDVI، EVI و VCI، در ایستگاه‌های مورد مطالعه، در طول دوره‌ آماری تقریبا یکسان است. به‌طوریکه کمترین مقدار پوشش‌گیاهی در سال 1379 و در ایستگاه دهنو، بیشترین مقدار پوشش‌گیاهی در سال 1380 و در ایستگاه هلیلان-سیمره مشاهده شد. اما بررسی ZSI نشان داد از سال 1379 تا 1385 اکثر ایستگاه‌ها با خشکسالی مواجه بوده‌اند. به‌طوریکه در سال‌های 1386، 1387 و 1388 تمامی‌ایستگاه‌ها با خشکسالی‌ شدید مواجه و شدیدترین خشکسالی در سال 1387 رخ داده و ایستگاه نظرآباد، خشک‌ترین ایستگاه در این سال بوده است. سپس به منظور صحت‌سنجی نتایج شاخص‌های گیاهی با شاخص ZSI مورد ارزیابی قرار گرفت. رابطه همبستگی پیرسون بین میانگین شاخص‌های پوشش‌گیاهی  NDVI، EVI و VCI با  میانگین ZSI به ترتیب  برابر با 706/ 0، 725/ 0 و 765/0 است که هر سه شاخص پوشش‌گیاهی با شاخص ZSI در سطح یک درصد معنی دار هستند. همانطور که مشاهده شد با توجه به نتایج، شاخص ZSI تا حدودی نتایج NDVI ، EVI  و VCI را تأیید می‌­کند. اما نتایج این پژوهش، نشان داد که همزمانی وقوع خشکسالی هواشناسی و کشاورزی در تمام سال‌ها وجود ندارد، بنابراین علاوه بر بارش دیگر متغیرهای اقلیمی ‌نیز باید در نظر گرفته شوند. https://gisj.sbu.ac.ir/article_96855_d93c8691ed53ea8273b0d52d102c8ece.pdf

انجمن سنجش از دور ایران / دانشگاه شهید بهشتی نشریه سنجش از دور و GIS ایران 2008-5966 11 4 2020 01 21 Comparing Different Statistical Models and Pre-processing Techniques for Estimation several chemical properties of the soil Using VNIR/SWIR Spectrum مقایسه روش‌های آماری حداقل مربعات جزیی و رگرسیون مولفه اصلی در برآورد مقادیر گچ، کربنات‌ها و ماده آلی خاک با استفاده از طیف‌سنجی مرئی و مادون قرمز نزدیک 47 60 96863 10.52547/gisj.11.4.47 FA الهام مهرابی گوهری دانشکده کشاورزی، دانشگاه لرستان و مربی گروه کشاورزی، دانشگاه پیام نور حمید رضا متین فر دانشکده کشاورزی، دانشگاه لرستان 0000-0002-2539-6975 اعظم جعفری دانشکده کشاورزی، دانشگاه باهنر روح الله تقی زاده مهرجردی دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان فاطمه خیامیم دانشکده کشاورزی،دانشگاه صنعتی اصفهان Journal Article 2018 11 23 Visible and Near-Infrared (VNIR) and Short-Wave Infrared (SWIR) reflectance spectroscopy (400-2450nm), which are at least as costly and time-consuming, are widely used in the estimation of physical and chemical properties of the soil. The purpose of this study was to investigate the ability of this method to estimate the amount of organic matter, carbonates and gypsum content of soil surface. In the present study, 115 profiles were identified based on the Hypercube technique, and the horizons were sampled and the amount of organic matter, carbonates and gypsum content were measured by standard methods. Reflectance spectra of all samples were measured using an ASD field-portable spectrometer in the laboratory. Soil samples were divided into two random groups (80% and 20%) for calibration and validation of models. PLSR and PCR models and different pre-processing methods i.e. First (FD) and Second Derivatives (SD), Multiplicative Scatter Correction (MSC) and Standard Normal Variate (SNV) were applied and compared to estimate texture elements. The highest RPD of calibration and validation were obtained for PLSR with First derivative of reflectance+ Savitzky_Golay filter pre-processing technique which was classified as a good for the amount of organic matter and gypsum and was classified as a poorly for the amount of carbonates. داده‌های طیفی محدوده مرئی – مادون قرمز که با حداقل هزینه و صرف وقت تهیه می‌شوند، کاربرد وسیعی در برآورد خصوصیات فیزیکی و شیمیایی خاک دارند. مطالعه حاضر، با هدف بررسی توانایی این روش در برآورد مقدار ماده آلی، کربنا‌ت‌ها و درصد گچ سطح خاک صورت پذیرفته است. بر اساس تکنیک ‌هایپرکیوب، محل 115 پروفیل شناسایی  و سپس نمونه‌برداری از افق‌های خاک انجام گرفت و مقدار ماده آلی، درصد گچ و آهک خاک نیز با رو‌ش‌های استاندارد اندازه‌گیری شد. آنالیز طیفی خاک افق‌‌های سطحی مورد نظر با استفاده از دستگاه طیف‌سنج زمینی با دامنه طول موج 400-2500 نانومتر انجام شد(115 نمونه سطحی). پس از ثبت طیف‌ها، انواع روش‌های پیش‌پردازش، مورد ارزیابی قرار گرفت و سپس از رگرسیون حداقل مربعات جزئی (Partial Least Square Regression) و رگرسیون مولفه اصلی((PCR، برای پیش‌بینی پارامترهای مورد نظر استفاده شد. جهت ارزیابی مدل،  80 درصد داده‌ها برای کالیبراسیون مدل و 20 درصد برای صحت‌سنجی مدل، به صورت تصادفی انتخاب شدند. پیش‌پردازش‌های مختلف از جمله مشتق اول و دوم، به همراه فیلتر ساواتزکی و گلای، متغیر نرمال استاندارد و تصحیح پخشیده چندگانه با هم مقایسه شدند. نتایج ‌این بررسی نشان داد بهترین نتایج مدل‌سازی، مربوط به روش PLSR با پیش‌پردازش مشتق اول+فیلتر ساویتزکی و گلای برای برآورد گچ، کربنات و ماده آلی خاک است. با توجه به مقادیر درصد انحراف نسبی(RPD)، پیش‌بینی مدل، برای درصد گچ  و ماده آلی در کلاس خوب و برای کربنات‌ها در کلاس ضعیف است. https://gisj.sbu.ac.ir/article_96863_fd0dd3200ae49f5cdabc124b87df3872.pdf

انجمن سنجش از دور ایران / دانشگاه شهید بهشتی نشریه سنجش از دور و GIS ایران 2008-5966 11 4 2020 01 21 Analyzing of the spatio-temporal changes of vegetation and its response to environmental factors in north of Fars province, Iran بررسی روند تغییرات زمانی- مکانی پوشش گیاهی و واکنش آن به عوامل محیطی در شمال استان فارس، ایران 61 82 96873 10.52547/gisj.11.4.61 FA ابوالفضل رنجبرفردوئی دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان عباسعلی ولی دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان مرضیه مکرم دانشکده کشاورزی و منابع طبیعی داراب، دانشگاه شیراز فریده تاری پناه دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان Journal Article 2019 05 12 Vegetation is one of the essential factors in structure and function of terrestrial ecosystem and it is one of the principal loops in water-soil-plant-atmosphere continuum. Several studies have demonstrated that vegetation covers are sensitive to alteration of climatic, edaphic, topographic and human activities. Thus, alteration in vegetation and its relation with the mentioned factors are important of high importance. In order to investigation of vegetation changes and its effective factors, the current study was conducted in Kharestan region placed in Fars province, Iran. In this regard, the images obtained from ETM Landsat 7 (2000-2017) and meteorological data gained from local and 17 regional meteorological stations were used. Using these images, temporal and spatial changes NDVI and NDVI anomaly were studied. A supervised classification method was used to extract land use map. Finally, the relationship of NDVI with climatic, topographic and anthropogenic factors was investigated. Relationship between NDVI and climatic and topographic factors was estimated using GWR and OLS methods, respectively. Generally, temporal variations showed a slow increasing trend in NDVI value. NDVI anomaly was mostly negative before 2008 but it turned to positive after 2009. NDVI spatial distribution showed an increasing tendency from north toward center and continued to south-west of the study area. The study shows that the vegetation cover change was caused by both natural factors and human activities. NDVI increased in agricultural and pasture lands. Also, natural vegetation has been affected by climatic factors more than irrigated vegetation (agricultural and gardens). Furthermore, vegetation variation influenced by topographic factors likes height, slope and aspect. Also, with an altitude over than 2500 m, NDVI showed a decreasing trend, on slopes lower than 5° it increased. NDVI values in north and east directions were higher than in southern aspects. The overall trend indicates an increase in temperature and a decrease in precipitation during the study period. The maximum positive and negative correlation between mean annual precipitation and NDVI using ordinary least squares method were 0.93 and 0.83, respectively. Also the maximum negative and positive correlation between NDVI and temperature were 0.65 and 0.5, respectively. The highest local R2 values between NDVI with precipitation and temperature were 0.45 and 0.44, respectively, which was observed in the central parts of the region. According to the obtained results through the present study, it can be stated that environmental factors like precipitation, altitude, slope and aspect are the Influential factors controlling vegetation in Kharestan (Fars province, Iran).     پوشش گیاهی، یکی از عوامل ضروری در ساختار و عملکرد اکوسیستم‌های خشکی و یکی از حلقه‌های اساسی زنجیر حیاتی آب-خاک-گیاه و اتمسفر[1] است. مطالعات متعدد ثابت کرده است پوشش گیاهی به تغییرات عوامل اقلیمی و ادافیکی حساس است. بر این اساس، تغییر در پوشش گیاهی و رابطه‌اش با عوامل مذکور، از اهمیت بسیاری برخوردار است. تحقیق حاضر به منظور بررسی تغییرات پوشش گیاهی و عوامل موثر بر آن، در حوضه خارستان استان فارس انجام شد. در این رابطه، تصاویر برگرفته از سنجنده ETM لندست 7، طی دوره 2000-2017 و داده‌های اقلیمی‌حاصل از 17 ایستگاه‌ هواشناسی استان استفاده شد. با استفاده از این تصاویر، تغیرات زمانی و مکانی NDVI و آنومالی آن استخراج شد. به منظور استخراج نقشه کاربری اراضی از روش طبقه بندی نظارت شده استفاده شد. در نهایت رابطه NDVI با عوامل اقلیمی، توپوگرافی و انسانی (کاربری اراضی) بررسی شد. رابطه بین این شاخص با عوامل اقلیمی‌و توپوگرافی بر مبنای روش‌های رگرسیون وزن‌دار فضایی[1] و حداقل مربعات معمولی[1] به‌دست آمد. در مجموع، تغییرات زمانی مبین روند افزایش آهسته NDVI بود. آنومالیNDVI  در سال‌های قبل از 2008 روند مثبت و برای سال‌های بعد روند منفی را نشان داد. توزیع مکانی NDVI مبین یک روند افزایشی از شمال به سمت مرکز و جنوب غرب منطقه مورد مطالعه بود. نتایج حاکی از تاثیر دو دسته عوامل طبیعی و انسانی بر تغییرات پوشش گیاهی بود. NDVI در اراضی کشاورزی و مرتعی افزایش، همچنین پوشش گیاهی طبیعی بیشتر از پوشش‌های دست کاشت (اراضی کشاورزی و باغی) تحت تاثیر عوامل اقلیمی‌قرار گرفته است. علاوه بر این تغییرات پوشش گیاهی بر حسب ارتفاع، جهت و شیب هم تفاوت داشت. به طوری که از ارتفاع بیشتر از 2500 متر مقدار NDVI کاهش، در شیب‌های کمتر از ˚5، مقدار این شاخص افزایش و در جهت‌های شمال و شرق بیشتر از دامنه‌های جنوبی بود. روند کلی، نشان‌دهنده افزایش دما و کاهش بارندگی در طول دوره مورد مطالعه بود. با توجه به نقش تعیین کننده بارش در مناطق خشک و نیمه‌خشک می‌توان گفت نقش کنترلی بارش بر NDVI بیشتر از دما است. حداکثر همبستگی مثبت و منفی، بین متوسط بارش سالیانه و NDVI با استفاده از روش حداقل مربعات معمولی به ترتیب 93/0 و 83/0 مشاهده شد. همچنین حداکثر همبستگی منفی و مثبت بین NDVI و دما به ترتیب 65/0 و 5/0 بود. بیشترین مقدار ضریب تبیین مکانی (Local R2) بین NDVI با بارندگی و دما به ترتیب 45/0 و 44/0 بود که در بخش‌های مرکزی منطقه مشاهده شد. با توجه به نتایج، می‌توان اظهار داشت که عوامل محیطی نظیر ارتفاع، جهت، شیب، دما و بارش از فاکتورهای تاثیرگذار بر پوشش گیاهی در منطقه خارستان هستند. https://gisj.sbu.ac.ir/article_96873_62de74f0eafc639feced8b7b6d8484f9.pdf

انجمن سنجش از دور ایران / دانشگاه شهید بهشتی نشریه سنجش از دور و GIS ایران 2008-5966 11 4 2020 01 21 A hybrid classification method based on fusion of parametric and non-parametric classification algorithms for Landuse/Landcover map in Hirkani Forests ارائه روشی تلفیقی مبتنی بر الگوریتم‌های طبقه‌بندی پارامتریک و غیر پارامتریک به منظور جداسازی پوشش‌های مختلف در جنگل‌های هیرکانی 83 100 96888 10.52547/gisj.11.4.83 FA محمد سعادت دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده‌های فنی، دانشگاه تهران رضا شاه حسینی دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده‌های فنی، دانشگاه تهران Journal Article 2018 07 11 Preparation of proper land use maps has always been one of the important goals of researchers and policymakers. The aim of this study was to provide a new method for preparing land use maps using remotely sensed data and satellite data imagery. For this Purpose, we used Landsat 8 data, Digital Elevation Model (DEM), Principal Component Analysis (PCA), and Spectral Indices to extract land use map in the study area. After all required preprocessing, the training samples were provided. In this study, the training samples were utilized in two parts; in the first part they were used as inputs for image classification using supervised algorithms of maximum likelihood Classification (MLC) and support vector machine (SVM). In the second part, in order to applying Decision Tree Classification (DTC), these training samples were used to determine the spectral reflection of each end-member in the spectrum of electromagnetic waves (image bands, PCA, spectral indices, and DEM).Then, using these binary data and DTC, each end-member was identified and the Landuse/Landcover (LULC) map was extracted. In order to combine the classification results and achieve higher accuracy, the Majority Vote Classification (MVC) method was applied to prepare a new compilation of land use in the area. In order to evaluate the accuracy of produced maps, the statistical parameters extracted from the confusion matrix including overall accuracy, kappa coefficient, user and producer’s accuracy were utilized. According to the results, the combined method (MVC) with a total accuracy of 93.37% and kappa coefficient of 0.91 had the highest accuracy. The overall accuracy of the DTC, SVM, and MLC were 89.61, 88.01 and 87.6%, respectively. Due to the fact that in the nature most of the landuse are mixed and complicated, it would be better to use new methods that cover all aspects of the phenomena. In this research, the data extracted from the supervised classifications as well as the data derived from the DTC were combined and the results clearly illustrate the improvement of the final accuracy of the classification. تهیه نقشه‌های پوشش اراضی با دقت بالا، همواره یکی از اهداف مهم محققان در زمینه مدیریت اراضی بوده است. هدف از‌این پژوهش، ارائه روش نوینی جهت تهیه نقشه‌های کاربری اراضی با استفاده از پردازش تصاویر ماهواره‌ای بوده است. به همین منظور، از تصاویر ماهواره لندست 8، به عنوان تصویر پایه و نقشه مدل رقومی ارتفاعی (DEM)، داده‌های حاصل از تجزیه به عنوان مولفه‌­های اصلی و شاخص‌های طیفی جهت استخراج نقشه پوشش اراضی در منطقه مطالعاتی استفاده شد. پس از پیش‌پردازش‌ها و آماده‌سازی داده‌های مورد نیاز، اقدام به تهیه نمونه‌های آموزشی شد. در‌این پژوهش، نمونه‌های آموزشی در دو بخش به کار گرفته شدند؛ در بخش اول از آنها به عنوان ورودی، جهت طبقه‌بندی تصویر با الگوریتم‌های نظارت شده، حداکثر احتمال و ماشین بردار پشتیبان استفاده شد. در بخش دوم، به‌منظور طبقه‌بندی با روش درخت تصمیم گیری، از‌ این نمونه‌ها برای تعیین محدوده بازتاب طیفی هر پوشش در طیف امواج الکترومغناطیس (باندهای تصویر، PCA، شاخص‌های طیفی و DEM) استفاده شد. سپس با استفاده از ‌این داده‌ها و شروط دودویی درخت تصمیم‌گیری، هر پوشش مشخص و نقشه پوشش آن استخراج شد. پس از تهیه نقشه‌های ذکر شده، به منظور تلفیق نتایج طبقه‌بندی و حصول دقت بالاتر، از روش حداکثر رای‌گیری به منظور تهیه نقشه تلفیقی جدید پوشش اراضی منطقه استفاده شد. همچنین به منظور ارزیابی دقت نقشه‌های تولیدی، از پارامترهای آماری منتج از ماتریس ابهام شامل دقت کلی، ضریب کاپا، دقت کاربر و دقت تولیدکننده استفاده شد. بر اساس نتایج حاصله، روش تلفیقی با دقت کلی 37/93 درصد و ضریب کاپا 91/0 دارای بیشترین دقت بوده است. دقت کلی نقشه پوشش روش درخت تصمیم‌گیری، ماشین بردار پشتیبان و حداکثر احتمال نیز به ترتیب 61/89، 01/88 و 6/87 درصد بوده‌اند. با توجه به‌اینکه در طبیعت پوشش خالص، به ندرت مشاهده می‌شود و بیشتر پوشش‌ها به صورت ترکیبی وجود دارند، لذا بهتر است از روش‌های نوینی که همه ابعاد پدیده‌ها را پوشش می‌دهند استفاده شود. در‌این پژوهش، اطلاعات حاصل از طبقه‌بندی نظارت شده و همچنین اطلاعات حاصل از روش منطقی درخت تصمیم‌گیری با یکدیگر تلفیق شده و نتایج حاصله به خوبی، بیانگر بهبود دقت نهایی طبقه‌بندی بودند. https://gisj.sbu.ac.ir/article_96888_ed42309c46d35a08997ff7aec56f7972.pdf

انجمن سنجش از دور ایران / دانشگاه شهید بهشتی نشریه سنجش از دور و GIS ایران 2008-5966 11 4 2020 01 21 Estimating soil salinity in the dried lake bed of Urmia Lake using optical Sentinel-2B images and multivariate linear regression models تخمین شوری خاک در بستر خشک‌شده دریاچه ارومیه با استفاده از تصاویر اپتیک سنتینل 2B و مدل‌های رگرسیون خطی چندمتغیره 101 120 96844 10.52547/gisj.11.4.101 FA نسا فرهمند دانشکده مهندسی عمران، دانشگاه تبریز وحید صادقی دانشکده مهندسی عمران، دانشگاه تبریز شهره فرهمند دانشکده شیمی، دانشگاه صنعتی اصفهان Journal Article 2019 03 10 In this study, processing and interpretation methods in remote sensing such as visual and spectral analysis have been performed on the EO-1, ASTER and ETM+ data from Meshkinshahr North area, and as a result, the alteration zones in the area have been identified. Then result Aeromagnetic data, using geological information, alteration and mineralization from the area.  Development of advanced tools in remote sensing and geophysical exploration during recent decades indicates the necessity and importance of these tools in industry. For this purpose, a variety of image processing methods are used Aeromagnetic methods have an important role for exploration of metallic ore deposits. To achieve good results from these methods. In order to identify alteration zones, image processing methods such as PCA (principal component analysis), SAM (spectral angle mapping) and MTMF (Matched Filtering MF) using ENVI software were applied on the Hyperion EO-1, ASTER and ETM+ images from the study area. After removal of the noise from observed magnetic data, processing steps were considered, including IGRF subtraction for the proper years, reduction to pole, Signal Analytic, Tilt (TDR), THDR, and upward continuation 1000 meters. Identification of alteration zones in the study area using remote sensing and image processing methods, and interpretation of the geophysical Aeromagnetic results using geological and Mineralization and Hot Springs and Faults information in the area have been led to the identification of Alteration zone. Many Anomaly and Alterations Kaolinite and silica located in the Meshkinshahr north area (northwest Sabalan) and the other many situated in the northwest Sarab. For credibility of results, samples were taken and analyzed by XRD methods. Confirmed the results of remote sensing and aeromagnetic processes. Conclusions of this research revealed that applying concurrency both the remote sensing and aeromagnetic data could be led to improve the precision of the results. شوری خاک، یکی از شایع‌ترین و مهم‌ترین عوامل تخریب اراضی در مناطق خشک و نیمه‌خشک بوده و پایش و مدیریت صحیح آن امری ضروری است. در کشور ایران، بسیاری از اراضی کشور، در معرض افزایش شوری خاک قرار گرفته است که از مهم‌ترین آنها می‌توان به سواحل دریاچه ارومیه اشاره کرد. از آنجا که تکنیک‌های سنجش از دور، روشی کارآمد و مقرون به‌صرفه در پایش شوری خاک هستند، در سال‌های اخیر بهره‌گیری از این فناوری توسعه چشمگیری یافته و مدل‌های مختلفی برای این منظور توسعه داده شده است. از جمله پرکاربردترین آن‌ها، می‌توان به مدل‌های رگرسیون خطی اشاره کرد. این تکنیک‌ها، عمدتاً تک‌متغیره بوده و تلفیق باندهای طیفی در تخمین شوری خاک مغفول واقع شده است. در تحقیق حاضر، به‌منظور بهبود تخمین شوری خاک با تصاویر چندطیفی، مدل‌های رگرسیون خطی چندمتغیره پیشنهاد شده است. روش پیشنهادی، به‌طور همزمان، پتانسیل محدود ولی متفاوت باندهای طیفی مختلف را بکار گرفته و انتظار می‌رود به دقت‌های بالایی در تخمین شوری خاک بیانجامد. به منظور ارزیابی روش پیشنهادی، میزان شوری خاک در بستر خشک‌شده دریاچه ارومیه اندازه‌گیری شد. داده اصلی مورد استفاده در این تحقیق، تصویر چندطیفی سنتینل  است که در تاریخ 6 اکتبر 2018 از منطقه مورد مطالعه اخذ شده است. در تحقیق حاضر، از 8 باند طیفی تصویر سنتینل (باندهای مرئی و مادون‌قرمز) و 17 شاخص شوری برای تخمین شوری خاک استفاده شد. برای کالیبراسیون مدل‌ها و ارزیابی صحت آنها در تخمین شوری خاک، طی عملیات صحرائی، تعداد 28 نمونه آموزشی و 10 نمونه ارزیابی در زمان گذر ماهواره از سطح منطقه مورد مطالعه جمع‌آوری شده و هدایت الکتریکی آنها، در آزمایشگاه مرکزی دانشگاه تبریز اندازه‌گیری شد. پس از کالیبراسیون مدل‌های رگرسیون خطی تک‌متغیره و مدلهای رگرسیون خطی چندمتغیره پیشنهادی، صحت تخمین شوری خاک در هر یک از این مدلها، با استفاده از پارامترهای ضریب تبیین‌ و مجذور میانگین مربعات خطا  در محل نمونه‌های ارزیابی مورد بررسی قرار گرفت. نتایج ارزیابی نشان داد در مدل‌های رگرسیون خطی تک‌متغیره، بهترین مدل‌ها برای تخمین شوری خاک از باند مادون قرمز نزدیک باریک (8a) و شاخص روشنایی (BI) حاصل شده است که متناظر با بالاترین میزان و پایین‌ترین مقدار  در بین سایر مدل‌های رگرسیون خطی تک‌متغیره بوده است. مقادیر  و  برای باند  به ترتیب 89/0 و 85/20 بوده و برای شاخص BI به ترتیب برابر 83/0 و 33/21 است. در مقایسه با مدل‌های رگرسیون خطی تک‌متغیره موجود، رگرسیون‌های خطی چند‌متغیره پیشنهادی در این تحقیق، عمدتاً از دقت بالاتری در تخمین شوری خاک برخوردار بوده است. بهترین نتایج، از مدل رگرسیون خطی 7 متغیره حاصل شده است که بالاترین مقدار  و پایین‌ترین مقدار  نمونه‌های ارزیابی را در بین تمامی مدل‌های رگرسیون خطی تک‌متغیره و چندمتغیره داشته است (97/0=  و 77/8 =RMSE). پس از تعیین دقیق‌ترین مدل‌های رگرسیون خطی تک‌متغیره و چند‌متغیره در تخمین شوری خاک، نقشه‌های شوری خاک منطقه که اطلاعات ارزشمندی از وسعت، توزیع مکانی و غلظت شوری را نشان می‌دهد، تهیه شد. نقشه‌های شوری خاک نشان می‌دهد که در بخش وسیعی از منطقه، شوری خاک بیشتر از 60 دسی زیمنس بر متر است. نتایج این تحقیق، موید قابلیت بالای رگرسیون خطی چندمتغیره پیشنهادی در این تحقیق و همچنین پتانسیل ارزشمند تصاویر چندطیفی سنتینل 2B در تخمین شوری خاک است. https://gisj.sbu.ac.ir/article_96844_fbfd3785c41f4978383f2a5754f33ea9.pdf