مهدی آخوندزاده هنزایی

خشکسالی پدیده ای طبیعی، تکراری و موقتی است که به سبب بارش اندک رخ می دهد و تقریباً تمامی مناطق اقلیمی جهان را تحت تأثیر خود قرار می دهد، بویژه مناطق نیمه خشک که بدلیل میزان پائین بارش سالانه و حساسیت به تغییرات اقلیمی مستعد وضعیت خشکسالی می باشند. خشکسالی می تواند بر سلامت انسان ها و همچنین وضعیت اقتصادی و سیاسی جامعه تأثیرگذار باشد. اطلاعات در مورد شدت، طول مدت و پوشش مکانی خشکسالی می تواند به کارشناسان درخصوص کاهش آسیب پذیری مناطقی که تحت تأثیر خشکسالی هستند، کمک کند. یکی از چالش های اصلی در مدل سازی خشکسالی در ایران که در بخش خشک کره زمین واقع شده است، عدم وجود داده های هواشناسی بلند مدت برای اکثر مناطق کشور می باشد. داده های سنجش از دوری می توانند اطلاعاتی را در خصوص وضعیت پوشش گیاهی در اختیار قرار دهند. در این مقاله مدل های آماری خطی اتورگرسیو- میانگین متحرک تجمعی ( ARIMA ) و مدل شبکه عصبی برای مدل سازی خشکسالی براساس داده های سنجش از دوری مورد استفاده قرار گرفته است . به همین منظور، شاخص بارش استانداردسازی شده ( SPI ) با استفاده از داده های هواشناسی به عنوان میزان شدت خشکسالی مورد استفاده قرار گرفت . تعدادی از ویژگی ها شامل شاخص اختلاف نرمال شده پوشش گیاهی ( NDVI ) ، شاخص وضعیت پوشش گیاهی ( VCI ) و شاخص پوشش گیاهی - دمایی ( TVX ) که از تصاویر MODIS استخراج شده است، بکار برده شدند. با استفاده از مدل ها، شاخص های بدست آمده مدل سازی شدند و خطاهای RMSE و MAE برای آنها محاسبه گردید. سپس همبستگی میان شاخص های سنجش از دوری NDVI ، TVX و VCI و شاخص هواشناسی SPI بررسی شده و به ترتیب مقادیر 0546/0، 1475/0 و 0519/0 بدست آمد. در این میان، شاخص های TVX و NDVI دارای بیشترین همبستگی با داده های SPI بودند. بنابراین از شاخص های TVX ، NDVI به همراه شاخص SPI می توان در پیش بینی وضعیت خشکسالی در منطقه مورد پژوهش استفاده نمود .

دمای سطح زمین و گسیلندگی دو ویژگی فیزیکی مهم از سطح زمین هستند. محاسبه دمای سطح زمین اهمیت زیادی در مطالعات محیطی، هواشناسی، بررسی تبخیر و تعرق و فعل و انفعالات بین زمین و جو دارد .در سالیان اخیر تصاویر ابرطیفی حرارتی به دلیل دارا بودن تعداد زیاد باندهای حرارتی در مقایسه با تصاویر فراطیفی، به یک ابزار قدرتمند برای تخمین دمای سطح زمین تبدیل شده اند. هدف اصلی در این تحقیق تهیه نقشه های حرارتی و گسیلندگی بااستفاده از دو روش مجزای TES و ARTEMISS از تصاویر سنجنده ابر طیفی حرارتی هوایی HyTES وهمچنین تخمین پارامترهای جوی در این تصاویر می باشد. نوآوری اصلی این تحقیق پیاده سازی روش های TES و ARTEMISS برای اولین بار روی داده ابرطیفی های تس است و همچنین در این تحقیق، پارامترهای جوی مورداستفاده در ARTEMISS از روش آیزاک بدست آمده است. اینتحقیقشاملسهمرحله اصلیاست. درمرحله اول بعد از حذف باندهای نویزی تصویر و انتخاب 202 باند بهینه،الگوریتم SET که شامل مدل های MMD, NEM و RATIO می باشد، بر روی تصویر اعمال شدند. در مرحله دوم با استفاده از تصحیح جوی آیزاک، پارامترهای جوی از قبیل گذردهی جوی و رادیانس مسیر محاسبه شدند. در مرحله آخر الگوریتم ARTEMISS به منظور تخمین دما و گسیلندگی، بر روی این نوع تصویر اعمال شد. در پایان جهت ارزیابی روش های پیشنهادی از محصولات دما و گسیلندگی سنجنده HyTES که توسط ناسا عرضه می گردد، استفاده شد. نتایج ارزیابی نشان می دهد که RMSE دما برای روش های TES و ARTEMISS به ترتیب برابر با 6/0 و 2/1 درجه کلوین و برای گسیلندگی نیز در باند نمونه 177 به ترتیب در دو روش 01/0 و 02/0 می باشد. نتایج حاصل نشان می دهند که الگوریتم های TES و ARTEMISS ،روش های کارآمدی در تخمین دما و گسیلندگی می باشند.

هواویزها [1]ذرات کوچک معلق در هوا در حالت جامد یا مایع هستند که ریشه پیدایش آنها در اثر عوامل طبیعی یا انسانی می باشند. امروزه تخمین عمق نوری [2]هواویز ها به کمک داده های ماهواره ای قابل حصول است اما بدست آوردن آن به دلیل بازتابش های اتمسفری کار راحتی به شمار نمی رود. زیرا نور خورشید توسط سیستم اتمسفر بازتاب می شود و تمام آن به سطح زمین برخورد نمی کند. از جمله روش های موجود برای بدست آوردن پارامتر هواویز، روش های DDV(Dark Dense Vegetation )، Deep Blue Algorithm  و روش SYNegry of Terra and Aqua Modis) SYNTAM ) می باشند.  روش SYNTAM با ادغام داده های سنجنده MODIS دو سکوی   AQUA و TERRA  توانسته است محدودیت های موجود در بدست آوردن ضخامت نوری هواویز را از بین ببرد و نتایج درستی را در اختیار قرار می دهد. در این مقاله با استفاده از روش SYNTAM   نقشه ضخامت نوری هواویزها، برای منطقه ای از ایران تهیه شده است. مقایسه نتایج بدست آمده از این تحقیق با محصول AOT ناسا برای زمان و موقعیت یکسان رضایت بخش می باشد. مقدارRMSE حاصل از مقایسه داده های NASA و روش SYNTAM به کمک الگوریتم تکرار نیوتن   برای طول موج mm 0.55   برابر 253/0 می باشد. بنابراین روش SYNTAM به عنوان روشی قوی برای بدست آوردن نقشه ضخامت نوری هواویز در مناطقی که فاقد ایستگاه های زمینی AERONET  هستند معرفی می گردد. در قسمت بعد روش SYNTAM با سرشکنی مدل پارامتریک غیر خطی تلفیق می شود که نتایج حاصل از آن دارای دقت بیشتری نسبت به روش پیاده سازی روش SYNTAM به تنهایی است. مقدار RMSE حاصل از مقایسه داده های NASA و روش SYNTAM به کمک سرشکنی مدل پارامتریک غیر خطی، برای طول موج mm 0.55 برابر 207/0 می باشد. [1]- Aerosols [2]- Optical Thickness

شوری آب، یکی از عوامل مهم محیطی دریا محسوب می شود و نقش بسزایی در بررسی و پیش بینی جریان های سطحی اقیانوسی، تحلیل مکانیابی تجمیع ماهی ها، تعیین چگالی و بررسی تغییرات آن دارد. این پارامتر به شدت با تغییرزمان و مکان، در تغییر بوده و شناخت مناسب از آن مستلزم اندازه گیری هایی به فواصل زمانی کوتاه (ماهانه) در تعداد نقاط متعدد از منطقه ی مورد مطالعه است. در روش های سنتی، بررسی و ارزیابی یک یاچندفاکتور خاص موردنظر از کیفیت آب اغلب پرهزینه و زمانبراست و همچنین نمی تواند معرف خوبی برای تمام مساحت یک منطقه وسیع باشد. اما در سال های اخیر فناوری ماهواره ای و علم سنجش از دور به عنوان یک ابزار مناسب برای ارزیابی برخی پارامترهای کیفیت آب مطرح شده است زیرا با توجه به رقومی بودن این داده ها، در دسترس بودن وسیع آنها،اندازه گیری منظم، تکراری بودن آنها در پریودهای زمانی کوتاه، هزینه و زمان کمتر می توان طیف وسیعی از پروژه ها را به نتیجه رساند. هدف از انجام این مطالعه، تهیه نقشه شوری سطحی آب منطقه خلیج فارس در ایران و خلیج سنت لورنس در کانادا با استفاده از تصاویر ماهواره ایMODIS می باشد، که در این راستا نرم افزاری برای نخستین بار در ایران تولید شده است که می توان با پردازش های لازم بر روی تصاویر ماهواره ایMODIS وداده های میدانیCTD، نقشه دما، شوری و چگالی سطحی آب را با سه مدل متفاوت با دقت مناسب تهیه نمود.قابلیت و انعطاف بالای شبکه عصبی مصنوعی در تقریب توابع غیرخطی و خطی پیوسته در فضای ترکیبی باعث شد که در این مطالعه، یک روش جدید بر مبنای استفاده از این شبکه ارائه شود که در آن نقشه شوری توسط یک شبکه پرسپترون چندلایه تعیین می شود.

بحث پیش بینی زمین لرزه به منظور کاهش تلفات و آسیب های آن از اهمیت بالایی برخورد ار است؛ به ویژه د ر منطقه لرزه خیزی مانند ایران که سالانه شاهد وقوع این پد ید ه طبیعی می باشد . تشخیص ناهنجاری های قبل از زلزله نقش بسزایی د ر این امر د اراست. تغییرات یونسفری که با اند ازه گیری های از راه د ور(مانند استفاد ه از سیستم تعیین موقعیت جهانی) قابل شناسایی هستند به پیش نشانگرهای یونسفری زلزله معروف می باشند . د ر این مطالعه د و مجموعه د اد ه از محتوای الکترون های یونسفر که حاصل از پرد ازش د اد ه های GPS با نرم افزار Bernese است برای د و مورد مطالعاتی زلزله اهر آذربایجان شرقی (۲۱ مرد اد ۱۳۹۱) و زلزله کاکی بوشهر (20فرورد ین1392) مورد استفاد ه قرار گرفته و نتایج آن با د اد ه های ایستگاه جهانی مقایسه گرد ید ه است. از آنجا که تغییرات TEC[1] رفتاری غیرخطی د ارد بد ین منظور برای پیش بینی و تشخیص تغییرات آن از تلفیق شبکه عصبی ( با به کارگیری پرسپترون چند لایه ([2]MLP)) و الگوریتم PSO[3] استفاد ه گرد ید ه است. الگوریتم PSO با عملکرد ی مبتنی بر جمعیت می تواند د ر بهبود وزن برآورد شد ه توسط شبکه عصبی مؤثر واقع شود . با تجزیه و تحلیل علل ناهنجاری های یونسفر از جمله مید ان های ژئومغناطیسی و فعالیت های خورشید ی و حذف آن ها از پرد ازش های مورد نظر، نتایج حاصل نشان می د هد که برخی از این ناهنجاری ها ناشی از وقوع زلزله است و به کارگیری الگوریتم های هوشمند توانسته است کارآیی مناسبی د ر جهت پیش بینی سری های زمانی غیر خطی د اشته باشد . خروجی حاصل از تلفیق شبک عصبی و PSO نشان می د هد که هر د و ناهنجاری های مثبت و منفی رخ می د هند. ناهنجاری های قبل از زلزله غالباً نزد یک به کانون زلزله رخ می د هند و د ر 3 روز قبل از زلزله اهر آذربایجان شرقی و 2 تا 6 روز قبل از زلزله کاکی بوشهر قابل رؤیت می باشند .