چکیده: در میان روش های ژئوفیزیکی متداول، روش رادار نفوذی به زمین (GPR) قادر به آشکارسازی انواع ناهمگنی های زیر سطحی و نیز شناسایی انواع اهداف مدفون در اعماق کم می باشد. در این رابطه مدل سازی داده های GPR برای تفسیر و شناسایی این اهداف اهمیت به سزایی دارد. هدف از این پایان نامه، مدل سازی پیشرو و وارون داده های GPR و بررسی نتایج در چند مورد مطالعاتی است. با توجه به این که هر روش مدل سازی وارون به برنامه مدل سازی پیشرو مناسب جهت محاسبه پاسخ مدل در نقاط و فرکانس های مورد نظر، به عنوان هسته اصلی نیاز دارد، قبل از انجام مدل سازی وارون، ابتدا تلاش شد تا نقاط ضعف و قوت هر یک از نرم افزار های موجود برای مدل سازی پیشرو داده های الکترومغناطیس فرکانس بالا شناسایی شود. بنابراین در این پژوهش، قابلیت، کارایی و سرعت محاسبه نرم افزارها با لحاظ مدل های مختلف زمینی، مورد بررسی و آزمون قرار گرفته است. سپس بر اساس ماهیت و ویژگی های فیزیکی و هندسی اهداف زیرزمینی مورد نظر در برداشت های صحرایی، مدل های مصنوعی آن ها متشکل از محیط زمین لایه ای و اهداف زیرزمینی مصنوعی متداول تهیه شده و پاسخ GPR دوبعدی آن ها به روش مدل سازی پیشرو با استفاده از نرم افزارهای مختلف، به دست آمده و در نهایت این پاسخ ها با یکدیگر مقایسه شده است. هدف از وارون سازی، مشخص کردن مدلی از زمین است که مشاهدات ما را به بهترین وجه تشریح نماید. در این پژوهش سعی بر آن است تا از روش مدل سازی وارون برای تعبیر و تفسیر برداشت های صحرایی GPR به منظور آشکارسازی و شناسایی اهداف مدفون استفاده شود. بدین منظور ابتدا با استفاده از الگوریتمی مؤثر و با انجام کدنویسی در محیط GUI نرم-افزار MATLAB، برنامه ای قابل اعتماد و دقیق برای انجام مدلسازی وارون تهیه شده است. در پژوهش حاضر برای شبیه سازی رفتار حاکم بر انتشار امواج الکترومغناطیسی (EM) در روش GPR از میان روش های عددی مختلف، روش تفاضل محدود دو بعدی، مورد استفاده قرار گرفته است. مزیت های اصلی این روش، درک نسبتاً ساده مفاهیم آن، دقت بالا و اجرای ساده آن برای مدل های پیچیده دلخواه است و به راحتی می توان تنظیمات آنتن را در آن اعمال نمود. در این پژوهش برداشت داده های صحرایی بر روی سطح زمین و مدل سازی های مصنوعی، با استفاده از روش مد TM انجام شده است. نگاشت های راداری داده های GPR نیز بعد از پردازش های لازم، توسط نرم افزار Reflexw به نمایش در آمده است. نتایج به دست آمده نشان دهنده بالا بودن خطاهای به دست آمده از مدل-سازی وارون داده های صحرایی GPR است که علل آن را می توان وجود محدودیت های گوناگون در تمامی الگوریتم ها و نرم افزارهای مدل سازی پیشرو و عدم امکان انجام مدل سازی پیشرو، دقیقاً مطابق با مدل های واقعی (به دلیل پیچیدگی های طبیعت زمین)، در نظر گرفتن شرایط همگن و کاملاً یکنواخت برای مدل سازی محیط میزبان و اهداف مدفون در محیط با وجود متنوع بودن زمین، متفاوت بودن مقادیر ویژگی های الکتریکی از سطح زمین تا عمق مشخص و هم چنین وجود انواع نوفه ها در مدل واقعی زمین و دیگر عوامل برشمرد.