باقر قرمزچشمه

در پژوهش حاضر اثر تغییرات اقلیم بر روی بارش های این منطقه با بکارگیری مدل مناسب مورد ارزیابی قرار گرفته و مقادیر بارش های دوره ی مشاهده ای (2001-1961) بررسی و تحلیل شد. جهت تحقق اهداف پژوهش از خروجی مدل HadCM3 استفاده گردید. ابتدا 7 ایستگاه سینوپتیک انتخاب و داده های آن ها از لحاظ صحت و دقت و کفایت طول دوره ی آماری مورد بررسی قرار گرفت، داده های پرت حذف و داده های مفقود بازسازی شد. داده های AOGCM با استفاده از مدل SDSM ریزمقیاس گردید و مقادیر بارش برای دوره ی مشاهده ای شبیه سازی شد و پس از تایید تطابق مقادیر داده های شبیه سازی شده با داده های مشاهده ای، مقادیر دوره ی آتی(2039-2011) برآورد گردید. مقادیر خطای برآورد مدل SDSM توسط معیارهایMBE و MAE، بصورت ماهانه محاسبه و سپس مقایسه شد. خروجی مدل SDSM جهت بررسی شاخص مجموع بارش سالانه در روزهای با بارش بیشتر از یک میلی متر در دوره ی مشاهده ای و دوره ی آتی(2039-2011) توسط مدل R-Climdex مورد استفاده قرار گرفت و مقادیر شاخص PRCPTOTدر دوره ی آتی پهنه بندی شد. نتایج نشان داد که با توجه به نتایج معیارهای MBE و MAE، خطای مدل در ماه های پربارش بیشتر از ماه های کم بارش است. در مقیاس ماهانه، حداکثر خطا در ماه های سپتامبر، اکتبر، نوامبر و دسامبر بدست آمد. بدین ترتیب حداکثر خطا در فصل پاییز و حداقل خطا در فصل بهار و در ماه های آوریل و می محاسبه شد. با توجه به نتایج به دست آمده، مجموع بارش سالانه در دوره ی 2039-2011 در ایستگاه های انزلی، بابلسر، گرگان، و نوشهر کاهش و در ایستگاه های آستار، رامسر و رشت افزایش خواهد یافت. nk href="moz-extension://8b922523-7922-435a-ac74-8ddb59e9beaf/skin/s3gt_tooltip_mini.css" rel="stylesheet" type="text/css" >

نقشه های پوشش/کاربری اراضی، برای پایش تغییرات عوارض و برنامه ریزی صحیح، هرساله مورد نیاز مدیران حوزه کشاورزی، منابع طبیعی و زیست محیطی است. روش برداشت میدانی با جی پی اس (GPS) و نقشه برداری زمینی مستلزم صرف زمان و هزینه های بسیار است. بنابراین، اغلب از تصاویر ماهواره ای، که دارای پوشش سراسری و توالی برداشت، هزینه کم و اطلاعات به هنگام اند، استفاده می شود تا نقشه های پوشش/کاربری زمین به دست آید. تهیه نقشه دقیق با روش مناسب روز موضوعی کلیدی است. طی سال های اخیر، استفاده از تصاویر ماهواره ای جدید و روش های نوین طبقه بندی، به ویژه یادگیری ماشین، رشد فزاینده ای داشته و کارآیی آنها در تهیه نقشه های پوشش/کاربری اراضی بسیار موفقیت آمیز بوده است. یکی دیگر از مزایای تصاویر ماهواره ای برداشت های متوالی است و براساس آن، می توان از تغییرات پوشش گیاهی در طول زمان، برای تفکیک نوع پوشش، استفاده کرد. ماهواره سنتینل-2، با امتیاز پیکسل 10متری، یکی از ابزارهای مناسب برای تفکیک نوع پوشش محسوب می شود. در این تحقیق، برای تفکیک انواع کاربری اراضی و محصولات زراعی دشت سنجابی روانسر، از تصاویر چندزمانه سنتینل-2 و روش های طبقه بندی ماشین بردار پشتیبان و جنگل تصادفی استفاده و دقت آنها با یکدیگر مقایسه شد. بدین منظور، پس از نمونه برداری، تحلیل مؤلفه های اصلی برای چهار تاریخ دوره رشد محصولات اجرا شد و باندهای PC 1 ، PC 2 و PC 3 تصاویر با هم ترکیب شدند. دو روش روی ترکیب باند های PC 1 ، PC 2 و PC 3 تصاویر و نمونه های تعلیمی اعمال شدند. ارزیابی دقت ها نشان داد ماشین بردار پشتیبان، با صحت کلی 91.36% و ضریب کاپای 0.8927، نقشه کاربری اراضی و محصولات دقیق تری، در قیاس با روش جنگل تصادفی، تولید می کند.