درخت حوزه‌های تخصصی

پژوهش حاضر با هدف ارزیابی و تعیین اولویت پهنه های مستعد گردشگری در استان اصفهان انجام گرفته است. با توجه به مؤلفه های مورد بررسی، نوع تحقیق کاربردی- توسعه ای است و روش تحقیق توصیفی- پیمایشی و براساس تجزیه و تحلیل سیستمی است. در این تحقیق به منظور ارزیابی براساس تعداد جاذبه، سطوح عملکرد (ملی، محلی، بین المللی) و سطوح دسترسی (پیاده، سواره) نسبت به جاذبه های گردشگری امتیاز داده شده است. پژوهش صورت گرفته در ظرفیت سنجی استان اصفهان به دلیل توسعة گردشگری نشان می دهد عمده ترین پتانسیل های موجود گردشگری انسان ساخت در شهرهای اصفهان و مبارکه است. طبق امتیازات داده شده 32 و 66/14 درصد پتانسیل های گردشگری انسان ساخت مربوط به این دو شهرستان است و از این جهت موقعیت خوبی در سطح استان دارند. در ارزیابی ظرفیت گردشگری تاریخی– فرهنگی استان مشاهده شد بیشترین ظرفیت در مرکز به مرکزیت شهر اصفهان و در شمال شرق به مرکزیت شهر کاشان است. تقریباً 07/34 و 55/22 درصد جاذبه های گردشگری تاریخی- فرهنگی منطقه براساس امتیازات داده شده متعلق به این دو شهرستان است که 49/76 درصد از جاذبه های تاریخی– فرهنگی شهرستان اصفهان متعلق به شهر اصفهان است. بیشترین ظرفیت گردشگری طبیعی استان اصفهان در دو پهنة جنوب و غرب استان است که براساس امتیازات داده شده به پنج گروه طبقه بندی شده اند و بیشترین امتیازات به شهرستان های سمیرم و فریدون شهر مربوط است و این مناطق برای توسعة گردشگری طبیعت محور مناسب اند.

خاک، یکی از مهم ترین اجزای منابع طبیعی محسوب می شود . فرسایشِ خاک پدیده ای اجتناب ناپذیر است که به صورت تشدید شونده منجر به تخریب خاک می شود . برآورد دقیق فرسایش آبی و ته نشست رسوبات برای ارزیابی پتانسیل هدر رفت خاک و ظرفیت ذخیرة سدها بسیار مهم است. مدل WEPP (پروژة پیش بینی فرسایش آبی)، یک مدل رایانه ای است که می تواند فرسایش و رسوب دهی را بر روی دامنه ها در حوضة آبخیز و بر اساس هر واقعة بارش یا سال های متوالی برآورد کند. اطلاعات موردنیاز برای اجرای مدل WEPP به طورکلّی د ر چهار لایة رایانه ای وارد می شود که شامل خاک، اقلیم، مدیریت اراضی و شیب است . در این پژوهش، میزان فرسایش و رسوب به وسیلة سه روشِ دامنه، حوضة آبخیز و مسیر جریان برآورد گردید که میزان رسوب به ترتیب 623/0، 325/0 و 824/0 تن در هکتار در سال است. این نتایج، با مقدار مشاهده ایِ حاصل از ایستگاه هیدرومتری آلادیزگه مقایسه شد. بر این اساس، روش دامنه به عدد مشاهده ای (665/0 تن در هکتار در سال) ایستگاه هیدرومتری نزدیک تر بوده و برای برآوردِ میزانِ فرسایش و رسوب در حوضة آبخیز آلادیزگه مناسب است.

امروزه به دلیل نقش و جایگاه روستاها در فرآیندهای توسعه اقتصادی، اجتماعی و سیاسی در مقیاس محلی، منطقه ای، ملی و بین المللی و پیامدهای توسعه نیافتگی مناطق روستایی چون فقر گسترده، نابرابری فزاینده، رشد سریع جمعیت، بیکاری، مهاجرت، حاشیه نشینی شهری و غیره توجه به توسعه روستایی بیشتر و حتی مقدم بر توسعه شهری گردیده است. از این رو مسئله رفاه و تأمین اجتماعی در این مناطق اهمیت بیشتری می یابد. در این راستا صندوق بیمه اجتماعی روستاییان و عشایر به منظور کاهش بخشی از چالش ها و بهبود شرایط لازم برای تثبیت جمعیت فعال در روستاها و ارتقای کیفیت زندگی آنها از سال ۱۳۸۴ فعالیت خود را آغاز نموده است. با گذشت قریب ۱۰ سال از فعالیت صندوق، آمارها و گزارش ها نشان می دهد که روند گسترش بیمه اجتماعی و عضویت روستاییان طی چند سال گذشته به کندی انجام گرفته و با موانع و عوامل گوناگون بازدارنده مواجه بوده است. از این رو شناخت عوامل بازدارنده و موانع موجود، فراهم سازی زمینه ها و شرایط لازم به منظور گسترش این نوع بیمه در راستای تحقق توسعه پایدار روستایی ضروری است.

برای پنهان سازی سازه ها و تأسیسات زیرسطحی، شناخت عملکرد و توان فناوری های سنجش از دور نوین و پیشرفته از ضروریات اساسی است. یکی از این فناوری ها در سامانه های پر قدرت گرم کننده ی الکترومغناطیسی یونسفری بکار گرفته شده است که از امواج الکترومغناطیسی پر قدرت در محدوده فرکانسی 3 تا 10 مگاهرتز استفاده می کند. هارپ با ساطع کردن این امواج به منطقه ای از یونسفر موجب گرم شدن آن منطقه شده و این گرمایش منجر به گسیل امواجی با محدوده فرکانس خیلی پائین VLF و ELF می شود. هدف اصلی این تحقیق تحلیل و شناخت قابلیت سنجش از دور سامانه های پر قدرت گرم کننده ی الکترومغناطیسی یونسفری (هارپ)، در شناسایی اهداف زیرسطحی می باشد. در این پژوهش با بهره گیری از روش ترکیبی تجزیه و تحلیل داده های چندگانه بر مبنای توصیف و تحلیل داده های جمع آوری شده از منابع علمی و تئوریک، گزارشات رسمی و معتبر، بررسی نتایج آزمایشات تجربی انجام گرفته در جهان و ایران و در نهایت اخذ نظر خبرگان و صاحب نظران جامعه آماری تحقیق به روش میدانی، به سؤال اصلی تحقیق پاسخ داده شده است. نتایج حاصل از این تحقیق نشان می دهد که سامانه های پر قدرت گرم کننده ی الکترومغناطیسی یونسفری، قابلیت سنجش از دور و امکان شناسائی اهداف زیرسطحی را دارند. بر این اساس، این سامانه ها تهدیدی جدی برای شناسایی اهداف زیر سطحی محسوب می شوند؛ و لذا در ادامه تحقیق، راهکارهای دفاع غیرعامل در برابر این تهدید  نیز ارائه گردیده است.

آنالیز و پایش خشکسالی یکی از اصول مهم در مدیریت خشکسالی و ریسک، بویژه در مناطق در معرض خطر خشکسالی است. سیستم های پایش در تدوین طرح های مقابله با خشکسالی و مدیریت آن از اهمیت زیادی برخوردار می باشند. با این حال، مطالعات انجام شده در رابطه با این پدیده بر اساس روش های مناسب بسیار کم است، بررسی ویژگی های خشکسالی و پیش بینی آن می تواند در کاهش خسارات حاصل از آن موثر باشد بدین منظور، در این پژوهش به بررسی خشکسالی و ارزیابی امکان پیش بینی آن برای ایستگاه های حوضه دریاچه ارومیه پرداخته شد. داده های مورد استفاده در این پژوهش، مقدار بارندگی به صورت ماهانه در دوره آماری 29 ساله از سال 1985 تا 2014 می باشد. شاخص SEPI در مقیاس زمانی 6 و 12 ماهه برای بررسی ویژگی خشکسالی و مدل سیستم استنتاج عصبی–فازی تطبیقی برای پیش بینی خشکسالی استفاده می شود با توجه به یافته های حاصل در این پژوهش، درصد فراوانی وقوع خشکسالی در حوضه دریاچه ارومیه در ایستگاه های ارومیه و سقز و مراغه در مقیاس 6 ماهه بیش تر از مقیاس 12 ماهه است اما در ایستگاه های تبریز و مهاباد شرایط بر عکس می باشد. و روند خشکسالی در حوضه دریاچه ارومیه افزایشی است و روند دما با شدت بیش تری روند افزایشی دارد. بیش ترین درصد وقوع خشکسالی در ایستگاه ارومیه و کم ترین آن در مهاباد مشاهده شد. نتایج حاصل از پیش بینی شاخص با مدل ANFIS نشان داد در رابطه کد نویسی بیش ترین میانگین خطای آموزشی 51/0 درصد در ایستگاه تبریز در مقیاس 12 ماهه و کم ترین میانگین خطای آموزشی 36/0 درصد در ایستگاه مراغه در مقیاس 12 ماهه می باشد. در مدل سازی داده های اعتبارسنجی، میانگین خطای مدل سازی طبیعتاً بیش تر از میانگین خطای آموزشی می باشد.

پژوهش پیش رو با هدف معرفی مدل همسان سازی داده های زمینی و ارزیابی دقت داده های این مدل در مقابل داده های اندازه گیری شده ایستگاه های همدیدی سطح کشور به انجام رسیده است. مدل همسان سازی داده های زمینی بطور مشترک توسط مراکز ناسا و نوآ با هدف شبیه سازی دقیق متغیرهای جریان و شرایط چرخه آب و انرژی توسعه داده شد. پوشش جهانی، قدرت تفکیک مکانی و زمانی بالا به همراه سیستم مدلسازی ترکیبی داده های سنجش از دوری و مشاهدات زمینی از ویژگی های منحصر بفرد این مدل است. این مدل متغیر های سیستم جو - زمین را در مقیاس های زمانی ماهانه و 3 ساعته با قدرت تفکیک مکانی 1 و 25/0 درجه جغرافیایی برآورد می کند، که خروجی آن نتیجه شبیه سازی چهار مدل سطحی Mosaic ، Noah ، CLM و VIC می باشد. برای ارزیابی مدل GLDAS ، داده های متوسط دمای ماهانه 66 ایستگاه همدیدی با پراکنش مناسب در سطح ایران و نیز داده های مدل GLDAS با دقت مکانی 25/0×25/0 درجه جغرافیایی از سایت های مربوطه دریافت و پردازش شد. برای ارزیابی آماری داده های نام برده از آماره های ضریب تعیین( 2 r )، مجذور میانگین مربع خطا ( Rmse )، شیب خط( Slope )، اریب( Bias ) و ضریب کارایی مدل( EF ) استفاده شد. مقایسه های آماری انجام شده نشان داد که داده های این مدل در سطح ایران از دقت بسیار مناسبی برخوردار می باشد و میزان خطای این مدل در برآورد متوسط دمای ایستگاه های مورد بررسی بسیار اندک و قابل چشم پوشی است. با وجود این در برخی مناطق بویژه درایستگاه های شمالی کشور مقدار برآورد مدل بیشتر از مقدار مشاهده ای و درتعداد محدودی از ایستگاه ها مانند کاشان و سنندج کمتر از مقدار مشاهده ای برآورد شده است. با توجه به پوشش جهانی، متغیرهای زیاد اقلیم - هیدرولوژی و نتایج این تحقیق که بیانگر دقت مناسب برآوردهای مدل جهانی همسان سازی داده های سطح زمین در پهنه ایران است، پیشنهاد می شود دقت متغیرهای دیگر این مدل نیز برای مناطق مختلف ایران مورد ارزیابی و واسنجی قرار گیرد.

اصلی ترین نیاز آسیب دیدگان ناشی از زلزله، داشتن سرپناه و رساندن خدمات امداد و نجات به آن ها در سریع ترین زمان ممکن است. بعد از وقوع زلزله نمی توان به سرعت مکان های مناسبی را برای آسیب دیدگان زلزله آماده کرد؛ بنابراین، باید قبل از وقوع چنین بحران هایی، مکان های مناسبی از نظر دسترسی به کاربری های شهری، داشتن امنیت، دوری از مناطق مخاطره خیز و ... برای آسیب دیدگان زلزله فراهم کرد. دسترسی دشوار به داخل بافت تاریخی برای ارائة خدمات امدادی و کمبود فضاهای باز، با وجود تراکم بالای جمعیت، بر بالارفتن آسیب پذیری در برابر حوادث در این منطقه می افزاید. در این پژوهش، به مطالعة موردی بافت تاریخی شهر یزد با هدف تعیین بهترین مکان استقرار گروه های امداد به منظور انجام عملیات نجات پرداخته شد. برای رسیدن به این هدف، ابتدا به معرفی پارامترهای مؤثر که وابسته به شرایط ساختاری و طبیعی منطقه هستند، پرداخته و لایه های GIS این معیارها تولید شد. سپس، برای از بین بردن عدم قطعیت در داده های ورودی و قضاوت شخصی در مورد اهمیت معیارها، از روش فازی استفاده شد و برای این منظور درجهتِ ترکیب نقشه ها با استفاده از تلفیق مدل های برهم نهی فازی، شبکة استنتاجی فازی تشکیل و از آن به منظور تعیین مکان های مناسب استفاده شد. استفاده از خواص مجموعه های فازی در فرایند سلسله مراتبی، فرایند سلسله مراتبی فازی را پدید آورد که باعث افزایش کارایی تصمیم گیری شد. در نهایت، گزینه ها برای سایت امداد و اسکان پس از زلزله مشخص و بر اساس معیارهایی مانند دسترسی به معابر، مساحت فضای باز و پراکنش مراکز امداد و اسکان اولویت بندی و تعیین شد. نتایج تحقیق همچنین نشان دهندة کمبود فضاهای کافی برای استقرار زلزله زدگان در بافت تاریخی شهر یزد است.

آشکارسازی تغییرات با رویکرد شیءگرا در تصاویر با قدرت تفکیک مکانی بالا به این دلیل که علاوه بر ویژگی های طیفی از ویژگی های مکانی، هندسی و بافتی استفاده می کند در مقایسه با رویکرد پیکسل مبنا  نتایج بسیار خوبی به همراه داشته است. با این وجود، انتخاب الگوریتم و ویژگی های بهینه همچنان به عنوان چالشی اساسی باقی مانده است. در این تحقیق، جهت بهبود آشکارسازی تغییرات با رویکرد شیءگرا از الگوریتم جنگل تصادفی ( RF ) در فضای ویژگی های بهینه استفاده شده است. در این راستا، نخست ویژگی های بافت بر روی تصاویر مربوط به دو زمان متفاوت استخراج می شود و از PCA جهت انتخاب ویژگی های بافتی مناسب استفاده می گردد. سپس، قطعه بندی چند مقیاسه در فضای ترکیب یافته از باندهای طیفی و ویژگی های بافتی مناسب در چهار سطح مختلف با استفاده از نرم افزار Ecognition انجام شده و بهترین سطح قطعه بندی تعیین می شود. در ادامه، ویژگی های بافتی، مکانی و هندسی از روی تصویر قطعه بندی شده در بهترین سطح استخراج می گردد و بر اساس محاسبه ی فاصله اقلیدسی مربوط به نمونه های آموزشی در کلاس های مختلف، ویژگی های بهینه شناسایی می شوند. کارایی الگوریتم RF شیءگرا در مقایسه با روش های متداول SVM و KNN بر اساس معیار کاپا و صحت کلی و مدت زمان محاسبات مورد بررسی قرار گرفته است. در این تحقیق، از تصاویر ماهوارهای GeoEye-1 و Quick Bird-1 مربوط به سال های 2002 و 2015 جهت آشکارسازی تغییرات در جزیره قشم استفاده شده است. بر اساس نتایج تجربی، برای الگوریتم های RF شیءگرا، SVM  و KNN صحت کلی به ترتیب 57/86، 76/83 و 75 درصد و ضریب کاپا به ترتیب97/0,  75/0 و 63/0 به دست آمد. همچنین، RF به دلیل استفاده از آستانه گذاری بر روی باندهای مختلف و تولید طبقه بندی کننده های درختی با تنوع بالا و وزن دهی مناسب، نسبت به هر یک از نتایج طبقه بندی کننده ها توانست بالاترین دقت را تولید کند.

تغییرات آب و هوایی اشاره به تغییرات در میانگین یا تنوع در ویژگی های آب و هوایی دارد که همچنان نیز در حال حاضر برای دوره های طولانی ادامه خواهد داشت که نتیجه تغییر طبیعی و فعالیت های انسانی است. در پژوهش حاضر به منظور شبیه سازی تغییرات دمای حداقل از داده های دمای حداقل و مدل های گردش عمومی جو استفاده شد و بررسی عملکرد مدل ها با ضریب همبستگی و ریشه میانگین مربعات خطا صورت گرفت. در این مطالعه سال 1961-1990 به عنوان سال پایه و بررسی تغییرات دما در سانتی گرادی آینده دمای حداقل در سه دوره 2011-2040،2041-2070 و 2071-2099 انجام گرفت. نتایج پژوهش نشان داد که در سانتی گرادی آینده دماهای حداقل روندی کاهشی دارند. دماهای حداقل برآورد شده در دوره شبیه سازی برای دوره پایه برآورد مدل SDSM و شبکه عصبی مصنوعی در ماه ژانویه 8/1 و 3/2 درجه سانتی گراد نسبت به داده مشاهده شده اختلاف داشته است. در ژانویه براساس برآوردهای دو مدل در سال های 2011-2040 دما به میزان 3/3 درجه سانتی گراد افزایش دما برای سال های 2041 تا 2070 حدود 7/4 و برای بازه زمانی 2071 تا 2099 حدود 05/5 درجه افزایش خواهد یافت. براساس این تحقیق مدل SDSM نسبت به شبکه عصبی نتایج نزدیک به واقعیت را نشان داد.

در این پژوهش، میزان مهاجرت مجرای رودخانه ارس در طی 29 سال گذشته (در بازه زمانی 1987 م، 1366ه.ش تا 2016م، 1395ه.ش) با استفاده از روش ترانسکت موردبررسی قرار گرفت. در ابتدا مجرای رودخانه برای دو دوره زمانی با استفاده از پردازش تصاویر ماهواره ای سنجنده های TM ، OLI ، لندست 5 و 8 به دست آمد. سپس با توجه به مورفولوژی و میزان مهاجرت مجرا، رودخانه ارس به 13 ترانسکت تقسیم شده و میزان مهاجرت مجرا بر اساس مهاجرت های صورت گرفته محاسبه شد. همچنین، با توجه به تغییرات ایجادشده در مساحت ترانسکت ها، وسعت اراضی ازدست رفته و یا اضافه شده در هر دو کرانه رودخانه محاسبه گردید. نتایج نشان داد که میانگین میزان مهاجرت مجرای رودخانه ارس در طول 29 سال گذشته (مابین دو سد) در حدود 73/4 متر در سال بوده است. در طی این دوره در حدود 48/171 هکتار به اراضی ایران افزوده شده و در مقابل حدود 26/376 هکتار از اراضی ایران درنتیجه تغییرات مجرا از دسترس خارج شده است. بر این اساس پیشنهاد می شود ارزیابی دقیق تغییرات رودخانه های مرزی موردتوجه بیشتری قرار گیرد.

هدف اصلی این پژوهش بررسی وضعیت بوستان آزادی شهر اردبیل به عنوان مهم ترین بوستان در این شهر از منظر مؤلفه های امنیتی است. این پژوهش از نظر هدف کاربردی و از نظر نوع تحقیق توصیفی- تحلیلی است. برای گردآوری داده ها از روش برداشت میدانی و فرم محقق ساخته استفاده شده است. در انجام این پژوهش از 15مؤلفه و 72شاخص استفاده شده است. برای تجزیه و تحلیل داده ها از روش ممیزی ایمنی(S.A) و برای رتبه بندی معیارها از مدل ویکور(VIKOR) استفاده شده است. یافته های این پژوهش نشان می دهند که الف) وضعیت عمومی بوستان از نظر مؤلفه هایی مثل نشانه ها، خطوط دید، مکانهای کور و بدون دفاع، کاربری های مجاور و تعمیر و نگهداری بوستان مطلوب است. ب) وضعیت امنیتی بوستان در برخی مؤلفه ها ازجمله خوانایی و نوع مبلمان شهری کاملاً نامطلوب است. نتیجه نهایی اینکه وضعیت عمومی این بوستان از نظر مجموع مؤلفه های امنیتی تا حدودی مطلوب است.

در پژوهش حاضر، تحلیل فضایی محرومیت های توسعه یافتگی با مطالعة شهرستان های استان گیلان صورت گرفته است. براین اساس، از پنج معیار (فعالیت و سرمایه گذاری های صنعتی، نابرابری های اجتماعی- اقتصادی، جمعیت، راه و ارتباطات و بهداشت و درمان) و نوزده زیرمعیار استفاده شد. همچنین شهرستان های استان گیلان از طریق مدل تاپسیس و وزن دهی با شیوة AHP از منظر خبرگان در دو سطح حجم نمونه استادان دانشگاهی و مسئولان امر رتبه بندی و سطح بندی شده اند. در راستای تحلیل فضایی محرومیت ها، پس از ارزش گذاری زیرمعیارهای پژوهش از طریق سنجش میزان همبستگی، مهم ترین عامل، میزان نرخ بیکاری شناخته شده است. سپس با استفاده از روش دلفی راهکارهای مؤثر بر کاهش محرومیت های توسعه یافتگی از سوی کارشناسان شناسایی شده اند و از طریق مدل AHP میزان اهمیت عوامل مورد نظر اولویت بندی شده اند. مهم ترین راهکارها «بازشناسی فرصت های اشتغال از منطقة آزاد تجاری- صنعتی انزلی» و «فراهم آوردن فرصت های سرمایه گذاری بخش خصوصی» معرفی شده اند، اما تعامل دانشگاه و بخش صنعت از طریق پارک های علم و فناوری و رویکرد به شکل گیری خوشه های صنعتی به هدایت منطقة آزاد انزلی، موجب توسعة متوازن و ساماندهی فعالیت شهرک ها و نواحی صنعتی شهرستان های استان گیلان می شود و فرصت های اشتغال را بدون مهاجرت در شهرستان های استان فراهم می آورد تا از این طریق محرومیت توسعه یافتگی استان نیز کاهش یابد. مهم ترین موانع پیش روی توسعة متوازن شهرک های صنعتی استان گیلان نیز کمبود نقدینگی، تهیة مواد اولیه و ماشین آلات تأثیرگذار بوده است. در این پژوهش، شهرستان های شفت، فومن، رضوان شهر، ماسال و صومعه سرا شهرستان های محروم ناحیة غرب و شهرستان املش در ناحیة شرق استان گیلان شناخته شده اند.

مطالعه و شناسایی کانون های تغییر تراز میانی جو موثر بر شکل گیری الگوهای گردشی مولد آن ضرورتی اجتناب ناپذیر است. در این مطالعه، ابتدا بارش های سالانه ایستگاه های منتخب سطح حوضه آبریز زاب کوچک طی دوره 2015-1986 استاندارد زمانی شدند. پس از استفاده از شاخص و تعیین آستانه زمانی- مکانی، تعداد 184 روز بدون بارش واقع در دوره مرطوب سه نمونه خشکسالی شدید در سطح منطقه انتخاب شدند. داده های ارتفاعی تراز 500 هکتوپاسکال واقع در محدوده صفر تا 80 درجه عرض جغرافیایی شمالی و طول شرقی به صورت یک ماتریس S_Mode تنظیم شد و با استفاده از روش پیشرفته آماری تحلیل مولفه های اصلی پردازش شدند. بر اساس ماتریس همبستگی، کانون های عمده تغییرات توپوگرافی تراز 500 هکتوپاسکال موثر بر وقوع روزهای خشک شناسایی و تحلیل شدند. نتایج نشان داد که به هنگام وقوع روزهای خشک، 12 کانون تغییر ارتفاع تراز میانی جو موثر بوده اند. در این بین، دو کانون ذیل با برخورداری از بیشترین آنومالی های (7/0R≥) ارتفاع تراز میانی جو قابل تشخیص بودند: 1) کانون اورآسیا-آفریقا و 2) کانون غرب آفریقا که به ترتیب 48% و 10% از کل مساحت قلمرو مطالعاتی را تحت سیطره داشتند. چنین تغییراتی در تراز میانی جو، سبب تقویت و عمیق تر شدن محور ناوه ها و پشته ها شده است. تغییرات کانون اول بیشترین تاثیر را در ایجاد پایداری و حاکمیت خشکی روزهای سطح حوضه آبریز داشته است.

مدل رقومی زمین ( DTM ) نمایش آماری از سطح پیوسته زمین با استفاده از تعدادی نقطه با مختصات مشخص می باشد. استخراج مدل رقومی زمین به عنوان یکی از مهم ترین محصولات فتوگرامتری و سنجش ازدور که پایه بسیاری از پروژه های کاربردی است، همواره مدنظر کارشناسان بوده است. با فراهم شدن امکان تهیه نقاط با مختصات سه بعدی و دقت بالا از سطح زمین با استفاده از لیدار و یا تناظریابی چگال از تصاویر رقومی هوایی، زمینه دستیابی به مدل رقومی سطحی ( DSM ) با دقت مکانی بالا فراهم گشت. با این حال رسیدن از مدل رقومی سطحی به مدل رقومی زمین همچنان موضوعی پرچالش در نظر محققان است. در این مقاله روشی کاربردی در راستای استخراج مدل رقومی زمین با استفاده از ابرنقاط طراحی و پیاده سازی شد. در این روش طی دو روند مجزا و با درنظرگیری خصوصیات ساختاری محیط، عوارض غیرزمینی استخراج شده و پس از تلفیق آن ها نتیجه نهایی حاصل گشته است. به طوری که ابتدا یک روند مورفولوژی مبنای پیش رونده طراحی شد که در آن طی افزایش تدریجی ابعاد المان ساختاری عوارض غیرزمینی شناسایی شدند. روند دوم بر مبنای ژئودزیک مورفولوژی و افزایش تدریجی المان ارتفاعی بوده است. بهره گیری از دو روند به دلیل پوشش های متنوع، ناهمواری های متفاوت و عوارض بسیار متنوع مناطق مختلف صورت گرفت تا عملکرد روش پیشنهادی افزایش یابد. پس از حذف عوارض شناسایی شده و بازیابی مناطق از دست رفته از طریق درون یابی مکعبی، مدل رقومی نهایی حاصل گشت. جهت ارزیابی از ابرنقاط حاصل از تناظریابی متراکم تصاویر هوایی رقومی و همینطور ابرنقاط لیدار بهره گرفته شد. نتایج ارزیابی   در 7 ناحیه مطالعاتی نشان از خطای RMSE متوسط 68/0 متر در استخراج مدل رقومی زمین و متوسط 85/4 % در شناسایی عوارض غیرزمینی داشت.

شبکه های عصبی مصنوعی  به عنوان یکی از تکنیک های غیرخطی در مطالعات اقلیمی و هیدرولوژی اهمیت فراوانی به خود اختصاص داده اند. تغییراقلیم و به دنبال آن گرمایش جهانی از پدیده های اقلیمی به شمار می رود. شمار روزهای خشک و تداوم آن خشکسالی را به دنبال دارد. در این پژوهش از داده های بارش روزانه طی سال های (1976-2008) و شبکه عصبی مصنوعی در نرم افزار MATLAB به منظور پیش بینی شمار روزهای خشک ایستگاه تهران استفاده شده است. شبکه به کار رفته از نوع Feed-forward با الگوریتم کاهش شیب و مارکوارت لونبرگ در مرحله آموزش و یادگیری می باشد. ساختارهای گوناگونی در لایه ورودی و پنهان در مرحله آموزش مورد آزمایش قرار گرفت. در نهایت شبکه با 4 ورودی و 5 نرون در لایه پنهان و 1 نرون در لایه خروجی به مطلوب ترین ساختار (1-5-4) جهت پیش بینی بهینه با بیش ترین همبستگی پاسخ داد. نتایج نشان داد که در ایستگاه مذکور، روزهای خشک پیش بینی شده توسط شبکه در مقایسه با طول دوره آماری مورد بررسی دارای روند افزایشی بوده است که با محاسبه احتمال وقوع روزهای خشک، طی سال های (2018-2009) با استفاده از زنجیره مارکوف، موارد فوق تأیید گردیده است. ضریب همبستگی مقادیر پیش بینی روزهای خشک بدون ترکیب با الگوریتم ژنتیک 86 درصد است. بعد از آموزش شبکه با ترکیب  الگوریتم ژنتیک با لایه های مختلف این مقدار به 88درصد رسید که می توان گفت در صورت ترکیب شبکه با الگوریتم مذکور نتایج قابل قبول ارائه می دهد.

نسل جدیدی از سیستم اطلاعات مکانی ( GIS )، نسل GIS فراگستر است که در این نسل قابلیت سرویس دهی به هر کاربر در هر مکان و زمانی داده می شود. با پیشرفت فناوری های جدید در اخذ اطلاعات سه بعدی از محیط تحولی در نسل های قدیم سیستم اطلاعات مکانی ایجاد شده است. یکی از موارد حائز اهمیت در نسل های مختلف سیستم اطلاعات مکانی، استخراج روابط مکانی است. استخراج روابط توپولوژی سه بعدی که بیشتر در سیستم اطلاعات مکانی موردتوجه قرارگرفته است، مبتنی بر مدل داده های استفاده شده در نسل های مختلف GIS صورت می گیرد. مدل داده های مورداستفاده در نسل های قدیم GIS دارای محدودیت هایی همچون عدم تعامل پذیری بالا بین کاربر و محیط، عدم نمایش سه بعدی اشیاء به دست آمده از محیط و هم چنین ناسازگاری اشیاء با پیش فرض های استفاده شده هستند، درحالی که در نسل GIS فراگستر با استفاده از حسگرها و زیرساخت های مختلف در محیط، محدودیت های بیان شده برای سرویس دهی برطرف می گردد. هدف این مقاله مقایسه ی رویکردهای مورداستفاده در نسل های مختلف سیستم اطلاعات مکانی برای استخراج روابط توپولوژی مبتنی بر مدل داده های ارائه شده در این نسل ها است. در این مقاله استخراج روابط توپولوژی در نسل های سنتی سیستم اطلاعات مکانی، با استفاده از روش مدل سازی شئ گرا و شبیه سازی اشیاء هرم و کره صورت می گیرد. این در حالی است که در نسل GIS فراگستر از داده های به دست آمده توسط کینکت به عنوان یک حسگر انتخابی مبتنی بر مدل داده ی ارائه شده، روابط استخراج می گردد. نتایج به دست آمده از مقایسه ی رویکردهای استخراج روابط توپولوژی سه بعدی در این دو نسل، بیانگر افزایش تعامل کاربر با محیط پیرامون مبتنی بر ابزارهای موجود در نسل های فراگستر برای استخراج روابط توپولوژی است.

مدل های GCM به طور وسیع برای ارزیابی تغییر اقلیم در یک مقیاس جهانی استفاده می شود؛ اما خروجی این مدل ها برای ارزیابی تغییرات اقلیمی در سطح محلی و منطقه ای کافی و دقیق نیست. در این مقاله با استفاده از مدل SDSM خروجی مدل تغییر اقلیم canESM۲ را در منطقه مورد مطالعه به وسیله داده های مشاهداتی ایستگاه تبریز که دارای آمار بلندمدت اقلیمی است، ریزمقیاس نموده و با در نظر گرفتن سناریوهای تغییر اقلیم RCP۲.۶، RCP۴.۵ و RCP۸.۵برای دوره های آینده ۲۰۳۹-۲۰۱۰، ۲۰۶۹-۲۰۴۰ و ۲۰۹۹-۲۰۷۰ تغییر اقلیم منطقه مورد نظر، مورد ارزیابی قرار گرفته است. مشاهدات روزانه حداقل و حداکثر دما، بارش برای دوره پایه ۱۹۹۰-۱۹۶۰ به عنوان ورودی وارد مدل شده است. نتایج خروجی مدل ریزمقیاس نشان می دهد که در دوره های آینده دما در ایستگاه تبریز بر اساس سه سناریوی مورد بررسی افزایش خواهد یافت. این افزایش برای دوره ۲۰۶۹-۲۰۴۰ و ۲۰۹۹-۲۰۷۰ محسوس تر خواهد بود. در ایستگاه تبریز به طورکلی بارش در سه سناریوی مورد بررسی برای دو دوره ۲۰۳۹-۲۰۱۰ و ۲۰۹۹-۲۰۷۰ کاهش و برای دوره ۲۰۶۹-۲۰۴۰ افزایش می یابد. همچنین بارش به طورکلی در فصل زمستان افزایش و بقیه فصول با کاهش بارش مواجه خواهد بود. تغییرات میانگین حداقل دمای ایستگاه تبریز در کلیه ماه ها به غیراز ماه نوامبر و دسامبر در دوره های آینده افزایش داشته است. حداقل دما در سه سناریوی مورد بررسی برای سه دوره مورد مطالعه افزایش می یابد. همچنین حداقل دما به طورکلی در تمام فصول افزایش می یابد که در فصل تابستان تا ۸ درجه نیز افزایش دما مشاهده می گردد.

در سال های اخیر، شبکه های حسگر بی سیم در کاربردهای متعددی مورد مطالعه قرار گرفته اند. یکی از مسائل مهم مورد مطالعه در این شبکه ها، جایابی بهینه حسگرها به منظور دستیابی به بیشینه مقدار پوشش شبکه در ارتباط با کاربرد تعریف شده شبکه حسگر در شهرهای هوشمند است. اطلاعات متنی (CI) حسگرها از جمله مشخصات و وضعیت حسگر در شبکه، نحوه ارتباط بین حسگرها، اطلاعات محیط پیرامونی آن ها در جانمایی و انجام مأموریت حسگر و نیز پدیده های فیزیکی مرتبط با شبکه حسگر در شهرهای هوشمند که می توانند موجب اختلال در انجام مأموریت محول شده به شبکه حسگرها شوند، به همراه ارتباطات بین آن ها، از عواملی هستند که مطالعه آن ها به جایابی بهینه شبکه های حسگر منجر می شود. پیچیدگی محیط مورد سنجش توسط حسگرها، با وجود موانع گوناگون، ممکن است به عدم پوشش مناطق مختلف در شبکه های حسگر منجر شود. از این رو، یک مسئله اساسی در یک شبکه حسگر، بهینه سازی پوشش مکانی آن است. در گذشته، چندین الگوریتم بهینه سازی محلی و سراسری توسعه یافته در این رابطه، به کار گرفته می شدند. در این مقاله، برای بهینه سازی جانمایی شبکه حسگرها از یک الگوریتم محیط آگاه با مزیت درنظرگرفتن انواع مختلف اطلاعات متنی یا محیطی و براساس کاربردهای خاص شبکه، به صورت مستقل از هر CI، استفاده شده است. درنهایت، نتایج به دست آمده در آزمایش انواع مختلف CI، بیانگر کارآمدی الگوریتم پیشنهادی در جانمایی بهینه سنسورها با استفاده از جنبه های مختلف اطلاعات متنی است.

بواسطه پیچیدگی عملکردی پدیده آلودگی هوا، از روش های هوش مصنوعی بالاخص شبکه عصبی برای مدل سازی آلودگی هوا استفاده می شود. هدف از این پژوهش دو مدل شبکه عصبی بازگشتی Elman و Jordan در زمینه پراکنش خطا و اعتبارسنجی آنها، به منظور تخمین غلظت ذرات معلق موجود در اتمسفر در شهر اهواز می باشد. پارامترهای مورد استفاده شامل رطوبت، فشار هوا، دما و عمق نوری آئروسل می بوده که مقادیر آن از تصاویر ماهواره ای MODIS و داده های ایستگاه های هواشناسی تهیه شده است. نتایج نشان می داد که مدل Jordan با مقدار RMSE معادل 9/219 میلی گرم بر متر مکعب نسبت به مدل Elman با مقدار RMSE معادل 5/228 دقت برازش بهتری داشته است. مدل Jordan به دلیل استفاده از حلقه های درونی سبب به روز رسانی مقادیر زمینه شده و این امر موجب افزایش صحت مدل می شود. مقدار شاخص R2 ، که نماینده میزان رابطه خطی بین مقادیر پیش بینی شده با مقادیر واقعی است، برای مدل Jordan معادل 5/0 بدست آمده است که درصد تخمین صحیح 50 درصد داده ها را نشان می داد. در نهایت با استفاده ازداده های مربوط به غلظت PM10 برای روز 162 که بالاترین میزان غلظت را داشت با روش درونیابی IDW نقشه توزیع مکانی آن تولید شد. با توجه به گران بودن ایستگاه های آلودگی سنجی پیشنهاد شد از منابع کمکی دیگر مانند اطلاعات داوطلبانه با استفاده از سنسورهای ارزان قیمت موبایل به عنوان ایستگاه کمکی متحرک و کم هزینه جهت افزایش تراکم و پراکنش مناسب ایستگاه ها جهت مدلسازی دقیق تر آلودگی هوا استفاده شود.

در این تحقیق، با به کارگیری تبدیل موجک، به بررسی روش شبکة عصبی - موجک و زمین آمار در برآورد توزیع مکانی سه مؤلفة ارتفاع برف، چگالی برف، و ارتفاع آب معادل برف حوضه های آبریز شمال غرب کشور پرداخته شد. بدین منظور، با مدنظر قراردادن اطلاعات اندازه گیری چهارسالة (1387 1387 تا 1390 1391) سه استان آذربایجان شرقی، آذربایجان غربی، و اردبیل توانایی روش شبکة عصبی- موجک و زمین آمار ارزیابی شد. مقایسة روش های مختلف زمین آمار نشان از برتری روش کریجینگ معمولی با نیم تغییرنمای گوسین برای مؤلفه های چگالی برف، آب معادل برف، و ارتفاع برف با آمارة میانگین مجذور مربعات خطای استاندارد (NRMSE) به ترتیب 259 /0، 429 /0، و 390 /0 بود. با کاربرد روش شبکة عصبی- موجک خطای برآورد هر سه مؤلفه بسیار کاهش یافت؛ به طوری که مقدار NRMSE برای مؤلفه های چگالی برف، آب معادل برف، و ارتفاع برف به ترتیب 122 /0، 002 /0، و 001 /0 به دست آمد. ضمن آنکه دقت شبیه سازی نقاط حدی مؤلفه های برف به وسیلة روش شبکة عصبی- موجک افزایش یافت. بنابراین، کاربرد شبکة عصبی- موجک در مقایسه با زمین آمار در برآورد توزیع مکانی مشخصه های برف توصیه می شود.