مهدی غلام نیا

خشکسالی جزء پیامدهای طبیعی تغییرات اقلیم به حساب می آید که به کندی و در یک دوره زمانی نسبتا طولانی اقلیم، محیط زیست، کشاورزی، پوشش گیاهی، منابع آبی و حتی بخش های اقتصادی و اجتماعی را تحت تاثیر قرار می دهد. یکی از مهم ترین پیامدهای خشکسالی کاهش میزان پوشش گیاهی می باشد. در این پژوهش با استفاده از تصاویر ماهواره ای سال های 2020-2001(بازه زمانی 20 ساله) سنجنده مادیس و داده های بارش رستری ماهانه CHIRPS در محدوده استان همدان به تحلیل اثر خشکسالی بر پارامترهای فنولوژی شاخص گیاهی NDVI پرداخته شده است. برای اینکار ابتدا از طریق نرم افزار تایم ست پارامترهای فنولوژی شاخص گیاهی NDVI استخراج شده سپس تغییرات این پارامترها(زمان شروع فصل، زمان پایان فصل، طول فصل، ماکزیم مقدار NDVI، دامنه و...) نسبت به داده های ارتفاعی و نقشه پوشش اراضی منطقه مورد بررسی قرار گرفته است و میزان همبستگی این پارامترها با داده های ارتفاعی مورد ارزیابی قرار گرفته است و همچنین برای اطمینان از صحت نتایج بدست آمده از بررسی تغییرات این پارامترها از داده های بارش CHIRPS و محاسبه شاخص SPI سالانه استفاده شده است. نتایج بدست آمده از تحلیل این پارامترها در ارتفاعات و کاربری اراضی مختلف نشان داده است که در سال 2008 نسبت به سایر سال ها پارامتر ماکزیمم مقدار NDVI و دامنه شاخص گیاهی NDVI کاهش یافته و در مقابل در سال های 2007، 2018 تا2020 نسبت به سایر سال ها این پارامترها مقادیر بیشتری داشته اند و پارامتر مقادیر پایه با همبستگی 925/0 از بین سایر پارامترهای فنولوژیکی بالاترین همبستگی را با داده ارتفاعی منطقه داشته است و میزان RMSE آن هم 021/0 شده است . همچنین از طریق داده های بارش ماهانه برای سال های 2001تا2020 نشان داده است که در سال 2008 میانگین بارش سالانه کمتر از سایر سال ها بوده و همچنین مقدار شاخص SPI سالانه هم 79/1- شده است. بنابراین در سال 2008 خشکسالی متوسط در سطح منطقه رخ داده است و در مقابل با توجه به میانگین بارش ها در سال های 2007، 2018 تا2020 و شاخص SPI مشاهده می گردد که در طی این سال ها ترسالی بسیار شدید در سطح منطقه رخ داده است. بنابراین با توجه به نتایج بدست آمده مشاهده می گردد که بین نتایج بدست آمده از تحلیل پارامترهای فنولوژی شاخص گیاهی NDVI و نتایج بدست آمده از بررسی داده های بارش ارتباط مستقیم وجود دارد.

افزایش جمعیت کره زمین همواره سبب افزایش تقاضا برای مواد اولیه معدنی در جهان شده است که این میزان تقاضا سبب گشته است که بسیاری از فلزات سمی(علی رغم استفاده در صنایع) مانند سرب وارد چرخه گیاهی و غذایی موجودات زنده شوند و با وارد شدن به بدن موجودات زنده، اثر سوء بر سلامت آن ها به ویژه انسان داشته باشد؛ در ضمن خاک آلوده به فلز سرب و مواد سربدار توسط آب و عمل فرسایش خاک توانایی جابه جایی را دارند و مکان های بیشتری را می توانند آلوده سازند. با توجه به قدرت طیفی بالای تصاویر ابرطیفی و قدرت مکانی بالای تصاویر چندطیفی سنجش از دوری در این پژوهش با استفاده از الگوریتم های GSA، CNMF، Fuse و SFIM عملیات تلفیق تصاویر ابرطیفی و چندطیفی در سطح پیکسل، جهت بهبود طیفی و مکانی تصاویر اولیه انجام شد. برای کشف مواد آلوده کننده سربدار موجود در خاک محل مورد مطالعه، با استفاده روش طیف مبنای انطباق الگوی طیفی، کانی گالن(Pb2S) در منطقه مورد مطالعه تشخیص داده شد. سپس ارزیابی کارایی روش های کلاسه بندی، از روش های یادگیری ماشین غیرپارامتریک بردار ماشین پشتیبان و پارامتریک های کمترین فاصله و متوازی السطوح جهت کلاسه بندی تصاویر بهبود یافته شده حاوی سرب، استفاده شد. اما به منظور پایش دقت داده ها، 60 ٪ از داده زمینی برداشت شده از محل به عنوان داده آموزشی و از 40 درصد باقی مانده داده ها جهت ارزیابی کلاسه بندی انجام شد. سپس، ارزیابی توسط دقت کلی و ضریب کاپا انجام شدند. نتایج حاصل از تجزیه و تحلیل تصاویر نشان می دهد که تصویر تلفیق شده به روش CNMF با بالاترین ارزیابی کیفیت تلفیق با مقادیر (SAM=0.346° , ED=0.006 ,PSNR=38.407,ERGAS=4.880) بهترین تصویر تلفیق شده است و روش کمترین فاصله با ضریب کاپا 0.78 و دقت کلی 91.10، توانست پیکسل های حاوی آلودگی به سرب(گالن Pb2S) را به مساحت 738 مترمربع بر روی تصویر تلفیق شده به روش CNMF را تشخیص دهد.

خشکسالی یکی از خطرهای طبیعی است که به طور مداوم مشاهده می شود و ناشی از کمبود بارندگی و افزایش تبخیر و تعرق ناشی از دمای بالا است. از شاخص های سنجش از دور برای تجزیه و تحلیل توزیع مکانی - زمانی شرایط خشکسالی و شناسایی شدت خشکسالی استفاده می شود. در این مطالعه، ما با استفاده از شاخص های مختلف خشکسالی تولید شده از داده های ماهواره ای مادیس و تی آر ام ام، که از بسترگوگل ارث انجین (GEE)، استخراج شد. شرایط خشکسالی در استان کردستان را از ماه های فوریه تا نوامبر برای سال های 2001 تا 2017 براساس توزیع مکانی و زمانی تجزیه و تحلیل کردیم. عوامل مختلف در پایش خشکسالی بر اساس داده های ماهواره ای از جمله نقشه های شاخص تفاضل نرمال شده پوشش گیاهی، شاخص وضعیت پوشش گیاهی، شاخص وضعیت دما، شاخص پوشش گیاهی بهبود یافته، شاخص تبخیر و تعرق، شاخص وضعیت بارندگی ماموریت اندازه گیری بارش باران گرمسیری (TRMM)، به عنوان متغییر مستقل در نظر گرفته شده است. همچنین، شاخص استاندارد بارندگی به دست آمده از داده های هواشناسی به عنوان متغییر وابسته برای ارزیابی شرایط خشکسالی محاسبه شده است. روش های جنگل تصادفی و رگرسیون بردار پشتیبان برای مقایسه داده های سنجش از دور و داده های زمینی و بررسی میزان همبستگی بین آنها و ترکیب چندین عامل خشکسالی از شاخص های سنجش از دور و ساختن یک مدل جامع نظارت بر خشکسالی استفاده شد. توسعه این مدل ها ایده های جدیدی را برای نظارت بر خشکسالی ارائه می دهد. مدل جامع نظارت بر خشکسالی به عنوان نمونه در استان کردستان ساخته و آزمایش شد. نتایج مدل جنگل تصادفی، دارای مقادیر ضریب تبیین 921/0 و مقدار ضریب تببین اصلاح شده 920/0 بود همچنین مقادیر مجذور میانگین مربعات خطا بین مقادیر واقعی و پیش بینی 283/0 به دست آمد. مدل جنگل تصادفی نسبت به نتایج الگوریتم رگرسیون بردار پشتیبان با مقادیر ضریب تبیین 90/0 و ضریب تببین اصلاح شده 89/0 همچنین مجذور میانگین مربعات خطا 313/0 دارای دقت بیشتری بود. نتایج نشان داد که مدل جامع خشکسالی در نظارت بر خشکسالی هواشناسی از کاربرد خوبی برخوردار است. همچنین همبستگی مثبت و معنی داری بین شاخص های خشکسالی خروجی مدل و شاخص جامع خشکسالی هواشناسی در مقیاس کل استان کردستان اندازه گیری شد. ضریب همبستگی بین شاخص خشکسالی مدل جنگل تصادفی و شاخص استاندارد بارندگی (002/0>P) بود که نشان داد بین آنها همبستگی خوبی وجود دارد. این مطالعه روشی جدید برای ارزیابی جامع خشکسالی منطقه ارائه می دهد.

خشکسالی یکی از خطرهای طبیعی است که به طور مداوم مشاهده می شود و ناشی از کمبود بارندگی و افزایش تبخیر و تعرق ناشی از دمای بالا است. از شاخص های سنجش از دور برای تجزیه و تحلیل توزیع مکانی - زمانی شرایط خشکسالی و شناسایی شدت خشکسالی استفاده می شود. در این مطالعه، ما با استفاده از شاخص های مختلف خشکسالی تولید شده از داده های ماهواره ای مادیس و تی آر ام ام، که از بسترگوگل ارث انجین (GEE)، استخراج شد. شرایط خشکسالی در استان کردستان را از ماه های فوریه تا نوامبر برای سال های 2001 تا 2017 براساس توزیع مکانی و زمانی تجزیه و تحلیل کردیم. عوامل مختلف در پایش خشکسالی بر اساس داده های ماهواره ای از جمله نقشه های شاخص تفاضل نرمال شده پوشش گیاهی، شاخص وضعیت پوشش گیاهی، شاخص وضعیت دما، شاخص پوشش گیاهی بهبود یافته، شاخص تبخیر و تعرق، شاخص وضعیت بارندگی ماموریت اندازه گیری بارش باران گرمسیری (TRMM)، به عنوان متغییر مستقل در نظر گرفته شده است. همچنین، شاخص استاندارد بارندگی به دست آمده از داده های هواشناسی به عنوان متغییر وابسته برای ارزیابی شرایط خشکسالی محاسبه شده است. روش های جنگل تصادفی و رگرسیون بردار پشتیبان برای مقایسه داده های سنجش از دور و داده های زمینی و بررسی میزان همبستگی بین آنها و ترکیب چندین عامل خشکسالی از شاخص های سنجش از دور و ساختن یک مدل جامع نظارت بر خشکسالی استفاده شد. توسعه این مدل ها ایده های جدیدی را برای نظارت بر خشکسالی ارائه می دهد. مدل جامع نظارت بر خشکسالی به عنوان نمونه در استان کردستان ساخته و آزمایش شد. نتایج مدل جنگل تصادفی، دارای مقادیر ضریب تبیین 921/0 و مقدار ضریب تببین اصلاح شده 920/0 بود همچنین مقادیر مجذور میانگین مربعات خطا بین مقادیر واقعی و پیش بینی 283/0 به دست آمد. مدل جنگل تصادفی نسبت به نتایج الگوریتم رگرسیون بردار پشتیبان با مقادیر ضریب تبیین 90/0 و ضریب تببین اصلاح شده 89/0 همچنین مجذور میانگین مربعات خطا 313/0 دارای دقت بیشتری بود. نتایج نشان داد که مدل جامع خشکسالی در نظارت بر خشکسالی هواشناسی از کاربرد خوبی برخوردار است. همچنین همبستگی مثبت و معنی داری بین شاخص های خشکسالی خروجی مدل و شاخص جامع خشکسالی هواشناسی در مقیاس کل استان کردستان اندازه گیری شد. ضریب همبستگی بین شاخص خشکسالی مدل جنگل تصادفی و شاخص استاندارد بارندگی (002/0>P) بود که نشان داد بین آنها همبستگی خوبی وجود دارد. این مطالعه روشی جدید برای ارزیابی جامع خشکسالی منطقه ارائه می دهد.