---

جبهه دمایی در سطح دریا، مرز بین دو توده آب با ویژگی‌های دمایی متفاوت را ترسیم می‌کند. یک جبهه دمایی، مناطقه‌ای کم عرض است که ویژگی‌های توده آب مانند دما در آنجا به‌شدت تغییر کرده و همین موضوع عامل شناسایی آنها است. جبهه‌های دمایی از منظر شیلاتی، تغییرات اقلیمی، ویژگی‌های زیستی و غیرزیستی آب دریا و همچنین پدیده‌های مانند فراجوشی، پیچک و غیره حائز اهمیت است. بنابراین در این پژوهش، جبهه‌های دمایی دریای کاسپین به‌مدت پنج سال از ۲۰۱۵ تا ۲۰۱۹ با استفاده از تصاویر سنجنده مادیس بررسی شد. برای تشخیص و آشکارش جبهه‌های دمایی از الگوریتم کنی (Canny) در محیط متلب بهره‌گیری شد. علاوه بر مقایسه مکانی جبهه‌های دریای کاسپین، هر سال نیز به سه بازه زمانی چهار ماهه تقسیم و جبهه‌های دمایی هر دوره با یکدیگر مقایسه شدند. نتایج نشان داد که جبهه‌های دمایی شمال دریای کاسپین، در دو دوره سپتامبر تا نوامبر و مارس تا می حضور پایدار داشته، اما در دیگر ماه‌ها به صورت پراکنده و گسسته ظاهر می‌شوند. تنها حضور مستمر سالانه جبهه‌ها در شرق کاسپین جنوبی، ماه مارس است، درحالی‌که در غرب کاسپین جنوبی، بجز در آگوست، جبهه‌ها به صورت پایدار شناسایی شدند. الگوی جبهه‌ها در شرق و غرب کاسپین میانی با یکدیگر متفاوت است. به‌طور کلی جبهه‌ها در دوره زمستانی، عمدتا خوشه‌ای اما در دوره تابستانی آشکارتر و منسجم‌تر هستند. تعداد جبهه‌های کاسپین جنوبی در دوره پیش‌تابستانی کمتر از دیگر دوره‌ها است. جبهه‌های دمایی دریای کاسپین عمدتا در محل تشکیل امواج داخلی و پیچک‌ها و  محدوده‌های پرشیب نزدیک ساحل شناسایی شد.
 

---

یکی از مهم ترین آلاینده های که پایش آن در جو توسط سنجش از دور میسر می باشد ،غلظت ذرات معلق با استفاده از تصاویر سنجنده مادیس است.در تحلیل های مربوط به آلودگی هوا بررسی پراکنش و رابطۀ بین متغیرها از اهمیت زیادی برخوردار است که براین اساس کاربرد تحلیل های رگرسیونی در این مطالعات ضرورتی اجتناب ناپذیر است. هدف این مقاله تهیه نقشه توزیع مکانی ذرات کمتر از ده میکرون استان خوزستان دردوبازه زمانی ساعتی وروزانه با استفاده از مدل رگرسیون خطی می باشد.بدین منظور از محصول (aod)، سنجنده مادیس و همچنین داده های ایستگاه زمینی سنجش آلودگی هوا و دید افقی ایستگاه هواشناسی شهر اهواز در سال ۲۰۰۹ به منظور برآورد PM۱۰ استفاده شد.نتایج حاصله دقت خوب اندازه گیری های مادیس را در تحقیقات آلودگی هوا نشان می دهند و نتایج حاصله بیانگر این است که بازه زمانی ساعتی، ضریب تعیین بالاتری (۹۰% )نسبت به بازه روزانه(۷۶%) دارا است. پس از تعیین صحت مدل بدست آمده،بامیانگین گیری از نقشه های PM۱۰ تولید شده و وارد نموده آن در مدل حاصله، نقشه های توزیع ذرات معلق برای هر دو بازه زمانی تولید شدند.

---

سری‏های زمانی داده‏های سنجش از دوری نقش مهمی در مدلسازی و پایش تغییرات عوارض و پدیده‏های سطح زمین در گذر زمان دارند. با این وجود، در حالی که سری زمانی تصاویر سنجنده‌های با قدرت تفکیک مکانی پایین (بیش از ۱۰۰ متر از قبیل مادیس) در دسترس می‏باشند امکان تهیه سری زمانی منظم از داده‏های ماهواره‏های اپتیک با قدرت تفکیک مکانی مناسب (بهتر از ۳۰ متر از جمله لندست) با توجه به پیکربندی مداری ماهواره‏ها و همچنین ابرناکی، بخصوص در مناطق مرطوب و مرتفع، چالشی اساسی در استفاده از این داده‏ها می‏باشد. یکی از روش‌های مرسوم برای برطرف ساختن این چالش، تولید تصاویر لندست-مانند با استفاده از ریزمقیاس‏نمایی تصاویر مادیس با استفاده از مدلهایی نظیر، مدل ESTARFM است. این تحقیق به ارزیابی کمی مدل ESTARFM به منظور ریزمقیاس‏نمایی تصاویر مادیس جهت تولید تصاویر لندست-مانند در مناطق غیرهمگن با استفاده از سه روش بازنمونه‌گیری تصویر، پوشش‌های زمینی مختلف و اختلاف زمانی بین تصاویر ورودی و شبیه‏سازی شده پرداخته است. نتایج نشان داد که استفاده از مدل با روش بازنمونه‏گیری خطی دوسویه با اختلاف جزیی عملکرد بهتری نسبت به سایر روش‌های بازنمونه‏گیری دارد. همچنین مدل ESTARFM قادر به تولید تصاویر لندست-مانند با RMSE بهتر از ۰.۰۲ بازتابندگی سطحی و ضریب تعیین بالاتر از ۹۰ درصد در پوشش‌های مختلف زمینی می‌باشد. علاوه بر این، با افزایش اختلاف زمانی بین تصاویر ورودی و تصویر شبیه‌سازی شده دقت مدل به صورت معنی‌داری کاهش پیدا می‌کند.

---

چکیده
هدف از مطالعه حاضر پاسخ به این سوال است که تحت شرایط حدی دمایی، میزان تبخیر و تعرق در گستره ایران چه تغییراتی می‌کند. بدین منظور طی بازه زمانی ۳۰ ساله مشخص شد که ماه ژانویه سال ۲۰۰۸ و ماه ژوئیه سال ۲۰۱۰، شرایط حدی دمایی سرد و گرم را ثبت کرده‌اند. سپس برای این دو ماه از داده‌های دمای هوای ۵۵ ایستگاه، رطوبت خاک بازتحلیل شده NCEP/NCAR، دمای سطح زمین، پوشش گیاهی و تبخیر و تعرق سنجنده مادیس با وضوح فضایی پنج کیلومتری بهره برده شد. ابتدا ریسک رخداد دماهای حدی این دو ماه با توزیع خطر تجمعی و گامبل مشخص شد و نتایج نشان داد رخداد دماهای حدی بالای ۵۰ درجه در ماه ژوئیه ۰۶/۰ و دماهای بالای ۲۲  درجه در ماه ژانویه ۰۰۸/۰ است.  همچنین احتمال رخداد دماهای بالای ۵ درجه در ماه ژانویه ۵۰/۰ است. بطور کلی و بدون در نظر گرفتن آستانه دمایی،  در هر دو ماه ارتباط منفی بدست آمد اما در ماه ژانویه بدلیل ثبت دماهای بیش از ۵ درجه به احتمال رخداد ۵۰ درصد، ارتباط منفی ضعیف نزدیک به صفر مشاهده شد. عامل رطوبت نشان می‌دهد که هر دو ماه از آستانه رطوبتی مشخصی بدلیل سرمایش و گرمایش بیش از حد رنج برده اند و هرگاه محدودیت رطوبت وجود داشته باشد این ارتباط منفی است در نتیجه توجیه کننده ارتباط کلی منفی (بدون در نظر گرفتن آستانه دمای هوا) ماه ژانویه نیز می‌باشد.
 

---