زمینه و هدف: تغییر اقلیم تاثیرات منفی بر منابع آبی و جوامع انسانی به‌ویژه در مناطق خشک و نیمه خشک دارد. سنجش از راه دور کاربرد وسیعی در مطالعاتی از جمله نظارت بر محیط زیست، کشاورزی و اقلیم کره زمین دارد. این فن‌آوری امکان پژوهش و بررسی این دست از مطالعات را در مناطق بزر چکیده کامل
زمینه و هدف: تغییر اقلیم تاثیرات منفی بر منابع آبی و جوامع انسانی به‌ویژه در مناطق خشک و نیمه خشک دارد. سنجش از راه دور کاربرد وسیعی در مطالعاتی از جمله نظارت بر محیط زیست، کشاورزی و اقلیم کره زمین دارد. این فن‌آوری امکان پژوهش و بررسی این دست از مطالعات را در مناطق بزرگ با وضوح مکانی و زمانی بالا، به‌ویژه مناطق صعب العبور و یا مناطقی که فاقد ایستگاه اندازه‌گیری زمینی (مانند ایستگاه‌های سینوپتیک) هستند را فراهم می‌کند. با توجه به گسترش اقلیم نیمه بیابانی سرد در منطقه شمال غرب کشور و تغییرات کاربری اراضی منطقه مشکین شهر در سال‌های اخیر، هدف از پژوهش حاضر بررسی رابطه متقابل مولفه‌های اقلیمی دما، بارش و همچنین رطوبت خاک با تغییرات کاربری اراضی است.روش پژوهش: شهرستان مشکین شهر در شمال غرب ایران واقع شده و یکی از شهرستان‌های مهم استان اردبیل می‌باشد. در پژوهش حاضر منطقه مورد مطالعه با استفاده از تصاویر ماهواره‌ای لندست 5 برای سال 2002 و لندست 8 برای سال 2021 در هفت کلاس کشاورزی آبی، کشاورزی دیم، منطقه مسکونی، مناطق آبی، پوشش برفی، مرتع خوب و مرتع ضعیف جهت بررسی تغییرات کاربری اراضی طبقه‌بندی شدند. در ادامه مولفه‌های دما و بارش (به همراه صحت سنجی با داده‌های زمینی) به‌ترتیب با استفاده از الگوریتم تک کاناله و پایگاه داده GPM و رطوبت خاک نیز با استفاده از الگوریتم نوری -حرارتی (TOTRAM) با اعمال پارامترهای LST و NDVI به صورت سری زمانی برای سال‌های 2002، 2006، 2011، 2016، 2019 و2021 بررسی شدند. یافته‌ها: با بررسی نقشه‌های حاصل تغییرات قابل ملاحظه‌ای در کاربری‌های مختلف مشاهده شده که بیشتر این تغییرات در زمینه‌ی افزایش زمین‌های کشاورزی آبی و مراتع ضعیف و از بین رفتن مراتع مرغوب بوده است. همچنین نوسانات دمایی و بارشی در سال‌های مورد مطالعه کاملا روشن است و از روند منظمی برخوردار نمی‌باشند، به‌طوری‌که برای مثال در سال 2011 افزایش ناگهانی بارش به مقدار 46 میلیمتر مشاهده می‌شود. ولی میزان کمینه‌ی دما نسبت به بیشینه‌ی آن در سال‌های مختلف افزایش بیشتری در مقایسه با سال 2002 نشان می‌دهد. پوشش گیاهی و میزان طوبت خاک نیز روند صعودی یا نزولی خاصی نداشته و مقادیر متفاوتی در سال‌های مختلف نشان می‌دهند، اما حداکثر پوشش گیاهی، یعنی مقدار 1 در مورد شاخص NDVI در سال 2002 مشاهده می‌شود.نتایج: با توجه به نتایج و نوسانات مقادیر مولفه‌های اقلیمی، به‌ویژه تغییرات ناگهانی در برخی سال‌ها، نشانه‌هایی از تغییرات اقلیم در منطقه مشاهده می‌شود، ولی نظری قطعی نمی‌توان در رابطه با روند تغییرات کاربری اراضی و تغییرات اقلیمی بیان کرد. بررسی نتایج نشان می‌دهد که تغییرات کاربری به‌ویژه در بخش کشاورزی می‌تواند تحت تاثیر شرایط اقلیمی باشد. وابستگی مولفه‌های اقلیمی به یکدیگر و متأثر بودن رطوبت خاک و پوشش گیاهی از این مولفه‌ها، از نتایج دیگر این مطالعه است. به‌طوری‌که با افزایش دما شاهد کاهش میزان رطوبت و سطح پوشش گیاهی هستیم. زمان‌هایی که رطوبت خاک نسبت به سال‌های دیگر بیشتر است، با توجه به نقش خنک کنندگی تبخیر، دما پایین و پوشش گیاهی مطلوب است. در نتیجه بین مولفه‌های مختلف وابستگی روشنی وجود دارد و تغییر در پارامتری بقیه پارامترها را تحت تاثیر خود قرار می‌دهد، اما به‌نظر می‌رسد مولفه‌ی دما نقش پر رنگ‌تری نسبت به بقیه پارامترها ایفا می‌کند.
پرونده مقاله
زمینه و هدف: رطوبت سطحی خاک، متغیری مهم در چرخه آبی طبیعت بوده و می‌تواند تحت تأثیر عوامل مختلفی از جمله دما و مشخصات خاک قرار گیرد. استفاده از سنسوهای زمین برای اندازه‌گیری رطوبت خاک منجر به‌صرف زمان و توزیع نامناسب نمونه‌ها در مقیاس‌های بزرگ شود بنابراین سنجش‌ازدوری م چکیده کامل
زمینه و هدف: رطوبت سطحی خاک، متغیری مهم در چرخه آبی طبیعت بوده و می‌تواند تحت تأثیر عوامل مختلفی از جمله دما و مشخصات خاک قرار گیرد. استفاده از سنسوهای زمین برای اندازه‌گیری رطوبت خاک منجر به‌صرف زمان و توزیع نامناسب نمونه‌ها در مقیاس‌های بزرگ شود بنابراین سنجش‌ازدوری می‌تواند ابزار مهمی در برآورد رطوبت خاک باشد. هدف پژوهش حاضر استفاده از مدل TOTRAM با استفاده از تصاویر لندست 8 و روش SVR با استفاده از تصاویر سنتیل1 برای برآورد رطوبت خاک می‌باشد.روش پژوهش: شهرستان اردبیل به‌عنوان مرکز استان اردبیل در شمال غرب کشور واقع است. در مطالعه حاضر برای استخراج رطوبت خاک از دو روش TOTRAM بر مبنای توزیع پیکسل در فضای LST-VI و روش SVR با استفاده از تکنیک SAR و داده سنتینل 1 استفاده شده است. جهت پیاده‌سازی روش TOTRAM تصاویر لندست 8 مرتبط با تاریخ‌های 29/4/1398 و 30/05/1398 دانلود و پس از استخراج نقشه‌های NDVI و LST، اقدام به بررسی همبستگی بین متغیر وابسته رطوبت و متغیرهای مستقل دما و پوشش گیاهی با استفاده از رگرسیون وزن‌دار جغرافیایی (GWR) شده است. برای اجرای روش SVR پس از دستیابی به تصاویر سنتینل 1 مربوط به تاریخ‌های 31/05/1398 و 27/04/1398، داده‌های رطوبت خاک محصول FLDAS و محصول 500 متری سالانه ماهواره مودیس (MCD12Q1) جهت طبقه‌بندی پوشش اراضی در سامانه Google Earth engine فراخوانی شدند و نقشه‌های مرتبط با رطوبت خاک استخراج شد. پس از استخراج نقشه‌های رطوبت نحوه‌ی توزیع رطوبت با استفاده از شاخص محلی موران بررسی شده است. بر طبق تعریف این شاخص مقادیر مثبت یک برای این شاخص نشان دهنده‌ی خوشه‌ای بودن توزیع خواهد بود.یافته‌ها: بررسی نقشه رطوبت حاصل از روش SVR تمرکز رطوبت در مناطقی با حضور پوشش گیاهی و آب را نشان داد و تغییر وضعیت رطوبت از تیر به مرداد قابل مشاهده بوده است. الگوی رطوبت انعکاس الگوی بارشی را نشان داده است به‌طوری‌که حداکثر بارش و رطوبت در فروردین بوده و در تابستان هر دو مؤلفه‌ی بارش و رطوبت کاهش داشته‌اند. بررسی روش TOTRAM و اعمال روش GWR همبستگی کامل NDVI-LST و رطوبت را نشان داد. البته همبستگی بین LST و رطوبت با مقادیر (بتا) B و خطای استاندارد (SE) 995/0 و صفر متناسب با مرداد و 981/0 و صفر متناسب با تیرماه بیشترین همبستگی را نسبت به متغیر پوشش‌گیاهی با پارامتر وابسته‌ی رطوبت نشان داده است که این همبستگی در مرداد ماه با افزایش مقدار ضریب تعیین R2 به 997/0 و کاهش معنی‌داری NDVI به مقدار 415/0 در تیرماه به‌مراتب بیشتر شده است. اعمال شاخص محلی موران با مقادیر کمتر از 0.05 برایp-value و مقادیر مثبت z و عدد نزدیک مثبت یک برای شاخص موران خوشه‌ای بودن توزیع متغیر رطوبت را نشان داده است.نتایج: بررسی نتایج روش‌های TOTRAM و SVR وابستگی وضعیت رطوبت خاک به شرایط و خوشه‌ای بودن توزیع رطوبت را نشان داد. با توجه به ضرایب همبستگی حاصل از رگرسیون وزن‌دار جغرافیایی همبستگی بیشتری بین متغیر دما و رطوبت به‌ویژه در مرداد ماه به دلیل کاهش تراکم پوشش گیاهی مشاهده شده است. بررسی نقشه‌های الگوریتم SVR نشان داد در مناطقی با حضور پوشش گیاهی و بخصوص تراکم آن شاهد افزایش و با افزایش دما شاهد کاهش رطوبت هستیم. همچنین هماهنگی الگوی‌های رطوبت الگوریتم SVR و بارش رابطه مستقیم بین رطوبت و بارش را نشان داد. با توجه به اینکه روش SVR از تصاویر سنتینل 1 و پارامترهایی نظیر شدت پراکنش رادار و طبقه‌بندی پوشش اراضی استفاده می‎کند می‌توان انتظار نتایج دقیق‌تری از این الگوریتم داشت.
پرونده مقاله
