فرهاد کاووسی

فرهاد کاووسی

مدرک تحصیلی: دانشجوی کارشناسی ارشد سنجش از دور و GIS، دانشکده علوم زمین ،دانشگاه شهید چمران اهواز، اهواز، ایران

مطالب

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۲ مورد از کل ۲ مورد.
۱.

تحلیل درجه خطرپذیری مناطق شهری به منظور مدیریت بحران پس از زلزله با استفاده از روش FAHP در GIS مطالعه موردی: منطقه یک اهواز(مقاله علمی وزارت علوم)

کلید واژه ها: مدیریت بحران مخاطرات طبیعی منطقه 1 اهواز روش FAHP سیستم اطلاعات جغرافیایی

حوزه های تخصصی:
تعداد بازدید : ۴۰۳ تعداد دانلود : ۴۸۷
ازآنجایی که احتمال وقوع سوانح طبیعی در همه زمان و همه مکان وجود دارد، ایجاد و انجام تمهیدات لازم جهت برخورد و مقابله هرچه مناسب تر با این مخاطرات ضروری به نظر می رسد. منطقه یک اهواز از هسته های اولیه و اصلی شهر به شمار می رود و دارای بافت نسبتأ گسترده فرسوده و قدیمی و همچنین ترافیک سنگین است. از طرفی قسمتی از خط گسل اهواز در این محدوده وجود داردکه اهمیت بررسی و پژوهش را در زمینه مدیریت بحران بیشتر می کند. در پژوهش حاضر در جهت مدیریت صحیح بحران در منطقه 1 اهواز با بهرگیری از مدل FAHP در محیطGIS اقدام به تفکیک سطوح خطرپذیر منطقه گردید. عوامل موثر در این مدل شامل فاصله از گسل، میزان تراکم عبور و مرور، فاصله از معابر، فاصله از فضای باز، فاصله از مراکز درمانی، کیفیت ابنیه، فاصله از مراکز اصلی شهر، فاصله از ایستگاه های آتش نشانی، فاصله از ایستگاه های پمپ بنزین، فاصله از اماکن نظامی، فاصله از خدمات اجتماعی و تراکم جمعیت می باشد. در این تحقیق پس از استانداردسازی لایه های موثر به روش فازی، اقدام به تعیین درجه خطرپذیری سطوح منطقه 1 اهواز به روش FAHP شده است. نتایج حاصل از خروجی مدل نشان می دهد، از کل مساحت بلوک ها و مناطق ساختمانی منطقه 1 ، قسمت مرکزی و هسته اصلی منطقه یعنی خیابان های سلمان فارسی و محدوده اطراف آن و همچنین قسمت جنوبی منطقه که کوی طالقانی و ابوذر و تا حدودی کوی 22 بهمن را شامل می شود، در کلاس های شدیدأ نامطلوب تا نامطلوب (59/29درصد) و قسمت جنوب شرقی و شمال منطقه در کلاس متوسط تا بسیار مطلوب جای گرفته اند. تنها بخش بسیار کمی از کل منطقه در وضعیت بسیار مطلوب و مطلوب ترین قرار دارد.
۲.

تهیه نقشه «گنبد نمکی جهانی» و مناطق متأثر از گنبد نمکی با استفاده از مدل شبکه عصبی مصنوعی و داده های ماهواره لندست 8(مقاله علمی وزارت علوم)

کلید واژه ها: سنجش از دور لندست8 گنبدنمکی طبقه بندی شبکه عصبی مصنوعی

حوزه های تخصصی:
تعداد بازدید : ۳۱۰ تعداد دانلود : ۱۳۳
 از پدیده های مهم و قابل توجه در امر زمین شناسی میتوان به تشکیلات تبخیری از جمله گنبدهای نمکی اشاره کرد. تشکیلات تبخیری از جمله سازندهای زمین شناسی هستند که از نظر جغرافیایی دارای گسترش چشمگیری میباشند. گنبدهای نمکی و رسوبات مجاور آن نمونه ای از یک محیط زمین شناسی پیچیده است. مطالعه آنها به خاطر ویژگیهای منحصر به فرد نمک از لحاظ تکتونیکی و سنگ شناسی، برهم کنش های قوی میان جریان های حرکتی و حرارتی، وجود منابع مهم از لحاظ جنبه اقتصادی و تأثیرگذاری این حوزه های تبخیری در کیفیت منابع مناطق پیرامون گنبد های نمکی از اهمیت شایانی در زمین شناسی، مدیریت و برنامه ریزی منابع انسانی برخوردار است. فناوری سنجش از دور در سالهای اخیر نقش پررنگی در کسب اطلاعات از این پدیده های منحصر به فرد بر عهده دارد. هدف از پژوهش استفاده از روش شبکه عصبی مصنوعی و تحلیل مؤلفه های اصلی(PCA) برای طبقه بندی و تهیه نقشه گنبد نمکی جهانی و مناطق متأثر از گنبد نمکی با استفاده از تصاویر سنجنده های OLI ماهواره لندست8، جهت تحلیل و بررسی از لحاظ پوشش و نوع کانی های تشکیل دهنده آن می باشد. نتایج در هشت کلاس مجزا طبقه بندی شده نشان داده شد که کلاس ماسه-نمک با 100 درصد صحت، رس، 05/96 درصد، گچ- نمک 03/99 درصد، سنگ آهک 100 درصد، گیاهان 73/96 درصد، ماسه سنگ 67/94 درصد، صخره های نمکی 09/96 درصد، خاک های گچی 58/93 درصد، شیل 73/86 طبقه بندی شدند. در این پژوهش روش شبکه عصبی به ترتیب با صحت کل 3501/95 درصد و ضریب کاپا 37/94 درصد عملکرد مناسبی در طبقه بندی، تهیه نقشه محدوده مورد مطالعه داشته است.

کلیدواژه‌های مرتبط

پدیدآورندگان همکار

تبلیغات

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان