سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی
سال:1400 | دوره:12 | شماره:3 (پیاپی 44) |تعداد مقالات:6

پیشینه و هدف: در طول سالیان اخیر تحقیقات زیادی در تالاب انزلی به عنوان یکی از مهم ترین تالاب های عضو کنوانسیون رامسر انجام گرفته است. که با توجه به ماهیت و موقعیت جغرافیایی تالاب از هزینه بالایی برخوردار بوده است. نیاز به شناسایی، طبقه بندی، آشکارسازی، پیش بینی و پیشرفت تکنولوژی این امکان را داده تا با هزینه ای به مراتب کمتر بتوانیم با داده های سنجش از دور و با استفاده از قابلیت هایی چون سهل الوصول بودن، دقت بالا، پوشش وسیع و قابل تکراری بودن ازنظر زمانی و مکانی و استخراج اطلاعات در زمان نسبتاً کم، محیط های طبیعی را با دقت و سرعت بیشتری بررسی کنیم زیرا یکی از مهم ترین مشکلاتی که در مسئله بررسی تغییرات پوشش گیاهی وجود دارد عدم وجود اطلاعات مکان دار دقیق منطقه در طول زمان است. تصاویر ماهواره ای و فناوری سنجش از دور این امکان را فراهم می کند تا با اتکا به اطلاعات تولیدی از آن به برنامه بهتری جهت مدیریت محیط زیست دست یافت. در اﻳ ﻦ مطالعه طبقه بندی پوشش گیاهی تالاب انزلی با استفاده از تکنیک طبقه بندی ﺷ ﺊ ﮔ ﺮ ا تصویر ماهواره ﻟ ﻨ ﺪ ﺳ ﺖ با نمونه برداری زمینی و بر پایه شاخص تالابی گیاهان و همچنین میزان ترکم پوشش گیاهی با تهیه نقشه شاخص پوشش گیاهی (NDVI) مورد بررسی و تجزیه و تحلیل ﻗ ﺮ ار ﮔ ﺮ فت. از نقشه های طبقه بندی پوشش گیاهی تالاب می توان در تشخیص میزان و نوع پوشش و برنامه ریزی جهت حفظ و احیا تالاب بهره جست. مواد و روش ها: در این مطالعه که تهیه نقشه طبقه بندی پوشش گیاهی بر اساس شاخص تالابی به عنوان یکی از معیارهای موردنیاز مرزبندی اکولوژیکی تالاب، مدنظر است. ابتدا محدوده های کلی پوشش گیاهی تالاب در ساحل و پیرامون آن شناسایی شد. سپس داده های پوشش گیاهی گونه های آبزی تالاب از مناطق مختلف آبی تالابی در پلات های 0. 25 مترمربعی و در محدوده حاشیه خشکی از گونه های خشکی زی حاشیه تالاب به کمک پلات های 1 متر مربعی برداشت شد. در مجموع 42 پلات طی بهار و تابستان 1398 برداشت شد. پس از تهیه تصاویر موردنیاز، آماده سازی آن ها شامل تصحیحات هندسی، اتمسفری، رادیومتریکی و بارزسازی تصویر با استفاده از نرم افزارENVI انجام شد. تصویر ماهواره لندست (Landsat) 8 تیرماه 98 با قدرت تفکیک مکانی 30 متر جهت طبقه بندی پوشش گیاهی و تهیه نقشه شاخص پوشش گیاهی (NDVI) و تصویر ماهواره سنتینل-2 (Sentinel-2) تیرماه 98 به دلیل قدرت تفکیک زمینی 10 متر جهت تلفیق با داده لندست 8 به عنوان داده کمکی در طبقه بندی تصویر مورد استفاده قرار گرفت. ادغام این دو تصویر با حفظ مقادیر طیفی تصویر چند طیفی باعث بهبود قدرت تفکیک مکانی تصویر حاصله می گردد. عملیات طبقه بندی شی ء گرا به منظور تفکیک و طبقه بندی بهتر تصویر لندست 8 تلفیق شده با استفاده از نقاط تعلیمی حاصل از نمونه برداری زمینی انجام شد. ارزیابی صحت طبقه بندی با استفاده از نمونه های آزمایشی به عنوان نقاط واقعیت کنترل زمینی، برای هر کلاس به صورت تصادفی انجام و ماتریس خطای طبقه بندی استخراج گردید. نتایج و بحث: ابتدا گیاهان غالب و نماینده وضعیت تالابی آن ها به کمک نمونه گیری در منطقه شناسایی شدند. با محاسبه درصد نسبی پوشش گیاهان غالب در محل نمونه گیری و با توجه به فهرست گونه های گیاهی شناسایی شده و شناسایی شاخص تالابی آن ها، گروه های گیاهی تالابی و غیر تالابی تفکیک گردیدند. در مجموع از طبقه بندی گونه های پلات ها (42 قطعه نمونه) تعداد 180 گونه گیاهی در 124 جنس و 48 تیره شناسایی شد. همچنین چهار گروه گیاهان اجباری تالاب (OBL)، گیاهان اختیاری و اجباری تالاب (OBL & FACW)، گیاهان اختیاری خشکی و اختیاری تالاب (FACU & FACW) و گیاهان اختیاری تالاب (FACW) تفکیک گردیدند. تهیه نقشه طبقه بندی پوشش گیاهی از طریق تلفیق نمونه برداری زمینی و طبقه بندی شی ء گرا تصویر سنجنده OLI ماهواره لندست سال 98 تلفیق شده است. صحت نقشه های طبقه بندی شده بر اساس مقادیر آمار کاپا و صحت کلی مورد ارزیابی قرار گرفت. میزان دقت کلی 88. 62 درصد و میزان ضریب کاپا برابر با 84 درصد به دست آمد. بر اساس نتایج خروجی طبقه بندی تصویر گروه گیاهان اجباری تالاب در حاشیه پهنه های آبی تالاب (حاشیه تالاب غرب و سرخانکل)، گروه گیاهان اختیاری تالاب بیشتر در حاشیه خشکی تالاب و به طور عمده در جنوب غربی تالاب (تالاب سیاه کشیم) و پناهگاه حیات وحش چوکام در بخش شرقی تالاب، گروه گیاهان اختیاری و اجباری تالاب با پراکنش کمتر به طور یکنواخت در کل گروه گیاهان اختیاری خشکی و اختیاری تالاب در بخش کوچکی از محدوده و محدوده تالاب در منطقه چوکام، شمال و شمال غرب تالاب مشاهده گردید. بررسی درصد تراکم پوشش گیاهی در سطح تالاب با شاخص NDVI، توزیع پوشش متراکم گیاهی در نواحی مختلف تالاب و محدود شدن سطح آب بستر تالاب را نشان می دهد. نتیجه گیری: نتایج بررسی تصاویر ماهواره ای و طبقه بندی آن ها با توجه به نمونه های زمینی نشان می دهد که گسترش و پراکندگی گیاهان اجباری تالاب (OBL) محدود به پهنه های آبی تالاب است، به طوری که بیشترین پراکنش این گیاهان مربوط به پهنه آبی تالاب غرب و سرخانکل می شود. گسترش گونه های اختیاری تالاب (FACW) در پهنه های خشکی تالاب است که نشان از خشک شدن بیشتر مناطق تالاب در قسمت سیاه کشیم (جنوب غربی) و چوکام (شرق) است. طبقه بندی تصاویر ماهواره ای و درصد حضور هر یک از گروه ها در آن نشان داد که گروه اراضی کشاورزی (با سطح حضور 23. 9 درصد) و گروه گونه های اختیاری تالاب (FACW) (با سطح حضور 23. 6 درصد و غالباٌ گونه های نی، توسکا، بید) بالاترین درصد گروه های طبقه بندی پوشش محدوده تالاب انزلی را به خود اختصاص داده اند. این امر ضمن بیان حضور بیشتر گونه های اختیاری تالاب در مقایسه با گونه های اجباری تالاب (OBL) (با سطح حضور 10. 1 درصد) و سطح اشغال اراضی زراعی، به روشنی خشک شدن تالاب را نشان می دهد. درصد پوشش گیاهی در سطح تالاب نیز با شاخص پوشش گیاهی (NDVI) بررسی گردید که بیشترین آن متعلق به پوشش گیاهی متراکم است. با توجه به اینکه تصویر ماهواره ای مربوط به فصل تابستان است، نشانگر توزیع پوشش گیاهی در نواحی مختلف تالاب و سطح آب بستر تالاب است که نشان از کاهش میزان سطوح آبی تالاب دارد. بررسی پوشش های گیاهی و تغییرات اکولوژیک آن ها به صورت دوره ای، اطلاعات مفیدی از تغییرات منابع آبی و اکولوژیک تالاب جهت برنامه ریزی در حفظ و نگهداری آن به عنوان یک اکوسیستم مهم در منطقه در اختیار مدیریان و برنامه ریزان قرار می دهد.

پیشینه و هدف: یکی از روش های کاهش جذب تشعشعات خورشیدی و جلوگیری از ایجاد جزایر حرارتی شهری، افزایش سایه توسط پوشش گیاهی است. به خصوص ایجاد سایه بر ساختمان ها که موجب خنک شدن خانه ها، کاهش مصرف انرژی و هزینه ها، افزایش ارزش خانه ها، ایجاد جلوه بصری مناسب و حس خوبی و سرزندگی می شود. هر چند از نظر اقتصادی میزان صرفه جویی رخ داده در اثر سایه و خنک شدن هوا برای یک درخت در طول عمر آن در نواحی آب و هوایی مختلف، متفاوت بوده و بستگی به نوع درخت، میزان سایه گستری آن در طول روز و در فصول مختلف سال دارد، اما اثر آن در صرفه جویی مصرف انرژی و هزینه ها قطعی است. موضوع تحقیق حاضر برنامه ریزی استراتژیک در خصوص افزایش پوشش سایه درختان در مناطق مسکونی شهری است. روشی ساده برای ایجاد سایه فراوان کاشت درختان متعدد در اطراف ساختمان ها است. اما این روش در بسیاری از مناطق که با مشکل کمبود آب مواجه اند، به دلیل هزینه های زیاد آن غیر عملی است. ضمن آن که وجود سایه های اضافی بر سطح بام ساختمان، موجب کاهش قابلیت در معرض تابش پرتوی خورشید قرار گرفتن بر سطح بام ساختمان ها و کاهش پتانسیل استفاده از پانل های خورشیدی بر سطح بام برای تولید الکتریسیته خواهد شد. اما چالش اصلی دست یابی به بیشترین مزایای سایه با استفاده از روشی است که بتواند با تعداد کمی درخت در نقاطی بهینه، پوشش سایه بیشینه بر سطح نما و پوشش سایه کمینه بر سطح بام را فراهم آورد. موضوع مکان یابی موقعیت درختان با هدف بهینه سازی پوشش سایه، یعنی بیشینه نمودن پوشش سایه بر سطح نما، درب و پنجره و کمینه نمودن پوشش سایه بر سطح بام، یک مسئله غیرقطعی سخت است و راه حل دقیق و قطعی ندارد. لذا از سیستم اطلاعات جغرافیایی سه بعدی و الگوریتم کلونی مورچه ها برای این منظور استفاده شده است. در پژوهش های گذشته شده اغلب اثرات سایه پوشش درخت بر یک ساختمان منفرد موردبررسی قرارگرفته است؛ درحالی که در این پژوهش به جای یک ساختمان منفرد یک بلوک ساختمانی، شامل چندین ساختمان متصل به یکدیگر، موردبررسی قرار می گیرد. زیرا در اکثر شهرهای ایران، ساختمان ها به هم چسبیده و تشکیل بلوک ساختمانی را می دهند. ضمن این که در بیشتر پژوهش های پیشین، اثر پوشش سایه حداکثر دو درخت بر روی ساختمان مورد بررسی قرارگرفته است؛ در حالی که در این پژوهش اثر پوشش سایه 15 اصله درخت را بر روی بلوک ساختمانی بررسی می نماییم. در هیچ یک پژوهش های انجام شده بهینه سازی پوشش سایه درختان بر سطح نمای ساختمان از روش بهینه سازی فرا-ابتکاری و ترکیب آن با GIS استفاده نشده است. در این پژوهش با رویکردی ترکیبی از GIS در یک محیط سه بعدی و روش فرا-ابتکاری ACO در مکان یابی استراتژیک تعداد مختلف درختان، با هدف بیشینه نمودن پوشش سایه درختان بر سطح نمای ساختمان ها و کمینه نمودن پوشش سایه درختان بر سطح بام استفاده می شود. مواد و روش ها: برای انجام تحلیل ها دو نوع داده موردنیاز است. یکی مشخصات بلوک ساختمانی، برای مثال: ابعاد، موقعیت و اندازه نما، بام، درب و پنجره ها و دیگری مشخصات درخت (ارتفاع و موقعیت). برای مدل سازی مسئله بهینه سازی پوشش سایه درختان از GIS سه بعدی و الگوریتم ACO استفاده شده است. GIS سه بعدی قابلیت ذخیره سازی، تجزیه و تحلیل و ایجاد توپولوژی سه بعدی را فراهم نموده و ACO نیز برای خلاصه سازی شرایط دنیای واقعی در یک مسئله ریاضی استفاده شده است. برای ذخیره سازی اطلاعات مکانی و استخراج سطح پوشش، توپولوژی مکانی از GIS و قواعد مثلثاتی استفاده شده است. پس از ذخیره سازی موقعیت، ترکیب و اطلاعات توصیفی اشیا دو بعدی و سه بعدی توسط داده های توپولوژیکی، برای استخراج موقعیت سایه، ازنظر دافیه و بِکمن در 2013 استفاده شده است. سپس با توجه به نظر چرچ و ریوله مسئله مکان یابی پوشش حداکثری تعریف شده است. برای بهینه سازی مکانی سه بعدی به 3 دلیل ذیل از روش ACO استفاده می شود. دلیل اول مبتنی بر استفاده از قواعد مثلثاتی پیچیده فوق الذکر در محاسبه پوشش سایه بر روی ساختمان های مختلف و به خصوص استفاده از مدل سه بعدی پیچیده و با جزئیات کامل برای درخت و بلوک ساختمانی است. دلیل دوم مبتنی بر عدم وجود روشی قطعی برای حل این مسئله بهینه سازی با توجّه به قیود غیرخطی شامل توابع مثلثاتی و دلیل سوم مبتنی بر وجود فضای پیوسته اطراف بلوک ساختمانی است که در هر مکانی امکان قرارگیری درخت وجود دارد و لذا منجر به بی نهایت ترکیب از ترتیب چند درخت در فضای ممکن برای بررسی مسئله می گردد. جزئیات مراحل عبارت اند از؛ 1) تعریف مجموعه مکان های ممکن برای درخت بر اساس ارتفاع، قطر تاج، محوطه پیرامونی و چشم انداز بیرونی بلوک ساختمانی. 2) استفاده از روشی برای قرارگیری اولین درخت در تمام مکان های ممکن اطراف بلوک ساختمانی در طی ساعات گرم در روزهای مشخصی از فصل تابستان و محاسبه بیشترین پوشش سایه بر روی بلوک ساختمانی بر اساس وزن اجزا ساختمان. 3) حذف مکان های ممکن قرار گرفته در تاج درخت به منظور جلوگیری از همپوشانی تاج درختان و 4) تکرار مراحل 2 و 3 برای قرارگیری درختان بعدی در مکان های ممکن اطراف بلوک ساختمانی تا زمانی که تعداد درختان به تعداد درختان مورد نظر برای ایجاد سایه برسد. با توجه به این که بی نهایت مکان ممکن، یک مرحله ساده سازی و محدود کردن تعداد مکان های ممکن ضروری است. برای این منظور، فضای پیوسته به مجموعه مکان ممکن برای قرارگیری Ni درخت بافاصله 2 متری در راستای شمال-جنوب و شرق-غرب خلاصه شده است. ضمن آن که به منظور استفاده از روشنایی روز در ساختمان، امکان دید به بیرون از داخل ساختمان و امکان رفت و آمد از درب ها مکان های ممکن روبروی درب ها و پنجره ها حذف شده است. برای پرهیز از ایجاد سایه غیرضروری در بام، حداقل فاصله 2 متر درختان تا ساختمان در نظر گرفته شد. نتایج و بحث: برای بهینه سازی پوشش سایه درختان با استفاده از الگوریتم بهینه سازی کلونی مورچه ها از محیط متلبMATLAB استفاده شد. برای این منظور ابتدای مدل بلوک ساختمانی مورد بررسی شامل طول، عرض، ارتفاع، در قالب ساختاری تعریف شده که دارای ماتریس های مجزایی برای نمای شمالی، شرقی، جنوبی و غربی بلوک ساختمانی است. برای تعریف بام بلوک ساختمانی نیز ماتریس دیگری استفاده شد. هر عنصر از ماتریس های مذکور معادل cm 10× 10 از سطح بلوک ساختمانی و دارای مقدار صفر است. برای مدل سازی ابعاد و محل قرارگیری درب و پنجره ها در هر نما، ساختاری دیگر شامل ماتریس های مجزا برای هر نما تعریف شده است که مقدار عناصر ماتریس در محل قرارگیری درب و پنجره ها برابر یک است. مدل درخت غالب منطقه، شامل ارتفاع و شعاع تاج درخت نیز تعریف گردید. مشخصات خورشید در منطقه مورد مطالعه، شامل آزیموت و ارتفاع خورشید در روزهای مورد مطالعه در بازه های زمانی 15 دقیقه ای از ساعت 9 تا 15 استفاده قرار گرفت. پس از قرارگیری درخت در هر یک از مکان های ممکن و حرکت خورشید، سایه ایجاد شده درختان بر هر نقطه از اجزای ساختمان، موجب تغییر مقدار عنصر ماتریس معادل آن نقطه از صفر به یک می گردد. مجموع مقادیر عناصر ماتریس، میزان سایه ایجاد شده توسط درخت را بر هریک از اجزای ساختمان را مشخص می کند. مجموع حاصل ضرب نقطه ای عناصر ماتریس درب و پنجره ها در عناصر ماتریس نما، مقدار سایه ایجاد شده بر درب و پنجره ها را مشخص می کند. برای بیشینه سازی پوشش سایه درختان بر سطح نما، درب/پنجره ها و کمینه سازی پوشش سایه بر سطح بام، تابع هدف تعریف و از الگوریتم ACO استفاده شده است. نتایج حاصل از روش ACO نشان می دهد حالت بهینه پوشش سایه درخت/درختان بر روی بلوک ساختمانی، که بیشترین سایه را بر روی نما و درب و پنجره ها و کمترین سایه را بر روی بام ایجاد نماید، بستگی زیادی به تعداد درختان و موقعیت درب و پنجره ها در نمای بلوک ساختمانی دارد. به طور کلی با افزایش تعداد درختان، میزان سایه ایجاد شده بر اجزای بلوک ساختمانی افزایش می یابد. نتیجه گیری: نتایج حاصل روش ACO نشان داد که برای ساختمانی، در یک منطقه در نیمکره شمالی، درختان در شمال ساختمان تأثیری در ایجاد سایه بر اجزای ساختمان ندارند. با توجه به این که در مناطق خشک و گرمسیری محدودیت در کاشت درختان وجود دارد، یافتن موقعیت مناسب برای درختان نقش بسزایی در بهینه سازی پوشش سایه بر اجزای ساختمان دارد. با توجه به میزان انتقال گرمایی بالا از طریق درب و پنجره ها نسبت به نما و بام، و وزن بیشتر در نظر گرفته شده برای این اجزا در تابع هدف، یافتن موقعیت های بهینه درختان بستگی زیادی به موقعیت درب و پنجره ها در ساختمان دارد؛ تا بیشترین سایه را بر این اجزا ایجاد نمایند. برای بلوک ساختمانی با تعداد و ابعاد ساختمان های مفروض در پژوهش و با توجه به ابعاد و موقعیت درب و پنجره ها، کاشت یک درخت دریکی از موقعیت های K10، K16، K22 یا K28 که هر یک در فاصله 2 متری جنوب ساختمان و در حد وسط دو پنجره قرار دارد، بهینه ترین سایه را ایجاد می نماید. این درخت به طور میانگین از ساعت 9 تا 15 در چهار روز مورد بررسی، بر کل نما، درب/پنجره ها و بام ساختمان به ترتیب 7. 48، 9. 22 و 0. 85 درصد سایه ایجاد می کند. در حالتی که کاشت دو درخت مدنظر باشد، بازهم دو موقعیت از موقعیت های K10، K16، K22 یا K28 بهینه ترین سایه را ایجاد می نماید. این دو درخت به طور میانگین از ساعت 9 تا 15 در چهار روز موردبررسی، بر کل نما، درب/پنجره ها و بام ساختمان به ترتیب 13. 88، 18. 64 و 1. 69 درصد سایه ایجاد می کنند. در حالت سه درخت موقعیت های K8، K18 و K22، در حالت چهار درخت موقعیت های K14، K20، K26 و K32، در حالت پنج درخت موقعیت های K8، K14، K20، K26 و K32 بهینه ترین سایه را ایجاد می کنند. این موقعیت ها در فاصله 2 متری جنوب ساختمان قرار دارند. در حالت سه درخت به طور میانگین از ساعت 9 تا 15 در چهار روز موردبررسی، بر کل نما، درب/پنجره ها و بام ساختمان به ترتیب 21. 07، 28. 54 و 2. 54 درصد، در حالت چهار درخت بر کل نما، درب/پنجره ها و بام ساختمان به ترتیب 24. 96، 35. 36 و 3. 39 درصد و در حالت پنج درخت بر کل نما، درب/پنجره ها و بام ساختمان به ترتیب 33. 26، 44. 70 و 3. 95 درصد، سایه ایجاد می شود. با کاشت پنج درخت بیش از 88 درصد نمای جنوبی و بیش از 90 درصد درب/پنجره های نمای جنوبی ساختمان تحت پوشش سایه قرار می گیرد. اما با توجه به هدف بهینه سازی سایه بر ساختمان و وزن بیشتر درب و پنجره ها، روش ACO موقعیت درختان را به گونه ای بهینه یابی کرده است که سطح بیشتری از درب و پنجره ها در معرض سایه قرار بگیرد. با توجه به این که در حالت پنج درخت، 90 درصد نمای جنوبی در سایه درختان قرار گرفت، در حالت شش درخت علاوه بر نمای جنوبی، نماهای شرقی و غربی نیز برای کاشت درخت در نظر گرفته شد. به طوری که موقعیت های K8، K14، K20 و K30 در فاصله دو متری نمای جنوبی و موقعیت H2 در فاصله 2 متری نمای غربی و موقعیت H36 در فاصله 2 متری نمای شرقی برگزیده شد. این درختان به طور میانگین از ساعت 9 تا 15 در چهار روز موردبررسی، بر روی نما، درب/پنجره های و بام به ترتیب 33. 95، 42. 29 و 3. 64 درصد سایه ایجاد می کند.

پیشینه و هدف: در سال های اخیر پمپاژ بیش از حد آب های زیرزمینی و همچنین کاهش بارندگی در دشت مشهد فرونشست را ایجاد کرده است که خسارت هایی را برای زیر ساخت ها دربی داشته است. این مشکل به خاطر افزایش تقاضای برداشت آب از چاه های عمیق برای کشاورزی، صنایع و شرب است. به دنبال این تقاضای روزافزون حفر چاه های غیرمجاز نیز افزایش چندانی پیداکرده است، بنابراین سطح آب زیرزمینی دشت دایم در حال پایین رفتن بوده و نرخ فرونشست دشت در حال افزایش است. دشت مشهد یکی از دشت های مهم در استان خراسان رضوی است که یکی از منابع آبی پشتیبان برای استفاده در کشاورزی و صنعت است. فشار بیش ازحد به منابع آب زیرزمینی با پمپاژ زیاد و کمبود بارش باعث شده که تغذیه آبخوان به خوبی صورت نگیرد. افت سطح آب زیرزمینی در دشت مشهد اثرات نامناسبی را بر آبدهی چاه ها، تخریب قنوات، کیفیت آب و فرونشست زمین را در نتیجه خواهد داشت. در این تحقیق، میزان فرونشست با استفاده از داده ماهواره های راداری سنتینل-1 و الوس-1 در ارتباط با افت آب های زیرزمینی مورد بررسی قرار گرفت. در این راستا از داده های سری زمانی راداری چند باندی در طول موج L و C برای تعیین فرونشست در سال های 1386-1397 استفاده گردید. مواد و روش ها: هدف اصلی این تحقیق یافتن میزان فرونشست مرتبط با آب های زیرزمینی در دشت مشهد بین سال های 1386-1397 با استفاده از تکنیک تداخل سنجی تفاضلی راداری است. برای دست یافتن به این هدف سه سری جفت تصویر از هر یک از داده های راداری الوس-1 و سنتنیل – 1 استفاده شد. برای آنالیز افت سطح آب های زیرزمینی دشت مشهد در ارتباط با فرونشست از داده چاه های پیزومتری موجود برای بازه سال های 1385-1395 استفاده گردید تا بر اساس آن مدل نقشه هم افت و منحنی تراز افت آب تهیه گردید. این نقشه ها برای روشن کردن ارتباط بین افت سطح آب و فرونشست دشت استفاده شدند. در نهایت نقشه فرونشست دشت با استفاده از مشاهدات زمینی و کارهای گذشته مورد ارزیابی قرار گرفتند. با مقایسه نقشه فرونشست منطقه با نقشه هم افت سطح آب زیرزمینی همبستگی پذیرفته ای به دست آمد که حکایت بر میزان تأثیرپذیری پدیده فرونشست از افت سطح آب زیرزمینی دارد. نتایج نهایی فرونشست با تحقیقات پیشین مقایسه و با مشاهدات زمینی ارزیابی شدند. نتایج و بحث: نتایج تداخل سنجی راداری نتایج حاصل از فرآیند تداخل سنجی راداری برای ماهواره ALOS در این تحقیق، بیانگر بیشینه نشست 5. 2 سانتی متر از تاریخ 2007/10/16 تا 2008/01/16 (طی 92 روز)، بیشینه نشست 3. 8 سانتی متر از تاریخ 2008/01/16 تا 2008/03/02 (طی 46 روز) و بیشینه نشست 4. 7 از تاریخ 2008/03/02 تا 2008/06/02 (طی 92 روز) است. همچنین نتایج حاصل از فرآیند تداخل سنجی راداری برای ماهواره Sentinel-1 بیانگر بیشینه فرونشست 16. 1 سانتی متر از تاریخ 2015/05/28تا 2016/05/22 (طی 360 روز)، بیشینه نشست 17. 4 سانتی متر از تاریخ 2016/05/22 تا 2017/05/29 (طی 372 روز) و بیشینه فرونشست 20. 3 سانتی متر از تاریخ 2017/05/29 تا 2018/05/24 (طی 360 روز) است. توزیع نواحی فرونشست یافته عمدتاً در منطقه مرکزی و جنوب شرقی دشت (شمال غربی شهر مشهد) مشاهده شده است. همچنین یافته های تحقیق دامنه منطقه فرونشست را در سطحی به مساحت 312 کیلومترمربع با درازای به طول 39 کیلومتر و پهنای به طول 8 کیلومتر معرفی نمود. جهت بررسی صحت نتایج حاصل از تداخل سنجی، به دلیل نبود رودخانه دائمی در منطقه عمده نیاز آبی مربوط به کشاورزی، صنعت و شرب به وسیله برداشت از سفره های آب زیرزمینی انجام می شود. نتیجه گیری: یافته های تحقیق نشان می دهد که مناطق دارای نرخ حداکثر فرونشست منطبق بر کاربری های زراعی و باغات است که بیشترین سهم را در برداشت از آب های زیرزمینی دارا می باشند. همچنین نقشه و نمودار های حاصل از بررسی چاه های پیزومتری بیانگر کاهش پیوسته سطح آب در طول دوره آماری می باشند. براساس نتایج تحقیق مهم ترین علت فرونشست در دشت مشهد برداشت بی رویه آب زیرزمینی است. از طرفی نرخ و دامنه فرونشست در منطقه برای سال های 2007 تا 2008 و 2015 تا 2018 استخراج شده که نشان دهنده روند افزایش پدیده فرونشست در منطقه است. همچنین مشاهدات میدانی هم فرضیه افزایش میزان فرونشست در دهه اخیر را تأیید می کنند.

پیشینه و هدف: زمین لغزش یکی از گسترده ترین و مخرب ترین پدیده ها در میان بلایایی طبیعی است. با توجه به توپوگرافی کوهستانی مرتفع، فعالیت تکتونیکی، لرزه خیزی زیاد، شرایط متنوع زمین شناسی و اقلیمی، اساساً ایران برای ایجاد طیف وسیعی از زمین لغزش شرایط طبیعی را دارد و این زمین لغزش ها سالانه خسارات جانی مالی فراوانی به کشور وارد می کنند. با توجه به اینکه پیش بینی زمان زمین لغزش بسیار دشوار است، از این رو شناسایی مناطق حساس به زمین لغزش و منطقه بندی این مناطق بر اساس خطر احتمالی بسیار مهم است. بنابراین باید مناطق مستعد زمین لغزش شناسایی شوند تا خسارات ناشی از زمین لغزش کاهش یابد. هدف اصلی از تجزیه و تحلیل حساسیت زمین لغزش شناسایی مناطق پر خطر و در نتیجه کاهش خسارات ناشی از زمین لغزش از طریق اقدامات مناسب است. ازآنجاکه پیش بینی دقیق وقوع زمین لغزش توسط علوم انسانی امکان پذیر نیست، بنابراین می توانیم با شناسایی مناطق مستعد لغزش و اولویت بندی آن ها از آسیب این پدیده جلوگیری کنیم. کوه های بینالود در استان خراسان رضوی، به دلیل شرایط زمین شناسی، ژئومورفولوژی، توپوگرافی، آب و هوا و پوشش گیاهی، دارای انواع حرکات توده ای است. از طریق ارزیابی حساسیت زمین لغزش و شناسایی مناطق پرخطر ازنظر زمین لغزش، می توانیم از خسارات احتمالی مالی و جانی ناشی از زمین لغزش در این منطقه را کاهش بدهیم. لذا برای حفظ سرمایه های ملی ضروری است تا در برخورد با بلایای طبیعی مدیریتی جامع اعمال گردد که منظور از آن اتخاذ تدابیر و فعالیت هایی است که موجب پیشگیری، کنترل وترمیم خسارت های ایجاد شده می گردد. نتایج این مطالعات می تواند به عنوان اطلاعات بنیادی توسط مدیران و برنامه ریزان محیط زیست مورد استفاده قرار گیرد. به منظور تهیه نقشه های منطقه بندی خطر لغزش می توان از روش های مختلفی مانند منطق فازی، روش های آماری و فرایند تحلیلی سلسله مراتبی (AHP) استفاده کرد. از اوایل دهه 1970، بسیاری از دانشمندان تلاش کرده اند تا خطرات زمین لغزش را ارزیابی کنند و نقشه حساسیت خطر زمین لغزش را با استفاده از روش های مختلف مبتنی بر GIS تهیه کنند. هدف از این مطالعه ارزیابی و مقایسه نقشه حساسیت به زمین لغزش (LSM) در رشته کوه های بینالود، با استفاده از روش های فازی و تحلیل سلسله مراتبی در محیط سیستم اطلاعات جغرافیایی، است. مواد و روش ها: در این مطالعه به منظور ارزیابی حساسیت وقوع زمین لغزش در دامنه های کوه های بینالود از دو روش منطق فازی و تحلیل سلسله مراتبی در محیط سیستم اطلاعات جغرافیایی استفاده گردید. به این منظور، مهم ترین عوامل مؤثر بر زمین لغزش های منطقه شامل شیب، جهت شیب، طبقات ارتفاعی، زمین شناسی، شبکه زهکشی (فاصله از رودخانه، تراکم آبراهه)، جاده (فاصله از جاده، تراکم جاده)، گسل (فاصله از گسل، تراکم گسل)، واحدهای مورفولوژیکی، شاخص های توپوگرافی (شاخص توان رودخانه (SPI)، شاخص رطوبت توپوگرافی (TWI) و شاخص طول شیب (LS))، شاخص های ژئومورفولوژیک (شاخص موقعیت توپوگرافی (TPI)، شاخص ناهمواری توپوگرافی (TRI) و شاخص انحنای سطح (Curvature Index)، کاربری اراضی، خطوط هم دما و خطوط هم بارش به عنوان عوامل مؤثر در رخداد زمین لغزش در منطقه موردمطالعه، شناسایی و مورد تجزیه و تحلیل قرار گرفتند. سپس نقشه پراکنش زمین لغزش های منطقه تهیه شد. در ادامه وزن هریک از پارامترها و زیر پارامترها در پهنه بندی وقوع زمین لغزش به کمک روش تحلیل سلسله مراتبی(AHP) تعیین گردید. سپس با استفاده ابزارهای مناسب در محیط GIS این وزن ها در نقشه هر پارامتر ضرب و درنهایت نقشه های حاصله رویهم گذاری شده و نقشه نهایی پهنه بندی خطر زمین لغزش در منطقه مورد مطالعه تهیه شد. در روش فازی، بعد از فازی سازی لایه های مورد نظر در محیط ArcGIS، پهنه بندی خطر زمین لغزش با استفاده از عملگر گاما 0. 8، در محیط GIS، صورت پذیرفت. و در نهایت صحت نقشه حساسیت زمین لغزش با استفاده از منحنی ROC و نسبت عددی NRi، مورد ارزیابی قرار گرفت. نتایج و بحث: نتایج وزن دهی به پارامترهای مؤثر بر زمین لغزش با استفاده از روش تحلیل سلسله مراتبی (AHP) مبین این است به ترتیب عوامل زمین شناسی، شیب و گسل بیشترین تأثیر را در وقوع خطر زمین لغزش در منطقه مورد مطالعه دارند. نتایج تحلیل نقشه حساسیت خطر زمین لغزش با استفاده از AHP نشان داد به % 47. 8 سطح منطقه در محدوده زیاد و خیلی زیاد واقع شده، همچنین % 13. 4 در محدوده متوسط و % 38. 8 در محدوده کم و خیلی کم قرارگرفته است. نتایج تحلیل نقشه حساسیت زمین لغزش با استفاده از منطق فازی بیانگر این است % 27. 7 در محدوده زیاد و خیلی زیاد قرارگرفته است. همچنین % 15. 5 در محدوده متوسط و % 56. 8 در محدوده کم و خیلی کم واقع شده است. همچنین ارزیابی نقشه حساسیت زمین لغزش به کمک منحنی ROC، نشان داد که مساحت زیر نمودار (AUC)، در روش AHP و فازی به ترتیب برابر با % 81. 7 و % 75. 2 است که گویایی دقت و صحت ارزیابی خیلی خوب هر دو مدل هست. همین طور نسبت عددی NRi در روش AHP در طبقات حساسیت زمین لغزش، بیشتر از روش فازی است، زیرا روش AHP در مقایسه با روش فازی، درصد بالایی از زمین لغزش ها را در مساحت کوچک تری به عنوان پهنه با حساسیت زیاد و خیلی زیاد پوشش داده است. نتیجه گیری: در این مطالعه به منظور ارزیابی و تهیه نقشه حساسیت زمین لغزش از دو روش فازی و تحلیل سلسله مراتبی در محیط سیستم اطلاعات جغرافیایی استفاده و عملکرد آن ها باهم مقایسه شد. نقشه حساسیت زمین لغزش به پنج کلاس طبق بندی و عملکرد نتایج هر دو روش با استفاده از منحنی ROC و نسبت عددی NRi موردبررسی قرار گرفت. نتایج ارزیابی عملکرد دو روش فازی و تحلیل سلسله مراتبی با استفاده از منحنی ROC و نسبت عددی Nri نشان داد که روش تحلیل سلسله مراتبی نسبت به روش فازی درستی و دقت بیشتری در پیش بینی حساسیت زمین لغزش در منطقه موردمطالعه دارد. نقشه های حساسیت به زمین لغزش مانند نقشه تولیدشده در این مطالعه می تواند اطلاعات ارزشمندی برای برنامه ریزان و مهندسان برای سازمان دهی مجدد یا برنامه ریزی برنامه های جدید فراهم کند.

پیشینه و هدف: مراتع جزء آن دسته از زیست بوم های طبیعی هستند که بخش مهمی از ذخایر کربن خاک را به خود اختصاص داده اند و علاوه بر آن به عنوان ذخیره ژنتیکی بسیار متنوعی، تضمین کننده پویایی اکوسیستم می باشند. آتش سوزی یک عامل طبیعی در مراتع به شمار می رود که طی آن اکثر پوشش های طبیعی موجود می سوزند. بررسی اثرات مثبت و منفی آتش سوزی بر اکوسیستم به ویژه بر خصوصیات خاک محققین را بر آن داشته تا به دنبال روش های جایگزینی، به جای روش های مستقیم و میدانی که عموماً بسیار پرهزینه و وقت گیر هستند، باشند. ازجمله روش ها و فناوری های نوینی که در زمینه منابع طبیعی بسیار پرکاربرد و مفید هستند می توان به سنجش ازدور اشاره کرد. هدف از پژوهش حاضر بررسی اثر کوتاه مدت آتش سوزی بر ذخیره کربن آلی، اسیدیته و هدایت الکتریکی خاک مراتع در منطقه گنبد همدان و بررسی قابلیت سنجش از دور در برآورد غیرمستقیم کربن خاک سطحی در مراتع نیمه خشک پس از وقوع آتش سوزی است. مواد و روش ها: در این تحقیق از هر سایت 20 نمونه خاک از عمق 0-10 سانتی متری (درمجموع 40 نمونه) برداشت شد و با دستگاه GPS مختصات تک تک نقاط نمونه برداری ثبت گردید. نمونه برداری ها در فاصله 15 الی 20 روز پس از وقوع آتش سوزی در اوایل مهرماه انجام پذیرفت. نمونه ها پس از انتقال به آزمایشگاه جهت اندازه گیری میزان کربن آلی خاک مورداستفاده قرار گرفتند. سپس ارتباط آماری بین مناطق شاهد با مناطق دچار آتش سوزی با آزمون t مستقل موردبررسی و تجزیه وتحلیل قرار گرفت. همچنین برآورد غیرمستقیم میزان کربن آلی خاک سطحی در دو سایت شاهد و دچار آتش سوزی شده و بررسی روند تغییرات آن ها با استفاده از سنجش ازدور تصاویر ماهواره ای مورد ارزیابی قرار گرفت. به همین منظور پس از انجام پردازش های لازم بر روی داده های ماهواره ای، مقادیر متناظر بازتاب طیفی هر پیکسل با نقاط نمونه برداری در طول موج ها و شاخص های طیفی مختلف استخراج، و میزان همبستگی و ارتباط رگرسیونی هر یک از آن ها با میزان کربن مورد تجزیه و تحلیل قرار گرفت. نتایج و بحث: نتایج حاصل از آزمون همبستگی پیرسون نشان داد که در بین تمام شاخص ها طیفی تنها شاخص HI با کربن آلی خاک در کوتاه مدت و در منطقه شاهد همبستگی داشته است. همچنین در بین تمام شاخص ها، شاخص های BI، NDBI، NDVI، SAVI، VCI و VHI با مقدار EC در سایت شاهد همبستگی داشتند. در سایت شاهد بین اکثر شاخص های طیفی و EC خاک همبستگی معنی داری وجود داشت که پس از آتش سوزی این همبستگی در سایت آتش سوزی از بین رفته بود. در مورد همبستگی بین pH و شاخص های طیفی مشاهده گردید بین برخی از شاخص های طیفی و pH همبستگی به وجود آمده است. درواقع می توان نتیجه گرفت که آتش سوزی باعث تغییر بزرگی در میزان انعکاس و انتشار امواج از سطح خاک گردیده است به گونه ای که در سایت شاهد شاخص ها با EC همبستگی داشتند اما در سایت آتش سوزی همبستگی بین شاخص ها و EC به طور کامل از بین رفته است و در عوض بین شاخص ها و pH همبستگی ایجاد گردیده است. همچنین هیچ یک از شاخص های طیفی در فروردین 1396 در سایت شاهد با SOC همبستگی مثبت یا منفی معنی داری نداشتند و نتایج بیانگر این موضوع بود که پس از گذشت شش ماه از وقوع آتش سوزی تغییرات کربن خاک به گونه ای نبوده است که بتوان با شاخص های طیفی روند آن را بررسی کرد. در مقایسه نتایج مهر 1395 با نتایج فروردین 1396 در سایت شاهد مشخص گردید که پس از گذشت شش ماه شاخص NBR همبستگی معنی داری با میزان EC پیدا کرده است اما شاخص های BI و VHI همبستگی خود را ازدست داده اند. با توجه به بحث صورت گرفته در مورد شاخص NBR و حضور باند SWIR2 در آن به نظر می رسد باگذشت شش ماه از وقوع آتش سوزی، در سایت شاهد تغییراتی به وجود آمده که منجر به ایجاد همبستگی بین این شاخص و EC خاک گردیده است. ازآنجاکه مقدار انرژی بازتابی از سطح زمین به عوامل متعددی نظیر رطوبت خاک، تغییر محتوی ماده آلی خاک و پوشش سطح وابسته است لذا باید تأثیر این عوامل را در فصل رویش بر روی بازتاب خاک مدنظر قرارداد. عدم تغییر این نتایج پس از گذشت شش ماه می تواند این موضوع را به اثبات برساند که اثرات مثبت و منفی آتش سوزی در دوره ای کوتاه مدت در حد شش ماه از بین نرفته و زمان طولانی تری برای بازگشت شرایط به حالت طبیعی نیاز است. نتیجهگیری مطابق با بررسی های صورت گرفته مشخص گردید که ذخیره کربن آلی خاک در مراتع آتش سوزی شده با مراتع شاهد دارای تفاوت معنی داری نیست. تغییر شکل و تثبیت مواد آلی خاک در اثر آتش توسط محققین زیادی مورد بررسی و توجه قرارگرفته است اما تبدیل و دگرگونی ماده آلی خاک در اثر آتش سوزی، اغلب منجر به نتایج ناهمگون و متفاوتی گردیده است. مشخص شده است در عمق 20-10 سانتی متری آتش سوزی تأثیری در میزان کربن آلی خاک نداشته است اما محققین دیگری مشخص کردند 6 ماه پس از آتش سوزی در خاک های سوخته در مقایسه با خاک های شاهد میزان کربن افزایش داشته است. مشخص شده است که سه ماه پس از آتش سوزی درصد کربن آلی خاک به صورت معنی داری کاهش داشته است. همچنین در بررسی دیگری بر روی اثر آتش سوزی بر کربن آلی خاک مشخص شده است که در منطقه دچار آتش سوزی نسبت به منطقه شاهد در یک سال و دو سال پس از آتش سوزی میزان کربن آلی خاک کاهش معنی داری داشته است. ازآنجاکه اثر آتش سوزی بر خصوصیات فیزیکی و شیمیایی خاک به شدت تحت تأثیر شدت آتش سوزی، رطوبت خاک، اقلیم و پوشش گیاهی است. لذا تمام این عوامل منجر به حصول نتایج متفاوت در بررسی تأثیر آتش سوزی بر کربن آلی خاک گردیده است. با توجه به شرایط محیطی، اقلیم، شیب منطقه، بافت و ساختمان خاک و عوامل مرتبط با آتش سوزی نظیر شدت و مدت آن، مقدار کربن خاک تغییر کرده است. برای مثال در صورت وقوع آتش سوزی متوسط شرایط برای رویش مجدد پوشش گیاهی سریع تر فراهم گردیده است اما در صورت وقوع آتش سوزی های شدید به طور کلی تمام لایه آلی سطح خاک از بین رفته است و به مرور کربن کاهش داشته است. همچنین در بررسی همبستگی بین شاخص های طیفی و کربن آلی خاک مشخص گردید تنها شاخص HI با کربن آلی خاک در سایت شاهد معنی دار بوده است اما در سایت دچار آتش سوزی هیچ گونه همبستگی مشاهده نشده است. این امر را می توان به بررسی طیف طول موج های مرئی آبی و سبز در رابطه ریاضی این شاخص بررسی کرد، زیرا تنها در این شاخص از طیف طول موج سبز و آبی استفاده گردیده است. با توجه به نتایج سایر محققین به نظر می رسد تخمین کربن آلی خاک با استفاده از سنجش از دور دارای پیچیدگی های خاصی است. ازآنجاکه کربن آلی خاک با بیشترین تأثیر خود را بر روی رنگ خاک می گذارد، لذا اگر مقدار آن کم باشد با استفاده از سنجش از دور امکان تخمین آن ضعیف است.

پیشینه و هدف: کاربری اراضی منعکس کننده ویژگی های تعاملی بین انسان و محیط زیست و تشریح نحوه بهره برداری انسان برای یک یا چند هدف بر روی زمین است. کاربری اراضی، معمولاً بر اساس استفاده انسان از زمین، با تأکید بر نقش کاربردی زمین در فعالیت های اقتصادی تعریف می شود. نقش کاربری اراضی یکی از فاکتورهای اساسی در مطالعات منابع طبیعی و مدیریت محیط زیست است. اطلاع از تغییرات کاربری اراضی و بررسی علل و عوامل آن ها در یک دوره زمانی می تواند مورد توجه برنامه ریزان و مدیران باشد. استفاده از داده های ماهواره ای به دلیل فراهم ساختن دید وسیع و یکپارچه از یک منطقه، قابلیت تکرارپذیری، دسترسی آسان، دقت بالای اطلاعات به دست آمده و سرعت بالای تجزیه و تحلیل ابزار مناسبی برای تهیه نقشه کاربری اراضی مخصوصاً در مناطق جغرافیایی وسیع است. یکی از روش های پرکاربرد استخراج اطلاعات از تصاویر ماهواره ای، طبقه بندی است که به کاربران امکان تولید اطلاعات مختلف را می دهد. برای تفکیک پدیده های موضوعی و استخراج دقیق تر اطلاعات، با توجه به نوع روش طبقه بندی، منطقه موردمطالعه، ویژگی های نقاط تعلیمی نتایج متفاوتی حاصل می شود. سامانه گوگل ارث انجین (GEE)، سیستمی مبتنی بر وب و محاسبات ابری است که توسط شرکت گوگل و به منظور ذخیره سازی و تحلیل حجم عظیمی از داده ها در مقیاس پتا بایت (ازجمله تصاویر مختلف ماهواره ای، مدل های رقومی ارتفاعی، داده های اقلیمی، داده های وکتوری)، راه اندازی شده است. سرعت در پردازش و دسترسی به داده های متنوع از مسائل و مشکلات مطالعات مربوط به تغییرات کاربری اراضی است. این مشکلات به لطف سامانه گوگل ارث انجین، برطرف شده است. هدف مقاله حاضر طبقه بندی تصاویر ماهواره ای با استفاده از روش یادگیری ماشین بردار در دو دوره 2000 و 2020 و تهیه نقشه کاربری اراضی این دو دوره در محیط سامانه گوگل ارث انجین است. مواد و روش ها: در پژوهش حاضر شهر ارومیه به همراه نواحی اطراف آن (دشت ارومیه)، مورد ارزیابی قرارگرفته است. به منظور تهیه نقشه های کاربری اراضی و مطالعه تغییرات آن، تصاویر مربوط به سنجنده ETM+ ماهواره لندست 7 برای سال 2000 و سنجنده OLI لندست 8 مربوط به سال 2020 استفاده شده است. از تصاویر مربوط به ماه جون، زمانی که پوشش گیاهی به حداکثر رشد رویشی رسیده است، استفاده گردید. روش های مختلفی برای پایش و اندازه گیری تغییرات پوشش زمین و کاربری اراضی توسعه پیداکرده است. در مقاله حاضر کارایی سامانه گوگل ارث انجین به منظور گردآوری، مدیریت و پردازش داده های سنجش از دور مورد ارزیابی قرار گرفته است تا بتوان سرعت و دقت این سامانه را اثبات و معرفی کرد. جهت تهیه نقشه کاربری اراضی، از روش طبقه بندی ماشین بردار پشتیبان (Support Vector Machine)، استفاده شده است. تفاوت عمده این مقاله با سایر پژوهش ها این است که مدیریت و پردازش تصاویر در سامانه گوگل ارث انجین صورت گرفته است که این امر سبب می شود تا محقق نیازی به نرم افزارهای پرهزینه و سنگین مانند ENVI نداشته باشد و تنها با دسترسی به اینترنت بتواند پردازش های مورد نظر را انجام دهد. با توسعه کد مربوط به طبقه بندی تصاویر با استفاده از روش ماشین بردار پشتیبان، اقدام به طبقه بندی تصاویر سال های 2000 و 2020 شد. شش کلاس کاربری شامل زمین های بایر، اراضی انسان ساخت، باغات، کشاورزی آبی، کشاورزی دیم و پهنه های آبی مشخص گردید. پس از طبقه بندی تصاویر ماهواره ای، نتایج کار در گوگل درایو ذخیره و برای تحلیل های بعدی آماده شد. نتایج طبقه بندی وارد محیط نرم افزارArcGIS شد و صحت طبقه بندی با استفاده از نقاط کنترلی به دست آمده از تصاویر گوگل ارث و همچنین داده های مربوط به طرح آمایش سرزمین استان آذربایجان غربی مورد ارزیابی قرار گرفت. در مقاله حاضر علاوه بر تهیه نقشه کاربری اراضی در سامانه گوگل ارث انجین، به پیش بینی و مدل سازی کاربری ها برای سال 2040 با استفاده از تخمینگر انتقال مارکوف استفاده شد. نتایج و بحث: پس از فراخوانی و اعمال طبقه بندی در محیط گوگل ارث انجین با استفاده از روش SVM، نقشه کاربری اراضی برای سال های 2000 و 2020 تهیه شد. نقشه های تهیه شده شامل کاربری های اراضی ساخته شده، پهنه های آبی، باغات، کشاورزی آبی، کشاورزی دیم و زمین های بایر است. مقایسه کاربری های مختلف بین سال های 2000 و 2020 نشان می دهد که تغییرات گسترده ای در آن ها رخ داده است. برخی از این تغییرات افزایشی و برخی کاربری ها، منفی است. زمین های بایر در سال 2020 نسبت به سال 2000، در حدود 10 کیلومتر مربع، اراضی ساخته شده (انسان ساخت)، 42. 62 کیلومترمربع، باغات 67 کیلومترمربع و پهنه های آبی 0. 39 کیلومتر مربع افزایش مساحت را نشان می دهد. در مقابل کشاورزی دیم 39. 45 و کشاورزی آبی 80 کیلومترمربع از مساحت خود را ازدست داده اند. دلیل افزایش باغات را می توان در تغییر کاربری های کشاورزی آبی به باغی و همچنین توسعه شهری و ایجاد زیرساخت های انسانی مختلف دانست که در سال های اخیر بسیار مشهود است. بیشترین تغییرات مربوط است به کاربری باغات با روند مثبت که طی آن بسیاری از زمین های کشاورزی آبی تبدیل به اراضی باغی شده اند. همین تغییرات سبب شده تا میزان تولید محصولات باغی شهرستان ارومیه افزایش یافته و به یکی از قطب های تولید محصولات باغی به ویژه سیب تبدیل بشود. از طرف دیگر مساحت زمین های انسان ساخت تقریباً دو برابر شده است که این امر معمولاً در سایر نقاط کشور نیز اتفاق می افتد و امری عادی است. معمولاً با افزایش جمعیت شهرها و همچنین روستاها و نیاز به احداث ساختمان های جدید و امکانات زیرساختی مثل کارخانه ها، زمین های ورزشی، جاده ها، فضاهای سرگرمی و غیره، کاربری های انسان ساخت افزایش پیداکرده است. طبق نقشه پیش بینی شده برای سال 2040 با استفاده از CA-Markov در نرم افزار ادریسی، بیشترین رشد مربوط به کاربری کشاورزی دیم است. پیش بینی می شود طی این دوره مساحت زمین های دیم به 73. 40 کیلومترمربع برسد. زمین ساخته شده به 90. 9 کیلومترمربع افزایش خواهد یافت. در حالی که مقدار آن در سال 2020، 76. 38 کیلومترمربع بوده است. از طرف دیگر مساحت باغات از 31. 61 کیلومترمربع در سال 2020 به 72. 15 کیلومترمربع افزایش خواهد یافت. زمین های کشاورزی آبی نیز با روند افزایشی به 27. 38 کیلومترمربع خواهد رسید. نتیجه گیری: بررسی ها نشانگر آن است که رشد اراضی ساخته شده در شهر ارومیه و پیرامون آن، متناسب و همسو با سایر کاربری ها نیست و این مسئله منجر به پیشی گرفتن رشد مساحت کاربری اراضی ساخته شده نسبت به سایر کاربری ها شده است و این مسئله باعث ایجاد پدیده گستردگی در شهر ارومیه شده است. از طرف دیگر نتایج نشان می دهد که بررسی و مطالعه کاربری اراضی با استفاده از سری زمانی تصاویر ماهواره ای، صرفه جویی در زمان و هزینه است و همان طور که در مقاله اشاره شده است، کاربری های مختلف برای سال ها 2000 و 2020 با استفاده از سامانه گوگل ارث انجین تهیه و تغییرات آن ها مشخص شد.