امروزه تصاویر سنجنده های MODIS و VIIRSبه دلیل قدرت تفکیک طیفی و زمانی بالا به طور گسترده ای برای شناسایی آتش فعال مورد استفاده می گیرند. هدف از انجام این مطالعه ارزیابی آتش‌سوزی‌های فعال در تالاب هورالعظیم با استفاده از روش سنجش از دور است. بدین منظور تصاویر سنجنده MODIS Terra)و(Aqua و VIIRS در دوره زمانی 2022-2002 مربوط به ماه‌های ژوئن، ژولای و اوت اخذ گردید. پس از بررسی های اولیه، تصاویر با نرم افزار ENVI پردازش و مساحت آتش سوزی ها با Arc GIS محاسبه شد. مشخص گردید که اکثر آتش‌سوزی‌ها در قسمت های غربی تالاب رخ‌داده و امکان استفاده از داده‌های زمینی مربوط به آتش‌سوزی وجود نداشت، بنابراین برای صحت ارزیابی‌ها و دقت تصاویر ماهواره‌ای از تصاویر Landsat 8/OLI به‌عنوان نقشه صحت زمینی استفاده و نتایج آن با بهره گیری از روش ترکیب باندی مورد تائید قرار گرفت. بر اساس نتایج حاصل شده، وسیع‌ترین آتش‌سوزی ها در این تالاب در ژولای 2018 و اوت 2015 به ترتیب با مساحت 13564 و 13500 هکتار به وقوع پیوسته است. در 2018 و2022 به ترتیب 36 و 27 درصد آتش سوزی ها رخ داده و بیش از 70 درصد آتش سوزی ها کمتر از 10000هکتار مساحت دارند. روند وقوع آتش سوزی های وسیع افزایش یافته است. 39 درصد آتش سوزی ها مربوط به ژولای بوده که نسبت به ماه های ژوئن و اوت بیشترین میزان را داشته است. در 2018 بیشترین تعداد آتش‌سوزی‌های وسیع در این تالاب مشاهده شد. به دلیل مشخص نبودن علت یا علل موثر در وقوع آتش سوزی در محدوده مطالعاتی، نمی توان روند خاصی برای تغییرات مکانی و زمانی حریق در نظر گرفت. تغییرات مکانی و زمانی وقوع آتش سوزی در این تالاب به گونه ای است که طراحی مدل یا الگوی مکانی و زمانی برای آن مشکل است.

با توجه به اهمیت پدیده بیابان زایی و گسترش آن در سطح جهان، در پژوهش حاضر با استفاده از فناوری سنجش ازدور به ارزیابی روند تغییرات بیابان زایی استان کرمان پرداخته شد. بدین منظور ابتدا بر اساس میانگین بلندمدت NDVI ماه های مارس (اسفند-فروردین)، آوریل (فروردین-اردیبهشت)، می (اردیبهشت-خرداد) و ژوئن (خرداد-تیر) انتخاب شدند. با بهره­گیری از داده های سنجنده مودیس، تصاویر NDVI و سپیدایی در طول سال های 2022-2001 (1401-1380) تهیه و شاخص شدت بیابان زایی (DDI ) برای 22 سال محاسبه ­شد. سپس با آزمون من کندال، روند تغییرات شاخص مذکور بررسی ­شد. همچنین با استفاده از تحلیل رگرسیون خطی، شدت تغییرات بیابان زایی در قالب ماه­های زمانی مورد نظر در طول 22 سال با استفاده از شاخص DDI برآورد­ شد. نتایج پژوهش حاضر نشان داد که طبقه بدون روند تغییرات در تمام ماه های مورد­بررسی بیشترین مساحت را به خود اختصاص داده­ است که برای ماه های مارس، آوریل، می و ژوئن به­ترتیب 45/82، 83/59، 96/49 و 79/51% می شود. بیشترین درصد مساحت شدت بیابان زایی ماه مارس با مقدار 93/23% به سال 2012 اختصاص داشت. همچنین بیشترین شدت بیابان زایی ماه آوریل، می و ژوئن به­ترتیب با مقدار 23/22، 14/20 و 42/22% به سال های 2012، 2001 و 2001 مربوط بود. نتایج شدت تغییرات بیابان زایی در واحد زمان نیز نشان داد که طبقه زیاد شدت تغییرات بیابان زایی در ماه مارس 81/14%، در ماه آوریل 83/17%، در ماه می 48/17% و در ماه ژوئن 75/17% مساحت استان را شامل می شود.

با استفاده از مدل سازی رشد و توسعه شهری می­توان روند توسعه­ای متناسب با موقعیت شهر را با توجه به فاکتورهای زیست محیطی و عوامل طبیعی و جمعیت ­پذیری ترسیم کرد. هدف از انجام این پژوهش ارائه مدل توسعه شهری شوشتر است که به عنوان ابزار مفیدی برای تجزیه وتحلیل فرایندهای پیچیده تحولات شهری استفاده شود. برای نیل به این هدف از دو پایگاه داده نقشه­ های کاربری های شهری فضاهای آموزشی، درمانی، مسکن و... و تصاویر ماهواره­ای لندست برای کاربری­ های اراضی عمده مانند رودخانه، مناطق بایر، جنگل و... در سه دوره زمانی 1991، 2004 و 2014 در محیط نرم ­افزارهای GIS و MATLAB استفاده شد. نقشه ­های کاربری­ های شهری موجود پس از رقومی ­سازی، با استفاده از تصاویر ماهواره ­ای لندست به روزرسانی شدند. سپس پارامترهای مؤثر در توسعه ­ی شهری به عنوان ورودی با الگوریتم استنتاج نرو- فازی تطبیقی (ANFIS) وارد شدند و پس از آموزش برای سال­ های 1991 و 2004، به منظور ارزیابی عملکرد روش پیشنهادی، نتیجه پیش­ بینی توسعه شهری با استفاده از الگوریتم، با وضعیت موجود در سال 2014 مقایسه گردید که نتایج بسیار به واقعیت نزدیک و با صحت سنجی 93.7% است. نقشه تغییرات کاربری که نتیجه فرایند آشکارسازی تغییرات می باشد را می توان بر اساس تصاویر چندزمانه سنجش ازدور و تلفیق آن با نقشه­ های کاربری شهری تهیه کرده و پیامدهای مربوطه را موردبررسی قرار داد. استفاده از الگوریتم ­های هوشمند در این تحقیق به ما این امکان را داده که با صحت بالا مدل سازی را انجام دهیم. نتایج به دست آمده قابل قبول بوده و این توسعه برای سال ­های آتی نیز پیش ­بینی شد.

پیامد خشکسالی می تواند به صورت کاهش منابع آب، پوشش گیاهی و تغییرات در تولیدات کشاورزی نمایان شود. برای مطالعه و پایش خشکسالی نیاز به کمی سازی اثرات آن با استفاده از شاخص های خشکسالی است. هدف این مطالعه تحلیل خشکسالی کشاورزی شهرستان مریوان با استفاده از تصاویر لندست از سال 1379 تا 1396 است. بعد از پیش پردازش تصاویر، شاخص خشکی پوشش گیاهی (VDI) و شاخص سلامت پوشش گیاهی (VHI) استخراج گردیدند. بررسی شاخص ها نشان داد که خشکسالی کشاورزی در شاخص خشکی پوشش گیاهی (VDI) در هیچ سالی وجود نداشته و مقادیر ارزش پیکسل ها در این شاخص نزدیک به 100 بوده که نشان دهنده وضعیت نرمال و بهینه است به طوری که از سال 1379 تا 1383 وضعیت نرمال و از سال 1387 تا 1396 وضعیت بهینه در منطقه غالب بوده است. همچنین نتایج شاخص سلامت پوشش گیاهی نشان دهنده وضعیت بدون خشکی در منطقه است. بر اساس این شاخص، خشکسالی کشاورزی در طبقات خیلی شدید، شدید و متوسط در دوره موردمطالعه وجود نداشته و بیشترین مساحت نواحی خشکی ملایم در بخش های شرق و جنوب شرق در سال های 1379، 1380، 1382 و 1384 به ترتیب 38. 23، 38. 24، 12. 29 و 35. 74 کیلومترمربع بوده است. به طورکلی با توجه به تأکید اصلی این مطالعه بر مبنای شاخص خشکی پوششش گیاهی (VDI) و شاخص سلامت پوشش گیاهی (VHI)، از سال 1379 تا 1396 (به استثنای سال 1391) نتایج نشان دهنده عدم وجود خشکسالی کشاورزی در شهرستان مریوان است. با توجه مزایای تصاویر ماهواره ای همچون سطح پوشش وسیع تر، قدرت تفکیک زمانی بالاتر و هزینه کمتر، استفاده از دانش سنجش ازدور برای مطالعه خشکسالی پیشنهاد می شود.

در پی شهرنشینی بی سابقه در دهه های گذشته و افزایش جمعیت شهرها، چشم اندازهای طبیعی در حال تبدیل شدن به چشم اندازهای انسانی است و فضاهای باز شهری به اراضی ساخته شده مبدل شده است. در این بین، تغییرات کاربری اراضی مدیران شهری را مجاب می کند که همواره اطلاعات به روزی از این تغییرات داشته باشند تا بتوانند درباره مدیریت شهری سریع تر تصمیم گیری کنند. هدف از انجام این مطالعه طبقه بندی اراضی ساخته شده و شناسایی میزان تغییرات این اراضی در شهر تهران است. همچنین این مطالعه به بررسی و عملکرد هفت شاخص طیفی به منظور طبقه بندی و تشخیص تغییر اراضی ساخته شده با استفاده از تصاویر ماهواره لندست 7 سنجنده ETM + و تصاویر ماهواره لندست 8 سنجنده OLI / TIRS می پردازد. محدوده مورد مطالعه در این تحقیق شهر تهران با وسعت 68995 هکتار است. روش انجام این تحقیق نیز بدین گونه است که ابتدا برای جداسازی سطوح دارای آب از سطوح بدون آب بر روی تصاویر، از شاخص MNDWI و روش آستانه گذاری اتسو استفاده شده است. پس از آن به منظور توجه مطلق بر مناطق بدون آب، یک ماسک آب تولید، و برای پوشاندن آب در تمام تصاویر به کار رفته است. درنهایت با استفاده از روش اتسو برای تمامی شاخص ها اراضی ساخته شده و ساخته نشده از یکدیگر جدا و طبقه بندی شده اند. دقت طبقه بندی نیز با استفاده از 3500 نقطه مرجع برای هر تصویر بررسی شده است. نتایج نشان می دهد شاخص VbSWIR1-BI با دقت کلی 92.88 درصد (لندست 7) و 92.68 درصد (لندست 8)، دقت کلی بیشتری دارد. همچنین نتایج تغییرات اراضی ساخته شده شهر تهران بر اساس شاخص VbSWIR1-BI در بازه زمانی 2001 تا 2015 به میزان 6.38 درصد بوده است. گفتنی است بیشترین تغییرات مکانی اراضی ساخته شده در بخش های غربی و جنوب غربی شهر تهران دیده می شود.

امروزه با توجه به اهمیت خشکسالی و تغییر اقلیم، نیازمند یک برنامه منظم برای ارائه راهکارهای مدیریتی مناسب و پایش خشکسالی جهت به حداقل رساندن زیان های کشاورزی می باشیم. با استفاده از تکنیک سنجش ازدور می توان خشکسالی را از طریق اثراتی که روی گیاهان دارد، مطالعه و به نتایج دقیق­تر و مؤثرتری برای مدل سازی خشکسالی دست یافت. هدف این تحقیق، ارزیابی الگوهای مکانی و زمانی خشکسالی پوشش گیاهی باغی و باغی کشاورزی شهرستان تویسرکان با استفاده از شاخص های پوشش گیاهی به دست آمده برمبنای داده های ماهواره ای MODIS شامل: شاخص تفاضل نرمال شده پوشش گیاهی (NDVI)، شاخص وضعیت پوشش گیاهی (VCI)، شاخص سلامت گیاهی (VHI)، شاخص وضعیت دما (TCI)، برای دوره زمانی 2002 تا 2021 و در مقیاس های زمانی فصلی، چهار ماهه، شش ماهه، نه ماهه و سالانه است. نتایج حاصل از همبستگی پیرسون بین شاخص­های ماهواره­ای و مقادیر شاخص بارش استاندارد (SPI) نشان داد که بین شاخصVCI  ماه های آوریل تا ژوئن سال وSPI  ماه های ژانویه تا سپتامبر همبستگی برابر با 599/0و بین شاخص VCI در ماه های آوریل تا ژوئن وSPI  ماه های ژانویه تا ژوئن همبستگی (570/0) معنی­داری وجود دارد. برمبنای محاسبه های انجام شده، شرایط اقلیمی محدوده با نتایج حاصل از شاخص گیاهی  VCIدر مقیاس فصلی، تطابق بیشتری دارد. به طور کلی، نتایج شاخص VCI و SPI تا حدود زیادی نتایج شاخص NDVI را تأیید می کند. در نتیجه، شاخص VCI به عنوان بهترین شاخص جهت پایش خشکسالی کشاورزی شهرستان تویسرکان انتخاب گردید. همچنین، شاخص گیاهی VCIنشان­دهنده وضعیت خشکسالی در سال­های 2008 و 2014 و وضعیت ترسالی در سال های 2007 و 2018 نسبت به دوره مطالعاتی در منطقه بود.

به دلیل روند افزایشی اثرات مخرب تغییر کاربری اراضی ناشی از فعالیت های انسانی، کشف و بارزسازی این تغییرات به منظور برنامه ریزی و تصمیم گیری مدیریتی ضروری است. در این تحقیق، تغییرات کاربری اراضی کلان شهر تهران در طی سال های 2000 تا 2015 موردبررسی قرار گرفت. بدین منظور، از داده های تصاویر ماهواره ای ETM، OLI چهار دوره زمانی 2000، 2005، 2010 و 2015 استفاده شد. همچنین نقشه های رقومی 1:25000 منطقه موردمطالعه و اطلاعات حاصل از بازدید میدانی نیز به منظور تکمیل داده های گردآوری شده مورداستفاده قرار گرفت. پس از پیش پردازش تصاویر و اصلاح آن ها، بارزسازی و استخراج اطلاعات انجام و نقشه های کاربری اراضی برای سال های موردمطالعه استخراج شد. دقت کلی و شاخص کاپا نشان از قابلیت اعتماد نقشه های خروجی از تصاویر مورداستفاده داشت. نتایج نشان داد که در تمامی دوره ها بیشترین سطح مربوط به کاربری انسان ساخت بوده است که روند تغییرات این کاربری از سال 2000 (8/61 درصد) تا سال 2015 (7/78 درصد) افزایشی بوده و بر مساحت این کاربری افزوده شده است. طبق نتایج در طی سه دوره موردمطالعه، کاربری های فضای سبز، بایر و سایر کاربری ها کاهش مساحت داشته اند و میزان این روند کاهشی در دوره زمانی 2000-2005 شدت بیشتری داشته است. اما در مقابل نیز کاربری انسان ساخت در طی سه دوره روند افزایشی نشان داده است این افزایش به دلیل رشد جمعیت بوده و بیشترین افزایش این کاربری در بخش های شمال شرق مشاهده شده است.

سابقه و هدف: فنولوژی گیاهان نقش مهمی در اکوسیستم های گیاهی ایفا می کند و شاخصی مهم در تغییرات بوم شناختی به شمار می رود. با توجه به گسترش شهرنشینی، فضای سبز شهری گاهی نقشی حیاتی در این مناطق مسکونی دارد. ازطرف دیگر، استفاده از گیاهان در سطح شهرها و خدمات فضای سبزی که آنها ارائه می دهند، توجه زیادی را هم در سطح عمومی و هم در مطالعات جدید به خود جلب کرده است. ارزش فضای سبز شهری به دلیل مزایای متعدد آن برای سلامتی انسان و محیط بوم شناختی شهرها حائز اهمیت است. ازاین رو، با توجه به اهمیت نقش گیاهان در اکوسیستم شهری و نقش آن در سلامت جامعه، مطالعه و پایش چرخة فنولوژیکی گیاهان در فصل های مختلف سال در مناطق شهری در مقیاس های مکانی– زمانی مختلف ضروری است.مواد و روش ها: در این پژوهش، با استفاده از دو شاخص پرکاربرد NDVI و EVI محاسبه شده از تصاویر سنجندة OLI ماهوارة لندست-8 و تصاویر محصول MOD13Q1 سنجندة مودیس ماهوارة ترا، چرخة فنولوژی گیاهان در سطح کلان شهر اهواز در دورة زمانی 2015 تا دسامبر 2019 تحلیل شد. تصاویر ماهواره ای از طریق پلتفرم گوگل ارت انجین فراخوانی و تهیه شد. سپس، با توجه به نوع پوشش گیاهی، چرخة فنولوژیکی گیاهان براساس شاخص های پوشش گیاهی به دست آمد و با چرخة فنولوژیکی به دست آمده از بررسی های زمینی مقایسه شد. با توجه به احتمال وجود نویز و پیکسل هایی با اختلاط طیفی، برای هموارسازی چرخة فنولوژیکی گیاهان از فیلتر Savitzky–Golay استفاده شد.نتایج: نتایج به دست آمده حاکی از روند افزایش مقادیر هر دو شاخص NDVI و EVI به ترتیب با 03/0 و 04/0 در سنجندة OLI و 01/0 (در سال) در محصول سنجندة مودیس است. این تغییرات در ماه های ژانویه، مارس، اکتبر، نوامبر و دسامبر در هر دو سنجنده افزایشی بوده است که به معنای شرایط بهتر زیستی گیاه است. زمان دوره های فنولوژی گیاهان در هر دو سنجنده متفاوت بود. بیشترین اختلاف در هر دو سنجنده در سال های 2018 و 2019 مشاهده شد. با توجه به مناسب تر بودن شرایط محیطی در این دو سال در مقایسه با سایر سال ها، می توان نتیجه گرفت که با افزایش میزان کلروفیل گیاه، میزان اختلاف بین نتایج این دو سنجنده بیشتر می شود. دوره های انتقال فصل رشد به دست آمده از سنجندة OLI جزئیات بیشتری را در مقایسه با مجموعه داده های با وضوح متوسط مودیس نشان داد. در سنجندة مودیس در مقایسه با سنجندة OLI زمان شروع دوره های فصل رشد، زودتر بود. این تفاوت ها گویای تغییرات بیشتر پوشش گیاهی است که استفاده از تصاویر با قدرت تفکیک بالا قابلیت تشخیص بهتری نسبت به سنجنده های با قدرت تفکیک مکانی متوسط و پایین دارند. به طور کلی، نتایج قابل قبولی از تغییرات چرخة فنولوژیکی گیاهان در سطح یک منطقه شهری با انواع مختلف پدیده های زمینی که سبب ناهمگنی بیشتر در پیکسل های تصاویر سنجنده های ماهواره ای می شود، مشاهده شد.نتیجه گیری: نتایج مقایسة دوره های فصل رشد در سنجندة OLI و مودیس (به ترتیب) با واقعیت زمینی نشان می دهد کمترین اختلاف در شروع فصل رشد با 7 و 10 روز بوده است. بیشترین اختلاف بین نتایج به دست آمده از سنجنده های OLI و مودیس (به ترتیب) با واقعیت زمینی در اوج فصل رشد با 20 و 35 روز و پایان فصل رشد 20 روز دیرتر و 20 زودتر بوده است. طول فصل رشد در سنجندة مودیس حدود چهار ماه و در سنجندة OLI حدود پنج ماه مشاهده شد که نتایج لندست به واقعیت زمینی نزدیک تر است. این تفاوت را می توان به افزایش تعداد پیکسل های مخلوط با توجه به قدرت تفکیک مکانی تصاویر سنجندة مودیس نسبت داد. نتایج این پژوهش، می تواند راهگشای بررسی تغییرات چرخه های فنولوژیکی در پاسخ به تغییرات محیطی با استفاده از تصاویر سنجش از دور در مناطق شهری باشد.