خشک شدن دریاچه ارومیه اثرات زیست محیطی فراوانی بر شهرستان­های اطراف این دریاچه گذاشته است. در این پژوهش تلاش شده است تا پوشش­های گیاهی سازگار با محیط محدوده مورد مطالعه شناسایی شود و پس از آن با استفاده از مدل های تصمیم گیری چند معیاره مناطق مستعد کشت این محصولات شناسایی گردد.  در پژوهش حاضر پس از مطالعه گونه‌های موجود در منطقه گونه کلزا به عنوان گیاه مناسب شوری پسند انتخاب شد. در ابتدا با استفاده از تصاویر لندست 5 و 8 تغییرات ایجاد شده در نوع کاربری­ها و پوشش گیاهی منطقه از سال 2000 تا 2016 مورد بررسی قرار گرفت و پس از محاسبه میزان تغییرات کاربری‌ها اقدام به پتانسل یابی گیاه شوری پسند مورد نظر گردید. برای برآورد قابلیت کشت کلزا از روش ANP Fuzzy استفاده شده است. معیارهای اصلی استفاده شده در این تحقیق عبارتند از توپوگرافی، خاک و هواشناسی هستند. و زیر معیارها شامل ارتفاع، شیب و جهت شیب برای معیار توپوگرافی، بافت خاک، شوری خاک، PH خاک و مواد آلی خاک برای معیار خاک و زیر معیارهای مجموع بارش سالانه، رطوبت نسبی، متوسط دمای سالانه، حداکثر دمای سالانه و حداقل دمای سالانه برای معیار هواشناسی می‌باشند. نتایج نشان‌دهنده کاهش 25.43 درصدی میزان آب و افزایش 21.03 درصدی شوره‌زارها طی سال‌های 2000 تا 2016 می‌باشد، نتایج شناسایی مناطق مستعد کشت گیاه شوری پسند 28/14 درصد محدوده مورد مطالعه را مناسب برای کشت کلزا مشخص کرده است.

با توجه به شرایط نامساعد محیطی شهرها، کمبود و نقایص فضاهای باز و سبز شهری در کلان شهرهای کشور، لزوم توجه به پارک‌ها و فضاهای سبز شهری را به لحاظ عملکردهای اکولوژیک و اجتماعی این فضاها بیش از گذشته مطرح نموده است بدین منظور این تحقیق به بررسی و تجزیه و تحلیل اکولوژیکی پارک‌های منطقه‌ای در شهر تبریز پرداخته است. پژوهش حاضر از لحاظ ماهیت تحلیلی– توصیفی و از لحاظ هدف کاربردی می‌باشد. اطلاعات به دو صورت اسنادی و میدانی جمع‌آوری شده است و با استفاده از سیستم اطلاعات جغرافیایی مورد تجزیه و تحلیل قرار گرفته است. جامعه‌ی آماری تحقیق کلیه پارک‌های تبریز و جامعه نمونه پارک‌های جنگلی تبریز شامل پارک‌های ائل‌گلی، باغمیشه، شمس تبریزی و پارک ارم است. روش‌ها و ابزار مورد استفاده برای جمع‌آوری و تجزیه و تحلیل اطلاعات در این پژوهش پرسشنامه، نرم‌افزار ARC.GIS، روش تحلیل شبکه‌ای ANP و تابع MC-SDSS و روش SAW در سیستم اطلاعات جغرافیایی است. بررسی و ارزیابی شاخص‌های اکولوژیک در چهار محور عمده کالبدی و طراحی اکولوژیکی، زیست محیطی، فرهنگی- آموزشی و دسترسی می‌باشد. برای شاخص‌های مورد نظر معیارهایی در نظر گرفته شده و با استفاده از پرسشنامه میزان اهمیت این معیارها به دست آمد و وزن معیارها توسط روش ANP محاسبه شد. در پارک‌های مورد مطالعه با توجه به نتایج تحقیق جغرافیایی پارک ائل‌گلی از نظر اکولوژیکی در بهترین وضعیت قرار دارد و پارک‌های شمس، باغمیشه و ارم در رتبه‌های بعدی قرار دارند و نکته قابل توجه وضعیت نامناسب پارک ارم و باغمیشه خصوصاً ارم نسبت به سایر پارک‌ها می‌باشد که نیازمند اتخاذ سیاست‌های مناسب در این زمینه برای بهبود وضعیت آن می‌باشد.

---

طبقه­بندی پوششی تالاب­ها به منظور شناسایی نوع گونه­های گیاهی داخل تالاب و تمایز آن با پوشش گیاهی حاشیه­ی تالاب و بررسی تغییرات اکوسیستم آنها از اهمیت ویژه­ای برخوردار است. با توجه به مشابهت طیفی بین گونه­های مختلف گیاهی تالاب و گیاهان حاشیه­ی تالاب و زمین­های کشاورزی این امر با استفاده از داده­های چندطیفی با مشکلاتی مواجه است و داده­های ابرطیفی می­تواند در این زمینه بسیار سودمند باشد. در این مطالعه توان سنجنده‌های ابرطیفی و چندطیفی در شناسایی ویژگی‌های تالاب و توانایی سنجنده‌های  ETM+(۲۰۱۱)، Hyperion(۲۰۱۱) و ALI(۲۰۱۱) به منظور مطالعه­ی ویژگی‌های تالاب شادگان طی سال ۱۳۹۰ بررسی شد و شاخص­های مختلف طیفی به همراه ترکیب مناسبی از باندهای تصاویر ماهواره­ای سنجنده­های مذکور به عنوان ورودی انواع روش‌های طبقه­بندی شامل روش­های حداکثر احتمال، حداقل فاصله، شبکه عصبی و ماشین بردار پشتیبان مورد مقایسه قرار گرفت. نتایج نشان داد که روش‌های ماشین بردار پشتیبان و شبکه عصبی با دارا بودن دقت طبقه­بندی بالای ۸۵ درصد در هر سه تصویر, نتایج نزدیک‌تری به واقعیت نشان می‌دهند. دقت طبقه­بندی برای هر سه تصویر برای روش ماشین بردار پشتیبان در بالاترین حد خود بود به طوریکه برای تصویر Hyperion صحت کلی برابر ۹۵.۷۳، برای ALI برابر ۸۸.۰۳ و برای ETM+ برابر با ۸۹.۳۴ است. بنابراین ویژگی‌های در نظر گرفته شده برای تالاب، در سه تصویر حاصل از الگوریتم SVM نشان داد که نمایش تمایز کاربری پوشش گیاهی حاشیه تالاب از کاربری زمین‌های کشاورزی آبی دارای ابهام بیشتری نسبت به سایر ویژگی‌های تالاب است. بررسی‌ها نشان داد که این بخش در تصاویر ALI و ETM+  نسبت به تصاویر Hyperion کمتر قابل شناسایی هستند و یا در برخی مناطق این قسمت‌ها اصلا قابل تفکیک از ارضی کشاورزی آبی نیستند، در حالیکه Hyperion به دلیل دارای بودن تعداد ۲۲۰ باند و داشتن سطح بالاتری از جزئیات طیفی, توانایی تفکیک این دو کلاس را از هم دارد.