سنجش از دور و GIS ایران

ارزیابی آسیب پذیری آبخوان، کاری سودمند برای توسعه و مدیریت و تصمیم گیری های مربوط به کاربری اراضی، نحوه پایش کیفی منابع آب زیرزمینی و جلوگیری از آلودگی این آب ها به شمار می آید. هدف از این مطالعه، به کارگیری مدل هوشمند ریاضی برای پیش بینی آسیب پذیری آب های زیرزمینی در استان زنجان است و به همین خاطر با استفاده از مدل ANFIS، روش جدیدی برای تخمین آسیب پذیری آب های زیرزمینی ارائه شده است. فرایند توسعه و ارزیابی این مدل با استفاده از مجموعه داده های واقعی و معیارهای آماری صورت گرفته است. بدین منظور با تهیة داده های مورد نیاز شامل عمق سطح آب زیرزمینی، تغذیه خالص، محیط آبخوان، محیط خاک، توپوگرافی، تأثیر منطقه غیراشباع و هدایت هیدرولیکی آبخوان، اقدام به ایجاد مدل ANFIS شد. در مرحلة بعد نتایج حاصل از مدل با داده های واقعی اعتباریابی گردید. طبق نتایج تحقیق، مدل ایجاد شده توان پیش بینی موفقیت آمیز آسیب پذیری آب های زیرزمینی را دارد. مقادیر RMSE و در مرحله آموزش به ترتیب 18/101 و 98/0، و در مرحله ارزیابی 8/173 و 94/0 به دست آمدند. روش ارائه شده در این تحقیق، رهیافت جدیدی در تخمین آسیب پذیری آب های زیرزمینی به شمار می آید و قابلیت اتصال و ترکیب با مدل های دیگر و نیز به هنگام سازی با توجه به شرایط واقعی را به خوبی دارد. در بررسی نتایج حاصل از مدل ANFIS، بیشترین درصد پتانسیل آلودگی دشت مربوط به کلاس آسیب پذیری کم 74 درصد، و کمترین آن مربوط به کلاس خیلی بالا 1 درصد برآورد شده است.

زیرپهنه لرستان، در بخش شمال غرب پهنه زاگرس چین خورده قرار دارد. پوشش رسوبی این زیرپهنه به مانند دیگر بخش های کمربند چین خورده ـ رانده زاگرس، تحت تأثیر فعالیت مجدد ساختارهای زیرسطحی در خلال کوهزایی میوسن پسین زاگرس دچار دگرریختی هایی شده است. از مسائل ساختاری در زیرپهنه لرستان، عدم ارتباط برخی تغییرشکل های سطحی با گسل های سطحی است. در این مطالعه، با استفاده از تصاویر لندست ETM+ ، و با توجه به تغییر شکل های سطحی چون انحنا، قطع شدگی و جدایش ساختارها همچون انحنای اثر محوری چین ها، اقدام به شناسایی و به نقشه درآوردن خطواره های گسلی ـ که می توانند مرتبط با فعالیت گسل های زیرسطحی باشند ـ شده است. این خطواره های گسلی علاوه بر دارا بودن روند شمال ـ غرب (مربوط به گسل های راندگی کمربند چین خورده ـ رانده)، دارای دو روند عمومی دیگر شمال ـ شمال غرب با جدایش راستگرد و شمال شرقی با جدایش چپگرد نیز هستند. برای تحلیل منشأ این خطواره ها، از انطباق آنها با داده های زیرسطحی چون زمین لرزه ها و خطواره های مغناطیسی استفاده شده است. انطباق برخی از خطواره های گسلی شناسایی شده با شکستگی های پی سنگی نشانگر پی سنگی بودن آنهاست؛ و بیشترین انطباق ها به خطواره های گسلی که روند شمال ـ شمال غرب دارند مربوط می شود. به علاوه، انطباق سازوکار و روند برخی از زمین لرزه های رخ داده در زیرپهنه لرستان، با این خطواره های گسلی شناسایی شده نیز مؤید پی سنگی بودن آنهاست. اعتقاد بر این است که این خطواره ها در نتیجه فعالیت مجدد گسل های پی سنگی متأثر از همگرایی ورقه عربی با ایران مرکزی ایجاد شده اند. دیگر خطواره های گسلی که با روند شکستگی های پی سنگی هم روند نیستند، حاصل مراتب فعالیت جوان تر گسل های پی سنگی در پوشش رسوبی اند، به گونه ای که وجود سطوح جدایشی در پوشش رسوبی مانع توسعه فعالیت این گسل های پی سنگی در سطح شده است. تمرکز غالب زمین لرزه های رخ داده در زیرپهنه لرستان در محدوده گسله بالارود و پیشانی کوهستان و همروندی روند این گسل ها با گسلش های زمین لرزه ای، نشان از آن دارد که این دو پهنه از پهنه های اساسی پی سنگی در لرستان به شمار می آیند.

برداشت بی رویه آب های زیرزمینی و افزایش آلودگی های زیست محیطی در نتیجة رشد روزافزون جمعیت، منجر به افزایش املاح و کاهش کیفیت آب های زیرزمینی شده است. یکی از شاخص های مهم در بررسی وضعیت کیفیت آب های زیرزمینی، هدایت الکتریکی است. افزایش هدایت الکتریکی نه تنها موجب کاهش کیفیت آب آشامیدنی می شود بلکه خسارت های جبران ناپذیری را بر خاک و کیفیت محصولات کشاورزی وارد می کند. هدف این تحقیق ارزیابی دقت روش های زمین آمار کریجینگ معمولی (OK)، کریجینگ ساده (SK) و روش های معین شامل روش عکس فاصله (IDW) با درجات 1 تا 5، روش درون یاب موضعی (LPI) و درون یاب عام (GPI) برای پهنه بندی شوری آب های زیرزمینی دشت شهرکرد است. با استفاده از تکنیک Cross-Validation با معیار آماری MAE و MBE، ارزیابی روش های مختلف زمین آمار صورت گرفت. نتایج نشان داد که روش کریجینگ معمولی با مدل نمایی به دلیل دارا بودن MAE و MBE پایین تر (09/0=MBE و 57/65=MAE)، با کمترین خطا و انحراف نسبی همراه است. بررسی های انجام شده نشان داد که همبستگی مکانی خوب بین داده های اندازه گیری شده در نقاط مختلف دشت شهرکرد وجود دارد، به گونه ای که مدل نیم تغییر نمای تجربی با شعاع تأثیر حداکثر 12 کیلومتر و دارای برابر 33 درصد است. در نهایت، روش کریجینگ معمولی به عنوان مناسب ترین روش میان یابی در تهیه نقشه تغییرات مکانی شوری دشت شهرکرد انتخاب شد.

هدف اصلی از این مقاله، تعیین پتانسیل ژئوئید با استفاده از داده های ماهوارة ارتفاع سنجی، Jason-2 و ماهواره GRACE است. مراحل انجام تحقیق حاضر براساس الگوریتم زیر است: 1) تهیه 80 دوره، در حدود 27 ماه، داده های خام ماهواره ارتفاع سنجی Jason-2؛ 2) انجام تصحیحات لازم نظیر: جزر و مدی، اتمسفریک و دستگاهی بر روی داده های خام به منظور تعیین ارتفاع سطح آب تصحیح شده؛ 3) تعیین پتانسیل ثقل روی نقاط سطح متوسط دریا به صورت ماهانه، با استفاده از ضرایب ماهانه هارمونیک های کروی مدل های ژئوپتانسیل ماهواره GRACE؛ 4) حذف داده های مربوط به دریاچه های بزرگ دنیا، به خصوص خزر یا کاسپین؛ و 5) متوسط گیری از باقی ماندة داده ها به منظور تعیین پتانسیل ژئوئید. نتایج نشان می دهند که متوسط پتانسیل ژئوئید در فاصله زمانی ـ از ژوییه 2008 تا سپتامبر 2010- در حدود بوده که بیشترین مقدار تغییرات زمانی ماهانه آن با دوره تناوب نیمه سالانه در حدود 2/2 مترمربع بر مجذور ثانیه است.

با گسترش سنجش از دورِ فراطیفی، امکان بهره گیری از گروه جدیدی از شاخص های طیفی ـ با عنوان شاخص های باریک باند ـ برای تخمین پارامترهای بیوفیزیکی و بیوشیمیایی گیاهان به وجود آمده است. هدف از این مطالعه، مناسب ترین نواحی طیفی برای تخمین محتوای آبی گیاه با استفاده از شاخص های گیاهی و همچنین بررسی تأثیرات تاج پوشش گیاه و خاک پس زمینه در انتخاب این شاخص هاست. اندازه گیری های تاج پوشش گیاه در آزمایشگاه سنجش از دور با استفاده از دستگاه اسپکترومتر GER 3700 صورت گرفت. دو گروه از شاخص های گیاهی، با عنوان شاخص های نسبتی و شاخص های تعدیل کننده تأثیر خاک برای برآورد مقدار محتوای آبی گیاه تکوین یافتند و پس از ارزیابی، مقایسه شدند. برای محاسبه شاخص های باریک باند با استفاده از داده های فراطیفی موجود، تمامی ترکیب های دوباندی ممکن برای 584 باند در دامنه طیفی 400 تا 2400 نانومتر به منظور محاسبه شاخص های باریک باند و تخمین محتوای آبی گیاه، با استفاده رگرسیون خطی مورد ارزیابی قرار گرفتند. دقت نتایج تخمین محتوای آبی گیاه با استفاده از شاخص ها با باندهای بهینه به دست آمده، با استفاده از مقادیر ضریب همبستگی (2R) و ریشه میانگین مربعات خطا (RMSE) و روش Cross-validation سنجیده شد و مورد مقایسه قرار گرفت. به دلیل تنوع در نوع تراکم تاج پوشش های گیاهی مورد بررسی و شرایط متفاوت خاک پس زمینه، با تقسیم بندی گیاهان به دو گروه با خاک پس زمینة متفاوت (تیره و روشن)، و همچنین دو تاج پوشش گیاهی متراکم و تنک، این تأثیرات در انتخاب بهترین شاخص ها مورد ارزیابی قرار گرفتند. نتایج نشان از آن داشتند که دقت تمامی شاخص ها در داده های با خاک پس زمینة روشن و داده های دارای تاج پوشش متراکم، به ترتیب در قیاس با داده های دارای خاک پس زمینة تیره و تاج پوشش تنک، با دقت بالاتری همراه بودند. ، ، ، ، ، ، ، ) نتایج به دست آمده در این تحقیق، توجه به خاک پس زمینه و ساختار تاج پوشش گیاهی را در انتخاب بهترین شاخص و باندهای بهینه برای شاخص ها، آشکار می سازد.

پوشش برف حدود 50 میلیون کیلومتر مربع از سطح نیم کره شمالی را تشکیل می دهد و بنابراین به خاطر آلبدوی بالا و رسانش گرمایی پایین تأثیر عمده ای در بیلان انرژی زمین دارد. همچنین قسمت اعظم ذخایر آبی مورد استفاده انسان از پوشش برف، به ویژه در مناطق کوهستانی جهان، تأمین می شود. از جمله محدودیت های نقشه های برفی که از باندهای مرئی و مادون قرمز حرارتی استفاده می کند تاریکی ابر است و شناسایی ابرها به دو دلیل لازم است: یکی برای نشان دادن مناطقی که ابر سطح شان را می پوشاند، و دیگری به منظور جلوگیری از خطاهایی که به دلیل شناسایی نادرست ابر به عنوان برف به وجود می آید. در این مطالعه تصاویر سنجنده MODIS به دلیل قدرت تفکیک مکانی مناسب در برف سنجی، بازنگری زمانی سریع و تعداد زیاد باندهای طیفی مورد استفاده قرار گرفت. منطقه مورد مطالعه محدوده البرز مرکزی و دارای چندین ایستگاه برف سنجی است. با بررسی الگوریتم های مختلف تعیین سطح برف، سرانجام الگوریتم Snow Map بر تصاویر اعمال شد. با توجه به اینکه محدودیت اصلی در الگوریتم Snow Map، عدم توانایی آن در جداسازی برخی ابرهاست، برای رفع این مشکل الگوریتم ماسک ابر لیبرال بر تصاویر اعمال شد و نتایج آن با تصاویر حاصل از اعمال الگوریتم Snow Map بدون ماسک ابر لیبرال با استناد بر داده های ایستگاه های برف سنجی و کمک پارامتر ارتفاع مقایسه گردید. نتایج نشان می دهد که الگوریت Snow Map توانایی جداسازی ابرهای ارتفاع بالا و ابرهای دارای ذرات یخ را ندارد و آنها را به عنوان برف طبقه بندی می کند. بررسی ها نشان می دهد زمانی که ماسک ابر لیبرال استفاده شود، دقت الگوریتم Snow Map در مقایسه با زمانی که ماسک ابر جدید استفاده نمی شود 10 درصد افزایش می یابد و از طبقه بندی برخی ابرها در کلاس برف جلوگیری می کند.

شناسایی و اکتشاف کانی های مناطق به روش سنتی از طریق عملیات زمینی و کارهای میدانی انجام می شود. این روش، زمان و هزینه و نیروی انسانی فراوان می طلبد و گاه نیز با خطا همراه است. امروزه علم سنجش از دور با بهره گیری از رفتارهای طیفی منحصر به فرد کانی ها، به عنوان روشی جدید، مورد استفادة علم اکتشاف معدن و زمین شناسی قرار گرفته است. با پیشرفت علم سنجش از دور و پیدایش سنجش از دور فراطیفی، امکان دریافت تصاویر با قابلیت و توانایی طیفی بسیار بالا و دسترسی به اطلاعات وسیع تر و دقیق تر در این زمینه فراهم شده است. در پژوهش حاضر از تصاویر Hyperion ماهواره 1-EO که در تاریخ 4 سپتامبر 2004 دریافت شده، برای شناسایی نواحی دارای طلا در منطقه مشکین شهر واقع در شمال غرب ایران استفاده شده است. دلیل انتخاب طلا، اهمیت و ارزش و کمیاب بودن آن است. انتخاب اعضای مرجع این تحقیق، از عملیات میدانی قبلی در منطقه و اعضای مرجع حاصل از پیاده سازی الگوریتم PPI صورت گرفته است. سپس الگوریتم های SAM و LSU با اعضای مرجع انتخاب شده روی تصویر اجرا شدند. در نهایت نقشه طبقه بندی شدة حاصل از این روش ها با نقشه های موجود و داده های زمینی مقایسه شد و میزان صحت آنها بررسی گردید. دقت پیاده سازی روش SAM با انتخاب اعضای مرجع حاصل از PPI، به بیشترین میزان 94 (درصد) بوده است، که خود نشان از اهمیت تصاویر فراطیفی و روش SAM در استخراج نواحی دارای پتانسیل و آنومالی های طلا دارد.