دانشمندان برای جبران منابع آب زیرزمینی از یک جفت ماهواره جدید استفاده می کنند. در جنوب غربی نبراسکا، شکوفایی حاصل از آبهای زیرزمینی رو به افول است. در دهه 1970، فناوری نوین آبیاری امکان پرورش ذرت را فراهم کرد که بسیار سودآورتر از گندم دیم است، در این منطقه شنی. کشاورزان به آنجا نقل مکان کردند، چاه هایی حفر کردند و مزارع ذرت جدید کاشتند. اما در اواخر دهه 1970، سطح آبهای زیرزمینی در حال کاهش بود. سی سال بعد، با کم شدن مزارع و ترک خانواده ها به مراتع سرسبز، شهرها کمرنگ می شوند.

RiverTools 4.0 یک برنامه GIS کاربر پسند برای تجزیه و تحلیل و تجسم زمین دیجیتال، حوزه های آبخیز و شبکه های رودخانه ای است. یکی از قدرتمندترین ویژگی های RiverTools توانایی آن در استخراج سریع الگوهای شبکه زهکشی و تجزیه و تحلیل داده های هیدرولوژیکی از DEM های بسیار بزرگ (مدل های ارتفاعی دیجیتال) است. با استفاده از RiverTools می توانید تجزیه و تحلیل جامع، شروع به پایان کار یک شبکه آبخیزداری، زیر حوضه و شبکه رودخانه را در کسری از زمان مورد نیاز با نرم افزار GIS به صورت تخصصی انجام دهید. RiverTools اندازه گیری دقیق مشخصات رودخانه و حوضه مانند منطقه بالادست، طول کانال، افت ارتفاع، شیب و انحنا با استفاده از مدل بیضوی زمین را انتخاب می کند. RiverTools ترسیم مرزهای حوضه آبریز و محاسبه پارامترهای مختلف حوضه و زیر حوضه را آسان می کند. RiverTools می تواند داده ها را از سایر برنامه های GIS مانند ArcView ESRI (از طریق پشتیبانی از shapefiles، BIL، FLT، GeoTIFF) و با سنجش از دور، سیستم های پردازش تصویر مانند ENVI (محیط برای تجسم تصاویر) وارد و صادر کند.

RiverTools 4.0 یک برنامه GIS کاربر پسند برای تجزیه و تحلیل و تجسم زمین دیجیتال، حوزه های آبخیز و شبکه های رودخانه ای است. یکی از قدرتمندترین ویژگی های RiverTools توانایی آن در استخراج سریع الگوهای شبکه زهکشی و تجزیه و تحلیل داده های هیدرولوژیکی از DEM های بسیار بزرگ (مدل های ارتفاعی دیجیتال) است. با استفاده از RiverTools می توانید تجزیه و تحلیل جامع، شروع به پایان کار یک شبکه آبخیزداری، زیر حوضه و شبکه رودخانه را در کسری از زمان مورد نیاز با نرم افزار GIS به صورت تخصصی انجام دهید. RiverTools اندازه گیری دقیق مشخصات رودخانه و حوضه مانند منطقه بالادست، طول کانال، افت ارتفاع، شیب و انحنا با استفاده از مدل بیضوی زمین را انتخاب می کند. RiverTools ترسیم مرزهای حوضه آبریز و محاسبه پارامترهای مختلف حوضه و زیر حوضه را آسان می کند. RiverTools می تواند داده ها را از سایر برنامه های GIS مانند ArcView ESRI (از طریق پشتیبانی از shapefiles، BIL، FLT، GeoTIFF) و با سنجش از دور، سیستم های پردازش تصویر مانند ENVI (محیط برای تجسم تصاویر) وارد و صادر کند.

TauDEM (تجزیه و تحلیل زمین با استفاده از مدل های ارتفاع دیجیتال) مجموعه ای از ابزارهای مدل ارتفاع دیجیتال (DEM) برای استخراج و تجزیه و تحلیل اطلاعات هیدرولوژیکی از توپوگرافی است که توسط DEM نشان داده شده است. نوت بوک HydroShare TauDEM Raster Processing Jupyter در رایانه با عملکرد بالا ROGER در NCSA میزبانی می شود. می توان آن را از طریق HydroShare Jupyter Python این ابزار را باز کرد. این نوت بوک با استفاده از مجموعه ابزار TauDEM GIS، قابلیت های اساسی پردازش حوزه آبخیز را فراهم می کند.

اهمیت

درذ یک پژوهش موردی، مشخص شده است که آژانس های دولتی در همه سطوح به نقشه های شبکه های کانال جریان برای تلاش های مدیریتی مانند بررسی زیستگاه، برنامه ریزی کلی استفاده از زمین و تعیین بارهای غیر نقطه ای آلاینده ها به خلیج چساپیک اعتماد می کنند. USGS یک شبکه گسترده جریان را در مجموعه داده های هیدروگرافی ملی (NHD) خود ترسیم کرده است که کانال های جریان و نقاط سرچشمه را تعیین می کند که از نقشه های توپوگرافی، عکسبرداری هوایی و در بعضی مکان ها، صحت تعیین می شوند. بخش بزرگی از طول شبکه فاضلاب واقعی، متشکل از کانالهای کوچک سرچشمه است که در NHD شامل نمی شوند زیرا معمولاً از تصاویر هوایی به راحتی مشخص نمی شوند یا برای نشان دادن مشخصات کانال "سنتی" بسیار کوچک هستند (اسمیت و هرمان 2005). جریان های سرچشمه، علی رغم فراوانی در چشم انداز، کمترین نقشه برداری را دارند و می توانند تأثیر قابل توجهی بر کیفیت آب جاری در پایین دست داشته باشند،

NDVI (شاخص طبیعی پوشش گیاهی تفاوت عادی) یک شاخص پوشش گیاهی همه کاره برای ارزیابی پوشش گیاهی و پویایی تغییر پوشش گیاهی است. این شاخص در طول سال ها با بسیاری از ماهواره ها مورد مطالعه و ارزیابی قرار گرفته است و روش حساب آن را نسبت به تعداد و نوع باند ماهواره تغییر داده است. آموزش زیر محاسبه NDVI برای تصاویر Landsat 8 با استفاده از QGIS را نشان می دهد.

تصاویر ماهواره ای توانایی دیدن سطح زمین در سال های اخیر را برای ما فراهم کرده است، اما ما در درک پویایی پوشش زمین و تعامل با عوامل اقتصادی، جامعه شناختی و سیاسی چندان موفق نبوده ایم. برخی از نقص های این تجزیه و تحلیل در استفاده از نرم افزار تجاری GIS مشاهده شد، اما محدودیت های دیگری نیز در نحوه اعمال فرآیندهای منطقی و ریاضی بر روی مجموعه ای از تصاویر ماهواره ای وجود دارد. کار با داده های جغرافیایی روی پایتون امکان فیلتر کردن، محاسبه، برش، تلفیق و صادرات داده های رستری و برداری را با استفاده شرایط کارآمدی از توان محاسباتی فراهم می کند و دامنه بیشتری در تجزیه و تحلیل داده ها دارد.

شرح

نوع پوشش داده زمین (Terra) و Aqua با ترکیب تصویربرداری با وضوح متوسط (MODIS) نوع پوشش سطح (MCD12Q1) نسخه 6 محصول نوع پوشش جهانی زمین را در فواصل سالانه (2001-2018) ارائه می دهد، که از شش طرح طبقه بندی مختلف ذکر شده در راهنمای کاربر ارائه شده است. محصول داده MCD12Q1 نسخه 6 با استفاده از طبقه بندی های نظارت شده از داده های بازتاب MODIS Terra و Aqua به دست آمده است. طبقه بندی های نظارت شده سپس تحت پردازش اضافی قرار می گیرند که شامل دانش قبلی و اطلاعات جانبی برای تصفیه بیشتر کلاس های خاص است.

ماهواره گریس

در سال ۲۰۰۲ اولین ماهواره برای پایش تغییرات پتانسل جاذبه زمین (ژئوپتانسیل) در مدار زمین قرار گرفت، اسم این ماهواره را gravity recovery and climate experiment یا به اختصار GRACE گذاشتند.

ماهواره گریس میتواند کاربر های زیادی داشته باشد برای مثال: مدل جهانی ژئوپتانسیل، مطالعه اتمسفر زمین و… بود. اما آنچه که برای ما مهم است برآورد میزان تغییرات آب‌های زیر زمینی با گریس از روی تغییر در ژئوپتانسیل در زمین است.

مرکز نوآوری حفاظت (CIC) در سال 2013 برای استفاده از فناوری برای تقویت و ترمیم داده های محور ایجاد شده است. درست همانطور که استفاده از فناوری باعث تغییر در دنیای شرکت ها و کارآمدتر شدن آن شد، فناوری می تواند همین کار را برای جنبش حفاظت انجام دهد. CIC از طریق مشارکت ملی و بین المللی، این داده ها را برای متخصصان ترمیم در دسترس می آورد تا بتوانند حفاظت دقیق را انجام دهند و تأثیر بیشتری با منابع کمتری داشته باشند.

مرکز نوآوری حفاظت (CIC) در سال 2013 برای استفاده از فناوری برش برای تقویت و ترمیم داده ها محور ایجاد شده است. درست همانطور که استفاده از فناوری باعث تغییر در دنیای شرکت ها و کارآمدتر شدن آن شد، فناوری می تواند همین کار را برای جنبش حفاظت انجام دهد. CIC از طریق مشارکت ملی و بین المللی، این داده ها را برای متخصصان احیا در دسترس می آورد تا بتوانند حفاظت دقیق را انجام دهند و تأثیر بیشتری با منابع کمتری داشته باشند.

شکل 36: طرح کلی برای ارزیابی FRI

مفهوم اجرایی پروژه

روش توسعه یافته برای تعیین کمیت خسارات FRI در مورد یک پرونده در فرانسه به تفصیل مورد استفاده قرار گرفته است که نمونه آن از کاربرد FRI در مقیاس املاک قبلا نیز ارائه شده است. آزمایش این روش در شهرهای بارسلونا، هامبورگ، پکن و تایپه مورد مطالعه است. در اینجا پژوهش مهندسی با استفاده از روش توسعه یافته ارائه شده در این مطلب با داده های محلی و دانش مربوط به سیل شهری نتایج بارسلونا، هامبورگ، پکن و تایپه را به دست آورد.

سامانه پایش کاربری و پوشش اراضی کشور که پارسال راه اندازی شده بود، با اضافه شدن نقشه‌های کاربری اراضی حوضه‌های آبریز کرخه و مرزی غرب بروز رسانی شد.

به گزارش روابط عمومی موسسه تحقیقات آب، علاوه بر نقشه کاربری اراضی حوضه آبریز کارون، امسال نقشه‌های کاربری اراضی حوضه‌های آبریز کرخه و مرزی غرب نیز به سامانه پایش کاربری و پوشش اراضی کشور اضافه شد و هم اکنون وضعیت سطوح زیر کشت انواع اراضی زیر کشت آبی، باغی و دیم به تفکیک برای استان‌های واقع در این حوضه‌های آبریز، از طریق سامانه مذکور قابل مشاهده و گزارش‌گیری است.

با معرفی کیفیت آب Ulyssys Viewer، یک اسکریپت سفارشی برای تجسم پویا از شرایط کلروفیل و رسوب بدنهای آب بر روی تصاویر Sentinel-2 و Sentinel-3 می توان بدست آورد. کار آندرس زلینسکی و گرگلی پادنیی-گلیس در دور دوم مسابقه اسکریپت سفارشی Sentinel Hub جایزه اول را بدست آورده است و در مخزن GitHub ما موجود است. این پست بخشی از سلسله پستهای  مهمان است که توسط نویسندگان اسکریپت نوشته شده است، در مورد ورود آنها به مسابقه ما صحبت می کند، به بینش بیشتری در مورد نحوه کار اسکریپت ها و آنچه می توان با استفاده از آنها دست یافت.

در شکل بالا سطح آب جاری سد استرکفونتین (98.3٪)، سد براندولی (59.9٪) و هاکسکین پان (0٪) در آفریقای جنوبی با استفاده از تصاویر Sentinel-2 تهیه شده توسط ESA تعیین شد. همه ما از طریق مستندهای تلویزیونی، اخبار در رسانه های رسمی یا بسترهای رسانه های اجتماعی بیشتر و بیشتر در آگاهی از تصاویر ماهواره ای قرار می گیریم. دلیل اصلی همه اینها، سیاست داده های باز است که ابتدا توسط ناسا و بعد از آن توسط برنامه کوپرنیک اتحادیه اروپا اتخاذ شده است، که تصاویر ماهواره ای را تقریباً برای همه قابل دسترسی کرده است. قادر بودن به دیدن سیاره ما از راه دور، دیدگاه های ما در مورد کره زمین و چگونگی تغییر آن را تغییر می دهد. ما می توانیم تغییرات فصلی، ویرانی های ناشی از بلایای طبیعی یا پیامدهای تغییرات آب و هوایی را مشاهده کنیم. 

پشته ای از تصاویر Sentinel-2 از یک منطقه کوچک در اسلوونی، و به دنبال آن یک پیش بینی پوشش زمین، که از طریق روش های ارائه شده در این پست بدست آمده است. قسمت دوم درباره کاربری اراضی و طبقه بندی پوشش اراضی با eo-Learn در اینجا در دسترس است. این قسمت از امتداد قسمت اول انتخاب می شود، جایی که ما یک رویکرد اساسی در مورد موارد زیر ارائه کردیم:

• تقسیم منطقه مورد علاقه (AOI) به EOPatches
• به دست آوردن داده های تصویر Sentinel-2 و ماسک های ابری
• محاسبه اطلاعات اضافی از جمله شاخص پوشش گیاهی با اختلاف عادی (NDVI)، شاخص آب عادی تفاوت (NDWI)، هنجار اقلیدسی باند های شامل (NORM) و غیره.
• افزودن داده های مرجع شطرنجی از داده های بردار به EOPatches

eo-Learn یک کتابخانه پایتون منبع باز است که به عنوان پلی بین ارتباط زمین مشاهده / سنجش از راه دور و اکوسیستم Python برای علم داده و یادگیری ماشین عمل می کند. ما در حال حاضر یک پست وبلاگ اختصاصی در اینجا داریم که شما را به خواندن تشویق می کنید. این کتابخانه از آرایه های بی شماری و هندسه های زیبا به منظور ذخیره و اداره داده های سنجش از دور استفاده می کند. هم اکنون در منبع GitHub ما موجود است و می توانید مستندات بیشتری را در صفحه ReadTheDocs بیابید.

در طول زمان آب و هوا، توپوگرافی سطح زمین را از طریق تعامل بین بارندگی، رواناب و فرسایش در حوضه های زهکشی شکل می دهد. مشخصات طولی یک رودخانه (ارتفاع در مقابل فاصله از پایین دست) یک ویژگی مهم مورفولوژیکی است که تاریخچه تکامل حوضه زهکشی را منعکس می کند، بنابراین شکل آن باید تشخیصی منطقه ای آب و هوا و تعامل آن با سطح زمین بدست دهد. اما، هر دو تشخیص اثرات اقلیمی در پروفایل های طولی و رمز گشایی در ساز و کارهای آب و هوایی توسعه آنها به دلیل فقدان داده های جهانی مربوطه و همچنین اثرات متغیر تکتونیک، سنگ شناسی، خصوصیات سطح زمین و فعالیت های انسانی چالش برانگیز بوده اند. در اینجا ما مجموعه ای از مجموعه داده های 333502 پروفایل طولی رودخانه را ارائه می دهیم، و از آن برای کشف تفاوت های شکل کلی (مقعر) در مناطق آب و هوایی استفاده می کنیم.

تغییرات آب و هوا منجر به نگرانی در مورد افزایش سیلاب های رودخانه ای شده است که ناشی از ظرفیت بیشتری برای نگهداری آب در یک جو گرم است. این نگرانی ها با شواهدی مبنی بر افزایش خسارت های اقتصادی ناشی از سیل در بسیاری از نقاط جهان، از جمله اروپا تقویت می شود. هرگونه تغییر در سیلاب رودخانه می تواند پیامدهای ماندگار در طراحی اقدامات حفاظت از سیلاب و پهنه بندی خطر سیل داشته باشد. با این حال، مطالعات موجود قادر به شناسایی یک سیگنال تغییر آب و هوایی در مقیاس قاره پایدار در مشاهدات تخلیه سیل در اروپا نیستند، به دلیل محدود بودن فضای مکانی و تعداد ایستگاه های هیدرومتریک. در اینجا ما الگوهای آشکار منطقه ای از افزایش و کاهش در سیلاب رودخانه مشاهده شده در پنج دهه گذشته در اروپا را نشان می دهیم، که مظاهر تغییر آب و هوا هستند.

به همت محققان دانشگاه شریف محقق شد

جمعی از دانش‌آموختگان و دانشجویان دانشگاه صنعتی شریف موفق شدند با ایجاد استارتاپ و استخراج اطلاعات مکانی از زمین‌های کشاورزی با استفاده از تصاویر ماهواره‌ای، کمک شایانی به مدیریت بهینه کشاورزی کشور کنند.

پژوهشگران دانشگاه صنعتی شریف موفق شده‌اند با ایجاد استارتاپی به استخراج اطلاعات مکانی از زمین‌های کشاورزی با استفاده از تصاویر ماهواره دست یابند.