فرزانه حدادی بارفروشی؛ داود عاشورلو؛ علیرضا شکیبا؛ علی اکبر متکان
چکیده
تغییر اقلیم به عنوان یکی از مهمترین چالشهای پیش روی بشر میباشد. این پدیده تاکنون تاثیرات قابل توجهی را بر تولیدات کشاورزی در اکثر نقاط جهان مخصوصا مناطق خشک و نیمه خشک بر جای گذاشته است. همچنین، در اکثر مناطق دنیا طی دهههای اخیر، متوسط درجه حرارت افزایش یافته است. امروزه در تحقیقات مختلف، شاخصهای سنجش از دور به عنوان یکی از ...
بیشتر
تغییر اقلیم به عنوان یکی از مهمترین چالشهای پیش روی بشر میباشد. این پدیده تاکنون تاثیرات قابل توجهی را بر تولیدات کشاورزی در اکثر نقاط جهان مخصوصا مناطق خشک و نیمه خشک بر جای گذاشته است. همچنین، در اکثر مناطق دنیا طی دهههای اخیر، متوسط درجه حرارت افزایش یافته است. امروزه در تحقیقات مختلف، شاخصهای سنجش از دور به عنوان یکی از روشهای نوین در شناسایی تغییر اقلیم استفاده میشوند. یکی از شاخصهای مهم سنجش از دور، ویژگیهای فنولوژی پوشش گیاهی است که در مطالعات اخیر توانایی خوبی در شناسایی و تخمین پوشش گیاهی نشان داده است. در مطالعه حاضر، با استفاده از سری زمانی 5 روزه شاخص نرمال شده پوششگیاهی (NDVI) از تصاویر NOAA-AVHRR و پارامترهای فنولوژی گیاه، تغییرات پوششگیاهی مناطق مراتع و اراضی دیم حوضه دریاچه ارومیه در طول سالهای 2013-1984 مورد بررسی قرار گرفت. دادههای اقلیمی دما و بارش از ایستگاههای هواشناسی حوضه دریاچه ارومیه اخذ و در مقایسه با نتایج تصاویر ماهوارهای استفاده گردید. نتایج تحلیل سری زمانی در طی سی سال دوره آماری در حوضه دریاچه ارومیه نشان داد، پارامتر شروع فصل رشد در منطقه اشنویه، سقز و سراب در سال 2013 نسبت به سال 1984 زودتر آغاز شده است. اما در منطقه مراغه دیرتر آغاز شده است. پارامتر پایان فصل رشد در اشنویه، سقز و تکاب زودتر به پایان رسیده است. همچنین پارامتر اوج رشد در شهرستانهای مذکور پوشش گیاهی زودتر به حداکثر مقدار خود رسیده است. طول فصل رشد در شهرستانهای اشنویه، مراغه و سقز به ترتیب کوتاهتر شده است. نتایج تحلیلهای آماری بدست آمده از تصاویر ماهوارهای و دادههای اقلیمی نشان داد که تغییرات پارامترهای فنولوژی به مکان وابسته میباشد و همچنین شبهای سرد و روزهای گرم در ابتدای فصل رشد به ترتیب کاهش و افزایش یافته است. اما در انتهای فصل رشد روزهای گرم افزایش داشته است. این تغییرات باعث افزایش شیب منحنی فنولوژی رشد گیاه در زمان پیری گیاه شده است و در نهایت طول فصل رشد را کاهش داده است.
محمدرضا گیلی؛ داود عاشورلو؛ حسین عقیقی؛ علی اکبر متکان؛ علیرضا شکیبا
چکیده
تغییرات رشد محصولات کشاورزی در فواصل زمانی نسبتاً کوتاه، ناهمزمانی کشت محصولات مشابه، شباهت طیفی میان محصولات گوناگون در برخی از زمانهای دورة کشت و کمبود دادههای زمینی، طبقهبندی محصولات زراعی در تصاویر ماهوارهای را به کاری چالشبرانگیز مبدل میکند. تغییر مقدار درصد پوشش و سبزینگی، در طول فصل رشد، از برجستهترین ویژگی ...
بیشتر
تغییرات رشد محصولات کشاورزی در فواصل زمانی نسبتاً کوتاه، ناهمزمانی کشت محصولات مشابه، شباهت طیفی میان محصولات گوناگون در برخی از زمانهای دورة کشت و کمبود دادههای زمینی، طبقهبندی محصولات زراعی در تصاویر ماهوارهای را به کاری چالشبرانگیز مبدل میکند. تغییر مقدار درصد پوشش و سبزینگی، در طول فصل رشد، از برجستهترین ویژگی پوششهای گیاهی ازجمله محصولات کشاورزی است که میتوان بر آن نظارت کرد. این کار با استفاده از سری زمانی شاخصهای گیاهی انجام میشود که اطلاعات بسیار مفیدی از توالی ویژگیهای فنولوژیک محصولات کشاورزی در اختیار ما قرار میدهد. استفاده از روشهای یادگیری عمیق با توانایی یادگیری اطلاعات متوالی حاصل از این سریها میتواند، در طبقهبندی محصولات کشاورزی و کاهش وابستگی به دادههای زمینی، مفید باشد. شبکةLong-Short Term Memory (LSTM) یکی از انواع شبکههای عصبی بازگشتی در تجزیه و تحلیل دادههای متوالی است که توانایی یادگیری توالیهای بلندمدت در سری زمانی را دارد؛ بنابراین در این مطالعه، پس از محاسبة شاخص NDVI از باندهای ماهوارة سنتینلـ 2 در نُه تاریخ متفاوت و تشکیل سری زمانی آن شاخص برای ورود به شبکه، دو ناحیة متفاوت در دشت مغان در نظر گرفته شد که محصولات کشتشده در آنها، طی عملیات زمینی، برداشت شده بود. در ناحیة اول، شبکة کانولوشنی LSTM برای طبقهبندی محصولات آموزش دید و در ناحیة دیگر، کارآیی این شبکة آموزشدیده در طبقهبندی محصولات ارزیابی شد و دقت کلی 82% و ضریب کاپای 8/0 بهدست آمد. افزایش تعداد نمونههای زمینی و انتخاب مرز دقیق محصولات، میتواند کارایی روش مورد استفاده را افزایش دهد.
علیاکبر متکان؛ علیرضا شکیبا؛ بابک میرباقری؛ مهران شایگان؛ محمد تناسان
دوره 7، شماره 1 ، اسفند 1394، ، صفحه 39-57
چکیده
با افزایش جمعیت و بهتبع آن افزایش نیازهای جامعه، آمایش سرزمین اهمیت ویژهای یافته است. بهدلیل پیوند آمایش سرزمین با چندین هدف متضاد، استفاده از الگوریتمهای تکاملی چندهدفه ـ درصورت تناسب الگوریتم با نوع مسئلهـ میتواند مفید باشد. در پژوهش حاضر ضمن ارائة مدلی بهمنظور ...
بیشتر
با افزایش جمعیت و بهتبع آن افزایش نیازهای جامعه، آمایش سرزمین اهمیت ویژهای یافته است. بهدلیل پیوند آمایش سرزمین با چندین هدف متضاد، استفاده از الگوریتمهای تکاملی چندهدفه ـ درصورت تناسب الگوریتم با نوع مسئلهـ میتواند مفید باشد. در پژوهش حاضر ضمن ارائة مدلی بهمنظور بهینهسازی کاربری اراضی، راهحلی مؤثر برای بهکارگیری الگوریتم ژنتیک چندهدفه در انواع مسائل مربوط به آمایش سرزمین معرفی میگردد. مدل طراحیشده در پژوهش حاضر بهمنظور بهینهسازی کاربری اراضی از الگوریتم NSGA-II بهره میبرد. خروجیهای این مدل، الگوهایی برای آمایش سرزمین هستند که فرسایش منطقه را تا حد زیادی کاهش میدهند و سطح منفعت اقتصادی منطقه را بالا میبرند. در این مدل، کاربریها دارای بالاترین سازگاری، کمترین دشواری تغییر و بیشترین پیوستگی هستند. بهمنظور استفاده از الگوریتم ژنتیک چندهدفه در حل مسائل آمایش سرزمین در این پژوهش راهکاری ابتکاری برای تولید جمعیت اولیه و عملگر ابتکاری ترکیب متناسب با مسائل آمایش سرزمین شرح و بسط داده شد. مدل طراحیشده در منطقة رودبار جنوب واقع در استان کرمان پیادهسازی شد. نتایج بهدستآمده نشان دادند که الگوهای آمایش سرزمین پیشنهادشده در این مدل میتوانند درحدود 30 تا 35 درصد فرسایش منطقه را کاهش دهند؛ درعینحال سطح منفعت اقتصادی حاصل از تغییر کاربری بین 40 تا 50 درصد رشد خواهد داشت. همچنین تمامی الگوها دارای سازگاری بالا و دشواری تغییر اندک هستند. با بررسی عملکرد عملگرهای ابتکاری ارائهشده، مشخص شد این عملگرها تأثیر بسزایی در روند حل مسئله داشتند. کلیدواژهها: بهینهسازی چندهدفه، الگوریتم NSGA-II، توسعة عملگرهای ابتکاری، آمایش سرزمین، توان اکولوژیک.
علیاکبر متکان؛ علیرضا شکیبا؛ امین حسینی اصل؛ فردین رحیمی دهگلان
دوره 6، شماره 4 ، دی 1393
چکیده
رواناب یکی از اجزای ضروری محاسبة فرایندهای منابع آب و مسئلهای اصلی در هیدرولوژی است. مدلهای مفهومی زیادی برای پیشبینی میزان رواناب مطرح شدهاند که عمدتاً نیازمند دادههای توپوگرافی و هیدرولوژیکی هستند. روشهای مرسوم گذشته برای نواحیای که دادههای هیدرولوژیکی کافی ندارند، نامناسباند. تخمین رواناب، فرایندی غیرخطی و ...
بیشتر
رواناب یکی از اجزای ضروری محاسبة فرایندهای منابع آب و مسئلهای اصلی در هیدرولوژی است. مدلهای مفهومی زیادی برای پیشبینی میزان رواناب مطرح شدهاند که عمدتاً نیازمند دادههای توپوگرافی و هیدرولوژیکی هستند. روشهای مرسوم گذشته برای نواحیای که دادههای هیدرولوژیکی کافی ندارند، نامناسباند. تخمین رواناب، فرایندی غیرخطی و از نظر زمانی و مکانی بهطور کامل تصادفی است و شبیهسازی آن با مدل ساده بهراحتی امکانپذیر نیست. امروزه استفاده از شبکههای عصبی مصنوعی در مواردی که کمبود دادهها محسوس است، روش مناسبی بهشمار میآید. در پژوهش حاضر از دادههای بارش، دما و دبی ایستگاههای حوضة کن در بازة زمانی 1375 تا 1385 و همچنین خصوصیات فیزیوگرافی حوضة مورد مطالعه بهعنوان ورودی شبکة عصبی برای پیشبینی رواناب استفاده شد. بدین منظور بهصورت تصادفی 80 درصد دادهها برای آموزش و 20 درصد دادهها برای تست و اعتبارسنجی شبکه اختصاص داده شدند. بهمنظور انتخاب شبکة بهینه، از دو نوع تابع انتقال، 12 تابع آموزشی، و تعدادی نرون مخفی مختلف بین 1 تا 9 نرون استفاده شد. نتایج پژوهش پس از آزمون شبکه با لایههای پنهان و با توابع یادگیری مختلف آشکار ساختند که استفاده از دادههای بارش، دما و دبی، و تابع آموزشی LM و تابع انتقال Tansig و چهار نرون مخفی، بهترین ساختار را برای تخمین رواناب بهدست میدهد. شبکة عصبی با این ساختار میتواند رواناب را با دقت (0.68≤R2≤0.78 و 0.53≥RMSE 0.03≤) برآورد کند. کلیدواژهها: تخمین رواناب، شبکة عصبی مصنوعی، الگوریتم پسانتشار خطا، حوضة کن، سامانة اطلاعات جغرافیایی.
علیاکبر متکان؛ علیرضا شکیبا؛ بابک میرباقری؛ رضا فلاحی
دوره 6، شماره 3 ، دی 1393
چکیده
از میان روشهای معمول درونیابی، روشهای کریجینگ و کوکریجینگ بهعنوان بهترین برآوردگرهای خطی نااریب، کاربرد فراوانی در درونیابی دادههای بارش دارند. مدلهای مذکور بهرغم مزیتشان نمایش همواری از پدیدة تحت مطالعه بهدست میدهند و چون براساس میانگین محلی دادهها عمل میکنند، مقادیر حداکثر را کمتر و مقادیر حداقل را بیشتر ...
بیشتر
از میان روشهای معمول درونیابی، روشهای کریجینگ و کوکریجینگ بهعنوان بهترین برآوردگرهای خطی نااریب، کاربرد فراوانی در درونیابی دادههای بارش دارند. مدلهای مذکور بهرغم مزیتشان نمایش همواری از پدیدة تحت مطالعه بهدست میدهند و چون براساس میانگین محلی دادهها عمل میکنند، مقادیر حداکثر را کمتر و مقادیر حداقل را بیشتر از مقدار واقعی پیشبینی میکنند. بنابراین استفاده از این مدلها بهتنهایی در مواردی که هدف ارزیابی میزان ریسک و بررسی تغییرپذیری یک پدیده است، مناسب نیست. تغییرپذیری پدیده با استفاده از عدمقطعیت اندازهگیری میشود. در پژوهش حاضر بهمنظور محاسبة عدمقطعیت محلی و مکانی متغیر بارندگی، از الگوریتمهای شبیهسازی زمینآماری SGS و CO-SGS استفاده شده است. نتایج تحقیق نشان میدهند الگوریتمهای SGS و CO-SGS در نمونههای شبیهسازی با بازسازی مقادیر محتمل حداکثر و حداقل و همچنین حفظ دامنة نوسانات بارندگی در هر واحد مکانی، واریانسی نزدیک به واریانس نمونههای اصلی تولید میکنند. اختلاف واریانس شبیهسازی در مقایسه با نمونة اصلی بسیار ناچیز است، درحالیکه واریانس روشهای درونیابی اختلاف فاحشی با واریانس نمونههای اصلی دارد. همچنین نتایج نشان میدهند که این الگوریتمها میتوانند عدمقطعیت محلی و مکانی پدیدههای مکانی ازجمله بارش را بهدرستی محاسبه کنند. کلیدواژهها: بارندگی، عدمقطعیت، شبیهسازی زمینآماری، الگوریتم SGS، الگوریتم CO-SGS.
علیرضا شکیبا علیرضا شکیبا؛ سیدبابک میرجعفری؛ سیدعلی علوی؛ بتول کامل
دوره 5، شماره 3 ، آذر 1392
چکیده
یکی از اصولی ترین روشهای کاهش تأثیر زمینلرزه در مناطق شهری، شناسایی نواحی مستعد، درجهبندی میزان ریسک مناطق، و ارزیابی خسارتها و تلفات انسانی در زلزله با شدتهای مختلف است. شهر تبریز با داشتن جمعیت زیاد، قرارگیری روی گسل فعال، و سابقه زلزله با دوره بازگشت در ادوار گذشته، پتانسیل وقوع زمینلرزه را دارد. با توجه به اینکه بیشترین ...
بیشتر
یکی از اصولی ترین روشهای کاهش تأثیر زمینلرزه در مناطق شهری، شناسایی نواحی مستعد، درجهبندی میزان ریسک مناطق، و ارزیابی خسارتها و تلفات انسانی در زلزله با شدتهای مختلف است. شهر تبریز با داشتن جمعیت زیاد، قرارگیری روی گسل فعال، و سابقه زلزله با دوره بازگشت در ادوار گذشته، پتانسیل وقوع زمینلرزه را دارد. با توجه به اینکه بیشترین پهنههای مسکونی منطقه 8 شهرداری تبریز را پلاکهای ریزدانه با مسیرهای دسترسی تنگ و باریک و مصالح بیدوام و ناپایدار اشغال کردهاند، این منطقه برای مطالعه انتخاب شده است. در این پژوهش با استفاده از هفت معیار کاربری اراضی، تعداد طبقات ساختمانی، کیفیت بنا، مساحت قطعه تفکیکی، قدمت بنا، سطح اشغال بنا و نوع مصالح ساختمانی، از روش تحلیل چندمعیارة فازی (FAHP)، خسارت ساختمانی و تلفات انسانی در سه سناریوی زلزلة 6، 7 و 8 ریشتری محاسبه و تحلیل شد. نتایج پژوهش نشان میدهند که خسارتهای ساختمانی از 6 تا 8 مرکالی افزایش زیادی یافته و از 5/1 درصد به 46 درصد رسیده است. تلفات انسانی نیز ـ که بیشتر در ساختمانهای مسکونی رخ میدهد ـ از 29 نفر تا 2511 نفر در شدتهای مختلف زلزله افزایش مییابد؛ که توجه مضاعف به بهسازی ساختمانهای مسکونی را میطلبد.
مژگان میرزایی؛ روشنک درویشزاده؛ علیرضا شکیبا؛ علیاکبر متکان
دوره 3، شماره 1 ، آذر 1390
چکیده
با گسترش سنجش از دورِ فراطیفی، امکان بهرهگیری از گروه جدیدی از شاخصهای طیفی ـ با عنوان شاخصهای باریکباند ـ برای تخمین پارامترهای بیوفیزیکی و بیوشیمیایی گیاهان به وجود آمده است. هدف از این مطالعه، مناسبترین نواحی طیفی برای تخمین محتوای آبی گیاه با استفاده از شاخصهای گیاهی و همچنین بررسی تأثیرات تاج پوشش گیاه و خاک پسزمینه ...
بیشتر
با گسترش سنجش از دورِ فراطیفی، امکان بهرهگیری از گروه جدیدی از شاخصهای طیفی ـ با عنوان شاخصهای باریکباند ـ برای تخمین پارامترهای بیوفیزیکی و بیوشیمیایی گیاهان به وجود آمده است. هدف از این مطالعه، مناسبترین نواحی طیفی برای تخمین محتوای آبی گیاه با استفاده از شاخصهای گیاهی و همچنین بررسی تأثیرات تاج پوشش گیاه و خاک پسزمینه در انتخاب این شاخصهاست. اندازهگیریهای تاج پوشش گیاه در آزمایشگاه سنجش از دور با استفاده از دستگاه اسپکترومتر GER 3700 صورت گرفت. دو گروه از شاخصهای گیاهی، با عنوان شاخصهای نسبتی و شاخصهای تعدیلکننده تأثیر خاک برای برآورد مقدار محتوای آبی گیاه تکوین یافتند و پس از ارزیابی، مقایسه شدند. برای محاسبه شاخصهای باریکباند با استفاده از دادههای فراطیفی موجود، تمامی ترکیبهای دوباندی ممکن برای 584 باند در دامنه طیفی 400 تا 2400 نانومتر بهمنظور محاسبه شاخصهای باریکباند و تخمین محتوای آبی گیاه، با استفاده رگرسیون خطی مورد ارزیابی قرار گرفتند. دقت نتایج تخمین محتوای آبی گیاه با استفاده از شاخصها با باندهای بهینه بهدست آمده، با استفاده از مقادیر ضریب همبستگی (2R) و ریشه میانگین مربعات خطا (RMSE) و روش Cross-validation سنجیده شد و مورد مقایسه قرار گرفت. به دلیل تنوع در نوع تراکم تاج پوششهای گیاهی مورد بررسی و شرایط متفاوت خاک پسزمینه، با تقسیمبندی گیاهان به دو گروه با خاک پسزمینة متفاوت (تیره و روشن)، و همچنین دو تاج پوشش گیاهی متراکم و تنک، این تأثیرات در انتخاب بهترین شاخصها مورد ارزیابی قرار گرفتند. نتایج نشان از آن داشتند که دقت تمامی شاخصها در دادههای با خاک پسزمینة روشن و دادههای دارای تاج پوشش متراکم، به ترتیب در قیاس با دادههای دارای خاک پسزمینة تیره و تاج پوشش تنک، با دقت بالاتری همراه بودند. ، ، ، ، ، ،، ) نتایج بهدست آمده در این تحقیق، توجه به خاک پسزمینه و ساختار تاج پوشش گیاهی را در انتخاب بهترین شاخص و باندهای بهینه برای شاخصها، آشکار میسازد.
حمید آذری؛ علی اکبر متکان؛ علیرضا شکیبا
دوره 2، شماره 2 ، شهریور 1389
چکیده
شناخت نوع ابر و طبقه بندی ابرها از ابتدایی ترین اصول در اکثر روش های پیش بینی بارش است که در بیشتر مواقع به صورت بصری و با مقایسه تصاویر باندهای مادون قرمز و باندهای مرئی انجام می شود. دراین گونه مطالعات تنها از دمای روشنایی ابر و البدوی آن برای طبقه بندی ابر استفاده می شود، در صورتی که بافت و شکل ابرها نیز از عوامل تاثیر گذار در تشخیص ...
بیشتر
شناخت نوع ابر و طبقه بندی ابرها از ابتدایی ترین اصول در اکثر روش های پیش بینی بارش است که در بیشتر مواقع به صورت بصری و با مقایسه تصاویر باندهای مادون قرمز و باندهای مرئی انجام می شود. دراین گونه مطالعات تنها از دمای روشنایی ابر و البدوی آن برای طبقه بندی ابر استفاده می شود، در صورتی که بافت و شکل ابرها نیز از عوامل تاثیر گذار در تشخیص انواع آن هاست. روش طبقه بندی شیءگرا به علت استفاده از پارامترهای بافت و شکل و نیز دمای روشنایی و آلبدوی ابر، روش مناسبی برای طبقه بندی ابرها به شمار می آید. لیکن این روش طبقه بندی، بسیار وابسته به دقت قطعه بندی نیز هست. با توجه به اینکه یکی از فاکتورهای موثر بر دقت طبقه بندی همانا مقیاس قطعه بندی است، لذا تعیین مقیاس مناسب قطعه بندی در افزایش دقت طبقه بندی شیءگرا اهمیت فراوان دارد. هدف از ارائه این مقاله نیز تعیین مقیاس مناسب قطعه بندی در طبقه بندی شیءگرا ابر است. در این تحقیق دو تصویر NOAA/AVHRR مورد استفاده قرار گرفتند. به منظور انجام تحقیق، ابتدا اطلاعات اضافی شامل دمای روشنایی ابر در باند 3 و 4 و ارتفاع ابر از داده های سنجش از دور به منظور استفاده در قطعه بندی تصویر استخراج گردید و از روش دو باندی (مادون قرمز و مرئی) برای انتخاب نواحی آموزشی استفاده شد. سپس تاثیرات منفی خطاهای قطعه بندی بر دفت طبقه بندی شیءگرای ابر از طریق بسط روش محاسباتی تعیین گردید و دقت طبقه بندی کمی سازی شد. در این مرحله ارزیابی به وسیله کمی سازی تایرات کلی خطاها، با توجه به معیارها و واحدها در 25 مقیاس قطعه بندی صورت پذیرفت تا مقیاس مناسب برای قطعه بندی ابر به دست آید. نتایج نشان داد که نخست، دقت قطعه بندی ابر با افزایش مقیاس قطعه بندی کاهش می یابد؛ و دوم، تاثیرات منفی خطاهای قطعه بندی کمتر از حد مناسب در قطعه بندی ابر در مقیاس های بزرگ، به صورت کاملا محسوس بزرگ می شوند. همچنین دقت های قطعه بندی بالا لزوماً منجر به دقت های بالای قطعه بندی شیءگرا در طبقه بندی ابر نمی شوند، اما دقت های پایین قطعه بندی منجر به دقت های پایین طبقه بندی می شوند. با توجه به این مورد، بهترین مقیاس برای قطعه بندی ابر، مقیاس 50 تعیین گردید که منجر به دقت کلی 5/90 درصد در طبقه بندی شیءگرای ابر شد.
علی اکبر متکان؛ علیرضا شکیبا؛ داوود عاشورلو؛ جواد بداق جمالی؛ وهب محمدیان
دوره 1، شماره 2 ، شهریور 1388
چکیده
طی چند سال اخیر به هنگام فصول گرم، در اثر بارندگی شدید و ناگهانی در استان گلستان سیل های مخربی رخ داده که در پی آن، خسارات سنگینی به منطقه وارد آمده است. از آنجا که شدت بارندگی در منطقه بسیار متغیر است و ایستگاه های زمینی نمی توانند این تغییرات را به خوبی نمایش دهند، لزوم به کارگیزی سنجش از دور در تخمین بازندگی بیش از پیش نمایان می گردد. ...
بیشتر
طی چند سال اخیر به هنگام فصول گرم، در اثر بارندگی شدید و ناگهانی در استان گلستان سیل های مخربی رخ داده که در پی آن، خسارات سنگینی به منطقه وارد آمده است. از آنجا که شدت بارندگی در منطقه بسیار متغیر است و ایستگاه های زمینی نمی توانند این تغییرات را به خوبی نمایش دهند، لزوم به کارگیزی سنجش از دور در تخمین بازندگی بیش از پیش نمایان می گردد. در الگوریتم های تخنین بازندگی ماهواره ای اغلب از داده هایمادون قرمز و مایکروویو غیر فعال استفاده می شود. داده های مادون قرمز دارای قدرت تفکیکزمانی بالای هستند (هر نیم ساعت یک تصویر) اما توان نفوذ در ابر را ندارند. در مقابل، داده های مایکروویو غیر فعال از ابر عبور می کنند و تخمین دقیق تری از نرخ بازندگی می دهند اما قدرت تفکیک زمانی پایین تری ( هر روز دو تصویر) دارند. در نتیجه با ترکیب این دو سری داده می توان ضمن حفظ مزایا، معایب را تا حد امکان کاهش داد. در تحقیق حضار، اقبلیت الگوریتم، ترکیبی همسان سازی احتمال داده های Meteosat و TRMM در تخمین بارندگی شدید نوزدهم مرداد 1384 ( دهم اوت 2005) که منجر به وقوع سیل گردید مورد بررسی قرار گرفت و با کمک مدل هیدرولوژی GeoSFM به پایش سیلاب پرداخته شد. نتایج به دست آمده، نشان می دهد که بین تخمین ماهواره و مشاهدات زمینی همبستگی 533/0 وجود دارد و RMSE و MAD معادل 74/9 و 67/6 است. همچنین مشاهده گردید که خاک در اکثر زیر حوضه های جنوب شرقی منطقه رخ می دهد، که حداکثر حجم آن همزمان با بارندگی شدید است.
علی اکبر متکان؛ علیرضا شکیبا؛ سید حسین پورعلی؛ ایمان بهارلو
دوره 1، شماره 1 ، تیر 1388
چکیده
یکی از معضلات اساسی شهرهای بزرگ جهان پدیده آلودگی هواست. کشور ایران و به خصوص تهران نیز از اثر این پدیده مصون نیست، به طوری که سالانه خسارات مالی و جانی و اجتماعی عمده ای متاثر از آلودگی به بار می آیند. از آنجا که مهم ترین آلاینده های این شهر مونواکسید کربن (CO) و ذرات معلق با قطر کوچک تر از 10 میکرومتر (PM to) اند، در تحقیق حاضر ابتدا روش های ...
بیشتر
یکی از معضلات اساسی شهرهای بزرگ جهان پدیده آلودگی هواست. کشور ایران و به خصوص تهران نیز از اثر این پدیده مصون نیست، به طوری که سالانه خسارات مالی و جانی و اجتماعی عمده ای متاثر از آلودگی به بار می آیند. از آنجا که مهم ترین آلاینده های این شهر مونواکسید کربن (CO) و ذرات معلق با قطر کوچک تر از 10 میکرومتر (PM to) اند، در تحقیق حاضر ابتدا روش های مختلف درون یابی برای تولید نقشه های کیفیت هوای حاصل از این دو آلاینده مورد ارزیابی قرار گرفتند و سپس با استفاده ز آماره خطی میانگین مربعات (MSE) روش درون یابی بهینهانتخاب شد و نقشه های کیفیت هوای حاصل ازاین دو آلاینده برای همه روزهای سال 1384 تولید گردید. نیز از آنجا که آلودگی هوا با عوامل متعددی از قبیل توپوگرافی، اقلیم، جمعیت، شبکه حمل و نقل و صنعت ارتباط دارد، با استفاده از روش رگرسیون کاربری اراضی (LUR) مهم ترین عوامل موثر در تولید هر یک از این دو آلانیده تعیین گردید و در ادامه با استفاده از همین روش به مدل سازی این دو آلاینده در فصل بهار پرداخته شد. با توجه به آماره خطاری میانگین مربعات (MES) معلوم شد که برای دورن یابی داده های آلاینده مونواکسید کربن، روش کوکریجینگ همراه به سه پارامتر دما، جهت باد و سرعت باد که ناهمسان گردی آن به وسیله جهت باد تعیین شود، مناسب ترین روش به شمار می آید؛ در حالی که برای آلاینده ذرات معلق روش Spline نتایج بهتری را رائه می دهد. همچنین نتایج حاصل از مدل رگرسیون کاربری اراضی (LUR) نشان داد که مهم ترین عامل موثر بر روی آلاینده مونواکسید کربن حجم ترافیک است، در حالی که مهم ترین عامل موثربر بروی آلایندهPM to وجود اماکن صنعتی است.
علیرضا شکیبا؛ پرویز ضیائیان فیروز آبادی؛ داوود عاشورلو؛ سودابه نامداری
دوره 1، شماره 1 ، تیر 1388
چکیده
با توسعه شهر نشینی، مقادیر زیادی از مساحت مناطق کشاورزی و جنگلی جایخود را به خانه ها، مناطق صنعتی و و دیگر زیر ساخت ها داده اند. محدوده های شهری دارای بیلان و انرژی و آبی متفاوتی در قیاس با نواحی غیرشهری اند. این تفاوت و تغییر در این دو مفوهم باعث از بین رفتن توازن انرژی و رواناب در محیط های شهری می گردد که خود مشکلات زیست محیطی جدی را ...
بیشتر
با توسعه شهر نشینی، مقادیر زیادی از مساحت مناطق کشاورزی و جنگلی جایخود را به خانه ها، مناطق صنعتی و و دیگر زیر ساخت ها داده اند. محدوده های شهری دارای بیلان و انرژی و آبی متفاوتی در قیاس با نواحی غیرشهری اند. این تفاوت و تغییر در این دو مفوهم باعث از بین رفتن توازن انرژی و رواناب در محیط های شهری می گردد که خود مشکلات زیست محیطی جدی را (مانند سیل و آلودگی های حرارتی) برای ساکنان شهر به دنبال می آورد. علاوه بر این، در برخی از نواحی شهری تغییرات کابری ها و افزایش جمعیت و در پی آن افزایش تردد خودروها و همچنین وجود صنایع، موجب افزایش دمای برخی مناطق شهری نسبت به دیگر مناطق می شود. بنابراین درمناظق شهری، بسته به پوشش زمین، مناطقی با درحه حرارت بیشتر از سایر نوحای به وجود می آید، که این پدیده را جزیره حرارتی شهرها می نامند. در این تحقیق جزایر حرارتی شهر تهران – که مهم ترین مرکز جمعیتی و یکی از مهم ترین مراکز صنعتی ایران به شمار می آید در طول چند دهه اخیر رشد شهری سریعی داشته است – مورد مطالعه قرار گرفته است. هدف اصلی از انجام این تحقیق، استخراج جزایر حرارتی در مناطق شهری با استفاده از داده های ماهواره ای و تعیین اثر نوع پوشش و کاربری زمین بردمای سطح زمین است. برای رسیدن به این هدف، طبقه بندی پوشش اراضی شهری شهر تهران بر اساس تغییر در خصوصیات بیوفیزیکی (ویژگی های بیولوژیکی و خواص فیزیکی) آن، در سطح طبقه بندی زیر پیکسل و استخراج کسر خاک، پوشش گیاهی و سطوح نقوذناپذیر از تصاویر ETM+ انجام شد. برای محاسبه درصد هر یک از این سطوح از روش جداسازی طیفی (LSU) استفاده شد. در پایان، با تحیلیل آماری هر یک از جزایر حرارتی شهر تهران به تفکیک، نفش هر یک از پوشش های و کاربری های اراضی در ایجاد آن ها مورد بررسی قرار گرفت. نتایج نشان دادند که سطوح نفوذ نابپذیر از طریق جذب و ذخیره انرژی خورشیدی اثر گرمایشی دارند، در حالی که پوشش گیاهی از طریق توازن گرمایی به وسیله تبخیر و تعرق و تولید سایه دارای اثر خنک کننده اند.