استخراج، پردازش، تولید و نمایش داده های جغرافیایی
مریم کوهانی؛ عباس کیانی؛ یاسر ابراهیمیان قاجاری
چکیده
پوششگیاهی نقش مؤثری بر روی محیطزیست داشته و با بررسی روند تغییرات آن میتوان گام مهمی در جهت برنامهریزی صحیح و مدیریت اصولی برداشت. در این راستا، تصاویر سری زمانی میتواند ابزار بسیار مفیدی در زمینهی مطالعات محیطی مرتبط با تغییرات پوششگیاهی و کشف ناهنجاری باشد. در پژوهش حاضر تغییرات زمانی بلندمدت پوششگیاهی شهرستان چالوس ...
بیشتر
پوششگیاهی نقش مؤثری بر روی محیطزیست داشته و با بررسی روند تغییرات آن میتوان گام مهمی در جهت برنامهریزی صحیح و مدیریت اصولی برداشت. در این راستا، تصاویر سری زمانی میتواند ابزار بسیار مفیدی در زمینهی مطالعات محیطی مرتبط با تغییرات پوششگیاهی و کشف ناهنجاری باشد. در پژوهش حاضر تغییرات زمانی بلندمدت پوششگیاهی شهرستان چالوس با استفاده از دادههای ماهوارهای لندست 7،5 و 8 در طی سالهای 1986 تا 2021 بررسی و ارزیابی شد. در راستای تحقق این هدف، 36 تصویر سری زمانی شاخص EVI بهکار گرفته شد. با توجه به وسعت منطقه و غیریکنواخت بودن تغییرات، با انتخاب چند موقعیت مکانی از منطقه موردمطالعه بهعنوان نقاط مهم بررسیها صورت گرفت. نقشه تغییرات و روند تغییرات بهدستآمده از این تحقیق حاکی از کاهش و رشد پوششگیاهی، بسته به شرایط زمانی و مکانی بوده است. در برخی از مناطق ساحلی پوششگیاهی بهمرور زمان روند کاهشی داشته که تبدیل به شهرک و مناطق تجاری شده است و در برخی دیگر از نقاط شمالی، مناطقی که از پوششگیاهی ضعیفی برخوردار بودند در طی این سالها تبدیل به مزارع و زمینهای کشاورزی شدهاند. پوششگیاهی در برخی مناطق کوهستانی بهعلت فاصله از مناطق مرطوب و با کاهش بارندگی روند کاهشی داشته است. درعین حال براساس تحلیل سری زمانی در این بازه زمانی 36 ساله روند کاهش پوششگیاهی برای دو سال نسبت به سایر سالها از شدت بیشتری برخوردار بوده، بهگونهای که نمودارهای آنومالی آن دارای افت زیاد و کاهش چشمگیر پوششگیاهی نسبت به وضعیت نرمال هستند. نتایج تحقیق نشان داد که معیار آنومالی بهخوبی قادر است تغییرات سالانه بین پوششگیاهی و همچنین خشکسالیهای احتمالی رخداده را به نمایش بگذارد. همچنین برای بهرهگیری بهتر از این معیار، بهکارگیری معیار آنومالی نسبت به میانگین کلی با تمایز بالایی موفق به کشف ناهنجاری پوششگیاهی در این منطقه شد و درک بهتری از سیر روند تغییرات ارائه داد.
یوسف علی پور؛ ناصر بیات؛ علی اصانلو
چکیده
دما از عناصر اساسی شکلگیری اقلیم است و تغییرات آن میتواند ساختار آب و هوایی هر منطقهای را دگرگون سازد و موجب تغییر در وقوع پدیدههای حدی نظیر خشکسالی، بارشهای سنگین و توفان شود. لذا بررسی روند دما در مقیاسهای مختلف زمانی و مکانی بخش بزرگی از تحقیقات اقلیمشناسی را به خود اختصاص داده است. این تحقیق بهمنظور آشکارسازی تغییرات ...
بیشتر
دما از عناصر اساسی شکلگیری اقلیم است و تغییرات آن میتواند ساختار آب و هوایی هر منطقهای را دگرگون سازد و موجب تغییر در وقوع پدیدههای حدی نظیر خشکسالی، بارشهای سنگین و توفان شود. لذا بررسی روند دما در مقیاسهای مختلف زمانی و مکانی بخش بزرگی از تحقیقات اقلیمشناسی را به خود اختصاص داده است. این تحقیق بهمنظور آشکارسازی تغییرات دمای تراز 1000 هکتوپاسکال در فصول مختلف از سال 1950 تا 2020 میلادی در ایران صورت گرفته است. تحلیلها بر روی متغیر میانگین ماهانه دما در طول دوره 70 ساله با استفاده از پایگاه داده NCEP/NCAR انجام گرفته است. نمودارهای سری زمانی متغیر مورد مطالعه با استفاده از آزمون من کندال در مقیاس سالانه ترسیم شدند. برای آشکارسازی و تحلیل روند دمای ایران در تراز 1000 هکتوپاسکال نقشههای میانگین 10 ساله و نمودارهای سری زمانی سالانه ترسیم شد، نتایج نشان داد میانگین سالانه دما در پهنه کشور ایران با آهنگ 1.34 درجه سانتیگراد (بالاتر از میانگین جهانی با مقدار0.74 درجه سانتیگراد ) در هر سده دارای روند افزایشی است. مقادیر متغیر میانگین سالانه دما در فصلهای تابستان، پاییز و بهار دارای روند معنیدار بوده و میانگین دما در تراز 1000 هکتوپاسکال دارای روند صعودی است. بالاترین افزایش میانگین دمای تراز 1000 هکتوپاسکال متعلق به فصل تابستان بوده و با مقدار 0.2 درجه سانتیگراد به ازای هر 10 سال افزایش یافته است. نقشههای ده ساله میانگین دما در فصول مختلف نشان دادند نیمه جنوبی ایران در طول دوره مطالعاتی دارای روند افزایشی دما بوده است.
منیره شمشیری؛ مهدی آخوندزاده هنزائی
چکیده
بحث پیشبینی زمینلرزه بهمنظور کاهش تلفات و آسیبهای آن از اهمیت بالایی برخوردار است؛ به ویژه در منطقه لرزهخیزی مانند ایران که سالانه شاهد وقوع این پدیده طبیعی میباشد. تشخیص ناهنجاریهای قبل از زلزله نقش بسزایی در این امر داراست. تغییرات یونسفری که با اندازهگیریهای از راه دور(مانند استفاده از سیستم ...
بیشتر
بحث پیشبینی زمینلرزه بهمنظور کاهش تلفات و آسیبهای آن از اهمیت بالایی برخوردار است؛ به ویژه در منطقه لرزهخیزی مانند ایران که سالانه شاهد وقوع این پدیده طبیعی میباشد. تشخیص ناهنجاریهای قبل از زلزله نقش بسزایی در این امر داراست. تغییرات یونسفری که با اندازهگیریهای از راه دور(مانند استفاده از سیستم تعیین موقعیت جهانی) قابل شناسایی هستند به پیشنشانگرهای یونسفری زلزله معروف میباشند. در این مطالعه دو مجموعه داده از محتوای الکترونهای یونسفر که حاصل از پردازش دادههای GPS با نرم افزار Bernese است برای دو مورد مطالعاتی زلزله اهر آذربایجان شرقی (۲۱ مرداد ۱۳۹۱) و زلزله کاکی بوشهر (20فروردین1392) مورد استفاده قرار گرفته و نتایج آن با دادههای ایستگاه جهانی مقایسه گردیده است. از آنجا که تغییرات TEC[1] رفتاری غیرخطی دارد بدین منظور برای پیشبینی و تشخیص تغییرات آن از تلفیق شبکه عصبی ( با به کارگیری پرسپترون چندلایه ([2]MLP)) و الگوریتم PSO[3] استفاده گردیده است. الگوریتم PSO با عملکردی مبتنی بر جمعیت میتواند در بهبود وزن برآورد شده توسط شبکه عصبی مؤثر واقع شود. با تجزیه و تحلیل علل ناهنجاریهای یونسفر از جمله میدانهای ژئومغناطیسی و فعالیتهای خورشیدی و حذف آنها از پردازشهای مورد نظر، نتایج حاصل نشان میدهد که برخی از این ناهنجاریها ناشی از وقوع زلزله است و به کارگیری الگوریتمهای هوشمند توانسته است کارآیی مناسبی در جهت پیشبینی سریهای زمانی غیر خطی داشته باشد. خروجی حاصل از تلفیق شبک عصبی و PSO نشان میدهد که هر دو ناهنجاریهای مثبت و منفی رخ میدهند. ناهنجاریهای قبل از زلزله غالباً نزدیک به کانون زلزله رخ میدهند و در 3 روز قبل از زلزله اهر آذربایجان شرقی و 2 تا 6 روز قبل از زلزله کاکی بوشهر قابل رؤیت میباشند. [1]- Total Electron Content [2]-Multi Layer Perceptron [3]- Particle Swarm Optimization Particle Swarm Optimization