تلفیق داده

به دلیل پرهزینه و زمان بر بودن عملیات حفاری و نیز ریسک بالای آن در اکتشاف مواد معدنی این مرحله از اهمیت به سزایی برخوردار است. به منظور تعیین نقاط بهینه حفاری، تهیه نقشه پتانسیل معدنی با استفاده از سامانه اطلاعات مکانی برای تلفیق کلیه فاکتورهای اکتشافی امری ضروری می باشد. روش های مختلفی برای تهیه نقشه پتانسیل یابی تاکنون توسعه یافته است. یکی از موثرترین آنها با توجه به طبیعت پدیده های زمین شناسی و معدنی؛ روش سلسله مراتبی در ترکیب با منطق فازی است. در این تحقیق از روش ترکیبی متشکل از سلسله مراتبی و فازی که تحت عنوانسلسله مراتبی فازی(AHP Fuzzy)؛ بهره گرفته شده است. در این بررسی از فناوری سامانه اطلاعات مکانی به عنوان یکی از مؤثرترین ابزارها برای مدیریت داده و اطلاعات اکتشافی برای تلفیق داده های مختلف جهت تهیه نقشه پتانسیل معدنی بهره گرفته شده است. در این پژوهش؛ کانسارمس پرفیری نیسیان به عنوان مطالعه موردی استفاده شده است. زیرا این کانسار در استان اصفهان در کمربند ولکانیکی ارومیه-دختر کشور؛ در حال مطالعه اکتشافی بوده و بعلت پیچیدگی های زمین شناسی و معدنی؛ تعیین بهینه محل های حفاری جهت مطالعات تفصیلی از حساسیت قابل توجهی برخوردار است. به منظور تهیه نقشه فاکتور زمین شناسی؛ ژئوشیمی از داده های موجود بهره گرفته شده است. برای محاسبه وزن لایه های اکتشافی از فرآیند سلسله مراتبی فازی استفاده می شود. در راستای اجرای دقیق از متخصصان زمین شناسی و ژئوشیمی بهره گرفته می شود. در فرآیند تلفیق لایه های اطلاعاتی حاصله از عملگرهای فازی استفاده می شود. برای ارزیابی و اعتبارسنجی نقشه پتانسیل معدنی حاصله؛ از گمانه های اکتشافی استفاده می شود. مقایسه نقشه پتانسیل تولید شده با گمانه ها نشانگر انطباق معنادار و مثبت بین آنها است. در این راستا نقاط پیشنهادی برای حفاری های مورد نیاز ارائه شده است.

شاخص های طیفی پوشش گیاهی به منزله ابزاری مناسب برای تخمین میزان تولید محصولات کشاورزی استفاده می شوند. بااین حال، تعداد محدود تصاویر از عوامل اصلی کاهش کارآیی شاخص ها به منظور تخمین تولید شمرده می شود. از سوی دیگر، ارزیابی توانایی شاخص ها در تخمین تولید از راه ترکیب داده های مادیس و لندست، در مواردی که تعداد داده های لندست کم باشد، کمتر مورد توجه قرار گرفته است. هدف تحقیق حاضر، در گام نخست، معرفی شاخص ها یا شاخص منتخب در تخمین تولید کلزا و در گام بعدی، استفاده از تکنیک های تلفیق داده برای افزایش کارآیی شاخص منتخب است. کلزا ازجمله محصولات کشاورزی است که، به دلیل گل دهی در دوره رشد، ویژگی های طیفی خاصی دارد. در این تحقیق، پایگاه داده ای از میزان تولید محصول کلزا و سری زمانی داده های لندست و مادیس کشت و صنعت مغان تهیه و سپس ده شاخص متفاوت به قصد تخمین تولید کلزا ارزیابی شد. در ادامه، رابطه میزان تولید با شاخص پیشنهادی بررسی و مشخص شد که شاخصNDYI ، در طول زمان گل دهی، دقتی بیشتر از سایر شاخص ها دارد (r = 0.73). با تلفیق داده های سری زمانی لندست و مادیس مبتنی بر الگوریتم مدل تطبیقی ادغام بازتابندگی مکانی و زمانی بهبودیافته (ESTARFM)، همبستگی و RMSE (kg/ha) به ترتیب 7% و 0.11 افزایش و کاهش یافت. تحقیق حاضر نشان داد که استفاده از تکنیک های تلفیق داده امکانِ افزایش کارآیی شاخص های طیفی را به منظور تخمین تولید محصول فراهم می کند.

افزایش بحران های محیط زیست در جهان باعث شده است تا در دهه های اخیر اهمیت مطالعه در مورد مسائل زیست محیطی افزایش یابد. آلودگی هوا در ردیف یکی از زیان بارترین مخاطرات طبیعی قرار گرفته است. ذرات معلق در هوا با قطر کمتر از 2.5 میکرومتر (PM2.5) یکی از خطرناک ترین و مضرترین نوع ذرات در میان آلاینده های مختلف هوا برای سلامتی انسان هستند. یکی از تکنیک های تخمین PM2.5 استفاده از محصولات عمق نوری آئروسل (AOD) است. محصولات مختلف AOD با الگوریتم های متفاوتی بازیابی می شوند که دارای دقت و قدرت تفکیک مکانی یکسانی نمی باشند. به دلیل تفاوت در فرضیات و تقریبات زیادی که در مراحل بازیابی AOD ها اتخاذ می شود، محصولات AOD تولید شده دارای عدم قطعیت هستند. این موضوع، باعث کاهش دقت تخمین غلظت PM2.5 می گردد. هدف این مقاله بررسی امکان تلفیق محصولات AOD حاصل از مشاهدات سنجنده MODIS (بازیابی شده توسط الگوریتم های Deep Blue و Dark Target) به منظور تخمین دقیق تر PM2.5 است. در این مطالعه، نخست با انجام آزمایش بر روی الگوریتم های مختلف یادگیری ماشین و بررسی عملکرد آن ها در تخمین PM2.5 از روی داده های AOD، الگوریتم XGBoost به عنوان الگوریتم پایه در روش تلفیق پیشنهادی انتخاب شد. سپس محصول AOD تلفیقی با استفاده از یک روش وزن دهی مبتنی بر کیفیت بازیابی محصولات اولیه، تولید شد. محصول تلفیقی به همراه داده های هواشناسی و الگوریتم XGBoost برای تخمین PM2.5 مورد استفاده قرار گرفت. نتایج حاصل از تلفیق نشان داد که دقت تخمین PM2.5 محصول تلفیقی در هر سه شاخص RMSE، MAE و  نسبت به حالت هایی که محصولات به صورت منفرد استفاده شدند، بهتر است (0.77= ، 7.00 MAE = ، 9.59 RMSE=). علاوه بر افزایش دقت، روش پیشنهادی ساده و از نظر محاسباتی کم هزینه است. علاوه بر این در این تحقیق مشخص گردید، توجه به نشانگر کیفی بازیابی محصولات AOD، زمینه دستیابی به یک محصول تلفیقی دقیق تر را فراهم خواهد کرد.