این تحقیق با هدف تعیین غلظت، تعیین منشأ احتمالی، نقشه سازی توزیع مکانی، تعیین نقاط hotspot و ارزیابی خطر ptes (عناصر بالقوه سمی)، در خاک های سطحی منطقه اراک به وسعت 600 کیلومترمربع با استفاده از فناوری gis، ژئواستاتیستیک و تحلیل چندمتغیره انجام گرفت. در مجموع 190 نمونه خاک مرکب (عمق 0-20 سانتی متر) با استفاده از سیستم نمونه برداری سیستماتیک تصادفی جمع آوری شدند. بدین ترتیب تعداد 62 نمونه خاک سطحی شهری، 106 نمونه خاک سطحی کشاورزی و 22 نمونه خاک سطحی شهرک های صنعتی نمونه-برداری شد. غلظت ptes در نمونه های خاک پس از آماده سازی به روش هضم اسیدی توسط دستگاه طیف سنجی جذب اتمی اندازه گیری شدند. نتایج اولیه نشان داد میانگین غلظت جیوه، سرب، کادمیوم و نیکل از میانگین غلظت جهانی بالاتر است، حال آنکه میانگین عناصر آرسنیک و کروم از میانگین غلظت جهانی کمتر بود. همچنین عناصر مورد مطالعه در مقایسه با مقادیر آنها در متوسط پوسته زمین غلظت بالاتری داشتند. میانگین غلظت آرسنیک، کادمیوم، کروم، جیوه، نیکل و سرب در خاک های سطحی اراک به ترتیب .56/5، 03/1، 96/45، 11/0، 2/76، 59/57 میلی گرم بر کیلوگرم به دست آمد. در محیطgs+، ساختار مکانی ptes و اعتبار تغییرنماها بررسی شده و در نهایت بهترین مدل برازش و تخمین توسط کریجینگ انجام شد. نهایتاً نقشه های توزیع مکانی هر یک از ptes در محیط arcgis به دست آمد. مدل کروی بهترین مدل برازش داده به عناصر جیوه، کروم و نیکل با دامنه به ترتیب 68/11، 05/3 و 41/7 کیلومتر و مدل نمایی بهترین مدل برای عناصر آرسنیک، سرب و کادمیوم با دامنه به ترتیب 38/4، 79/5 و 74/7 کیلومتر بود. الگوی توزیع مکانی مشابه برای کادمیوم و سرب و همچنین الگوی توزیع مکانی مشابه برای آرسنیک، کروم و نیکل مشاهده گردید اما جیوه الگوی توزیع مکانی متفاوتی از این دو الگو داشت. همچنین برای بررسی تجزیه و تحلیل نقشه های توزیع مکانی عناصر بالقوه سمی از نقشه های کاربری زمین، زمین شناسی و بافت خاک استفاده شد. نتایج تحلیل چندمتغیره نشان داد که آرسنیک، کروم و نیکل منشأ صنعتی، کادمیوم و سرب عمدتاً منشأ شهری و جیوه منشأ طبیعی دارند. براساس نتایج مدلi local morans، نقاط معنی دار hotspot به طور عمده در ناحیه شهری، صنعتی و شهرک های صنعتی واقع شده بودند. همچنین نتایج ارزیابی خطر نشان داد که %69 منطقه مورد مطالعه وضعیت آلودگی متوسط تا شدید دارد.

امروزه فناوری سنجش از راه دور (تصاویر ماهواره ای) در کشاورزی، محیط زیست، ارتباطات و بسیاری از زمینه های دیگر، توانایی خود را به طور چشمگیری در تولید اطلاعات به اثبات رسانده است. یک مسئله اساسی در فناوری سنجش از راه دور، تعداد ویژگی های زیاد موجود، در مجموعه داده های اطلاعاتی حاصل از این فناوری است. تعداد ویژگی های زیاد، هم ازلحاظ مقدار حافظه ی مصرفی و هم ازلحاظ افزایش پیچیدگی محاسبات در هنگام طبقه بندی این مجموعه داده ها، زیان بار هستند، بنابراین باید تا حد ممکن تعداد ویژگی ها را کاهش داد. یکی از رویکردهای کلی کاهش ویژگی، استفاده از روش های انتخاب ویژگی است. الگوریتمrelieff، یکی از شیوه های رایج انتخاب ویژگی است که امکان استفاده در مجموعه داده های چند کلاسه و ناقص را دارد. این الگوریتم به هر ویژگی یک امتیاز که بیانگر میزان توانایی آن ویژگی در تمایز بین نمونه ها است، نسبت می دهد. در سال های اخیر، روش های مختلفی جهت بهبود الگوریتم relieff ارائه شده اند، اما همواره دو نقص اساسی، هم در الگوریتم relieff و هم در روش های اخیر، مشاهده می شود و آن ها عبارت اند از (1) در نظر گرفتن نمونه های پرت موجود در مجموعه داده ی ورودی، در محاسبات مربوط به امتیازدهی و(2) در نظر نگرفتن همبستگی، میان مقادیر ویژگی، در کلاس های مختلف، در محاسبات مربوط به امتیازدهی است. لذا هدف این پایان نامه بهبود الگوریتم relieff و برطرف کردن این نقیصه ها با استفاده از روش های پیشنهادی می باشد، سپس استفاده از این روش ها در افزایش دقت طبقه بندی تصاویر ماهواره ای است. در این پایان نامه دو روش پیشنهادی آورده شده است، در روش پیشنهادی اول مجموعه داده ورودی اصلاح شده است و در روش دوم، علاوه بر اینکه مجموعه داده ی ورودی اصلاح شده است، همبستگی، میان مقادیر ویژگی، در کلاس های مختلف به عنوان یک پارامتر منفی در امتیازدهی به ویژگی ها در نظر گرفته شده است. عملکرد روش های پیشنهادی به کمک مجموعه داده های معتبر دیگر نیز بررسی و نتایج به دست آمده نشان دهنده ی کارایی بهتر روش های پیشنهادی در مقایسه با روش های ماقبل است.