مرضیه دیراوی پور؛ حسین محمد عسگری؛ سعید فرهادی؛ ایمان نجفی
چکیده
امروزه پدیدههای گرد وغباری در ردیف مهمترین مخاطرات محیطی قرارگرفته و سلامتی انسان و محیط زیست را با خطر جدی روبرو نموده اند. یکی از ویژگی های مهم نواحی بیابانی(خشک و نیمه خشک)، رخداد پدیدههای گرد وغباری است. تشخیص توفانهای ...
بیشتر
امروزه پدیدههای گرد وغباری در ردیف مهمترین مخاطرات محیطی قرارگرفته و سلامتی انسان و محیط زیست را با خطر جدی روبرو نموده اند. یکی از ویژگی های مهم نواحی بیابانی(خشک و نیمه خشک)، رخداد پدیدههای گرد وغباری است. تشخیص توفانهای گردوغبار، اولین و مهم ترین روش جهت پیشگیری و کاهش آثار مخرب آن میباشد. از این رو هدف تحقیق حاضر تشخیص و بارزسازی گردوغبار با استفاده از شاخصهای NDDI و BTD و شبکههای عصبی در نرم افزار MATLAB میباشد. در این تحقیق نتایج مربوط به پدیدههای گرد وغبار تاریخ 30 خردادماه 1391 شمسی (19/06/ 2012) مورد استفاده قرار گرفته است. نتایج نشان داد، شاخص NDDI به تنهایی قادر به تفکیک پیکسل های گرد وغبار موجود در اتمسفر از پیکسلهای غیرگرد وغبار و ماسه زمینی نبوده و عملکرد ضعیفی دارد. شاخص BTD، گرد وغبار اکوسیستم خشکی را به خوبی بارزسازی کرد ولی BTD(20-31) و BTD(23-31) بارزسازی بهتری در اکوسیستم آبی داشت. بنابراین، باید با دقت زیاد آستانه را تعیین کرد. همچنین، بارزسازی در زمینهای شنی و ماسهای به خوبی انجام نشد. شبکه عصبی مصنوعی پیشرو برای تصاویر روزانه با 60% و برای تصاویر شبانه با 59%، دقت و عملکرد نسبتاً خوبی را نشان داد. بنابراین، شبکه عصبی نسبت به شاخصهای NDDI و BTD، روش مناسب تری برای تشخیص و بارزسازی گرد وغبار بود و نیازی به تعیین آستانه برای بررسی هر تصویر نداشت. هرچه نمونههای آموزشی شبکه عصبی، با دقت و تعداد بیشتر و ابعاد بزرگتر انتخاب شود، عملکرد و دقت شبکه افزایش خواهد یافت، نتایج این تحقیق میتواند در راستای تشخیص خودکار گرد وغبار در طول روز و شب و در اکوسیستمهای آبی و خشکی مورد استفاده قرار گیرد.
رضا آقاطاهر؛ مهدی صمدی؛ ایلیا لعلی نیت؛ ایمان نجفی
چکیده
مدلهای رقومی ارتفاعی پژوهشگران را قادر میسازند تا تحقیقات جغرافیایی در مقیاس جهانی و منطقهای از قبیل تغییرات جهانی، مخاطرات محیطی، پایش محیط و ... را انجام دهند. بنابراین مدلهای رقومی ارتفاعی نقشی کلیدی در تحقیقات علمی ایفا میکنند. SRTM و ASTER GDEM دو مجموعه از دادههای ارتفاعی هستند که بصورت پوشش جهانی(تقریباً 80 درصد سطح کره ...
بیشتر
مدلهای رقومی ارتفاعی پژوهشگران را قادر میسازند تا تحقیقات جغرافیایی در مقیاس جهانی و منطقهای از قبیل تغییرات جهانی، مخاطرات محیطی، پایش محیط و ... را انجام دهند. بنابراین مدلهای رقومی ارتفاعی نقشی کلیدی در تحقیقات علمی ایفا میکنند. SRTM و ASTER GDEM دو مجموعه از دادههای ارتفاعی هستند که بصورت پوشش جهانی(تقریباً 80 درصد سطح کره زمین) در دسترس میباشند. بنابراین لازم است قبل از استفاده از آنها، صحت ارتفاعی هر کدام مورد ارزیابی قرار گرفته و داده مناسب با توجه به هدف تحقیق انتخاب گردد. مدل رقومی ارتفاعی حاصل از تصاویر ASTER دارای قدرت تفکیک مکانی 30 متری میباشد. بنابراین به نظر میرسد دادههای ارتفاعی دقیقتری از SRTM که دارای قدرت تفکیک مکانی 90 متر میباشد، ارائه دهد. مطالعات مختلفی جهت مقایسه صحت ارتفاعی هر کدام از این دو مدل رقومی ارتفاعی در کشورهای مختلف انجام گرفته است که نتایج آن بیانگر مزایا و محدودیتهای هر کدام نسبت به دیگری میباشد. در این تحقیق صحت ارتفاعی این دو مدل در سه منطقه از ایران شامل آذربایجان شرقی، سیستان و بلوچستان و بوشهر که دارای ویژگیهای توپوگرافی متفاوت میباشند، با استفاده از نقاط کنترل ارتفاعی مورد بررسی قرار گرفته است. نتایج نشان میدهد که RMSE بعنوان شاخص خطا برای مناطق مورد مطالعه در آذربایجان شرقی، سیستان و بلوچستان و بوشهر در مدل SRTM به ترتیب 6/1، 7/4 و 2/9 و در ASTER GDEM به ترتیب 8/7، 8/3 و 7/2 متر میباشد. بنابراین صحت ارتفاعی SRTM در هر سه منطقه از ASTER GDEM بالاتر میباشد. در این تحقیق رابطه بین خطای ارتفاعی و خصوصیات زمین از جمله شیب و جهت شیب نیز مورد بررسی قرار گرفته و نتایج آن ارائه گردیده است. یافتههای نهایی تحقیق حاکی از صحت ارتفاعی بالای SRTM در مقایسه با ASTER GDEM در ایران میباشد. بنابراین جهت کاربردهای متعدد، SRTM گزینه مناسب تری میباشد.