مطالب مرتبط با کلیدواژه

موتور گوگل ارث


۱.

مدل سازی توسعه فیزیکی شهر با ترکیب قابلیت های گوگل ارث انجین (GEE) و شبکه عصبی مصنوعی (MLP) مطالعه موردی: شهر تبریز(مقاله علمی وزارت علوم)

کلیدواژه‌ها: موتور گوگل ارث توسعه فیزیکی شهر پرسپترون چند لایه سنجش از دور

حوزه های تخصصی:
تعداد بازدید : ۴۲۸ تعداد دانلود : ۳۵۹
امروزه ارزیابی توسعه فیزیکی شهری با استفاده از تکنیک های نوین سنجش از دور می تواند اطلاعات پایه ای را در اختیار برنامه ریزان قرار دهد و از این طریق نقشی مؤثر در مدیریت و بهبود کاربری اراضی شهر ایفا کند. هدف از این پژوهش، پایش و ارزیابی توسعه فیزیکی شهر تبریز در دوره 42 ساله (2014-1972) با استفاده از سامانه جدید (GEE) Google Earth Engine و پیش بینی تغییرات گسترش فیزیکی شهر تبریز با استفاده از مدل شبکه عصبی (MLP) است. نتایج این پژوهش نشان از قابلیت بالای فناوری GEE در استخراج پهنه های شهری طی دوره های مختلف دارد، بطوریکه این فناوری بخوبی توانست توسعه فیزیکی شهر تبریز را طی دوره 40 ساله ارزیابی کند. نتایج پیش بینی تغییرات حاصل از مدل MLP نشان دهنده ی این است که توسعه فیزیکی شهر تبریز در آینده رو به شمال شرقی و جنوب شرقی است و مدل اجرا شده از سال 1975 تا 2014 در قالب GEE و برای بیست سال آتی با استفاده از مدل تجربی شبکه عصبی مبتنی بر پرسپترون چندلایه اقدام به شبیه سازی و مدلسازی روند آتی توسعه کلانشهر تبریز نمود.
۲.

تغییرات سطح سفره آب های زیرزمینی با استفاده از داده های ماهواره ای GRACE در موتور گوگل ارث (منطقه مورد مطالعه: حوضه آبخیز دریاچه ارومیه، ۲۰۰۲ تا ۲۰۱۷)(مقاله علمی وزارت علوم)

کلیدواژه‌ها: حوضه دریاچه ارومیه داده های ماهواره GRACE سفره آب های زیرزمینی موتور گوگل ارث

حوزه های تخصصی:
تعداد بازدید : ۵۶۱ تعداد دانلود : ۳۰۶
بررسی تغییرات آب سفره های زیرزمینی در برنامه ریزی مدیریت پایدار منابع آب هر منطقه از اهمیتی ویژه برخوردار است. بنابراین کاهش سطح تغییرات سفره آب های زیرزمینی نیازمند مدیریت و برنامه ریزی درست برای بهره برداری از منابع آب است. در این مطالعه سطح تغییرات سفره آب های زیرزمینی حوضه دریاچه ارومیه، با استفاده از داده های ماهواره ای GRACE (باند های سه گانه JPL و GFZ و CSR، مدل CRI Filtered، فیلتر زمانی و مکانی و پروداکت خشکی Lew-Thiknth Uncertainty) در موتور گوگل ارث مربوط به سال های ۲۰۰۲ تا ۲۰۱۷ بررسی شد. نتایج حاصل از باند های سه گانه نشان داد باند JPL در ۱ مه ۲۰۰۴ میانگین سطح تغییرات سفره آب های زیرزمینی را ۹۴۷/۱۴ سانتی متر، باند GFZ در ۱ سپتامبر ۲۰۱۵ این تغییرات را ۵۵۸/۳۰- سانتی متر، و باند CSR این تغییرات را ۲۰۶/۲۸- سانتی متر برآورد کرده است. بنابراین، مدل CRI Filtered می تواند مرز میان پهنه های خشکی و آبی را به طور بسیار دقیق تشخیص دهد. نتایج حاصله نشان داد این مدل بیشترین ضخامت کل آب مایع در سفره آب های زیرزمینی را در ۳۱ مارس ۲۰۰۲ حدود ۵۹۹/۱۱ سانتی متر و عدم قطعیت آن را حدود ۷۶۷/۹ سانتی متر برآورد کرده است. می توان گفت مدل مورد نظر، در ۲۲ مه ۲۰۱۷، کمترین میزان ضخامت کل آب مایع را ۳۰۹/۱۲- و عدم قطعیت آن را ۷۵۹/۱۰ سانتی متر تخمین زده است. با توجه به نتایج به دست آمده می توان گفت میزان سطح تغییرات آب سفره های زیرزمینی حوضه آبخیز دریاچه ارومیه از نظر پارامتر ضخامت کل آب مایع (Lew-Thiknth) در قسمت های شمالی حوضه دریاچه ارومیه و از نظر پارامتر عدم قطعیت در قسمت شمال شرقی حوضه دریاچه ارومیه به شدت با افت سطح آب سفره های زیرزمینی روبه روست.