https://rsgi.tabrizu.ac.ir/ نشریه کاربرد سنجش از دور و سیستم اطلاعات جغرافیایی در علوم محیطی fa daily 1 Mon, 22 Jun 2026 00:00:00 +0330 Mon, 22 Jun 2026 00:00:00 +0330 https://rsgi.tabrizu.ac.ir/article_21510.html امروزه اصلی‌ترین عامل بحران‌های جوامع شهری، ریشه در نابرابری‌های اجتماعی و کمبود عدالت فضایی است. وجود چنین نابرابری ها و نبود یک برنامه منسجم برای نقش بیشتر تاب‌آوری در ساکنان نواحی مختلف یک شهر به تشدید موضوع منجر شده است. نظربه اهمیت‌ موضوع هدف این پژوهش ارزیابی تاب آوری محلات شهری با رویکرد عدالت فضایی در بندرامام ‌خمینی(ره) است. . نوع تحقیق کاربردی و روش تحقیق، پیمایشی- ارزیابی با تاکید بر پرسشنامه می‌باشد. جامعه آماری شامل ساکنان23 محله بندر امام خمینی(ره) بوده که حجم نمونه تعیین شده429 نفر است. به‌ منظور بررسی‌ نرمال‌بودن توزیع ‌داده‌ها از آزمون کلموگروف-‌اسمینروف و برای تاییدحجم نمونه انتخاب شده از شاخص KMO و آزمون بارتلت و برای وزن دهی و رتبه‌بندی متغیرها از تکنیک AHP فازی استفاده شده است. نتایج پژوهش بااستفاده از تکنیک AHP فازی برای شاخص‌های چهارگانه تاب‌آوری نشان می‌دهد، شاخص اقتصادی با وزن 2906/0در اولویت اول و شاخص‌های زیربنایی – کالبدی با وزن2782/0، زیست‌محیطی2245/0 و نهادی – اجتماعی2066/0 به ترتیب در اولویت‌های دوم تا چهارم قرار گرفته‌اند. همچنین محله فازیک مفتح‌شمالی با امتیاز 979/ 0 و محله صباغان(کمپB) با امتیاز 591/0 از نظر سطح تاب‌آوری در بین بیست وسه محله بندر امام خمینی(ره) در رتبه اول و آخر قرار گرفته اند. https://rsgi.tabrizu.ac.ir/article_21511.html هدف:کارایی محصولات عمق نوری آئروسل برای کاربردهای محلی، به ویژه در زمینه پایش آلودگی هوای شهری، به دلیل قدرت تفکیک مکانی پایین محدود است. این مطالعه با هدف بهبود صحت تخمین عمق نوری آئروسل با استفاده از داده‌های سنجش از دور لندست و تلفیق روش‌های پیشرفته یادگیری ماشین و یادگیری عمیق انجام شده است.روش‌ها:شش الگوریتم شامل رگرسیون خطی چند متغیره ، رگرسیون ماشین بردار پشتیبان ، رگرسیون جنگل تصادفی ، درخت تصمیم رگرسیون ، پرسپترون چندلایه عمیق و رگرسیون جنگل عمیق و برای ادغام نتایج، از روش تلفیق در سطح تصمیم گیری مبتنی بر میانگین‌گیری استفاده شد. داده‌های مورد استفاده شامل داده‌های آلبدو، محصولات عمق نوری آئروسل با وضوح 1 کیلومتر از سنجنده مادیس و داده‌های بازتاب بالای اتمسفر از ماهواره لندست-8 (با 7 باند) بودند. نتایج:تمامی الگوریتم‌ها عملکرد نسبتاً خوبی داشتند، به‌طوری که مقادیر R² بین 0.73 تا 0.86 و مقادیر ریشه میانگین مربعات خطا بین 0.185 تا 0.414 متغیر بود. روش تلفیق در سطح تصمیم گیری صحت تخمین را بهبود بخشید و مقادیر R² برابر با 0.86 و ریشه میانگین مربعات خطا برابر با 0.202 حاصل گردید.نتیجه‌گیری:روش پیشنهادی که ترکیبی از تکنیک‌های یادگیری ماشین و یادگیری عمیق با تصاویر لندست-8 است، پتانسیل بالایی برای تولید مجموعه داده‌های عمق نوری آئروسل با وضوح بالا نشان می‌دهد. این رویکرد می‌تواند دقت تخمین عمق نوری آئروسل را افزایش دهد و آن را برای کاربردهای محلی مانند پایش کیفیت هوای شهری مناسب‌تر کند. https://rsgi.tabrizu.ac.ir/article_21512.html در قرن بیستم، رشد شهرنشینی و افزایش جمعیت موجب گسترش ساخت‌وساز و در نتیجه تولید حجم بالایی از پسماندهای ساختمانی شد که چالش‌های زیست‌محیطی متعددی را موجب شده‌اند. شهرستان بوکان به دلیل توسعه فضایی- کالبدی سریع، یکی از مناطق دارای حجم بالای این نوع پسماندهاست و از این‌رو به‌عنوان محدوده مطالعاتی برای مکان‌یابی محل دفن زائدات ساختمانی انتخاب شد. هدف اصلی این پژوهش، کاهش اثرات مخرب زیست‌محیطی، ارتقای سلامت عمومی و بهینه‌سازی مصرف منابع از طریق تصمیم‌گیری مبتنی بر داده‌های مکانی است. در این تحقیق، معیارهای مؤثر بر مکان‌یابی شامل منابع آب سطحی و زیرزمینی، فاصله از جاده‌ها، رودخانه‌ها و سکونتگاه‌های شهری و روستایی، پوشش گیاهی، کاربری اراضی، خاک، زمین‌شناسی، شیب و ارتفاع می‌باشند. این معیارها با کاربست توابع فازی استانداردسازی و سپس به کمک عملگر گامای فازی ترکیب شدند تا نقشه نهایی تناسب اراضی برای دفع پسماندهای ساختمانی تهیه شود. نتایج نشان داد که مقادیر فازی در محدوده‌ای پایین قرار دارند که بیانگر وجود محدودیت‌های شدید برای مکان‌یابی سایت‌های مناسب در شهرستان بوکان است. هیچ پهنه‌ای در منطقه از نظر معیارهای ایده‌آل مکان‌یابی شرایط کاملاً مطلوب ندارد؛ عواملی مانند توپوگرافی نامناسب و دسترسی محدود به شبکه‌های ارتباطی از مهم‌ترین موانع هستند. با این حال، سه سایت پیشنهادی با تعدیل معیارهای سخت‌گیرانه اولیه و بر اساس رویکردی سازگار انتخاب شدند. این سایت‌ها به دلیل مزایای زیست‌محیطی، دسترسی بهتر و کاهش هزینه‌های حمل‌ونقل، به‌عنوان گزینه‌های بهینه معرفی گردیدند. پژوهش حاضر با ارائه یک روش ترکیبی فازی- مکانی، ابزار عملی و کم‌ریسک برای تصمیم‌گیرندگان محلی در مدیریت پسماندهای ساختمانی فراهم می‌کند. https://rsgi.tabrizu.ac.ir/article_21513.html با رشد فزاینده شهرنشینی و توسعه صنعتی، کلان‌شهرهای ایران با چالش‌های جدی ناشی از آلودگی هوا مواجه‌اند و اصفهان به‌عنوان یکی از قطب‌های صنعتی کشور در سال‌های اخیر شرایط بحرانی‌تری را تجربه کرده است. هدف پژوهش حاضر، تحلیل فضایی ـ زمانی آلاینده‌های اصلی هوا در کلان‌شهر اصفهان طی دوره ۱۳۹۷ تا ۱۴۰۲ با استفاده از داده‌های ماهواره‌ای Sentinel-5P (سنجنده (TROPOMI) و داده‌های ایستگاه‌های سنجش زمینی است. در این مطالعه، توزیع مکانی و روند زمانی پنج آلاینده شامل دی‌اکسید نیتروژن (NO₂) ، مونوکسید کربن (CO)، دی‌اکسید گوگرد (SO₂)، ذرات معلق کوچک‌تر از ۲.۵ میکرون (PM2.5) و شاخص UV Aerosol Index (UVAI) مورد بررسی قرار گرفت.نتایج نشان داد که آلاینده‌های NO₂ و CO بیشترین تمرکز را در مناطق مرکزی و شمالی شهر داشته و از مرکز به سمت شرق و جنوب کاهش یافته‌اند. غلظت SO₂ پراکنشی نوسانی و متغیر در سال‌های مختلف داشته، در حالی که مقادیر UVAI عمدتاً در شرق و شمال‌شرق شهر بالاتر بوده است. همچنین PM2.5 در مناطق مرکزی و شمالی در سطوح بالاتری مشاهده شد. تحلیل روند زمانی نشان داد که در سال ۱۳۹۹ همزمان با اعمال محدودیت‌های کرونایی، کاهش معناداری در مقادیر آلاینده‌های NO₂، CO، PM2.5 و UVAI رخ داد،.این یافته‌ها نشان می‌دهد که منابع انسان‌ساخت، به‌ویژه ترافیک و فعالیت‌های صنعتی، نقش اصلی در شکل‌گیری الگوهای آلودگی هوای اصفهان دارند. بهره‌گیری از داده‌های ترکیبی ماهواره‌ای و زمینی می‌تواند مبنای مناسبی برای سیاست‌گذاری محیط‌زیستی و برنامه‌ریزی جهت مدیریت پایدار کیفیت هوا در این کلان‌شهر فراهم آورد. https://rsgi.tabrizu.ac.ir/article_21514.html این پژوهش، به بررسی تغییرات پوشش ارضی و طبقات دمای سطح زمین در حاشیه غربی ریگ بلند پرداخته است. برای پایش کاربری ارضی و روند تحولات دما، از داده‌های ماهواره لندست، سنجنده‌های TM، ETM+ و OLI استفاده شد. ملاک برای ارزیابی کاربری ارضی، طبقه‌بندی نظارت‌شده به روش حداکثر احتمال، و برای محاسبه دمای سطح زمین تبدیل رادیانس طیفی باندهای حرارتی به درجه حرارت سطحی است. نتایج نشان داد 6کیلومترمربع از اراضی کشاورزی به پهنه‌های انسان‌ساخت، 68کیلومترمربع از مرتع و تپه‌های ماسه‌ای به کشاورزی، 40کیلومترمربع از جنگل دست‌کاشت به مرتع و 7کیلومترمربع از مرتع به پهنه‌های بدون پوشش تبدیل شداست. این تغییرات تأثیر مستقیمی بر افزایش افزایش دمای سطحی دارد که به تبع آن بر کیفیت بازدهی خدمات اکوسیستم نیز اثر می‌گذارد. از طرفی سبب شده تا بخشی ازاراضی منطقه به کانون ریزگردها و پهنه‌های مستعد رخداد طوفان‌های گرودغبار تبدیل شود. همچنین به واسطه فعالیت‌های بیانزدایی در حاشیه ریگ بلند باهدف تثبیت ماسه‌های روان، وسعت 82کیلومترمربع از مراتع و تپه‌های ماسه‌ای به جنگل دست‌کاشت تبدیل شده‌است. این تغییرات اثرات مستقیم بر کاهش دما دارد و باعث شده تا ماسه‌های روان دربخشی از منطقه ثبیت شود که حاکی از عملکرد مثبت طرح‌های بیابانزدایی دارد. نتایج پایش دما نیز نشان داد مساحت پهنه‌های دمایی کمتر از 35درجه سیر نزولی و پهنه‌های دمایی بالای 40درجه سیر صعودی دارد. این روند نشان از افزایش دما به‌خصوص در دماهای حداکثری دارد. بخشی ازاین افزایش در اثر گرمایش جهانی به وقوع پیوسته و بخش دیگر آن وابسته به تغییرات پوشش ارضی پهنه‌های طبیعی به کاربری‌های انسان‌ساخت است. https://rsgi.tabrizu.ac.ir/article_21515.html Accurate monitoring of reservoir water surface area is essential for sustainable water management, especially in arid and semi‑arid regions that are highly sensitive to climatic fluctuations. Sentinel‑1 synthetic aperture radar (SAR) imagery, with its all‑weather and day‑night acquisition capability, provides a reliable basis for tracking surface water dynamics. In this study, 360 ascending Sentinel‑1 images in VV and VH polarizations were used to extract the water surface area of the Mahabad Dam. Water bodies were identified using the Support Vector Machine (SVM) classifier, which effectively distinguishes water from non‑water features based on radar backscatter. To enhance prediction accuracy, the XGBoost model was applied to integrate SAR‑derived water area with climatic variables such as precipitation and temperature. This approach enabled modeling of nonlinear relationships affecting reservoir variations. Model performance was evaluated using RMSE, MAE, R², NSE, and WI indices. Scenario 3 provided the most accurate results, with RMSE of 0.526, MAE of 0.464, R² of 0.911, and WI of 0.977, indicating strong agreement between predicted and observed values. Scenario 4 showed the weakest performance. Overall, integrating Sentinel‑1 SAR data with machine learning methods such as XGBoost offers an efficient framework for monitoring and predicting reservoir surface area changes, supporting improved water management and drought mitigation in climate‑sensitive regions. https://rsgi.tabrizu.ac.ir/article_21692.html برای مدیریت بحران در زمان وقوع زلزله و کاهش آسیب های ناشی از آن، حجم گسترده ای از اطلاعات در زمانهای اولیه پس از وقوع زلزله ضروری است. جمع آوری، مدیریت و نحوه پاسخ به این اطلاعات از جمله چالش های موجود در سیستم های فعلی حوزه مدیریت بحران می باشد. پژوهش حاضر، به بررسی کاربرد سیستم‌های اطلاعات جغرافیایی داوطلبانه (VGI) در مدیریت بحران بعد از زلزله می پردازد. در این پژوهش، یک سیستم VGI طراحی و پیاده‌سازی شده است که کاربران از طریق آن قادرند اطلاعات شخصی و نیازهای فوری خود را پس از وقوع زلزله وارد کنند. سیستم مذکور، دارای یک رابط کاربری ساده و قابل استفاده برای همه می باشد که با استفاده از کتابخانه Tkinter پایتون ایجاد گردیده است تا بتواند اطلاعات کاربران را به ساده ترین شکل ممکن دریافت نماید. سپس این اطلاعات از طریق یک پایگاه داده SQL به صورت ساختارمند ذخیره و مدیریت می‌شوند تا تیم‌های امدادی و مسئولین بحران بتوانند به سرعت به داده‌ها دسترسی پیدا کرده و اقدامات لازم را انجام دهند. نتایج حاصل از این پژوهش نشان می‌دهد که استفاده از VGI نه تنها منجر به تسریع روند تصمیم‌گیری و امدادرسانی می گردد، بلکه باعث افزایش شفافیت و مشارکت عمومی در فرآیند مدیریت بحران نیز شود. در این پژوهش سعی شده است تا با اشتراک تمامی کد های نوشته شده برای ایجاد سیستم مذکور، رویکردی کلی برای راه اندازی یک سیستم VGI جهت مدیریت نیاز های پس از وقوع زلزله، به فعالان این حوزه ارائه گردد. https://rsgi.tabrizu.ac.ir/article_21693.html از جمله ابزارهای اساسی جهت شناسایی بحران های زیست محیطی در یک محدوده تهیه نقشه های ریسک اکولوژیک برای آن حدود جغرافیایی می باشد. هدف اصلی پژوهش حاضر ارزیابی و تحلیل ریسک اکولوژیک در استان سلیمانیه عراق بر اساس شاخص های (Albedo، GNDVI ، MNDVI ، MSI ، NBR ، NDGI ، AQI ، SAVI ، TCI ، TGSI ، VCI ، NDBI ، NDWI و NDSI ) می باشد. جمع آوری داده های مربوط به شاخص های پژوهش در محیط گوگل ارث انجین و از طریق کدنویسی از سنجنده مادیس استخراج شد. به منظور وزن دهی داده های پژوهش از روش کرتیک (CRITIC) استفاده شد و روش های جنگل تصادفی و k-means در یادگیری ماشین برای تقلیل شاخص های پژوهش و خوشه بندی بکار رفت. به منظور اطمینان از وجود تفاوت معنی دار بین خوشه های بدست آمده با روش K-means ، آزمون های آماری لوین، آنوا و آزمون تعقیبی Games-Howell اعمال شد. خوشه های این پژوهش مطابق با تحلیل های صورت گرفته در 5 گروه ریسک خیلی بالا تا ریسک خیلی کم طبقه بندی شدند. نتایج نشان دادند که 62 درصد از مساحت کل استان سلیمانیه عراق در وضعیتی با ریسک اکولوژیک متوسط تا خیلی کم قرار گرفته اند. تحلیل فضایی با لکه های داغ و متعاقب آن خود همبستگی فضایی موران نشان داد که توزیع فضایی خوشه های با ریسک اکولوژیک بالا نرمال نبوده و از الگوی خوشه ای تبعیت می کند. این یافته ها تاکیدی بر برنامه ریزی نظارت دقیق در استان سلیمانیه عراق دارد. https://rsgi.tabrizu.ac.ir/article_21694.html نقشه‌برداری دقیق از انواع محصولات کشاورزی نقش حیاتی در تضمین امنیت غذایی ایفا می‌کند. در این راستا، داده‌های ماهواره‌ای سنجش از دور (RS) به عنوان ابزاری نویدبخش مطرح شده‌اند که قادر به ارائه پوشش فضایی گسترده و بازه‌های زمانی مکرر هستند. با این حال، به دلیل تنوع بالا بین انواع محصولات، هنوز چالش‌هایی در زمینه طبقه‌بندی دقیق نوع محصول با استفاده از این داده‌ها وجود دارد. در این مطالعه، یک ساختار نوآورانه به‌صورت ترکیبی از معماری موازی و آبشاری (مدل جمعی) به صورت نظارت‌شده پیشنهاد شده است که هفت محصول کشاورزی را هدف قرار می‌دهد. بخش موازی شامل پنج شاخه مجزاست که هر یک با استفاده از تصاویر چندزمانی Sentinel-1/2 وLandsat-8/9 ، نقشه‌های احتمال تعلق پیکسل به طبقه مورد نظر را برای طبقات مختلف تولید می‌کنند. این نقشه‌ها با بهره‌گیری از الگوریتم‌های یادگیری ماشین و یادگیری عمیق تولید می‌شوند. در گام بعد، نقشه‌های احتمال حاصل از شاخه‌های موازی با یکدیگر ترکیب و به عنوان مجموعه ویژگی جدید به مدل متا در ساختار آبشاری وارد شدند. نتایج نشان داد که الگوریتم شبکه عصبی CNN در هر دو بخش موازی و آبشاری عملکرد برتری نسبت به سایر الگوریتم‌ها داشته و به عنوان مدل پایه و مدل متا انتخاب شده است. ساختار پیشنهادی با دقت کلی (Overall Accuracy) 79/94 درصد و ضریب کاپا (Kappa index) معادل 937/0 دقت مطلوبی را نشان داد. این نتایج نشان‌دهنده برتری قابل توجه ساختار موازی-آبشاری نسبت به روش‌های مرسوم طبقه‌بندی است که صرفاً داده‌های سنجش از دور را ادغام کرده و به یک مدل واحد وارد می‌کنند؛ به‌طوری‌که... https://rsgi.tabrizu.ac.ir/article_21695.html The success of renewable energy development in Iraq is related to the identification of the appropriate location to use to construct the solar energy farms particularly in places where there are high levels of solar energy such as the Kirkuk City. In this paper a GIS based multi-criteria decision analysis has been used to take into consideration the most optimal location to locate solar energy farms according to the Analytical Hierarchy Process (AHP) and its subsequent development, the Fuzzy AHP (FAHP). Some of them were global horizontal irradiance (GHI), wind speed, land use, slope, elevation, proximity of the roads and power lines, soil texture and population density. A sharp weight is assigned to the criteria in the AHP method, in contrast with FAHP, which has triangular fuzzy numbers to indicate uncertainty in the expert ratings. Both the methods were taken to the suitability maps, in which the weighted criteria were added together in a GIS environment. The results indicate that the two strategies identify the north and the central parts of it to be the most suitable when it comes to solar power development. The FAHP was however more realistic and flexible since it reduced subjectivity in the pairwise calculations. As it is evident in the comparative analysis, FAHP would be more helpful to the decision-maker, in the case when a lot of uncertainty exists on site selection. https://rsgi.tabrizu.ac.ir/article_21696.html یکی از موضوعات اساسی در برنامه‌ریزی و مدیریت شهری، توجه به عدالت فضایی در توزیع خدمات و امکانات شهری است؛ زیرا نابرابری در دسترسی می‌تواند موجب کاهش کیفیت زندگی، افزایش شکاف‌های اجتماعی و تشدید مشکلات حاشیه‌نشینی شود. روش پژوهش: روش تحقیق از نوع کاربردی و توصیفی–تحلیلی بوده و با بهره‌گیری از داده‌های ثانویه و تحلیل‌های مکانی انجام شد. در گام نخست، نقشه‌های پایه شامل کاربری زمین، شبکه معابر، پراکنش خدمات شهری و داده‌های جمعیتی محلات گردآوری و در محیط GIS پردازش شدند. برای کمی‌سازی سطح دسترسی، شاخص میانگین وزنی (WAI) محاسبه گردید.در ادامه، دو سناریوی بهبود شامل ایجاد مراکز خدماتی جدید در نواحی کم برخوردار و باز توزیع بهینه خدمات موجود طراحی و نتایج آن‌ها با وضعیت فعلی مقایسه شد.یافته‌ها: نتایج نشان داد که هرچند میانگین سطح دسترسی در منطقه نسبتاً مناسب است، اما توزیع خدمات عادلانه نیست و برخی محلات، به‌ویژه نواحی شمالی و پیرامونی، کمترین میزان دسترسی را دارند. شاخص WAI در وضع موجود ۳.۷۱ محاسبه شد. اجرای سناریوی اول شاخص را به ۴.۰۱ و سناریوی دوم آن را به ۳.۹۱ افزایش داد. این امر بیانگر تأثیرگذاری بیشتر توسعه مراکز خدماتی جدید در مناطق کم‌برخوردار است.نتیجه‌گیری: پژوهش حاضر بر لزوم اتخاذ سیاست‌های عدالت‌محور در برنامه‌ریزی شهری تأکید دارد و نشان می‌دهد جانمایی هوشمندانه خدمات در محلات کم برخوردار می‌تواند کیفیت زندگی شهروندان را ارتقا داده و زمینه توسعه پایدار شهری را فراهم کند. یافته‌ها می‌توانند مبنایی برای تصمیم‌گیری سیاست‌گذاران و برنامه‌ریزان شهری جهت بهبود عدالت فضایی و توزیع متوازن خدمات در شهرهای مشابه باشند. https://rsgi.tabrizu.ac.ir/article_21697.html هدف پژوهش حاضر ارزیابی عوامل مؤثر بر پتانسیل خطر وقوع سیلاب به‌منظور برنامه‌ریزی مناسب برای توسعه فعالیت‌های عمرانی در حوضه آبریز تاجیار، واقع در شهرستان سراب است. در این مطالعه از مجموعه‌ای از معیارهای مؤثر بر خطر سیلاب شامل لیتولوژی، کاربری اراضی، شاخص پوشش گیاهی (NDVI)، شیب، انحنای زمین، ارتفاع، فاصله از آبراهه اصلی، تراکم زهکشی، شاخص رطوبت توپوگرافی (TWI)، شاخص قدرت آبراهه (SPI) و میزان بارندگی استفاده شد. داده‌ها با بهره‌گیری از نرم‌افزارهای ArcGIS و ENVI تحلیل و نقشه‌های معیارها تهیه گردید. برای اولویت‌بندی عوامل از مدل MACBETH و برای استانداردسازی معیارها از تابع Reclassify استفاده شد. همچنین جهت ترکیب و همپوشانی معیارها تابع Weight Sum به کار گرفته شد و بر اساس نتایج، پهنه‌بندی خطر وقوع سیلاب در حوضه آبریز تاجیار تعیین گردید. نتایج حاصل از مدل MACBETH نشان داد که «فاصله از رودخانه» با ارزش 52/20، بیشترین تأثیر را در بروز خطر سیلاب دارد. بر پایه نقشه پهنه‌بندی خطر، حدود 70/38 درصد از کل مساحت محدوده مورد مطالعه در پهنه‌های خطر خیلی زیاد و زیاد قرار گرفته، 35/21 درصد در پهنه متوسط و 93/38 درصد در پهنه‌های کم و خیلی کم واقع شده است. بررسی‌های مربوط به توسعه فعالیت‌های عمرانی نشان می‌دهد که مناطق جنوبی حوضه برای انجام طرح‌های عمرانی نامناسب بوده، در حالی‌که مناطق شمالی از نظر پایداری و ایمنی برای چنین فعالیت‌هایی مناسب‌تر هستند.