محمدرضا گیلی

محمدرضا گیلی

مدرک تحصیلی: مربی گروه محیط زیست، دانشکده کشاورزی و منابع طبیعی، دانشگاه ملایر

مطالب

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۳ مورد از کل ۳ مورد.
۱.

ارزیابی اثرات زیست محیطی طرح گردشگری دره گردو اراک(مقاله علمی وزارت علوم)

کلید واژه ها: ارزیابی اثرات درهگردو گردشگری ماتریس ایرانی

حوزه های تخصصی:
تعداد بازدید : ۶۲۷ تعداد دانلود : ۴۹۶
علی رغم مزایای فراوان صنعت گردشگری در بهبود شرایط اقتصادی و اجتماعی مردم، چنانچه گسترش این صنعت با سیاست گذاری ها و برنامه های منطبق بر نگرش زیست محیطی همراه نباشد، همچنین بر پایداری توسعه تأکید نکند و به صورت مجموعه ای همه جانبه و پویا مدنظر قرار نگیرد، در میان مدت تأثیرات منفی فراوانی بر محیط زیست می گذارد. در همین راستاانجام مطالعات ارزیابی اثرات محیط زیستی، از جمله روش های مطلوب دستیابی به اهدافتوسعه پایدار به شمار می رود. منطقه نمونه گردشگری دره گردو با وسعت 100 هکتار در جنوب شهر اراک قرار دارد. به منظور ارزیابی اثرات زیست محیطی اجرای پژوهش حاضر ابتدا وضعیت موجود این منطقه شناسایی، سپس با جمع آوری اطلاعات مورد نیاز (شامل موقعیت جغرافیایی اقلیم منطقه، زمین شناسی، مسائل زیست محیطی، اقتصادی، اجتماعی، فرهنگی و غیره) اثرات اجرای پروژه در دو فاز ساختمانی و بهره برداری مشخص شده است، همچنین براساس تجزیه وتحلیل چک لیست، اثرات گزینه اجرا یا اجرانکردن پروژه با ملاحظات زیست محیطی بررسی، و روش ماتریس ایرانی (ماتریس لئوپلد اصلاح شده) برای ارزیابی زیست محیطی پروژه انتخاب شد. نتایج نشان داد آثار پروژه در فاز ساختمانی 95/0+، در فاز بهره برداری 62/0+ و جمع جبری 57/1+ است؛ بنابراین، در صورت رعایت تمام ملاحظات محیط زیستی و پایش مداوم، امکان اجرای این طرح میسر است.
۲.

استفاده از الگوریتم سه باندی برای تخمین میزان کلروفیل a و فسفر کل در تالاب انزلی(مقاله علمی وزارت علوم)

کلید واژه ها: شاخص سه باندی طیف سنجی کلروفیل a فسفر کل بازتاب طیفی آب های داخل خشکی ها

حوزه های تخصصی:
تعداد بازدید : ۴۴۱ تعداد دانلود : ۲۸۲
بازتاب طیفی آب های داخل خشکی ها ازجمله تالاب ها در هر طول موج می تواند ناشی از مقادیر مختلف کلروفیل a باشد. عمل ریاضی سادة نسبت گیری بازتاب های طیفی پدیده ها در طول موج های مختلف که در سنجش از دور به شاخص طیفی معروف است می تواند موجب تشدید اختلاف هایی نظیر بازتاب پدیده ها و کاهش اثر عوامل منفی به ویژه عوامل محیطی شود. ازجمله شاخص های طیفی که در مطالعات آب ها به خصوص تخمین میزان کلروفیل a به کار گرفته می شود، می توان به نتیجة حاصل از شاخص سه باندی اشاره کرد. در این پژوهش از نمونه های آب تالاب انزلی با میزان کلروفیل a بین 07/2 تا 9/23 میلی گرم در لیتر استفاده شده است. بررسی رابطة مقدار کلروفیل a با شاخص سه باندی، رابطه ای قوی را بین مقدار این شاخص با مقدار کلروفیل a در دو عمق 15 و 30 سانتی متری نشان داد. البته این رابطه در عمق 15 سانتی متری آشکارا قوی تر است. در این تحقیق حداکثر حساسیت به جذب ذرات کلروفیل a در طول موج 680 نانومتر و حداقل حساسیت به انعکاس کلروفیل a در طول 700 نانومتر است. برای محاسبة شاخص سه باندی از باند جذبی آب در محدودة طول موج مادون قرمز نزدیک به منظور نرمال کردن استفاده شد در اینجا برابر با 757 نانومتر در نظر گرفته شده است. در این مطالعه رابطة بین فسفر کل با میزان شاخص سه باندی نیز به دلیل رابطة مستقیم میزان کلروفیل a با فسفر کل بررسی شد، که همانند میزان کلروفیل a در عمق 15 سانتی متری رابطة قوی تری را در مقایسه با عمق 30 سانتی متری نشان می دهد.
۳.

کاربرد شبکه کانولوشنی LSTM در طبقه بندی محصولات کشاورزی با استفاده از سری زمانی NDVI(مقاله علمی وزارت علوم)

کلید واژه ها: یادگیری عمیق حافظه کوتاه مدت بلند سری زمانی سنتینل 2 طبقه بندی محصولات کشاورزی

حوزه های تخصصی:
تعداد بازدید : ۴۰۹ تعداد دانلود : ۱۷۴
تغییرات رشد محصولات کشاورزی در فواصل زمانی نسبتاً کوتاه، ناهم زمانی کشت محصولات مشابه، شباهت طیفی میان محصولات گوناگون در برخی از زمان های دوره کشت و کمبود داده های زمینی، طبقه بندی محصولات زراعی در تصاویر ماهواره ای را به کاری چالش برانگیز مبدل می کند. تغییر مقدار درصد پوشش و سبزینگی، در طول فصل رشد، از برجسته ترین ویژگی پوشش های گیاهی ازجمله محصولات کشاورزی است که می توان بر آن نظارت کرد. این کار با استفاده از سری زمانی شاخص های گیاهی انجام می شود که اطلاعات بسیار مفیدی از توالی ویژگی های فنولوژیک محصولات کشاورزی در اختیار ما قرار می دهد. استفاده از روش های یادگیری عمیق با توانایی یادگیری اطلاعات متوالی حاصل از این سری ها می تواند، در طبقه بندی محصولات کشاورزی و کاهش وابستگی به داده های زمینی، مفید باشد. شبکهLong-Short Term Memory (LSTM) یکی از انواع شبکه های عصبی بازگشتی در تجزیه و تحلیل داده های متوالی است که توانایی یادگیری توالی های بلندمدت در سری زمانی را دارد؛ بنابراین در این مطالعه، پس از محاسبه شاخص NDVI از باندهای ماهواره سنتینل 2 در نُه تاریخ متفاوت و تشکیل سری زمانی آن شاخص برای ورود به شبکه، دو ناحیه متفاوت در دشت مغان در نظر گرفته شد که محصولات کشت شده در آنها، طی عملیات زمینی، برداشت شده بود. در ناحیه اول، شبکه کانولوشنی LSTM برای طبقه بندی محصولات آموزش دید و در ناحیه دیگر، کارآیی این شبکه آموزش دیده در طبقه بندی محصولات ارزیابی شد و دقت کلی 82% و ضریب کاپای 8/0 به دست آمد. افزایش تعداد نمونه های زمینی و انتخاب مرز دقیق محصولات، می تواند کارایی روش مورد استفاده را افزایش دهد.

کلیدواژه‌های مرتبط

پدیدآورندگان همکار

تبلیغات

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان