فهرست مطالب

سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی - سال هفتم شماره 2 (تابستان 1395)

فصلنامه سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی
سال هفتم شماره 2 (تابستان 1395)

  • تاریخ انتشار: 1395/05/30
  • تعداد عناوین: 7
|
  • اکبر قاسمی*، اصغر فلاح، شعبان شتایی جویباری صفحات 1-2
    امروزه استفاده از شاخص های اکولوژیک همانند تاج پوشش درختان برای شناخت وضعیت اکوسیستم های خاص نظیر رویشگاه های مانگرو و پایش و ارزیابی تغییرات ایجاد شده در طی زمان، امری ضروری می باشد. هدف از این مطالعه قابلیت داده های طیفی با قدرت تفکیک مکانی بالا در برآورد مشخصه سطح تاج پوشش با استفاده از الگوریتم های پارامتریک و ناپارامتریک در جنگل های مانگرو استان بوشهر است. برای انجام تحقیق، 50 قطعه نمونه 400 مترمربع (20×20 متر) به روش خط- نمونه پیاده و اطلاعات قطر برابر سینه، قطر بزرگ و کوچک تاج درختان و ارتفاع تمامی درختان به همراه موقعیت مراکز قطعه نمونه برداشت و سطح تاج پوشش در قطعه نمونه و در هکتار به درصد محاسبه گردید. تصاویر مورد استفاده در این تحقیق مربوط به عملیات عکس برداری در تاریخ 20/10/91 است که با استفاده از دوربین رقومی UltraCam-X برداشت گردید. پس از انجام پیش پردازش ها و پردازش های مناسب، ارزش های رقومی متناظر با قطعات نمونه زمینی از باندهای طیفی استخراج و به عنوان متغیرهای مستقل و درصد تاج پوشش به عنوان متغیر وابسته در نظر گرفته شدند. مدل سازی با الگوریتم های نزدیک ترین همسایه، ماشین بردار پشتیبان، جنگل تصادفی و رگرسیون خطی چند متغیره با 70 درصد از قطعات نمونه انجام گردید و نتایج با 30 درصد باقیمانده قطعات نمونه مورد ارزیابی قرار گرفت. به منظور پیش بینی درصد تاج پوشش، نتایج الگوریتم جنگل تصادفی، نزدیک ترین همسایه، رگرسیون خطی چند متغیره و ماشین بردار پشتیبان به ترتیب با درصد مجذور میانگین مربعات خطا برابر با 57/13، 95/13، 88/14 و 73/17 و اریبی نسبی برابر با 88/3-، 62/4 – ، 05/5- و 78/2- بدست آمد که الگوریتم جنگل تصادفی با کمترین درصد مجذور میانگین مربعات خطا توانست درصد تاج پوشش را بهتر پیش بینی نماید. نتایج این تحقیق نشان داد الگوریتم های ناپارامتریک جنگل تصادفی، نزدیک ترین همسایه و ماشین بردار پشتیبان قابلیت بالاتری نسبت به الگوریتم پارامتریک رگرسیون خطی چند متغیره در برآورد مشخصه درصد تاج پوشش دارا می باشند.
    کلیدواژگان: تاج پوشش، مانگرو، مدل سازی، دوربین Ultra cam X، بوشهر
  • رضا بیات*، سمیه جعفری، باقر قرمزچشمه، امیرحسین چرخابی صفحه 17
    با توجه به اهمیت زیست محیطی تالاب ها، به عنوان سرمایه های ملی و گاه بین المللی، ارزیابی تغییرات پوشش گیاهی این مناطق بسیار مهم می باشد. یکی از علل کاهش پوشش گیاهی در دهه اخیر افزایش گرد و غبار بوده که تاثیر متقابل بر پوشش گیاهی این مناطق دارد. در این مطالعه، با بررسی تغییرات زمانی پوشش تالاب شادگان خوزستان، ارتباط این تغییرات با طوفان های گرد و غبار ارزیابی گردید. با استفاده از شاخص تفاضل نرمال شده پوشش گیاهی (NDVI) تصاویر MODIS در دو دوره زمانی 2000 تا 2011، تغییرات پوشش گیاهی تعیین و از آمار ریزگردهای ایستگاه هواشناسی اهواز در همین دوره تاثیر شاخص های ریزگردها (مجموع غلظت سالیانه، غلظت حداکثر سالیانه و متوسط غلظت سالیانه) بر تغییرات پوشش گیاهی این مناطق مورد بررسی و تجزیه و تحلیل قرار گرفت. نتایج نشان دهنده کاهش 36/7 درصدی سطح پوشش گیاهی از سال 2000 تا 2011 بود. نتایج همچنین نشان داد که بیشترین و کمترین سطح آب 67/25 و 72/19 درصد به ترتیب مربوط به سال های 2007 و 2000 و بیشترین و کمترین سطح پوشش گیاهی 21/31 و 27/17 درصد به ترتیب مربوط به سال های 2000 و 2004 بوده است. با افزایش طوفان های گرد و غبار بعد از سال 2002، مجموع غلظت سالیانه ریزگردها ضریب تبیین بالایی (85/0) با شاخص NDVI داشت. همچنین در خصوص تاثیر تاخیری ریزگردها، که بهترین همبستگی خطی با ضریب تبیین 82/0 برای تاخیر 2 ماهه بعد از وقوع ریزگرد بدست آمد.
    کلیدواژگان: پوشش گیاهی، گرد و غبار، شاخص تفاضل نرمال شده پوشش گیاهی، مودیس، شادگان
  • سید رضا میر علیزاده فرد، سیده مریم علی بخشی* صفحات 33-4
    امروزه مدل سازی وپیش بینی تغییرات کاربری اراضی با استفاده از تصاویرماهواره ای می تواند ابزار بسیار مفیدی برای تشریح روابط متقابل بین محیط طبیعی و فعالیت های انسانی، برای کمک به تصمیم گیری برنامه ریزان در شرایط پیچیده باشد. روش های متنوعی برای پیش بینی تغییرات پوشش و کاربری اراضی وجود دارد که از جمله آنها می توان به مدل زنجیره ای مارکوف اشاره کرد. در تحقیق حاضر، تغییرات کاربری اراضی در دشت برتش شهرستان دهلران واقع در استان ایلام به وسعت 135244 هکتار در سه دوره زمانی (1988، 2001 و 2013) تصاویر ماهواره لندست، تهیه نقشه کاربری اراضی در شش کلاس (جنگل کم تراکم، مرتع متوسط، مرتع فقیر، کشاورزی، رسوبات آبرفتی و اراضی بدون پوشش) با استفاده از طبقه بندی شبکه عصبی کوهونن و همچنین به کارگیری مدل پیش بینی مارکوف و رویکرد مدلساز تغییر کاربری اراضی LCM (Land Change Modeler) تغییرات کاربری اراضی برای سال 2030 پیش بینی شد. نتایج طبقه بندی نشان دهنده تخریب و کاهش میزان وسعت اراضی جنگل کم تراکم و مرتع متوسط و افزایش مساحت سایر کاربری می باشد. کاهش وسعت پوشش جنگل کم تراکم و مراتع متوسط و روند افزایشی سایر کاربری ها بیانگر تخریب کلی در منطقه و جایگزینی کاربری های ضعیف تر در منطقه است. در پایان با کارگیری مدل پیش بینی مارکوف و رویکرد مدلساز LCM تغییرات کاربری اراضی برای سال 2030 پیش بینی شد. نتایج حاصل از ماتریس پیش بینی تغییرات بر مبنای نقشه های سال های 2001 و 2013 نشان داد که احتمال می رود در فاصله ی زمانی 2030-2013، 45% جنگل کم تراکم، 71% مرتع متوسط، 96% مرتع فقیر، 81% کشاورزی، 93% رسوبات آبرفتی و 100% اراضی بدون پوشش بدون تغییر باقی بمانند، که اراضی بدون پوشش دارای بالاترین پایداری و از طرف دیگر جنگل کم تراکم کمترین پایداری را خواهند داشت.
    کلیدواژگان: پایش، پیش بینی، مدل مارکوف، مدلساز تغییر کاربری اراضی، دشت برتش
  • محمد فلاح ززولی*، رضا آقاطاهر، مهرداد زرافشار، محسن جعفری صفحه 47
    جنگل های بلوط غرب همواره مورد توجه گروهک های تروریستی قرار داشته است لذا بحث مکان یابی مراکز مستعد دفاعی با رعایت اصول پدافند غیر عامل حیاتی و ضروری است. هدف از این تحقیق، کاربرد مدل فرآیند تحلیل سلسله مراتبی (AHP) در تهیه نقشه پتانسیل مراکز مستعد دفاعی و بررسی منابع در بخشی از جنگل های تنک غرب کشور در استان ایلام است. ابتدا با استفاده از نظرات کارشناسان دفاعی، هشت لایه اطلاعاتی موثر در تعیین مراکز مستعد دفاعی (سنگ شناسی، فاصله از مناطق شهری، فاصله از روستاها، درصد شیب، جهت شیب، طبقات ارتفاعی، فاصله از شبکه آبراهه و فاصله از جاده) انتخاب و نقشه های مذکور در محیط ArcGIS®9.3 رقومی گردید. اولویت بندی عوامل موثر با استفاده از نظر کارشناسان در محیط Expert Choice (EC2000) انجام شد. نتایج اولویت بندی معیارها با استفاده از روش مقایسه زوجی نشان داد که عوامل فاصله از شهرها، فاصله از روستاها، فاصله از جاده ها و سنگ شناسی به ترتیب با وزن های 351/0، 222/0، 160/0، و 109/0 بیشترین تاثیر و عوامل ارتفاع (021/0) و فاصله از شبکه آبراهه ها (030/0) کم ترین تاثیر را در مکان یابی مراکز مستعد دفاعی منطقه مورد مطالعه داشته اند. هم چنین نتایج نشان داد که واحدهای زمین شناسی دوران سنوزوئیک، فواصل 15000-10000 متری از شهرها، فواصل بیشتر از 6000 متری از جاده ها، کلاس شیب 20-10 درصد، جهت های جغرافیایی شرقی، طبقات ارتفاعی 1500-1000 متری، فواصل بیش از 3000 متر و طبقه 5000-3000 متری آبراهه ها و جاده ها مناسب ترین مناطق برای تهیه نقشه پتانسیل مراکز نظامیدر جنگل های تنک غرب معرفی شده اند.
    کلیدواژگان: مراکز مستعد دفاعی، فرآیند تحلیل سلسله مراتبی، سامانه اطلاعات جغرافیایی، استان ایلام
  • سیدعلی الحسینی المدرسی*، جواد حاتمی، علی سرکارگر صفحه 59
    ذخیره برف در حوزه های کوهستانی از منابع آب مهم است. طبق بررسی های انجام شده حدود 60 درصد آب های سطحی و 57 درصد آب های زیرزمینی کشور در مناطق برف گیر جریان دارند. در سال های اخیر اهمیت و کاربردهای داده های روزنه ترکیبی راداری (SAR) با توجه به مزیت های عمده ای نسبت به سایر سیستم های سنجش از دور دارند رو به فزونی بوده است در این پژوهش ابتدا با استفاده از تولیدات ماهواره مودیس (MODIS) و الگوریتم Snow map نقشه سطح پوشش برف و سپس با استفاده از دوازده تصویر راداری سنجنده TerraSAR-X و تکنیک راداری تداخل سنجی (DInSAR) به گونه ای که ابتدا یک تصویر به عنوان تصویر پایه و بقیه تصاویر نسبت به تصویر اول تداخل سنجی انجام شد سپس بین مناطقی که پوشش برف بود مقدار جا به جای بدست آمده آن ها نشان دهنده تغییرات عمق برف است و در مرحله بعد نقشه عمق برف و نقشه حجم برف مهرماه 1391 تا اردیبهشت 1392 استخراج شد. با استفاده از رگرسیون خطی بین نقشه عمق برف که از تکنیک تداخل سنجی تولید شده و داده های عمق آب معادل برف که از ایستگاه های زمینی برداشت شده بودند نقشه عمق آب معادل برف تولید شد که نتایج بیان گیر دقت کلی 3/91 درصد و ضریب کاپای 45/84 نقشه سطح برف و نقشه عمق برف با ضریب تعمیم 85 درصد و RMSeبرابر 78/2 است برای محاسبه عمق آب معادل برف با استفاده از همبستگی بین داده های عمق برف مستخرج از DInSAR و داده های زمینی عمق آب معادل برف یک رابطه خطی با ضریب تعمیم 77/0 و RMSe برابر 97/2 محاسبه شد که این نتیجه که از لحاظ آمار در سطح 99 درصد معنی دار بود.
    کلیدواژگان
    کلیدواژگان: عمق برف، سنجش از دور فعال، TerraSAR، X، مودیس (MODIS)، تکنیک راداری تداخل سنجی (DInSAR)
  • محبوبه علومی مجومرد، محمد زارع*، سمانه پورمحمدی صفحه 77
    خشکسالی و تغییرات اقلیمی از مسائلی است که در دهه های اخیرآسیب های زیادی را به پوشش گیاهی طبیعی و کشاورزی مناطق مرکزی ایران وارد نموده است. بارور سازی ابرها یکی از راه های کاهش اثر تغییرات اقلیمی و تا حدودی جبران کمبود آب در مناطق خشک است. به این منظور در این پژوهش به بررسی تاثیر بارور سازی ابرها بر روی بارش در استان فارس پرداخته شد. در این راستا ماه های آوریل، فوریه، دسامبر ونوامبر مربوط به سال های 2010-2009 به عنوان ماه های مستعد بارش در ایران جهت ارزیابی طرح بارور سازی ابرها در این استان انتخاب گردید. نقشه های رستری بارش ماهانه برای هر ماه در هر سال از دوره آماری 34 ساله (2010-1977) با روش درون یابی کریجینگ ترسیم و مقادیر ارتفاع بارش برای هر سال استخراج گردید. سپس حجم بارش برای ماه های آوریل، فوریه، دسامبر و نوامبر در ایستگاه های هدف محاسبه و به عنوان متغیر وابسته در برآورد حجم بارش به روش درون یابی کریجینگ در مناطق هدف مورد استفاده قرار گرفت. سری زمانی بارش برای هر ماه برای ایستگاه های کنترل نیز برای دوره آماری 2010-1977 تهیه و به عنوان متغیرهای مستقل وارد رگرسیون گردید. سپس رابطه خطی بین حجم بارش منطقه هدف با حجم بارش منطقه کنترل تعیین شد. جهت ارزیابی طرح بارورسازی در استان فارس از روش رگرسیون تاریخی استفاده شد. نتایج تحقیق، افزایش 15 درصدی بارش را در استان فارس در دوره چهار ماهه مذکور نشان می دهد.
    کلیدواژگان: مناطق خشک، مدیریت منابع آب، بارور سازی ابرها، بارش، استان فارس
  • داود اخضری*، احمد اسدی می آبادی صفحه 87
    شوری یکی از عوامل مهم محدودیت کاربری اراضی در مناطق خشک و نیمه خشک است که می تواند با تغییر نوع تاج پوشش و زیست توده گیاهی، باعث کاهش تولیدات کشاورزی شود. در این پژوهش برای انتخاب بهترین شاخص ماهواره ای شوری از تصاویر ماهواره ای لندست (سال 2014) استفاده شد. نمونه برداری از عرصه در شهریورماه سال 1393 انجام شد. به این منظور ابتدا با استفاده از 77 نقطه اندازه گیری، نقشه های پراکنش سدیم، منیزیم، پتاسیم، کلسیم، هدایت الکتریکی و اسید یتهبه روش درون یابی کریجینگ در نرم افزار ArcGIS®9.3تهیه گردید. سپسبا استفاده از روش رگرسیون فضایی، همبستگی بین نقشه های تولید شده با 10شاخص به دست آمده از تصاویر ماهواره ای لندست مورد بررسی قرار گرفت. همچنین با استفاده از ضرایب همبستگی، ارزش طیفی تصاویر و نقشه های پراکنش سدیم، پتاسیم، منیزیم، کلسیم، هدایت الکتریکی، اسیدتیه، شوری و قلیائیت تهیه و مدل های رگرسیونی مناسب ارائه گردید. نتایج نشان می دهد که برای آشکارسازی پراکنش هدایت الکتریکیو سدیم، با توجه به ضریب همبستگی 24/0 شاخص های شوری و شاخص شوری ملایر مناسب است. همچنین جهت آشکارسازی پراکنش منیزیم، کلسیم و پتاسیم در منطقه مورد مطالعه به دلیل بالا بودن ضریب همبستگی به میزان 88/0 می توان از شاخص شوری استاندارد شده استفاده کرد. نتایج نشان می دهد که به دلیل معنادار نبودن رگرسیون فضایی مربوط به مطالعه قلیائیت خاک، امکان استفاده از این معادله ها وجود ندارد. همچنین نتایج نشان می دهد که به طور کلی برای بررسی عناصر اندازه گیری شده، می توان از شاخص شوری استاندارد شده استفاده کرد. با توجه به رابطه رگرسیونی بین شاخص های استخراج شده و نقشه های تهیه شده در مطالعات میدانی، مدل های بهینه برای تهیه نقشه های شوری منطقه مورد مطالعه، تعیین و کالیبره شدند.مدل های به دست آمده در این مطالعه بر اساس اطلاعات ماهواره ای برآورد مناسبی از عناصر مورد مطالعه داشت زیرا ضریب همبستگی و تعیین آن ها قابل قبول است.با تکمیل، گسترش و بسط یافته های این تحقیق می توان به پهنه بندی اراضی با استفاده از تصاویر ماهواره ای و بدون نیاز به نمونه برداری پرداخت. این فن ضمن فراهم آوردن دقت بیشتر می تواند هزینه های نمونه برداری را نیز به حداقل برساند.
    کلیدواژگان: شاخص های شوری، سنجنده OLI، درون یابی، رگرسیون فضایی، دشت ملایر
|
  • Akbar Ghasemi *, Asghar Fallah, Shaban Shataee Joibari Pages 1-2
    Today, it is important to use the ecological indicators, such as canopy cover for recognizing the special status of ecosystems, such as mangrove forests and also monitoring and evaluating changes through a specific period. This study aimed to investigate the sufficiency of parametric and nonparametric algorithms using the spectral data with high spatial resolution in the evaluation of canopy cover in the mangrove forest in the Bushehr province. The vegetative characteristics were studied at 20×20 square meter sample plots. 50 Sample plots were studied for the proposed vegetative characteristic such as diameter, Height and percentage of canopy cover of mangrove forest. The camera UltraCamX digital images which used in this study were harvested to the shooting operation on 2012/01/10. After conducting some proper Preprocessing and processing, the digital values corresponding to the ground samples were extracted from spectral bands and were considered as the independent variables while and the crown canopy percent per plot were considered as the dependent variable. Modeling was carried out based on 75 percent of sample plots using K-Nearest Neighbor methods, support vector machine, random forest and General linear model methods and the results were cross-validated using the remaining 25 percent. The results showed that the best estimates were obtained from the crown canopy percent with method Random Forest, k-NN, SVM and General linear model methods with a root mean square error of 13.57, 13.95, 14.88 and 17.73 percent and relative bias of -3.88, -4.62, -5.05 and -2.88 percent that Random Forest method had the best performance. The results of this study showed UltraCam X Arial spectral data had the high ability for estimating of canopy cover percent.
    Keywords: Canopy cover, Mangrove, Modeling, Ultra Cam, X, Bushehr
  • Reza Bayat *, Somayeh Jafari, Bagher Ghermezcheshmeh, Amir Hossain Charkhabi Page 17
    Wetlands and water ecosystems are important, especially in terms of environmental values. Mapping vegetation changes can provide valuable information and removing vegetation can cause environmental disasters such as dust. This study aimed to investigate and determine the spatial and temporal variations in Khuzestan, Shadegan wetland coverage and these changes are analyzed with a dust storm data. Temporal and spatial variation of vegetation measured using Normalized difference vegetation index (NDVI) of MODIS images from 2000 to 2011, and vegetation cover changes were determined and different variables of dust (total annual density, maximum annual concentrations and annual average concentrations of dust) from Ahwaz station were analyzed for detecting changes of vegetation cover. The results indicated that the total area of vegetation NDVI from 2000 to 2011 declined 7.36%. Also, the results showed the highest and lowest water area 25.67% and 19.72% belong to 2007 and 2000 respectively, and the highest and lowest vegetation area were 31.21% and 17.27 % in 2000 and 2004 respectively. According to statistics from 2002 onwards we have been faced with increasing dust storm which indicated a correlation between dust and wetland vegetation. Also worth noting is that the total annual concentration of dust and vegetation indices showed a higher determination coefficient (0.8516). Meanwhile, 2 month delay effect of dust has 0.8214 determination coefficient with NDVI.
    Keywords: Vegetation cover, Dust, Normalized difference vegetation index (NDVI), MODIS, Shadegan wetland
  • Seyed Reza Mir Alizadehfard, Seyedeh Maryam Alibakhshi * Pages 33-4
    Nowadays modeling and anticipation of land use changes by application of satellite images can be a very useful tool for describing relations between natural environment and human activities to help planners to make decisions in complicated conditions. There are various methods for anticipation of land uses and coverage, in which the Markov chain model is one of them. In this research, land use changes in Bartash plain in Dehloran which is located in Ilam province in the area of 135244 hectares in 3 time periods (1988, 2001 and 2013) of Landsat satellite images, providing land use map in 6 classes (low density forest, medium-dense grassland, poor grassland, agricultural, alluvium sediments and non-vegetated lands) by application of Kohonens neural network and also Markov anticipation model and Land change modeler (LCM) approach was predicted for the year 2030. The classification results showed the rate of demolition and a reduction of the area of low density forests and medium grassland land uses and increase in area of other land uses. Reduction of low density forest and the medium grassland area and increasing growth of other land uses demonstrated the overall destruction in the region and replaced with poorer land uses. At the end, by application of the Markov anticipation model and LCM modeling approach, land use changes were anticipated for the year 2030. The results of changes anticipation matrix based on maps of years 2001 and 2013 showed that it is likely that in the period of 2013-2030, 45% of low density forest, 71% of medium grassland, 96% of poor grassland, 81% of agricultural lands, 93% alluvialvium sediments and 100% of non-vegetated lands remain changeless; non-vegetated lands have the most stability and low density forest have the least stability.
    Keywords: Monitoring, forecasting, Markov model, Land change modeler (LCM), Bartash plain
  • Mohammad Fallah Zazuli *, Reza Aghataher, Mehrdad Zarafshar, Mohsen Jafari Page 47
    Oak forest in west of Iran has been always considered by terrorists. So, site selection with emphasis to passive defense principal is really necessary in this area. This research aimed to site selection of defense installations and determine of suitable areas of its generation in the part of thin forests at Ilam province using analytical hierarchy process (AHP) and Geographic information system (GIS). By using defense expert opinions, and a literature review eight effective intelligence layer in determining the talented defensive centers (lithology, distance from urban, distance from rural, slope, aspect, elevation, distance from drainage and distance from road) were selected and their maps were digitized in ArcGIS®9.3 environment. Prioritizing factors were done using expert opinions in the Expert Choice (EC2000). The results by priority criteria by pairwise comparison method showed that distance from residential areas (urban and rural area), distance from roads and lithology 0.351, 0.222, 0.160, and 0.109 had the highest effects on defense site selection, respectively. In contrast, elevation (0.021) and distance from the river (0.030) had the lowest effects. Finally, the results showed that Cenozoic geology units, distance from city 10000-15000 m, distance from roads >6000 m, slope percentage (10-20%), eastern aspect, elevation (1000-1500 m), distance from river >3000 and distance from roads 3000-5000 m were the most important factors for presentation of potential maps for building of military centers in the western forest area of Ilam.
    Keywords: Site selection defense installations, Analytical hierarchy process (AHP), Geographic information system (GIS), Ilam
  • Seyed Ali Alhossaini Almodaresi *, Javad Hatami, Ali Sarkargar Page 59
    The process of saving snow in mountainous areas of water resources is important. According to studies conducted by about 60 percent surface water and 57% groundwater flow in snowy areas. In recent years, the importance and applications of synthetic aperture radar data (SAR), according to a major advantage compared to other remote sensing systems are growing. In this study, using manufacturing satellites and MODIS algorithm Snow map snow cover and then with twelve radar image sensor TerraSAR-X and DInSAR in such a way that initially an image as the base image the rest of the images of the first image interferometry was performed between areas where snow cover the amount of displacement rather than results indicative of changes in depth of snow and then map snow depth maps of snow between October 2012 to May 2013. Mining was the next step, using Linear regression between the snow depth map of the DInSAR technique produced snow water equivalent depth data from ground stations were harvested SWE depth map of the results suggest overall accuracy of 91.3% and kappa coefficient consuming 84.45 Snow level map and map the depth of the snow by a factor of extension of 85% and RMSe of 2.78 to calculate the depth of snow water equivalent using the correlation between the data of snow depth derived from DInSAR and the ground water depth of snow a linear correlation coefficient of generalization 0.77 and RMSe of 2.97 was the result that was statistically at 99%.
    Keywords: Snow depth, Active remote sensing, TerraSAR, X, MODIS, DInSAR techniques
  • Mahboubeh Olumi Majumerd, Mohammad Zare *, Samaneh Pourmohammadi Page 77
    Drought and climate change phenomena have severe negative impacts on natural vegetation and agricultural section in Central Iran during the last decades. Cloud seeding is one of the efficient methods to reduce the effects of climate change. The purpose of this study was to investigate the effect of clouds seeding on rainfall in Fars province. November, December, February and April months in the water year of 2010-2009, selected as the prone month of precipitation in Iran, were evaluated cloud seeding projects in Fars province. Historical regression was used to evaluate the cloud seeding project. In the first step, raster monthly precipitation maps for each month of year in the period was 34 years (1977-2010) were plotted using the Kriging method to measure rainfall amounts of each year. Then, the volume of precipitation in April, February, January, and November in the target area stations were calculated and used as a dependent variable. Next, precipitation time series for each month of the period of 1977-2010 in the control area stations were calculated and entered into the regression as independent variables. Correlation between the volume of rainfall in both regions (target and control) were analyzed. Then, expected rainfall in the region was estimated and its confidence was determined using statistical methods. Comparing expected and actual rainfall, percentage of changes in precipitation due to clouds seeding in Fars province were determined. Results showed an increase of about 15% in precipitation in Fars province during the four months of the water year of 2009-2010.
    Keywords: Arid lands, Water resources management, Clouds seeding, Precipitation, Fars
  • Davoud Akhzari *, Ahmad Asadi Meyabadi Page 87
    Soil salinity in arid and semi-arid lands is one of the most important limiting factors which changes vegetation types and biomass due to natural resourcesproduction reduction. The Landsat 8 satellite images were used in this research to select the best satellite indices for soil salinity evaluation. For achieving this purpose, the distribution maps of sodium, potassium, calcium, EC and pH were prepared based on 77 measurement points. After that, the correlations between the field observation and produced maps by remote sensing have been investigated by using spatial regression. The soil salinity and alkalinity maps of study area have been prepared by using the distribution maps of sodium, potassium, calcium, EC and pH and based on suitable regression model. The results showed that SIand M-SI were the best indicators for detecting soil EC and soil sodium. other measured elements of soil in the study area. However, the best indicators for detecting soil distribution of magnesium, calcium and potassium was NDSI. There was a weak correlation between field observations and soil alkalinity map.Generally, NDSI was the best index for assessing the studied elements. According to the regression equation between derived indices and prepared maps, the optimal models for mapping soil salinity were determined and calibrated. Based on satellite images models which obtained in this study are good estimators to estimate the above mentioned elements. The results of this study could have importance in land zoning accuracy, using satellite images without the need for field sampling in the future.
    Keywords: Salinity index, OLI sensor, Interpolation, Spatial regression, Malayer plain