علوم آب و خاک

پوشش برف یکی از عناصر مهم اقلیمی است که بر اساس آن ممکن است، تغییرات آب‌وهوایی تأثیر خاصی داشته باشد. به‌طور کلی، تغییرات آب‌وهوایی ممکن است در عناصر مختلف اقلیمی منعکس شود بنابراین مطالعه و اندازه‌گیری تغییرات سطوح برف به‌عنوان یکی از منابع مهم تأمین آب، بسیار حائز اهمیت است. شهرستان¬های اردبیل و سرعین از نظر موقعیت جغرافیایی در 48 درجه و 18 دقیقه طول شرقی و 38 درجه و 15 دقیقه عرض شمالی قرار گرفته‌اند. در تحقیق حاضر به‌منظور پایش سطح پوشش برف در سال 1397 از تصاویر ماهواره¬های اپتیکال سنتینل-2 و برای تشخیص سطوح پوشیده شده از برف از شاخص¬های NDVI , S3 , NWDI, NDSI] Cloud mask در نرم‌افزارهای Arcgis و Snap استفاده شده است. در ادامه به‌منظور صحت¬سنجی نقشه¬های برف استخراج شده از طریق تصاویر با داده¬های برف در ایستگاه¬های برف‌سنجی زمینی از رگرسیون خطی در نرم‌افزار MATLAB  استفاده شد همچنین به‌منظور ارزیابی دقت مدل مورد استفاده و اطمینان از دقت بالای نقشه‌های به‌دست‌آمده از شاخص‌های آماری RMSE، MSE، BIAS، CORRاستفاده شد. نتایج نشان داد با توجه به شرایط اقلیمی منطقه موردمطالعه حداکثر سطح پوشیده شده از برف در دی‌ماه با مقدار مساحت 356/52 کیلومترمربع و حداقل سطح پوشیده از برف در اسفندماه با مقدار مساحت 96/10 کیلومترمربع رخ ‌داده است. بیشترین پوشش برف در مناطق با شیب‌های بالا در دامنه‌های غربی (ارتفاعات کوهستانی سبلان) بوده و کمترین پوشش برف در ارتفاعات پایین‌تر مربوط به دامنه¬های شرقی مشاهده ‌شده است. نتایج بیانگر دقت کلی 91/3 درصد و ضریب کاپای 84/45 نقشه سطح برف است که نتایج حاصل از رگرسیون خطی نیز بین مقادیر مشاهداتی و تصاویر ماهواره‌ای برابر با ضریب تبیین 85 درصد بوده و نتایج مربوط به خطای آماری مدل¬ها برابر با     0/086-MSE  و  0/165-BIAS و   0/924-CORR     و RMSE برابر 0/043 به‌دست آمد. روابط همبستگی بین داده¬های زمینی و نقشه¬های برآوردی از برف میزان بالایی از همبستگی را نشان می¬دهند. این نتیجه از لحاظ آماری در سطح 99 درصد معنی‌دار است نتایج به‌دست ‌آمده در تحقیق حاضر نشان داده که تصاویر اپتیکی سنتینل-2 با توجه به قدرت تفکیک مکانی بالا و همبستگی مناسب با داده‌های زمینی می‌توانند جایگزین خوبی برای ایستگاه‌های زمینی برف¬سنجی در ارتفاعات و یا مناطق صعب‌العبور باشند.

رطوبت خاک یکی از عوامل مهم و تعیین‌کننده برای رشد گیاه، میزان تبخیر و تعرق و همچنین مدیریت آبی در مزرعه است. به همین منظور سنجش آن از اهمیت ویژه‌ای برخوردار است. سطح زمین دارای تنوع زیادی در رطوبت خاک بوده و سنجش و اندازه‌گیری آن به شیوه‌های مختلف انجام می‌گیرد. به‌دلیل مشکلاتی که روش‌های تماسی اندازه‌گیری رطوبت خاک دارد، امروزه سنجش‌ازدور به دلیل اینکه که امکان تحلیل و پایش رطوبت خاک را در مقیاس‌های بزرگ و جهانی فراهم می‌کند، مورد توجه واقع شده ‌است. در این پژوهش از داده‌های ماهواره‌ای و رطوبت‌های اندازه‌گیری‌شده در مزارع انتخابی واقع در دشت هرمزآباد استفاده و این داده‌ها تحلیل و مقایسه شده‌اند. داده‌های ماهواره سنتینل-2 با سامانه گوگل ارث انجین تحلیل شده‌اند. نتایج این پژوهش نشان داد که اگر چه استفاده از شاخص‌های سه‌گانه به‌منظور کاربرد در مدل OPTRAM برای برآورد رطوبت دقت زیادی ندارند، ولی بااین‌وجود استفاده از شاخص گیاهی EVI نتایج بهتری نسبت به دو شاخص دیگر ارائه کرده‌است.

گندم یکی از مهم‌ترین محصولات غذایی در سراسر جهان است. در زمینه بحران جهانی غذا و تغییرات آب‌وهوایی، پیش‌بینی دقیق تولید گندم برای توسعه کشاورزی دقیق از اهمیت زیادی برخوردار است. سنجش‌ازدور امکان پیش‌بینی غیرمستقیم تولید محصول را قبل از برداشت فراهم می‌کند. در این پژوهش به بررسی کاربرد روش‌های جنگل تصادفی و رگرسیون بردار پشتیبان در شبیه‌سازی تولید گندم در ده مزرعه انتخابی در دشت قزوین طی دوره 2020-2019 با استفاده از شاخص‌های گیاهی MSAVI ،NDVI و EVI پرداخته شده است. برای شاخص‌های گیاهی از ماهواره سنتینل2 استفاده شد. تولید ده مزرعه گندم از سازمان جهاد کشاورزی استان قزوین دریافت شد. به‌منظور ارزیابی داده‌های تولید گندم مشاهداتی و شبیه‌سازی‌شده با استفاده از روش‌های رگرسیون بردار پشتیبان و جنگل تصادفی از آماره‌های  RMSE ،MBE ،R² و  MAE ارزیابی شد. به‌منظور بررسی شبیه‌سازی تولید گندم با استفاده از شاخص‌های گیاهی، هفت روش (روش‌های یک تا سه هر شاخص به‌صورت جداگانه، در روش‌های چهار تا شش شاخص‌ها به‌صورت ترکیب دوتایی و در روش هفت اثر ترکیبی هر سه شاخص) تعریف شد. مدل رگرسیون بردار پشتیبان در همه روش‌ها به‌جز روش یک و چهار در مرحله آزمون با ضریب تبیین بیش از 0/98 و مقدار اندک RMSE تخمین مناسبی از تولید گندم داشته است. مدل جنگل تصادفی در همه روش‌ها به‌جز روش دو و شش در مرحله آزمون با احتمال معنی‌داری 95% (0/00=P-value) و ضریب تبیین بیش از 0/8 تخمین مناسبی از تولید گندم داشته است. به‌طورکلی، این پژوهش اهمیت و پتانسیل تکنیک‌های یادگیری ماشین را برای پیش‌بینی به‌موقع تولید محصول نشان می‌دهد که پایه محکمی برای امنیت غذایی در منطقه فراهم می‌کند.

پژوهش حاضر به بررسی تغییرات خط ساحلی بخش جنوبی دریای خزر در استان مازندران در بازه زمانی ۲۴ساله (2023–2000) با استفاده از تصاویر ماهواره‌ای لندست ۸ و سنتینل-۲ پرداخته است. تصاویر از پایگاه‌های USGS و Google Earth Engine تهیه و پس از تصحیحات هندسی و رادیومتریک، با بهره‌گیری از باندهای Near-Infrared و Shortwave Infrared برای تشخیص مرز بین خشکی و آب استفاده شدند. خط ساحلی به‌صورت بصری از تصاویر استخراج و برای هر بازه زمانی ترسیم شد. تغییرات مکانی خطوط ساحلی با استفاده از ابزار DSAS در محیط ArcGIS و به کمک روش‌های آماری شامل حرکت خالص خط ساحلی (NSM)، پوشش تغییر خط ساحلی (SCE)، نرخ نقطه پایانی (EPR) و نرخ رگرسیون خطی (LRR) تحلیل شد. نتایج حاکی از پسروی قابل توجه خط ساحلی در بسیاری از نواحی مورد مطالعه و کاهش مداوم سطح آب دریای خزر در دهه اخیر است. ترکیب تحلیل‌های سنجش از دور با داده‌های جوی (دما، بارندگی و دبی رودخانه‌ها) دقت نتایج را افزایش داده و نشان می‌دهد در صورت تداوم روند کنونی، احتمال پسروی شدیدتر سواحل جنوبی تا سال 2050 وجود دارد. این یافته‌ها بر ضرورت مدیریت هوشمند منابع آبی و اتخاذ سیاست‌های سازگار با تغییر اقلیم در منطقه تأکید دارند.