جواد جاودان

ماهیت متغیرهای کمی و کیفی آب های زیرزمینی به دلیل تأثیر مستقیم در زندگی انسان، همواره یکی از موضوعات مطرح در تحقیقات علمی و دانشگاهی بوده است. هزینه بر بودن و عدم امکان مطالعه دقیق این منابع، لزوم استفاده از روش جدیدی را برای برآورد چنین متغیرهایی به طور کامل آشکار می کند. در این میان روش های درون یابی ریاضی و زمین آماری و مدل های هوش مصنوعی در سال های اخیر نتایج بسیار قابل قبولی از این برآوردها ارائه کرده اند. در تحقیق حاضرکه با هدف ارزیابی دقت روش های زمین آمار و شبکه عصبی مصنوعی انجام گرفته است، با استفاده از آمار اندازه گیری شده سطح تراز ایستابی آب های زیرزمینی در 46 حلقه چاه مشاهده ای منتخب برای سال 93، در دشت شبستر- صوفیان، اقدام به برآورد مقادیر نامعلوم سطح تراز در منطقه مورد  مطالعه با استفاده از روش های زمین آمار ( kriging ) و روش شبکه عصبی پرسپترون چند لایه ( MLP ) شده است. نتایج حاصل از این تحقیق نشان می دهد، روش شبکه عصبی ( MLP ) با میزان همبستگی بالا (96/0) و جذر میانگین مربعات خطای کمتر (18/13) نسبت به روش کریجینگ (با میزان همبستگی 90/0 و جذر میانگین مربعات خطای 10/20)، توانایی بالاتری در میان یابی سطح تراز آب زیرزمینی دشت شبستر- صوفیان دارد، که این نتیجه با تحقیقات قبلی در این زمینه مبنی بر توانایی  و انعطاف بیشتر مدل های هوش مصنوعی در مطالعات هیدروژئولوژیکی آبخوان ها مطابقت دارد. از این رو استفاده از روش های جدید مانند شبکه های عصبی مصنوعی( ANN ) و روش های فازی - عصبی تطبیقی ( ANFIS ) می تواند، در دستیابی به برآورد های دقیق تر از شرایط سفره های آب زیرزمینی و اطلاع از کم و کیف آن ها کمک شایانی به محققان و برنامه ریزان در این زمینه ارائه کند.

دمای سطحی زمین یکی از کلیدی ترین پارامترهای مورد نیاز مطالعات محیطی مختلف در مقیاس های محلی تا جهانی می باشد. با توجه به محدودیت های ایستگاه های هواشناسی، سنجش از دور حرارتی افق جدیدی برای کسب این نوع اطلاعات باز کرده است. اخیراً با پرتاب موفقیت آمیز ماهواره لندست 8 که دارای دو باند حرارتی است، امکان خوبی برای برآورد دمای سطح زمین با استفاده از فناوری سنجش از دور حرارتی فراهم شده است. روش های زیادی برای محاسبه دمای سطحی زمین گسترش پیدا کرده است ولی با توجه به گزارش هایی مبنی بر وجود عدم قطعیت قابل توجه در کالیبراسیون باند 11 سنجنده TIRS ماهواره لندست 8، کماکان گسترش روش های مبتنی بر یک باند حرارتی ضروری به نظر می آید. در این مطالعه، روش پنجره یکتا که سه پارامتر اساسی آن قابلیت انتشار زمینی، قابلیت عبور اتمسفری و میانگین دمای مؤثر هوا می باشند، برای ماهواره لندست 8 بهینه شده و تحت الگوریتمی خودکار در محیط نرم افزار MATLAB ارائه شده است. این الگوریتم با کمترین مداخله کاربر، در کمترین زمان در مقایسه با روش های رایج و با دقت قابل قبولی دمای سطحی زمین را برآورد می کند. پس از اعمال الگوریتم بر روی تصاویر ماهواره ای مربوط به منطقه مورد مطالعه در 28 تیرماه 1395، دمای سطحی پایین تر مناطق با پوشش گیاهی نسبت به زمین های بایر و مناطق شهری با دقت 1/2 درجه سانتی گراد قابل مشاهده است.