مطالب مرتبط با کلیدواژه

طوفان های گردوغبار


۱.

پایش و پیش بینی وقوع طوفان های گردوغبار با استفاده از داده های دورکاوی، سیستم اطلاعات مکانی و داده های زمینی براساس بررسی تغییرات پوشش گیاهی و عناصر اقلیمی (مطالعه موردی: جنوب و جنوب شرق ایران)(مقاله علمی وزارت علوم)

کلیدواژه‌ها: طوفان های گردوغبار عناصر اقلیمی شاخص تفاضلی پوشش گیاهی نرمال شده پایش پیش بینی

حوزه های تخصصی:
تعداد بازدید : ۶۵۵ تعداد دانلود : ۵۰۷
پدیده طوفان های گردوغبار از مهم ترین مخاطرات زیست محیطی جهان امروز است که هرساله خسارت های جبران ناپذیری را بر بخش های گوناگون، ازجمله محیط زیست و سلامت انسان ها وارد می کند. هدف از این مطالعه پایش و پیش بینی وقوع طوفان های گرد و غبار در جنوب و جنوب شرق ایران با استفاده از داده های سنجش از دور در تلفیق با اطلاعات ایستگاهی است. به این منظور، از 92 تصویر ماهواره ای سنجنده مودیس و نیز داده های سازمان هواشناسی ایران در 18 ایستگاه همدیدی جنوب و جنوب شرق کشور طی سال های 2001 تا 2009 استفاده شد. در این مطالعه، روزهای گردوغباری با دو منشأ نزدیک و خارج از ایستگاه های همدیدی استخراج شد. پس از پایش سالیانه و ماهیانه طوفان ها، با استفاده از عناصر اقلیمی و شاخص NDVI برای پیش بینی طوفان های گردوغبار، با استفاده از مدل رگرسیون مکانی چندمتغیره اقدام شد. نتایج نشان می دهد که در اوایل هر سال میلادی وقوع طوفان ها افزایش و پس از ماه های ژوئن و ژوئیه سیر نزولی پیدا می کند. همچنین، گردوغبار با منشأ نزدیک ایستگاه باعث ایجاد بیشترین روزهای گردوغباری در منطقه است، به طوری که بیش از 78 درصد از روزهای گردوغباری بر اثر وقوع این نوع گردوغبار ایجاد شده است. آزمون اعتبارسنجی روابط رگرسیونی نشان داد که این روابط فراوانی طوفان های گردوغبار را در ماه های گرم و پرغبار با دقت بالاتری پیش بینی می کنند. با توجه به اینکه عمده گردوغبار این منطقه با منشأ نزدیک ایستگاه هاست، می شود با اقدامات بیابان زدایی و مقابله با فرسایش بادی حجم قابل توجهی از این طوفان ها را کاهش داد
۲.

یک مدل شبکه عصبی پیچشی برای پیش بینی مسیر حرکت طوفان های گرد و غبار(مقاله علمی وزارت علوم)

کلیدواژه‌ها: فرآیند حرکتی پیش بینی حرکت یادگیری عمیق طوفان های گردوغبار MERRA - 2

حوزه های تخصصی:
تعداد بازدید : ۲۲۰ تعداد دانلود : ۱۹۴
طوفان های گردوغبار بلایایی طبیعی اند که در زندگی انسان و محیط زیست تأثیر چشمگیری گذاشته اند. توسعه مدل هایی، به منظور پیش بینی مسیر حرکت این طوفان ها، در پیشگیری و مدیریت طوفان های گردوغبار نقش بسزایی ایفا می کند زیرا مسیر انتقال آنها را آشکار و مناطق آسیب پذیر بعدی در برابر طوفان را مشخص می کنند. به لطف امکانات روش های یادگیری عمیق در حل مسائل مبتنی بر سری زمانی و یافتن الگوهای پنهان از حجم داده کلان، در این پژوهش، یک مدل ترکیبی شبکه عصبی پیچشی (CNN) به منظور پیش بینی مسیر حرکت طوفان گردوغبار، براساس داده عمق نوری هواویز (AOD) محصول MERRA-2 برای دوازده ساعت آینده، توسعه داده شده است. همچنین چهل رویداد طوفان، شامل 2489 ساعت طوفان در منطقه ای خشک در مرکز و جنوب آسیا، به منظور آموزش مدل به کار رفته است. نتایج نشان می دهد که مدل پیشنهادی پیش بینی دقیقی از مسیر حرکت طوفان به دست می دهد؛ به گونه ای که درمورد گام های زمانی 3، 6، 9 و 12 ساعت آینده، مقادیر دقت کلی به ترتیب برابر با 9806/0، 9810/0، 9813/0 و 9790/0، مقادیر امتیاز F1 به ترتیب برابر با 8490/0، 8524/0، 8530/0 و 8384/0 و مقادیر ضریب کاپا به ترتیب برابر با 8387/0، 8424/0، 8431/0 و 8273/0 است.