جواد جاودان؛ محمد حسین رضائی مقدم؛ یوسف عبادی
چکیده
دمای سطحی زمین یکی از کلیدیترین پارامترهای مورد نیاز مطالعات محیطی مختلف در مقیاسهای محلی تا جهانی میباشد. با توجه به محدودیتهای ایستگاههای هواشناسی، سنجش از دور حرارتی افق جدیدی برای کسب این نوع اطلاعات باز کرده است. اخیراً با پرتاب موفقیتآمیز ماهواره لندست 8 که دارای دو باند حرارتی است، امکان خوبی برای برآورد دمای سطح ...
بیشتر
دمای سطحی زمین یکی از کلیدیترین پارامترهای مورد نیاز مطالعات محیطی مختلف در مقیاسهای محلی تا جهانی میباشد. با توجه به محدودیتهای ایستگاههای هواشناسی، سنجش از دور حرارتی افق جدیدی برای کسب این نوع اطلاعات باز کرده است. اخیراً با پرتاب موفقیتآمیز ماهواره لندست 8 که دارای دو باند حرارتی است، امکان خوبی برای برآورد دمای سطح زمین با استفاده از فناوری سنجش از دور حرارتی فراهم شده است. روشهای زیادی برای محاسبه دمای سطحی زمین گسترش پیدا کرده است ولی با توجه به گزارشهایی مبنی بر وجود عدم قطعیت قابل توجه در کالیبراسیون باند 11 سنجنده TIRS ماهواره لندست 8، کماکان گسترش روشهای مبتنی بر یک باندحرارتی ضروری به نظر میآید. در این مطالعه، روش پنجره یکتا که سه پارامتر اساسی آن قابلیت انتشار زمینی، قابلیت عبور اتمسفری و میانگین دمای مؤثر هوا میباشند، برای ماهواره لندست 8 بهینه شده و تحت الگوریتمی خودکار در محیط نرم افزار MATLAB ارائه شده است. این الگوریتم با کمترین مداخله کاربر، در کمترین زمان در مقایسه با روشهای رایج و با دقت قابل قبولی دمای سطحی زمین را برآورد میکند. پس از اعمال الگوریتم بر روی تصاویر ماهوارهای مربوط به منطقه مورد مطالعه در 28 تیرماه 1395، دمای سطحی پایینتر مناطق با پوشش گیاهی نسبت به زمینهای بایر و مناطق شهری با دقت 1/2 درجه سانتی گراد قابل مشاهده است.
یوسف عبادی؛ جواد جاودان؛ محمدحسین رضایی مقدم
چکیده
ماهیت متغیرهای کمی و کیفی آبهای زیرزمینی به دلیل تأثیر مستقیم در زندگی انسان، همواره یکی از موضوعات مطرح در تحقیقات علمی و دانشگاهی بوده است. هزینهبر بودن و عدم امکان مطالعه دقیق این منابع، لزوم استفاده از روش جدیدی را برای برآورد چنین متغیرهایی به طور کامل آشکار میکند. در این میان روشهای درونیابی ریاضی و زمین آماری و مدلهای ...
بیشتر
ماهیت متغیرهای کمی و کیفی آبهای زیرزمینی به دلیل تأثیر مستقیم در زندگی انسان، همواره یکی از موضوعات مطرح در تحقیقات علمی و دانشگاهی بوده است. هزینهبر بودن و عدم امکان مطالعه دقیق این منابع، لزوم استفاده از روش جدیدی را برای برآورد چنین متغیرهایی به طور کامل آشکار میکند. در این میان روشهای درونیابی ریاضی و زمین آماری و مدلهای هوش مصنوعی در سالهای اخیر نتایج بسیار قابل قبولی از این برآوردها ارائه کردهاند. در تحقیق حاضرکه با هدف ارزیابی دقت روشهای زمین آمار و شبکه عصبی مصنوعی انجام گرفته است، با استفاده از آمار اندازهگیری شده سطح تراز ایستابی آبهای زیرزمینی در 46 حلقه چاه مشاهدهای منتخب برای سال 93، در دشت شبستر- صوفیان، اقدام به برآورد مقادیر نامعلوم سطح تراز در منطقه مورد مطالعه با استفاده از روشهای زمین آمار (kriging) و روش شبکه عصبی پرسپترون چند لایه (MLP) شده است. نتایج حاصل از این تحقیق نشان میدهد، روش شبکه عصبی (MLP) با میزان همبستگی بالا (96/0) و جذر میانگین مربعات خطای کمتر (18/13) نسبت به روش کریجینگ (با میزان همبستگی 90/0 و جذر میانگین مربعات خطای 10/20)، توانایی بالاتری در میان یابی سطح تراز آب زیرزمینی دشت شبستر- صوفیان دارد، که این نتیجه با تحقیقات قبلی در این زمینه مبنی بر توانایی و انعطاف بیشتر مدلهای هوش مصنوعی در مطالعات هیدروژئولوژیکی آبخوانها مطابقت دارد. از این رو استفاده از روشهای جدید مانند شبکههای عصبی مصنوعی(ANN) و روشهای فازی - عصبی تطبیقی (ANFIS) میتواند، در دستیابی به برآوردهای دقیق تر از شرایط سفرههای آب زیرزمینی و اطلاع از کم و کیف آنها کمک شایانی به محققان و برنامهریزان در این زمینه ارائه کند.