علمی - پژوهشی
هادی زارع خورمیزی؛ حمید غفاریان
چکیده
فنولوژی به مطالعة زمان وقوع رخدادهای تکرارپذیر زندگی گیاهان در رابطه با عوامل زنده و غیرزنده میپردازد. یکی از روشهای بررسی تغییرات روند رشد گیاه استفاده از سریهای زمانی تصاویر ماهوارهای و روشهای سنجش از دور است. هدف از پژوهش حاضر تعیین معنای فیزیکی هریک از مؤلفههای سری فوریه، درمورد انواع پوشش گیاهی و فرایندهای فنولوژی ...
بیشتر
فنولوژی به مطالعة زمان وقوع رخدادهای تکرارپذیر زندگی گیاهان در رابطه با عوامل زنده و غیرزنده میپردازد. یکی از روشهای بررسی تغییرات روند رشد گیاه استفاده از سریهای زمانی تصاویر ماهوارهای و روشهای سنجش از دور است. هدف از پژوهش حاضر تعیین معنای فیزیکی هریک از مؤلفههای سری فوریه، درمورد انواع پوشش گیاهی و فرایندهای فنولوژی گیاهان، با استفاده از تجزیة سریهای زمانی شاخص پوشش گیاهی (NDVI) حاصل از سنجش از دور است. هدف دیگر نیز تعیین روند تغییرات مؤلفههای سری فوریه، در زمینة تغییرات ارتفاع از سطح دریا و درجة حرارت فصل بهار است. بدینمنظور، در مطالعة حاضر، از محصول هشتروزة شاخص NDVI سنجندة MODIS، با نام MOD09Q1، با قدرت تفکیک مکانی 250 متر استفاده شد. ابتدا، با استفاده از الگوریتم HANTS و سریهای زمانی یکسالة NDVI سنجندة MODIS در سالهای 2013، 2014 و 2015، مؤلفههای سریهای فوریه یا همان تصاویر دامنه و فاز تولید شد. سپس تغییرات و ارتباط هریک از این مؤلفهها بهنسبت تغییرات ارتفاع و دما، در منطقة شیرکوه استان یزد، بررسی شد. براساس نتایج، با کاهش 1 درجة سانتیگراد در میانگین دمای فصل بهار، که با افزایش ارتفاع از سطح دریا رخ میدهد، تأخیر هفتروزهای در چرخههای سالیانه و تأخیری پنجروزه در چرخههای ششماهة سریهای زمانی NDVI ایجاد میشود. در چرخههای سالیانه، بیشترین مقدار واریانس با استفاده از گیاهان دارای دورههای رشد سالیانه و در چرخههای ششماهه، بیشترین مقدار واریانس با استفاده از گیاهان دارای دورة رشد کوتاه و فصلی کنترل میشود. براساس نتایج، الگوریتم HANTS و تحلیل سریهای فوریه میتواند، در شناخت تأثیرات عوامل اقلیمی در فرایندهای فنولوژی و زمان شروع رشد گیاهان، بسیار کارآمد باشد.
علمی - پژوهشی
سمیرا کرباسی؛ حسین ملکوتی؛ مهدی رهنما؛ دکتر مجید آزادی
چکیده
افزایش سطح غلظت گازهای گلخانهای و بهتبع آن، گرمشدن کرة زمین و تغییرات آبوهوایی یکی از مهمترین چالشهای قرن بیستویکم شناخته شده است. این پژوهش عملکرد الگوریتمهای موجود در بازیابی غلظت گازهای گلخانهای دیاکسید کربن را، براساس دادههای مشاهداتی ماهوارة نظارت بر گازهای گلخانهای گوست (GOSAT)، در مقایسه با دادههای مرجع ...
بیشتر
افزایش سطح غلظت گازهای گلخانهای و بهتبع آن، گرمشدن کرة زمین و تغییرات آبوهوایی یکی از مهمترین چالشهای قرن بیستویکم شناخته شده است. این پژوهش عملکرد الگوریتمهای موجود در بازیابی غلظت گازهای گلخانهای دیاکسید کربن را، براساس دادههای مشاهداتی ماهوارة نظارت بر گازهای گلخانهای گوست (GOSAT)، در مقایسه با دادههای مرجع بهدستآمده از شبکة سطحی (TCCON)، در هشت سایت منتخب در دورة زمانی 2015-2011 بررسی میکند. الگوریتمهای مورد ارزیابی عبارتاند از الگوریتم NIES، ACOS و RemoTeC (SRFP). این الگوریتمها بر بازیابی فراوانی ستونی از گازهای مورد نظر متمرکز شدهاند تا از مقادیر مولکولی هوای خشک اتم دیاکسید کربن (XCO2) بهره بگیرند. برای ارزیابی محصولات هر الگوریتم با مقدار معادل مشاهداتی زمینی آن، از شاخصهای آماری اریبی (Bias)، جذر میانگین مربع خطاها (RMSE)، خطای مطلق (MAE)، انحراف معیار (SD) و ضریب همبستگی پییرسون (CR) در هر ایستگاه استفاده شده است. نتایج بررسی مقادیر دادهشده نشان میدهد که، در بیشتر ایستگاههای زمینی مورد نظر، بهترتیب الگوریتمهای NIES، ACOS، RemoTeC (SRFP) دارای کمترین خطای RMSE، MAE، و کمترین خطای اریبی بودهاند. همچنین، کمترین مقادیر همبستگی (بین هر الگوریتم و شبکة سطحی) متعلق به الگوریتم (SRFP) و بیشترین مقادیر آن، درمورد بیشتر ایستگاهها، متعلق به الگوریتم NIES در یک میانگین پنجساله (2015-2011) است.
علمی - پژوهشی
مینا مرادی زاده
چکیده
یکی از مهمترین پارامترها، در تمامی تعاملات بین سطح و جو، بخار آب ستونی جو است که در بسیاری از مطالعات هواشناسی، محیطی، کاربردهای اکولوژیک و کشاورزی نقش کلیدی دارد. اندازهگیری این پارامتر در ایستگاههای هواشناسی مستلزم استفاده از رادیوسوند است که، علاوهبر نقطهای و محدودبودن مشاهدات، بسیار پرهزینه است. ازآنجاکه این پارامتر، ...
بیشتر
یکی از مهمترین پارامترها، در تمامی تعاملات بین سطح و جو، بخار آب ستونی جو است که در بسیاری از مطالعات هواشناسی، محیطی، کاربردهای اکولوژیک و کشاورزی نقش کلیدی دارد. اندازهگیری این پارامتر در ایستگاههای هواشناسی مستلزم استفاده از رادیوسوند است که، علاوهبر نقطهای و محدودبودن مشاهدات، بسیار پرهزینه است. ازآنجاکه این پارامتر، در مقایسه با سایر پارامترهای جوّی، بیشترین تأثیر را در رادیانس رسیده به سنجنده دارد، سنجش از دور راهکاری جایگزین برای برآورد این پارامتر بسیار مهم جوّی محسوب میشود. یکی از سنجندههایی که این پارامتر را اندازهگیری میکند AIRS است که توان تفکیک پایین (حدود 40 کیلومتر) آن، در بسیاری از کاربردها، مطلوب نیست. بنابراین، هدف اصلی این تحقیق ارتقای توان تفکیک مکانی بخار آب ستونی این سنجنده، با استفاده از روشی مبتنیبر نسبتگیری باندی و تلفیق آن با دادههای سنجندة MODIS است. در ادامه، با توجه به تأثیر مهم این پارامتر در برآورد دمای سطح خاک (LST)، نقش بخار آب ستونی ارتقایافتة جوّ در برآورد LST بررسی میشود. بهمنظور اعتبارسنجی و تعیین دقت برآورد پارامترها، از سری دادههای مستقل استفاده شد. نتایج نشان داد که روش پیشنهادی پتانسیل بالایی در ارتقای توان تفکیک مکانی بخار آب ستونی بهدستآمدة جو ازطریق سنجندة AIRS دارد؛ بدون اینکه کاهش چشمگیری در دقت آن مشاهده شود. همچنین، این نتیجه حاصل شد که بخار آب ستونی ارتقایافتة جو ممکن است دقت برآورد LST را افزایش چشمگیری دهد.
علمی - پژوهشی
بهزاد محمدی شیخرضی؛ محمد شریف ملا؛ موسیوند علی جعفر؛ علی شمس الدینی
چکیده
متغیرهای بیوفیزیکی و بیوشیمیایی پوشش گیاهی، بهمنزلة متغیرهای ورودی، برای مدلهای متفاوت چرخة کربن، آب، انرژی و مدلهای اقلیمی و کشاورزی دقیق نقش مهمی ایفا میکنند. یکی از مهمترین متغیرهای مربوط به تاجپوشش گیاه، که کاربردهای فراوانی در مدلسازیهای گوناگون خاک و گیاه و اتمسفر دارد، شاخص سطح برگ (LAI) است. روشهای گوناگونی ...
بیشتر
متغیرهای بیوفیزیکی و بیوشیمیایی پوشش گیاهی، بهمنزلة متغیرهای ورودی، برای مدلهای متفاوت چرخة کربن، آب، انرژی و مدلهای اقلیمی و کشاورزی دقیق نقش مهمی ایفا میکنند. یکی از مهمترین متغیرهای مربوط به تاجپوشش گیاه، که کاربردهای فراوانی در مدلسازیهای گوناگون خاک و گیاه و اتمسفر دارد، شاخص سطح برگ (LAI) است. روشهای گوناگونی برای بازیابی LAI از تصاویر ابرطیفی بهکار رفتهاند که، از میان آنها، روشهای ناپارامتریک غیرخطی یادگیری ماشین بسیار مورد توجه قرار گرفتهاند زیرا، در مواجهه با دادههای دارای ابعاد زیاد، انعطافپذیرند. بااینحال، در مطالعات پیشین، به بررسی عملکرد روشهای یادگیری ماشین در بازیابی مقادیر LAI در مقادیر حاشیهای (مقادیر خارج از دامنة نمونهگیری زمینی) و قابلیت این روشها در تهیة نقشة متغیر توجه چندانی نشده است. در این تحقیق، عملکرد چهار روش پرکاربرد یادگیری ماشین شامل رگرسیون بردار پشتیبان، فرایند گاوسی، شبکة عصبی مصنوعی و جنگل تصادفی در بازیابی LAI از تصویر ابرطیفی ماهوارة کریسـ پروبا بررسی شده است. نتایج نشان داد که، بهرغم کارآیی هر چهار روش در بازیابی مقادیر LAI برای دامنة مقادیر اندازهگیریشدة زمینی با RMSE بهتر از 0.5 و خطای نسبی کمتر از 10%، روشهای فرایند گاوسی و رگرسیون بردار پشتیبان صحت بالاتری در مقایسه با سایر روشها دارند. باوجوداین، عملکرد روش شبکة عصبی مصنوعی، در تخمین LAIهای دارای مقادیر حاشیهای، بهتر از دیگر روشهاست و نقشة تهیهشده با این روش و تابع یادگیری GDA تطابق بیشتری با نقشة NDVI و تصویر ابرطیفی منطقه دارد.
علمی - پژوهشی
قاسم جوادی؛ محمد طالعی
چکیده
شاخصهای متعددی مبتنیبر استفاده از روشهای رایج و معمول اخذ داده، ازجمله استفاده از پرسشنامه برای سنجش رضایت عمومی، مطرح شده است. وجود چالشها و مشکلات متعدد، همچون پرهزینه و زمانبربودن این روشها، بهخصوص در مناطق دارای گسترة وسیع جغرافیایی، مانند یک کشور، باعث شده است مقادیر شاخصهای مرتبط در این زمینه بهروز نباشند. رضایت ...
بیشتر
شاخصهای متعددی مبتنیبر استفاده از روشهای رایج و معمول اخذ داده، ازجمله استفاده از پرسشنامه برای سنجش رضایت عمومی، مطرح شده است. وجود چالشها و مشکلات متعدد، همچون پرهزینه و زمانبربودن این روشها، بهخصوص در مناطق دارای گسترة وسیع جغرافیایی، مانند یک کشور، باعث شده است مقادیر شاخصهای مرتبط در این زمینه بهروز نباشند. رضایت عمومی مفهومی پویا و چندبُعدی است و در طی زمان، تغییر میکند؛ بنابراین، ضروری است در دورههای زمانی مناسب ارزیابی شود. ازآنجاکه در سالهای اخیر رویکرد گستردهای بهسمت کاربرد دادههای مکانی مردمساخت شکل گرفته است، در این تحقیق بهکمک دادههای شبکة اجتماعی مکانمبنا، با طرح دیدگاهی جدید، اطلاعات و معیارهایی که میتوانند منعکسکنندة رضایت عمومی باشند استخراج شده و در نهایت، با درنظرگرفتن عدم قطعیت در مفهوم رضایت عمومی و دادههای ورودی، از یک سیستم استنتاجگر فازی برای ارزیابی و مقایسة رضایت عمومی در استانهای ایران استفاده شده است. شاخصهای استخراجشده در این تحقیق نسبت توئیتهای دارای تمایل منفی به مثبت، نسبت توئیتهای دارای احساس شادی و لذت و نسبت توئیتهای شامل احساس ناراحتی و عصبانیت و ترس به کل توئیتها را دربر میگیرند. نتایج حاصل از روش پیشنهادی منجر به دستهبندی استانهای کشور از وضعیت مطلوب تا نامطلوب شد. نتایج این تحقیق وجود پتانسیل دادههای مردمساخت را، در ارزیابی رضایت عمومی، بیشتر در نقش دادة مکمل و نه بهمنزلة جایگزین دادههای رسمی، نشان داد. روش پیشنهادی در این تحقیق گامی بهسوی ارزیابی رضایت عمومی، با استفاده از دادههای به اشتراک گذاشتهشدة مردم در شبکههای اجتماعی مکانی محسوب میشود.
علمی - پژوهشی
کریم سلیمانی؛ فاطمه روحانی قادیکلایی؛ مرتضی شعبانی؛ محسن روحانی قادیکلایی
چکیده
افزایش جمعیت و توسعه شهرنشینی و به تبع آن کاهش مناطق جنگلی سبب افزایش میزان دمای سطح زمین در مناطق شهری شده که در نتیجه جزیره حرارتی شهری ایجاد میگردد. جزایر گرمایی شهر، یکی از عواملی است که همزمان با توسعه شهر اهمیت پیدا کرده و امروزه میتوان با استفاده از تصاویر ماهوارهای به محاسبه و ارزیابی آن پرداخت. اهداف این پژوهش شامل ارزیابی ...
بیشتر
افزایش جمعیت و توسعه شهرنشینی و به تبع آن کاهش مناطق جنگلی سبب افزایش میزان دمای سطح زمین در مناطق شهری شده که در نتیجه جزیره حرارتی شهری ایجاد میگردد. جزایر گرمایی شهر، یکی از عواملی است که همزمان با توسعه شهر اهمیت پیدا کرده و امروزه میتوان با استفاده از تصاویر ماهوارهای به محاسبه و ارزیابی آن پرداخت. اهداف این پژوهش شامل ارزیابی نقطهای تغییرات دما، ارتباط کاربری اراضی، پوشش گیاهی، ترافیک و تیپهای خاک با دمای سطح زمین در شهر ساری و روند تغییرات مکانی آن در طی دو بازه 1988 و 2018 می باشد. به این منظور از تصاویر سنجنده TIRS و TM لندست 5 و 8 در بازه زمانی 30 ساله (1988_2018) جهت بررسی تغییرات جزیره حرارتی و محاسبه دمای سطح زمین، باالگوریتم تک کاناله استفاده گردید. نتایج نشان داد که در طی دوره 30 ساله با کاهش 3/235 هکتاری از فضای سبز و افزایش 34 درصدی سطح اشغال اراضی شهر ساری وسعت جزایر حرارتی به میزان 83/21 % افزایش یافت. همچنین با توجه به مقدار P-value کمتر از 05/0 نشان دادکه رابطه معنیداری بین شاخص پوشش گیاهی و سطح اشغال شهر با دمای سطح زمین وجود دارد و میتوان استدلال کرد که تغییرات کاربری اراضی، پوشش گیاهی و ترافیک که ناشی از افزایش جمعیت و تغییر کاربری اراضی است، از عوامل اصلی افزایش تغییرات مکانی در جزایر حرارتی شهر ساری میباشند.
علمی - پژوهشی
سلمان احمدی؛ رضا سودمند افشار
چکیده
دمای سطح زمین پارامتری بسیار مهم و کلیدی در بررسیهای زیستمحیطی، تغییرات آبوهوایی، رطوبت خاک، درصد تبخیر و تعرق و جزایر گرمایی شهری شمرده میشود. هدف از پژوهش حاضر محاسبة دمای سطح زمین، با استفاده از تصاویر ماهوارة لندست 8 و کالیبراسیون آن، با استفاده از مدلهای ریاضی غیرخطی است. در این پژوهش، بهمنظور محاسبة دمای ...
بیشتر
دمای سطح زمین پارامتری بسیار مهم و کلیدی در بررسیهای زیستمحیطی، تغییرات آبوهوایی، رطوبت خاک، درصد تبخیر و تعرق و جزایر گرمایی شهری شمرده میشود. هدف از پژوهش حاضر محاسبة دمای سطح زمین، با استفاده از تصاویر ماهوارة لندست 8 و کالیبراسیون آن، با استفاده از مدلهای ریاضی غیرخطی است. در این پژوهش، بهمنظور محاسبة دمای سطح زمین، از الگوریتم پنجرة مجزا استفاده شده است. در ادامه، از کالیبراسیون دمای حاصل از این الگوریتم بهکمک توابع ریاضی رشنال، دمای نزدیک سطح زمین بهدست آمده است. الگوریتم پنجرة مجزا، برای برآورد دمای سطح زمین، از رادیانس طیفی و گسیلمندی سطح زمین استفاده میکند. بهمنظور تخمین رادیانس طیفی، از باندهای حرارتی سنجندةTIRS ماهوارة لندست 8 استفاده شده است. گسیلمندی سطح زمین نیز، بهکمک شاخص کسر گیاهی و شاخص پوشش گیاهی (NDVI)، برای باندهای حرارتی سنجندة TIRS محاسبه شده است. همچنین، در این پژوهش، با کمک سری زمانی دمای هوای ایستگاههای هواشناسی، دمای حاصل از مدل پنجرة مجزا با استفاده از توابع رشنال کالیبره شد تا دمای هوای نزدیک سطح زمین با دقت بالایی برآورد شود. نتایج مدل پیشنهادی نشان میدهد که کالیبراسیون دمای منتج از مدل پنجرة مجزا، با استفاده از توابع رشنال، باعث کاهش میزان خطای RMSE در دو مرحلة کالیبراسیون از 13.464 درجة سانتیگراد، بهترتیب، به 13.169 درجة سانتیگراد و در نهایت، به 0.668 درجة سانتیگراد شده است. با توجه به نتایج و بررسیها، میتوان گفت که درجه و تعداد ترمهای موجود در معادلات رشنال در نتایج کالیبراسیون تأثیر بسیاری دارند و انتخاب بهترین مدل میتواند دقت این توابع را افزایش دهد.