فهرس المقالات حمید گشتاسب میگونی


  • المقاله

    1 - ارزیابی قابلیت ارتقاء سطح حفاظتی مناطق شکار ممنوع (مطالعه موردی: منطقه شکار ممنوع الوند همدان)
    علوم و تکنولوژی محیط زیست , العدد 7 , السنة 20 , پاییز 1397
    زمینه و هدف: با توجه به روند پر شتاب تخریب منابع طبیعی و تهدید تنوع زیستی، یکی از چالش ها در زمینه حفاظت از منابع، بررسی وضعیت مناطق تحت حفاظت و لزوم ارتقای درجه حفاظتی این گونه مناطق است. پژوهش مذکوربا هدف زون بندی منطقه شکار ممنوع الوند به منظور دست یابی به الگوی بهین أکثر
    زمینه و هدف: با توجه به روند پر شتاب تخریب منابع طبیعی و تهدید تنوع زیستی، یکی از چالش ها در زمینه حفاظت از منابع، بررسی وضعیت مناطق تحت حفاظت و لزوم ارتقای درجه حفاظتی این گونه مناطق است. پژوهش مذکوربا هدف زون بندی منطقه شکار ممنوع الوند به منظور دست یابی به الگوی بهینه حفاظت و توسعه صورت گرفت. روش بررسی: استفاده از روش تجزیه و تحلیل سیستمی، منجر به تشکیل 1434 واحد یگان محیط زیستی گردید که در طی آن به ارزیابی توان اکولوژیکی در هر یگان با توجه به تناسب زون های شناسایی شده در منطقه پرداخته شد. درنهایت، با اولویت بندی و ساماندهی زون ها نقشه زون بندی به عنوان واحد های برنامه ریزی تهیه گردید. یافته ها: نتیجه مطالعه حاکی ازآن است که درمنطقه مورد مطالعه زون2 (33/62%)، دارای الویت اول و به ترتیب زون 11 (20/22%)، زون 6 (22/8%)، زون 3-4 (01/7%) و زون 5 (20/0%) در الویت های بعدی قرار گرفتند. بحث و نتیجه گیری: منطقه الوند با توجه به درصد بالایی از زون حفاظت (33/62%) و نیز به دلیل وجود کریدور در بین دو منطقه حفاظت شده و گدار گونه های با ارزش قوچ و میش، از ارزش حفاظتی بالایی بر خوردار می باشد. تفاصيل المقالة

  • المقاله

    2 - FFT-PCA Image Fusion Based Flora and Vegetation Mapping Of Eshkevarat No Hunting Zone
    Journal of Radar and Optical Remote Sensing and GIS , العدد 2 , السنة 3 , بهار 2020
    fusion of remote sensing data is essential in order to obtain more information from different images. Mapping the vegetation of an area is very important due to its environmental importance. In this research, used Landsat ETM+ images and field surveying to identify vege أکثر
    fusion of remote sensing data is essential in order to obtain more information from different images. Mapping the vegetation of an area is very important due to its environmental importance. In this research, used Landsat ETM+ images and field surveying to identify vegetation states of the Eshkevarat No hunting zone. After applying necessary preprocessing like gap filling and atmospheric correction, the panchromatic and multi-spectral images were fused based on the FFT-PCA algorithm. In the next section, the fused image was classified based on the Support Vector Machine (SVM), algorithm into five classes. The results showed that the overall accuracy and kappa coefficient of classified images is 0.943% and 0.910 respectively. In order to field surveying of study area, 1-meter plots in 500-meter distance choose and 14 Flora and vegetation species were identified and mapped. The results showed that satellite images have good accuracy in this field but based on its spatial resolution limitations a large number of species present in the area have not been identified. In this research, it is suggested to use a combination of both satellite image sources and field surveys. تفاصيل المقالة