آمار

تعداد نشریات32
تعداد شماره‌ها502
تعداد مقالات4,516
تعداد مشاهده مقاله7,912,827
تعداد دریافت فایل اصل مقاله5,341,915
شیخ, بهناز, مینائی, مسعود, حسین زاده, سیدرضا, داداشی رودباری, عباسعلی, ایران نژاد, مسعود, فاتح دوکر, محمت. (1404). تحلیل و پیش‌بینی پویایی‌های فضایی–زمانی تغییرات کاربری و پوشش اراضی در حوضه آبریز رودخانه کشف‌ رود. سامانه مدیریت نشریات علمی, 2(4), 37-54. doi: 10.22098/gsd.2026.19264.1112
بهناز شیخ; مسعود مینائی; سیدرضا حسین زاده; عباسعلی داداشی رودباری; مسعود ایران نژاد; محمت فاتح دوکر. "تحلیل و پیش‌بینی پویایی‌های فضایی–زمانی تغییرات کاربری و پوشش اراضی در حوضه آبریز رودخانه کشف‌ رود". سامانه مدیریت نشریات علمی, 2, 4, 1404, 37-54. doi: 10.22098/gsd.2026.19264.1112
شیخ, بهناز, مینائی, مسعود, حسین زاده, سیدرضا, داداشی رودباری, عباسعلی, ایران نژاد, مسعود, فاتح دوکر, محمت. (1404). 'تحلیل و پیش‌بینی پویایی‌های فضایی–زمانی تغییرات کاربری و پوشش اراضی در حوضه آبریز رودخانه کشف‌ رود', سامانه مدیریت نشریات علمی, 2(4), pp. 37-54. doi: 10.22098/gsd.2026.19264.1112
شیخ, بهناز, مینائی, مسعود, حسین زاده, سیدرضا, داداشی رودباری, عباسعلی, ایران نژاد, مسعود, فاتح دوکر, محمت. تحلیل و پیش‌بینی پویایی‌های فضایی–زمانی تغییرات کاربری و پوشش اراضی در حوضه آبریز رودخانه کشف‌ رود. سامانه مدیریت نشریات علمی, 1404; 2(4): 37-54. doi: 10.22098/gsd.2026.19264.1112

تحلیل و پیش‌بینی پویایی‌های فضایی–زمانی تغییرات کاربری و پوشش اراضی در حوضه آبریز رودخانه کشف‌ رود

جغرافیا و توسعه فضایی
مقاله 3، دوره 2، شماره 4، دی 1404، صفحه 37-54    اصل مقاله (1.18 M)
نوع مقاله: مقاله مستخرج از پایان نامه
شناسه دیجیتال (DOI): 10.22098/gsd.2026.19264.1112
نویسندگان
بهناز شیخ1؛ مسعود مینائی* 1؛ سیدرضا حسین زاده1؛ عباسعلی داداشی رودباری1؛ مسعود ایران نژاد2؛ محمت فاتح دوکر3
1گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه فردوسی مشهد، مشهد، ایران
2واحد تحقیقات مهندسی آب، انرژی و محیط‌زیست، دانشکده فناوری، دانشگاه اولو، اولو، فنلاند
3گروه جغرافیا، دانشکده علوم انسانی و اجتماعی، دانشگاه ساکاریا، ساکاریا، ترکیه
چکیده
تغییرات کاربری و پوشش اراضی نقش مهمی در تحولات زیست‌محیطی و پایداری منابع طبیعی مناطق خشک و نیمه‌خشک ایفا می‌کنند. این تغییرات تحت تأثیر عوامل طبیعی و انسانی، موجب دگرگونی در ساختار و عملکرد اکوسیستم می‌شوند. در این پژوهش، تغییرات گذشته و پویایی‌های آینده کاربری و پوشش اراضی در حوضه آبریز رودخانه کشف رود با استفاده از رویکرد مدل‌سازی ترکیبی SVM–CA–Markov تجزیه‌وتحلیل و پیش‌بینی شد. نقشه‌های کاربری و پوشش اراضی استخراج‌شده از داده‌های GlobeLand30 برای سال‌های ۲۰۰۰، ۲۰۱۰ و ۲۰۲۰ در شش طبقه اراضی کشاورزی، جنگل، مرتع و بوته‌زار، پهنه‌های آبی و تالاب‌ها، انسان‌ساخت و بایر دسته‌بندی شدند. احتمالات انتقال بین طبقات پوشش زمین با استفاده از مدل زنجیره مارکوف برآورد گردید و نقشه‌های پتانسیل تغییر با بهره‌گیری از الگوریتم ماشین بردار پشتیبان بر اساس عوامل محرک تهیه شد. سپس مدل سلول‌های خودکار زنجیره مارکوف برای شبیه‌سازی الگوهای فضایی و پیش‌بینی توزیع کاربری و پوشش اراضی در سال ۲۰۳۷ به کار رفت. ارزیابی مدل دقت بالایی را با ضریب کاپای 88/0 و سطح زیر منحنی 946/0 نشان داد. نتایج نشان‌دهنده گسترش اراضی کشاورزی و مناطق انسان‌ساخت و کاهش پوشش‌های طبیعی، به‌ویژه جنگل‌ها، در طول دوره مطالعه هستند و پیش‌بینی‌های آینده تداوم این روند را تأیید می‌کنند. این یافته‌ها بر ضرورت برنامه‌ریزی یکپارچه کاربری زمین و مدیریت پایدار منابع طبیعی در حوضه کشف رود به‌منظور کاهش تخریب زیست‌محیطی و تضمین پایداری اکولوژیکی تأکید دارند.
کلیدواژه‌ها
تغییرات کاربری/پوشش اراضی؛ حوضه آبریز رودخانه کشف رود؛ ماشین بردار پشتیبان؛ زنجیره مارکوف؛ سلول‌های خودکار
مراجع
  1. بولاقی، صادق. (1403). مدل‌سازی توسعه فضایی کلان‌شهرهای ایران با رویکردی مبتنی بر آینده‌پژوهی در افق ۱۴۲۰. پایان‌نامه کارشناسی ارشد، دانشگاه فردوسی مشهد.
  2. تارم، صابر. (1388). مفیدسازی و آنالیز منطقه‌ای داده‌های هیدرولوژیکی و سیلاب (مطالعه موردی: حوضه آبریز رودخانه جاغرق در استان خراسان رضوی). دومین کنفرانس سراسری آب، بهبهان.
  3. Abedini, M., & Pour Farrash Zadeh, F. (2021). Analysis and Modeling of the Relationship between Monthly Discharge and Geomorphometric Characteristics (Case Study: Kashafrood Watershed). Geography and Environmental Planning, 32(4), 29-44. https://doi.org/10.22108/gep.2021.128899.1426
  4. Aghajani, H., Sarkari, F., & Fattahi Moghaddam, M. (2024). Predicting land use/land cover changes using CA-Markov and LCM models in the metropolitan area of Mashhad, Iran. Modeling Earth Systems and Environment, 1-18. https://doi.org/10.1007/s40808-024-02051-x
  5. Asif, M., Kazmi, J. H., Tariq, A., Zhao, N., Guluzade, R., Soufan, W., Almutairi, K. F., Sabagh, A. E., & Aslam, M. (2023). Modelling of land use and land cover changes and prediction using CA-Markov and Random Forest. Geocarto International, 38(1), 2210532. https://doi.org/10.1080/10106049.2023.2210532
  6. Athick, A. M. A., & Shankar, K. (2019). Data on land use and land cover changes in Adama Wereda, Ethiopia, on ETM+, TM and OLI-TIRS landsat sensor using PCC and CDM techniques. Data in brief, 24, 103880. https://doi.org/10.1016/j.dib.2019.103880
  7. Azizi, P., Soltani, A., Bagheri, F., Sharifi, S., & Mikaeili, M. (2022). An integrated modelling approach to urban growth and land use/cover change. Land, 11(10), 1715. https://doi.org/10.3390/land11101715
  8. Becker, A., Finger, P., Meyer-Christoffer, A., Rudolf, B., Schamm, K., Schneider, U., & Ziese, M. (2013). A description of the global land-surface precipitation data products of the Global Precipitation Climatology Centre with sample applications including centennial (trend) analysis from 1901–present. Earth System Science Data, 5(1), 71-99. https://doi.org/10.5194/essd-5-71-2013
  9. Belay, T., & Mengistu, D. A. (2021). Impacts of land use/land cover and climate changes on soil erosion in Muga watershed, Upper Blue Nile basin (Abay), Ethiopia. Ecological Processes, 10(1), 68. https://doi.org/10.1186/s13717-021-00339-2
  10. Bendib, A., & Berghout, K. (2023). Use of the classification by a decision tree in the analysis of the effect of urban dynamics on the consumption of agricultural land in the municipality of Batna. Journal of the Indian Society of Remote Sensing, 51(6), 1279-1296. https://doi.org/10.1007/s12524-023-01724-4
  11. Bera, D., Das Chatterjee, N., Mumtaz, F., Dinda, S., Ghosh, S., Zhao, N., Bera, S., & Tariq, A. (2022). Integrated influencing mechanism of potential drivers on seasonal variability of LST in Kolkata municipal corporation, India. Land, 11(9), 1461. https://doi.org/10.3390/land11091461
  12. Beshir, S., Moges, A., & Dananto, M. (2023). Trend analysis, past dynamics and future prediction of land use and land cover change in upper Wabe-Shebele river basin. Heliyon, 9(9). https://doi.org/10.1016/j.heliyon.2023.e19522
  13. Boulaghi, S., Afsahi, H., & Minaei, M. (2024). Land use/cover change modeling with emphasis on built‑up land growth with the help of CA‑Markov model integration and multi‑criteria decision analysis based on GIS (Case study: Aras River watershed). Iranian Journal of Remote Sensing and GIS, 16(2), 137–158. https://doi.org/10.48308/gisj.2024.233751.1186
  14. Boulaghi, S., Minaei, M., Shafizadeh‑Moghadam, H., & Kharazmi, O. A. (2023). Improving modeling of spatial development of cities by combining machine learning methods and the CA‑Markov model (Case study: Qom Metropolis). Journal of Geographic Research and Development. https://doi.org/10.22067/jgrd.2023.82877.1292
  15. Boulaghi, S. (2024). Modeling the spatial development of Iranian metropolises with an approach based on future studies in the horizon of 1420 [Master’s thesis, Ferdowsi University of Mashhad]. (Original work published in 1403 SH) [In Persian].
  16. Dammag, A. Q., Jian, D., Cong, G., Derhem, B. Q., & Latif, H. Z. (2023). Predicting spatio-temporal land use/land cover changes and their drivers forces based on a cellular automated Markov model in Ibb City, Yemen. Geocarto International, 38(1), 2268059. https://doi.org/10.1080/10106049.2023.2268059
  17. Denga, R. V., Simwanda, M., Vinya, R., Ranagalage, M., & Murayama, Y. (2025). Spatiotemporal Patterns of Agriculture Expansion Intensity and Land-Use/Cover Changes in the Mixed Urban-Rural Upper Kafue River Basin of Zambia (1989–2019). Agriculture, 15(10), 1047. https://doi.org/10.3390/agriculture15101047
  18. Fu, C., Cheng, L., Qin, S., Tariq, A., Liu, P., Zou, K., & Chang, L. (2022). Timely plastic-mulched cropland extraction method from complex mixed surfaces in arid regions. Remote Sensing, 14(16), 4051. https://doi.org/10.3390/rs14164051
  19. Fu, F., Deng, S., Wu, D., Liu, W., & Bai, Z. (2022). Research on the spatiotemporal evolution of land use landscape pattern in a county area based on CA-Markov model. Sustainable Cities and Society, 80, 103760. https://doi.org/10.1016/j.scs.2022.103760
  20. Gashaw, T., Tulu, T., Argaw, M., & Worqlul, A. W. (2018). Modeling the hydrological impacts of land use/land cover changes in the Andassa watershed, Blue Nile Basin, Ethiopia. Science of The Total Environment, 619, 1394-1408. https://doi.org/10.1016/j.scitotenv.2017.11.191
  21. Ghayour, L., Neshat, A., Paryani, S., Shahabi, H., Shirzadi, A., Chen, W., Al-Ansari, N., Geertsema, M., Pourmehdi Amiri, M., & Gholamnia, M. (2021). Performance evaluation of sentinel-2 and landsat 8 OLI data for land cover/use classification using a comparison between machine learning algorithms. Remote Sensing, 13(7), 1349. https://doi.org/10.3390/rs13071349
  22. Girma, R., Fürst, C., & Moges, A. (2022). Land use land cover change modeling by integrating artificial neural network with cellular Automata-Markov chain model in Gidabo river basin, main Ethiopian rift. Environmental Challenges, 6, 100419. https://doi.org/10.1016/j.envc.2021.100419
  23. Guarderas, P., Smith, F., & Dufrene, M. (2022). Land use and land cover change in a tropical mountain landscape of northern Ecuador: Altitudinal patterns and driving forces. Plos one, 17(7), e0260191. https://doi.org/10.1371/journal.pone.0260191
  24. Hamad, R., Balzter, H., & Kolo, K. (2018). Predicting land use/land cover changes using a CA-Markov model under two different scenarios. Sustainability, 10(10), 3421. https://doi.org/10.3390/su10103421
  25. Hao, J., Lin, Q., Wu, T., Chen, J., Li, W., Wu, X., Hu, G., & La, Y. (2023). Spatial–Temporal and Driving Factors of Land Use/Cover Change in Mongolia from 1990 to 2021. Remote Sensing, 15(7), 1813. https://doi.org/10.3390/rs15071813
  26. Haq, S. M., Tariq, A., Li, Q., Yaqoob, U., Majeed, M., Hassan, M., Fatima, S., Kumar, M., Bussmann, R. W., & Moazzam, M. F. U. (2022). Influence of edaphic properties in determining forest community patterns of the zabarwan mountain range in the Kashmir Himalayas. Forests, 13(8), 1214. https://doi.org/10.3390/f13081214
  27. Haseeb, M., Tahir, Z., Mahmood, S. A., Batool, S., & Farooq, M. U. (2024). Spatial soil loss prediction impacted by long-term land use/land cover change: a case study of Swat District. Environmental Monitoring and Assessment, 196(1), 37. https://doi.org/10.1007/s10661-023-12190-2
  28. Hu, Y., Raza, A., Syed, N. R., Acharki, S., Ray, R. L., Hussain, S., Dehghanisanij, H., Zubair, M., & Elbeltagi, A. (2023). Land use/land cover change detection and NDVI estimation in Pakistan’s Southern Punjab Province. Sustainability, 15(4), 3572. https://doi.org/10.3390/su15043572
  29. Hussain, S., Qin, S., Nasim, W., Bukhari, M. A., Mubeen, M., Fahad, S., Raza, A., Abdo, H. G., Tariq, A., & Mousa, B. (2022). Monitoring the dynamic changes in vegetation cover using spatio-temporal remote sensing data from 1984 to 2020. Atmosphere, 13(10), 1609. https://doi.org/10.3390/atmos13101609
  30. Islam, F., Riaz, S., Ghaffar, B., Tariq, A., Shah, S., & Nawaz, M. (2022). Landslide susceptibility mapping (LSM) of Swat District, Hindu Kush Himalayan region of Pakistan, using GIS-based bivariate modeling. Frontiers in Environmental Science, 10, 1027423. https://doi.org/10.3389/fenvs.2022.1027423
  31. Javidi Sabbaghian, R., & Nejadhashemi, A. P. (2020). Developing a risk-based consensus-based decision-support system model for selection of the desirable urban water strategy: Kashafroud Watershed study. Water, 12(5), 1305. https://doi.org/10.3390/w12051305
  32. Karimov, Y. M., I. Mirzababayeva, S. Abobakirova, Z. Umarov, S. & Mirzaeva, Z. (2023). Land use and land cover change dynamics of Uzbekistan: a review. E3S Web of Conferences.
  33. Khalil, U., Azam, U., Aslam, B., Ullah, I., Tariq, A., Li, Q., & Lu, L. (2022). Developing a spatiotemporal model to forecast land surface temperature: A way forward for better town planning. Sustainability, 14(19), 11873. https://doi.org/10.3390/su141911873
  34. Khan, M., & Chen, R. (2025). Assessing the Impact of Land Use and Land Cover Change on Environmental Parameters in Khyber Pakhtunkhwa, Pakistan: A Comprehensive Study and Future Projections. Remote Sensing, 17(1). https://doi.org/10.3390/rs17010000
  35. Kondum, F., Rowshon, M. K., Luqman, C., Hasfalina, C., & Zakari, M. (2024). Change analyses and prediction of land use and land cover changes in Bernam River Basin, Malaysia. Remote Sensing Applications: Society and Environment, 36, 101281. https://doi.org/10.1016/j.rsase.2024.101281
  36. Leta, M. K., Demissie, T. A., & Tränckner, J. (2021). Modeling and prediction of land use land cover change dynamics based on land change modeler (Lcm) in nashe watershed, upper blue nile basin, Ethiopia. Sustainability, 13(7), 3740.
  37. Li, J. (2024). Area under the ROC Curve has the most consistent evaluation for binary classification. PloS one, 19(12), e0316019. https://doi.org/10.1371/journal.pone.0316019
  38. Lukas, P., Melesse, A. M., & Kenea, T. T. (2023). Prediction of future land use/land cover changes using a coupled CA-ANN model in the upper omo–gibe river basin, Ethiopia. Remote Sensing, 15(4), 1148. https://doi.org/10.3390/rs15041148
  39. Mahmoudzadeh, H., Abedini, A., & Aram, F. (2022). Urban growth modeling and land-use/land-cover change analysis in a metropolitan area (case study: Tabriz). Land, 11(12), 2162. https://doi.org/10.3390/land11122162
  40. Mekonnen, Y. A., & Manderso, T. M. (2023). Land use/land cover change impact on streamflow using Arc-SWAT model, in case of Fetam watershed, Abbay Basin, Ethiopia. Applied Water Science, 13(5), 111. https://doi.org/10.1007/s13201-023-01918-4
  41. Mhanna, S., Halloran, L. J., Zwahlen, F., Asaad, A. H., & Brunner, P. (2023). Using machine learning and remote sensing to track land use/land cover changes due to armed conflict. Science of the Total Environment, 898, 165600. https://doi.org/10.1016/j.scitotenv.2023.165600
  42. Minaei, M., Boulaghi, S., Sheikh, B., Rezaalizadeh, M., & Najafi Deh Jalali, A. (2025). Monitoring and simulation of land use and land cover changes in the Great Karun Basin. Scientific-Research Quarterly of Geographical Data (SEPEHR), 34(133), 65-87. https://doi.org/10.22131/sepehr.2025.2027958.3075
  43. Minaei, M., & Kainz, W. (2016). Watershed Land Cover/Land Use Mapping Using Remote Sensing and Data Mining in Gorganrood, Iran. ISPRS International Journal of Geo-Information, 5(5), 57. https://doi.org/https://doi.org/10.3390/ijgi5050057
  44. Minaei, M., Shafizadeh-Moghadam, H., & Tayyebi, A. (2018). Spatiotemporal nexus between the pattern of land degradation and land cover dynamics in Iran. Land Degradation & Development, 29(9), 2854-2863. https://doi.org/doi:10.1002/ldr.3007
  45. Nacishali Nteranya, J., Kiplagat, A., Ucakuwun, E. K., & Nzabandora, C. K. (2024). Modelling the impact of past and future land-use changes on land cover degradation at territorial level in Eastern DR Congo. Environmental Systems Research, 13(1), 55. https://doi.org/10.1186/s40068-024-00366-2
  46. Omrani, H., Tayyebi, A., & Pijanowski, B. (2017). Integrating the multi-label land-use concept and cellular automata with the artificial neural network-based Land Transformation Model: an integrated ML-CA-LTM modeling framework (vol 54, pg 283, 2017). GISCIENCE & REMOTE SENSING, 54(3), CP3-CP3. https://doi.org/10.1080/15481603.2017.1287474
  47. Rani, A., Gupta, S. K., Singh, S. K., Meraj, G., Kumar, P., Kanga, S., Đurin, B., & Dogančić, D. (2023). Predicting future land use utilizing economic and land surface parameters with ANN and Markov chain models. Earth, 4(3), 728-751. https://doi.org/10.3390/earth4030039
  48. Roushangar, K., Aalami, M. T., Golmohammadi, H., & Shahnazi, S. (2023). Monitoring and prediction of land use/land cover changes and water requirements in the basin of the Urmia Lake, Iran. Water Supply, 23(6), 2299-2312. https://doi.org/10.2166/ws.2023.125
  49. Selmy, S. A., Kucher, D. E., Mozgeris, G., Moursy, A. R., Jimenez-Ballesta, R., Kucher, O. D., Fadl, M. E., & Mustafa, A.-r. A. (2023). Detecting, analyzing, and predicting land use/land cover (LULC) changes in arid regions using landsat images, CA-Markov hybrid model, and GIS techniques. Remote sensing, 15(23), 5522. https://doi.org/10.3390/rs15235522
  50. Shafizadeh-Moghadam, H., Minaei, M., Feng, Y., & Pontius Jr, R. G. (2019). GlobeLand30 maps show four times larger gross than net land change from 2000 to 2010 in Asia. International Journal of Applied Earth Observation and Geoinformation, 78, 240-248.
  51. Shafizadeh‐Moghadam, H., Valavi, R., Asghari, A., Minaei, M., & Murayama, Y. (2022). On the spatiotemporal generalization of machine learning and ensemble models for simulating built‐up land expansion. Transactions in GIS, 26(2), 1080-1097.
  52. Shayani, N., Shafizadeh Moghadam, H., & Minaei, M. (2025). Using remote sensing techniques to monitor changes in the use of protected lands and the Gheshlagh River bed and their impacts on flooding potential in the basin. Land Management Biannual Journal, 12(2), 149–167. https://civilica.com/doc/2222982/
  53. Syed, F. S., Iqbal, W., Syed, A. A. B., & Rasul, G. (2014). Uncertainties in the regional climate models simulations of South-Asian summer monsoon and climate change. Climate Dynamics, 42(7), 2079-2097. https://doi.org/10.1007/s00382-013-1879-x
  54. Tahir, Z., Haseeb, M., Mahmood, S. A., Batool, S., Abdullah-Al-Wadud, M., Ullah, S., & Tariq, A. (2025). Predicting land use and land cover changes for sustainable land management using CA-Markov modelling and GIS techniques. Scientific Reports, 15(1), 3271. https://doi.org/10.1038/s41598-025-87796-w
  55. Taiwo, B. E., Kafy, A.-A., Samuel, A. A., Rahaman, Z. A., Ayowole, O. E., Shahrier, M., Duti, B. M., Rahman, M. T., Peter, O. T., & Abosede, O. O. (2023). Monitoring and predicting the influences of land use/land cover change on cropland characteristics and drought severity using remote sensing techniques. Environmental and Sustainability Indicators, 18, 100248. https://doi.org/10.1016/j.indic.2023.100248
  56. Taram, S. (2009). Beneficialization and regional analysis of hydrological data and floods (Case study: Jaghraq River basin in Razavi Khorasan Province). The 2nd National Water Conference, Behbahan. [In Persian].
  57. Wang, Q., Guan, Q., Lin, J., Luo, H., Tan, Z., & Ma, Y. (2021). Simulating land use/land cover change in an arid region with the coupling models. Ecological Indicators, 122, 107231. https://doi.org/10.1016/j.ecolind.2020.107231
  58. Wang, Q., Guan, Q., Sun, Y., Du, Q., Xiao, X., Luo, H., Zhang, J., & Mi, J. (2023). Simulation of future land use/cover change (LUCC) in typical watersheds of arid regions under multiple scenarios. Journal of Environmental Management, 335, 117543. https://doi.org/10.1016/j.jenvman.2023.117543
  59. Yonaba, R., Koïta, M., Mounirou, L., Tazen, F., Queloz, P., Biaou, A., Niang, D., Zouré, C., Karambiri, H., & Yacouba, H. (2021). Spatial and transient modelling of land use/land cover (LULC) dynamics in a Sahelian landscape under semi-arid climate in northern Burkina Faso. Land use policy, 103, 105305. https://doi.org/10.1016/j.landusepol.2021.105305
  60. Zhang, Z., Hörmann, G., Huang, J., & Fohrer, N. (2023). A random forest-based CA-Markov model to examine the dynamics of land use/cover change aided with remote sensing and GIS. Remote Sensing, 15(8), 2128. https://doi.org/10.3390/rs15082128
  61. Zhu, L., Song, R., Sun, S., Li, Y., & Hu, K. (2022). Land use/land cover change and its impact on ecosystem carbon storage in coastal areas of China from 1980 to 2050. Ecological Indicators, 142, 109178. https://doi.org/10.1016/j.ecolind.2022.109178
آمار
تعداد مشاهده مقاله: 263
تعداد دریافت فایل اصل مقاله: 196


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب