فازی سازی

با توجه به اهمیت بسیار بالای مقوله سرپناه برای بشر، پیش بینی مکان هایی برای اسکان موقت آسیب دیدگان حوادث، امری اجتناب ناپذیر است. شهر میبد با پیشینه تاریخی و دارای شبکه معابر باریک، در پهنه با درجه خطر نسبتاً زیاد قرار گرفته است. یکی از مهمترین وظایف برنامه ریزان بخش مدیریت بحران، پیش بینی های جدی برای اسکان اضطراری است؛ چرا که انسان آسیب دیده بدون سرپناه متعارف در آستانه آسیب های جدی جسمی، روحی و روانی است. با توجه به ماهیت مکانی این موضوع و ماهیت فازی پارامترها و رویارویی با فاکتورهای زیاد در جهت تصمیم گیری، می توان از تلفیقی از GIS و منطق فازی به همراه روش های تصمیم گیری چند معیاره به منظور اخذ تصمیم بهینه که منجر به تعیین نواحی امید بخش اسکان موقت می شود، استفاده کرد. آمار و اطلاعات لازم، به صورت کتابخانه ای و میدانی جمع آوری و تصاویر ماهواره ای منطقه مورد مطالعه در نقشه شهر میبد بهنگام سازی شد. هدف از این پژوهش، بیان روشی کارآمد، منعطف، منطقی و قوی برای مکان یابی اسکان موقت با استفاده از سیستم اطلاعات مکانی4 در شهر میبد است. در این پژوهش، ابتدا مؤثرترین پارامترها انتخاب و به وسیله فرایند سلسله مراتبی5 و با استفاده از منطق فازی، مکان های اسکان موقت استخراج گردید، سپس به مقایسه و اولویت بندی مناطق پیشنهادی پرداخته شد و سایت های مورد نظر رتبه بندی و بهترین سایت از بین گزینه های انتخابی مشخص گردید. در روش AHP شش مکان با اهمیت نسبی «بسیارمناسب» و با مجموع مساحت 347071 متر مربع و شش مکان با اهمیت نسبی «مناسب» و با مجموع مساحت 384369 متر مربع به عنوان بهترین مکان ها برای مکان یابی اسکان موقت، مشخص شد. پارک بهاران و اراضی بایر جنوب شرقی ورزشگاه فرمانداری برای اسکان موقت با اهمیت نسبی «بسیارمناسب» در روش فازی، تعیین گردید.

پدیده ی خشکسالی مختص ناحیه ای خاص نبوده و مناطق مختلف جهان از آن متأثر می باشد، یکی از این مناطق، ایران در جنوب غرب آسیا می باشد که در چند سال اخیر از این پدیده رنج می برد. هدف پژوهش حاضر مدل سازی، تحلیل و پیش بینی خشکسالی در ایران می باشد. برای این کار ابتدا پارامترهای اقلیمی: بارش، دما، ساعات آفتابی، حداقل رطوبت نسبی و سرعت باد در بازه ی زمانی 29 ساله (2018- 1990) در 30 ایستگاه ایران مورد استفاده قرار گرفت. برای مدل سازی، شاخص فازی T.I.B.I ابتدا چهار شاخص (SET, SPI, SEB, MCZI) با استفاده منطق فازی در نرم افزار Matlab فازی سازی شدند و در نهایت برای پیش بینی از مدل شبکه ی عصبی مصنوعی تطبیقی Anfis بهره گرفته شد. یافته های پژوهش نشان داد شاخص فازی نوین T.I.B.I طبقات خشکسالی، چهار شاخص مذکور را با دقت بالا در خود منعکس کرد. از بین 5 پارامتر اقلیمی مورد استفاده در این پژوهش، پارامتر دما و بارش در نوسان شدت خشکسالی بیش ترین تأثیر را داشت. شدت خشکسالی براساس مدل سازی صورت گرفته در مقیاس 6 ماهه بیش تر از 12 ماهه بود، بیش ترین درصد رخداد خشکسالی در ایستگاه بندرعباس با مقدار (30/24) در مقیاس 12 ماهه و کم ترین آن در ایستگاه شهرکرد با مقدار درصد فراوانی خشکسالی (36/0) درصد در مقیاس 6 ماهه اتفاق اف تاده است. پیش بینی خشکسالی ش اخص فازی T.I.B.I بر اساس م دل Anfis ایستگاه های بندرعباس، بوشهر و زاهدان به ترتیب با مقدار شاخص T.I.B.I (62/0، 96/0 و 97/0) در نیمه جنوبی ایران بیش تر در معرض خشکسالی قرار گرفتند. براساس نتایج کلی پژوهش در هر دو مقیاس 6 و 12 ماهه مناطق نیمه جنوبی ایران از شدت بیش تر خشکسالی برخوردار شد که نیازمند مدیریت دقیق و کارآمد در مدیریت منایع آبی در این مناطق می باشد.