مقدمه و هدفدر سال های اخیر مشکلات ناشی از دخالت های بشری در دشت سلماس شامل افزایش استفاده ی غیرمنطقی از منابع آب های سطحی، افزایش روند تخلیه ی آب زیرزمینی و تغییر کاربری زمین موجب فشار بر منابع آب زیرزمینی منطقه شده است که فرونشست زمین حداقل واکنش طبیعی در مقابل کاهش تراز آب های زیرزمینی است. ازاین رو، مطالعه و شناسایی مناطق فرونشست در دشت سلماس ضروری است.مواد و روش هادر این پژوهش از اطلاعات آب زیرزمینی و تصویر های راداری سنتینل یک استفاده شد. اطلاعات آب زیرزمینی (شامل سطح ایستابی چاه های مشاهده ای از شرکت آب منطقه ای استان آذربایجان غربی دریافت شد. در این پژوهش، با روش تداخل سنجی تفاضلی راداری با دریچه ی مصنوعی جابجایی سطح زمین اندازه گیری شد و سپس با استفاده از روش های تداخل تکرار گذر، اختلاف فاز نشانک های SAR تعیین شد. در نهایت با بهره گیری از دستورالعمل تداخل سنجی تفاضلی راداری با دریچه ی مصنوعی و 52 عدد زوج تصویر سنتینل یک، فرونشست در دشت سلماس در طی سال های آبی 94-1393 تا 98-1397 تعیین شد. اعتبارسنجی روش تداخل سنجی راداری با استفاده از داده های ایستگاه زمین پویای (ژئودینامیک) قره قشلاق و همچنین تغییرات سطح ایستابی، افت آب زیرزمینی و بازدیدهای میدانی انجام شد.نتایج و بحثنتایج بررسی فرونشست با روش دریچه ی مصنوعی نشان داد که در منطقه میانگین سرعت جابجایی ناشی از فرونشست 5 سانتی متر بود. بررسی تغییر آب های زیرزمینی نیز بیان گر روند کاهشی اکثر چاه های مشاهده ای بود. بیشترین اندازه ی افت آب زیرزمینی در چاه های مناطق شرقی و جنوب شرقی (مانند کنگرلو، قره قشلاق، یوشانلو و ...) بود. در دوره ی بررسی (1397-1393) دلیل افزایش سطح آب در چاه ها نزدیکی به آبگیر سد زولا و گستردگی کانال های آبرسانی بود. بیشترین کاهش سطح آب به ترتیب در چاه های قزلجه، شرق قره قشلاق و میدان دواب مشاهده شد. چون که این چاه ها از آب سد بهره کافی نمی برند و از آن دور بودند. بیشترین افزایش نیز به ترتیب در چاه های مهلم، غرب تازه شهر و ایان در قسمت غربی دشت و نزدیک به دریاچه ی سد مشاهده شد. بررسی نقشه های فرونشست نشان داد که بیشترین فرونشست در مناطق جنوبی به ویژه جنوب شرقی دشت سلماس بود که در مقایسه با بخش های دیگر دشت ژرفای آبرفت نیز در این مناطق بیشتر بود. این روند فرونشست در سال های آبی 94-1393 تا 98-1397 ادامه داشته و در نقشه ی نهایی نیز این روند حاکم است. در دوره ی مزبور میانگین تغییرات سطح ایستابی در آبخوان دشت سلماس روند نزولی داشت که این روند با فرونشست زمین هماهنگی داشت. با بررسی نقشه ی افت آب های زیرزمینی، مشخص شد که مناطق با افت بیشتر روی مناطق فرونشست منطبق بود. افت بیشتر آب های زیرزمینی  بیان گر برداشت آب بیشتر بود. ازاین رو تخلیه ی آب های زیرزمینی منطقه سبب فرونشست شده است.نتیجه گیری و پیشنهادهاشناسایی محل دقیق فرونشست زمین در هر منطقه به ویژه در مناطق مسکونی، مهمترین وظیفه، قبل از هرگونه برنامه ی عملیاتی و سیاست گذاری برای اجر است. در تمام مراحل تصویرهای راداری سنتینل 1 به اندازه ی کافی قادر به حل این مشکل هستند. با این حال، بازدید زمانی طولانی تر برای اجرای هرگونه تصمیم مفیدتر خواهد بود. فرونشست زمین در دشت سلماس با تغییر سطح آب های زیرزمینی و بازدیدهای میدانی، کاملاً تأیید می شود. با توجه به رویکرد DInSAR، میانگین نرخ جابجایی ناشی از فرونشست در منطقه ی 5 سانتی متر بود که از نظر مشاهده ی تغییر سطح آب زیرزمینی کاملاً قابل تأیید بود. داده های مشاهده ای نشان دهنده ی کاهش سطح ایستابی در اکثر چاه ها در مقایسه با گذشته بود و برداشت بیش از اندازه از آب های زیرزمینی را تأیید کرد. همچنین با بازدید های میدانی مناطق مختلفی از دشت سلماس که فرونشست داشتند، ثبت شد. روند فرونشست در منطقه ی مطالعه شده ادامه دار است و برای کاهش خسارت های ناشی از این پدیده و تعدیل آسیب های احتمالی به توجه و رسیدگی مسئولان مربوطه نیاز است. بر اساس نتایج این پژوهش پیشنهاد می شود مردم را از تبعات برداشت بی رویه آگاه کرد و جایگزینی کشت های با نیاز آبی سالانه ی کم و زود بازده به آنها توصیه شود.

رادار روزنه مصنوعی یک رادار تصویر برداری است که قدرت تفکیک بالایی دارد. ممکن است تصویر رادار روزنه مصنوعی بر اثر تداخل فرکانس های رادیویی تخریب شود و تصویری نامفهومی ایجاد شود. تداخل در رادار روزنه مصنوعی به سه دسته، و تقسیم می شود. این تداخل ها به ترتیب بیانگر تداخل نویز فرکانس رادیویی، تداخل باند باریک و تداخل پهن باند هستند. برای کاهش موثرتر تداخل در تصاویر رادار روزنه مصنوعی ابتدا باید وجود تداخل و نوع آن مشخص شود. سپس با استفاده از الگوریتم های کاهش تداخل متناسب با نوع تداخل به کاهش تداخل پرداخته می شود. در این مقاله به ارایه الگوریتمی به منظور تشخیص تداخل و نوع آن در تصاویر رادار روزنه مصنوعی پرداخته می شود. در مقالات گذشته از روش SSD برای تشخیص تداخل استفاده شده است. در این مقاله برای تشخیص تداخل از روش Faster RCNN مبتنی بر شبکه عصبی کانولوشنی استفاده گردید که سرعت و دقت بالاتری نسبت به SSD دارد. در این روش ابتدا یک شبکه عصبی کانولوشنی با توانایی دسته بندی چندتایی آموزش داده می شود. سپس Faster RCNN با کمک شبکه عصبی ساخته شده و تعداد 25 تصویر زمان-فرکانس از سیگنال رادار روزنه مصنوعی آموزش داده شد. شبکه آموزش دیده قادر است هر نوع تداخل در سیگنال رادار روزنه مصنوعی را با دقت 99 درصد تشخیص دهد. سرانجام با استفاده از فیلتر تطبیقی حداقل میانگین مربعات نرمال شده کاهش تداخل انجام شد. بعد از شناسایی تداخل با استفاده از الگوریتم پیشنهادی، فیلتر حداقل میانگین مربعات نرمال شده توانست تداخل را کاهش و تصویر رادار را بهبود دهد. این فیلتر در کاهش هر سه نوع تداخل به طور یکسان عمل نمود.

فرسایش خاک پدیده­ای است که پیامدهای مخرب و جبران ناپذیری بر زندگی بشر دارد. از­این­رو انجام اقدامات مدیریتی در جهت کنترل/کاهش این پدیده در مناطق درگیر فرسایش شدید، ضرورت دارد. تحقق این امر مستلزم شناسایی مناطقی است که درگیر فرسایش خاک شدید است؛ زیرا امکان اجرای طرح­های حفاظت خاک در همه مناطق وجود ندارد و مناطق دارای فرسایش شدید در اولویت انجام اقدامات حفاظت خاک قرار دارند. آشکارسازی مناطق دارای فرسایش مبتنی بر روش­های میدانی بسیار دشوار و هزینه­بر بوده و با محدودیت­های فراوانی روبروست. بنابراین امروزه بهره­گیری از قابلیت­های داده­های سنجش­از­دور اهمیت یافته است. بطورکلی این پژوهش، مناطق با فرسایش شدید را با استفاده از تجزیه­و­تحلیل تصاویر همدوسی حاصل از تکنیک تداخل­سنجی راداری (InSAR) مبتنی بر سری زمانی تصاویر سنتینل 1 استخراج می­کند. به منظور پیاده­سازی رویکرد پیشنهادی، محدوده­ای از استان خوزستان به عنوان یکی از مناطق با نرخ فرسایش خاک زیاد مورد مطالعه قرار گرفت. یکی از عوامل از دست رفت یا کاهش همدوسی در InSAR می­تواند فرسایش خاک شدید ناشی از جدا­شدگی و جا­به­جایی ذرات خاک از بستر باشد. زیرا جدا شدن ذرات خاک از بستر و جا به جایی آن باعث تغییر ویژگیهای سطح و در نتیجه تغییر در برهمکنش سیگنال رادار با سطح گردیده و در نتیجه مقدار همدوسی در InSAR در اثر فرسایش کاهش می­یابد. بر این اساس در مطالعه حاضر از طریق شناسایی و جداسازی سایر عوامل تاثیر گذار در کاهش همدوسی مانند آب، پوشش گیاهی و توپوگرافی، مناطق با فرسایش خاک شدید با استفاده از سری زمانی یک­ساله (98-1397) تصاویر سنتینل-1 استخراج شد. اعتبارسنجی نتایج بر اساس نقشه معتبر فرسایش خاک استان خوزستان حاکی از آن است که بیش از 86% از مناطق با فرسایش شدید استخراج­شده منطبق بر واقعیت است. همچنین سازگاری مناطق فرسایش شدید استخراج­شده با جنس و مقاومت سازندهای مختلف زمین شناسی در منطقه، بر اعتبار نتایج این مطالعه تاکید می­کند.

در دهه های اخیر، به منظور تخمین جابجایی سطح زمین با دقت بالا، تکنیک های تداخل سنجی راداری تفاضلی به کار گرفته شده اند. در این مقاله روشی برای افزایش تعداد پراکنش کننده های دائمی ارائه شده است، این پیکسل ها با استفاده از استخراج اطلاعات پلاریمتری برای پردازش در تداخل سنجی تفاضلی پیشرفته انتخاب می شوند. هدف از این تحقیق ارائه الگوریتمی برای ارزیابی سهم داده های پلاریمتری در بهبود شناسایی پراکنش کننده های دائمی است. این الگوریتم برای دو نوع معیار انتخاب مختلف فرمول بندی شده است: میانگین کوهرنسی بر روی پشته ای از تداخل نگارها و شاخص پراکندگی دامنه روی پشته ای از تصاویر راداری با دریچه مصنوعی. به منظور بهینه سازی هر دو معیار از روش های مختلفی استفاده شده است و نتایج کلیه روش ها مورد مقایسه و ارزیابی قرار گرفته اند. نتایج تجربی استفاده از تصاویر هر چهار کانال پلاریمتری UAVSAR بر روی یک منطقه شهری در ایالت کالیفرنیا بهبود مورد انتظار را نشان داده است. مقایسه تعداد پراکنش کننده های دائمی به کمک اطلاعات هر چهار کانال با انتخاب پراکنش کننده های دائمی با استفاده از کانال های متداول نیز بهبود قابل توجهی را در هر دو معیار انتخاب (کوهرنس مبنا و دامنه مبنا) نشان می دهد. زمانی که از معیار میانگین کوهرنسی برای انتخاب پراکنش کننده های دائمی استفاده می شود، تعداد پیکسل های دائمی انتخاب شده برای یک حد آستانه دلخواه، 63 درصد از تعداد بدست آمده با داده تک کانال HH بیشتر است و زمانی که شاخص پراکندگی دامنه مورد استفاده قرار می گیرد، افزایشی در حدود 6 برابر ایجاد می گردد. درواقع بهبود تعداد و تراکم پراکنش کننده های دائمی باعث ایجاد نقشه های جابجایی با دقت بالاتر و متراکم تر می شود. نتایج حاصل از تحقیق نشان دهنده این است که استفاده از داده های پلاریمتری باعث افزایش تعداد پراکنش کننده های دائمی در مناطق مختلف می شود که این امر برای پردازش در مناطقی که بدلیل عدم همبستگی مکانی-زمانی دچار مشکل هستند، بسیار حائز اهمیت است.

فرونشست زمین به مثابه یکی از انواع مخاطرات طبیعی و زمین شناسی به شمار می آید که می تواند به طور طبیعی یا براثر فعالیت های انسانی همچون برداشت درازمدت آب زیرزمینی و کشاورزی سنتی حاصل شود. در دو دهه اخیر پیرو رخداد تغییرات اقلیم و خشکسالی های پیاپی از یک سو و نیز مدیریت غیر اصولی منابع آب، برداشت بی رویه آب های زیرزمینی و رشد فزاینده جمعیت، سبب رخداد فرونشست در استان تهران به ویژه منطقه دشتی واقع در غرب استان شده است. به طور کلی هدف از پژوهش حاضر پایش و اندازه گیری فرونشست زمین با استفاده از رویکرد تداخل سنجی راداری و همچنین تحلیل و بررسی ارتباط بین تغییرات سطح آب های زیرزمینی و فرونشست زمین در غرب استان تهران است. بدین منظور از سری زمانی تصاویر ماهواره ENVISAT-ASAR از سال 2003 تا 2010 بهره گرفته شد. به منظور تحلیل سری زمانی جابه جایی سطح زمین و تولید نقشه متوسط نرخ جا به جایی، از الگوریتم زیرمجموعه خط مبنای کوتاه (SBAS) استفاده شد. نتایج تحلیل سری زمانی داده های تداخل سنجی نشان دهنده رخداد فرونشست به صورت پیوسته در زمین های کشاورزی منطقه است که سرعت میانگین تغییر شکل درراستای خط دید ماهواره حاصل از تحلیل سری زمانی، جابه جایی را با نرخ متوسط 10-سانتی متر و حداکثر 27-سانتی متر در سال در منطقه دشتی نشان می دهد؛ همچنین نتایج حاصل از بررسی تغییرات سطح آب زیرزمینی در وازده چاهک مشاهداتی برای بازه زمانی مورد بررسی در منطقه مورد مطالعه نیز نشان دهنده کاهش به طور متوسط 0/5 تا 1/5 متری سطح آب در آبخوان منطقه است. همبستگی کلی بین تغییرات سطح آب زیرزمینی و میزان فرونشست، معادل 89/45% تخمین زده شد که نشانگر وابستگی رخداد فرونشست و برداشت آب های زیرزمینی در منطقه است.

برداشت سیال هیدروکربوری از مخازنی با قابلیت فشردگی بالا و نفوذپذیری پایین، به تدریج سبب تغییر شکل سطح شده و هزینه های قابل توجهی را به سبب ریزش سطوح بالایی ایجاد می کند. اگرچه ایستگاه های نقشه برداری زمینی امکان مقایسه مشاهدات مکرر ارتفاعی در موقعیت های خاص را آسان می کنند اما در نبود مشاهدات و هزینه بر بودن آنها ضرورت کاربرد روشی سریع تر و ارزان تر را بیش از پیش نشان می دهد. در این میان، تداخل سنجی تفاضلی رادار ((DInSAR فناوری نوینی است که از تصاویر ماهواره ای برای پایش تغییر شکل سطح زمین استفاده می کند. در این روش، تصاویر حاصل با دقت مکانی به نسبت بالا، امکان بررسی نوسان های صورت گرفته در نرخ تغییر شکل سطحی برای مدیریت و کاهش هزینه های جاری ضمن تولید را بهبود می بخشند. در این پژوهش، نتایج حاصل از مشاهدات رادار حاکی از تغییر شکل سطحی ناشی از حفاریهای زیرسطحی در میدان نفتی آغاجاری است به گونه ای که تصاویر InSAR، سیگنالهای فرونشست و بالاآمدگی را در جای جای میدان متناسب با چاه های استحصالی و مشاهداتی آشکار کرده است. بررسی چندین سایت تولیدی در یک سری زمانی از تداخل نماها نشان می دهد که سیگنال های تغییر شکل سطحی طی چند ماه ضمن برداشت سیال، توسعه یافته و به صورت محلی متناسب با شرایط زمین شناسی و میزان برداشت منجر به رخداد فرونشست یا بالاآمدگی با نرخ های متفاوت و الگوهای تغییر شکل متمایز در میدان شده اند.

اسپکل یک پدیده ی نویز مانند دانه ای است که به دلیل ویژگی همدوس بودن سیستم های تصویربرداری SAR (Synthetic Aperture Radar) در آن ها پدیدار می شود. حضور پدیده ی اسپکل، تجزیه و تحلیل های انسانی و اتوماتیک را پیچیده می کند. بر همین اساس کاهش اسپکل در تصاویر SAR، یک مرحله ی پیش پردازشی مهم برای بسیاری از کاربردهای مرتبط با سنجش از دور است. کاهش اسپکل در تصاویر SAR، می تواند توسط چندمنظرسازی در زمان تشکیل تصویر و یا با استفاده از فیلترهای مکانی پس از تشکیل تصویر انجام شود. اما این روش ها دارای برخی محدودیت ها مانند کاهش قدرت تفکیک مکانی و از بین رفتن جزئیات تصویر هستند. برای غلبه بر این مشکلات، می توان از روش های مبتنی بر آنالیز چند تجزیه ای مانند تبدیل موجک استفاده نمود. در این مقاله، یک روش کاهش اسپکل در حوزه ی موجک با استفاده از نظریه ی بیزین و بر اساس برآوردگر MAP (Maximum a Posteriori)ارائه شده است. ضرایب بدون نویز موجک حاصل از تصویر لگاریتم گرفته شده و نویز در حوزه ی موجک، به ترتیب توسط توابع چگالی احتمال لاپلاس و گوسین مدل شدند. برای مقایسه، روش های انقباض ویزیو، سور و بیز به کار گرفته شدند. همچنین برای ارزیابی این روش ها، از دو نوع داده ی SAR شبیه سازی شده و واقعی استفاده شد. شاخص های ارزیابی برای داده ی SAR شبیه سازی شده، شاخص PSNR (Peak Signal-to-Noise Ratio) و شاخص حفظ لبه ی بود، همچنین شاخص ENL (Equivalent Number of Looks) برای ارزیابی داده ی SAR واقعی استفاده شد. نتایج تجربی حاصل از کاهش اسپکل، نشان دهنده ی عملکرد برتر روش پیشنهادی در کاهش اسپکل و حفظ بهتر جزئیات تصویر SAR بود.

در این مطالعه، جهت ارزیابی قابلیت های سری زمانی داده های تداخل سنجی رادار دریچه مصنوعی (InSAR) و یادگیری ماشین در تهیه نقشه پوشش زمین، داده های ماهواره سنتینل-1 (شامل 16 تصویر SLC با تفکیک زمانی تقریباً 24 روزه) در بازه زمانی 2018 تا 2020 برای محدوده ای از شهرستان اهواز در استان خوزستان استفاده شدند. از طریق پردازش های InSAR، تعداد 25 تصویر همدوسی بر اساس جفت تصاویر رادار در بازه های زمانی مختلف تولید گردیدند. پنج طبقه غالب پوشش زمین در منطقه شامل: اراضی ساخته شده، اراضی کشاورزی، پهنه های آبی، خاک لخت و پوشش گیاهی طبیعی متراکم، شناسایی و در نظر گرفته شدند. با استفاده از تصاویر قدرت تفکیک مکانی بالای گوگل ارث، در مجموع 4930 نمونه آموزشی با توزیع مکانی مناسب برای تمامی طبقات پوشش زمین اخذ گردید. تصاویر چندزمانه همدوسی به عنوان ورودی طبقه بندی کننده ماشین بردار پشتیبان (SVM) استفاده شدند. فرایند آموزش و ارزیابی صحت کرنل های مختلف SVM به ترتیب با استفاده از 80 و 20 درصد نمونه های آموزشی صورت گرفت. بر اساس نتایج طبقه بندی، میزان صحت کلی در کرنل های خطی، چندجمله ای درجه دو، چندجمله ای درجه چهار، چندجمله ای درجه شش، تابع پایه شعاعی و سیگموئید به ترتیب برابر با 60. 7، 64. 7، 67. 7، 69. 9، 66. 3 و 59. 5 درصد و مقدار ضریب کاپا 50. 88، 55. 87، 59. 62، 62. 38، 57. 87 و 49. 38 درصد ارزیابی گردید. در نتیجه، بالاترین میزان صحت کلی و ضریب کاپا برای کرنل چندجمله ای درجه شش و کمترین میزان آن برای کرنل سیگموئید به دست آمد. بر اساس نتایج ارزیابی صحت کاربر و صحت تولیدکننده در تمامی کرنل ها، اراضی ساخته شده بالاترین میزان صحت (93-98. 5 درصد) و پوشش گیاهی متراکم کمترین میزان صحت (11-56. 25 درصد) را به خود اختصاص دادند. به طورکلی نتایج حاصل، بر پتانسیل بالای داده های InSAR جهت شناسایی طبقات پوشش زمین تأکید دارد. در این میان، تأثیر الگوریتم طبقه بندی نیز بر میزان کارایی داده ها حائز اهمیت است.

یکی از مخاطراتی که در طی سال های اخیر در بسیاری از مناطق رخ داده، مخاطرات ناشی از حرکات دامنه ای است. شناسایی مناطق درمعرض حرکات دامنه ای و برآورد نرخ آن نقش مهمی در مدیریت و کنترل این پدیده دارد. تکنیک تداخل سنجی راداری به عنوان روش کارآمد در اندازه گیری جابه جایی سطح زمین است. به طوری که با استفاده از این فناوری امکان پایش حرکات کوچک سطح زمین به صورت پیوسته، با دقت بالا و در گستره وسیعی امکان پذیر است. این فناوری در بررسی مخاطرات طبیعی زمین ازجمله جابه جایی دامنه ای، فرونشست، زلزله و فعالیت های آتش فشانی بسیار متداول شده است. این تکنیک فاز گرفته شده از دو مجموعه داده رادار در دو زمان مختلف را مقایسه و با ایجاد اینترفروگرام، قادر به اندازه گیری تغییرات سطح زمین در دوره زمانی است. در نوشتار پیش رو، به منظور شناسایی و اندازه گیری زمین لغزش از تصاویر راداری سنتیل 1 سال های 2015 و 2020 استفاده شده است. به منظور پردازش اطلاعات نیز از نرم افزار SARSCAPE استفاده شده است. نقشه کاربری اراضی منطقه مورد مطالعه با استفاده از تصویر لندست 8 و با روش طبقه بندی شی ءگرا استخراج شد. نتایج پژوهش نشان داده است که تصاویر راداری از پتانسیل خوبی برای آشکارسازی ناپایداری دامنه ها و محاسبه جابه جایی آن ها برخوردار است. در بازه زمانی مورد مطالعه بیشترین میزان حرکات مواد دامنه ای 21 سانتی متر است که نشان دهنده فعال بودن منطقه از لحاظ حرکات دامنه ای است. روی هم گذاری نقشه زمین لغزش با لایه کاربری اراضی نیز موید رخداد بیشینه عرصه زمین لغزش در کاربری پوشش گیاهی و کشاورزی دیم است.