سطح پوشش برف به عنوان یکی از عوامل مهم در پیش بینی رواناب حاصل از ذوب برف قلمداد می شود، لیکن توزیع مکانی و زمانی برداشت های زمینی سطح تحت پوشش برف مناسب نمی باشد. از طرف دیگر، داده های ماهواره ای نوا (NOAA)سنجنده AVHRR با قدرت تفکیک پیکلسل های 1.1×1.1 کیلومترمربع در تکرارهای روزانه می تواند توزیع مکانی و زمانی پوشش برفی را بدست دهد. امکان برآورد سطح تحت پوشش برف از اطلاعات ماهواره ای به طور غیرمستقیم وجود دارد. این اطلاعات شامل بازتابهای عوارض در طیف های مختلف امواج الکترومغناطیس است. بدین منظور روشهایی در تفسیر این اطلاعات و استخراج سطح پوشش برف ارائه شده است. این روشها عمدتا شامل مرحله تفسیر چشمی تصاویر ماهواره ای می باشد. در شناسایی محدوده های برفی در تصاویر ماهواره ای همواره ابر که در دامنه امواج طیف نامرئی دارای خصوصیات شبیه به برف می باشد. از مشکلات مهم روشهای موجود و ازمنابع عمده خطا می باشد. در این تحقیق با استفاده از باندهای 2، 3 و 4 ماهواره نوا با سنجنده AVHRR روشی ارائه می گردد که برف، ابر و زمین را از یکدیگر تفکیک می نماید. در این روش نیازی به تفسیر چشمی نیست و با استفاده از بارزسازی، تحلیل چند طیفی و تحلیل هیستوگرام و بر اساس خصوصیات فیزیکی سه محیط برف، ابر و زمین تفکیک می گردند. به منظور اجرای تحلیل چند طیفی، بارزسازی و نیز Split-Merge نمودن تصوی، محیط نرم افزار سیستم اطلاعات جغرافیایی سلولی ILWIS بهره برداری شده است. داده های سنجنده AVHRR ماهواره نوا در سه زمان شامل 9 ژانویه و 24 فوریه 1997 و 17 می 1998 برای تفکیک برف از ابر و زمین در حوزه های کارون، دز و کرخه واقع در منطقه زاگرس ایران مورد استفاده قرار گرفته است. ارزیابی روش پیشنهادی در تفکیک و تشخیص برف و زمین در تاریخ 17 می 1998 در مقایسه با نتایج حاصل از پردازش تصاویر سنجنده TM ماهواره لندست که دارای قدرت تفکیک پذیری مکانی بالا و با پیکسل هایی به ابعاد تقریبی 28.5×28.5مترمربع می باشد مطابقت دارد. به علاوه نتایج روش پیشنهادی در تشخیص برف، ابر و زمین با نتایج تفسیر چشمی عوارض در تصویر تاریخ 24 فوریه 1997 مورد مقایسه قرار گرفته است که تطابق خوبی را نشان می دهد.

بالاترین دما در جهان، مربوط به اقلیم های خشک و گرم است. صاف بودن آسمان موجب می شود که در طول روز حداکثر تابش به سطح زمین برسد و زمین به سرعت گرم شود. به ویژه در بیابان ها که پوشش گیاهی کم و نمک و رطوبت خاک غالبا ناچیز است، سطح خاک در طول روز حرارت بالایی را دریافت می کند و دمای آن بالا می رود. از آنجا که بیابان لوت دارای ویژگی های مذکور است، محیط مناسبی برای مطالعه و تهیه مدل دمای سطح زمین (LST) به شمار می آید. در تحقیق حاضر سعی شده است تا با استفاده از دوازده تصویر ماهواره NOAA-AVHRR سال 2001 و داده های هواشناسی، مدل دمای سطحی منطقه حاشیه یاردانگ های بیابان لوت طراحی شود. بنابراین برای بررسی دقت مدل به دست آمده، از 8 اندازه گیری زمینی به عنوان نقاط کنترل استفاده شده است. بر اساس نتایج حاصل از این تحقیق، مشخص گردید که به رغم مشکلات متعددی که برای محاسبه دقیق دمای سطحی پدیده ها از طریق داده های سنجش از دور حرارتی وجود دارد، ولی با استفاده از داده های ماهواره ای و زمینی می توان اطلاعات مفیدی از پدیده های سطحی به دست آورد. اما برای محاسبه دقیق تر دما، در نظر گرفتن توان تابشی دقیق برای پدیده ها یا خاک های مورد مطالعه الزامی است.

امروزه استفاده از تصاویر ماهواره ای یکی از ضرورت ها، در بررسی تغییرات پوشش گیاهی سطح زمین به شمار می رود. از طرف دیگر بارندگی از عوامل اصلی موثر بر وضعیت پوشش گیاهی شناخته شده است. این مقاله به بررسی تغییرات پوشش گیاهی و رابطه آن با بارندگی در یک دوره سه ساله (1995-1997) در قسمتی از حوضه آبخیز کل واقع در استانهای هرمزگان و کرمان و قسمتی از استان فارس در دو گام زمانی ده روزه و ماهانه می پردازد. با تجزیه و تحلیل زمین آماری بارندگی روزانه 22 ایستگاه باران سنجی منطقه مورد مطالعه، تعداد 126 نقشه بارندگی در طول دوره طرح تهیه شد. تصاویر ماهواره ای روزانه با استفاده از روش ترکیب حداکثر ده روز و انتخاب شاخص گیاهی NDVI به تصاویر ده روزه تبدیل شدند. پس از تهیه نقشه واحدهای اراضی منطقه، رابطه پوشش گیاهی و بارندگی در واحدهای مختلف مورد بررسی قرار گرفت. نتایج به دست آمده نمایانگر وجود همبستگی با درجات مختلف در منطقه مورد مطالعه می باشد. در این بین واحدهای دشتهای آبرفتی و دشتهای سیلابی نسبت به سایر واحدها درجه بالاتری از همبستگی را نشان می دهند. همچنین پوشش گیاهی و بارندگی همبستگی بهتری در دوره ماهانه نسبت به دوره زمانی ده روزه دارند. از مجموع روش های مورد آزمون، رگرسیون چند متغیره بهترین روش برای تعیین رابطه بارندگی و پوشش گیاهی در منطقه مورد مطالعه تشخیص داده شد.

استفاده از نمایه های هواشناسی کشاورزی ماهواره ای می تواند در پایش و پیش بینی خشک سالی کمک نماید. از این رو در این پژوهش با استفاده از سری داده های هفتگی GVI-x، میانگین ماهانه نمایه های خشک سالی ماهواره ای شرایط دما، شرایط گیاه و سلامت گیاه (TCI، VCI و VHI) در دوره آماری 2007-1993 محاسبه گردیده است. سپس تغییرات بارندگی 4 ایستگاه همدیدی منتخب استان اصفهان که دارای طول عمر بیشتری بودند (ایستگاه های اصفهان، شهرضا، نطنز و داران)، در این دوره آماری مطالعه شده و همبستگی بارندگی ماهانه این 4 ایستگاه با میانگین ماهانه نمایه های TCI، VCI و VHI ماهانه در سه نقطه انتخابی 1) بایر، 2) آبی و 3) دیم، در اطراف ایستگاه های همدیدی منتخب، محاسبه شده است. نتایج، همبستگی مناسبی میان نمایه های VCI و VHI با بارندگی را نشان می دهند. بررسی تغییرات نمایه های VCI و VHI که همبستگی بیشتری با بارندگی داشته اند، در مناطق تحت کشت دیم و آبی ایستگاه های داران، اصفهان، شهرضا و نطنز در سال های 2000، 2004 و 2005 و همچنین بررسی سطح تحت تاثیر خشک سالی در استان اصفهان بر اساس نمایه های ماهواره ای خشکسالی، نشان می دهد که سال های 2000، 2004 و 2005 به ترتیب با خشک سالی، ترسالی و سال های نرمال، همراه بوده اند.

نظارت بر محصولات کشاورزی نقش بسیار مهمی در تامین مواد غذایی مورد نیاز جهانی دارد. متاسفانه به علت بی توجهی به مسائل اصولی توسعه، با افزایش جمعیت و توسعه اقتصاد و صنعت، کمیت و کیفیت زمین های کشاورزی به سرعت کاهش پیدا می کند. در همین ارتباط، اندازه گیری دقیق میزان محصولات کشاورزی از اهمیت مهمی در آمار کشاورزی برخوردار است. به طور کلی به منظور تخمین تولیدات محصول، اطلاعاتی مانند مساحت و میزان تولید در واحد سطح از اهمیت قابل توجهی برخوردار است. فناوری سنجش از دور می تواند اطلاعاتی با ارزش و به موقع درباره توزیع محصول، سطح زیرکشت و پتانسیل تولید در اختیار تصمیم گیران در بخش کشاورزی قرار دهد.در دهه های اخیر روش های متعددی به منظور طبقه بندی و محاسبه سطح زیرکشت محصولات کشاورزی از داده های سنجش از دور ارائه شده است.هدف از این تحقیق طبقه بندی محصول برنج و براورد سطح زیرکشت آن در استان گیلان در شمال ایران با استفاده از داده های چندزمانه سنجنده AVHRR (ماهواره (NOAA می باشد. به همین منظور از روش طبقه بندی چندزمانه متکی بر استخراج بیشینه NDVI روزانه به منظور حذف ابر استفاده شده است. نوآوری روش طبقه بندی استفاده شده عبارت است از تنوع در کاربرد عملیات جبری اعمال شده بر روی NDVIهای ماهانه به منظور استخراج و تفکیک مناطقی که دارای بیش ترین میزان سبزینگی در طی فصل رشد در منطقه مورد مطالعه هستند. نتایج به دست آمده از به کارگیری روش فوق نشان می دهد که علی رغم قدرت تفکیک پایین داده های AVHRR در مناطقی که مزارع برنج در سطح وسیع و پیوسته گسترش یافته اند، دقت محاسبات مربوط به سطح زیرکشت برنج تا میزان قابل توجهی افزایش پیدا می کند تا جایی که در مقایسه با نقشه مرجع دقت نهایی برابر با 91.96 درصد می باشد. باتوجه به پایین بودن هزینه های روش استفاده شده در تحقیق، بررسی های بیش تر به منظور ارزیابی دقیق تر آن توصیه می شود.

در این تحقیق تاثیر قدرت تفکیک پذیری مکانی اطلاعات ماهواره ای در تعیین سطح زیر پوشش برف بررسی شد. بدین منظور سنجنده AVHRR ماهواره نوآ با قدرت تفکیک پذیری اسمی معادل 1100 متر و سنجنده TM ماهواره لندست با قدرت تفکیک پذیری اسمی معادل 28.5 متر انتخاب و مقایسه شدند. نتیجه این تحقیق که در مناطق برفگیر حوزه کارون واقع در زاگرس ایران انجام شده است، نشان می دهد مساحت پوشش برفی در تصاویر ماهواره ای نوآ و لندست در دو تاریخ متفاوت، یکی در اوایل فصل ذوب و دیگری در اواخر فصل ذوب، به ترتیب 15 و 17 درصد با هم اختلاف دارند. همچنین نتیجه این تحقیق نشان می دهد که مساحت مشترک پلی گون ها در همپوشانی مکانی برای دو ماهواره از مساحت پلی گون در دو تصویر بمراتب کمتر است، ولی مساحت همپوشانی در پلی گون های مختلف با مساحت کل برف پلی گون های هر ماهواره همبستگی زیادی را نشان می دهد. به علاوه هر چه قدرت تفکیک پذیری مکانی اطلاعات ماهواره ای کمتر باشد، سطح زیر پوشش برف بیشتر از حد برآورد می شود. مساله دیگر اینکه برای تشخیص میدان های برفی از تصاویر ماهواره ای، اندازه میدان های برفی باید بزرگ تر از چند پیکسل سنجنده باشد.

از داده های سنجندة AVHRR برای آشکارسازی ناحیه ای ابر در دو منطقة ایران با ویژگی های متفاوت جغرافیایی و جوی به منظور مقایسه با داده های ماسک ابر مادیس (MOD35) استفاده شده است. بدین منظور، پنج تاریخ دارای بالاترین و پایین ترین آنومالی ابرناکی طی بازة زمانی 2001-2015 متناسب با گذر ماهواره های ترا و نوآ انتخاب شد. پنج آزمون آستانه گذاری طیفی مختلف استفاده شد. ابتدا پس از تشخیص پیکسل های برفی، این پیکسل ها از ادامة کار حذف شدند. سپس، از سه آزمون به منظور تشخیص پیکسل های ابرناک بهره برده شد؛ این آزمون ها عبارت است از: آزمون بازتاب کانال مرئی؛ آزمون نسبت بازتاب مادون قرمز نزدیک/ مرئی؛ و آزمون دمای درخشندگی جو بدون ابر. آزمون آخر نشان داد، طی تاریخ های مورد بررسی، با توجه به دمای سطحی، دمای درخشندگی قابل تقسیم به دو طبقة اصلی است. هنگامی که دمای سطحی بیشتر از 5 درجة سانتی گراد است، جو صاف به طور متوسط 1 درجة سانتی گراد سردتر از جو ابری است و برعکس؛ هنگامی که دمای سطحی کمتر از 5 درجة سانتی گراد باشد، جو صاف به طور متوسط 6 درجة سانتی گراد گرم تر است. نتایج حاصل از صحت سنجی این الگوریتم با ارزیابی داده های ایستگاهی و محصول ماسک ابر سنجندة مادیس دقت بالای 90درصد را نیز در برخی از تاریخ ها آشکار کرد.