آشکار سازی

چکیده در این تحقیق ، داده های مربوط به ناهنجاری های دمایی کره زمین و بارش متوسط سالانه ایستگاه جلفا در طی دوره آماری 2003-1960 استفاده شده است. روش های اصلی به کار گرفته شده در این مطالعه، عبارت از: روش تعیین ضریب همبستگی پیرسون، تحلیل مولفه روند سری های زمانی، رگرسیون خطی ساده و شبکه های عصبی مصنوعی. نتایج حاصل از کاربرد و تحلیل همبستگی پیرسون، نشان دهنده همبستگی منفی و معکوس معنی داری بین بارش سالانه جلفا و ناهنجاری های دمایی کره زمین است. این، بدان معنی است که غالباً با منفی شدن ناهنجاری های دمایی کره زمین بارش سالانه جلفا افزایش یافته، ترسالی به وقوع می پیوندد و برعکس، با مثبت شدن ناهنجاری های دمایی کره زمین، متوسط بارش سالانه جلفا کاهش یافته، خشکسالی به وقوع می پیوندد. تحلیل مؤلفه روند بلند مدت سری های زمانی نشان می دهد که در طول دوره آماری از بارش متوسط سالانه جلفا کاسته می شود، اما روند ناهنجاری های دمایی کره زمین روندی افزایشی دارد. با استفاده از شبکه های عصبی مصنوعی، ارتباط بارش متوسط سالانه جلفا با گرمایش جهانی شبیه سازی شده است. نتایج حاصل از کاربرد روش های مختلف در این مطالعه نشان می دهد که روش شبکه عصبی مصنوعی در مقایسه با روش های رگرسیون خطی ساده روش شبیه سازی بهتر و دقیق تری است. روش های مختلف شبکه های عصبی مصنوعی به کار گرفته شده در این مطالعه نشان داد که روش پرسپترون چند لایه، با چهار لایه مخفی و الگوریتم آموزش پس انتشار، دارای قابلیت بسیار عالی در پیش بینی همبستگی بین سری هاست

مخاطرات اقلیمی هر ساله در ایران خسارات جانی و مالی بسیاری بر جای می گذارند. بر همین اساس شناخت و ارزیابی این مخاطرات به منظور کاهش اثرات آن ها، از اهمیت فراوانی برخوردار است. با توجه به گسترش جغرافیایی وسیع کشور ایران و پراکنش نامناسب ایستگاه های سنجش زمینی، دسترسی و جمع آوری داده های مخاطرات اقلیمی همواره با مسایل و مشکلات زیادی مواجه بوده است. امروزه با پیشرفت تکنولوژی سنجش از دور فرصت های بسیار خوبی در زمینه جمع آوری و ارزیابی مخاطرات بوجود آمده است. در این تحقیق مخاطرات توفان گرد و خاک 1 و 2 جولای 2008 در خوزستان، سیلاب 11 فوریه 2005 در چابهار و بارش شدید (گنو) 6 جون 2007 جهت بررسی، انتخاب شده اند. ارزیابی این مخاطرات توسط سنجندهای AVHRR, MODIS, SEAWIFS, VISSR و در مواردی MSS و TM صورت گرفته است. در تحقیق حاضر، جهت تشخیص مخاطرات در تصاویر از روش مشاهده بصری استفاده شده است. در این روش از خصوصیاتی مانند: تن، رنگ، شکل، اندازه، بافت که هرکدام معرف خصوصیات ظاهری پدیده ای می باشند و همچنین از تصاویر ترکیب رنگی (RGB) که سبب بارز شدن مخاطرات با رنگی ویژه می گردد برای آشکارسازی مخاطرات استفاده شده است. نتایج این مطالعه نشان می دهدکه جهت مسیر یابی مخاطرات، سنجنده های دارای قدرت تفکیک زمانی بالاتر و برای اطلاع از جزییات و منبع مخاطرات سنجنده های دارای قدرت تفکیک مکانی بالاتر مفید می باشند. سنجنده MODIS و SEAWIFS برای آشکار سازی توفان های گرد و خاک، همچنین سنجنده MODIS جهت آشکار سازی سیلاب مفیدتر از دیگر سنجنده ها می باشد. برای ارزیابی بارش های شدید نیز سنجنده ماهواره METEOSATبه دلیل قدرت تفکیک زمانی هر 30- 15 دقیقه بهترین سنجنده می باشد.

چکیده هدف از این پژوهش بررسی اثرات تغییر بارش بر روی دبی در سطح دریاچه ارومیه می باشد. محاسبات و تحلیل ها برروی میانگین بارش و آب دهی حوضه آبریز ارومیه صورت گرفته است. این مطالعه در یک دوره آماری 42 ساله از سال 1345 تاسال 1386 برای عناصر بارش و دبی سنجی صورت گرفت. برای شناسایی نوسانات بارش و دوره های خشکسالی از مدل SPI استفاده شد و در ادامه به وسیله آزمون همبستگی اسپیرمن میزان ارتباط بارش و دبی در ایستگاه های مختلف نمایش داده شد. تحلیل نمودارهای ترسیمی نشان می دهد که نوسانات در میزان بارش موجب نوسان در دبی گردیده و سال هایی که مدل SPI خشکسالی را نشان می دهد در میانگین متحرک دبی نیز کاهش دبی نسبت به سطح متوسط حاکم بوده و بر اساس فاز های کاهشی و افزایشی بارش در میان سال های 1385 1365 دبی نیز از این فاز های تاثیر پذیرفته است. خشکی های شدید بارش و تاثیر آن بر روی روانآب موجب جهش در آزمون من کندال شده و این مدل نیز کاهش دبی را نمایش می دهد. این جهش در سال 1374 شکل گرفته و تا پایان دوره مطالعاتی ادامه یافته است. با کاهش میزان بارش، از میانگین دبی و انحراف معیار ایستگاه کاسته و معادله خط رگرسیونی دبی روندی کاهشی را در پیش گرفته و تا به امروز این سیر نزولی ادامه یافته است.

امروزه اثرات گرمایش جهانی بر روی جنبه های مختلف کره زمین بر کسی پوشیده نیست. به دلیل اهمیت این موضوع، پژوهش پیش رو جهت آشکار سازی تأثیر گرمایش جهانی بر روی دماهای حداقل، به صورت ماهانه و دوره ای (سرد و گرم) انجام گرفته است. برای انجام این پژوهش از دو دسته داده، داده های دمای 17 ایستگاه سینوپتیک کشور و مقادیر متناظر آن، داده های ناهنجاری های دمایی کره زمین طی بازه زمانی 60 ساله (1951تا2010)، میلادی استفاده گردید. جهت نیل به اهداف پژوهش از روش های همبستگی پیرسون، رگرسیون خطی و پلی نومیال، مدل زمین آمار و آزمون ناپارامتری من-کندال استفاده شد. براساس نتایج به دست آمده به غیر از ایستگاه های خرم آباد و ارومیه که رابطه همبستگی معکوس با گرمایش جهانی داشته و ایستگاه های همدان و کرمان که هیچ گونه رابطه معناداری با گرمایش جهانی نشان نمی دهند؛ در سایر ایستگاه ها تأثیرپذیری مثبت از گرمایش جهانی دیده می شود. بررسی روند تغییرات دمای حداقل حاکی از تغییرات معنادار اغلب ماه ها دارد. نتایج حاصل از بررسی دوره ای (سرد و گرم)، دمای حداقل بیانگر تأثیر بیش تر ناهنجاری های دمایی کره زمین بر روی دمای حداقل دوره گرم سال است. در هر دو دوره تغییر روند صورت گرفته براساس نتایج حاصله به وضوح معنی دار هستند

مدل سازی تغییرات کاربری اراضی، ابزاری ضروری برای تجزیه و تحلیل های محیط زیستی، برنامه ریزی  و مدیریت محسوب می گردد. در حال حاضر آشکار سازی و مدلسازی تغییرات کاربری اراضی با استفاده از تصویر ماهواره ای ابزاری سودمند برای درک تغییرات زیست محیطی در رابطه با فعالیت های انسانی به حساب می آیند. ناحیه مورد مطالعه یکی از مناطق ایران است که هدف تجاوزساخت و ساز های بی رویه و بدون برنامه قرار گرفته است.  توسعه شهری و رشد جمعیت منجر به تغییرات الگوی فضایی شده و کاربری بخش زیادی از منابع طبیعی را  تحت تأثیر قرار داده است. در این تحقیق از تصاویر ماهواره لندست در سال های ۱۹۸۶، ۲۰۰۲، ۲۰۱۸ برای طبقه بندی و آشکارسازی تغییرات کاربری اراضی استفاده شده است.پس از رفع خطاهای تصاویر ماهواره ای چهار کلاس عارضه، ساخت و ساز مسکونی و غیر مسکونی، پوشش گیاهی، کوه و مرتع و راه، جهت بررسی تغییرات در نظر گرفته شد. عملیات میدانی و برداشت عوارض نمونه، با گیرنده های GPS دو فرکانسه در محدوده مورد مطالعه انجام شد. سپس این عوارض به نرم افزار معرفی و با روش ماشین های بردار پشتیبان [1] طبقه بندی روی تصاویر سه دوره انجام و میانگین دقت کلی و میانگین ضریب کاپا [2]   در این روش به ترتیب  ۶۲ /۹۶ % ، ۳۳/۸۵ % محاسبه گردید. بیشترین تغییرات مربوط به کلاس کاربری های مسکونی و غیر مسکونی و راه می باشد. بیش ترین تغییرات مربوط به ساخت و ساز مسکونی ۰۶/۹ درصد و راه ۱ درصد می باشد، که این روند رو به افزایش سبب کاهش دو کلاس عارضه کوه و مرتع و پوشش گیاهی به ترتیب به میزان ۰۷/۹ و۱/۰ درصد شده است. در ناحیه مورد مطالعه اکثر پوشش های گیاهی و زمین های کشاورزی تبدیل به شهرک های صنعتی و ویلاهای تفریحی شده است.  در راستای چنین تغییراتی زنجیره مارکوف توانایی خوبی برای پیش بینی احتمال تغییرات را دارد و بر پیش بینی های تغییرات کاربری اراضی متمرکز  است در حالی که اتوماتای ​​ سلولی به عنوان یک روش قدرتمند در تشخیص تغییرات مؤلفه مکانی فضایی است. به این منظور جهت پیش بینی تغییرات در کمیت و فضا  از مدل ترکیبی زنجیره مارکوف و سلول های خودکار استفاده گردید و نقشه کاربری اراضی برای سال ۲۰۵۰  شبیه سازی شد. نتایج نشان داد که مدل های مارکوف اطلاعات مفیدی در اختیار ما قرار می دهد که می تواند برای برنامه ریزی کاربری اراضی در آینده  مفید واقع شود. <br clear="all" /> [1]- SVM [2]- Overall Accuracy

    در این تحقیق به بررسی عدم قطعیت مدل های اقلیمی و هیدرولوژی بر پارمترهای دمای سالانه دمای حداکثر و دمای حداقل در ایستگاه های حوضه کرخه پرداخته شده است.. در این رابطه دوره آماری 41 ساله (1390 -1350)، 11 ایستگاه حوضه کرخه مورد بررسی قرار گرفته است. ابتدا با استفاده از مدل های پارامتری و ناپارامتری اقلیمی، آشکارسازی روند تغییرات اقلیمی متغیرهای سالانه دما، دمای حداکثر، دمای حداقل ایستگاه ها انجام گرفته است. نتایج آشکارسازی مدل های پارامتری و ناپارامتری میانگین سالانه دما نشان می دهد که روند تغییرات اکثر ایستگاه ها 82 درصد آن ها افزایشی بوده است. در این میان ایستگاه های جنوبی (پایین دست) حوضه در سطح یک درصد روند صعودی بیشتری به نسبت بخش های دیگر کرخه دارد. روند مثبت معنی داری دمای حداکثر برخلاف روند میانگین دما در بخش های شمالی حوضه گستردگی بیشتری از بخش جنوبی داشته است. شدیدترین روند افزایشی معنی داری دمای حداقل حوضه کرخه در ایستگاه اهواز با مدل های من کندال، سن، اسپیرمن و رگرسیون خطی در سطح یک درصد وتست PW در سطح 10 درصد بوده است. این روند افزایشی و کاهشی معنی داری در برخی از متغیر های دما، در ایستگاه ها با مدل های بکار گرفته شده متفاوت می باشد. در مجموع کارآیی آزمون های فوق در تغییر متغیرهای دما تطابق نداشته که خود نشان دهنده وجود عدم قطعیت در خروجی های این مدل هاست.