صیاد اصغری سراسکانرود؛ مصطفی امیدی فر؛ احسان قلعه
چکیده
شناخت لندفرمها و نحوه پراکنش آنها از نیازهای اساسی در علم ژئومورفولوژی کاربردی و سایر علوم محیطی است و نقشه لندفرمها نمایانگر اشکال سطح زمین و نیز ماهیت فرآیندهایی است که در زمان حاضر رخ میدهند. هدف از این تحقیق، شناسایی لندفرمها و کاربریهای اراضی حوضه آبریز قرنقو با استفاده از روشهای طبقهبندی شیگرا شامل الگوریتم نزدیکترین ...
بیشتر
شناخت لندفرمها و نحوه پراکنش آنها از نیازهای اساسی در علم ژئومورفولوژی کاربردی و سایر علوم محیطی است و نقشه لندفرمها نمایانگر اشکال سطح زمین و نیز ماهیت فرآیندهایی است که در زمان حاضر رخ میدهند. هدف از این تحقیق، شناسایی لندفرمها و کاربریهای اراضی حوضه آبریز قرنقو با استفاده از روشهای طبقهبندی شیگرا شامل الگوریتم نزدیکترین همسایه و آستانهگذاری میباشد. بدین منظور از تصاویر ماهواره لندست برای بازه زمانی 1990 (TM) و 2020 (OLI) استفاده شد. برای اعمال طبقهبندی در گام نخست تصحیحات اتمسفری و رادیومتریکی بر روی تصاویر اعمال شد و سپس به منظور شناسایی و استخراج بهتر پدیدهها از الگوریتمهای PCA و MNF استفاده شد. برای انجام طبقهبندی تصاویر ماهوارهای نیز از روشهای طبقهبندی شیگرا شامل روش نزدیکترین همسایه و آستانهگذاری بهره گرفته شد. برای صحت نقشههای تولید شده با استفاده از ضریب کاپا و صحت کلی استفاده گردید. نتایج ارزیابی روشهای مورد استفاده نشان داد که روش نزدیکترین همسایه دارای دقت بیشتری نسبت به روش آستانهگذاری میباشد. همچنین نتایج حاصل از طبقهبندی نشان داد که بیشترین میزان تغییرات کاهشی در خلال سالهای 1990-2020 مربوط به کاربری مرتع متراکم میباشد، چرا که 49/12 درصد کاهش داشته است و بیشترین میزان تغییرات افزایشی مربوط به کاربری زراعت آبی میباشد که 83/10 درصد افزایش داشته است که مهمترین علت این افزایش مساحت را میتوان به احداث سد سهند در طول زمان ارتباط داد.
ژئومورفولوژی
موسی عابدینی؛ احسان قلعه
چکیده
آگاهی از تغییرات کاربری و پوشش سطح اراضی امری ضروری در برنامهریزی صحیح در جهت توسعه پایدار به شمار میآید. امروزه فناوریهای سنجش از دور به عنوان عنصر اصلی در پایش کاربری اراضی و تغییرات پوشش گیاهی مورد استفاده قرار میگیرد. پژوهش حاضر به منظور بررسی روند تغییرات کاربری اراضی با مقایسه روشهای پیکسل پایه و شیگرا در تهیه ...
بیشتر
آگاهی از تغییرات کاربری و پوشش سطح اراضی امری ضروری در برنامهریزی صحیح در جهت توسعه پایدار به شمار میآید. امروزه فناوریهای سنجش از دور به عنوان عنصر اصلی در پایش کاربری اراضی و تغییرات پوشش گیاهی مورد استفاده قرار میگیرد. پژوهش حاضر به منظور بررسی روند تغییرات کاربری اراضی با مقایسه روشهای پیکسل پایه و شیگرا در تهیه نقشه کاربری اراضی حوضه مردق چای با استفاده از تصاویر لندست در سال 2000 و 2020 انجام گرفت. برای مقایسه نتایج در هر دو روش از دادههای آموزشی یکسان برای طبقهبندی استفاده گردید. سپس روشهای ارزیابی شامل صحت کلی و ضریب کاپای طبقهبندی استخراج و مشخص شد که نتیجه طبقهبندی به روش شیگرا با ضریب کاپا و صحت کلی به ترتیب برابر با 89/0 و 08/91 برای سال 2000 و 92/0 و 66/93 برای سال 2020 نسبت به روش پیکسل پایه نتایج بهتری ارائه میدهد. بر اساس نتایج حاصله از آشکارسازی تغییرات کاربری اراضی، بیشترین میزان تغییر حادث شده مربوط به کاربری مرتع متراکم به مرتع متوسط با مقدار 448/35، کاربری خاک به مرتع متوسط با مقدار 686/27 و مرتع متوسط به مناطق مسکونی با مقدار 347/21 کیلومترمربع میباشد. همچنین کمترین تغییرات حادث شده مربوط به کاربری کوهستان به خاک با مقدار 015/0، مناطق مسکونی به مرتع متراکم با مقدار 023/0 و مرتع متراکم به خاک با مقدار 081/0 کیلومترمربع میباشد. آنچه که در نقشهها بسیار واضح است کاهش بیش از حد مراتع و تبدیل آن به سایر کاربریها میباشد.
بتول زینالی؛ احسان قلعه؛ شیوا صفری
چکیده
پوشش برف و یخ یک منبع حیاتی بوده و به تغییرات اقلیم بسیار حساس میباشد. اندازهگیری دقیق و منظم توزیع مکانی برف و یخ برای مدیریت منابع آبی ضروری میباشد. دراین پژوهش اقدام به استخراج سطح پوشش برف کوهستان سبلان با استفاده ازتصاویر ماهوارهای لندست ۵ برای سال ۲۰۰۰ و لندست ۸ برای سال ۲۰۲۰ با استفاده از طبقهبندی شیگرا و همچنین با ...
بیشتر
پوشش برف و یخ یک منبع حیاتی بوده و به تغییرات اقلیم بسیار حساس میباشد. اندازهگیری دقیق و منظم توزیع مکانی برف و یخ برای مدیریت منابع آبی ضروری میباشد. دراین پژوهش اقدام به استخراج سطح پوشش برف کوهستان سبلان با استفاده ازتصاویر ماهوارهای لندست ۵ برای سال ۲۰۰۰ و لندست ۸ برای سال ۲۰۲۰ با استفاده از طبقهبندی شیگرا و همچنین با استفاده از شاخصهای طیفی NDSI و NDSINW شد. نتایج بررسی نقشههای طبقهبندی مستخرج از روش شیگرا نشان داد که مساحت تحت پوشش برف برای سالهای ۲۰۰۰ و ۲۰۲۰ به ترتیب ۲۵۰۰ و ۱۹۵۴ کیلومترمربع میباشد که ضریب کاپا و صحت کلی برای هر دو سال به ترتیب 99/0 و 99 درصد میباشد. سپس اقدام به استخراج مساحت تحت پوشش برف با استفاده از شاخصهای طیفی NDSI و شاخص NDSINW شد. هر دو شاخص ذکر شده قادر به استخراج سطح پوشش برف با دقت نسبی مناسب در منطقه سرد و زمستانی هستند. ولی شاخص NDSI به دلیل اینکه تمایزی میان برف و آب قائل نمیشود مکن است نتایج متفاوتی در مناطقی با حضور عوارض آبی در ارتباط با استخراج مساحت تحت پوشش برف حاصل کند. درحالیکه شاخص NDSINW با حذف پسزمینه عوارض آبی دقیقتر عمل میکند. در رابطه با تحقیق حاضر شاخص NDSI مقادیر مساحت تحت پوشش برف را ۲۶۱۰ و ۲۵۷۷ کیلومترمربع و شاخص NDSINW مقادیر ۲۵۷۷ و ۱۹۳۷ کیلومترمربع به ترتیب برای سالهای ۲۰۰۰ و ۲۰۲۰ استخراج کرده است که مساحت به دست آمده از شاخص NDSINW به مساحت استخراجشده به روش طبقهبندی شیگرا نزدیکتر میباشد.