در این تحقیق، به منظور بارزسازی طوفان¬های گرد و غبار بر فراز اراضی و آب¬ها، شاخص¬های گرد و غبار حاصل از تصاویر نوری، حرارتی و مایکروویو مورد ارزیابی قرار گرفته است. بدین منظور، تصاویر ماهواره¬ای از سنجنده مادیس بر روی ماهواره ترا و سنجنده amsr-e از ماهواره آکوا مربوط به تاریخ 12، 13و 14 آوریل 2011 برای محدوده غرب و جنوب غرب ایران استخراج گردید. شاخص¬ گرد و غبار تفاضل نرمال شده (nddi)، شاخص پوشش گیاهی تفاضل نرمال شده اصلاحی (mndvi)، شاخص اختلاف درجه حرارت روشنایی (btd) و شاخص گرد و غبار مادون قرمز حرارتی (tdi) در تصاویر سنجنده مادیس و یک شاخص قطبش مایکروویو (mpi) در شناسایی ابرهای گرد و غبار مورد بررسی قرار گرفته است. شناسایی گرد و غبار در شاخص انعکاسی با استفاده از تفاضل بازتابش سطحی، در شاخص حرارتی بر اساس تفاضل درجه حرارت روشنایی در طول موج¬های معین و در شاخص¬ مایکروویو نیز بر اساس تفاضل درجه حرارت روشنایی در فرکانس¬های مشخص شده در محیط نرم افزارenvi 4.7 و erdas imagine9.1 صورت پذیرفت. نتیجه مقایسه همبستگی بین شاخص¬های به دست آمده از تصاویر نوری در شناسایی گرد و غبار با داده¬های دید افقی حاکی از میزان همبستگی بالا (75درصد) بین داده¬های به دست آمده از شاخصbtd و داده¬های دید افقی می¬باشد. مقایسه نقشه¬های خروجی از شاخص btd با محصول ضخامت نوری از مادیس نیز نتایج به دست آمده را تایید می¬کند. در حالیکه شاخص nddi با داده¬های دید افقی از میزان همبستگی پایین¬تری (17درصد) برخوردار است و همبستگی پایین با محصول ضخامت نوری دارد که نشان دهنده ضعف این شاخص در مقایسه با دیگر شاخص¬ها در بارزسازی گرد و غبار می¬باشد. شاخص mpi نیز تنها در مواردی که منطقه مورد مطالعه پوشیده شده از ابرهایی همراه با گرد و غبار باشد، مفید است. اما قادر به شناسایی گرد و غبار سبک موجود در منطقه نمی¬باشد. با توجه به اینکه همه روش¬ها به استثناء شاخص¬های انعکاسی تقریبا موفقیت بالایی در بارزسازی گردوغبار بر روی خشکی¬ها دارند، اما استفاده از روش¬های مبتنی بر باندهای حرارتی نتایج دقیق¬تر و مفیدتری را در بارزسازی طوفان¬های گرد و غبار در منطقه مورد مطالعه در اختیار ما قرار می¬دهد. در بارزسازی ابرهای گردوغبار بر روی آب¬ها نیز شاخصndvi با 74 درصد همبستگی نسبت به اختلاف درجه حرارت روشنایی باند 31 و 32 سنجنده مادیس با 54 درصد همبستگی با داده¬های ضخامت نوری، شاخص مفیدی در جداسازی گرد و غبار سبک از سنگین در منطقه مورد مطالعه می¬باشد.

رطوبت خاک یکی از مهم¬ترین متغیر¬های محیطی در مدل¬های اقلیمی، اکولوژی و آگروهیدرولوژیکی است. اندازه¬گیری رطوبت خاک در برنامه-ریزی دقیق آبیاری و استفاده بهینه از آب در مناطق خشک و نیمه¬خشک از اهمیت بالایی برخوردار می¬باشد. رطوبت خاک با استفاده از روش¬های نمونه¬برداری زمینی، استفاده از مدل¬های شبیه¬سازی و یا تکنیک¬های مبتنی بر سنجش از دور قابل اندازه¬گیری می¬باشد. در این تحقیق به منظور مقایسه روش¬های اندازه¬گیری رطوبت خاک، نتایج حاصل از مدل شبیه¬سازی با نتایج حاصل از اندازه¬گیری¬های زمینی و رطوبت خاک استخراج شده از تصاویر ماهواره¬ای در بخشی از اراضی کشت وصنعت هزارجلفا واقع در استان قزوین در سال زراعی 91-1390 مقایسه گردید. اندازه¬گیری زمینی رطوبت با استفاده از روش وزنی و در عمق-های 15-0، 30-15، 45-30 و 60-45 سانتی¬متر طی یک دوره سه ماهه در 11 نقطه در مزارع ذرت علوفه¬ای و یونجه صورت پذیرفت. شبیه سازی رطوبت با استفاده از مدل اگروهیدرولوژیکی swap با واسنجی پارامترهای گیاهی، تقویم آبیاری و مشخصات هیدرولیکی خاک در عمق-های مذکور انجام گردید و عمل صحت¬سنجی با مقایسه عملکرد محصولات و رطوبت شبیه¬سازی شده با مشاهدات مزرعه¬ای صورت پذیرفت. رطوبت خاک از تصاویر ماهواره¬ای سنجنده¬های modis و etm با استفاده از روش فضای مثلثی براساس تصاویر دمای سطح زمین و شاخص گیاهی ndvi در تاریخ¬های مطابق با زمان نمونه¬برداری استخراج گردید. با توجه به قدرت تفکیک مکانی متوسط تصاویر سنجنده مادیس، از تصاویر سنجنده etm لندست جهت ریزمقیاس نقشه رطوبت خاک حاصل از سنجنده مادیس و از روش نسبت ساده استفاده گردید و صحت¬سنجی نتایج با استفاده از داده¬¬های زمینی صورت پذیرفت. میزان rmse حاصل از شبیه¬سازی رطوبت خاک با استفاده از مدل swap در کلیه عمق¬ها در بازه 0/053- 0/029 سانتی¬مترمکعب بر سانتی¬مترمکعب متغیر بود. نتایج مدل swap نشان داد که دقت شبیه¬سازی رطوبت خاک در مزرعه یونجه نسبتا بهتر از مزارع ذرت علوفه¬ای است. همچنین متوسط عملکرد محصول ذرت علوفه¬ای پس از واسنجی با 8/4 درصد خطا برآورد گردید. نتایج پایش رطوبت خاک حاصل از تصاویر سنجنده مادیس نشان داد رطوبت خاک در تمامی مزارع با دقت خوب و یکسانی قابل اندازه¬گیری است بطوریکه ماکزیمم ضریب همبستگی r2 بین مقادیر شاخص رطوبت خاک و رطوبت حجمی اندازه-گیری شده، برابر 0/76 حاصل گردید. نتایج همچنین نشان داد که استفاده از روش ریزمقیاس، دقت تخمین رطوبت از تصاویر مادیس را بهبود می بخشد.