انجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-596612220200722Speckle reduction in SAR images based on an adaptive filtering in the frequency domainکاهش اثر اسپکل در تصاویر رادار با روزنه مصنوعی، بر مبنای فیلترینگ تطبیقی طیف اندازه در حوزه فرکانس1189694310.52547/gisj.12.2.1FAحمیدجنتیدانشکده ژئودزی و ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسیمحمدجوادولدان زوجاستاد گروه فتوگرامتری و سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسیJournal Article20171009Speckle in Synthetic aperture radar images makes grainy effects, because of the coherent imaging system which cause some difficulties in object-oriented processes, like segmentation or classification. Therefore, a lot of methods have been developed for speckle reduction purpose. These methods can be classified but not limited in some approaches, like spatial based, transform based and optimization, which mostly suffer from limitations like edge and texture destruction and also regulating parameter dependence. In this paper a new structure has been presented based on adaptive filtering of the amplitude response of the discrete fourier transform of the image in the frequency space, which not only reduces the speckle but also preserves edges and delicate textures. In addition, it has low level of computation and complexity compared to the kernel dependent spatial approaches. The main contribution of the paper is to fit a predefined analytical function to amplitude response of the discrete fourier transform of the image, in order to recover underlying speckle reduced SAR image. Proposed method, improves equivalent number of looks index 50 percent and edge preservation index 50 and 30 percent for real and simulated synthetic aperture radar images, respectively.وجود اسپکل در تصاویر رادار با روزنه مصنوعی، به دلیل سیستم تصویربرداری همدوس، باعث ایجاد اثر دانه دانهای در تصویر شده و برخی پردازشهای شیگرا همانند قطعهبندی، خوشهبندی و یا شناسایی هدف را تحت تاثیر قرار میدهد. از اینرو میتوان اغلب الگوریتمهای مورد استفاده در کاهش اثر اسپکل را در یکی از روشهای مبتنی بر حوزه مکان، روشهای مبتنی بر تبدیل و یا روشهای وابسته به بهینهسازی طبقهبندی کرد. از جمله محدودیتهای موجود در روشهای مورد استفاده اغلب میتوان به عدم حفظ بافت و ساختار تصویر و نیز وابستگی اجرای الگوریتم به یک یا چند پارامتر تنظیمکننده اشاره کرد که همین موضوع، استفاده از این روشها را در کاربردهای عملی با چالش رو به رو میسازد. از اینرو در پژوهش حاضر، با در نظر گرفتن رفتار فرکانسی تصاویر SAR، روشی بر مبنای فیلترینگ تطبیقی طیف اندازه در حوزه فرکانس ارائه شده است. ایده اصلی روش پیشنهادی تخصیص یک مدل تحلیلی بر مبنای رفتار فرکانسی تصویر SAR، به طیف اندازه تبدیل فوریه آن و بازیابی خروجی با اثر اسپکل کاهش یافته است. روش پیشنهادی ضمن حفظ بافتهای ظریف تصویر، به طور قابل ملاحظهای اثر اسپکل را کاهش میدهد. علاوه بر آن الگوریتم پیشنهادی به صورت خودکار اجرا شده و نیازی به برآورد پارامترهای تنظیمی ندارد. همچنین در تصاویر با پیچیدگی بافت زیاد و در روشهای کانوولوشن مکانی که نیاز به تنظیم ابعاد کرنل دارد، مرتبه محاسباتی پایینتری خواهد داشت. نتایج ارزیابی نشان میدهد که الگوریتم پیشنهادی در مقایسه با فیلترهای مکانی تطبیقی، ضمن بهبود 50 درصدی شاخص تعداد منظرهای معادل در تصاویر SAR، مقدار شاخص حفظ لبه را نیز به طور میانگین برای تصاویر SAR و شبیهسازی SAR حدوداً 50 و 30 درصد بهبود میبخشد.https://gisj.sbu.ac.ir/article_96943_4df17c2bfebe9870d021d7bd5003b582.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-596612220200722The Impact of Urban Growth and Development Trend on Ecological Network Structure with Resilience and Landscape Approach (Case study of Hamedan)تأثیر روند رشد و توسعه شهری بر ساختار شبکه اکولوژیک با رویکرد تابآوری و سیمای سرزمین (مورد مطالعه شهر همدان)19329694610.52547/gisj.12.2.19FAمریمامیدپوردانشکده برنامهریزی محیط زیست، دانشگاه شهید بهشتی، تهران، ایرانرومیناسیاح نیااستادیار گروه برنامهریزی و طراحی محیط، پژوهشکده علوم محیطی، دانشگاه شهید بهشتی، تهران، ایرانیوسفرضاییاستادیار گروه عمران دانشکده فنی و مهندسی، دانشگاه بوعلی سینا، همدان، ایرانJournal Article20190227Urban development is an inevitable subject due to the increasing population growth in cities. The city consists of open and living systems and a combination of socio-ecological systems. On the one hand, the hurried process of urban growth resulted in the land use change. Subsequently, this manner will damage to the structure, yield, and ecological processes in each city. Meanwhile, the use of ecologic knowledge with the landscape and resilience approaches can help to analyze the present situation and discover the optimal solutions. The resilience in the pattern of the natural structure of the ecological networks depends on the extent and intensity of the green spots. This research was carried out to determine the vegetation changes in Hamadan city between1982 to 2015 to achieve the evaluation of the ecological network structure in the urban development process with a resilience approach. In this study, a conceptual framework derived from ecological knowledge, resilience ideas and the use of modern technologies, such as GIS and RS, was designed to determine the bio-sensitive areas caused by the substructure urban changes. Besides, this study was performed to preserve the remaining biological resources in this area and preventing damage to the natural ecosystem of this city. A series of satellite imagery was classified in four categories such as such as open area, built land, communication paths, vegetation. After the above classification, these maps were processed and analyzed by the TerrSet software and three types of landscape metrics including creating, loosening and separating were reviewed to identify the types of land use changes in these years. The results show that the vegetated area decreased from 2820.2 hectares in 1982 to 1304.2 hectares in 2015 and, on the other hand, built lands and communication paths were degraded from 606.4 hectares in 1982 to 4274.2 hectares in 2015. In general, it can be concluded that this level of change shows a high urban development, decreases in plant vegetation, and its discontinuation so that the above changes have reduced the resilience of the city's ecology network. At the end of the study, numerous strategies were also provided for the restoration of the entire damage in the natural ecological network of Hamadan and its development.با افزایش روزافزون جمعیت در شهرها، مدیریت توسعه شهری امری اجتناب ناپذیر است. شهر، متشکل از سیستمهای باز و زنده و تلفیقی از سیستمهای اجتماعی- اکولوژیکی است که روند شتاب زده توسعه شهری موجب تغییر کاربری زمین و در نتیجه آسیب رسیدن به ساختار، عملکرد و فرآیندهای اکولوژیکی میشود. در این میان، بهرهگیری از دانش اکولوژی با رویکرد سیمای سرزمین و تابآوری میتواند به تحلیل وضعیت موجود و یافتن راهحلهای بهینه کمک کند. تابآوری در الگوی ساختار طبیعی شبکه اکولوژیک به میزان وسعت و پیوستگی لکههای سبز بستگی دارد. به همین دلیل، برای رسیدن به هدف اصلی این پژوهش که ارزیابی ساختار شبکه اکولوژیک در روند توسعه شهری با رویکرد تابآوری است، به بررسی روند تغییر پوشش گیاهی در فاصله سالهای 1982 تا 2015 در شهر همدان پرداخته شد. در این مطالعه، چارچوب مفهومی برگرفته از دانش اکولوژی، نظریههای تابآوری و با استفاده از تصاویر ماهوارهای و تکنیکهای سامانه اطلاعات جغرافیایی GIS شکل گرفت تا بتوان مناطق حساس زیستی نسبت به تغییرات و ساخت و سازهای شهری در برنامهریزیهای آتی توسعه شهر را مشخص و مانع از آسیب رسیدن به اکوسیستم طبیعی شهر و حفظ و ارتقاء منابع زیستی باقیمانده در این سرزمین شد. تصاویر ماهوارهای Landsat در سالهای 1982، 2000 و 2015 با استفاده از نرمافزارهای ArcMap, ENVI در چهار طبقه: «کاربری اراضی بایر، زمین ساخته شده، راههای ارتباطی و پوشش گیاهی» به روش نظارت شده بیشترین شباهت، کلاسبندی شدند. پس از تحلیل این نقشهها به منظور یافتن نوع تغییرات در کاربری اراضی، با استفاده از نرم افزار TerrSetنقشهها مورد پردازش و تحلیل قرار گرفت و سه نوع متریک سیمای سرزمین شامل ایجاد شدگی، سست شدگی و جدا شدگی در بین این سالها بررسی شد. نتایج نشان میدهد پوشش گیاهی منطقه از 2/2820 هکتار در سال 1982 به 2/1304 هکتار در سال 2015 تقلیل یافته و در مقابل اراضی ساخته شده و راههای ارتباطی نیز از 4/606 هکتار در سال 1982 به 2/4274 هکتار در سال 2015 افزایش یافته است که این میزان تغییرات نشان از رشد و گسترش بالای مناطق شهری و کاهش، خرددانگی و انقطاع سطح پوشش گیاهی و در نهایت افول در تابآوری شبکه اکولوژی شهری دارد. در پایان تحقیق، راهبردهایی به منظور ترمیم آسیب های وارده به شبکه طبیعی اکولوژیک شهر همدان و توسعه آن ارائه شد. https://gisj.sbu.ac.ir/article_96946_3a51a2efb162ac8ee6d8e9a1f46de194.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-596612220200722Adoption of IoT technology to estimate evapotranspiration from satellite imageryبکارگیری فناوری اینترنت اشیا در برآورد میزان تبخیروتعرق با استفاده از تصاویر ماهواره ای33449695310.29252/gisj.12.2.33FAسهیلرادیوماستادیار پژوهشگاه فضایی ایرانحسینعقیقیاستادیار مرکز مطالعات سنجش از دور و GIS، دانشگاه شهید بهشتیحمیدصالحی شهرابیدانشجوی دکترا مرکز مطالعات سنجش از دور و GIS، دانشگاه شهید بهشتی
پژوهشگاه فضایی ایرانJournal Article20200927Evapotranspiration is one of the most important components of energy and water balance. The most important way to get real large-scale evapotranspiration is to utilize satellite imagery and remote sensing. Implementation of evapotranspiration calculation algorithms such as SEBAL demands calculation of reference evapotranspiration and thus measuring air temperature, humidity and wind speed. Calculation of evapotranspiration is usually based on obtained information from the nearest weather stations to the study area, which can be error-prone. Therefore, in this study, IoT sensors were used to accurately measure air temperature at 2 m above the ground, as well as air humidity and wind speed in the study area. The study area is the farms of Moghan Agricultural Company in Ardabil province. In this study, 23 nodes were installed in a number of farms. The ground-based energy balance algorithm (SEBAL) was used to calculate the evapotranspiration using Landsat 8 images in 2015.تبخیر و تعرق یکی از اجزای مهم بیلان انرژی و آب است. کارآمدترین روش محاسبه میزان تبخیر و تعرق واقعی در مقیاس وسیع، استفاده از تصاویر ماهوارهای و سنجش از دور میباشد. اجرای الگوریتمهای محاسبه تبخیر و تعرق مانند سبال نیازمند محاسبه تبخیر تعرق مرجع و در نتیجه بدست آوردن مقادیر دما و رطوبت هوا و سرعت باد است. معمولا در محاسبات مربوط به تبخیر و تعرق از اطلاعات بدست آمده از نزدیکترین ایستگاه (های) هواشناسی به منطقه موردمطالعه استفاده میشود که میتواند همراه با خطا باشد. به همین دلیل در این مطالعه، از سنسورهای اینترنت اشیا جهت اندازه گیری دقیق دمای هوا در ارتفاع 2 متری از سطح زمین و همچنین رطوبت هوا و سرعت باد در منطقه مورد مطالعه استفاده شده است. منطقه مورد مطالعه در این تحقیق، مزارع شرکت کشت و صنعت مغان در استان اردبیل است. در این تحقیق تعداد 23 نود در تعدادی از مزارع شرکت کشت و صنعت مغان نصب و راه اندازی گردید. الگوریتم بیلان انرژی سطح زمین (سبال) جهت محاسبه میزان تبخیروتعرق با تصاویر لندست 8 سال 1394 مورداستفاده قرار است.https://gisj.sbu.ac.ir/article_96953_d805aac22b4d5d8a4cc92692b429b48c.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-596612220200722Extraction of vegetation from Landsat satellite images using rationalized Haar wavelet algorithmاستخراج پوشش گیاهی از تصاویر ماهوارهای لندست با استفاده از الگوریتم موجکهار گویا45569696010.52547/gisj.12.2.45FAکاظمعلیآبادیمربی مرکز پژوهشی علوم جغرافیایی و مطالعات اجتماعی، دانشگاه حکیم سبزواریامیدباغانیاستادیار دانشکده ریاضی و علوم کامپیوتر، دانشگاه حکیم سبزواریJournal Article20200905This study aims to provide a computational-approximate algorithm based on Rationalized Haar (RH) to estimate the vegetation of the Landsat image using reflecting this phenomenon in the near-infrared band. This band is in the RGB color combination and located in the R section.This algorithm, using Digital Number (DN) vegetation in 200 selected pixels of R band (infrared band) from the study area, tries to extract the features and vegetation of the whole study area. The number of selected pixels is distributed uniformly and only covers the vegetation.Due to using the matrix format in the input data, first vegetation reflection matrices for 4 and 8 wavelets are constructed using the assumed 200 pixels. Then, these matrices are extended to 16 and 64 parts respectively, through blocking the Landsat image of the region.Each matrix element represents the average vegetation of the area in its corresponding block. Then, by introducing an efficient mathematical equation, the vegetation of the entire study area is extracted. In addition, each pixel is reconstructed. Due to matrix calculations, speed and accuracy of calculations at the pixel scale will be listed as advantage of this approach.In this study, vegetation extraction with 4 and 8 RH Wavelets was performed with 75 and 87.5% accuracy, respectively. As the number of wavelets increases, the accuracy of the RH wavelet algorithm increases. However, rounding error and the increase in computational cost in high number of wavelet can be listed as disadvantage of this method. Such that, time and space memory will be increased exponentially. In remote sensing, extraction techniques such as classification have been proposed by remote sensing software. The accuracy of vegetation pixel extracted using this approach will be as advantage in comparison with those common methods. In processing and analytical techniques (for vegetation extraction and classification) in remote sensing, many pixels contain vegetation depicted as single or clustered (but in small numbers) while, in other classes such as barren or Urban land will be merged, which RH wavelet overcomes this shortcoming.هدف این مطالعه، ارائه یک الگوریتم محاسباتی-تقریبی بر پایه موجکهایهار گویا[1]، برای تخمین پوشش گیاهی از تصویر لندست، بهکمک بازتاب این پدیده در باند مادون قرمز نزدیک است. این باند در ترکیب رنگی RGB، در بخش R قرارگرفته است. این الگوریتم، با استفاده از DN[1] پوشش گیاهی در 200 پیکسل انتخابی باند R (باند مادون قرمز) از سطح تصویر منطقه مورد مطالعه، سعی در استخراج عوارض و پوششهای گیاهی کل منطقه مورد مطالعه را دارد. این تعداد پیکسل انتخابی، بهصورت یکنواخت و پراکنده از سطح تصویر و فقط از عوارض پوشش گیاهی انتخاب شده است. باتوجه بهپذیرش دادههای ورودی در این الگوریتم در فرمت ماتریس، در ابتدا ماتریسهای بازتاب پوشش گیاهی برای 4 و 8 موجک با استفاده از 200 پیکسل مفروض ساخته میشوند. این ماتریسها، با بلوکبندی تصویر لندست منطقه، بهترتیب به 16 و 64 قسمت به دست میآیند. هر عضو این ماتریسها، نشاندهنده میانگین پوشش گیاهی منطقه در بلوک متناظر آن از تصویر منطقه است. سپس با معرفی یک معادله کارآمد ریاضی، بهاستخراج پوشش گیاهی کل منطقه مورد مطالعه و بازسازی باند هر پیکسل از سطح تصویر میپردازیم. از جمله مزیتهای این روش، بهدلیل انجام محاسبات ماتریسی، افزایش سرعت و دقت محاسبات در حد مقیاس پیکسل خواهد بود. در این مطالعه، استخراج پوشش گیاهی با 4 و 8 موجک هار گویاشده، با میزان دقت بهترتیب 75 و 87.5 درصد انجام شده است. با افزایش تعداد موجکها، دقت الگوریتم موجک هارگویا افزایش مییابد، اما از دلایل موجود جهت عدم افزایش تعداد موجکها، افزایش خطای گرد کردن و افزایش هزینه محاسباتی بوده است، بهطوریکه با افزایش تعداد موجکها، زمان و حافظه صرفشده به صورت نمایی افزایش مییابند. در سنجش از دور، برای استخراج پوشش گیاهی، تکنیکهایی نظیر طبقهبندی[1] ارائه شده است که بهوسیله آنها میتوان کلاس پوشش گیاهی را با نرمافزارهای سنجش از دوری استخراج نمود. اما تفاوت اصلی و اساسی بین روش ارائهشده دراین مقاله و تکنیکهای موجود، میزان دقت استخراج پوشش گیاهی در ابعاد پیکسل است. در تکنیکهای پردازشی و تحلیلی (در خصوص استخراج و کلاسبندی پوشش گیاهی) در سنجش از دور، بسیاری از پیکسلهای حاوی پوشش گیاهی که بهصورت منفرد یا خوشهای (اما بهتعداد کم) هستند، در سایر کلاسها نظیر زمین بایر یا زمین شهری ادغام خواهند شد، که الگوریتم موجکهایهار گویاشده، فاقداین نقیصه است. https://gisj.sbu.ac.ir/article_96960_1126494ee7a45efb4be537d6110d1a68.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-596612220200722A Novel Method for Forest Height Estimation Using PolInSAR Dataارائه روشی نوین جهت برآورد ارتفاع جنگل با استفاده از دادههای تداخلسنجی پلاریمتریک راداری57729697510.52547/gisj.12.2.57FAامیرآقابالائیدانشجوی دکتری گروه فتوگرامتری و سنجشازدور، دانشکده مهندسی نقشهبرداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایرانحمیدعبادیاستاد گروه فتوگرامتری و سنجشازدور، دانشکده مهندسی نقشهبرداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایرانیاسرمقصودیدانشیار، گروه فتوگرامتری و سنجش ازدور، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران0000-0003-2731-9057Journal Article20190611Monitoring the earth and its biosphere is an essential task in any scale to achieve a sustainable development. Therefore, forests, as an invaluable natural resource, have an important role to control the climate changes and the carbon cycle. For this reason, biomass and consequently forest height have been known as the key information for monitoring the forest and its underlying surface. Several studies, it has been shown that Synthetic Aperture RADAR (SAR) imaging systems can greatly help to this purpose. In this framework, a novel technique called Polarimetric SAR Interferometry (PolInSAR) is an appropriate and an available tool for forest height estimation, due to its sensitivity to location and vertical distribution of the forest structural components. Based on this, from a view point, the methods employed in this field can be divided into two categories: a) based on Random Volume over Ground (RVoG) inversion model, and b) based on model-based decomposition techniques of PolInSAR data. In this study, in order to improve the forest height estimation, a novel method based on the combination of two mentioned categories has been proposed. The performance and the efficiency of the proposed method were demonstrated by four datasets related to the Pine and the deciduous forests which simulated from the PolSARProSim software in L and P bands.پایش زمین، در هر مقیاسی جهت نیل به توسعه پایدار لازم و ضروری است. از اینرو، جنگلها بهعنوان یک منبع طبیعی ارزشمند، نقش مهمی در کنترل تغییرات آبوهوایی و چرخه کربن دارند. بههمین دلیل، زیستتوده و به تبع آن ارتفاع جنگل جزو اطلاعات کلیدی برای پایش جنگل و زمین زیر آن به شمار میآیند. در مطالعات بسیاری نشان داده شده است که سامانه تصویربرداری رادار با روزنه مجازی (SAR) میتوانند کمک شایانی به این هدف کنند. در این راستا، تکنیک جدیدی که تداخلسنجی پلاریمتریک SAR (PolInSAR) نامیده میشود، ابزاری مناسب و در دسترس جهت برآورد ارتفاع جنگل است، چراکه به موقعیت و توزیع قائم اجزای ساختاری جنگل حساس است. بر این اساس، از یک نقطه نظر، روشهای بهکار برده شده در این حوزه را میتوان به دو دسته تقسیم کرد: الف) بر اساس مدل معکوسگیری حجم تصادفی بر زمین (RVoG)، و ب) بر اساس تکنیکهای تجزیه مدلمبنای دادههای PolInSAR. در این تحقیق، برای بهبود برآورد ارتفاع جنگل روشی نوین بر اساس ترکیب دو دسته روش اشاره شده پیشنهاد شده است. عملکرد و کارآمدی روش پیشنهادی، توسط چهار مجموعه داده شبیهسازی شده از نرمافزار PolSARProSim در دو نوع جنگل به ترتیب با گونههای درختی کاج و برگریز و در باندهای L و P اثبات شد. بهطوریکه در منطقه جنگلی با گونههای درختی کاج، در باند L و بهویژه با استفاده از روش ترکیبی (فاز و کوهرنسی) 38/3 متر بهبود در برآورد ارتفاع حاصل شد. در باند P نیز بالاخص با استفاده از روش دامنه کوهرنسی، 74/2 متر بهبود حاصل شد. همچنین در منطقه جنگلی با درختان برگریز، در باند L و P به ترتیب 77/4 متر و 38/2 متر بهبود در برآورد ارتفاع بهترتیب با استفاده از روشهای تفاضلی مدل رقومی ارتفاعی (DEM) و دامنه کوهرنسی بهدست آمد.https://gisj.sbu.ac.ir/article_96975_b7c53b9df0376d027341e44f28070aad.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-596612220200722Evaluation of Anzali Wetland Depth Changes Using Satellite Images and Meteorological Data over Thirty Yearsارزیابی تغییرات عمق تالاب انزلی با استفاده از تصاویر ماهواره ای و دادههای هواشناسی در بازه سی ساله73829698210.52547/gisj.12.2.73FAسباخاریابنددانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی دانشگاه تهرانساراعطارچیاستادیار دانشکده جغرافیا دانشگاه تهرانJournal Article20200511In recent decades in Iran, due to the effect of climate change and population growth, the extent and depth of water in wetlands have been largely decreased. Therefore, it is worth finding the main reasons of the changes and if possible to reduce the rate of changes. Great advances in remote sensing technology offer valuable opportunities to monitor the trend of changes in natural environment. Landsat satellites from 1970s has the largest archive of remote sensing images. Remote sensing images provide data in wide area with high temporal resolution and low cost. Anzali Wetland is one of the most important international wetlands of Iran which has been registered in Ramsar Convention. In recent decades, population growth and expansion of cities and farm lands near Anzali wetland, climatic changes in this region and also changes in Caspian Sea’s water level threaten this wetland. The present study investigates wetland depth changes using Landsat imagery. Furthermore the depth changes have been thoroughly explained concerning rain fall, temperature and the Caspian Sea’s water level changes over a 30-year period from 1988 to 2018. Our Findings emphasizes that the depth of water in this wetland is more related to the changes of the Caspian Sea’s water level and the rainfall and temperature are not the main reason of decreasing of the wetland’s depth.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.https://gisj.sbu.ac.ir/article_96982_86d8446753774681aa4856d27ef6c3ae.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-596612220200722The combination of attraction model and genetic algorithm to predict stream networksپیشبینی شبکههای آبراهه با استفاده از مدل زیر جاذبه و الگوریتم ژنتیک در محیط GIS83949699210.52547/gisj.12.2.83FAمهرانشایگاناستادیار گروه سنجش از دور و GIS، دانشگاه تربیت مدرسمرضیهمکرمدانشیار بخش مرتع و آبخیزداری، دانشکده کشاورزی و منابع طبیعی داراب، دانشگاه شیرازJournal Article20201122The aim of this study was to use the attraction model to increase the spatial resolution of the Digital Elevation Model (DEM) and to use the genetic algorithm to predict stream network in the future and compare its results with stream of extraction of DEM with resolution of 30 m. In the quadrant neighborhood, a neighbor pixel is the only pixel in the same quadrant while in touching neighborhood a neighbor pixel that is the pixel, which physically touches a subpixel. In this method, the pixels were divided into a number of sub-pixels according to the values of the neighboring pixels. The results of the attraction model showed that Scale 2 with the Neighborhood model 2 is more accurate than other Neighborhoods for extracting DEM with higher resolution. The results showed that the predicted stream-network landscapes created using the GLE algorithm had the self-similar tree structure of natural stream networks. Also, the results of the genetic algorithm showed that a change in the degree of waterways in the study area over time compared to the current situation, so that the degree of number of first-class waterways in the future will change to grade 3 due to erosion in upper lands. Therefore, using these models, the condition of waterways can be predicted in the future and better management can be adopted for watersheds.آبراههها، زهکش در یک حوضه آبخیز محسوب میشوند که تاثیر زیادی بر روی ویژگیهای فیزیوگرافی، هیدرولوژی، فرسایش و رسوب یک حوضه آبخیز دارند. هدف از این مطالعه، استفاده از مدل جاذبه به منظور افزایش قدرت تفکیک مکانی مدل رقومی ارتفاع (DEM) و استفاده از الگوریتم ژنتیک به منظور پیشبینی آبراههها در آینده و مقایسه نتایج آن با خطوط آبراهه مستخرج از DEM با قدرت تفکیک ۳۰ متر است. برای استخراج DEMهای با قدرت تفکیک بالاتر، در مدل جاذبه برای تولید زیرپیکسل ها از مقیاس ۳ و مدل همسایگی چهارگانه که دارای دقت بالاتری هستند استفاده شد. از DEM حاصل از مدل جاذبه، به عنوان داده ورودی برای پیشبینی و استخراج آبراهههای منطقه مورد مطالعه با استفاده از الگوریتم ژنتیک در آینده استفاده شد. در الگوریتم ژنتیک، بهینهسازی و پیشبینی شبکههای رودخانه بر اساس تابع «نیروی جریان» و با ایجاد تغییرات در بالا آمادگیها و رسوبگذاریها در منطقه مورد مطالعه انجام شد. نتایج حاصل از مدل جاذبه نشان داد که مقیاس ۲ با مدل همسایگی ۲ گانه دارای دقت بالاتری نسبت به دیگر همسایگیها برای استخراج DEM با قدرت تفکیک بالاتر است. همچنین نتایج حاصل از الگوریتم ژنتیک، نشان دهنده تغییر درجه آبراهههای منطقه مورد مطالعه در طول زمان نسبت به وضع موجود است، به طوری که درجه تعدادی از آبراهههای درجه اول در آینده به درجه ۳ تغییر خواهد کرد که علت آن فرسایش آبراهههای درجه کمتر و اضافه شدن به آبراهههای درجه بالاتر است. از نتایج این تحقیق، میتوان برای پیشنهاد محلهای مناسب ایجاد بندهای انحرافی و یا محلهای مناسب برای احداث سازههای مختلف با توجه به تغییرات در مورفومتری آبراههها در آینده، استفاده کرد.https://gisj.sbu.ac.ir/article_96992_5d1e4124be70f2ceb53948be8d694273.pdf