نجمه نیسانی سامانی

نجمه نیسانی سامانی

مدرک تحصیلی: استادیار سنجش ازدور و سیستم اطلاعات جغرافیایی دانشگاه تهران

مطالب
ترتیب بر اساس: جدیدترینپربازدیدترین

فیلترهای جستجو: فیلتری انتخاب نشده است.
نمایش ۲۱ تا ۲۳ مورد از کل ۲۳ مورد.
۲۱.

توسعه مدل GA-ANFIS به منظور پیش بینی غلظت آلاینده PM_10 در یک بازه زمانی بلندمدت، مطالعه موردی: شهر تهران(مقاله علمی وزارت علوم)

کلیدواژه‌ها: آلودگی هوا الگوریتم ژنتیک خودهمبستگی مکانی سیستم استنتاج فازی - عصبی تطبیقی

حوزه‌های تخصصی:
تعداد بازدید : ۱۸۸ تعداد دانلود : ۱۸۰
بین انواع ذرات معلق در هوا، ذراتی با قطر کمتر از 10 میکرون اثرات سوء بسیاری بر سلامتی انسان ها دارد. پارامترهای هواشناسی و جابجایی حجم بالایی از وسایل نقلیه مهم ترین عوامل تعدیل کننده در پراکنش و غلظت آلاینده های جوی محسوب می شوند. در این مطالعه، به منظوربه منظور پیش بینی غلظت آلاینده PM_10 طی یک باز بلند مدت در شهر تهران، مدل ترکیبی GA-ANFIS بکار برده شد. سرعت باد، جهت باد، دما، رطوبت نسبی و حجم ترافیک به عنوان ورودی ها و غلظت آلاینده PM_10 به عنوان خروجی مدل در نظر گرفته شد. نتایج حاصل از محاسبه شاخص های عملکرد نشان داد که مدل ترکیبی GA-ANFIS نسبت به مدل ANFIS قابلیت مطلوب تری در پیش بینی غلظت آلاینده PM_10 ارائه می دهد. به منظور ارزیابی الگوهای مکانی-زمانی غلظت آلاینده PM_10 و شناسایی لکه های داغ و سرد در شهر تهران، آماره موران محلی و آماره گتیس ارد-جی محاسبه شد. نتایج نشان داد که سطح خوشه بندی بالایی از آلاینده PM_10 در تهران (با سطح اطمینان 95 درصد) وجود دارد. خوشه های PM_10  شهر را به دو بخش شمالی و جنوبی تقسیم کرده اند به طوری که بیشتر نقاط سرد در نیمه شمالی و نقاط داغ در جنوب تا مرکز شهر گسترش پیدا کرده اند. 
۲۲.

ارزیابی آسیب پذیری آب های زیرزمینی با مدل های DRASTIC و Fuzzy-AHP و صحت سنجی نتایج بر اساس میزان غلظت نیترات، مطالعه موردی: محدوده فومنات استان گیلان(مقاله علمی وزارت علوم)

کلیدواژه‌ها: آسیب پذیری آب زیرزمینی دراستیک فازی-ای اچ پی نیترات

حوزه‌های تخصصی:
تعداد بازدید : ۱۵ تعداد دانلود : ۱۷
آب های زیرزمینی از مهم ترین منابع تأمین آب در کشاورزی و آب شرب آشامیدنی هستند. این منابع نسبت به منابع آلاینده سطحی از قبیل کودهای شیمایی و حیوانی بسیار آسیب پذیر هستند و تشخیص مناطق با آسیب پذیری بالا از اهمیت زیادی برخوردار است. هدف این پژوهش، یافتن ناحیه های آسیب پذیر آب زیرزمینی در حوضه آبریز انزلی (زیر حوضه فومنات) با استفاده از مدل های DRASTIC و Fuzzy-AHP است. مدل DRASTIC از هفت لایه داده برای مدل سازی استفاده می کند که شامل عمق آب (D)، تغذیه خالص (R)، محیط اشباع آبخوان (A)، محیط خاک (S)، توپوگرافی (T)، تأثیر ناحیه غیراشباع (I) و هدایت هیدرولیکی (C) می باشد و دارای وزن ثابت برای پارامترهای ورودی و رتبه بندی ثابت برای پارامترهای فرعی است. مدل Fuzzy-AHP برای بهبود وزن دهی در مدل DRASTIC، استفاده شد. با صحت سنجی 20 چاه نیترات واقع در منطقه فومنات، به وسیله رگرسیون خطی چند متغیره و تک متغیره، خروجی مدل Fuzzy-AHP نسبت به DRASTIC نتایج را بهبود داد. در نقشه آسیب پذیری تولیدشده، روش DRASTIC نشان داد که 18/0 درصد از مساحت منطقه دارای آسیب پذیری کم، 22/11 درصد متوسط، 33/58 درصد زیاد و 42/30 درصد آسیب پذیری خیلی زیاد بودند. سپس در Fuzzy-AHP مقدار 99/6 درصد آسیب پذیری کم، 11/13 درصد متوسط، 45/56 درصد زیاد و 43/23 درصد خیلی زیاد شناسایی شد. هر دو مدل در شناسایی ناحیه های با خطر آسیب پذیری متوسط و زیاد، موفق عمل کردند و همبستگی مدل Fuzzy-AHP با نقشه نیترات منطقه مثبت شد.
۲۳.

Spatial-Temporal Analysis of the Relationship Between Fatal Road Accidents and Environmental Factors in order to Improve RCS Rescue & Relief Operations (Study Area: Mazandaran and Alborz Provinces)(مقاله پژوهشی وزارت بهداشت)

تعداد بازدید : ۱۱ تعداد دانلود : ۱۶
INTRODUCTION: Road traffic accidents are a critical global issue, especially in developing countries such as Iran. Mazandaran and Alborz provinces, due to their diverse climatic and topographic characteristics, experience a high rate of fatal accidents, especially on mountainous roads that are often affected by weather and traffic conditions. Therefore, in this study, a spatiotemporal analysis of the relationship between fatal road accidents and environmental factors was conducted to improve RCS rescue and relief operations in the two provinces of Mazandaran and Alborz. METHODS: This study analyzed fatal road accidents from March 2017 to January 2024 using data from the Red Crescent Society (RCS) and the Road Maintenance and Transportation Organization. Accident data were converted into monthly raster files via Kernel Density Estimation and examined using the Space-Time Cube model and Hot Spot Analysis in ArcGIS Pro to identify spatial-temporal accident patterns and their relation to environmental and traffic factors. FINDINGS: Four hot spots and three cold spots patterns were detected across 83 months. Rainfall and flooding significantly affected 16.04% of oscillating and sporadic hot spots. Smooth and semi-heavy traffic conditions were associated with the highest accident percentages (19.45% and 14.01%), while blocked and heavy traffic showed lower accident intensity. Major accident hotspots appeared along the Chalous and Haraz roads and in specific rural districts. Emerging hot spots revealed new risk areas, demonstrating the dynamic nature of accident patterns. CONCLUSION: The Spatio-temporal analysis highlights high-risk areas and provides important insights for improving road safety. These findings can help the Red Crescent Society optimize rescue and relief operations and inform policymakers on infrastructure and traffic management strategies to reduce casualties

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان