ORIGINAL_ARTICLE
آنالیز سری زمانی موقعیت ایستگاه دائمی GPS با استفاده از اتورگرسیو میانگین متحرک
هدف اصلی مقاله حاضر، استفاده از مدلهای احتمال اتورگرسیو میانگین متحرک(ARMA) به منظور مدلسازی سری زمانی موقعیت روزانه ایستگاه دائمی GPS میباشد. موقعیتهای روزانه ایستگاه دائمی LLAS در منطقه کالیفرنیای جنوبی از شبکه SCIGN با پوشش زمانی هفت سال از ژانویه 2000 تا دسامبر 2006 جهت ایجاد سری زمانی موقعیت و آنالیز آن انتخاب گردیده است. براساس سری زمانی موقعیت روزانه و استفاده از روش کمترین مربعات وزندار، پارامترهای ژئودتیکی مانند: ترند خطی، نوسانات سالیانه و نیم سالیانه و نیز آفستها به طور همزمان برای ایستگاه دائمی LLAS برآورد شدهاند. در این مطالعه، توابع خود همبستگی(ACF) و خودهمبستگی جزئی(PACF)،به عنوان ابزارهای مطالعاتی برای شناسایی رفتار سری زمانی موقعیت روزانه ایستگاه دائمی GPS مورد استفاده قرار میگیرند و امکان بررسی وابستگی دادههای روزانه سری زمانی موقعیت را فراهم مینمایند. با توجه به اینکه ممکن است چند مدل احتمالاتی متفاوت برای یک سری زمانی موقعیت روزانه مناسب باشند، لذا محک اطلاعات آکاییک در مرحله شناسایی و انتخاب مدل مفید، مورد استفاده قرار گرفته است.در این مطالعه، نتایج عددی نشان میدهند که بهترین مدل احتمالاتی اتورگرسیو میانگین متحرک برای ایستگاه دائمی LLAS از مرتبه (1,1) برای جهت N میباشد. همچنین مدل احتمالاتی (ARMA(2,1 برای جهت E مناسب ترین مدل میباشد در حالی که برای جهت U مدل احتمالاتی (ARMA(1,2 بهترین مدل است. بعد از برآورد یک مدل احتمالاتی مناسب برای سری زمانی موقعیت روزانه ایستگاه دائمی GPS، میتوان آن سری زمانی موقعیت را همراه با ترند و مؤلفههای فصلی پیشبینی کرد.
https://www.sepehr.org/article_20132_3b57f0ba5e0a25f41e09d86fef5bfd7a.pdf
2016-06-01
5
13
10.22131/sepehr.2016.20132
سری زمانی
محک آکاییک
ARMA
تابع خود همبستگی
GPS
فریدون
نوبخت ارسی
fnobakht@ut.ac.ir
1
دانشجوی دکتری ژئودزی، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، دانشگاه تهران
LEAD_AUTHOR
عبدالرضا
صفری
asafari@ut.ac.ir
2
دانشیار گروه ژئودزی، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، دانشگاه تهران
AUTHOR
محمدعلی
شریفی
masharifi@ut.ac.ir
3
دانشیار گروه ژئودزی، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، دانشگاه تهران
AUTHOR
1- C.Chatfield, The analysis of time series: an introduction. Chapman & Hall press, 1989.
1
2- F.Norman Teferle, S.D.P.Williams, H.P.Kierulf, R.M.Bingley, and H,P.Plag, “A continuous GPS coordinate time series analysis strategy for high accuracy vertical land movements’’, Science Direct, 2008, pp.205-216.
2
3- J.Li, K.Miyashita, Kato,T. and Sh.Miyazaki, “GPS time series modeling by autoregressive moving average method: Application to the crustal deformation in central Japan’’, The Society of Geomagnetism and Earth Planetary and Space Sciences (SGEPSS), 1999.
3
4- J.Li, K.Miyashita, P.Ivan, and H.Torimoto, “Crustal strain field in central Japan based on the wavelet analyzed GPS time series data’’, 2002, pp.10-15.
4
5- R.Nikolaidia, “Observation of Geodetic and Seismic Deformation with the Global Positioning System’’, PhD Thesis, University of California, San Diego, 2002.
5
6- S.Bergstrand, H.G.Scherneck, M. Lidberg, and J.M.Johansson, “BIFROST: Noise properties of GPS time series’’, presented at the IAG Symposium, 2005.
6
7- Y.Zhang, A.I.McLeod, “Fitting MA(q) models in the closed invertible region”, Elsevier B.V., 2006.
7
ORIGINAL_ARTICLE
طراحی سامانه واکنش اضطراری در مدیریت بحران های طبیعی (زلزله) با استفاده از تله ژئوانفورماتیک
حادثه، بحران سپس جستجو، امداد و نجات چرخهای است که بارها در کشوری همچون ایران تکرار میگردد. در این چرخه که به چرخه مدیریت بحران مشهور است، از مراحل نخستین یعنی تعیین خطرپذیری مناطق تا مراحل پس از بحران و بازیابی، با انواع داده و ستادههایی مواجهایم که به نوعی با مکان مرتبط هستند. گردآوری اطلاعات در مراحل پیش و پس از رخداد بحران، کار دشواری نخواهد بود، اما مادامی که جامعه در شرایط بحرانی به سر میبرد، گردآوری اطلاعاتی همچون: حجم خسارت وارده، مناطق آسیب دیده، مناطق مستعد خطر، پراکنش خسارات، پراکنش منابع و .... بسیار سودمند و دشوار خواهد بود. از این رو در این پژوهش بر گردآوری اطلاعات در فاز واکنش مدیریت بحران تمرکز شد. در این راستا با بررسی مفهوم تلهژئوانفورماتیک و معماریهای گوناگون آن، معماری از این مفهوم ارایه شد و سامانه واکنش اضطراری برای گردآوری اطلاعات در شرایط بحرانی زلزله پیاده سازی شد. این سامانه متشکل از چهار زیر سیستم تعیین موقعیت، گردآوری اطلاعات وضیعت موجود در مکان، ارسال و دریافت اطلاعات و ایجاد پایگاه داده و نمایش اطلاعات ارسالی است. در پایان، سامانه واکنش اضطراری طراحی شده به صورت بسته نرمافزاری ارائه شد. همچنین مدل این سامانه و نرمافزارهای آن در UML برای توسعه، توسط پژوهشگران دیگر، ارائه گشت. پس از پیاده سازی و تست این سامانه در شرایط عادی میتوان چنین بیان نمود که، این سامانه به دلیل استفاده از فنآوریهای موجود در کشور، سرعت بالای بکارگیری و پیادهسازی در هنگام زلزله، استفاده از فنآوریهای عمومی همچون تلفن همراه، سادگی در بکارگیری و آموزش استفاده از آن، همچنین هزینه بسیار پایین پیادهسازی در شرایط کنونی بسیار مناسب و کاربردی است. از سوی دیگر به نظر میرسد این سامانه با بکارگیری توانایی پردازش کامپیوتر و فنآوریهای نوین قابلیت بسیار بالایی در یاری رساندن به مدیران و خبرگان برای طراحی برنامههای عملیاتی و به اشتراک گزاری آن با دیگر ارگانها و افراد درگیر در هنگام زلزله را دارد.
https://www.sepehr.org/article_20133_e7567872e5a979ffc383ae65115e71cc.pdf
2016-06-01
15
28
10.22131/sepehr.2016.20133
مدیریت بحران های طبیعی
سامانه واکنش اضطراری
GIS
تله ژئوانفورماتیک
حسنعلی
فرجی سبکبار
hfaraji@ut.ac.ir
1
دانشیار دانشکده جغرافیا، دانشگاه تهران، ایران
AUTHOR
مهدی
مدیری
sepmag@ngo-iran.ir
2
دانشیار دانشگاه صنعتی مالک اشتر، تهران، ایران
AUTHOR
رضا
آقاطاهر
reza-aghataher@yahoo.com
3
دانش آموخته کارشناسی ارشد GIS، دانشگاه تهران، ایران
AUTHOR
سیامک
تقی زاده قلعه جوقی
siamak163@yahoo.com
4
دانش آموخته کارشناسی ارشد سنجش از دور و GIS، دانشگاه آزاد اسلامی واحد علوم تحقیقات، ایران
AUTHOR
سعید
رحیمی
saeed.rahimi@ut.ac.ir
5
دانشجوی دکترای سنجش از دور و GIS، دانشگاه تهران، ایران
AUTHOR
1- صدری کیا، منصوره، (1386)، طراحی و توسعه یک سیستم نمونه اطلاعات مدیریت بحران با استفاده از WebGIS، پایاننامه کارشناسی ارشد، منصوریان علی،دانشگاه خواجه نصیرالدین طوسی، دانشکده نقشهبرداری.
1
2- قانون تشکیل سازمان مدیریت بحران کشور، (1387)، فصل اول (تعاریف)، ماده1.
2
3- ملک و دلاور؛ محمدرضا و محمدرضا (1384)، یک سیستم اطلاعات مکانی همراه برای مدیریت امداد و نجات: مبانی و پیادهسازی، همایش ژئوماتیک 84، تهران، سازمان نقشهبرداری کشور.
3
4- ملک و علی آبادی؛ محمدرضا و شمس الملوک، (1386)، مدیریت امداد در شهرها به کمک سیستم اطلاعات مکانی همراه، چاپ در مجموعه مقالات همایش GIS شهری، دانشگاه شمال، ص 1-11.
4
5- ملک، غضنفری، علیآبادی و دلاور؛ محمدرضا، سیدبهداد، شمسالملوک و محمود رضا، (1385)، نقشههای هوشمند در محیطهای همراه و سیار برای مدیریت بحران، اولین همایش مقابله با سوانح طبیعی، تهران، 1385.
5
6- ناطقی الهی، فریبرز (1379)، مدیریت بحران ابر شهرها، انتشارات وزارت امور خارجه، تهران، چاپ اول، 222.
6
7- Arya, A. S., Karanth andA., A. Agarwal, (2006), Hazards, Disasters AndYour Community, Report of GoI-UNDP Disaster Risk Management Program, National Disaster Management Division, Emergency Management Australia, ISBN 1 921152 01 X, pp. 73.
7
8- Bai, X.,Fuyuan, X., Liu, J.,Daipeng, S., D. Yang, (2012), Mobile Game Design and Implementation Based on J2ME Technology,Proceeding of International Conference on Solid State Devices and Materials Science, pp. 1149-1154.
8
9- Bertrand Albala, I.M., (1993), Political Economy of Large Natural Disaster. Oxford, Clarendon Press. pp. 47.
9
Central Board of Secondary Education, (2006), Natural Hazards and Disaster Management, Cbse, Delhi, India.
10
10- Cova, T.J., (1999), GIS in Emergency Management, In Geographic Information Systems, Application and Management, P.A. Longly, M.F. Goodchchild, D.L.Rhind, New York, John Wiley & Sons, pp. 845-858.
11
11- Derekenaris, G., Garofalakis, J., Makris, C., Prentzas, J., Sioutas, S., A. Tsakalidis. (2001), Integrating GIS, GPS and GSM technologies for the effective management of ambulances. Computers, Environment and Urban Systems, Vol. 25, No. 3, 267-278.
12
12- EL-Gamily, I.H., Selim, G,.E.A. Hermas, (2010), Wireless mobile field-based GIS science and technology for crisis management process: A case study of a fire event, Cairo, Egypt, The Egyptian Journal of Remote Sensing and Space Sciences, 13, pp. 21-29.
13
13- Hand, A., Cardiff, J., Magee, P., J. Doody, (2006), A structure and development methodology for location-based services, Electronic Commerce Research and Applications, Vol. 5, pp 201-208.
14
14- Hao-weia, Y., Wen-lia, D,. LIANG, D., Rogner, A., L. Jing-weid, (2011), Application of GIS on Emergency Rescue, Proceeding of the 5th Conference on Performance-based Fire and Fire Protection Engineering, Kowloon, Hong Kong, Procedia Engineering, Vol. 11, pp.158-188.
15
15- International Disaster Database (EM-DAT) (http://www.em-dat.net) visited on May 2015.
16
16- Karimi, H., A. Hammad, (2004), Telegeoinformatics Location-Based Computing and Services, CRC Press LLC, ISBN 0-203-50107-1.
17
17- Mansourian, A, (2005), Development of an SDI Conceptual Model and Web-based GIS to Facilitate Disaster Management, PhD Thesis, K.N. Toosi University of Technology, Faculty of Geodesy & Geomatics Eng.
18
18- Montoya, L., (2002), GIS and Remote Sensing in Urban Disaster Management, Proceeding of 5th AGILE Conference on Geographic Information Science, Palma (Balearic Islands, Spain), pp. 4.
19
19- Rasaneh, S.; Banirostam, T” .A New Structure and Routing Algorithm for Optimizing Energy Consumption in Wireless Sensor Network for Disaster Management, “Intelligent Systems Modelling & Simulation (ISMS), 2013 4th International Conference on, On page(s):481-485.
20
20- Smart, C,. I. Vertinsky, (1977), Designs for Crisis Decision Units, Administrative Science Quarterly, Vol. 22(4), pp. 640-657.
21
21- The VUSSC Team, (2006), Introduction to Disaster Management, Virtual University for Small States of the Commonwealth (VUSSC), (Disaster Management, Version 1.0), Vancouver, Canada, pp. 193.
22
22- Xuefei Li “An Intelligent System for Earthquake Early Warning, “Intelligent Systems and Applications (ISA), 2011 3rd International Workshop on, On page(s):1-4.
23
ORIGINAL_ARTICLE
تحلیل دامنه عدم قطعیت تغییرات آینده دمای حداکثر روزانه بر روی ایران با استفاده از سیستم اطلاعات جغرافیایی
شناخت و ارزیابی تغییرات اقلیم در دهههای آینده با هدف برنامهریزی محیطی مناسب در جهت سازگاری و کاهش اثرات آن امری کاملاً ضروری است. در این پژوهش نیز تغییرات دمای حداکثر روزانه بر روی کشور ایران در دو دوره زمانی (70-2041 و 99-2071)و بر اساس خروجی دو مدل گردش عمومی جو Hadcm3و CGCM3 تحت سناریوهای انتشار موجود ( A1B, A2, B1 , B2) مورد بررسی مقایسهای قرار گرفت. بدین منظور پس از بررسی توانمندی مدل آماری SDSM در شبیهسازی اقلیم دوره پایه (2010-1981)، مقادیر آینده دمای حداکثر روزانه با لحاظ نمودن عدم قطعیت،بر روی 7 ایستگاه سینوپتیک به عنوان نمایندههای آب و هوایی انتخابی ایران، ریز مقیاس نمایی گردید. در تحلیل عدم قطعیت مربوط به مدل-سناریوها،مشخص شد که مدل CGCM3 تحت سناریوی B1 در بین مدل-سناریوهای مختلف، بهترین عملکرد را در شبیه سازیدمای آینده داشته است. همچنین یافتههای پژوهش بر روی ایستگاههای مورد مطالعه نشان میدهد که دمای ایران به طور متوسط دردهههای میانیو پایانی قرن بیست و یکم، بین 1 تا 2درجه سلسیوسافزایش مییابد، که البته این افزایش دما بر اساس سناریوهای مختلف مدل Hadcm3 نسبت به مدل CGCM3 شدیدتر بوده است.از نظر پراکنش فضایی تغییرات در محیط GIS نیزبر اساس خروجی همه مدل-سناریوها، کمترین افزایش دما بر روی ایستگاه بندرعباس واقع در سواحل پست جنوبی ایران مشاهده شده و بالعکس بر روی ایستگاه تبریز واقع در عرضهای شمالیتر و مناطق بلند و کوهستانی ایران، افزایش دما به حداکثر میرسد. در مجموع میتوان عوامل مهمو مؤثردر تغییرات آینده دمای ایران را در سه گروه: عاملارتفاع، عرض جغرافیایی و رطوبت جوی دستهبندی نمود. چرا که بر اساس تمامی خروجیهای مدل-سناریوها، ارتفاعات عرضهای شمالی ایران، بیشترین افزایش دما را تجربه خواهند نمود.
https://www.sepehr.org/article_20134_fd7c81374498ca0d5374cf5cf37ae208.pdf
2016-06-01
29
43
10.22131/sepehr.2016.20134
تغییرات دمای حداکثر روزانه
ایران
عدم قطعیت
ریز مقیاس نمایی آماری
مدل HADCM3
مدل CGCM3
محسن
عباس نیا
am_abbasnia@pgs.usb.ac.ir
1
دانشجوی دکتری اقلیم شناسی دانشکده جغرافیا و برنامه ریزی محیطی، دانشگاه سیستان و بلوچستان، زاهدان، ایران
LEAD_AUTHOR
تقی
طاوسی
t.tavousi@gep.usb.ac.ir
2
استاداقلیم شناسی دانشکده جغرافیا و برنامه ریزی محیطی، دانشگاه سیستان و بلوچستان، زاهدان، ایران
AUTHOR
محمود
خسروی
khosravi@gep.usb.ac.ir
3
دانشیار اقلیم شناسی دانشکده جغرافیا و برنامه ریزی محیطی، دانشگاه سیستان و بلوچستان، زاهدان، ایران
AUTHOR
حسین
توروس
toros@itu.edu.tr
4
دانشیار هواشناسی دانشکده هوانوردی و فضانوردی، دانشگاه صنعتی استانبول، استانبول، ترکیه
AUTHOR
1- بابائیان و نجفی نیک، ایمان و زهرا (1385)، معرفی و ارزیابی مدل LARS-WG برای مدلسازی پارامترهای هواشناسی استان خراسان در دوره 1961تا 2003، مجله نیوار، شماره 62 و63، صص 69- 49.
1
2- سادات آشفته و مساح بوانی؛ پریسا و علیرضا (1389)، بررسی تأثیر تغییر اقلیم بر رواناب؛ مطالعه موردی حوضه قرنقو، آذربایجان شرقی، مجموعه مقالات نخستین کنفرانس ملی پژوهشهای کاربردی منابع آب ایران، هیدرولوژی، هیدرولیک و جنبههای مختلف منابع آب ایران، شرکت آب منطقهای کرمانشاه، صص 161-147.
2
3- شیرغلامی و قهرمان؛ هادی و بیژن (1384)، بررسی روند تغییرات دمای متوسط سالانه در ایران، مجله علوم و فنون کشاورزی و منابع طبیعی، شماره1، صص 23-9.
3
4- صداقت کردار و فتاحی؛ عبدالله و ابراهیم (1387)، شاخصهای پیش آگاهی خشکسالی در ایران، مجله جغرافیا و توسعه، شماره 11، صص 76-59.
4
5- عباس نیا و باعقیده؛ محسن و محمد (1394)، ناحیه بندی آب وهوایی استان چهارمحال و بختیاری با استفاده از تکنیکهای نوین آماری، مجله پژوهش آب ایران، جلد 9، شماره 2، پیاپی 17، صص 121-126.
5
6- علیجانی، بهلول (1385)، آب وهوای ایران، چاپ هفتم، انتشارات پیام نور، تهران، 221ص.
6
7- فلاح قالهری، غلامعباس (1393)، ریز مقیاس نمایی آماری دادههای اقلیمی، چاپ اول، انتشارات سخن گستر، مشهد، 152ص.
7
8- مسعودیان، سید ابوالفضل (1390)، آب و هوای ایران، چاپ اول، انتشارات شریعه توس، مشهد، 288 ص.
8
9- مسعودیان، سید ابوالفضل (1384)، بررسی روند دمای ایران در نیم سدهی گذشته، پژوهشهای جغرافیایی، شماره 54، صص 45-29.
9
10- مجرد و بساطی؛ فیروز و سعید (1393)، واکاوی تغییرات زمانی و مکانی دماهای حداکثر در ایران، مجله مدرس علوم انسانی- برنامه ریزی و آمایش فضا، دوره 18، شماره 2، صص 152-129.
10
11- Bernstein, L., Bosch, P., Canziani, O., Chen, Z., Christ, R., & Davidson, O. (2007). Climate change 2007: synthesis report. Summary for policymakers. In Climate change 2007: synthesis report. Summary for policymakers. IPCC.
11
12- Brázdil, R., Budikova, M., Faško, P., & Lapin, M. (1995). Fluctuation of maximum and minimum air temperatures in the Czech and the Slovak Republics. Atmospheric research, (1) 37, 53-65.
12
13- Chung, Y. S., & Yoon, M. B. (2000). Interpretation of recent temperature and precipitationtrends observed in Korea. Theoretical and Applied Climatology, 67(3-4), 171-180.
13
14- Chu, J. T., Xia, J., Xu, C. Y., & Singh, V. P. (2010). Statistical downscaling of daily mean temperature, pan evaporation and precipitation for climate change scenarios in Haihe River, China. Theoretical and Applied Climatology (2-1) 99, 149-161.
14
15- Covey, C., AchutaRao, K. M., Cubasch, U., Jones, P., Lambert, S. J., Mann, M. E., ... & Taylor, K. E. (2003). An overview of results from the Coupled Model Intercomparison Project. Global and Planetary Change, 37(1), 103-133.
15
16- Dracup, J. A., & Vicuna, S. (2005, May). An overview of hydrology and water resources studies on climate change: the California experience. In World Water Congress (pp. 15-19).
16
17- Elagib, N. A., & Abdu, A. S. A. (2010). Development of temperatures in the Kingdom of Bahrain from 1947 to 2005. Theoretical and applied climatology, 101(3-4), 269-279.
17
18- Gemmer, M., Becker, S., & Jiang, T. (2004). Observed monthly precipitation trends in China 1951–2002. Theoretical and applied climatology, 77(1-2), 39-45.
18
19- Gu, H., Wang, G., Yu, Z., & Mei, R. (2012). Assessing future climate changes and extreme indicators in east and south Asia using the RegCM4 regional climate model. Climatic change, 114(2), 301-317.
19
20- Gagnon, S., Singh, B., Rousselle, J., & Roy, L. (2005). An application of the statistical downscaling model (SDSM) to simulate climatic data for streamflow modelling in Québec. Canadian Water Resources Journal, 30(4), 297-314.
20
21- Hodgkins, G. A., James, I. C., & Huntington, T. G. (2002). Historical changes in lake ice out dates as indicators of climate change in New England, 1850-2000. International Journal of Climatology. 1819-1827, (15)22.
21
22- Horton, B. (1995). Geographical distribution of changes in maximum and minimum temperatures. Atmospheric Research, 37(1), 101-117.
22
23- Huang, J., Zhang, J., Zhang, Z., Xu, C., Wang, B., & Yao, J. (2011). Estimation of future precipitation change in the Yangtze River basin by using statistical downscaling method. Stochastic Environmental Research and Risk Assessment, 25(6), 781-792.
23
24- Hashemi-Ana, S. K., Khosravi, M., & Tavousi, T. (2015). Validation of AOGCMs Capabilities for Simulation Length of Dry Spells under the Climate Change in Southwestern Area of Iran. Open Journal of Air Pollution, 086, (02)4.
24
25- Islam, S., Rehman, N., & Sheikh, M. M. (2009). Future change in the frequency of warm and cold spells over Pakistan simulated by the PRECIS regional climate model. Climatic change, 94(1-2), 35-45.
25
26- IPCC. (2001). Climate Change: The Scientific Basic. Contribution of Working Group 1 to The Third Assessment report to the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge, UK, and New York, N.Y. , U.S.A., 881pp.
26
27- IPCC. (2007). Climate Change 2007: the physical science basis. In: Solomon, S., Qin, D., Manning, M., Chen, Z., Marquis, M., Averyt, K.B., Tignor, M., Miller H.L. )Eds(, Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge.
27
28- IPCC. (2013). Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovern-mental Panel on Climate Change Intergovernmental Panel on Climate Change Cam-bridge, United Kingdom and New York, USA.
28
29- Jiang, J. M., & You, X. T. (1996). Where and when did an abrupt climatic change occur in China during the last 43 years?. Theoretical and Applied Climatology, 55(1-4), 33-39.
29
30- Jones, P. D., & Moberg, A. (2003) Hemispheric and large-scale surface air temperature variations: An extensive revision and an update to 2001. Journal of Climate, 206-223.
30
31- Jones, P. D. (1994). Hemispheric surface air temperature variations: a reanalysis and an update to 1993. Journal of Climate, 7(11), 1794-1802.
31
32- Jacovides, C. P. (1998). Reply to comment on “Statistical procedures for the evaluation of evapotranspiration computing models”. Agricultural Water Management, 37(1), 95-97.
32
33- Kadioğlu, M., Şen, Z., & Gültekin, L. (2001). Variations and trends in Turkish seasonal heating and cooling degree-days. Climatic change, 49(1-2), 209-223.
33
34- Kumar, K. R., & Hingane, L. S. (1988). Long-term variations of surface air temperature at major industrial cities of India. Climatic Change, 13(3), 287-307.
34
35- Mahmood, R., & Babel, M. S. (2013). Evaluation of SDSM developed by annual and monthly sub-models for downscaling temperature and precipitation in the Jhelum basin, Pakistan and India. Theoretical and applied climatology, 113(1-2), 27-44.
35
36- Mahmood, R., & Babel, M. S. (2014). Future changes in extreme temperature events using the statistical downscaling model (SDSM) in the trans-boundary region of the Jhelum river basin. Weather and Climate Extremes, 5, 56-66.
36
37- Nasri, M., & Modarres, R . (2009) Dry spell trend analysis of Isfahan Province, Iran. International journal of climatology, 29(10), 1430-1438.
37
38- Parry, M. L., Rosenzweig, C., Iglesias, A., Livermore, M., & Fischer, G. (2004). Effects of climate change on global food production under SRES emissions and socio-economic scenarios. Global Environmental Change, 14(1), 53-67.
38
39- Revadekar, J. V., Kothawale, D. R., Patwardhan, S. K., Pant, G. B., & Kumar, K. R. (2012). About the observed and future changes in temperature extremes over India. Natural hazards, 60(3), 1133-1155.
39
40- Rahmstorf, S., & Ganopolski, A. (1999). Long-term global warming scenarios computed with an efficient coupled climate model. Climatic change (2) 43, 353-367.
40
41- Sonali, P., & Kumar, D. N. (2013). Review of trend detection methods and their application to detect temperature changes in India. Journal of Hydrology, 476, 212-227.
41
42- Stern, D. I., & Kaufmann, R. K. (2000). Detecting a global warming signal in hemispheric temperature series: Astructural time series analysis. Climatic Change, 47(4), 411-438.
42
43- Salon, S., Cossarini, G., Libralato, S., Gao, X., Solidoro, C., & Giorgi, F. (2008). Downscaling experiment for the Venice lagoon. I. Validation of the present-day precipitation climatology. Clim. Res, 38(1), 31-41.
43
44- Semenov, M. A., & Stratonovitch, P. (2010). Use of multi-model ensembles from global climate models for assessment of climate change impacts. Climate research (Open Access for articles 4 years old and older), 41(1), 1.
44
45-Toros, H. (2012). Spatio temporal variation of daily extreme temperatures over Turkey. International Journal of Climatology, 32(7), 1047-1055.
45
46-Tonkaz, T., Çetin, M., & Tülücü, K. (2007). The impact of water resources development projects on water vapor pressure trends in a semi-arid region, Turkey. Climatic Change, 82(1-2), 195-209.
46
47- Türkes, M., Sümer, U. M., & Kiliç, G. (1996). Observed changes in maximum and minimum temperatures in Turkey. International journal of climatology, 16(4), 463-477.
47
48-Türkeş, M., Sümer, U. M., & Kiliç, G. (1995). Variations and trends in annual mean air temperatures in Turkey with respect to climatic variability. International Journal of Climatology, 15(5), 557-569.
48
49- Tabari, H., & Talaee, P. H. (2011). Analysis of trends in temperature data in arid and semi-arid regions of Iran. Global and Planetary Change, 79(1), 1-10.
49
50- Zhang, Q., Xu, C. Y., & Zhang, Z. (2009). Observed changes of drought/wetness episodes in the Pearl River basin, China, using the standardized precipitation index and aridity index. Theoretical and Applied Climatology, 98(1-2), 89-99.
50
51- Whan, K., Alexander, L. V., Imielska, A., McGree, S., Jones, D., Ene, E., ... & Vaiimene, M. (2014). Trends and variability of temperature extremes in the tropical Western Pacific. International Journal of Climatology, 34(8), 2585-2603.
51
52- Wilby, R. L., Dawson, C. W., & Barrow, E. M. (2002). SDSM—a decision support tool for the assessment of regional climate change impacts. Environmental Modelling & Software, 17(2), 145-157.
52
53- Wilby, R. L., & Dawson, C. W. (2013). The statistical downscaling model: insights from one decade of application. International Journal of Climatology (7)33, 1707-1719.
53
54- Wang, X., Yang, T., Shao, Q., Acharya, K., Wang, W., & Yu, Z. (2012). Statistical downscaling of extremes of precipitation and temperature and construction of their future scenarios in an elevated and cold zone. Stochastic environmental research and risk assessment, 26(3), 405-418.
54
55-Yue, S., & Hashino, M. (2003). Temperature trends in Japan: 1900–-1996. Theoretical and Applied Climatology, 75(1-2), 15-27.
55
ORIGINAL_ARTICLE
تسهیل بازسازی بصری و هندسی محیط بر مبنای دوربین استریو با استفاده از اطلاعات مرحله کالیبراسیون
تسهیل و اتوماسیون فرآیند بازسازی بصری و هندسی یکی از مسائل مورد توجه در زمینه مدلسازی محیط اطراف خصوصاً در مناطق شهری می باشد. یک دوربین استریو، با توجه به اینکه موقعیت دو عدسی آن نسبت به یکدیگر ثابت است، می تواند در تسهیل فرآیند مدل سازی مورد استفاده قرار گیرد. در این مقاله نشان داده می شود که چگونه با استفاده از داده های کالیبراسیون دوربین استریو، می توان بدون نیاز به تناظریابی خصوصاً در مناطقی که دارای کمبود محتوای اطلاعاتی بالا جهت تناظریابی می باشند، مدل سه بعدی محیط را تولید نمود. همچنین با بکارگیری اطلاعات کالیبراسیون دوربین، نحوه استخراج اطلاعات هندسی و تولید مدل عمق از محیط بدون نیاز به تعریف طول معلوم بین عوارض محیط بیان شده است. در ادامه این مقاله، نتایج بررسی های عملی و بازسازی های صورت گرفته در محیط شهری،مورد ارزیابی قرار گرفته است.
https://www.sepehr.org/article_20135_fc97d2b5077f2f56ec86444e0c91cfb0.pdf
2016-06-01
45
55
10.22131/sepehr.2016.20135
دوربین استریو
کالیبراسیون
مدل سازی سه بعدی
بازسازی هندسی
امیر
شاهرخ امینی
sh_amini@azad.ac.ir
1
عضو هیأت علمی گروه مهندسی نقشه برداری، دانشگاه آزاد اسلامی واحد تهران جنوب
AUTHOR
1- امنزاده، م.، سعادتسرشت، م. و امینی، ا. ش. (1390). «ارائه روشی بهبود یافته برای کالیبراسیون دوربینهای استریو»، نشریه علمی-پژوهشی علوم و فنون نقشهبرداری، دوره اول شماره 3.
1
2- Cabral, E., Oliveira, P. and Junior, J. (2008). "An Omnidirectional Stereo Vision System". ABCM Symposium Series in Mechatronics, pp. 643-652.
2
3- Chen, S. E. (1995). "QuickTime VR – An Image-Based Approach to Virtual Environment Navigation", 22nd Annual Conference on Computer Graphics and Interactive Techniques, SIGGRAPH 95, pp. 29-38.
3
4- Cobzas, D., and Zhang, H. (2001). "Mobile Robot Localization using Planar Patches and a Stereo Panoramic Model", Vision Interface, pp. 94-99.
4
5- Gledhill, D., Tian, G. Y., Taylor, D. and Clarke, D. (2004). "3D Reconstruction of a Region of Interest using Structured Light and Stereo Panoramic Image", IEEE Eighth International Conference on Information Visualization, pp. 1007-1012.
5
6- Gledhill, D. (2009). "3D Panoramic Imaging for Virtual Environment Construction". PhD Thesis for the degree of Doctor of Philosophy, School of Computing and Engineering, the University of Huddersfield, UK, 149 pages.
6
7- Gledhill, D., Tian, G. Y., Taylor, D. and Clarke, D. (2003). "Panoramic Imaging—a Review", Computers & Graphics, Vol. 27, pp. 335-345.
7
8- Huang, H. C. and Hung, P. (1997). "SPISY: The Stereo Panoramic Imaging System", Third Workshop on Real-Time and Media Systems, Taiwan, pp. 71-78.
8
9- Lin, T. T., Hsiung, Y. K., Hong, G. L., Chang, H. K. and Lu, F. M. (2008). "Development of a Virtual Reality GIS Using Stereo Vision", Computers and Electronics in Agriculture, Vol. 63, pp. 38-48
9
10- Lowe, D. G. (1999). "Object Recognition from Local Scale-Invariant Features", Proceedings of the International Conference on Computer Vision, 1150-1150
10
11- Seedahmed, G. H. and Habib, A. F. (2002). "Linear Recovery of the Exterior Orientation Parameters in a Planar Space", ISPRS Congress, Commission III, WG III/I.
11
12- Varshosaz, M. and Amini, A. Sh. (2007). "Stereo Panoramas: Problems and Solutions", XXI International CIPA Symposium, Athens.
12
ORIGINAL_ARTICLE
مقایسه دقت و نحوه تولید نقشه ی لندفرم های ژئومورفولوژی، از طریق روش سنتی و فتوگرامتری تحلیلی (مطالعه ی موردی : حوضه ی آبخیز هرزندچای)
عملیات تناظریابی عکسی با واقعیت زمینی در تهیه نقشههای موضوعی همواره با مشکلات و تنگناهایی مواجه بوده است. در این تحقیق قطعه (ماژول) LPS از نرم افزار ERDAS Imagine9.2 با هدف تهیهی نقشهی لندفرمهای ژئومورفولوژی بر اساس روش فتوگرامتری تحلیلی (آفاین دو بعدی) برای حوضهی آبخیز هرزندچای با استفاده از عکسهای هوایی (1:40000) بکار گرفته شد و نقشهی لندفرمهای ژئومورفولوژی حوضه آبخیز هرزندچای با استفاده از هر دو روش سنتی و فتوگرامتری تهیه شدند. نقشه تهیه شده به روش فتوگرامتری، پس از بازدید میدانی و مطابقت نوع لندفرمها با طبیعت، با نقشه تهیه شده به روش رایج تهیهی نقشههای موضوعی در کشور مقایسه گردید. برای انجام آزمون آماری به منظور ارزیابی نقشه لندفرمهای ژئومورفولوژی تهیه شده، 100 نقطه توسط نرمافزار ERDAS Imagine9.2 بر روی نقشههای تهیه شده تعیین نموده و سپس حدود 62 نقطه از آنها با استفاده از دستگاه موقعیتیاب زمینی (GPS) برداشت شدند و مشخصات مربوط به هرکدام یادداشت شدند. آزمون آماری به روش Stratified Random Sampling و با استفاده از نرمافزار ERDAS Imaginge 9.2 انجام یافت. براساس نتایج حاصله از آزمون آماری، میزان درصد صحت کل برای نقشه لندفرمهای ژئومورفولوژی تهیه شده با روش فتوگرامتری تحلیلی 95 درصد و مقدار شاخص کاپا 9/0 بدست آمد. لیکن مقادیر مذکور برای نقشه تهیه شده لندفرمهای ژئومورفولوژی که با روش رایج در کشور تهیه شده بود به ترتیب برابر 84 درصد و 76/0 بدست آمد. لندفرم فرسایش رودخانهای بیشترین (صد درصد) و لندفرم فرسایش شیاری از کمترین میزان دقت کل (50 درصد) در مقایسه با سایر لندفرمهای فرسایشی برخوردار بودند. بنابراین نقشه لندفرمهای ژئومورفولوژی تهیه شده با روش فتوگرامتری تحلیلی به عنوان نقشه نهایی برای حوضهی آبخیز هرزندچای انتخاب گردید.
https://www.sepehr.org/article_20136_b99356355364cdada956173e5f6e8344.pdf
2016-06-01
57
66
10.22131/sepehr.2016.20136
نقشه لندفرم های ژئومورفولوژی
فتوگرامتری تحلیلی
Erdas Imagine
هرزند چای
لیلا
کاشی زنوزی
lzenouzi@yahoo.com
1
کارشناس ارشد پژوهشی، بخش تحقیقات بیابان، مؤسسه تحقیقات جنگلها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران
LEAD_AUTHOR
حسین
سعادت
hossein.saadat@mail.mcgill.ca
2
دانشیارپژوهشی، دانشگاه McGill کانادا
AUTHOR
محمد
نامدار
namdar1346@yahoo.com
3
کارشناس ارشد سنجش ازدور سازمان جنگل ها، مراتع و آبخیزداری کشور
AUTHOR
1- احمدی، حسن،( 1386). ژئومورفولوژی کاربردی، جلد 1، انتشارات دانشگاه تهران، 688 صفحه.
1
2- ایازی، محمد، (1384). بررسی تکنیکهای پیشپردازش در افزایش دقت تناظریابی عکسی، همایش و نمایشگاه ژئوماتیک 84، سازمان نقشهبرداری کشور، 13 صفحه.
2
3- باقرپور، سیدمهدی، (1393). تهیه نقشه ژئومورفولوژی تفصیلی با کمک تکنیکهای همپوشانی و GIS (بخش شرقی منطقه کرند). اولین همایش علوم جغرافیایی ایران، 30 اردیبهشت: 7 صفحه.
3
4- برومند و نورالله دوست؛ مهدی و مجید، ( 1385). معرفی نرم افزار رقومی فتومد (PHOTOMOD)، ماهنامه علمی و فنی سازمان نقشه برداری کشور، شماره 77، 6 صفحه.
4
5- ثروتی، محمدرضا، (1381). ژئومورفولوژی منطقهای ایران. انتشارات سازمان جغرافیایی، 157 صفحه.
5
6- رامشت، محمدحسین، (1385). کاربرد ژئومورفولوژی در آمایش سرزمین در برنامهریزی. انتشارات دانشگاه اصفهان، 348 صفحه.
6
7- رنجبرنژاد و شتایی؛ پروین و شعبان، (1388). بررسی روشها و شدتهای مختلف تهیه واقعیت زمینی نمونه ای در ارزیابی صحت موضوعی نقشه های جنگل، همایش و نمایشگاه ژئوماتیک 88، سازمان نقشه برداری کشور، 9 صفحه.
7
8- علوی پناه، کاظم، (1390). اصول سنجش از دور نوین و تفسیر تصاویر ماهوارهای و عکسهای هوایی، انتشارات دانشگاه تهران، 780 صفحه.
8
9- قربانیان و مرشدی؛ جبرئیل و جعفر (1390). امکان سنجی نقشههای ژئومورفولوژی در آمایش ناحیهای با استفاده از سامانه اطلاعات جغرافیایی (GIS) مورد مطالعه: شهر اهواز. فصلنامه علمی-پژوهشی جغرافیای انسانی، 3(2): 59-74.
9
10- همراه، مجید، (1382). مبانی فتوگرامتری (نقشه برداری هوایی). انتشارات دانشگاه صنعتی خواجه نصیرالدین طوسی، چاپ چهارم، 394 صفحه.
10
11- یمانی، مجتبی، (1384). فصلنامه علمی-پژوهشی سپهر، 14(53): 30-35.
11
12- Arias, P., Herraez, J., Lorenzo,H. and Ordonez, C., (2005). Control of structural problems in cultural heritage monuments using close-range photogrammetry and computer methods. Computers & Structures, 83(21–22): 1754-1766.
12
13- Abdullah, M, Kh., (2011). Two-dimensional displacement measurement using static close range photogrammetry and a single fixed camera. Alexandria Engineering Journal, 50(3): 219-227.
13
14- Ackermann, F.,(1984 ). High precision digital image correlation. Institue ofPhotogrammetry ,University of Stuttgart ,. 9 :231-243.
14
15- Atkinson, K. B.,(1996). Close range photogrammetry and machine vision. Department of Photogrammetry and Surveing University, Whittles Publishing Company, 167p.
15
16- Champagne, C., McNarin, H., Daneshfar, B. and Shang, J., (2015). A bootstrap method for assessing classification accuracy and confidence for agricultural land use mapping in Canada. International Journal of Applied Earth Observation and Geoinformation, 29:44-52.
16
17- Chen, L.,(2004) Assessing the accuracy of remotely sensed data. Intermountain GIS user’s Conference Pocatello. 124p.
17
18- Forstner, W.,(1984) Quality assesment of object location and point transfer using digital image correlation techniques. International Arcbives of Photogrammetry & Remote Sensing , 25-3a: 197-219.
18
19- Grun, A. and Baltsavias, E.,( 1984). Adaptive least squares correlation with geometrical constraint. Proceedings of the SPIE, 595p.
19
20- Hay, A. M., (1979). Sampling designs to test land-use map accuracy. Photogrammetric Engineering and Remote Sensing.45: 529-533.
20
21- Jensen, J. R., (1996) Introductory digital image processing: A remote sensing Perspective, Prentice-Hall. New Jerse.
21
22- Lillesand, T. M. and Kiefer, R. W., (1994) Remote sensing and image interpretation. John Wiley and Sons, 720p.
22
23- Lin, C., Wu, C. C., Tsogt, Kh., Ouyang, Y. Ch. and Cahng, Ch., (2015). Effects of atmospheric correction and pansharpening on LULC classification accuracy using WorldView-2 imagery. Information Processing in Agriculture, 2:25-36.
23
-24 Ojaghi, S., Ebadi, H. and Farnood Ahmadi, F., (2015). Using artificial neural network for classification of high resolution remotely sensed images and assessment of its performance compared with statistical methods. American Journal of Engineering, Technology and Society, 2(1): 1-8.
24
ORIGINAL_ARTICLE
تبدیلات مختصات دقیق بین سیستم محلی و UTM با استفاده از درونیابی ارتفاعی حاصل از نقاط لیدار (مطالعه موردی: شهر اصفهان)
از آنجا که امروزه بحث تبدیلات بین سیستمهای مختصات در فعالیتهای نقشه برداری و ژئودزی و علوم مرتبط با اطلاعات مکانی کاربرد ویژهای دارد، به منظور افزایش دقت در انتقال بین این سیستمها، استفاده از روش های جدید و کارآمد مورد اهمیت است. هدف اصلی این مقاله در بخش اول بررسی تبدیل مختصات محلی شهر اصفهان به مختصات Utmوبالعکس با استفاده از روش ضریب مقیاس ترکیبی است. لذا از مختصات 500 ایستگاه GPS موجود در شهر اصفهان با پراکندگی مناسب استفاده شد و با پیاده سازی روابط تبدیل فواصل از روی سطح زمین به صفحه نقشه، مختصات این نقاط در سیستم محلی بدست آمد. بررسی تغییرات ضریب مقیاس ترکیبی برای نقاط GPS شهر اصفهان نشان داد که اگر از یک ضریب مقیاس واحد برای کل شهر استفاده شود اختلافی در حدود چند دسیمتر در طولهای بلند ایجاد میشود که مناسب تهیه نقشه دقیق نیست. از آنجا که در تبدیل معکوس از سیستم محلی به سیستم UTM با کمک مدلهای جدیدی همچون مدل توابع گویا، علاوه بر موقعیت مسطحاتی در سیستم محلی نیاز به دانستن مؤلفهی ارتفاعی نقاط میباشد، در بخش دوم مقاله به ارائه الگوریتمی جهت درونیابی ارتفاع نقاط معابر شهر اصفهان با استفاده از دادههای لیدار پرداخته شد. ارزیابی نتایج این درونیابی با تست بر روی ارتفاع نقاط GPS شهر اصفهان، نشاندهندهی کشف یک بایاس 30 سانتیمتری در نقاط ارتفاعی لیدار شهر اصفهان است.پس از حذف این بایاس، مقدار RMSEبرابر 43 سانتیمتر، جهت درونیابی ارتفاع نقاط داخل معابر شهر اصفهان در دیتوم WGS-84بدست مى آید.
https://www.sepehr.org/article_20137_3a433e481c66d9505740cbd06ef7c323.pdf
2016-06-01
67
79
10.22131/sepehr.2016.20137
سیستم مختصات محلی
سیستم تصویر
ضریب مقیاس ترکیبی
مدل توابع گویا
درونیابی نقاط ارتفاعی
میلاد
صالحی
mi_salehi@yahoo.com
1
دانشجوی کارشناسی ارشد ژئودزی - دانشکده فنی و مهندسی - دانشگاه اصفهان
AUTHOR
جمال
عسگری
jamal.asgari@surv.ui.ac.ir
2
استادیار گروه مهندسی نقشه برداری دانشکده فنی و مهندسی دانشگاه اصفهان
AUTHOR
علیرضا
امیری سیمکویی
ar.amirisimkooei@surv.ui.ac.ir
3
دانشیار گروه مهندسی نقشه برداری - دانشکده فنی و مهندسی – دانشگاه اصفهان
AUTHOR
1- Di, K., et al. (2003), “Rational functions and potential for rigorous sensor model recovery”. Photogrammetric Engineering and Remote Sensing, 69(1), pp. 33-41.
1
2- Hu, Y., et al. (2004), “Understanding the rational function model: methods and applications”. International Archives of Photogrammetry and Remote Sensing, 3, pp1-6.
2
3- Jamie, C. et al. (2012), “Lidar 101: An Introduction to Lidar Technology, Data, and Applications.” (NOAA) Coastal Services Center., http://coast.noaa.gov/digitalcoast/_/pdf/lidar101.pdf.
3
4- Krakiwsky, E.J. et al. (1974), “Geodetic position computations”. Department of Geodesy and Geomatics Engineering. The University of New Brunswick, 39-42
4
5- Ledoux, H., (2006), “Modeling Three-dimensional Fields in Geo-Science with the Voronoi Diagram and its Dual.” Ph.D., School of Computing, University of Glamorgan.
5
6- Liu, S. J., et al,, (2007) “Transformation between rational function model and rigorous sensor model for high resolution satellite imagery”. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol. XXXVII. Part B1. Beijing 2008 pp.873-875
6
7- Palancz, B., et al. (2011), "Computational study of the 3D affine transformation. In Computational Mathematics: Theory, Methods and Applications", ed. Peter Chareton, , Nova Science Publishers, New York. pp. 279-312
7
8- Snyder, J. P., & Geological Survey (U.S.), (1987), "Map projections-a working manual". Washington: U.S. G.P.O.
8
"Surveying & Positioning Guidance Note 1".(2008) “Geodetic Awareness Guidance Note,’, http://www.iogp.org/pubs/373-01.pdf.
9
9- Thomas,G.B.,et al. (1988), “Calculus and Analytic Geometry”. Addison-Wesley, Seventh Edition.
10
10- Yunfei, Bao et al. (2008), “Classification of LiDAR Point Cloud and Generation of DTM from LiDAR Height and Intensity Data in Forested Area. In: The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Beijing, China, Vol. XXXVII, Part B3b.
11
11- Zaletnyik P. (2004) “Coordinate transformation with neural networks and with polynomials in Hungary” , International Symposium onModern technologies, education, and professional practice in geodesy and related fields, 4-5 November 2004, Sofia, Bulgaria, pp.471-479.
12
12- Zeng, H. (2010), “A 3D coordinate transformation algorithm". The 2nd Conference on Environmental Science and Information Application Technology, 195-198.
13
ORIGINAL_ARTICLE
ارزیابی توان های توپوگرافیک در تدوین راهبردهای بهینه پدافند غیرعامل برای شهرهای مرزی (مطالعه موردی: شهر زاوین در نوار مرزی ایران و ترکمنستان، استان خراسان رضوی)
همسایگی استان خراسان رضوی با دو کشور افغانستان و ترکمنستان، علاوه بر ایجاد تبعات فرهنگی و اقتصادی در شهرهای مرزی، آنها را با چالشهای امنیتی به ویژه در بحث تقویت پدافند غیرعامل شهری مواجه ساخته است. از اساسیترین عوامل مربوط به چالشهای امنیتی در اینگونه از شهرهای مرزی، فقدان شناسایی کامل فاکتورهای جغرافیایی به ویژه مشخصات توپوگرافی و ژئومورفولوژیکی در تدوین اصول و راهبردهای پدافند غیرعامل شهری میباشد. شناسایی توانها و تنگناهای محیطی میتواند نقش مؤثرتری را نسبت به اصول طراحی و پدافند غیرعامل در این شهرها ایفا کند. بررسی توپوگرافیکی مناطق و شهرهای مرزی از اهمیت ویژهای برخوردار است که اگر مورد بی توجهی قرار گیرد هم توانهای بالقوه در کاربریهای امنیتی برای ایجاد مراکز حساس نظامی کشور مورد غفلت قرار میگیرد و هم آسیب پذیری جوامع انسانی و بافت کالبدی این شهرها را در طول زمان افزایش خواهد داد.شهر زاوین در شمال استان خراسان رضوی یکی از شهرهای نزدیک به مرز این استان تلقی میشود که دارای ویژگیهای توپوگرافیکی خاصی است.هدف اصلی این تحقیق بررسی توانهای توپوگرافیک و ژئومورفولوژیک منطقه با رویکرد پدافند غیرعامل و تحلیل چالشهای امنیتی و مشکلات توپوگرافیکی محدوده مورد مطالعه با استفاده از GIS و ارائه راهبردهای مبتنی بر اصول پدافند غیرعامل برای استفاده از توانهای محیط طبیعی میباشد. از نتایج این تحقیق میتوان به این مورد اشاره کرد که شکلگیری فرم شهری در ابعاد پراکنده و غیرمتمرکز کنونی شهر زاوین، به نحوی است که هستههای سه گانه شهر از منظر پدافندی با مقاوم سازی و توانمندسازی بافت و نیز تبدیل مسیرهای خطی دسترسی به گراف شبکهای در وضع موجود، قابل قبول خواهد بود.
https://www.sepehr.org/article_20138_eae83321f5df996b2a9c7ab59b3e2822.pdf
2016-06-01
81
96
10.22131/sepehr.2016.20138
شهرهای مرزی
پدافند غیرعامل
توان های توپوگرافیک
چالش های امنیتی
استان خراسان رضوی
سیما
پورهاشمی
s_pourhashemi@yahoo.com
1
دانشجوی دکترای ژئومورفولوژی، دانشگاه حکیم سبزواری، سبزوار، ایران
LEAD_AUTHOR
علی
اصانلو
ali.asanlu@yahoo.com
2
عضو هیأت علمی دانشگاه علوم انتظامی امین، تهران
AUTHOR
محمدرضا
منصوری دانشور
3
دانشجوی دکترای اقلیم شناسی در برنامه ریزی محیطی، دانشگاه سیستان و بلوچستان، زاهدان
AUTHOR
حمید
نژاد سلیمانی
4
کارشناس ارشد ژئوموفولوژی در برنامه ریزی محیطی، دانشگاه آزاد اسلامی، واحد مشهد، ایران
AUTHOR
1- ابراهیمی، م، (1390) نقش عوارض ژئومورفولوژیکی در دفاع و پدافند غیرعامل با تأکید بر شمال شرق خراسان رضوی، پایاننامه کارشناسیارشد، دانشگاه تربیت معلم سبزوار، دانشکده جغرافیا و علوم محیطی، سبزوار.
1
2- بوذری، س (1388) زمینشناسی و کاربرد آن در پدافند غیرعامل، فصلنامه زمین، سال4، شماره2: 10-1.
2
3- پریزادی، ط؛ حسینی، ح؛ شهریاری، م (1389) بررسی و تحلیل تمهیدات پدافند غیرعامل در شهر سقز در رویکردی تحلیلی، مجله مدیریت شهری، شماره26: 202-191.
3
4- تقویمقدم، ا؛ پورهاشمی، س(1392) نقش عوارض ژئومورفولوژی در پدافند غیر عامل سواحل کشور نمونه موردی (سواحل بندر بوشهر تا بندر کنگان)، ششمین کنگره انجمن ژئوپلتیک ایران»پدافند غیرعامل»صص19-1.
4
5- حسینی، ب (1389) معیارهای پدافند غیرعامل در طراحی معماری ساختمانهای جمعی شهری، سازمان پدافند غیرعامل کشور با همکاری انتشارات عابد، صص: 165.
5
6- حنفی، ع، (1392) ﺑﺮرﺳﯽ ﻧﻘﺶ ﻋﻮاﻣﻞ ﺟﻐﺮاﻓﯿﺎﯾﯽ در ﻣﮑﺎﻧﯿﺎﺑﯽ ﻣﺮاﮐﺰ ﺣﯿﺎﺗﯽ ﺣﺴﺎس و ﻣﻬﻢ از ﻣﻨﻈﺮ ﭘﺪاﻓﻨﺪ ﻏﯿﺮﻋﺎﻣﻞ (ﻣﻄﺎﻟﻌﻪ ﻣﻮردی: ﻣﻨﺎﻃﻖ ﻣﺮزی اﯾﺮان و اﻓﻐﺎﻧﺴﺘﺎن)، ششمین کنگره انجمن ژئوپلتیک ایران «پدافند غیرعامل»، صص30-1.
6
7- داعینژاد، ف (1385) اصول و رهنمودهای طراحی و تجهیز فضای باز مجموعههای مسکونی به منظور پدافند غیرعامل، مرکز تحقیقات ساختمان و مسکن، صص: 254.
7
8- دانشپور، ز (1385) تحلیل نابرابری فضایی در محیطهای پیراشهری، نشریه هنرهای زیبا، شماره28: 14-5.
8
9- رضایی عارفی، م (1387) نقش پدیدههای ژئومورفولوژیکی در مسائل دفاعی و امنیتی نواحی مرزی جنوب شرق کشور، پایاننامه کارشناسی ارشد، دانشگاه تربیت معلم سبزوار، دانشکده جغرافیا و علوم محیطی، سبزوار.
9
10- زیاری، ک؛ تقی اقدم، ج (1387) عملکرد شهر میانی خوی در توسعه فضائی استان آذربایجان غربی، پژوهشهای جغرافیایی، شماره63: 28-15.
10
11- سرایی، م.ح؛ اسکندری، م (1386) تبدیل روستاهای بزرگ به شهرهای کوچک و نقش آن در تعادل بخشی ناحیهای مورد شناسی: ریوش شهرستان کاشمر، جغرافیا و توسعه، شماره10: 182-165.
11
12- عندلیب، ع.ر (1380) نظریه پایه و اصول آمایش مناطق مرزی جمهوری اسلامی ایران ، انتشارات دانشکده فرماندهی و ستاد تهران، صص: 284.
12
13- فخری، س؛ رﺣﯿﻤﯽ ﻫﺮآﺑﺎدی ،س؛ ﻫﺪاﺋﯽ آراﻧﯽ، م ،( 1392) ژﺋﻮﻣﻮرﻓﻮﻟﻮژی دریایی و ملاحظات پدافند غیرعامل در خلیج فارس و تنگه هرمز، ششمین کنگره انجمن ژئوپلتیک ایران «پدافند غیرعامل»، 7 و 8: صص18-1.
13
14- کامران، ح؛ حسینی، ح؛ پریزادی، ط (1390) تحلیل ساختارهای شهر شهریار و راهبردهای پدافند غیرعامل، فصلنامه انجمن جغرافیای ایران، سال9، شماره30: 37-5.
14
15- گلی، ع؛ عسگری، ع (1385) کاربرد منطق فازی در تبدیل روستا به شهر؛ استان تهران، فصلنامه مدرس علوم انسانی، دوره10، شماره2: 158-139.
15
16- موحدی نیا، ج (1386) اصول و مبانی پدافند غیرعامل، انتشارات دانشگاه صنعتی مالک اشتر، صص: 101.
16
17- میراحمدی، م؛ یادگارزاده، ب (1389) بررسی آسیب پذیری فرم شهرها از دیدگاه پدافند غیرعامل و راهکارهای کاهش آن، فصلنامه ساخت شهر، شماره14: 25-14.
17
18- نباتی، ع (1389) پدافند غیرعامل؛ اصول و مبانی، انتشارات مرکز آموزشی و پژوهشی شهید سپهبد صیاد شیرازی، صص: 206.
18
19- نیازی تبار، ح (1387) آسیب شاسی پدافند غیرعامل در برابر اقدامات NBC، مجله نگرش راهبردی، شماره92: 186-157.
19
20- NOAA (2012) Unated States National Oceanic and Atmospheric Administration, “http://www.esrl.noaa.gov/psd/data/gridded/data.ncep.reanalysis.html” .
20
21- Rondinelli, D.A. (1983) Secondary cities in developing countries: Policies for diffusing urbanization, Sage Library of Social Research, Vol. 145, Beverly Hills, 288 pp.
21
22- UNCHS (1998) The Istanbul declaration and the habitat agenda. Nairobi: United Nations Centre for Human Settlements (Habitat).
22
ORIGINAL_ARTICLE
طراحی و توسعه سامانه ای همراه به منظور جمع آوری اطلاعات مشاغل مزاحم شهری (مطالعه موردی: مشاغل مزاحم شهر کرمانشاه)
با تجهیز دستگاههای همراه به قابلیتهایی همانند پردازشگرهای قدرتمند و تعبیه سنجندههای متنوع امروزه شاهد وقوع انقلابی عظیم در استفاده از این تجهیزات در تمامی زوایای زندگی بشری میباشیم. با نگاهی گذرا به تاریخچه سامانههای اطلاعات مکانی به روشنی مشخص میشود که انجام تحلیلهای مکانی بلادرنگ همواره یکی از مهمترین دغدغههای این علم بوده است. از طرفی دیگر جمعآوری، مدیریت و ذخیره سازی اطلاعات مکانی و توصیفی از مهمترین مراحل بسیاری از پروژههای اجرایی همانند ساماندهی مشاغل مزاحم شهری به شمار میآید. در بسیاری از پروژههای اجرایی، برطرف نمودن وقفه زمانی بین فرآیند برداشت میدانی اطلاعات و ذخیرهسازی آنها در پایگاه دادههای مرکزی میتواند به انجام تحلیلهای مکانی بلادرنگ و در عین حال بسیار کارآمد بیانجامد. اما استفاده از روشهای سنتی گردآوری، رقومی سازی، مدیریت و ذخیره سازی اطلاعات در بسیاری از پروژههای اجرایی با مشکلات قابل توجهی همانند دشواری حمل فرمهای کاغذی، نقشههای کاغذی، خطاها و اشتباهات اجتناب ناپذیر عوامل انسانی و مهمتر از همه ایجاد فاصله زمانی قابل توجه در فرآیند جمع آوری اطلاعات تا ذخیره سازی رقومی آنها همراه بوده است. این مطالعه سعی در ارائه سامانه ای همراه به منظور ایجاد جایگزینی مناسب برای روشهای سنتی گردآوری و ذخیره سازی اطلاعات مرتبط با مشاغل مزاحم شهر کرمانشاه دارد. در نهایت نیز با انجام آزمونهای آماری بهبود عملکرد این سامانه در مقایسه با روشهای سنتی در چهار منطقه از شهر مورد مطالعه به اثبات رسید. علاوه بر آن، تمایل 92% از کاربران به استفاده از این سامانه در مقایسه با روشهای سنتی، از دیگر معیارهای نشان دهنده موفقیت در نیل به هدف نهایی این مطالعه است.
https://www.sepehr.org/article_20139_de2e474a75fe47c01dd6872220a7a4b5.pdf
2016-06-01
97
115
10.22131/sepehr.2016.20139
سامانه اطلاعات مکانی همراه
پردازشگری بافت آگاه
مشاغل مزاحم شهری
معماری توزیع یافته
خدمات مکان مبنا
کرمانشاه
سروش
اجاق
soroushojagh@gmail.com
1
دانشجوی دکتری تخصصی گرایش سامانه اطلاعات مکانی، دانشکده نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی
LEAD_AUTHOR
علی اصغر
آل شیخ
alesheikh@kntu.ac.ir
2
استاد گروه سامانه اطلاعات مکانی، دانشکده نقشه برداری دانشگاه خواجه نصیر الدین طوسی
AUTHOR
محمد رضا
ملک
mrmalek@kntu.ac.ir
3
دانشیار گروه سامانه اطلاعات مکانی، دانشکده نقشه برداری دانشگاه خواجه نصیر الدین طوسی
AUTHOR
محمد
فلاح ززولی
mohammadfallah2092@yahoo.com
4
کارشناس ارشد سیستم اطلاعات مکانی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
AUTHOR
1- آقا طاهر، اجاق، فلاح ززولی، جعفری؛ رضا، سروش، محمد و محسن، 1393، «تحلیل و بررسی رابطهای کاربری برنامه نویسی متفاوت به منظور نمایش اطلاعات مکانی در تجهیزات همراه»، فصلنامه علمی - پژوهشی اطلاعات جغرافیایی (سپهر)، دوره 23، شماره 90، 15.
1
2- اجاق، ملک؛ سروش و محمدرضا، 1391، «بررسی سنجندههای موقعیتی و جهتی به منظور بهبود سرویسهای مکانی توسط دستگاههای همراه»، نشریه علمی - ترویجی مهندسی نقشهبرداری و اطلاعات مکانی، چاپ چهارم، شماره دوم، 19.
2
3- اجاق و ملک؛ سروش و محمدرضا، 1392، «مدلسازی پرس وجوهای سهبعدی مبتنی بر موقعیت و جهت برای ساختمانها»، نشریه علمی - پژوهشی انجمن علمی نقشهبرداری وژئوماتیک ایران، 12.
3
4- اجاق، سهامی و ملک؛ سروش، حبیبالله و محمد رضا، 1394، «تبیین ابزارهای نمایش اطلاعات به منظور برآورد نیازهای نسل جدید خدمات سامانههای اطلاعات مکانی همراه»، نشریه علمی - ترویجی مهندسی نقشهبرداری و اطلاعات مکانی، 10.
4
5- انصاری و مرادی؛ حسین و حوریه، 1390، «ارئه مدل فازی به منظور برآورد تبخیر و تعرق مرجع ساعتی با استفاده از حداقل دادههای هواشناسی»، نشریه آب و خاک (علوم و صنایع کشاورزی)، جلد 25، شماره 2، 12.
5
6- تقوایی و شیخ بیگلو؛ مسعود و رعنا، 1386، «ساماندهی مشاغل مزاحم شهر اصفهان با بهرهگیری از فرایند تحلیل سلسله مراتبی» (AHP)، نشریه علمی – پژوهشی انجمن جغرافیایی ایران، سال پنجم، شماره 14 و 15، 20.
6
7- رحمانیان، آخوندزاده، نصر و کدخدازاده؛ سعید، حمیدرضا، مهدی و زهرهالسادات، «مطالعات مشاغل آلاینده و مزاحم شهری در شهر شیراز»، مرکز مطالعات توسعه و فناوری دانشگاه اصفهان.
7
8- سعیدنیا، احمد، 1378، کتاب سبز راهنمای شهرداریها ( جلد دوم- کاربری زمین شهری)، چاپ اول، تهران: انتشارات سازمان شهرداریها و دهیاریهای کشور.
8
9- Aanensen, D. M. , Huntley D. M., Feil E. J., al-Own F., Spratt B. G., ,2009 EpiCollect: Linking Smartphones to Web Applications for Epidemiology, Ecology and Community Data Collection, Plus one 4, 9. doi: 10.1371/journal.pone.0006968.
9
10- Chen, J.C., Chang, N.B., and Shieh, W.K. 2003. Assessing wastewater reclamation potential by neural network model. Journal of Engineering Application of Artificial Intelligence, 16:149-157.
10
11- Devisch O., Veestraeten D., 2013, From Sharing to Experimenting: How Mobile Technologies Are Helping Ordinary Citizens Regain Their Positions as Scientists, Journal of Urban Technology 20 , 76-2:63, doi:10. 1080/10630732.2013.769313. URLhttp://www.tandfonline.com/doi/abs. 10630732,2013, 769313/10, 1080.
11
12- Donatis, M. D., Bruciatelli, L. , 2006, MAP IT: The GIS software for field mapping with tablet pc, , Computers and Geosciences, 680-5:673, 32 doi: 10.1016/j. cageo.2005.09.003. URL http://linkinghub .elsevier.com/retrieve/pii/S0098300405002001
12
13- Döner, F., Yomral, T., 2008, Examination and Comparison of Mobile GIS Technology for Real Time Geo-Data Acquisition in the Field, Survey Review 40, 309: 221-234.
13
14- Freire, C. E. d. A., Painho, M., (2014). Development of a Mobile Mapping Solution for Spatial Data Collection Using Open-Source Technologies.Procedia Technology, 16(0), 481-490. doi: http://dx.doi.org/10.1016/j.protcy.2014.10.115.
14
15- Green D. R., King S. D., 2004, Pencil Out, Stylus In: Geospatial Technologies Give Coastal Fieldwork a New Dimension, Geography journal 89,1:291- 302.
15
16- IBM, Creek Watch: Snap a picture. Save a stream. (2010). URL http://www.ibm.com/ smarterplanet/ us/en/water_management/article/creek_watch.html.
16
17- Jacovides, C. P., 1997, Reply to comment on Statistical procedures for the evaluation of evapotranspiration models. Agricultural water management 3:95-97.
17
18- Kanhere S. S., 2011, Participatory Sensing: Crowdsourcing Data from Mobile Smartphones in Urban Spaces, 12th International Conference on Mobile Data Management, PP: 3-6,doi:10.1109/MDM.2011.16. URL http://ieeexplore.ieee.org/ lpdocs/epic03/wrapper.htm?arnumber= 6068482
18
19- Kim J., Lee S., Ahn H., Seo D., Lee J., Choi C., 2013, Accuracy evaluation of a smartphone-based technology f or coastal monitoring,Measurement 46, 1:233-248doi:10.1016/j.measurement.2012.06.010. URL http://linkinghub.elsevier.com/retrieve/pii/S0263224112002515.
19
20- Kosmaczewski, A., 2012, Mobile JavaScript Application Development: Bringing Web Programming to Mobile Devices, 1st Edit ion, O ’Reilly Media.
20
21- Lane, N.D., Miluzzo, E., Hong Lu, Peebles, D., 2010, A survey of mobile phone sensing, I EEE Communications Magazine 48, 9: 140-150, doi: 10.1109/MCOM. 2010,55605980
21
22- Li, R., 1997, Mobile Mapping: An Emerging Technology for Spatial Data Acquisition, Photogrammetric Engineering and Remote Sensing 63, 9:1085-1092.
22
23-Lwin K. K., (2011), Web-based GIS System f or Real-time Field Data Collection Using Personal Mobile P hone, Journal of Geographic Information System 03, 4:382–389.doi:10.4236/jgis. 2011.34037. URLhttp://www.scirp.org/journal/PaperDownload.aspx?DOI=10.4236/jgis.2011.34037.
23
24- The Center for Embedded Networked Sensing, What’s Invasive! Community Data Collection (2010). URL http://www.whatsinvasive.org/index.html.
24
25- Zwarenstein M, Seebregts C, Mathews C, et al. 2009,., Handheld computers for survey and trial data collection in resource-poor settings: Development and evaluation of PDACT, a Palm Pilot interviewing system. Internationaljournal of medical informatics 78 (11) (2009) . 31-721. doi:10.1016/j.ijmedinf.2008.10.006. URL http: / / www.n cbi.nlmnih.gov/pubmed/19157967.
25
ORIGINAL_ARTICLE
مطالعه اثر متقابل دمای سطحی آب دریا برسرعت باد سطحی با استفاده از داده های میدانی وماهواره ای درخزرجنوبی (استان مازندران)
بسیاری از شرایط هیدرولوژیک در دریاها به تغییر دما بستگی داشته و میزان این پارامتر عامل تعیین کننده مهمی در شرایط محیطی هر منطقه میباشد. تغییرات دما و باد سطحی سبب تغییر چگالی آب دریا شده و تغییر چگالی در میزان پایداری و اختلاط ستون آب دریا مؤثر است .دراین تحقیق اثر متقابل دمای سطح آب دریا (SST) بر سرعت باد سطحی درمنطقه خزر جنوبی (استان مازندران) بررسی شده است. ابتدا دادههای دمای سطح آب دریا،توسط سنجنده AVHRR ماهواره NOAA ودادههای سرعت بادسطحی،توسط ماهوارهQuikSCAT برای منطقهای به ابعاد 220 ×340 کیلومتر مربع در خزر جنوبی گردآوری شد. پس از تجزیه وتحلیل دادههای ماهوارهای دمای سطح دریا ، تغییرات ماهانه و فصلی آن توسط نرم افزار Tecplot برای این منطقه رسم گردید.مشخص شد که میانگین دمای فصلی(بهار و تابستان) سواحل شرقی خزرجنوبی c ْ87/0 ازنواحی غربی آن بیشتراست. برای بررسی اثر متقابل دمای سطح دریا برسرعت باد سطحی، چهار ایستگاه A وD (درناحیه غربی)،B وC (درناحیه شرقی)درخزرجنوبی انتخاب گردید.سپس نمودار سری زمانی دما، اختلاف دمابین چهار ایستگاه، سری زمانی سرعت بادو سری زمانی اختلاف سرعت باد بین چهار ایستگاه ازسال 2000تا2005 برای فصلهای بهار و تابستان رسم و مقایسه شد. نتایج نشان میدهد که برای فصل تابستان،در80% و برای فصل بهار، در 66% مواردبا افزایش اختلاف دما بین چهار ایستگاه، اختلاف سرعت نیزافزایش مییابد.در این دو فصل بدلیل کاهش فعالیت سیستمهای جوّی، اختلاف دمای دو ایستگاه تأثیر قابل توجهی درتقویت اختلاف سرعت باد دارد. میانگین اندازه اختلاف سرعت باد در دوره آماری2005-2000 در ایستگاهها برای فصل بهار ، m/s 7/.و برای فصل تابستان ،m/s 37/1 میباشد.
https://www.sepehr.org/article_20140_91f6db60f40bf420a6df1de222045681.pdf
2016-06-01
117
127
10.22131/sepehr.2016.20140
دمای سطح دریا
تغییرات سرعت باد
اختلاف دما
شارگرمای نهان
شارگرمای محسوس
دریای خزر
مسعود
ترابی آزاد
torabi us @ yahoo.com
1
دانشیار دانشکده علوم وفنون دریایی ،دانشگاه آزاد اسلامی واحد تهران شمال
LEAD_AUTHOR
عباسعلی
علی اکبری بیدختی
bidokhti @ yahoo.com
2
استاد مؤسسه ژئوفیزیک دانشگاه تهران
AUTHOR
حسین
صالحیان فر
hsalehianfar@gmail.com
3
کارشناس ارشد دانشکده علوم و فنون دریایی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران
AUTHOR
1- جلال زاده.ز، ترابی آزاد.م ،دالکی.الف ،(1387 )مقایسه دمای سطحی حاصل از دادههای میدانی و ماهوارهای در خزر جنوبی، پژوهشهای جغرافیایی طبیعی،65، 121-109.
1
2- حسن زاده .الف، علی دوستی. م، 1384، تغییرات فصلی و درون سالی پارامترهای جوّی و اقیانوسی در دریا و سواحل خلیج فارس، ششمین همایش علوم و فنون دریایی ایران، تهران.
2
3- حسنزاده .الف، بیدختی ع. ع، ملا اسماعیل پور. س، 1384، بررسی تغییرات دمای سطح (SST) آبهای خلیج فارس و تأثیر آن بر آب و هوای مناطق ساحلی در سالهای 1996-2000، ششمین همایش علوم و فنون دریایی ایران، تهران.
3
4- حسنزاده .الف، خدابخش .ح، حسینی بالام. ف، ناهید .ش، 1380، اثرات النینو روی پارامترهای فیزیکی و جوّی در دریای عمان، کنفرانس فیزیک ایران، سبزوار.
4
5- حسنزاده .الف، خدابخش. ح، رئیسالسادات. ح، 1382، دمای سطح آب و تأثیر آن بر آب و هوای ساحلی در ناحیه شمال اقیانوس هند، سومین کنفرانس منطقهای و اولین کنفرانس ملی تغییر اقلیم، اصفهان.
5
6- غلامی،م، (1388) اثر دمای سطح دریا (SST) بر آب و هوای مناطق جنوبی دریای خزر، پایاننامه کارشناسی ارشد فیزیک دریا، دانشگاه آزاد اسلامی واحد علوم وتحقیقات،3-35.
6
7- نوری. ل، (1388) مطالعه برهم کنش هوا-دریا ومحاسبه شارهای سطحی وامواج ناشی ازباد، پایان نامه کارشناسی ارشد فیزیک دریا، دانشگاه آزاد اسلامی واحد علوم وتحقیقات،64 .
7
8- Ahmadabadi A., Fathnia A., Karimi Ahmadabad M., Farajzadeh M, 2008, ‘The Accuracy of SST Retrievals from NOAA-AVHRR in the Persian Gulf’, Journal of Applied Sciences, Vol. 9, No. 7, pp. 1378-1382.
8
9- Battisti,D. S.,and A. C. Hirst, 1989,Interannual variability in the tropical atmosphere-ocean model: Influence of the basic state, ocean geometry and nonlineary.j.Atmos.Sci.,46.
9
10- Chelton,D.B.,S .P.Xie , 2010,Coupled ocean-atmosphere interaction at oceanic mesoscales,Oceanography,52-60.
10
11- Chunzai,W., R. H. Weisberg ,and H. Yang,1998, Effects of the Wind Speed- Evaporation-SST Feedback on the EL Nino-Southern Oscillation J. of AtmoS. Sci., 56,1391-1402.
11
12- Csanady,G.T., 2004,Air-Sea Interaction Laws and Mechanisms, Cambridge University Press 28-32.
12
13- Hayes, s. p., p. Chang, and M. McPhaden, 1991, Variability of the sea surface temperature in the eastern equatorial Pacific during 1986-1988. J. Geophysics. Res., 96, 10553-10566.
13
14- Ibrayev,R.A.,E. Özsoy ,C. Schrum and H. i.Sur, 2009,Seasonal variability of the Caspian Sea three-dimensional circulation, sea level and air-sea interaction, Ocean Science,1926-1928-1936-1948 .
14
15- Kostianoy.A.G , Aleksey N. Kosarev, 2005, The Caspian Sea Environment, Springer-Verlag Berlin Heidelberg, Germany.
15
16- Lebedev.S.A. and Andrey G. Kostianoy, 2008, Integrated Use of Satellite Altimetry in the Investigation of the Meteorological, Hydrological, and Hydrodynamic Regime of the Caspian Sea, Terr. Atmos. Ocean. Sci., Vol. 19, No. 1-2, 71-82.
16
17- Li, X., Krasnopolsky, V. and Sapper. J.,2001, Validation of coastal Sea and lake Surface temperature measurements derived from NOAA/AVHRR, International Journal of Remote Sensing. 22(7). Pp 1285-1303.
17
18- Narvekar J., Kumar P., 2006, Seasonal variability of the mixed layer in the central Bay of Bengal and associated changes in nutrients and chlorophyll, Deep-Sea Research. I., 53. 820-835.
18
19- Oboidual, and Azimul. A.,1984, Sea surface temperatures of the bay of Bengal from NOAA (AVHRR) satellite and associated data with their possible application. Journal of Asian-Pacific Remote sensing Vol 7.pp 22-37
19
20- Oesch, D, Hauser, A. and Wunderle, S, 2002, Deriving Lake Surface temperature Variations of an alpine Lake using NOAA-AVHRR date, Remote Sensing research group, Department of Geography, University of Bern Switzerland.
20
21- Oesch, D., Hauser, A. and Wunderle, S. ,2003, Operational mapping of lake surface temperature in the Alps using NOAA-AVHRR data: Intercomparison of different lakes. Remote sensing research group, Department of Geography. University of Bern, Switzerland.
21
22- Rasmussen, E. M.,and T. H. Carpenter, 1982, Variations in tropical sea surface temperature and surface wind fields associated with the Southern Oscillation/El Nino. Mon. Wea. Rev., 110,354-384.
22
23- Stewart, R. H, 2008, Introduction To Physical Oceanography, Texas A&M University,57-59
23
24- Thiemann. S. and Schiller. H., 2003, Determination of the bulk temperature from NOAA/AVHRR Satellite data in mid latitude lake, International Journal of Applied Earth Observation and Geoinformation, 4:339-349.
24
25- Tokinaga,h. ,Y. Tanimoto,and s. p. Xie ,2005,SST-induced surface wind variations over the Brazil/Malvinas Confluence:Satellite and in-situ observations ,J. Climate , 2-5.
25
26- Weisberg, R. H., and C. Wang, 1997, Slow variability in the equatorial west-central Pacific in relation to ENSO. J.Climate, 10,1998-2017 .
26
ORIGINAL_ARTICLE
پایش و روندیابی تغییرات کاربری اراضی حوضه ابرکوه با استفاده از تصاویر ماهواره ای (2014-1976)
بدلیل افزایش تغییرات مخرّب کاربری اراضی که عمدتاً بوسیله فعالیتهای انسانی انجام میگیرد، کشف و بارزسازی تغییرات و ارزیابی اثرات زیست محیطی آنها جهت برنامهریزی و مدیریت آتی منابع ضروری است. بنابراین هدف از این پژوهش، پایش و روندیابی تغییرات کاربری اراضی حوضهی کویر ابرکوه در بازه زمانی 38 ساله (2014-1976) به منظور ارزیابی و مدیریت مسائل زیست محیطی از قبیل فشار انسان بر زمین بدون لحاظ نمودن ظرفیت تحمل، و بررسی روند تغییرات مساحتی کاربریها در جهت شناخت مناطق دارای تنش محیطی میباشد. در این راستا از دادههای تصاویر ماهوارهای لندست، سنجندههای MSS (1976)، TM (1990)، ETM+ (2000 و 2006) و OLI (2014)؛ و تکنیکهای دورسنجی نظیر طبقهبندی نظارتی و ارزیابی دقت پس از طبقهبندی برای شناسایی نوع کاربریها، و اعمال توابع تحلیل مؤلفه مبنا، تسلدکپ و تفاضل تصاویر برای پایش تغییرات استفاده شده است. نتایج طبقهبندی حاکی از بارزسازی هفت نوع کاربری شامل اراضی شهری، زراعی، بایر، صخرهای، مرتعی، جلگه رسی و کویر میباشد که سال 2014 با مقادیر ضریب کاپا 18/82 درصد و دقت کل 76/0 بالاترین دقت را دارد. نتایج روندیابی تغییرات کاربریها بیانگر سیر صعودی سطح اراضی مرتعی (65/5%)، صخرهای (52/2%)، بایر (63/3%) و کشاورزی (04/1%)، و سیر نزولی مساحت اراضی شهری (33/4%)، جلگه رسی (89/6%) و کویر (03/6%) میباشد. از منظر توابع تحلیل مؤلفه مبنا و تسلدکپ، به ترتیب 748/1% (4912/306 کیلومترمربع) و 989/3% (961/699 کیلومترمربع) از سطح منطقه مطالعاتی با تغییرات افزایشی کاربری روبرو بوده، و در مجموع روند کلی تغییرات طبقات افزایشی، صعودی است.بیشترین تغییرات کاربری از نوع مخرب و ویرانگر بوده و از لحاظ فضایی منطبق بر محدوده اطراف مراکز تجمع انسانی مانند شهرهای ابرکوه و مهردشت میباشد.بدیهی است که در اثر تداوم این روند، حوضه ابرکوه در آیندهای نزدیک، تبدیل به یک اکوسیستم غیرفعال مرده میگردد که فاقد هر گونه پتانسیل تولید اکولوژیک و بیولوژیک است.
https://www.sepehr.org/article_20141_604f4cc6c1511876a87a4b09d71ca3af.pdf
2016-06-01
129
146
10.22131/sepehr.2016.20141
آشکارسازی تغییرات
پایش
روندیابی
کاربری اراضی
سنجش از دور
حوضه ابرکوه
سید حجت
موسوی
hmousavi15@kashanu.ac.ir
1
استادیار،گروه جغرافیا و اکوتوریسم، دانشکدةمنابع طبیعی و علوم زمین، دانشگاه کاشان، ایران
AUTHOR
ابوالفضل
رنجبر
ranjbar57@yahoo.com
2
دانشیار، گروه مهندسی علوم بیابان، دانشکدة منابع طبیعی و علوم زمین، دانشگاه کاشان، ایران
AUTHOR
مهدی،
حاصلی
3
دانشجوی کارشناسی ارشد، گروه مهندسی علوم بیابان، دانشکدة منابع طبیعی و علوم زمین، دانشگاه کاشان، ایران
AUTHOR
1- آرخی، نیازی، ارزانی؛ صالح، یعقوب و حسین (1390). مقایسه تکنیکهای مختلف پایش تغییر کاربری اراضی/پوشش گیاهی با استفاده از RS و GIS (مطالعه موردی: حوزه دره شهر-استان ایلام). علوم محیطی، سال هشتم، شماره سوم، صفحات 81-96.
1
2- ابطحی و پاکپرور؛ مرتضی و مجتبی (1381). بررسی روند تغییرات کاربری اراضی در منطقه کاشان. مجله تحقیقات مرتع و بیابان ایران، جلد6، صفحات 85 - 104.
2
3- برخورداری، زارع مهرجردی و خسروشاهی؛ جلال ، محمد و محمد (1384). بررسی روند تغییرات پوشش اراضی در حوضه آبخیز سد استقلال میناب با استفاده از GIS و RS. مجله حفاظت آب و خاک، جلد1، شماره2، صفحات 14ـ25.
3
4- بنیاد امیر، حاجی قادری؛ اسلام و طه (1386). تهیه نقشه جنگلهای طبیعی استان زنجان با استفاده از دادههای سنجنده ETM+ ماهواره لندست 7. مجله علوم و فنون کشاورزی و منابع طبیعی، جلد11، شماره 42، صفحات 627ـ 638.
4
5- خسروانی شیری، خواجهالدین، سفیانیان، محبی، پارسامهر؛ زهرا، سیدجمالالدین، علیرضا، محمود و امیرحسین (1391). پهنهبندی کاربری اراضی منطقه شرق اصفهان با استفاده از تصویر ماهواره ای IRS-P6. مجله علوم و فنون کشاورزی و منابع طبیعی، علوم آب و خاک، سال شانزدهم، شماره پنجاه و نهم، صفحات 233-244.
5
6- ربیعی، ضیائیان، علیمحمدی؛ حمیدرضا، پرویز و عباس (1384). کشف و بازیابی تغییرات کاربری و پوشش اراضی شهر اصفهان به کمک سنجش از دور و سیستم اطلاعات جغرافیایی. فصلنامه مدرس علوم انسانی، دوره 9، شماره 4، صفحات 41-54.
6
7- رسولی، علی اکبر (1387). مبانی سنجش از دور کاربردی با تأکید بر پردازش تصاویر ماهوارهای. تبریز، انتشارات دانشگاه تبریز، چاپ اول.
7
8- رفیعیان، درویش صفت و نمیرانیان؛ امید، علیاصغر و منوچهر (1385). تعیین تغییرات گستره جنگلهای شمال کشور بین سالهای 73 تا 80 با استفاده از تصاویر سنجنده ETM+ (مطالعه موردی: جنگلهای بابل). مجله علوم و فنون کشاورزی و منابع طبیعی، علوم آب و خاک، شماره 10 (3)، صفحات 277-287.
8
9- سنجری، برومند؛ صالح و ناصر (1392). پایش تغییرات کاربری/پوشش اراضی در سه گذشته با استفاده از تکنیک سنجش از دور (مطالعه موردی: منطقه زرند استان کرمان). مجله کاربرد سنجش از دور و GIS در علوم منابع طبیعی، سال چهارم، شماره 1، صفحات 57-67.
9
10- شتابی، عبدی؛ شعبان و امید (1386). تهیه نقشه کاربری اراضی کوهستانی زاگرس با استفاده از دادههای سنجنده ETM+ (منطقه مورد مطالعه: حوزه سرخاب خرم آباد لرستان). مجله علوم کشاورزی و منابع طبیعی، جلد چهاردهم، شماره اول، صفحات 129-139.
10
11- عبداللهی، رحیمیان و ثواقبی؛ جلال، محمدحسن و محمد حسین (1386). محدودیت ایجاد نقشه پوشش گیاهی توسط تصاویر ماهوارهای لندست +ETM در خشکسالیها. فصلنامه علمی پژوهشی تحقیقات مرتع و بیابان ایران، شماره 14، صفحات 289-301.
11
12- علوی پناه و مسعودی؛ سید کاظم و مسعود (1380). تهیه نقشه کاربری اراضی با استفاده از دادههای رقومی ماهواره لندست TM و سیستم اطلاعات جغرافیایی (مطالعه موردی: منطقه موک استان فارس). مجله علوم کشاورزی و منابع طبیعی، سال هشتم، شماره 1، صفحات 65-76.
12
13- قرائتی جهرمی، ولی، موسوی، پناهی و خسروی؛ مجتبی، عباسعلی، سیدحجت، فاطمه و حسن (1393). پایش تغییرات کاربری اراضی دشت کاشان با استفاده از دادههای دور سنجی. مجله بینالمللی علمی - تحقیقاتی زمین پویا، جلد 4، شماره 2، صفحات 129-137.
13
14- لطیفی، اوﻻدی، ﺳﺎروﯾﯽ، ﺟﻠﯿﻠﻮﻧﺪ؛ هومن، جعفر، سعید و ﺣﻤﯿﺪ (1386). ارزیـابی قابلیـت دادههای مـاهواره ای ETM+ جهت تهیه نقشه طبقات پوشش جنگل، اراضی درختچه و مرتع، مطالعه موردی حوزه نکـا - ظـالم رود. مجله علوم و فنون کشاورزی و منابع طبیعی، سال یازدهم، شماره چهلم، صفحات 439-447.
14
15- مرادی، فاضلپور، صادقی، حسینی؛ حمیدرضا، محمدرضا، سیدحمیدرضا و ﺳﻴﺪزﻳﻦاﻟﻌﺎﺑﺪﻳﻦ (1387). بررسی تغییر کاربری اراضی در بیابان زایی محدوده شهر اردکان با استفاده از سنجش از دور. فصلنامه تحقیقات مرتع و بیابان ایران، جلد 15، شماره 1، صفحات 1-12.
15
16- مظاهری، اسفندیاری، مسیح آبادی و کمالی؛ محمودرضا، مهرداد، محمدحسن و اردوان (1392). پایش تغییرات زمانی کاربری اراضی با استفاده از تکنیکهای سنجش از دور و سیستم اطلاعات جغرافیایی (مطالعه موردی: جیرفت، استان کرمان). مجله کاربرد سنجش از دور و GIS در علوم منابع طبیعی، سال چهارم، شماره 2، صفحات 25-39.
16
17- یمانی، مزیدی؛ مجتبی و احمد (1387). بررسی تغییرات سطح و پوشش گیاهی کویر سیاهکوه با استفاده از دادههای سنجش از دور. پژوهشهای جغرافیایی، شماره 64، صفحات 1-12.
17
18- Al Rawashdeh, S.B., (2012). Assessment of Change Detection Method Based on Normalized Vegetation Index in Environmental Studies. International Journal of Applied Science and Engineering, Vol. 10, No. 2, PP. 89-97.
18
19- Amissah-Arthur, A., Mougenot, B., Loireau, M., (2000). Assessing Farmland Dynamics and Land Degradation on Sahelian Landscapes Using Remotely Sensed and Socioeconomic Data. International Journal Geo Information Science, 14, PP. 583-599.
19
20-Anyamba, A., Eastman, J.R., (1996). Interannual variability of NDVI over Africa and its relation to El Nino/Southern Oscillation. International Journal of Remote Sensing, 17(13), pp. 2533-2548.
20
21-Arulbalaji, P., Gurugnanam, B., (2014). Geospatial Science for 16 Years of Variation in Land Use/Land Cover Practice Assessment around Salem District, South India. Journal of Geosciences and Geomatics, Vol. ,2 No. 1, Pp. 17-20
21
22- Coppin, P., Jonckheere, I., Nackaerts, K., Muys, B., (2004). Digital change detection methods in ecosystem monitoring: a review. International Journal of Remote Sensing, VOL. 25, NO. 9, pp. 1565–1596.
22
23- Dhakal, A.S., Amada, T., Aniya, M., Sharma, R.R., (2002). Detection of areas associated with flooed and erosion caused by a heavy rainfall using multitemporal Landsat TM data. Photogrammetric Engineering and Remote Sensing68: pp. 233-240.
23
24- Gao, J., Liu, Y., Chen, Y., (2006). Land cover changes during agrarian restructuring in Northeast China. Applied Geography, No. 26, Pp. 312–322.
24
25- Haboudane, D., Bonn, F., Royer, A., Sommer, S., Mehl, W., (2002). Land degradation and erosion risk mapping by fusion of spectrally based information and digital geomorphometric attributes. International Journal of Remote Sens., 23, pp. 3795–3820.
25
26- Jabbar, M.T., Zhou, X., (2011). Eco-environmental change detection by using remote sensing and GIS techniques: a case study Basrah province, south part of Iraq. Journal of Environ Earth Sci., DOI /10,1007 s12665-011-0964-5.
26
27- Lausch, A., Herzog, F., (2002). Applicability of Landscape Metrics for the Monitoring of Landscape Change: Issues of Scale, Resolution and Interpretability. Ecological Indicator, No. 2, Pp. 3-15.
27
28- Li, Z., Li, X., Wang, Y., Ma, A., Wang, J., (2004). Land-use change analysis in Yulin prefecture, northwestern China using remote sensing and GIS. International Journal of Remote Sensing, 23(24): pp. 5691-5703.
28
29- Lu, D., Mausel, P., Brondizio, E., Moran, E., (2004). Change detection techniques. International Journal of Remote Sensing, Vol. 25, No. 12, pp. 2365- 2407.
29
30- Madurapperuma, B., Rozario, P., Oduor, P., Kotchman, L., (2015). Land-use and land-cover change detection in Pipestem Creek watershed, North Dakota. International Journal of GEOMATICS and GEOSCIENCES, Vol. 5, No 3, Pp . 416-426.
30
31- Ridd, M.K., Liu, J., (1998). A Comparison of Four Algorithms for Change Detection in an Urban Environment. Journal of Remote Sensing Environment No.63, Pp.95-100.
31
32- Singh, A.. (1989) Digital Change Detection Techniques Using Remotely Sensed Data. International Journal of Remote Sensing, 10(6), pp. 989-1003.
32
Sonneveld, B.D.J.S., (2003). Formalizing expert judgments in land degradation assessment: A case study for Ethiopia. Journal of Land Degrad. Dev., No. 14, pp. 347-361.
33
33- Sujatha, G., Dwivedi, R.S., Sreenivas, K., Venkataratnam, L., (2000). Mapping and monitoring of degraded lands in part of Jaunpur district of Uttar Pradesh using temporal space borne multispectral data. International Journal of Remote sensing , 21: pp. 519-531.
34
34- Virk, R., King, D., (2006). Comparison of Techniques for Forest Change Mapping UsingLandsat Data in Karnataka, India. International Journal of Geocarto, No. 21(4), Pp. 49-57.
35
35- Wakeel, A., Rao, K.S., Maikhuri, R.K., Saxena, K.G . (2005) , .Forest management and land use/cover changes in a typical micro watershed in the mid elevation zone of Central Himalaya, India. Forest Ecology and Management, No. 213, Pp. 229- 242.
36
36- Wessels, K.J., Prince, S.D., Frost, P.E., Van Zyl, D., (2004). Assessing the effects of human induced land degradation in the former homelands of northern South Africa with a 1 km AVHRR NDVI time-series. Journal of Remote Sensing Environment: 91, pp. 47-67.
37
37- Yanli, Y., Jabbar, M.T., Zhou, J.X., (2012). Study of Environmental Change Detection Using Remote Sensing and GIS Application: A Case Study of Northern Shaanxi Province, China. Polish Journal of Environmental Studies, Vol. ,21 No. 3, PP. 783-790.
38