https://www.sepehr.org/ فصلنامه علمی- پژوهشی اطلاعات جغرافیایی « سپهر» fa daily 1 Fri, 20 Feb 2026 00:00:00 +0330 Fri, 20 Feb 2026 00:00:00 +0330 https://www.sepehr.org/article_726162.html پژوهش حاضر به بررسی ارتباط بین شاخص‌های گیاهی و تغییرات کلروفیل مزارع برنج در مراحل مختلف رشد در شمال ایران با استفاده از فناوری‌های سنجش از دور و کشاورزی دقیق پرداخته ­است. در این تحقیق، از تصاویر ماهواره‌ای Sentinel-2، تصاویر پهپادی با سنجنده‌های RGB و داده‌های زمینی SPADاستفاده شده ­است. سه الگوریتم یادگیری ماشین شامل: رگرسیون جنگل تصادفی (RFR) ، رگرسیون ماشین بردار پشتیبان (SVR) و رگرسیون پرسپترون چند لایه (MLPR) برای تخمین سبزینگی تصاویر پهپادی به کار گرفته ­شد. نتایج نشان داد که الگوریتم RFR با ضریب همبستگی 0.80، عملکرد بهتری در تخمین کلروفیل دارد. همچنین از تکنیک درون‌یابی مکانیKriging برای استخراج نقشه‌های کلروفیل با استفاده از داده‌های SPAD استفاده شده ­است. نتایج نشان داد که همبستگی مناسبی بین نقشه‌های سبزینگی و SPAD وجود دارد. به طور کلی یافته‌های این پژوهش نشان داد که ادغام داده‌های پهپادی و ماهواره‌ای با استفاده از تکنیک یادگیری ماشین و روش‌های پیشرفته پردازش تصویر می‌تواند ابزار مؤثری برای مدیریت منابع و بهبود عملکرد مزارع باشد و به کشاورزان در تصمیم‌گیری‌های بهتر و به‌موقع کمک کند. https://www.sepehr.org/article_735695.html این پژوهش با هدف شناسایی و تحلیل تهدیدهای جزیره قشم و بررسی نقش ساختار حکمرانی مناطق آزاد در شکل‌گیری این تهدیدها انجام شد. رویکرد تحقیق ترکیبی بوده و شامل دو بخش کیفی و کمی است. در بخش کیفی، از مصاحبه‌های عمیق با جامعه محلی و متخصصان برای شناسایی تهدیدها استفاده شد. سپس با بهره‌گیری از چارچوب DPSIR، عوامل شناسایی‌شده در قالب پیشران‌ها، فشارها، وضعیت و اثرات دسته‌بندی شدند. در مرحله بعد، ۱۷ تهدید کلیدی برای تحلیل روابط علّی و معلولی میان آن‌ها با روش DEMATEL انتخاب شدند. به طور کلی در مرحله اول 15 پرسشنامه متخصصان تکمیل شد. در مرحله دوم هفت مصاحبه عمیق و در نهایت پنج پرسشنامه DEMATEL تکمیل شد. تمامی تحلیل‌ها در نرم افزار اکسل انجام شد. یافته‌ها نشان داد که ساختار حکمرانی منطقه آزاد قشم مهم‌ترین منشأ تهدیدهای توسعه ناپایدار است. عواملی مانند دوگانگی نهادی بین سازمان منطقه آزاد و فرمانداری، تغییر مکرر مدیران، مدیران غیربومی و موازی‌کاری نهادی، در خوشه عوامل اثرگذار قرار دارند، در حالی که پیامدهایی نظیر تخریب محیط‌زیست، فرسایش فرهنگی و توسعه بدون پیوست اجتماعی، در گروه عوامل اثرپذیر قرار گرفتند. نتایج ترکیبی DPSIR–DEMATEL بیانگر آن است که ضعف‌های نهادی و مدیریتی به‌صورت چرخه‌ای بازتولید شده و به‌تدریج موجب کاهش سرمایه اجتماعی و تضعیف تاب‌آوری بوم‌اجتماعی جزیره می‌شوند. بر این اساس، ریشه مشکلات جزیره قشم ناهماهنگی نهادی و نبود نظام ارزیابی و پاسخ‌گویی است. اصلاحات ساختاری در نظام حکمرانی مناطق آزاد، از جمله شفاف‌سازی اختیارات، به‌کارگیری مدیران بومی و متخصص، ارتقای پاسخ‌گویی و افزایش مشارکت مردمی، پیش‌شرط دستیابی به توسعه پایدار در قشم و سایر مناطق آزاد کشور است. https://www.sepehr.org/article_732716.html یکی از موضوعات اصلی در مطالعه‌ی کم‌فشارهای حاره‌ای تأثیر تبادل شارهای گرمای هوا- دریا، به ویژه تبادل شار گرمای نهان سطحی است. به دلیل اهمیت خلیج بنگال در شمال اقیانوس هند از نظر رخداد و شدت کم فشارهای حاره‌ای، مطالعه کنونی سعی دارد نحوه تعامل شار گرمای نهان سطحی، دمای سطح دریا و سرعت باد را در گذر کم‌فشار حاره‌ای آمفان (16 تا 21 می 2020) و کم‌فشار حاره‌ای نیوار (22 تا 27 نوامبر 2020) بررسی نماید، تا مشخص شود این پارامترها به ترتیب در زمان پیش از مونسون (می) و پس از مونسون (نوامبر) چگونه رفتار ‌کرده اند. به این منظور، از داده‌های بازتحلیل ERA5 برای استخراج شار گرمای نهان سطحی با تفکیک‌پذیری مکانی 0/25°×0/25° و زمانی 1 ساعت، و از داده‌های بازتحلیل MERRA-2 برای دمای سطح دریا و سرعت باد با تفکیک‌پذیری مکانی 0/5° × 0/625° و زمانی 1 ساعت استفاده شد. تحلیل نقشه‌ها با استفاده از زبان پایتون انجام گرفت. نتایج نشان می‌دهد که مقدار شار گرمای نهان سطحی در دوره پیش‌ از مونسون به‌طور معناداری بیشتر از دوره پس از مونسون است. در اوج شدت آمفان (19 می)، شار گرمای نهان سطحی 400 وات بر متر مربع، دمای سطح دریا به حدود 31 درجه سلسیوس و سرعت باد به 15 متر بر ثانیه رسید. در مقابل، در اوج شدت نیوار (25 نوامبر)، شار گرمای نهان سطحی در بازه 300 تا 400 وات بر متر مربع قرار داشت، در حالی که دمای سطح دریا بین 26 تا 29 درجه سلسیوس و سرعت باد حدود 12/5 متر بر ثانیه بود. به‌طور کلی، یافته‌های سال 2020 نشان می‌دهند که تعامل میان شار گرمای نهان سطحی، دمای سطح دریا و سرعت باد، ماهیتی وابسته به زمان دارد و تفاوت فصل‌ها نقش مهمی در شدت و تکامل کم‌فشارهای حاره‌ای ایفا می‌کند. https://www.sepehr.org/article_736066.html شهر ایذه به عنوان یکی از شهرهای دارای سابقه تاریخی و موقعیت جغرافیایی خاص، با چالش‌های متعددی در حوزه توسعه شهری مواجه است که شامل مخاطرات طبیعی نظیر زلزله، سیلاب، فرونشست و آسیب‌پذیری در برابر تغییرات اقلیمی و مشکلات انسانی مانند رشد بی‌برنامه، بافت فرسوده، ضعف زیرساخت‌ها، آلودگی هوا و بیکاری می‌شود. هدف این پژوهش، شناسایی، اولویت‌بندی و ارائه راهکارهای عملیاتی برای مقابله با این چالش‌ها و. نوع پژوهش، کاربردی – توصیفی-تحلیلی و مبتنی بر رویکرد ترکیبی کمّی و کیفی است. اطلاعات کتابخانه‌ای و پرسشنامه‌ای جمع‌آوری شده از کارشناسان شهری، مدیران، اساتید دانشگاه و ذی‌نفعان محلی، داده های تحقیق به شمار می روند. ابزارهای مورد استفاده شامل نرم‌افزارExpert Choice برای تحلیل سلسله‌مراتبی (AHP) و روش وزن‌دهی نسبی برای تلفیق دیدگاه خبرگان و نتایج پرسشنامه عمومی هستند. مراحل تحقیق عبارتند از: شناسایی چالش‌ها از طریق مرور منابع و اعتبارسنجی توسط خبرگان، و سپس اولویت‌بندی چالش‌ها و ارائه راهکارهای عملیاتی. نتایج پژوهش نشان داد که برخی چالش‌ها از اهمیت بالاتری برخوردارند و نیازمند توجه فوری در برنامه‌ریزی شهری هستند. همچنین، راهکارهای عملیاتی پیشنهادی شامل بهبود زیرساخت‌ها، بازآفرینی بافت‌های فرسوده، مدیریت منابع طبیعی و انرژی، ارتقای نظارت بر فضاهای عمومی و تقویت مشارکت شهروندان می شود. این پژوهش می‌تواند به مدیران و سیاست‌گذاران شهری کمک کند تا تصمیمات مبتنی بر شواهد علمی و اولویت‌بندی شده اتخاذ کرده و توسعه شهری پایدار، ایمن و مقاوم را در شهر ایذه محقق نمایند. https://www.sepehr.org/article_731384.html در سال‌های اخیر، نگهداری و پایش خودکار پنل‌های خورشیدی به‌عنوان یکی از ارکان حیاتی در توسعه پایدار انرژی‌های تجدیدپذیر اهمیت فزاینده‌ای یافته است. در این پژوهش، یک چارچوب دقیق و کارآمد مبتنی‌بر یادگیری عمیق برای طبقه‌بندی خودکار عیوب پنل‌های خورشیدی ارائه شده است. مدل پیشنهادی با بهره‌گیری از معماری یولوV8m پیاده‌سازی شده است. این مدل با ساختاری سبک و مدرن قادر است تصاویر ورودی را به سرعت پردازش نموده و نوع عیب موجود در هر تصویر را با دقت بالا تعیین کند. برای آموزش و ارزیابی مدل، مجموعه‌داده‌ای جامع شامل تصاویر رنگی و خاکستری از پنل‌های خورشیدی تحت شرایط نوری و محیطی مختلف مورد استفاده قرار گرفت. نوآوری این پژوهش در به کارگیری معماری پیشرفته یولوV8m برای توسعه یک سامانه عملیاتی و دقیق در شناسایی و طبقه بندی خودکار عیوب متنوع پنل های خورشیدی در تصاویر پهپادی است. نتایج تجربی نشان می‌دهند که مدل یولوV8m توانسته در طبقه‌بندی شش نوع عیب رایج پنل های خورشیدی تمیز، پوشیده با برف، پوشیده با گردوغبار، آلوده به فضولات پرندگان، دارای آسیب الکتریکی و دارای آسیب فیزیکی به میانگین دقت 97.43٪، میانگین دقت پیش‌بینی برابر 97٪، و میانگین نرخ بازیابی برابر 97.58٪ دست یابد. این نتایج نسبت به مدل‌های پایه مانندVGG16,CNN و رزنت50 به‌طور میانگین بین 1.5 تا 3.5 درصد بهبود عملکرد نشان می‌دهند. افزون بر آن، با طراحی چارچوبی هوشمند بر پایه مدل یولوV8m، الگوی شناسایی و طبقه بندی عیوب به گونه ای بهینه سازی شد که امکان پردازش سریع و دقیق تصاویر در شرایط واقعی و در مقیاس وسیع فراهم شود. این سامانه، علاوه بر دقت بالا در تفکیک نوع عیوب، قابلیت پیاده سازی عملیاتی در سامانه های نظارتی خودکار را دارد و می تواند نقش مؤثری در نگهداری پیش‌بینانه و بهینه‌سازی زمان بندی تعمیرات ایفا نماید. استفاده از این راهکار می‌تواند به افزایش عمر مفید پنل‌ها، کاهش هزینه های تعمیر و نگهداری، و بهبود عملکرد کلی شبکه‌های انرژی خورشیدی کمک کند. https://www.sepehr.org/article_734117.html مناطق مختلف با توجه به وضعیت هیدروژئومورفولوژی و همچنین عوامل انسانی، پتانسیل­­های مختلفی برای وقوع سیلاب دارند. از جمله مناطقی که در معرض مخاطره سیلاب قرار دارد، شهر نورآباد در استان لرستان است. با توجه به اهمیت موضوع، در تحقیق حاضر به شناسایی مناطق مستعد وقوع سیلاب و همچنین مناطق سیل­زده شهر نورآباد در جریان سیلاب فروردین ماه سال 1398 پرداخته شده است. در این تحقیق از مدل رقومی ارتفاعی 30 متر، تصاویر ماهواره لندست 7 و 8 و تصاویر راداری سنتنیل 1 به­عنوان مهم­ترین داده­های تحقیق استفاده شده است. این پژوهش ابتدا با استفاده از مدل WLC-ANP به شناسایی مناطق مستعد وقوع سیلاب پرداخته و در ادامه با استفاده از سامانهGoogle Earth Engine ­، مناطق سیل‌زده شهر نورآباد را در فروردین ۱۳۹۸ شناسایی نموده و سپس نتایج حاصل از روش‌های مختلف با یکدیگر مورد مقایسه قرار گرفتند. یافته‌های مدل WLC–ANP  نشان می‌دهند که نواحی مرکزی و جنوبی شهر نورآباد از پتانسیل بالای سیل‌خیزی برخوردارند. از آنجا که همین مناطق در فروردین ۱۳۹۸ دچار سیلاب شده‌اند، می‌توان گفت میان نتایج مدل و رخداد واقعی انطباق قابل توجهی وجود دارد. بر این اساس، روش‌ها و پارامترهای به‌کاررفته در این تحقیق توانایی بالایی در شناسایی مناطق آسیب‌پذیر در برابر سیلاب دارند. همچنین نتایج نشان می‌دهد که وسعت نواحی سکونتگاهی شهر نورآباد در طبقه «پتانسیل سیل‌خیزی بسیار زیاد» در سال‌های 2000 و 2020 به ترتیب حدود 1/3 و 1/9 کیلومترمربع بوده است. این امر بیانگر آن است که در روند توسعه فیزیکی نواحی سکونتگاهی شهر نورآباد، توجه کافی به خطر سیل‌خیزی نشده است. بر این اساس، پیشنهاد می‌شود از نتایج این مدل در تدوین دستورالعمل‌های مکان‌یابی سازه‌های شهری و تعیین حریم ایمن رودخانه‌ها استفاده شود. https://www.sepehr.org/article_732719.html پژوهش حاضر با هدف بررسی نقش تراز صوتی به عنوان ابزاری تحلیلی در شناسایی و تفکیک توده و فضای شهری در شهر اهواز انجام شد. مفهوم توده - فضا به ارتباط میان ساختارهای فیزیکی و فضاهای عمومی و خصوصی اشاره دارد که تأثیرات عمیقی بر کیفیت زندگی، مدیریت آلودگی، دسترسی به امکانات و هویت فرهنگی جوامع دارد. برای انجام این تحقیق، از روش ترکیبی شامل تحلیل‌های توصیفی- تحلیلی و برداشت میدانی داده‌های صوتی با استفاده از دستگاه KIMO DB100 در ۳۰۰ نقطه نمونه‌گیری بهره‌برداری شده است. داده‌ها با استفاده از روش زمین آماری IDW در نرم‌افزار ArcGIS پهنه‌بندی و در پنج کلاس (خیلی کم، کم، متوسط، زیاد و خیلی زیاد) طبقه‌بندی شدند. یافته‌ها نشان داد که 54% از مساحت اهواز (چیزی نزدیک به ۱۱۶۰۰ هکتار) با بالاترین سطوح تراز صوتی، در مناطق صنعتی جنوب شرق و مناطق متراکم مسکونی-تجاری قرار دارند که این سطوح فراتر از استانداردهای ملی آلودگی صوتی است. همبستگی 0/91 بین کاربری‌های زمین و سطوح صوتی محاسبه شده، دقت و اعتبار روش تحقیق را تأیید کرد. نتایج نشان می‌دهد که تراز صوتی به عنوان یک شاخص کلیدی، قادر به شناسایی الگوهای فضایی است؛ به طوری که توده‌های متراکم و صنعتی با سطوح بالای صوتی (مقادیر۷8-۷0 دسی بل) و فضاهای باز با سطوح پایین (مقادیر43-35 دسی بل) مرتبط هستند. در نهایت، این تحقیق بر اهمیت حیاتی گنجاندن ارزیابی‌های سطح صدا در چارچوب‌های برنامه‌ریزی شهری به منظور بهبود کیفیت محیطی و بهینه‌سازی فضایی تأکید دارد. https://www.sepehr.org/article_734690.html پوشش‌گیاهی یکی از حساس‌ترین مولفه‌های محیطی نسبت به تغییرات عناصر اقلیمی است و هر گونه نوسان در بارش، دما و رطوبت می‌تواند به واکنش‌های سریع و قابل مشاهده در رشد و پویایی آن منجر شود. در پژوهش حاضر، تغییرات مکانی – زمانی شاخص NDVI زمستانه در حوضه آبریز مارون طی بازه زمانی سال های 2001 تا 2023 مورد بررسی قرار گرفت. برای این منظور داده‌های ماهواره‌ای MODIS محصول (MOD13A1) استخراج و با توجه به شدت و ضعف مقادیر NDVI و به منظور سنجش میزان حساسیت هر طبقه با الگوهای پیوند از دور به پنج طبقه با پوشش گیاهی خیلی تنک، تنک، متوسط،  انبوه و خیلی انبوه تقسیم شدند. علاوه بر این شاخص‌های دور پیوندی شامل  NINO3,NINO1+2,NINO4,NINO3.4,SOI برای تحلیل همبستگی با تغییرات NDVI مورد استفاده قرار گرفته اند. یافته‌ها نشان می‌دهند که پوشش‌گیاهی زمستانه حوضه مارون طی دوره مورد مطالعه نوسانات چشمگیری داشته است. در حالی که بخش‌های جنوبی و غربی حوضه در اغلب سال‌ها بیشترین تراکم پوشش‌گیاهی را نشان می‌دهد. مناطق شمالی و مرکزی تراکم پوشش‌گیاهی خیلی کمتری را تجربه نموده‌اند  بالاترین ارتباط معکوس مقادیر ضریب همبستگی در ناحیه خیلی تنک و تنک مشاهده شد که حاکی از حساسیت بالای پوشش‌گیاهی منطقه خیلی تنک و تنک به الگوهای جوّی است. به طوری که شاخص NINO1+2 در طبقه خیلی تنک مقدار (0/347-) و شاخص NINO4 در طبقه تنک مقدار (0/389-) را ثبت کرد. در مقابل، مقادیر همبستگی در طبقات «متوسط» و «انبوه» عمدتاً نزدیک به صفر و فاقد رابطه معنادار بوده و نشان می‌دهد که این گروه‌ها بیشتر تحت تأثیر شرایط اقلیمی و محیطی محلی قرار دارند. همچنین طبقه «خیلی انبوه» نیز الگوی همبستگی ضعیف و پراکنده‌ای را نمایش داد و بیانگر اثر ضعیف شاخص‌های پیوند از دور بر ساختار مکانی NDVI است.  https://www.sepehr.org/article_711278.html هدف از پژوهش حاضر بررسی تغییرات خودهمبستگی فضایی میانگین سالانه ­ی تراکم برف پهنه ­ی شمال غرب ایران است. برای این منظور ابتدا داده­ های سالانه­ ی تراکم برف طی دوره­ ی آماری 2022- 1982 از پایگاه داده ECMWF/EAR5 با تفکیک 0.25 ×0.25 درجه اخذ، و سپس به چهار دوره ده ساله تقسیم شد. به منظور تحلیل تغییرات خودهمبستگی فضایی، شاخص ­های موران جهانی و تحلیل لکه ­های داغ (گتیس- آرد جی) در سطح معنی­ داری 90، 95 و 99 درصد مورد استفاده قرار گرفت. همچنین برای بررسی تأثیر بارش­ های فرین بر تغییرات سطح تراکم برف از شاخص آماری صدک 99 استفاده شد و بر اساس این شاخص نسبت به تعیین آستانه ­ی برف فرین هر یک از ایستگاه ­های سینوپتیک منطقه طی دهه ­ی اخیر (2018- 2009) و نیز بازه­ زمانی کل دوره­ ی آماری (2018- 2000) اقدام شد. نتایج حاصل از پژوهش نشان داد که در منطقه مورد مطالعه تراکم برف دارای خودهمبستگی فضایی و الگوی خوشه ای شدید است. با آستانه تراکمی کم­تر از 0.10 کیلوگرم بر متر مکعب، از دهه اول تا پایان دهه چهارم از پهنه (تعداد پیکسل) و مقدار تراکم برف شمال غرب کاسته شده است. نتایج حاصل از بررسی تغییرات بارش ­های فرین در صدک 99 نشان داد که میزان این نوع بارش در طی دهه آخر مورد مطالعه افزایش چشمگیری داشته و این موضوع سبب شده است تا تراکم برف در دهه آخر نسبت به دهه ­های اول تا سوم افزایش نسبی داشته باشد، هر چند در حالت کلی میزان تراکم برف در کل گستره شمال غرب در طی چهار دهه اخیر کاهش محسوسی داشته است. https://www.sepehr.org/article_735947.html آسیب‌پذیری اکولوژیکی، تغییرپذیری اکوسیستم تحت تاثیر عوامل انسانی و طبیعی است و این تغییرپذیری برای توسعه اکوسیستم و جامعه بشری مناسب نیست. هدف پژوهش حاضر تحلیل مکانی و پهنه‌بندی آسیب‌پذیری اکولوژیکی حوضه آبریز کلیبرچای است. حوضه آبریز کلیبرچای یکی از مناطق طبیعت‌گردی و مقاصد اکوتوریستی در استان آذربایجان‌شرقی محسوب می شود. به دلیل حساسیت و شکنندگی اکوسیستم این منطقه تحلیل مکانی آسیب‌پذیری اکولوژیکی آن به منظور حفاظت و بهره‌برداری مطلوب ضروری به‌نظر می‌رسد. این حوضه با مساحتی بالغ بر 1201 کیلومترمربع در دامنه‌های شمالی رشته‌کوه قره‌داغ (ارسباران) واقع شده است. در این پژوهش از روش AHP-FUZZY و روش CRITIC استفاده شد. معیارها (انسانی و طبیعی) و زیر معیارها (ارتفاع، شیب، جهت شیب، بارش، دما، فاصله از رودخانه‌ها، لیتولوژی، فرسایش خاک، پوشش گیاهی، کاربری زمین، فاصله از جاده، فاصله از معادن و صنایع و فاصله از مناطق مسکونی) براساس مبانی نظری و پیشینه تحقیق و با استفاده از تکنیک دلفی تعیین شدند. وزن‌دهی لایه‌ها از طریق روش AHP و استانداردسازی لایه‌ها با روش FUZZY انجام ‌شد. پس از تلفیق لایه‌ها، نقشه پهنه‌بندی آسیب‌‌پذیری اکولوژیکی حوضه کلیبرچای ترسیم ‌شد. برای صحت‌سنجی پهنه‌بندی، روش CRITIC به اجرا درآمد و نتایج هر دو روش با هم مقایسه شدند. ضریب همبستگی بین دو روش 0/89 بدست آمد. نتایج پژوهش نشان داد که معیارهای انسانی اهمیت زیادی در آسیب‌پذیری اکولوژیکی حوضه کلیبرچای دارند. نتایج پهنه‌بندی نیز نشان داد حدود 40 درصد مساحت حوضه مورد مطالعه آسیب‌پذیری زیاد و خیلی زیاد دارند که بخش‌های میانی حوضه را بیشتر در برگرفته اند. پیشنهاد می‌شود از اجرای پروژه‌های عمرانی و توسعه مانند احداث راه‌های ارتباطی، ساخت و سازهای مصنوعی مانند ویلاسازی و درمناطق آسیب‌پذیر جلوگیری شود. همچنین مناطق با آسیب‌پذیری اکولوژیکی در اولویت اکتشاف و بهره‌برداری قرار نگیرند. https://www.sepehr.org/article_731292.html در دهه‌های اخیر، گرم شدن زمین و تغییرات آب و هوایی باعث تغییر شدت و مدت بارندگی‌‌ها شده و در نتیجه، خطر سیل به یک تهدید برای زندگی، اموال و زیرساخت‌ها تبدیل شده است. بنابراین، تجزیه و تحلیل حساسیت به سیل‌‌خیزی برای پیش‌ گیری و کاهش رویدادهای مخاطره آمیز آینده ضروری به نظر می رسد. در تحقیق حاظر هدف آن است که ابتدا ارتباط شش پارامتر مورفومتریک با حساسیت به سیل زیرحوضه‌های منطقه مورد مطالعه بررسی شده و نقشه حساسیت به سیل با در‌نظرگرفتن پارامترهای مورفومتریک تهیه شود و سپس نتایج به‌دست آمده با سیل‌خیزی به‌‌دست آمده از روش استدلالی مورد مقایسه قرار گیرد. برای این‌منظور از ابزارArc Hydro در محیط Arc-GIS برای استخراج شبکه زهکشی و 33 زیرحوضه در حوضه کبار-فردو واقع در استان قم استفاده شد. سپس رتبه کل هر حوضه با جمع کردن تمام امتیازات به‌دست آمده برآورد شد. نتایج این پژوهش نشان می‌دهد مناطق با حساسیت زیاد، متوسط، کم و خیلی کم به سیل به‌ترتیب0.49% ، 47.79 % ، 42.87 % و 8.85 % منطقه را شامل می‌شوند. همچنین مقادیر دبی حداکثر در هر زیرحوضه با استفاده از روش استدلالی محاسبه و رتبه‌بندی حوضه‌ها بر اساس آن انجام گرفت. ضریب همبستگی اسپیرمن برآورد شده بین رتبه سیل‌خیزی روش استدلالی و روش مورفومتریک ( 0.601 ) نشان دهنده رابطه مثبت بین رتبه سیل‌خیزی این دو روش در سطح اعتماد 99% است. مطالعه حاضر نشان داد که تجزیه و تحلیل مورفومتریک می‌تواند برای کمک به تصمیم‌گیرندگان در شناخت توزیع مکانی خطر سیل و تدوین استراتژی‌های مهار سیل به‌منظور تقلیل اثرات منفی آن بر ساکنان و زیرساخت‌ها مورد استفاده قرار گیرد. https://www.sepehr.org/article_733920.html شهر کاشان با داشتن یکی از گسترده‌ترین بافت‌های تاریخی کشور، در معرض ناایمنی کالبدی جدّی قرار دارد که ضرورت ارزیابی نظام‌مند سطوح ایمنی را دوچندان می‌نماید.  این پژوهش با رویکردی توصیفی- تحلیلی و هدف کاربردی، به پهنه‌بندی مکانی سطوح ایمنی و ناایمنی کالبدی در بافت تاریخی کاشان با رویکرد پدافند غیرعامل پرداخته است. داده‌ها از طریق مشاهدات میدانی و نظرسنجی از 15 کارشناس خبره گردآوری شد. ارزیابی بر مبنای 15 زیرمعیار کالبدی در قالب سه معیار اصلی (دسترسی فیزیکی، الگوی مجاورت کاربری زمین، و مشخصات فیزیکی ابنیه) با بهره‌گیری از فرایند تحلیل شبکه‌ای(ANP ( برای وزن‌دهی و سامانه اطلاعات جغرافیاییGIS) (برای تحلیل فضایی انجام گرفت. نتایج نشان داد که 41% از مساحت بافت در سطح ایمنی کم و بسیار کم، 21/97% در سطح ایمنی متوسط، 24/72% در سطح ایمنی زیاد و تنها 12/34% در سطح ایمنی بسیار زیاد قرار دارند. توزیع فضایی ایمنی بیانگر آن است که محلات طاهر و منصور (58/5% ایمنی کم تا بسیار کم)، محلات سلطان میراحمد و درب اصفهان (51%) و محله محتشم (51/8%) به‌دلیل قدمت بالای ابنیه (بیش از 60 سال)، کیفیت پایین سازه‌ای، مصالح سنتی (خشت و گل)، ریزدانگی قطعات، و ... بیشترین آسیب‌پذیری را دارند. در مقابل، محلات بازار (56/5% ایمنی زیاد تا بسیار زیاد) و محله پشت مشهد بالا (50/9%) به‌دلیل نوسازی نسبی، مصالح مقاوم‌تر (آجر و آهن)، و ... از ایمنی بیشتری برخوردارند. مدل ANP-GIS  ارائه‌شده با بومی‌سازی معیارها، قابلیت تعمیم به سایر بافت‌های تاریخی کشور را دارد و چارچوبی کاربردی برای تصمیم‌گیری مبتنی بر شواهد در راستای حفظ میراث فرهنگی و افزایش ایمنی شهری ارائه می‌دهد. https://www.sepehr.org/article_732478.html با گسترش شهرنشینی و افزایش چالش‌های مرتبط با مدیریت شهری، شهرهای هوشمند به‌عنوان رویکردی نوین برای بهینه‌سازی خدمات و ارتقای کیفیت زندگی مطرح شده‌اند. فناوری‌هایی همچون هوش مصنوعی، اینترنت اشیاء، داده‌های کلان و شبکهG5 نقش مهمی در بهبود فرآیندهای شهری، افزایش بهره‌وری و ایجاد توزیع عادلانه‌تر منابع دارند. هدف این پژوهش، شناسایی و اولویت‌بندی مهم‌ترین فناوری‌های مؤثر بر توسعه شهرهای هوشمند و بررسی میزان توافق خبرگان درباره اهمیت و قابلیت به‌کارگیری آن‌ها در مدیریت شهری است. پژوهش حاضر از نوع کاربردی و توصیفی - تحلیلی بوده و داده‌ها از طریق مطالعات کتابخانه‌ای و پرسشنامه گردآوری شده اند. برای تحلیل داده‌ها، روش دلفی فازی در دو مرحله متوالی اجرا و پرسشنامه‌ها میان 30 خبره حوزه فناوری‌های شهری توزیع شد. سپس با استفاده از ضریب تغییرات و تکنیک‌های فازی، میزان اجماع نظرات ارزیابی شد.یافته‌ها نشان می‌دهند که هوش مصنوعی و داده‌های کلان بیشترین تأثیر را در بهینه‌سازی مصرف انرژی، ارتقای تصمیم‌گیری‌های شهری و بهبود کیفیت خدمات داشته و بالاترین سطح اجماع را میان خبرگان کسب کرده‌اند. در مقابل، اینترنت اشیاء با وجود پتانسیل بالا، به دلیل فقدان استانداردهای فنی یکپارچه و ضعف زیرساخت‌های امنیتی، در برخی شاخص‌ها با چالش مواجه بوده است. همچنین شبکهG5 به‌عنوان زیرساخت ارتباطی کلیدی، نقشی مهم در مدیریت بحران، حمل‌ونقل هوشمند و خدمات سلامت از راه دور ایفا می‌کند. بر اساس نتایج، توسعه زیرساخت‌های امنیتی، استانداردسازی اینترنت اشیاء و سرمایه‌گذاری هدفمند در فناوری‌های نوین برای تحقق شهرهای هوشمند ضروری هستند. پیشنهاد می‌شود مطالعات آینده با رویکردی مقایسه‌ای و بومی‌سازی سیاست‌ها، ابعاد اجتماعی و فرهنگی استقرار فناوری‌های شهری را نیز مورد بررسی قرار دهند. https://www.sepehr.org/article_732503.html خشکسالی به‌عنوان یکی از مهم‌ترین مخاطرات اقلیمی، با اثرات گسترده بر پایداری محیط‌زیست و معیشت انسان، نیازمند رویکردی چندبُعدی برای پایش و ارزیابی است. در این پژوهش، با هدف ارائه‌ی الگویی جامع برای ارزیابی خشکسالی در شمال‌غرب ایران، شاخص ترکیبی نوینی بر پایه‌ی تلفیق چهار دیدگاه هواشناسی، کشاورزی، هیدرولوژی و سنجش‌از‌دور توسعه یافت. داده‌های مورد استفاده شامل مشاهدات سینوپتیک سازمان هواشناسی کشور، سری زمانی تصاویر ماهواره‌ای لندست و داده‌های مادیس در بازه‌ی زمانی ۲۰۰۰ تا ۲۰۲۴ بودند. کلیه  پردازش‌ها و محاسبات شاخص‌ها در محیط گوگل ارث انجین انجام شد. شاخص‌های حاصل پس از نرمال‌سازی، با به‌کارگیری روش تحلیل سلسله‌مراتبی و وزن‌های بهینه‌شده ادغام و نقشه‌های شش‌ماهه خشکسالی تولید شدند. نتایج نشان داد که شدت خشکسالی پس از سال ۲۰۱۵، به‌ویژه در حوضه‌ دریاچه ارومیه، افزایش معنی‌داری یافته است؛ در حالی که نواحی کوهستانی مرتفع‌تر، الگوی پایدارتری از رطوبت را حفظ کرده‌اند. بر این اساس، مساحت مناطق دارای خشکی شدید در نیمه‌اول سال ۲۰۱۵، به ۴۹.۶۸ کیلومترمربع و در نیمه‌دوم به ۳۴.۵۰ کیلومترمربع رسید که بیش از نیمی از مساحت منطقه مورد مطالعه را شامل می‌شد. این میزان در نیمه‌اول سال ۲۰۱۹ به ۵۸.۷۰ کیلومترمربع و در نیمه‌دوم به ۳۵.۲۰ کیلومترمربع رسید و در سال ۲۰۲۱ به اوج خود رسید، به‌طوری که در نیمه‌اول این سال مساحت مناطق خشک به ۴۲.۳۶ کیلومترمربع و در نیمه‌دوم به ۴۱ کیلومترمربع افزایش یافته است. همچنین نتایج تأکید می‌کند که بیشترین خشکی در مناطق اطراف دریاچه ارومیه رخ داده و این عرصه‌ها در معرض تهدید جدی قرار دارند. در نهایت، روش ترکیبی ارائه‌شده در این مطالعه، به‌عنوان روشی کارآمد برای شناسایی مکانی و زمانی دقیق‌تر نواحی بحرانی، ابزار تصمیم‌گیری مؤثری برای مدیریت منابع آب و کشاورزی در مناطق خشک و نیمه‌خشک فراهم می‌نماید. https://www.sepehr.org/article_734053.html واحد زمین‌ساختی کپه‌داغ در شمال‌شرقی ایران، به‌دلیل ساختارهای چین‌خورده و گسل‌های فعال، مستعد وقوع گسیختگی سطحی است؛ با این حال، برآورد کمی و فضایی این پتانسیل در مقیاس منطقه‌ای کمتر مورد توجه قرار گرفته است. هدف پژوهش حاضر، توسعه یک چارچوب مکانی– احتمالاتی برای مدل‌سازی و نقشه‌برداری پتانسیل گسیختگی سطحی با استفاده از داده‌های چندمنبعی و شبیه‌سازی مونت‌کارلو در محدوده واحد زمین‌ساختی کپه‌داغ است. برای این منظور، لایه‌های زلزله، تراکم گسل، ویژگی‌های لیتولوژیک و شاخص‌های ژئومورفولوژیک استانداردسازی و در قالب مدل همپوشانی وزن‌دار تلفیق شدند. سپس به‌منظور سنجش عدم‌قطعیت، شبیه‌سازی مونت‌کارلو با ۱۰۰۰ تکرار اجرا شد. نتایج نشان داد که بزرگای زلزله و تراکم گسل بیشترین سهم را در افزایش پتانسیل گسیختگی سطحی دارند ( به ترتیب r=0/85 و r=0/73  ). نقشه نهایی، تمرکز پهنه‌های با پتانسیل بالا را در بخش‌های مرکزی و غربی منطقه نشان می‌دهد و اعتبارسنجی مدل نیز دقت قابل‌قبولی را تأیید کرد (0/89=R2  ). این چارچوب می‌تواند مبنایی برای پایش و تحلیل گسیختگی سطحی در مناطق تکتونیکی مشابه باشد. https://www.sepehr.org/article_728411.html امروزه فتوگرامتری پهپاد‌مبنا برای دریافت اطلاعات دقیق، ارزان و به‌روز از جنگل در مقایسه با روش‌های سنتی آماربرداری جایگاه ویژه‌ای پیدا کرده است. نوع نرم‌افزارهای فتوگرامتری به کارگرفته شده برای پردازش تصاویر دریافت شده توسط پهپاد، اهمیت فراوانی در دقت و صحت نتایج دارند. بنابراین هدف پژوهش حاضر، مقایسه قابلیت و دقت نرم‌افزارهای Agisoft Metashape  و PIX4Dmapper در برآورد ویژگی‌های ساختاری جنگل‌های زاگرس شامل تراکم، سطح تاج‌پوشش و ارتفاع درختان است. به این منظور بخشی از جنگل‌های زاگرس در استان کرمانشاه با وسعت 15 هکتار انتخاب و تصویر‌برداری از آن با استفاده از پهپاد مجهز به سیستم موقعیت‌یاب آنی (RTK) انجام شد. تعداد ده قطعه‌نمونه به ­طور تصادفی برای تراکم‌های مختلف تاج‌پوشش (کم، متوسط و زیاد) انتخاب شدند. پردازش تصاویر و ایجاد ابر نقاط با استفاده از دو نرم‌افزار Agisoft و PIX4D  انجام شد. نتایج نشان داد که ابر نقاط متراکم تولید شده در نرم‌افزار Agisoft و PIX4D به ترتیب 1708 و 1498.5 بر متر مربع بود. همچنین در قطعه­ نمونه­ های با تراکم تاج‌پوشش کم، هر دو نرم‌افزار برآورد دقیقی از تعداد درختان داشتند اما در قطعه‌نمونه‌های با تراکم متوسط و زیاد، خطای Agisoft (با مقادیر 55.15 درصد و 70.29 درصد) از خطای  PIX4D (با مقادیر 61.13 درصد و 78.10 درصد) کمتر بود. درباره برآورد سطح تاج‌پوشش، بیشترین (30.77 درصد) و کمترین (8.63 درصد) خطای برآوردی مربوط به Agisoft و به ترتیب در قطعات‌نمونه با تراکم تاج‌پوشش زیاد و کم بود. درباره برآورد ارتفاع نیز، بیشترین (23.12 درصد) و کمترین (5.12 درصد) خطا، به ترتیب مربوط به Agisoft در درجه تراکم تاج‌پوشش متوسط و PIX4D در درجه تراکم تاج‌پوشش کم بود. با توجه به زمان پردازش و کیفیت ابر نقاط متراکم، نتیجه­ گیری شد که گرچه کارایی نرم‌افزار Agisoft نسبت به نرم‌افزارPIX4D  بیشتر است ولی کارایی هر دو نرم‌افزار برای برآورد تعداد درخت، ارتفاع و سطح تاج پوشش، کاملاً وابسته به میزان تراکم تاج‌پوشش است. https://www.sepehr.org/article_733439.html سیل یکی از مخاطرات مهم است که خسارت‌های اقتصادی و جانی زیادی به همراه دارد. یکی از راه‌های اصلی مقابله با آن، استفاده از سیستم‌های هشدار سیل مبتنی بر مدل‌های پیش‌بینی بارش– رواناب است. شبکه ‌عصبی ‌مصنوعی ‌شاخه ‌ای ‌از ‌هوش ‌مصنوعی‌ است ‌که ‌با ‌بهره ‌گیری ‌و ‌مطالعه ‌بر‌ روی‌ مغز‌ و‌ سیستم ‌اعصاب ‌در ‌ارگانیسم ‌های ‌بیولوژیکی ‌شبیه ‌سازی ‌شده ‌و ‌در ‌حال ‌حاضر ‌به عنوان ‌یکی ‌از ‌ابزارهای ‌محاسباتی ‌قدرتمند ‌در‌ زمینه ‌های‌ متعدد‌ محسوب ‌می‌شود.‌ نمونه مطالعاتی پژوهش حاضر، حوضه ‌آبریز ‌سد ‌طرق واقع در استان خراسان رضوی بوده و روش مورد استفاده برای پیش بینی سیل، بهره گیری از هوش مصنوعی است. ‌ این تحقیق ‌پارامترهای ‌هواشناسی،‌ فیزیوگرافی ‌و‌ هیدرولوژی‌ حوضه ‌آبریز را ‌با‌ استفاده ‌از ‌شبکه ‌عصبی‌ مصنوعی، برای ‌تعیین ‌دبی ‌سیلاب صورت ‌گرفته ‌شبیه ‌سازی نموده ‌است. از ‌آنجا‌ که ‌زمان ‌تمرکز ‌حوضه ‌های ‌آبریز ‌مورد ‌بررسی ‌کمتر ‌از ‌سه ‌ساعت بوده ‌و ‌این ‌به ‌معنی‌آن ‌است ‌کـه ‌زمـان ‌ رسیدن ‌بارش ‌از ‌نقطه ‌بارش ‌بر ‌روی ‌حوضه ‌تا ‌خروجی ‌آن ‌کمتر‌ از ‌سه ‌ساعت ‌می‌شود؛ بنابراین می توان ‌ایـن ‌گونـه ‌نتیجـه ‌ گرفت ‌که ‌هر‌چه ‌میزان ‌و ‌شدت ‌بارش ‌تعداد ‌روزهای‌ گذشته ‌بیشتری ‌را‌ در ‌محاسبات ‌ورودی ‌شبکه ‌های ‌خـود ‌لحـاظ ‌ کنیم، ‌جواب­ها ‌از‌ واقعیت ‌فاصله ‌می‌گیرند. ‌پس ‌بهتر ‌است ‌که ‌محاسبات ‌را‌ با ‌در ‌نظر‌ گرفتن ‌میزان ‌و ‌شدت ‌بـارش ‌حـداکثر‌ یک ‌یا‌ دو‌ روز ‌قبل ‌انجام داد.‌ نتایج حاصل از تحقیق نشان می‌دهند که با افزایش تعداد لایه‌های شبکه عصبی و انتخاب مناسب توابع انتقال، میزان دقت مدل بهبود می‌یابد. در حالت دو لایه‌ای، استفاده از تابع انتقال Tansig  در لایه اول و Purelin  در لایه دوم، همراه با در نظر گرفتن میزان و شدت بارش یک روز قبل، بهترین عملکرد را ارائه داده است. مقدار ضریب همبستگی در شرایط بهینه به 0.817 در حالت کلی و0.632  در مرحله آموزش رسیده است. همچنین، در شبکه‌های سه‌لایه‌ای با ترکیب توابع Tansig، افزایش تعداد نرون‌ها تا ۱۵ عدد موجب بهبود همبستگی بین خروجی شبکه و مقدار هدف شده است. با این حال، لحاظ کردن میزان بارش دو روز قبل، موجب کاهش مقدار رگرسیون در اعتبارسنجی و آزمایش شده است. https://www.sepehr.org/article_716090.html پژوهش حاضر به بررسی تغییرات کاربری اراضی و پوشش زمین[1] (LULCc)در منطقه غرب استان گیلان از سال 1999 تا 2023 و برآورد تغییرات تا سال 2043 می‌پردازد. داده های پایه دراین مطالعه تصاویر لندست  5، 7، و8  هستند. طبقه‌بندی تصاویر و آشکار سازی تغییرات با استفاده از الگوریتم جنگل تصادفی[2](RF) در پلت فرم [3]Google Earth Engine (GEE) و سیستم اطلاعات جغرافیایی (GIS) انجام شد. به منظور پیش‌بینی تغییرات کاربری اراضی تا سال 2043 از مدل سلول‌های خودکار زنجیره مارکوف (CAMarkov)[4]استفاده شد. با استفاده از شاخص اختلاف کمّیت و تخصیص [5](QADI) دقت نقشه‌های طبقه‌بندی شده محاسبه شد. مقادیر QADI برای سال های 1999، 2010 و 2023 به ترتیب 0.02، 0.01 و 0.009 بود که نشان‌دهنده دقت بالای طبقه‌بندی است. همچنین ضریب کاپا [6](KC) و دقت کلی [7](OA) بالای 96 درصد، کارایی بسیار خوب الگوریتم RF را در تصمیم گیری و طبقه‌بندی تأیید می‌کند. برای افزایش دقت مدل پیش‌بینی  کننده ماژول ارزیابی چند معیاره [8](MCE) با این مدل ادغام شد. اعتبار سنجی مدل با استفاده از سه معیار اختلاف تخصیص[9](AD)، تفاوت کمّیت[10](QD) و شاخص شکل شایستگی[11] (FOM) انجام شد. مقدار کلی برای این سه فاکتور به ترتیب 4.65، 2.02 و 48.60 درصد برآورد شد. یافته ها حاکی از کاهش مساحت اراضی جنگلی، زمین‌های کشاورزی و پهنه تالاب و همچنین افزایش مساحت مناطق ساخته شده و اراضی مرتعی در دوره پایه مورد مطالعه (2023-1999) و دهه‌های آتی پیش‌بینی شده، است. این یافته‌ها به تصمیم‌گیرندگان کمک می‌کند تا با شناسایی میزان تخریب اراضی طبیعی و بهبود مدیریت آن‌ها، شرایط توسعه پایدار منطقه را در آینده فراهم کنند. [1] Land Use and Land Cover change[2] Random forest[3] Google Earth Engine[4] CA-Markov[5] Quantity and Allocation Disagreement Index[6] kappa coefficient[7]overall accuracy[8] Multi-Criteria Evaluation[9] Allocation Disagreement[10]Quantity Disagreement[11]Figure of Merit