رضا فلاحی

با توجه به رشد روزافزون جمعیت شهری تولید زباله جامد در مقیاس بزرگ امروزه یک موضوع مهم در جهان بوده است. عدم وجود یک سیاست ملی مطمئن برای مدیریت پسماند جامد (SWM) عواقب منفی زیست محیطی منفی را در ایران ایجاد کرده است. مدیریت پسماندها و انتخاب مکان مناسب دفن زباله فرایندی است که نیاز به داشتن دانشی درمورد شمار زیادی از پارامترها، و مقرارت دارد. هدف از این مطالعه مکان گزینی اراضی مناسب جهت دفن بهداشتی مواد زائد جامد در شهر میانراهان در استان کرمانشاه بر پایه معیارها و ضوابط طبیعی و انسانی می باشد. به منظور رسیدن به این هدف از 8 معیار طبیعی و اجتماعی از جمله شیب، زمین شناسی ،گسل ،لایه-های کاربری اراضی، پراکندگی چاه ها، عمق آب زیرزمینی، فاصله از مراکز سکونتگاهی، فاصله از جاده به کار گرفته شده است پس از آماده سازی و استاندارد سازی لایه ها و استفاده از روش مدل منطق فازی و انجام عملگر(AND) اقدام به پهنه بندی مکان مناسب دفن زباله شده است که با توجه به نتایج به دست آمده و تقسیم بندی نقشه نهایی سه منطقه که شامل: منطقه کاملا مناسب با مساحت 2 کیلومترمربع، منطقه مناسب با مساحت 7 کیلومتر مربع و منطقه کاملا نامناسب با مساحت 722 کیلومترمربع محاسبه شده است که 98 درصد منطقه جز منطقه کاملا نامناسب به دست آمده است، که عمده مناطق مناسب و کاملا مناسب در حدود 2 درصد منطقه را شامل شده که در قسمت شرق و جنوب شرق بخش دینور در مسیر جاده سنقر- کرمانشاه قرار گرفته است

از میان روش های معمول درون یابی، روش های کریجینگ و کوکریجینگ به عنوان بهترین برآوردگرهای خطی نااریب، کاربرد فراوانی در درون یابی داده های بارش دارند. مدل های مذکور به رغم مزیت شان نمایش همواری از پدیدة تحت مطالعه به دست می دهند و چون براساس میانگین محلی داده ها عمل می کنند، مقادیر حداکثر را کمتر و مقادیر حداقل را بیشتر از مقدار واقعی پیش بینی می کنند. بنابراین استفاده از این مدل ها به تنهایی در مواردی که هدف ارزیابی میزان ریسک و بررسی تغییرپذیری یک پدیده است، مناسب نیست. تغییرپذیری پدیده با استفاده از عدم قطعیت اندازه گیری می شود. در پژوهش حاضر به منظور محاسبة عدم قطعیت محلی و مکانی متغیر بارندگی، از الگوریتم های شبیه سازی زمین آماری SGS و CO-SGS استفاده شده است. نتایج تحقیق نشان می دهند الگوریتم های SGS و CO-SGS در نمونه های شبیه سازی با بازسازی مقادیر محتمل حداکثر و حداقل و همچنین حفظ دامنة نوسانات بارندگی در هر واحد مکانی، واریانسی نزدیک به واریانس نمونه های اصلی تولید می کنند. اختلاف واریانس شبیه سازی در مقایسه با نمونة اصلی بسیار ناچیز است، درحالی که واریانس روش های درون یابی اختلاف فاحشی با واریانس نمونه های اصلی دارد. همچنین نتایج نشان می دهند که این الگوریتم ها می توانند عدم قطعیت محلی و مکانی پدیده های مکانی ازجمله بارش را به درستی محاسبه کنند. کلید واژه ها : بارندگی، عدم قطعیت، شبیه سازی زمین آماری، الگوریتم SGS، الگوریتم CO-SGS.