سعید راستی

با توجه به موقعیت جغرافیایی و وضعیت مناسب محیطی، انرژی خورشیدی یکی از کارآمدترین انرژی های تجدید پذیر در ایران محسوب می گردد. این تحقیق به دنبال ارائه مدلی در خصوص شناسایی مکان های بهینه استقرار پانل ها خورشیدی در محیط شهری هست. پتانسیل فراوان و فضای مناسب پشت بام ساختمان ها با ارتفاع زیاد و قرارگیری آن ها در معرض مستقیم نور خورشید و استفاده نکردن بهینه از این فضاها، لزوم مکان گزینی بهینه استقرار پانل ها خورشیدی را برای تولید انرژی ارزان و اسان ضروری کرده است. در این تحقیق،ابتدا ویژگی مکان های مناسب استقرار پانل های خورشیدی در محیط شهری و منبع تولید لایه های موردنیاز شناسایی گردید. لایه های موردنیاز جهت دستیابی به مکان های مناسب استقرار پانل های خورشیدی تهیه و مدل سازی فضایی شد. هدف نهایی این مقاله ارائه یک مدل علمی و عملی برای جایگزین کردن انرژی های تجدید پذیر به جای سوخت های فسیلی در ایران است .بر اساس روش شناسایی دلفی فازی و تلفیق ان با سیستم اطلاعات جغرافیایی در این مطالعه روش مناسب برای ارزیابی و انتخاب بهترین مکان برای بهره برداری از انرژی های تجدید پذیر ارائه گردید.نتایج این تحقیق نشان می دهد که انتخاب مکان مناسب برای نصب پانل های خورشیدی در محدوده وسیع شهرها با استفاده از سیستم اطلاعات جغرافیایی امکان پذیر است. نقشه های 1:2000 با توجه به تهیه آن برای اغلب شهرهای کشور و در دسترس بودن آنها درمحیط شهر DSM در مقایسه با سایر منابع تهیه منبع بسیار مفیدی برای استخراج ارتفاع ساختمان ها در کشور است.شکل و ابعاد هر کدام از انواع مختلف پانل های خورشیدی برای بهره برداری امکان پذیر است که با توجه به وضعیت منطقه و شناسایی نوع بهینه آن امکان شناسایی وجود دارد.

نقشه های به روز و دقیق کاربری اراضی نقش مهمی در مدیریت و برنامه ریزی کشورهای درحال توسعه ایفا می کند. هدف از این پژوهش علاوه بر تهیه ی نقشه دقیق پوشش اراضی استان گیلان، مقایسه و ارزیابی نقشه های تولیدشده با استفاده از داده های چندفصلی راداری و اپتیکی و همچنین ترکیب این داده ها با یکدیگر به منظور بهبود دقت نقشه طبقه بندی شده می باشد. در این راستا داده های با توان تفکیک مکانی 10 متر سنتینل 2 و قطبش VH راداری سنتینل 1 در باند C به منظور تهیه نقشه پوشش اراضی در محیط پردازشی گوگل ارث انجین مورد پردازش و تحلیل قرار گرفتند. یافته ها نشان داد که نتایج استفاده از داده ی راداری سنتینل 1 به تنهایی یا استفاده از تصاویر سنتنیل 2 به تنهایی، به ترتیب دارای ضریب کاپای 0.72 و 0.84 درصد و دقت کلی به ترتیب 78.51 و 87.41 درصد است. این در حالی است که استفاده هم زمان از داده ی سنتنیل 1 و سنتنیل 2 با رویکرد ترکیب داده ها در محیط گوگل ارث انجین، نتایجی بسیار مطلوب تری را حاصل و باعث بهبود دقت طبقه بندی می شود. به طوری که نقشه ی تهیه شده با استفاده از ترکیب چندفصلی هم زمان تصاویر سنتنیل 1 و 2 دارای ضریب کاپا و دقت کلی به ترتیب 0.97 و 97.77 درصد برآورد گردید. در این پژوهش پیکسل های کاربری بایر در تصاویر سنتینل 1 به دلیل شباهت میزان بازپراکنش و در تصاویر سنتینل 2 به علت شباهت طیفی، سبب عملکرد نامناسب الگوریتم طبقه بندی ماشین بردار پشتیبان در تفکیک کلاس بایر و شهر از هم گردید. به طورکلی نتایج این پژوهش بیانگر آن است که ترکیب هم زمان داده های سنتینل 1 و 2 برای بهبود دقت الگوریتم های طبقه بندی جهت نقشه برداری می تواند بسیار مناسب عمل کند و کلاس های اراضی را با توانایی بالا از هم جدا سازد.