پیشینه و هدف پوستههای زیستی خاک مجموعهای از گلسنگها، خزهها، قارچها، سیانوباکتریها و غیره هستند که بخش از اکوسیستم خاک را تشکیل دادهاند. برآورد تراکم و نحوه توزیع پوستههای زیستی خاک در مناطق خشک و نیمهخشک کشور ایران که موضوع فرسایش و هدر رفت خاک از اهم مسائل است چکیده کامل
پیشینه و هدف پوستههای زیستی خاک مجموعهای از گلسنگها، خزهها، قارچها، سیانوباکتریها و غیره هستند که بخش از اکوسیستم خاک را تشکیل دادهاند. برآورد تراکم و نحوه توزیع پوستههای زیستی خاک در مناطق خشک و نیمهخشک کشور ایران که موضوع فرسایش و هدر رفت خاک از اهم مسائل است، اهمیت بسزایی دارد. روشهای مبتنی بر تکنیک سنجشازدور به لحاظ هزینه و زمان کمتر روشهایی کارآمد برای دستیابی به این هدف مهم میباشند. دشت سگزی یکی از نقاط بحرانی فرسایش بادی در ایران است و شناسایی و تعیین نحوه توزیع پوستههای زیستی خاک بهعنوان عامل اصلاحکننده خاک گامی مؤثر در کاهش فرسایش بادی منطقه است. در این تحقیق شاخص BSCI (Biological Soil Crust) برای تهیه نقشه پراکنش پوستههای زیستی خاک با غالبیت گلسنگ به کار گرفتهشده است.مواد و روش هامحدوده موردمطالعه بخشی از بیابان سگزی (بیابانهای مرکزی ایران) است که در استان اصفهان از کشور ایران واقعشده است. محدوده موردمطالعه با مساحت 199.5 هکتار بین طولهای شرقی"32 ́ 52 ̊ 51 تا "41 ́ 27 ̊ 52 و عرضهای شمالی "31 ́ 33 ̊ 32 تا "01 ́ 55 ̊ 32 گسترده شده است. شیب متوسط دشت سگزی 1.08 درصد و ارتفاع متوسط آن 1680 متر است. بر اساس آمار ایستگاه هواشناسی شرق اصفهان (ایستگاه شهید بهشتی) متوسط بارش سالیانه منطقه 106 میلیمتر است. بر اساس طبقهبندی اقلیمی دومارتن، اقلیم منطقه از نوع خشک و براساس طبقهبندی آمبرژه از نوع خشک سرد است. شاخص BSCI شاخصی ترکیبی از روابط مورداستفاده برای برآورد پوشش گیاهی و سطح خاک لخت است و رابطه ریاضی آن شیبخط خاک لحاظ شده است. برای محاسبه خط خاک در یک منطقه، نخست باید پیکسلهایی که دارای خاک لخت بوده و هیچ پوشش گیاهی ندارند جدا شوند. بهمنظور محاسبه معادله خط خاک، در چهارفصل سال تصاویر ماهواره Landsat OLI 8 مربوط به سال 1397ز سایت سازمان زمینشناسی آمریکا دانلود شده و تعداد 20 الی 30 پیکسل خالص خاک لخت استخراج و با ترسیم مقادیر بازتاب این پیکسلها در محدوده باند قرمز و مادونقرمز نزدیک ضرایب خط خاک برای هر یک از فصلهای سال در دشت سگزی محاسبه شد. بر اساس این شاخص، شناسایی پوستههای زیستی با غالبیت گلسنگ، با استفاده از انعکاس طیفی حداقل VIS-NIR و شیب بین باند قرمز و سبز در مقایسه با خاک لخت و پوشش گیاهی خشک صورت میگیرد. با استفاده از نرمافزار ENVI نقشه پراکنش پوستههای زیستی با غالبیت گلسنگ در چهارفصل از سال 1397 در دشت سگزی تهیه شدند. سپس نقشههای تهیهشده براساس نقاط زمینی اعتبارسنجی شده و میزان صحت کل و شاخص کاپا در هر چهارفصل محاسبه شدند. نمونههای گلسنگ جمعآوریشده بر اساس خصوصیات مرفولوژیکی آنها و با استفاده از استریومیکروسکوپ، میکروسکوپ معمولی و معرفهای رنگی متداول از قبیل هیدروکسید پتاسیم (KOH) شناسایی شدند. پس از اعمال شاخص BSCI بر روی تصویر ماهواره لندست 8، با استفاده از نرمافزار ENVI پروفیل طیفی مربوط به 4 نقطه از دشت سگزی در چهارفصل از سال تهیه شد و میزان بازتابش طیفی در چهارفصل از سال در نقاط مختلف بررسی شدند.نتایج و بحث شیبخط خاک در فصل بارش که همزمان با رشد گیاهان علفی و یکساله است در مقایسه با فصل تابستان که حداقل میزان بارش را داشته و همچنین گیاهان یکساله خشکشده و از بین رفتهاند، کمتر است. در اردیبهشت ماه شیبخط خاک حداقل بوده (0.39) و در اواخر تابستان حداکثر مقدار خود را دارد (0.78). در حقیقت شیبخط خاک از اسفندماه تا اردیبهشت رو به کاهش نهاده و سپس با از بین رفتن پوشش گیاهی یکساله و افزایش سطح خاک لخت بیشتر شده است. نقشههای پراکنش پوستههای زیستی در هر چهارفصل سال طی بازدیدهای میدانی اعتبار سنجی شدند و سال معلوم شد که بیشترین میزان صحت نقشه مربوط به نقشه تولیدشده از تصویر لندست 8 مربوط به فصل تابستان با میزان صحت کل 94 درصد و شاخص کاپا برابر با 0.7412 بوده است. تفسیر پروفیل طیفی شاخص BSCI نشان دادن که بازتابش طیف مربوط به زفره و فشارک که بر روی نقاط با پراکنش گلسنگها تهیهشده است بسیار نزدیک به هم بوده و همچنین پروفیل طیف مربوط به اواسط پاییز و اوایل بهار کاملاً منطبق بر هم است. درحالیکه در فساران که فاقد پوشش پوستههای زیستی بود مقدار بازتابش بیشتر است و اختلافی جزئی بین نمودار بازتابش پاییز و بهار وجود داشت. هرچند مقادیر بازتابش طیفی از اراضی کشاورزی و نقاط پراکنش پوستههای زیستی بسیار نزدیک به هم است لیکن نمودار طیفی هر چهارفصل اختلاف زیادی با یکدیگر دارند. لیکن در همه فصول از سال و در همه نقاط کمترین بازتابش در اول زمستان و بیشترین بازتابش در فصل تابستان اتفاق افتاده است. اقلیم دشت سگزی مدیترانهای بوده و بارش در فصل سرد سال انجام میشود همزمان با افزایش بارشها از اواسط پاییز گیاهان یکساله و خزهها در پای بوتهها شروع به رشد نموده و در اوایل زمستان به اوج خود رسیدهاند و دوباره در آغاز بهار همزمان با کاهش بارندگیها رو تراکم آنها کاهشیافته است. چنانچه طیف مربوط به زمستان در همه نقاط کمترین بازتابش را داشته است. درحالیکه در اواخر فصل تابستان که گیاهان یکساله و خزهها خشکشدهاند بیشترین بازتابش طیفی را داشته است. در فساران که منطقهای لمیزرع و محل دپوی زبالههاست، حداکثر میزان بازتابش را نشان داده است. بنابراین شاخص BSCI نسبت به درصد ماده آلی خطای فاحشی در تشخیص پوستههای زیستی خاک دارد و درجایی که ماده آلی بالا باشد ممکن است تشخیص درستی از پوستههای زیستی خاک ارائه ندهد. البته ازآنجاکه شاخص BSCI برای تشخیص ترکیبات گلوگان در بافتهای گلسنگ تعریفشده است. میزان خطای در خصوص ماده آلی به حداقل کاهش مییابد. همانطور که مشاهدهشده است در نقشه نهایی در فساران پوشش پوستههای زیستی وجود ندارد و تنها در نواحی اطراف فساران در مناطق زراعی پوستههای زیستی خاک مشاهده میشوند. در مناطق زراعی با توجه به دخالت انسان و کشت و زرع میزان گیاهان یکساله متفاوت با عرصه منابع طبیعی در فصول مختلف سال است و به همین دلیل بااینکه بازتابش طیفی تقریباً نزدیک به زفره و فشارک است لیکن نمودار طیفی پاییز و زمستان کاملاً از یکدیگر تفکیکشدهاند.نتیجه گیری شباهت طیفی مهمترین پوشش سطحی خاک ازجمله پوشش گیاهی، دخالت عوامل انسانی در افزایش یا کاهش ماده آلی خاک، خاک لخت و غیره میزان کارایی شاخص BSCI را محدود میکند و ازاینرو در بازه زمانی تصاویر ماهوارهای و شرایط منطقهای تأثیر زیادی در میزان دقت شاخص BSCI دارد.
پرونده مقاله
پیشینه و هدف کربن آلی خاک در اکوسیستم های مرتعی از کارکردهای متنوعی همچون افزایش حاصلخیزی خاک، کنترل فرسایش، افزایش نفوذپذیری آب در خاک و کاهش اثرات گازهای گلخانه ای برخوردار است. ازاینرو یک شاخص کلیدی در تعیین سلامت خاک محسوب می شود که تمامی ویژگی های فیزیکی، شیمیایی چکیده کامل
پیشینه و هدف کربن آلی خاک در اکوسیستم های مرتعی از کارکردهای متنوعی همچون افزایش حاصلخیزی خاک، کنترل فرسایش، افزایش نفوذپذیری آب در خاک و کاهش اثرات گازهای گلخانه ای برخوردار است. ازاینرو یک شاخص کلیدی در تعیین سلامت خاک محسوب می شود که تمامی ویژگی های فیزیکی، شیمیایی و بیولوژیکی خاک را تحت تأثیر خود قرار می دهد. وسعت زیاد مراتع کشور، استفاده از روش های سنتی در برآورد کربن آلی خاک را با چالش جدی مواجه می کند. در چنین شرایطی استفاده از قابلیت های دورسنجی می تواند بهعنوان گزینه ای مناسب برای پایش کربن آلی خاک مراتع کشور مطرح باشد. پژوهش حاضر باهدف تعیین مهمترین عوامل طیفی تأثیرگذار بر کربن آلی در افق سطحی خاک در دو مرتع ییلاقی انجام شد.مواد و روش هاپژوهش حاضر در دو مرتع ییلاقی لزور و آساران انجام شد. مرتع لزور به مساحت 8150 هکتار و ارتفاع متوسط 2875 متر در محدودة طول های شرقی 52.514 تا 52.694 درجه و عرض های شمالی 35.855 تا 35.934درجه در استان تهران و مرتع آساران به مساحت 5642 هکتار و ارتفاع متوسط 2465 متر در محدودة طول های شرقی 53.265 تا 53.392درجه و عرض های شمالی 35.804 تا 35.882درجه در استان سمنان واقعشده است. در این تحقیق از اطلاعات سنجندة OLI ماهواره لندست 8 استفاده شد. پس از انجام عملیات پیش پردازش تصاویر ماهواره ای مناطق موردمطالعه، لایه های اطلاعاتی بازتابش بالای اتمسفر باندهای 2 تا 7 همراه با متغیرهای آلبیدوی سطح، شاخص رس، شاخص کربنات، شاخص اندازه ذرات، NDVI، شاخص های روشنایی، سبزینگی و رطوبت تبدیل تسلدکپ محاسبه شد. در هر یک از مناطق موردنظر، با استفاده از نقشه مدل رقومی ارتفاعی (DEM)، نقشه های شیب، جهت و طبقات ارتفاعی تهیه شد و از تلفیق سه لایه اخیر با یکدیگر، نقشه واحدهای همگن نمونه برداری حاصل گردید. نمونه برداری از خاک، با استفاده از روش نمونه برداری تصادفی طبقهبندیشده انجام شد. بدینصورت که، در هر یک از واحدهای همگن با توجه به سطح آن، به شیوه تصادفی، چند نمونه خاک از عمق صفر تا 20 سانتی متری برداشت شد و میزان کربن آلی نمونه ها با استفاده از روش والکلی- بلاک اندازه گیری شد.نتایج و بحثنتایج این تحقیق نشان داد متغیرهای طیفی مقادیر بازتابش بالای اتمسفر باندهای 2 تا 7 همراه با متغیرهای آلبیدوی سطح، شاخص رس، NDVI، شاخص های روشنایی، سبزینگی و رطوبت تبدیل تسلدکپ، همبستگی معنی داری با کربن آلی خاکدارند (0.01>p). همچنین نتایج تحلیل عاملی به روش تجزیة مؤلفه های اصلی (PCA) با مقادیر ویژه بزرگتر از یک نشان داد کل واریانس تجمعی تبیین شده بوسیلة 12 متغیر مذکور، برابر91.74درصد است که این میزان واریانس بوسیلة دو عامل توضیح داده شد. عامل اول (رنگ خاک)، 76.6 درصد واریانس و عامل دوم (پوشش گیاهی و بافت خاک)، 15.14 درصد واریانس را تبیین کردند.نتیجه گیری نتایج این پژوهش مؤید وجود ارتباط معنی دار کربن آلی خاک سطحی با عوامل طیفی مستخرج از داده های سنجندة OLI لندست 8 در مراتع نیمه استپی موردمطالعه است. با توجه به وسعت زیاد مراتع ایران، استفاده از روش های سنتی در برآورد کربن آلی خاک به دلیل نیاز بهصرف وقت و هزینه زیاد، امکان پذیر نیست و در چنین شرایطی استفاده از قابلیت های دورسنجی می تواند بهعنوان گزینه ای مناسب برای پایش کربن آلی خاک مراتع کشور مطرح باشد.
پرونده مقاله
پیشینه و هدف امروزه تغییرات کاربری اراضی در بسیاری از کشورها به چالش مهمی تبدیلشده است که اثرات فراوانی بر محیط زیست می گذارند. بر همین اساس بررسی تغییرات کاربری اراضی در مقیاس های مختلف به عنوان یکی از موضوعات مهم در مدیریت درست منابع طبیعی و تغییرات زیست محیطی د چکیده کامل
پیشینه و هدف امروزه تغییرات کاربری اراضی در بسیاری از کشورها به چالش مهمی تبدیلشده است که اثرات فراوانی بر محیط زیست می گذارند. بر همین اساس بررسی تغییرات کاربری اراضی در مقیاس های مختلف به عنوان یکی از موضوعات مهم در مدیریت درست منابع طبیعی و تغییرات زیست محیطی در سطوح مختلف مطرح است. لذا آگاهی داشتن از تغییرات کاربری و بررسی علل و عوامل آنها در چند دوره زمانی و پیشبینی تغییرات کاربری اراضی در آینده می توان برنامه ریزی درستی را برای کاهش اثرات نامطلوب انجام داد که همین امر مورد توجه برنامه ریزان و مدیران شهری قرارگرفته است و به آنها در برنامه ریزی کاربری اراضی کمک شایانی می کند. همچنین تبدیل کاربری ها به یکدیگر و تغییر کاربری پوشش گیاهی به پهنه ساخته شده به عنوان موضوع مهم شناخته میشود. بر این اساس هدف این پژوهش پایش و پیش بینی تغییرات کاربری و پوشش اراضی منطقه شهری عباسآباد در آینده است؛ که با استفاده از این تغییرات میتوان اقدامات مناسب مدیریتی برای حفظ و احیا اراضی انجام داد.مواد و روش هاپیش بینی تغییرات کاربری اراضی از تلفیق مدل سلول های خودکار و زنجیره مارکوف در منطقه شهری عباس آباد با استفاده از تصاویر سنجنده TM و OLI ماهواره های لندست 8 و 5 اخذشده از سایت USGS انجام شد. چهار کلاس کاربری که شامل کلاس پهنه ساخته شده با کد شماره 1، کلاس پوشش گیاهی با کد شماره 2، کلاس منابع آبی با کد شماره 3 و کلاس اراضی بایر با کد شماره 4 برای منطقه شهری عباسآباد تفکیک شدند که این طبقه بندی از روش USGS اخذشده است. بهمنظور استخراج کلاس های کاربری اراضی بعد از چک نمودن چند روش نهایتاً از روش طبقهبندی شیءگرا و الگوریتم ماشین بردار پشتیبان (SVM) به دلیل کارایی بهتر استفاده گردید. ارزیابی صحت طبقه بندی تصاویر ماهواره ای بابیان دقت کلی و ضریب کاپا برای سه دوره زمانی انجام شد که هریک از این نقشه های طبقه بندی شده از طریق ترسیم ماتریس خطا مورد ارزیابی قرارگرفتهاند که برای تهیه این ماتریس از 250 نقطه نمونه استفاده شد و نوع نمونه برداری نیز به صورت نمونه برداری طبقه ای بود. همچنین برای مشخص شدن تغییرات کاربری اراضی در سال 2030 از نقشه های طبقه بندی شده استفاده شد و با کمک نرم افزارTerrSet تغییرات صورت گرفته در کلاس ها و درصد آنها به دست آمد و با استفاده از مدل CA-MARKOV تغییرات کلاس های مختلف براساس ماتریس احتمال انتقال پیش بینی شد.نتایج و بحثنتایج پژوهش در طی سالهای 1997، 2006 و 2017 بیانگر این است که پهنه ساخته شده روند افزایشی داشته است و کاربری های پوشش گیاهی، اراضی بایر و منابع آبی دارای روند کاهشی بودهاند و 23279هکتار از اراضی منطقه را پهنه ساخته شده به خود اختصاص داده است. ضریب کاپا محاسبه شده در این ارزیابی برای سال های 1997، 2006 و 2017 به ترتیب 0.86، 0.89 و 0.89 است. مدل پیش بینی زنجیره مارکوف با دقت بالای 85 درصد بیان کرد که روند تغییرات کاربری اراضی برای سال 2030 همانند سال های قبل خواهد بود و این نشان دهنده این است که تبدیل و تغییر کاربری ها همانند قبل پیش خواهد رفت و ذکر این نکته هم ضروری است که کاربری های همسان پوشش گیاهی به پوشش گیاهی در طی سال های 2006 تا 2017 هم بیشترین مساحت را شامل میشود و این نشان دهنده این است که در این منطقه، پوشش گیاهی همچنان پابرجاست و کمتر دچار تغییرات شده است.نتیجه گیری خروجی نقشه پیشبینی 13 ساله برای سال 2030 در این پژوهش از دقت مناسب مدل CA-MARKOV حکایت دارد. علاوه بر این خروجی نشان می دهد میتوان به این روش برای برنامه ریزی کوتاهمدت اعتماد نمود. این نقشه های پیش بینی می توانند راهنمای خوبی برای مدیران و برنامه ریزان شهری باشند. برای دست یافتن به نتایج بهتر پیشنهاد می شود که از تلفیق مدل سلول های خودکار و زنجیره مارکوف برای پایش و پیش بینی تغییرات در سطح کشور استفاده شود. نتایج به دست آمده از این پژوهش علاوه بر اینکه در کاهش حجم داده های ورودی کمک فراوانی می کند، بلکه در پردازش تصاویر طبقه بندی شده و در پیشبینی آن ها برای آینده هم نقش بسزایی دارد.
پرونده مقاله
پیشینه و هدف استفاده از انواع تبدیلات جهت بهبود صحت استخراج اطلاعات از تصاویر ماهواره ای به طور فزاینده ای رو به افزایش است. در این بین انتخاب تبدیل بهینه اهمیت بالایی داشته و نتایج خروجی را تحت تأثیر قرار خواهد داد. با توجه به ماهیت همبسته تصاویر سنجش از دور، استف چکیده کامل
پیشینه و هدف استفاده از انواع تبدیلات جهت بهبود صحت استخراج اطلاعات از تصاویر ماهواره ای به طور فزاینده ای رو به افزایش است. در این بین انتخاب تبدیل بهینه اهمیت بالایی داشته و نتایج خروجی را تحت تأثیر قرار خواهد داد. با توجه به ماهیت همبسته تصاویر سنجش از دور، استفاده از انواع تبدیلات جهت بهبود صحت استخراج اطلاعات از این تصاویر امری ضروری است. با توجه به مطالعات انجام شده هدف این تحقیق بررسی روش های مختلف تبدیلات تصویر در بهبود روند طبقه بندی تصاویر ماهواره ای و افزایش میزان صحت نقشه های کاربری اراضی است. با در نظر گرفتن این نکته که منطقه مورد مطالعه و بهصورت کلی مناطق شمالی کشور با شرایط خاص درهم تنیدگی کاربری ها روبه رو هستند، لذا به کارگیری انواع روش های تبدیلات و همچنین روش ترکیبی پیشنهادی در این پژوهش باعث افزایش صحت و دقت اطلاعات خروجی و در نهایت امکان تفکیک و بررسی های دقیق تر کاربری ها و شناسایی عوامل تغییر آن ها را جهت برنامه ریزی های آینده فراهم می کند. در این پژوهش به منظور ارزیابی عملکرد تبدیلات آنالیز مؤلفه های اصلی، آنالیز مؤلفه های مستقل و کسر حداقل نویز از تصویر ماهواره سنتینل-2 شهرستان رضوانشهر استفاده گردید.مواد و روش هادر این پژوهش به منظور ارزیابی عملکرد روش های آنالیز مؤلفه های اصلی، آنالیز مؤلفه های مستقل و روش کسر حداقل نویز از تصاویر ماهواره سنتینل-2 شهرستان رضوانشهر استفاده گردید. از الگوریتم گرام اشمیت (Gram-Schmit) بهمنظور ادغام این داده ها با یکدیگر و رسیدن به قدرت تفکیک 10 متر استفاده شد. بعد از اعمال پیش پردازش های لازم و ادغام تصاویر با یکدیگر هر سه تبدیل روی تصویر اعمال و همچنین ترکیبی از مؤلفه های این سه روش تولید گردید. در ادامه نتایج حاصل از تبدیلات با استفاده از الگوریتم حداکثر احتمال در 8 کلاس کاربری طبقه بندی گردید. با استفاده از ضریب شفیلد و محاسبات آماری بین مؤلفه های به دست آمده، ترکیب مؤلفه های اول آنالیز مؤلفه های اصلی، اول کسر حداقل نویز و مؤلفه دوم آنالیز مؤلفههای مستقل، بهعنوان ترکیب بهینه انتخاب گردید. شناخت کلی از منطقه و مطابق آن تفسیر بصری خروجی ها و همچنین برداشت 120 نقطۀ زمینی توسط GPS مبنای ارزیابی صحت نقشه های خروجی بوده است.نتایج و بحث بعد از اعمال پیش پردازش های مورد نیاز و ادغام تصاویر با یکدیگر، هرکدام از این الگوریتم ها بر روی تصویر اعمال گردید و خروجی هر کدام با استفاده از الگوریتم حداکثر احتمال و در 8 کلاس کاربری طبقه بندی گردیدند. نتایج نقشه های خروجی نشان داد که تبدیل آنالیز مؤلفه های اصلی با توجه به اینکه برای متغیرها توزیع گوسی در نظر میگیرد و سعی بر غیر همبسته کردن مؤلفه های استخراج شده دارد، در نمونه هایی با توزیع غیر گوسی دارای ضعف بوده و عملکرد پایینی از خود نشان می دهد. الگوریتم کسر حداقل نویز مشابه الگوریتم آنالیز مؤلفه های اصلی عمل می کند با این تفاوت که نویزها را بهتر مؤلفه بندی می کند. این الگوریتم در جداسازی کلاس ها خطای کمتری داشته و همین عامل باعث عملکرد بهتر و دقت بالاتر نسبت به دو تبدیل دیگر شده است. در الگوریتم آنالیز مؤلفه های مستقل باندهای همبسته تصویر منطقه مورد مطالعه به مؤلفههای مستقل تبدیلشده و اطلاعات جدیدی از منطقه استخراج کرده است. تفسیر بصری دقت بالای نتیجه طبقه بندی را نشان می دهد و برای کمی کردن دقت تصویر طبقه بندی شده از ماتریس خطا (کانفیوژن) استفاده شده است. نتایج حاصل از ارزیابی دقت کلی و ضریب کاپا نشان داد که طبقه بندی تصویر اصلی بدون اعمال تبدیلات و با همان نمونه های تعلیمی خروجی با دقت کلی 76 درصد و ضریب کاپای 0.78 بیشترین خطا را داشته است. همچنین نتایج سایر خروجی ها به ترتیب برای طبقه بندی حاصل از تبدیل آنالیز مؤلفه های اصلی، دقت کلی 80 درصد و ضریب کاپا 0.83، برای طبقه بندی حاصل از تبدیل کسر حداقل نویز، دقت کلی 85 درصد و ضریب کاپا 0.88 و برای طبقه بندی حاصل از تبدیل آنالیز مؤلفههای مستقل، دقت کلی برابر با 77 درصد و ضریب کاپا معادل 0.80 به دست آمد. بعد از انتخاب ترکیب بهینه از مؤلفه های روش های آنالیز مؤلفه های اصلی، آنالیز مؤلفه های مستقل و روش کسر حداقل نویز و انتخاب مؤلفه های اول الگوریتم های آنالیز مؤلفه های اصلی و کسر حداقل نویز و مؤلفه دوم آنالیز مؤلفه های مستقل، دقت کلی به 92 درصد و ضریب کاپا 0.94 افزایشیافت.نتیجه گیری در این تحقیق بعد از ارزیابی عملکرد تبدیل آنالیز مؤلفه های اصلی، آنالیز مؤلفه های مستقل و روش کسر حداقل نویز، یک روش ترکیب بهینه از مؤلفه های این تبدیلات پیشنهاد گردید. نتایج تحقیق نشان داد طبقه بندی تصویر اصلی بدون اعمال تبدیلات و با همان نمونه های تعلیمی دقت کلی و ضریب کاپای پایینی داشته است. بنابراین لزوم اعمال تبدیلات جهت کاهش همبستگی باندها و مجزا سازی اجزای تصاویر احساس می شود. همان طور که نتایج تحقیق نشان داد طبقه بندی تصویر اصلی بدون اعمال تبدیلات و با همان نمونه های تعلیمی دقت کلی و ضریب کاپای پایینی داشته است. نتایج تحقیق بیانگر عملکرد نزدیک این روش ها به یکدیگر است که نشان از وجود هر دو نوع توزیع گوسی و غیر گوسی متغیرها دارد. تبدیل کسر حداقل نویز، میزان نویز دادهها را به حداقل رسانده و در خروجی نتایج بهتری از دو تبدیل آنالیز مؤلفه های مستقل و آنالیز مؤلفه های اصلی داشته است. با توجه به اینکه این تبدیلات به تنهایی قادر به استخراج تمامی اجزای تصویر نیستند، لذا ترکیبی از مؤلفه های این تبدیلات بر اساس ضریب شفیلد جهت مفروض بودن توزیع گوسی و غیر گوسی متغیرها با حداقل نویز ممکن انتخاب گردید.
پرونده مقاله
پیشینه و هدف طی صدسال گذشته، حدود 90 درصد از سرانه آب تجدید پذیر کشور کاهش یافته است. از منابع آب تجدیدشونده کشور حدود 90 درصد آن به بخش کشاورزی اختصاص دارد. با افزایش سطح زیر کشت باغات پسته و افزایش تقاضا برای آب ازیکطرف و محدودتر شدن منابع آبی در منطقه، عدم تعادل بی چکیده کامل
پیشینه و هدف طی صدسال گذشته، حدود 90 درصد از سرانه آب تجدید پذیر کشور کاهش یافته است. از منابع آب تجدیدشونده کشور حدود 90 درصد آن به بخش کشاورزی اختصاص دارد. با افزایش سطح زیر کشت باغات پسته و افزایش تقاضا برای آب ازیکطرف و محدودتر شدن منابع آبی در منطقه، عدم تعادل بین عرضه و تقاضای آب بهشدت در حال افزایش است. در این راستا، مهمترین گام پیشگیری از هدر رفت آب، توزیع یکنواخت آب در سطح مزرعه، آبیاری بهینه و متناسب با نیاز آبی گیاه در هر مرحله از رشد است. حدود 99 درصد آب جذبشده توسط گیاه صرف پدیده تبخیر و تعرق می گردد. لذا، شناخت این پدیده و برآورد دقیق آن می تواند در تعیین نیاز آبی گیاهان نقش بسزایی داشته باشد. اندازه گیری تبخیر تعرق واقعی پوشش گیاهی، خارج از شرایط آزمایشگاهی دشوار است. روش های تجربی زیادی برای برآورد تبخیر تعرق واقعی و پتانسیل با استفاده از داده های هواشناسی و اقلیمی به وجود آمده است. اما اکثر این روشها تنها قادر به برآورد تبخیر تعرق پتانسیل می باشند و مقدار واقعی تبخیر تعرق را برآورد نمی نمایند. در مقابل، روشهای مبتنی بر سنجشازدور ایجاد شده است که راه حل مناسبی برای برآورد تبخیر تعرق واقعی در سطح پوشش گیاهی می باشند. تصاویر ماهوارهای با قابلیت پوشش سراسری و دید تکراری، امکان پایش تبخیر تعرق را در سطح مزارع و در طول دوره رویش گیاه فراهم آورده اند. تحقیقات مختلفی در داخل و خارج از کشور در زمینه برآورد تبخیر تعرق واقعی اراضی کشاورزی با استفاده از تصاویر ماهواره ای انجامشده است، که حاکی از دقت قابل قبول این روش بوده است. اما عمده این تحقیقات در مربوط به مزارع کشاورزی است و تحقیقات قابلتوجهی در زمینۀ برآورد تبخیر تعرق در سطح باغ انجامنشده است. پوشش گیاهی در سطح مزارع در مقایسه با باغات یکدست و همگن است، بنابراین برآورد شاخص پوشش گیاهی که از ورودی های مدل سبال است در مزارع کشاورزی ساده تر از باغات انجام میگیرد که می تواند بر دقت نهایی تأثیر گذار باشد. بنابراین هدف اصلی این تحقیق برآورد مقدار تبخیر تعرق در سطح باغات با استفاده از الگوریتم سبال و ارزیابی دقت برآورد است. علاوه بر این در این تحقیق، از اندازهگیری روش مستقیم بیلان آبی با استفاده از داده های سنسورهای رطوبت خاک موجود در قسمت های مختلف باغ، برای ارزیابی دقت استفاده شده است. استفاده از این روش قابلیت اطمینان به نتایج و ارزیابی دقت انجامشده را افزایش می دهد.مواد و روش هاتحقیق حاضر در باغات پسته شهرستان زرندیه استان مرکزی انجام شده است. باغ ها دارای سیستمهای آبیاری غرقابی، قطره ای رو سطحی و قطره ای زیرسطحی بوده اند. تبخیر و تعرق واقعی با استفاده از دو روش بیلان آبی و الگوریتم سبال برآورد شده است. از داده های هواشناسی ایستگاه سینوپتیک فرودگاه امام او تصاویر ماهواره ای لندست 8 برای برآورد تبخیر تعرق به کمک الگوریتم سبال استفاده شده است. تبخیر و تعرق واقعی در زمان های گذر ماهواره در طول فصل رشد برآورد شده است. برای انتخاب پیکسل های سرد و گرم در الگوریتم سبال، از روش نیمه اتوماتیک پیشنهادشده توسط اولمدو استفاده شد که استفاده از نظر کاربر را در انتخاب پیکسل های سرد و گرم به حداقل می رساند. برای ارزیابی دقت نتایج برآورد تبخیر و تعرق، از اطلاعات سنسورهای رطوبت خاک موجود در سطح باغ استفاده شده است. تعداد 28 سنسور رطوبت خاک را در بخش های مختلف باغ اندازه گیری می نمایند. با استفاده از مقادیر رطوبت خاک سنسورها، مقدار تبخیر تعرق واقعی با استفاده از روش بیلان آبی برآورد شد و بهعنوان مقدار مرجع مورداستفاده قرار گرفت.نتایج و بحث مقایسه نتایج حاصل از الگوریتم سبال و روش بیلان آبی نشان داد که الگوریتم سبال توانسته است با خطای RMS 0.57 مقدار تبخیر تعرق واقعی را در قسمتهای مختلف باغ برآورد نماید. علاوه بر این همبستگی بین مقادیر برآورد شده توسط دو روش برابر 0.82 بوده است که نشاندهنده قابلیت مناسب الگوریتم سبال در برآورد مقادیر تبخیر و تعرق است. همبستگی بین مقدار تبخیر و تعرق واقعی برآورد شده از مدل سبال و تبخیر و تعرق مرجع برابر 0.76 به دستآمده است. تغییرات مقدار تبخیر و تعرق در قسمت های مختلف باغ و نیز باغ های دارای سیستم های آبیاری مختلف غرقابی، قطرهای رو سطحی و قطرهای زیرسطحی بررسیشده است. نتایج نشان داده است، باغ دارای آبیاری زیرسطحی به طور متوسط کمترین میزان تبخیر تعرق را در تاریخهای مختلف از خود نشان داده است. با توجه به آنکه تبخیر تعرق معادل مجموع مقدار تبخیر از سطح خاک و تعرق از سطح گیاه است می توان، این مقدار کاهش را به کاهش تبخیر از سطح خاک نسبت داد. علاوه بر این، در همه تاریخ ها ناهمسانی تبخیر تعرق در قسمت های مختلف باغ های دارای سیستم آبیاری یکسان قابلمشاهده است. بهعنوان نمونه در باغ با روش آبیاری غرقابی، بخش هایی از باغ تبخیر تعرق پایینی نشان می دهند که می تواند ناشی از عدم تسطیح سطح باغ و عدم دریافت رطوبت مناسب در این نواحی باشد. بدیهی است همین مقدار رطوبت در سایر بخش های باغ تجمع نموده و از طریق نفوذ عمقی از دسترس خارج می گردد. این توزیع غیریکنواخت در باغ با روش آبیاری رو سطحی نیز مشاهده می شود. به عنوان نمونه بخش میانی باغ دارای آبیاری رو سطحی همواره مقدار تبخیر تعرق بالاتری را نشان می دهد که می تواند نشان دهنده هدر رفت آب در این بخش از باغ، ناشی از عملکرد بیش از نیاز نازلهای رطوبت باشد. برای ارزیابی بهتر اختلاف تبخیر تعرق در روش های مختلف آبیاری، مقدار متوسط، حداقل، حداکثر و انحراف معیار مقادیر تبخیر تعرق در باغ های مربوط به سه سیستم آبیاری مختلف محاسبه شده است. نتایج نشان داد در تمام تاریخ ها مقادیر دامنه تغییرات و انحراف معیار تبخیر تعرق در سیستم آبیاری غرقابی بیشتر از سایر روشها بوده است که به خوبی نشان دهنده عدم آبیاری یکنواخت در سطح باغ است.نتیجه گیری نتایج تحقیق حاکی از دقت مناسب الگوریتم سبال در برآورد تبخیر تعرق واقعی باغات بوده است. به طوری که در مقایسه با روش بیلان آبی همبستگی 0.82 و خطای 0.57 داشته است. علاوه بر این، مقایسه وضعیت رطوبت در قسمت های مختلف باغ و نیز باغ های دارای سیستم آبیاری مختلف نشان داده است که با استفاده از برآورد تبخیر و تعرق به کمک تصاویر ماهواره ای میتوان اطلاعات مناسبی از نحوه توزیع رطوبت در سطح باغ دست یافت. این داده ها، اطلاعات ارزشمندی در خصوص مدیریت بهینه منابع آب و افزایش کارایی آبیاری فراهم می نماید. با استفاده از روش های آبیاری زیرسطحی می توان به صورت مؤثری هدر رفت آب آبیاری ناشی از تبخیر از سطح خاک را کاهش داد. نتایج تحقیق نشان داده است که در مناطقی که دسترسی به اطلاعات سنسورهای رطوبت خاک و یا روشهای اندازه گیری مستقیم تبخیر و تعرق وجود ندارد، استفاده از الگوریتم سبال و روش های سنجش از دور میتواند اطلاعات مناسبی را جهت مدیریت بهینه منابع آبی فراهم نماید.
پرونده مقاله
پیشینه و هدف پارک جنگلی سیسنگان یکی از زیستگاه های مهم شمشاد خزری در کشور بهحساب می آید. اما در چند سال اخیر به دلیل بیماری خشکیدگی دچار بحران شده و بسیاری از پایه های شمشاد از بین رفته اند. پایش و مدیریت این منطقه می تواند در اموری مانند کنترل، حفاظت و حمایت این منطقه چکیده کامل
پیشینه و هدف پارک جنگلی سیسنگان یکی از زیستگاه های مهم شمشاد خزری در کشور بهحساب می آید. اما در چند سال اخیر به دلیل بیماری خشکیدگی دچار بحران شده و بسیاری از پایه های شمشاد از بین رفته اند. پایش و مدیریت این منطقه می تواند در اموری مانند کنترل، حفاظت و حمایت این منطقه مؤثر باشد. به دلیل مساحت زیاد پایه های از بین رفته، امکان برآورد مساحت بهصورت دقیق با استفاده از داده های موجود وجود ندارد. اندازه گیری های دستی نیز کاری بسیار زمانبر و طاقت فرساست. این امر مستلزم این است تا راهی بیابیم که بهصورت دقیق و خودکار این فرآیند را انجام دهد. پهپادها با استفاده از سنجنده های بسیاری دقیقی (تفکیک مکانی) که دارند، این امکان را فراهم آورده اند. روش های مختلف طبقه بندی نیز از راهکارهایی هستند که می توان بهمنظور تفکیک خودکار درختان خشکیده از درختان سبز به کار گرفت. هدف از این پژوهش، ارزیابی توانایی داده های پهپادهای ارزان قیمت با سنجنده های معمولی در آشکارسازی و پهنه بندی مناطق دچار خشکیدگی اثبات گردد و با توجه به اینکه هزینه پهپادهایی با سنجنده های چند طیفی (باند لبه قرمز و مادون قرمز نزدیک) بسیار زیاد است، بتوان این هزینه را کاهش داد.مواد و روش هاپارک جنگلی سیسنگان در 30 کیلومتری شرق شهرستان نوشهر استان مازندران در عرض جغرافیایی "30 ́ 33 ̊ 36 تا "30 ́ 35 ̊ 36 و طول جغرافیایی "00 ́ 47 ̊ 51 تا "30 ́ 49 ̊ 51 قرارگرفته است. این پارک علاوه بر نقش تفرجی که دارد بسیاری از گونه های گیاهی مهم کشور در آن رشد یافته اند. ازجمله مهمترین این گونه ها می توان به شمشاد خزری اشاره کرد. پهپادی که در این پژوهش استفاده گردید از نوع پهپادهای عمودپرواز است. دوربینی که بر روی این وسیله تعبیه شده است قابلیت ثبت تصاویر 20 مگاپیکسلی را دارد. عملیات تصویربرداری در تاریخ هشتم آذرماه 1396، ساعت 10 صبح انجام پذیرفت که مدتزمان آن 45 دقیقه طول کشید. برای نمونه برداری میدانی از منطقه موردمطالعه بازدید به عمل آمد و نقاط مختلف آن ازنظر تراکم پایه های خشکهدار شمشاد و درختان سبز مشخص گردید. سپس سه قطعهنمونه دایره ای با شعاع 60 متر و مساحت 1.13 هکتار در منطقه طراحی گردید و تراکم پایه های خشکه دار شمشاد و پایه های زنده و سبز در آن ها مشخص گردید. سپس در هر قطعه نمونه در نقاطی که پایه های شمشاد قرار داشتند، 50 نقطه تعلیمی و همچنین در نقاطی که پایه های زنده، پوشش علفی کف و تمشک نیز قرار داشتند، 50 نقطه ثبت گردید. در این پژوهش بهمنظور بررسی میزان دقت تصاویر پهپاد در شناسایی و طبقه بندی مناطق پوشیده از خشکه دار های شمشاد، کوچکترین پایه های خشکهدار شمشاد که کمترین وسعت تاج را داشتند نیز ثبت گردید. به دلیل اینکه تصاویر پهپاد احتیاج به تصحیحات هندسی دارند، ابتدا ازنظر هندسی و موقعیت جغرافیایی تصحیح شدند. بهمنظور انجام فرآیند طبقه بندی، وارد نرم افزار ENVI شدند. در هر قطعهنمونه 100 نقطه ثبت گردیده بود که 75 عدد از آن ها برای انجام فرآیند طبقه بندی نظارتشده و 25 عدد از آن ها نیز برای ارزیابی صحت طبقه بندی استفاده گردید. برای طبقه بندی این تصاویر از سه الگوریتم طبقه بندی نظارت شده شبکه عصبی مصنوعی، حداکثر احتمال و حداقل فاصله به کاربرده شد. در پایان پس از انجام هرکدام از مراحل طبقه بندی، از فیلتر پایین گذر با ابعاد پنجره 3 در 3 پیکسل، برای هموارسازی تصاویر استفاده شد. برای ارزیابی نتایج نیز شاخص های ضریب کاپا و دقت کلی به کار گرفته شد.نتایج و بحث در این تعداد قطعهنمونه، 579 پایه اندازه گیری گردید. شمشاد با اختلاف زیادی، بیشترین فراوانی را در منطقه به خود اختصاص داد. پسازآن ممرز و انجیلی و بلوط به ترتیب دررتبه های بعدی قرار دارند. از نتایج حاصل مشخص شد که الگوریتم شبکه عصبی مصنوعی بهترین نتایج را نسبت به دو الگوریتم دیگر داشته است. اما نتایج شبکه عصبی مصنوعی نیز با توجه به شرایط قطعهنمونه دارای نوساناتی است. این الگوریتم با دقت کلی 97.47 درصد و ضریب کاپا 0.94 بهترین نتایج را در تفکیک و آشکارسازی خشکه دار های شمشاد در قطعهنمونه با غلبه خشکه دارهای شمشاد داشتند. پس از الگوریتم شبکه عصبی مصنوعی، الگوریتم بیشینه شباهت نتایج مطلوب تری را در تفکیک پایه های خشکهدار شمشاد از خود نشان داد. الگوریتم کمترین فاصله نتایج مطلوبی از خود نشان داد، اما میزان دقت آن بهاندازه دو الگوریتم قبل نبود. هر سه الگوریتم در تفکیک پایه ها در قطعهنمونه با غلبه پایه های زنده نتایج ضعیف تری را نسبت به دو قطعهنمونه دیگر از خود نشان دادند. قطعهنمونه با غلبه پایه های زنده و سبز در مقایسه با دو قطعهنمونه دیگر پدیدهها و عوارض بیشتری را در خود جایداده است و از نظر بافت تصویر نیز در مقایسه با دو قطعه نمونه دیگر تفاوت های زیاد و محسوسی دارد. در این قطعه نمونه علاوه بر وجود پایه های سبز و خشکه دارهای شمشاد، پوشش علفی کف و توده های تمشک نیز به چشم می خورد. در این پژوهش نتایج طبقه بندی و آشکارسازی خشکه دارهای شمشاد با استفاده از الگوریتم شبکه عصبی مصنوعی بسیار بهتر از الگوریتم های بیشینه شباهت و کمترین فاصله بود. ازجمله دلایل بهتر بودن نتایج الگوریتم شبکه عصبی مصنوعی می توان به غیرخطی بودن و ناپارامتریک بودن آن اشاره کرد. اما در طبقه بندی بهوسیله الگوریتم های سنتی مانند روش های آماری، به دلیل اینکه انعطاف پذیری کمتری دارند، دقت پایینتری داشته. انواع پارامتریک روش های سنتی مانند الگوریتم بیشینه شباهت، به خاطر وابستگی به آمار گوسی، درصورتیکه داده ها نرمال نباشند نمی تواند دقت مطلوبی در طبقه بندی و تفکیک طبقات از یکدیگر داشته باشد. در الگوریتم های سنتی مانند الگوریتم های بیشینه شباهت و کمترین فاصله، داده های آموزشی نقش حیاتی دارند. در این روش ها فرض بر این است که توزیع در داخل نمونه های آموزشی باید نرمال باشد، بهطوریکه اگر نتوان این شرط را محیا نمود، دقت طبقه بندی بهشدت کاهش می یابد. درحالیکه روش های شبکه عصبی مصنوعی بر اساس ویژگی ها و ساختار خود داده ها عمل می کنند.نتیجه گیری نتایج حاصل از این پژوهش نشان داد که می توان با استفاده از داده ها و تصاویر معمولی یک پهپاد ارزان قیمت به بررسی وضعیت خشکیدگی درختان بعد از فوران بیماری و تعیین مساحت آن پرداخت. برخلاف هزینه های زیادی که بهمنظور خرید سنجنده های گران قیمت به منظور پایش وضعیت پوشش گیاهی صورت می گیرد، می توان از این شیوه های ارائهشده در این مقاله، با هزینه های بسیار کمتری اقدام کرد. این روش می تواند در تعیین میزان سطح پوشش های خشکیده کمک شایانی به نهاد های زیربط کند.
پرونده مقاله