سنجش از دور و GIS ایران
سال:1397 | دوره:10 | شماره:3 |تعداد مقالات:7

کشاورزی یکی از مهمترین بخش های اقتصادی کشور است که هر محصول آن شرایط اقلیمی و محیطی خاصی را می طلبند، لذا اقلیم شناسان توجه ویژه ای به آمایش سرزمین داشته و منابع اکولوژیکی را با روشهای مناسب می نمایند. هدف تحقیق شناخت عوامل و عناصر اقلیمی مؤثر در کاشت انجیر در استان فارس و پهنه بندی نواحی مستعد کاشت این محصول از نظر اقلیمی و محیطی با استفاده از توانایی GIS در تلفیق لایه های مختلف و در قالب مدلهای مختلف می باشد. در این بررسی، شش عنصر اقلیمی (میانگین، حداکثر و حداقل مطلق دما، میانگین و حداکثر رطوبت و بارش) از 21 ایستگاه سینوپتیک، اقلیم شناسی و باران سنجی در استان فارس و 5 پارامتر محیطی (ارتفاع، شیب، نوع-خاک، فرسایش و کاربری اراضی) به کار گرفته شده است. ابتدا عناصر اقلیمی با توجه به ناقص بودن آنها، با روش های تفاضل ها و نسبت ها بازسازی شده، سپس نقشه های مربوط به این پارامتر ها و عناصر در GIS تهیه شده و این نقشه ها با استفاده از منطق فازی و معیارهایی که برای کاشت درخت انجیر در نظر گرفته می شود، استاندارد و وزن دهی شد و با استفاده از منطق فازی با هم تلفیق، و نقشه پهنه بندی اراضی مستعد کاشت انجیر در استان فارس بدست آمد. نتایج تحقیق نشان داد که 3872063 هکتار از اراضی برای کاشت انجیر بسیار مناسب، 4916466 هکتار دارای قابلیت متوسط و 2729358 هکتار نیز برای کاشت انجیر نامناسب هستند. ضمن اینکه 742906 هکتار از اراضی نیز فاقد ارزش مکان یابی بوده (اراضی دریاچه ای، شوره زارها و. . . ) که از تحلیل حذف گردیده است.

خوشه بندی K-Means یکی از پرکاربردترین روش های طبقه بندی نظارت نشده در پردازش تصاویر سنجش از دوری است. در روش K-Means استاندارد از معیار عدم شباهتِ فاصله اقلیدسی، جهت اندازه گیری عدم شباهتِ بین داده ها و خوشه ها استفاده می شود. به دلیل وجود عدم قطعیت در تصاویر فراطیفی، بکارگیری معیار عدم شباهتِ فاصله اقلیدسی جهت خوشه بندی آن ها مناسب به نظر نمی رسد. در این مقاله برای برآورد عدم شباهت بین مرکز خوشه ها و پیکسل ها از یک معیار عدم شباهت آماری به نام دیورژانس اطلاعات طیفی به جای فاصله اقلیدسی استفاده شده است. فاصله طیفی اقلیدسی، داده های طیفی پیکسل ها و مراکز خوشه ها را به صورت نقاطی در یک فضای چندبعدی در نظر می گیرد و فاصله هندسی بین آنها را اندازه گیری می کند. ولی دیورژانس اطلاعات طیفی، توزیع احتمال طیف ها را از طریق نرمال کردن امضای طیفی مدل سازی می کند. سپس فاصله بین توزیع احتمال طیف یک پیکسل و توزیع احتمال طیف هر مرکز خوشه را برآورد می کند. این ایده در طراحی و پیاده سازی یک الگوریتم نظارت نشده برای خوشه بندی تصاویر فراطیفی بکارگرفته شده است. آزمون های انجام شده بر روی داده های تصویری فراطیفی واقعی حاصل از سه سنجنده HyMap، HYDICE و Hyperion نشان می دهد که این راه کار، نتایج طبقه بندی را بهبود می بخشد. به طوری که ضریب کاپای نتایج طبقه بندی تصاویر فراطیفی مورد استفاده به ترتیب 7%، 56% و 10% افزایش یافته است.

پدیده ی فرونشست زمین، نشست رو به پایین سطح زمین است که می تواند دارای بردار جابجایی افقی اندک باشد. علت رخداد این پدیده ممکن است متأثر از عوامل طبیعی و انسانی باشد. در ایران و به ویژه در محدوده ی مورد مطالعه، رویداد آن اغلب متوجه فعالیت های انسانی و به ویژه بهره برداری بی رویه از منابع آب زیرزمینی است. در این پژوهش میزان و دامنه ی فرونشست زمین به کمک تکنیکتداخل سنجی راداری تعیین شده است. نرخ فرونشست در دشت خرمدره با استفاده از تصاویر راداری در بازه ی زمانی 2005 – 2003به روش پراکنشگرهای پایدار محاسبه گردید. میدان جابجایی بدست آمده بیانگر آن است که نرخ فرونشست در این دشت 35 میلیمتر در سال در جهت خط دید ماهواره می باشد. در ادامه از سیستم اطلاعات مکانی به منظور بررسی مخاطرات احتمالی فرونشست استفاده شده است. نتایج نشانگر تأثیرپذیری قسمتی از مسیر خطوط راه آهن، راه های اصلی و بزرگراه از فرونشست می باشد.

در طول چند دهه گذشته، شاخص های پوشش گیاهی متعددی برای تخمین تولید محصولات کشاورزی توسعه داده شده اند که هر یک از آن ها با توجه به باندهای مورد استفاده و فرمول جبری خود، به مقادیر متفاوتی از تراکم و شاخص سطح برگ گیاهان زراعی حساسیت دارند. مطالعه بعضی از محصولات زراعی چندساله مانند یونجه، که در هر سال به دفعات برداشت می شود، بسیار پیچیده بوده و کمتر مورد توجه قرار گرفته است. لذا در این مقاله، از مهم ترین شاخص های پوشش گیاهی توسعه داده شده در برآورد تولید یونجه، توسط تصاویر سری زمانی Sentinel-2 استفاده می شود. در این تحقیق، اقدام به جمع آوری دوره ای 144 نمونه، به شیوه تخریبی از مزارع زیر کشت محصول یونجه شرکت کشاورزی و دامپروری مگسال (قزوین)، به صورت تقریباً نزدیک به زمان گذر ماهواره، شد و سپس کارایی 10 شاخص از معروف ترین شاخص های پوشش گیاهی، مبتنی بر تصاویر Sentinel-2 برای تخمین تولید محصول یونجه، مورد ارزیابی قرار گرفت. نتایج تحقیق حاضر، نشان داد که تولید تخمین زده شده یونجه، با استفاده از شاخص نسبت به سایر شاخص ها، دارای بالاترین همبستگی و کمترین جذر میانگین مربعات با داده های برداشت شده میدانی در اواسط مرداد ماه بوده است. به علاوه در نتایج این تحقیق، نشان داده شد که شاخص های لبه قرمز، مشکل اشباع شدگی شاخص های پوشش گیاهی در محصول یونجه را نتوانسته اند برطرف کنند و شاخص های پوشش گیاهی سبز، نسبت به شاخص های لبه قرمز جهت تخمین تولید این محصول، توانایی بیشتری را نشان داده اند.

برف یک منبع عمده جریان آب در هر منطقه است. از این رو آگاهی از توزیع فضایی و زمانی برف برای مدیریت مناسب منابع آب محدود در منطقه ضروری است. با توجه به شرایط سخت فیزیکی محیط های کوهستانی امکان اندازه گیری دائم زمینی جهت تخمین منابع برفابی و تشکیل پایگاه داده ها وجود ندارد. به همین جهت استفاده از داده های سنجش از دوری به منظور پایش تغییرات سطح برف بسیار موثر می باشد از این رو هدف تحقیق حاضر بررسی تغییرات پوشش برف استان کردستان به کمک تصاویر ماهواره ای TERRA-MODIS است. داده های مورد استفاده در این تحقیق تصاویر MODIS از سال 2005 تا 2017 و روش های مورد استفاده شاخص NDSI و طبقه بندی نظارت نشده است. بررسی نتایج نشان داد که از لحاظ زمانی کمترین مساحت نواحی پوشیده از برف در سال های 2007 و 2008 و بیشترین آن در سال های 2009، 2012 و 2016 و هم چنین از لحاظ فضایی بیشترین مساحت پوشش برف استان به شهرستان های سقز، مریوان، سرواباد، دیوانده و کامیاران و کمترین آن به شهرستان های بیجار، قروه، بانه و سنندج تعلق داشته است. در این مطالعه مشخص شد که تصاویر MODIS، شاخص NDSI و روش طبقه بندی نطارت نشده راهکار مناسبی برای پایش تغییرات نواحی برفی است.

یکی از اهداف مهم در کشاورزی پایدار، حفظ اکوسیستم های سالم با تاکید بر مدیریت منابع زمینی، آبی و طبیعی به منظور تحقق امنیت غذایی در سطوح محلی تا جهانی است. داده های سری زمانی سنجش از دور به عنوان منبعی وسیع و ارزشمند از اطلاعات طیفی و زمانی، توانسته محققان را در پیشبرد اهداف مدیریت مزرعه کمک کند. مدیریت مزرعه همیشه با چالش هایی همراه بوده و عدم دسترسی به اطلاعات کمی و کیفی محصولات زراعی از مشکلات این حوزه به شمار می رود. هدف از این تحقیق، توسعه و کاربرد شاخص های وضعیت محصول و مزرعه با استفاده از داده های سری زمانی NDVI (ماهواره Sentinel-2) و نقشه نوع محصول مزارع شرکت کشت و صنعت مغان در سال 1396-1395 و شرکت کشت و صنعت شهید رجایی دزفول در سال 1396-1397 است تا به وسیله آن، مناطقی که توسط عواملی همچون بیماری، هجوم آفات و علف های هرز و همچنین مشکلات خاک و عدم توزیع نامناسب آب آبیاری در مزرعه، دچار تغییر فنولوژیکی در طول زمان شده اند، شناسایی شوند. برای این منظور، داده های سری زمانی شاخص NDVI برای 4 نوع محصول (گندم، ذرت، یونجه و چغندرقند) و در مزارع مختلف محاسبه شد و برای نشان دادن وضعیت مزرعه و محصول در هر مزرعه و مزارع نسبت به هم، دو شاخص وضعیت مزرعه و محصول توسعه داده شد. ارزیابی نتایج این شاخص ها با مشاهدات زمینی، حاکی از آن است که محصول یونجه در کشت و صنعت مغان و گندم در کشت و صنعت شهید رجایی دزفول به ترتیب 88/88 و 11/94 درصد، بالاترین دقت (صحت کلی) را در بین محصولات منطقه داشتند.

داده های اخذ شده توسط سنجنده های ماهواره ای به طور معمول به سه دسته تصاویر با قدرت تفکیک مکانی پایین، متوسط و بالا تقسیم می شوند. بسیاری از تصاویر با قدرت تفکیک مکانی پایین و متوسط و قدرت تفکیک زمانی بالا براحتی در دسترس کاربران می باشند، در حالی که تصاویر با قدرت تفکیک مکانی بالا در اکثر مواقع دارای قدرت تفکیک زمانی بالایی نیستند و یا به صورت تجاری و با هزینه بالا در دسترس می باشند. علاوه بر این، تصاویر با قدرت تفکیک مکانی بالا معمولا فاقد باند های حرارتی بوده و لذا در مدل کردن فرآیند های طبیعی مانند تبخیر-تعرق با محدودیت مواجه هستند. تولید نقشه های تبخیر-تعرق روزانه با قدرت تفکیک مکانی بالا همواره یکی از چالش های محققین سنجش ازدور بوده است. هدف این مطالعه تولید نقشه های تبخیر-تعرق روزانه با قدرت تفکیک مکانی 30 متر برای اراضی کشت و صنعت امیرکبیر می باشد. برای این منظور ابتدا با استفاده از الگوریتم های SADFAT[1] و STARFM[2] و تصاویر لندست 8 و مادیس باندهای مختلف شامل باندهای مرئی و مادون قرمز با قدرت تفکیک زمانی روزانه و قدرت تفکیک مکانی 30 متر تولید شدند و در نهایت نقشه های تبخیر-تعرق واقعی با استفاده از باندهای تولید شده و الگوریتم سبال ایجاد شدند. مقایسه تبخیر-تعرق های واقعی شبیه سازی شده با تبخیر-تعرق های واقعی به دست آمده با روش فائو-پنمن-مانتیث نشان دهنده و می باشند. همچنین مقایسه تبخیر-تعرق واقعی شبیه سازی سازی شده با تبخیر-تعرق واقعی حاصل از تصویر لندست 8 در همان روز نشان دهنده و می باشد که نشان دهنده عملکرد خوب چهارچوب پیشنهادی برای ریز مقیاس نمایی در این مطالعه می باشد.