علی اکبر متکان؛ بهناز عربی؛ حسن لشکری؛ بابک میرباقری
دوره 4، شماره 4 ، اسفند 1391
چکیده
ضرورت آگاهی از وضعیت منابع آب و نزولات جوی در مناطق مختلف برای اجرای طرح های آبی از یک سو، و فقدان شبکه ای مطلوب از ایستگاه های اندازه گیری پارامترهای هواشناسی از سوی دیگر، اهمیت استفاده از روش های غیرمستقیم را برای تخمین پارامترهای اقلیمی در بسیاری از مناطق کشور آشکار می سازد. پیش بینی تغییرات اقلیمی حاکم بر هر منطقه و مدل سازی های ...
بیشتر
ضرورت آگاهی از وضعیت منابع آب و نزولات جوی در مناطق مختلف برای اجرای طرح های آبی از یک سو، و فقدان شبکه ای مطلوب از ایستگاه های اندازه گیری پارامترهای هواشناسی از سوی دیگر، اهمیت استفاده از روش های غیرمستقیم را برای تخمین پارامترهای اقلیمی در بسیاری از مناطق کشور آشکار می سازد. پیش بینی تغییرات اقلیمی حاکم بر هر منطقه و مدل سازی های اقلیمی و هیدرولوژیکی، مستلزم در دسترس بودن اطلاعات درازمدت و هم زمان بارش در قالب های مکانی و زمانی در ایستگاه های باران سنجی است. به دلیل عدم کفایت ایستگاه های ثبت بارندگی در گذشته، دسترسی به این اطلاعات در بسیاری از مناطق کشور با محدودیت هایی همراه است و پیاده سازی این مدل ها در مناطق مذکور عملاً ناممکن می نماید. استفاده از شبکه های عصبی مصنوعی (ANN) امکان برآورد این اطلاعات را در ایستگاه های پراکنده ی باران سنجی، و در درازمدت حتی در سال هایی که منطقه فاقد ایستگاه های ثبت بارش بوده است، فراهم می کند. در این تحقیق برای برآورد آمار میانگین بارندگی ماهانه و فصلی و سالانه در 305 ایستگاه هواشناسی موجود در سه استان اردبیل و آذربایجان شرقی و آذربایجان غربی در دو دهه پیش از تأسیس این ایستگاه ها، از 36600 داده ثبت شده ی آمار بارندگی ماهانه در دوره ی ده ساله 2004- 1995 استفاده شد. این داده ها به عنوان ورودی برای آموزش شبکه های عصبی با الگوریتم پس انتشار خطا به کار گرفته شدند. طول و عرض جغرافیایی، ارتفاع، شیب، عده ماه و میانگین بارندگی ماهانه 5 ایستگاه نزدیک تر به هر ایستگاه نیز به عنوان پارامترهای ورودی شبکه انتخاب شدند. ابتدا شبکه عصبی برای دوره ده ساله 2004- 1995 آموزش داده شد و دقتی معادل (R=0/84) به دست آمد. پس از آموزش شبکه عصبی، اقدام به برآورد داده های میانگین بارندگی ماهانه و فصلی و سالانه در دوره زمانی 1994- 1975 در ایستگاه های موجود در منطقه مطالعاتی گردید. دقت شبکه عصبی در این برآورد معادل 7/0، 78/0 و 88/0 به ترتیب برای تخمین مقادیر میانگین بارندگی ماهانه و فصلی و سالانه در سطح منطقه مورد مطالعه بود. میزان این دقت برای هر سه استان به صورت مجزا اعتبارسنجی شد و بیشترین دقت در استان آذربایجان غربی (معادل 78/0) به دست آمد. سپس اقدام به تولید نقشه های درون یابی شده میانگین بارندگی ماهانه و فصلی و سالانه در سطح منطقه مطالعاتی، با استفاده از تخمینگر زمین آماری کریجینگ بر اساس داده های برآورد شده با تکنیک شبکه های عصبی و داده های موجود ثبت شده در ایستگاه ها در دوره زمانی 2004- 1975 گردید. نتایج این تحقیق امکان دسترسی به آمار پیوسته و درازمدت بارندگی و همچنین بررسی تغییرات توزیع مکانی بارندگی را در منطقه شمال غرب کشور از گذشته تا امروز میسر می سازد.
روشنک درویش زاده؛ علی اکبر متکان؛ امین حسینی اصل؛ محسن ابراهیمی خوسفی
دوره 4، شماره 2 ، شهریور 1391
چکیده
خشکسالی از بلایای طبیعی است که تبعات منفی گسترده ای را برای اقتصاد، کشاورزی، محیط و اجتماع به همراه دارد. فقدان شناخت و ارزیابی دقیق این پدیده باعث بروز بخش عمده ی خسارت های ناشی از آن می شود. در چند دهه ی اخیر، علم و به ویژه فناوری سنجش از دور محققان را در زمینه خشکسالی بسیار کمک کرده است و شاخص های متعددی برای ارزیابی و بررسی خشکسالی ...
بیشتر
خشکسالی از بلایای طبیعی است که تبعات منفی گسترده ای را برای اقتصاد، کشاورزی، محیط و اجتماع به همراه دارد. فقدان شناخت و ارزیابی دقیق این پدیده باعث بروز بخش عمده ی خسارت های ناشی از آن می شود. در چند دهه ی اخیر، علم و به ویژه فناوری سنجش از دور محققان را در زمینه خشکسالی بسیار کمک کرده است و شاخص های متعددی برای ارزیابی و بررسی خشکسالی ارائه شده اند. هدف از این تحقیق بهبود شاخص عمودی خشکسالی اصلاح شده (MPDI) از طریق محاسبه دقیق و صحیح پوشش گیاهی به عنوان مهم ترین پارامتر در این شاخص است. به منظور محاسبه ی شاخص مذکور، تعیین درصد پوشش گیاهی و همچنین پارامترهای خط خاک ضروری است. برای این کار از تصاویر ماهواره ای ALOS مربوط به تیرماه سال 1388 استفاده شده است. حوضه آبخیز شیطور واقع در استان یزد به عنوان منطقه ی مطالعه انتخاب شد و با مطالعات میدانی درصد پوشش گیاهی 52 پلات اندازه گیری شد. 17 شاخص رایج گیاهی و شبکه های عصبی مصنوعی برای تخمین درصد پوشش گیاهی مورد استفاده قرار گرفتند. نتایج حاصل از شاخص های گیاهی نشان دادند شاخص هایی که در آنها بازتاب خاک در نظر گرفته می شود، با دقتی بهتر از دیگر شاخص ها (درصد 4> RMSE و 63/0> R^2) می توانند درصد پوشش گیاهی را در مناطق خشک تبیین کنند. از طرفی، نتایج به دست آمده از شبکه های عصبی نیز تأیید می کنند که چون در شبکه های مذکور می توان ورودی های متعددی همچون اطلاعات طیفی باندهای متفاوت را به شبکه معرفی کرد، لذا اینها با دقتی بیشتر (% 4> RMSE و 74/0> R^2) از شاخص های گیاهی می توانند در تخمین درصد پوشش گیاهی به کار روند. در نهایت، با استفاده از مناسب ترین روش (شبکه های عصبی)، درصد پوشش گیاهی منطقه محاسبه شد و با توجه به پارامترهای خط خاک، نقشه ی شدت خشکسالی تهیه گردید.
علی اکبر متکان؛ حسین زینی وند؛ باقر بیات؛ عبدالمحمد غفوری روزبهانی؛ بابک میرباقری
دوره 4، شماره 1 ، خرداد 1391
چکیده
ضرورت آگاهی از وضعیت منابع آب و نزولات جوی در حوضه های آبریز مختلف برای اجرای طرح های آبی از یک سو وجود نداشتن شبکه ی مناسبی از ایستگاه های اندازه گیری پارامترهای هواشناسی و آبشناسی از سوی دیگر، اهمیت استفاده از روش های غیرمستقیم برای شبیه سازی جریان و محاسبه حجم رواناب در حوضه های آبریز را بیش از پیش آشکار می سازد. در بین روش های غیرمستقیم، ...
بیشتر
ضرورت آگاهی از وضعیت منابع آب و نزولات جوی در حوضه های آبریز مختلف برای اجرای طرح های آبی از یک سو وجود نداشتن شبکه ی مناسبی از ایستگاه های اندازه گیری پارامترهای هواشناسی و آبشناسی از سوی دیگر، اهمیت استفاده از روش های غیرمستقیم برای شبیه سازی جریان و محاسبه حجم رواناب در حوضه های آبریز را بیش از پیش آشکار می سازد. در بین روش های غیرمستقیم، فنون پیشرفته ای نظیر سنجش از دور (RS) و سامانه اطلاعات جغرافیایی (GIS)، که امکان اطلاع از شرایط حوضه از جنبه های مختلف و تجزیه و تحلیل سریع تر و دقیق تر این اطلاعات را میسر ساخته اند، جایگاه ویژه ای در مطالعات هیدرولوژیکی و منابع آب یافته اند. این موضوع بر تعداد مدل های فیزیکی توزیع یافته ی مکانی در بستر GIS که در آنها اطلاعات مکانی به صورت واحدهای در سطح پیکسل در کنار داده های هیدرولوژی قرار می گیرند و امکان درک و بیان فرایندهای پیچیده و پویا را فراهم می آورند، افزوده است. مدل WetSpa نمونه ای از این مدل های هیدرولوژیکی توزیع یافته ی مکانی است که با هدف رسیدن به راهبردهای مدیریت پایدار آبخیز طراحی و ساخته شد. WetSpa بر اساس شبکه سلولی و در مقیاس حوضه آبریز عمل می کند و در نتیجه عملکرد آن به صورت پیوسته است. در پژوهش حاضر ابتدا جریان روزانه ی رودخانه حوضه مرگ کرمانشاه- با مساحت 1380 کیلومترمربع- با استفاده از مدل WetSpa در محیط GIS و با شرایط کاربری اراضی فعلی شبیه سازی شده و بعد از کالیبراسیون و اعتبارسنجی مدل به تحلیل تأثیرات تغییر کاربری بر روی جریان- به ویژه دبی پیک جریان- پرداخته شد. برای این منظور نقشه ی کاربری بهینه حوضه با استفاده از مدل آمایش سرزمین مخدوم تولید شد و مجدداً جریان رودخانه به وسیله مدل شبیه سازی گردید. نتایج حاصل از به کارگیری مدل WetSpa در حوضه آبریز مرک دقتی معادل 77 درصد را بر اساس ضریب ناش- ساتکلیف (NS) نشان می دهد. همچنین شبیه سازی جریان رودخانه تحت سناوریوی کاربری بهینه نشان داد که هیدروگراف جریان رودخانه ی با تأخیر به اوج خود می رسد و در مقایسه با هیدروگراف کاربری فعلی دیرتر فروکش می کند. افزون بر اینها، دبی اوج هیدروگراف نیز بعد از تغییر کاربری بهینه پایین تر آمده است.
علی اکبر متکان؛ افشین شریعت مهیمنی؛ بابک میرباقری؛ متین شهری
دوره 3، شماره 3 ، آذر 1390
چکیده
در سال های اخیر مطالعات گسترده ای به منظور بررسی روابط بین تصادف ها و عوامل مؤثر بر آنها- از جمله نوع کاربری، ویژگی های جمعیتی و پارامترهای مختلف شبکه حمل و نقل در مناطق شهری- صورت پذیرفته است. متغیرهای میزان تولید و جذب سفر همراه با پارامتر مجموع طول معابر می توانند به عنوان متغیرهای جایگزین مناسبی برای پیش بینی تصادف ها مورد استفاده ...
بیشتر
در سال های اخیر مطالعات گسترده ای به منظور بررسی روابط بین تصادف ها و عوامل مؤثر بر آنها- از جمله نوع کاربری، ویژگی های جمعیتی و پارامترهای مختلف شبکه حمل و نقل در مناطق شهری- صورت پذیرفته است. متغیرهای میزان تولید و جذب سفر همراه با پارامتر مجموع طول معابر می توانند به عنوان متغیرهای جایگزین مناسبی برای پیش بینی تصادف ها مورد استفاده قرار گیرند. مدل های رگرسیون خطی تعمیم یافته به عنوان متداول ترین مدل های عمومی پیش بینی تصادف ها، و رابطه بین تصادف ها و متغیرهای مستقل را با تخمین ضرایب ثابت در کل منطقه مطالعاتی توصیف می کنند. در تحقیق حاضر به منظور بررسی تأثیرات ناپایداری در روابط میان تصادف ها و عوامل مؤثر بر آنها، مدل رگرسیون وزنی مکانی پوآسون پیشنهاد گردید. آن گاه این مدل با استفاده از پارامترهای تولید و جذب سفر و مجموع طول معابر در 253 ناحیه ترافیکی در شهر مشهد اجرا شد و تأثیرات خودهمبستگی مکانی در باقی مانده ها بررسی گردید. آزمون های نیکویی برازش دقت بالاتر مدل رگرسیون وزنی پوآسون را در قیاس با مدل عمومی نشان می دهند. نتایج همچنین نشان از ناپاداری معناداری در روابط بین تعداد تصادف ها و متغیرهای مستقل انتخاب شده دارند. نتایج، رابطه مستقیم متغیرهای انتخاب شده را نیز با وقوع تصادفات در بیشتر نواحی ترافیکی نشان می دهد. آزمون باقی مانده های هر دو مدل نشانگر حذف تأثیرات خودهمبستگی مکانی از باقی مانده های رگرسیون وزنی مکانی پوآسون است.
عبدالحمید دشتی آهنگر؛ روشنک درویش زاده؛ علی اکبر متکان؛ محمد حاجب
دوره 3، شماره 2 ، شهریور 1390
چکیده
معکوس سازی مدل های مبتنی بر فیزیک- بر اساس انتشار تابش درون تاج پوشش- مشخصاً در زمره ی روش های موفق در تخمین مقدار پارامترهای پوشش گیاهی از قبیل شاخص سطح برگ و کلروفیل با استفاده از داده های سنجش از دور است. در این تحقیق مقدار کلروفیل برنج در سطح تاج پوشش به عنوان شاخص وضعیت گیاه تخمین زده شد. بدین منظور، مدل انتقال تابش PROSAIL و تصویر سنجنده ...
بیشتر
معکوس سازی مدل های مبتنی بر فیزیک- بر اساس انتشار تابش درون تاج پوشش- مشخصاً در زمره ی روش های موفق در تخمین مقدار پارامترهای پوشش گیاهی از قبیل شاخص سطح برگ و کلروفیل با استفاده از داده های سنجش از دور است. در این تحقیق مقدار کلروفیل برنج در سطح تاج پوشش به عنوان شاخص وضعیت گیاه تخمین زده شد. بدین منظور، مدل انتقال تابش PROSAIL و تصویر سنجنده AVNIR-2 ماهواره ALOS مورد استفاده قرار گفت. تحقیق میدانی جامعی نیز در طول ماه های تیر و مرداد 1389در ناحیه شمال ایران- آمل- صورت گرفت. 60 پلات: 20× 20 متر مربعی به صورت تصادفی انتخاب شدند و در هر یک از آنها 4 تا 7 زیرپلات با توجه به همگنی محصول انتخاب گردید. سپس مقدار کلروفیل در هر زیرپلات با استفاده از دستگاه SPAD-502 اندازه گیری شد. تصحیحات اتمسفری با استفاده از مدل MODTRAN انجام گرفت. در گام بعد مدل PROSAIL برای شبیه سازی طیف در باندهای AVNIR-2 اصلاح گردید. آنالیز حساسیت مدل نیز برای تعیین پارامترهای ثابت و آزاد صورت پذیرفت، و سپس بر اساس مطالعات میدانی دامنه پارامترهای آزاد ورودی به مدل تعیین شد. با استفاده از روش بهینه سازی درون تکرار مدل معکوس و مقدار کلروفیل در دو سطح برگ و تاج پوشش (مقدار کلروفیل برگ × شاخص سطح برگ) تخمین زده شد. از شاخص های R^2 و RMSE بین مقادیر تخمین زده شده و داده های میدانی به منظور ارزیابی مادل استفاده شد. نتایج نشان داد که با استفاده از مدل PROSAIL استخراج کلروفیل در سطح برگ دقت چندان مناسبی ندارد، اما می توان کلروفیل را با دقت نسبتاً مطلوبی در سطح تاج پوشش تخمین زد (R^2=0/57 و RMSE=0/47) و در تحقیقات اکولوژیک و پایش محصول استفاده کرد.
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؛ علی محمد زاده؛ سعید صادقیان؛ محمد حاجب
دوره 1، شماره 3 ، آذر 1388
چکیده
امروزه لیزر اسکنر هوایی (لیدار) نقش مهمی در برداشت اطلاعات سه بعدی عوارض سطح زمین ایفا می کند. استخراج عوارض از داده های لیدار، به صورت دستی زمان بر و پر هزینه است. راه ها مهمترین گروه عوارض خطی هستند و استخراج اطلاعات مربوط به آن ها اهمین ویژه ای برای سازمان ها و نهادهای مرتبط در هر کشوری دارد. هدف پژوهش حاضر، ارائه الگوریتمی برای اشکارسازی ...
بیشتر
امروزه لیزر اسکنر هوایی (لیدار) نقش مهمی در برداشت اطلاعات سه بعدی عوارض سطح زمین ایفا می کند. استخراج عوارض از داده های لیدار، به صورت دستی زمان بر و پر هزینه است. راه ها مهمترین گروه عوارض خطی هستند و استخراج اطلاعات مربوط به آن ها اهمین ویژه ای برای سازمان ها و نهادهای مرتبط در هر کشوری دارد. هدف پژوهش حاضر، ارائه الگوریتمی برای اشکارسازی راه هاست که در آن منحصراً از داده های لیدار، استفاده شود. برای این منظور، ابتدا داده های شدت و سپس هر دو داده شدت و فاصله لیدار با استفاده از ماشین بردار پشتیبان طبقه بندی گردیدند. سپس با استفاده از الگوریتم فیلتر کردن شیب مبنا، عوارض ارتفاعی از مجموعه داده ها حدف شدند و مدل رقومی زمین و مدل رقومی عوارض غیرزمینی به دست آمد. در ادامه، نتایج مرحله طبقه بندی با بهره گیری از لایه اطلاعاتی مدل رقومی عوارض غیرزمینی بهبود داده شد. سرانجام با انجام عمیات پس پردازش 5 مرحله، پاکسازی مورفولوژی، حذف عناصر کوچک، اتصال قطع شدگی های راه ها، حذف عناصر ناپیوسته و انسداد مورفولوژی، راه ها از داده های لیدار شناسایی گردید. با مقایسه نتایج حاصل از اجرای الگوریتم با داده های مرجع مقادیر 35/84 درصد برای پارامت «کامل بودن»، 61/71 درصد برای پارامتر «صحیح بودن» و 22/63 درصد برای پارامتر «کیفیت» به دست آمد
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.