سعید خسروبیگی بزچلویی؛ آرش ملکیان؛ علیرضا مقدم نیا؛ شهرام خلیقی سیگارودی
چکیده
سیل یکی از مخرب ترین بلایای طبیعی است که هر ساله باعث تلفات مالی و جانی می شود. تخمین دبی سیلاب یکی از مهم‌ترین عوامل لازم جهت طراحی و اجرای سازه‌های آبی است. در چنین مواردی یکی از راه حل‌های مناسب برای برآورد دبی‌های حداکثر لحظه‌ای با دوره بازگشت های مختلف آنالیز منطقه‌ای سیلاب می‌باشد. به منظور انجام پژوهش حاضر، تعداد 55 ایستگاه ...
بیشتر
سیل یکی از مخرب ترین بلایای طبیعی است که هر ساله باعث تلفات مالی و جانی می شود. تخمین دبی سیلاب یکی از مهم‌ترین عوامل لازم جهت طراحی و اجرای سازه‌های آبی است. در چنین مواردی یکی از راه حل‌های مناسب برای برآورد دبی‌های حداکثر لحظه‌ای با دوره بازگشت های مختلف آنالیز منطقه‌ای سیلاب می‌باشد. به منظور انجام پژوهش حاضر، تعداد 55 ایستگاه آب‌سنجی با دوره مشترک آماری 20 ساله پس از رفع نواقص آماری برای انجام کار در نظر گرفته شدند. سپس بر اساس توزیع لوگ پیرسون نوع سوم با کمترین میزان خطا و بیشترین تعداد رتبه اول به عنوان مناسب ترین تابع برازش، مقدار دبی در دوره بازگشت‌های مختلف برآورد گردید. در ادامه اطلاعات مربوط به انواع متغیرهای فیزیوگرافی، کاربری اراضی، اقلیمی و زمین‌شناسی جمع‌آوری شد. پس از جمع‌آوری اطلاعات مربوط به کلیه متغیرهای مستقل با استفاده از آزمون گاما مهم‌ترین متغیرهای موثر بر دبی‌های حداکثر لحظه‌ای شامل مساحت، تراکم زهکشی، حداکثر بارندگی 24 ساعته و محیط حوزه آبخیز انتخاب و مدل‌سازی با استفاده از روش‌های مدل‌سازی جنگل تصادفی و ماشین بردار پشتیبان در نرم‌افزار R انجام پذیرفت و میزان کارایی این دو روش بر اساس نمایه‌های آماری ضریب تبیین (R2)، ریشه میانگین مربعات خطا (RMSE) و ضریب کارایی ناش و ساتکلیف (CE) مشخص شد. با ضریب کارایی 74 تا 83 درصد، خطای 05/3 تا 11/32 متر مکعب و ضریب تبیین 76 تا 91 نسبت به نسبت به مدل جنگل تصادفی از دقت بالاتری برخوردار می‌باشند.
حانیه رضایی؛ شراره پورابراهیم؛ محمد کریم الدینی
چکیده
آشکار سازی و پیش بینی تغییرات پوشش/کاربری سرزمین علاوه بر درک عملکرد و سلامت اکوسیستم ها، امکان مدیریت و برنامه ریزی سرزمین را خصوصا در مناطق با تغییرات سریع و اغلب ناهمسو با طرح‌های آمایش سرزمین فراهم می سازد. مطالعه حاضر سعی دارد علاوه بر معرفی قابلیت‌های گوگل ارث انجین با استفاده از مدل ترکیبی سلول خودکار و زنجیره مارکوف به پایش ...
بیشتر
آشکار سازی و پیش بینی تغییرات پوشش/کاربری سرزمین علاوه بر درک عملکرد و سلامت اکوسیستم ها، امکان مدیریت و برنامه ریزی سرزمین را خصوصا در مناطق با تغییرات سریع و اغلب ناهمسو با طرح‌های آمایش سرزمین فراهم می سازد. مطالعه حاضر سعی دارد علاوه بر معرفی قابلیت‌های گوگل ارث انجین با استفاده از مدل ترکیبی سلول خودکار و زنجیره مارکوف به پایش الگوی تغییرات سرزمین و پیش بینی الگوی تغییرات آتی بپردازد. جهت انجام تحقیق ابتدا سه تصویر لندست (2006، 2014 و 2021) با استفاده از روش طبقه‌بندی‌کننده ماشین بردار پشتیبان طبقه‌بندی شدند و با استفاده از نقشه های طبقه بندی شده (2014-2006) و (2021-2014)، و مدل ترکیبی سلول حودکار و زنجیره مارکوف برای سال های 2021 و 2035 شبیه سازی انجام شد. جهت ارزیابی دقت نقشه پیش بینی شده 2021 از نقشه طبقه بندی شده همان سال استفاده شد. دقت توافق بین نقشه‌های طبقه بندی شده و مدل‌سازی شده به ترتیب812/0 Kno=، 816/0Klocation=، 786/0 Kstandard= بود. ارزیابی روند تغییرات نشان می‌دهد که بین سال‌های 2006 تا 2035، مساحت طبقه انسان ساخت از 01/4839 هکتار به 76/7199 هکتار خواهد رسید و 75/2360 هکتار افزایش را شاهد خواهیم بود. این نتایج بیانگر لزوم توجه به برنامه های آمایشی در فرایند برنامه ریزی سرزمین است. استفاده از مدل های شبیه سازی می تواند خطرهای تصمیم گیری بلندمدت را در مدیریت سرزمین کاهش دهد. همچنین استفاده از گوگل ارث انجین موجب کاهش هزینه و زمان طبقه بندی و پردازش تصاویر ماهواره ای خواهد شد.
محمدعلی صارمی نایینی
چکیده
رشد فزآیندۀ جمعیت و نیاز به تأمین ضروریات زندگی، سبب گردیده تا بشر به صورت گسترده به تغییر بی‌رویۀ کاربری و پوشش اراضی، مبادرت ورزد. در بسیاری از موارد، این تغییرات با برهم‌زدن تعادل در طبیعت و فراهم نمودن زمینۀ فرسایش و تخریب خاک همراه بوده است. پژوهش حاضر با هدف بررسی تأثیر تغییر کاربری و پوشش اراضی بر افزایش شدت فرسایش بادی انجام ...
بیشتر
رشد فزآیندۀ جمعیت و نیاز به تأمین ضروریات زندگی، سبب گردیده تا بشر به صورت گسترده به تغییر بی‌رویۀ کاربری و پوشش اراضی، مبادرت ورزد. در بسیاری از موارد، این تغییرات با برهم‌زدن تعادل در طبیعت و فراهم نمودن زمینۀ فرسایش و تخریب خاک همراه بوده است. پژوهش حاضر با هدف بررسی تأثیر تغییر کاربری و پوشش اراضی بر افزایش شدت فرسایش بادی انجام شد. بدین منظور، از تصاویر ماهواره‌ای لندست و طبقه‌بندی نظارت‌شده با الگوریتم ماشین بردار پشتیبان برای تهیۀ نقشۀ کاربری اراضی بهره گرفته شد. همچنین، دمای سطح زمین به‌عنوان یکی از عوامل مؤثر در شکل‌گیری باد با الگوریتم‌های تک کانالی و پنجرۀ مجزا در کاربریهای مختلف برآورد گردید. به منظور ایجاد ارتباط بین تغییر کاربری و شدت فرسایش بادی، پارامترهای اقلیمی مؤثر شامل دما، رطوبت نسبی و بیشینۀ سرعت باد بررسی شدند. در مراتع فقیر و اراضی بدون پوشش، بیشترین دما و در ارتفاعات و اراضی دارای پوشش‌گیاهی کمترین میزان دمای سطحی مشاهده شد. روند تغییرات اقلیمی در یک دورۀ 30 ساله، افزایش میانگین، بیشینه و کمینۀ مطلق دما و کاهش رطوبت نسبی را نشان داد. در طی یک دهۀ گذشته، بیشینۀ سرعت باد افزایش قابل ملاحظه‌ای را نشان داد بهطوریکه از مقدار هشت متر بر ثانیه در سال 1990، به بیش از 20 متر بر ثانیه در ده سال اخیر رسیده است. این موضوع نشان می‌دهد که تغییر کاربری اراضی و از بین بردن پوشش گیاهی و همچنین افزایش بی‌رویۀ ساخت و سازهای انسانی و ایجاد جزایر حرارتی در 30 سال گذشته، تأثیر قابل توجهی در پیدایش نوسانات اقلیمی و افزایش سرعت باد داشته است.
الهام کاکائی لفدانی؛ علیرضا مقدم نیا؛ آزاده احمدی؛ حیدر ابراهیمی
چکیده
هدف از این مطالعه بررسی تأثیر پیش پردازش متغیرهای ورودی به روش آزمون گاما بر عملکرد مدل ماشین بردار پشتیبان جهت پیش‌بینی حجم رسوبات معلق رودخانه دویرج، واقع در استان ایلام، برای دورة ۱۹۹۴ـ ۲۰۰۵ است. دبی جریان و بارندگی ورودی مدل و دبی رسوب معلقْ خروجی مدل درنظر گرفته شد. همچنین، طول دورة آموزش مدل با استفاده از آزمون گاما (Gamma ...
بیشتر
هدف از این مطالعه بررسی تأثیر پیش پردازش متغیرهای ورودی به روش آزمون گاما بر عملکرد مدل ماشین بردار پشتیبان جهت پیش‌بینی حجم رسوبات معلق رودخانه دویرج، واقع در استان ایلام، برای دورة ۱۹۹۴ـ ۲۰۰۵ است. دبی جریان و بارندگی ورودی مدل و دبی رسوب معلقْ خروجی مدل درنظر گرفته شد. همچنین، طول دورة آموزش مدل با استفاده از آزمون گاما (Gamma Test (GT)) مشخص شد. سپس، به منظور بررسی تأثیر پیش پردازش متغیرهای ورودی بر عملکرد مدل، رسوب معلق با استفاده از مدل SVM، که هیچگونه پیشپردازشی بر روی متغیرهای ورودی آن صورت نگرفته بود، پیش‌بینی شد و نتایج با یکدیگر مقایسه گردید. نتایج نشان داد عملکرد مدل GT-SVM در مرحله آزمون با حداقل RMSE برابر با 96/0 تن در روز و حداکثر ضریب R2 برابر با 98/0 بین مقادیر پیشبینیشده و واقعی بهتر از عملکرد مدل SVMاست.
