شوری خاک ازجمله مخاطرات محیطی بالقوه محسوب می شود. هدف از این تحقیق یافتن بهترین شاخص و مناسب ترین رابطه جهت برآورد شوری خاک و تهیه نقشه آن با استفاده از داده های دورسنجی است. بدین منظور ابتدا نمونه برداری تصادفی با استفاده از روش تور ماهی و اندازه گیری هدایت الکتریکی خاک سطحی (EC) انجام شد. سپس سطوح حد آستانه (92%، 95% و 98%) روی تصاویر خروجی هر شاخص اعمال شد. از روش‌های کمترین مربعات رگرسیون شده (LS-fit) و آنالیز مؤلفه اصلی (PCA) برای کانی‌های هالیت و ژیپس، همبستگی بین خروجی شاخص ها و داده های زمینی، خوشه بندی و تحلیل عاملی بین مقادیر EC و تصاویر خروجی استفاده شد. جهت انتخاب بهترین مدل حاصل از ترکیب باندهای لندست-8 و میزان شوری، از آزمون هم خطی، آزمون دوربین-واتسون و رگرسیون چندمتغیره پس‌رو استفاده شد. همچنین جهت ارزیابی رگرسیون چندمتغیره باندهای لندست8، از ضریب کاپای کوهن استفاده شد. کارایی شاخص‌ها براساس چهار معیار مجذور میانگین مربعات خطا (RMSE)، میانگین انحراف خطا (MBE) و میانگین خطای مطلق (MAE) و ضریب تعیین (R2) ارزیابی شد. نتایج تحلیل عاملی کمترین فاصله را بین EC، شاخص شوری (SI) و شاخص درجه روشنایی (BI) نشان داد. به‌ طوری‌ که شاخص SI با مقدار 0.89 بیشترین همبستگی پیرسون را با EC داشت. در نمودار دندروگرام، شاخص SI با EC در یک خوشه قرار گرفتند و مقدار RMSE، MBE، MAE و R2 برای شاخص SI به ترتیب 0.16، 0.11، 0.12 و 0.76برآورد شد. شاخص SI نسبت به بقیه شاخص ها و رگرسیون چند متغیره خطی (با ضریب توافق کاپای کوهن 60%)، نتایج بهتری ارائه کرده است. پرونده مقاله

هدف پژوهش حاضر بررسی تأثیر تغییرات کاربری اراضی در شهر میناب بر تغییرات جزایر حرارتی شهری (UHI) با استفاده از روش طبقه بندی جنگل تصادفی و آمار فضایی بر روی تصاویر TM و OLI لندست طی سال های 1988، 1998، 2008 و 2018 بود. ابتدا با استفاده از الگوریتم های پنجره مجزا و تک‌ کاناله دمای سطح زمین محاسبه شد. نقشه کاربری های اراضی با استفاده از روش نظارت‌شده جنگل تصادفی تهیه و میزان کارایی آن با دو معیار صحت کلی و ضریب کاپا ارزیابی گردید. به‌ منظور بررسی خودهمبستگی فضایی و الگوی پراکنش لکه‌های داغ از دو آماره موران محلی و اَنسِلین و گتیس- اُرد جی استفاده شد. در سال 1988 کاربری های پوشش گیاهی، اراضی بایر و ساخت و سازهای شهری به ترتیب 30.1، 32.53، 37.37 درصد از مساحت شهر را به خود اختصاص داده اند. در سال 2018 مساحت این نواحی به ترتیب 16.36، 9.56 و 74.08 درصد شده اند. برای اراضی بایر و پوشش گیاهی به ترتیب کاهش سطح به میزان سه برابر و دو برابر مشاهده شد، درحالی‌که اراضی شهری بیشتر از دو برابر افزایش سطح داشته اند. مقادیر محاسباتی برای شاخص نسبت جزایر حرارتی شهری (URI) درسال های 1988، 1998، 2008 و 2018 به ترتیب 0.45، 0.34، 0.11 و 0.22 بود. نتایج دو آماره فضایی مورداستفاده نشان دهنده الگوی خوشه ای برای جزایر حرارتی شهر میناب بود. در ضمن تطابق بسیار خوبی بین نتایج آماره گتیس- اُرد جی (تحلیل فضایی لکه‌‌های داغ) و آماره موران محلی (خودهمبستگی فضایی) در مورد الگوی فضایی خوشه‌های گرم و سرد مشاهده شد. پرونده مقاله

پیشینه و هدف کشور ایران بدلیل قرار گرفتن در کمربند خشک و نیمه خشک جهان، در معرض پدیده های محلی و منطقه ای گرد و غبار قرار دارد. میانگین روزهای تؤام با گرد و غبار در استان یزد بالغ بر 43 روز در سال است و این مهم به نحوی بر سلامت و کیفیت زندگی مردم اثرات مخربی وارد آورده است. میزان غلظت ذرات معلق و شاخص عمق اُپتیکی هواویز (AOD) در پی وقایع گرد و غبار یکی از شاخص های کیفیت هوا می باشد. بنابراین بررسی و تهیه نقشه های پهنه بندی حساسیت با هدف شناسایی مناطق دارای قابلیت بالای تولید گرد و غبار، در محدوده فعالیت های بشری دارای اهمیت است و جهت کاهش خسارات احتمالی و مدیریت خطر، اقداماتی مانند پهنه بندی عرصه های مختلف تولید گرد و غبار می تواند مؤثر واقع شود. هدف از پژوهش حاضر پهنه بندی پتانسیل عرصه های مختلف مستعد گرد و غبار با استفاده از مدل های داده کاوی و شناسایی مهم‌ترین متغیرها بر این پدیده و بهره مندی از سنجش از دور در این راستا در استان یزد می‌باشد.مواد و روش ها در این تحقیق ابتدا متغیرهای اقلیمی مختلف (از تصاویر ماهواره ای مختلف) از جمله سرعت باد در ارتفاع ده متری سطح زمین (Vs)، رطوبت خاک (Soil)، بارش تجمعی (Pr)، شاخص خشکسالی پالمر (Pdsi)، شاخص پوشش گیاهی نرمال شده (NDVI)، خشکی خاک یا کمبود آب خاک (Def)، تبخیر و تعرق مرجع (Pet) و واقعی (Aet)، بعد توپوگرافی (TD)، رادیانس طول موج کوتاه رسیده به زمین (Srad)، حداقل دمای هوا (Tmmn)، حداکثر دمای هوا (Tmmx)، فشار بخار (Vap)، کمبود فشار بخار(Vpd) و درصد رس (Clay) با استفاده از کدنویسی در سامانه آنلاین گوگل ارت انجین (GEE) استخراج شدند. سپس نمونه ها از مناطق بحرانی و مستعد گرد و غبار در سیستم اطلاعات جغرافیایی و به کمک تصاویر AOD مودیس استخراج شدند و این ویژگی و همچنین سایر ویژگی ها در متغیرهای اقلیمی وارد سه مدل داده کاوی الگوریتم درختان رگرسیون و طبقه بندی (CART)، رگرسیون انطباقی چندمتغیره اسپیلاین (MARS) و درختان رگرسیون چندگانه جمع‌شدنی (TreeNet) شدند. در نهایت نتایج پیش بینی این مدل های داده کاوی در سیستم اطلاعات جغرافیایی تبدیل به نقشه و پهنه های مختلف پتانسیل خطر خیزش گرد و غبار شدند.نتایج و بحث در روش CART متغیرهایی هم‌چون شاخص پوشش گیاهی نرمال شده، تبخیر و تعرق واقعی، مدل رقومی ارتفاع، طول موج کوتاه رسیده به سطح زمین، شاخص خشکسالی پالمر، سرعت باد و درصد رس، گره های انتهایی جهت شناسایی مناطق با میانگین بالای عمق اپتیکی هواویزها می باشد. در این روش رطوبت خاک، مدل رقومی ارتفاعی و تبخیر تعرق رفرنس بیشترین اهمیت نسبی را در شناسایی مناطق بحرانی خیزش گرد و غبار نشان دادند. ضریب همبستگی مدل مقدار 0.85 را نشان داد. نتایج داده کاوی به روش MARS نشان داد متغیرهای تبخیر و تعرق واقعی، رطوبت خاک و شاخص خشکسالی پالمر بیشترین اهمیت نسبی را در شناسایی مناطق بحرانی خیزش گرد و غبار داشته اند. ضریب همبستگی مدل مقدار 0.72 را نشان داد. همچنین در روش TreeNet متغیرهای رطوبت خاک، شاخص خشکسالی پالمر و تبخیر و تعرق واقعی بیشترین اهمیت نسبی را نشان دادند. ضریب همبستگی مدل 0.75 بود. همچنین مناطق با حساسیت بسیار زیاد، زیاد، متوسط، کم و بسیار کم به ترتیب حدود 16% ، 19% ، 26% ، 20% و 20%، استان یزد را اشغال کردند.نتیجه گیری با توجه به نتایج یاد شده در مورد شناسایی تأثیرگذارترین متغیرها بر گرد و غبار در مناطق مختلف، نمی توان یک یا چند متغیر را در پدیده خیزش گرد و غبار برای همه مناطق، مشترک در نظر گرفت و این مهم از منطقه به منطقه ای دیگر تغییر می کند. کما اینکه متغیرهای زمین شناسی و کاربری اراضی در پژوهش حاضر جزء متغیرهایی بودند که هیچ‌گونه اثری بر متغیر وابسته یعنی حساسیت به گرد و غبار نداشتند. در پژوهش حاضر، اشتراکات متغیرهای مستقل مهم و چرخه تصمیم گیری شامل تبخیر و تعرق واقعی، رطوبت خاک، شاخص خشکسالی پالمر، سرعت باد، ارتفاع، شاخص پوشش گیاهی و حداقل دمای روزانه بودند. هیچ‌کدام از پژوهش های مرتبط در مورد موضوع پژوهش، در انتخاب بهترین مدل داده کاوی، همپوشانی نداشتند و مدل داده کاوی واحدی برای بررسی حساسیت مناطق مختلف به پدیده گرد و غبار در ایران یافت نشد. شایان ذکر است، در این پژوهش مدل الگوریتم درختان رگرسیون و طبقه بندی انتخاب شد. پژوهش حاضر در نوع مدل های داده کاوی استفاده شده و متغیرهای مستقل با پژوهش‌های یاد شده متفاوت بوده و با توجه به عدم همپوشانی نتایج انتخاب مدل برتر، نمی توان نسخه واحدی برای انتخاب بهترین مدل داده کاوی برای ایران در بحث گرد و غبار ارائه نمود. لذا پیشنهاد می شود از بهترین مدل های منتخب در پژوهش‌های یاد شده برای داده کاوی پدیده گرد و غبار در پژوهش‌های آتی استفاده و مورد قیاس قرار گیرند.http://dorl.net/dor/20.1001.1.26767082.1400.12.1.4.5 پرونده مقاله

Vegetation is an important component of terrestrial ecosystems whose changes are controlled by climate changes and human activities. In order to detection the climate changes impact on vegetation dynamics of Kermanshah province, Iran, this study was conducted using multi-time images of NDVI and EVI regarded as vegetation indices taken by Modis sensors. Also, the trend of changes in climatic parameters such as temperature and precipitation were used by Mann-Kendall test over 15 years (2006-2020). Finally, the correlation between vegetation and climatic parameters was examined. The result of 15-year changes in vegetation using two indicators of NDVI and EVI showed that the trend of vegetation in more than 59% of Kermanshah province has been decreasing. The trend of precipitation in more than 88% had decreased and the trend of temperature in the 98% area had increased. The correlation between vegetation obtained from NDVI and EVI indices with the climatic parameter showed a positive correlation between precipitation and vegetation and a negative correlation between temperature and vegetation in more than 80% and 59% of this province, respectively. The results of the correlation analysis of different landuse showed that in the barren lands and shrub lands, the positive correlations between precipitation and vegetation were stronger than the negative correlation between temperature and vegetation. In contrast, in grasslands and savannahs, the relationship between vegetation and temperature was stronger than that for precipitation. According to the results of this study, the climate changes and human activities are effective in control the trend of vegetation in different areas, which can be well demonstrated using the information obtained from remote sensing data. پرونده مقاله