مطالب مرتبط با کلیدواژه

دریاچه ارومیه


۱۰۱.

آشکارسازی روند ابرناکی براساس داده های مشاهداتی و ماهواره ای در حوضه آبریز دریاچه ارومیه(مقاله علمی وزارت علوم)

کلیدواژه‌ها: پوشش ابر تحلیل روند تحلیل ریدیت دریاچه ارومیه

حوزه‌های تخصصی:
تعداد بازدید : ۹۱ تعداد دانلود : ۴۰
این پژوهش با هدف آشکارسازی تغییرات ابرناکی در حوضه آبریز دریاچه ارومیه انجام شد. بدین منظور از داده های دیدبانی شده مقدار کلی ابر پنج ایستگاه منتخب برای دوره آماری 70 سال(2020 – 1951) و از محصول پوشش کلی ابرناکی (CFFCM) سنجنده مودیس استفاده و تحلیل روند ابرناکی با استفاده از تحلیل ریدیت برای اولین بار انجام شد. نتایج نشان دادند بیشترین درصد پوشش کلی ابرناکی به ترتیب متعلق به کلاسه های بدون ابر، ابری و نیمه ابری است. نتایج تحلیل ریدیت و من کندال به صورت سالانه و در فصول بهار، تابستان و زمستان روند منفی و در فصل پاییز به غیر از ارومیه، سقز و خوی روند منفی و کاهشی داشتند. در نتایج روند داده های ماهواره ای سنجنده مودیس نیز نتایج حاکی از روند منفی و کاهش غیر معنی دار ابرناکی در هر چهار ایستگاه به صورت سالانه و فصلی بوده به جز ایستگاه ارومیه که در هر چهار فصل و به صورت سالانه، روند مثبت و افزایش غیر معنی دار دارد. همچنین انطباق نتایج تحلیل ریدیت و داده های ماهواره ای سنجنده مودیس نیز دارای همسانی و مطابقت بوده، بدین طریق درستی نتایج به دست آمده از تحلیل ریدیت نیز اثبات گردید.
۱۰۲.

پیش بینی مناطق مستعد سیل با استفاده از مدل های یادگیری ماشین خطی تعمیم یافته و بیشینه آنتروپی(مقاله علمی وزارت علوم)

کلیدواژه‌ها: سیلاب سامانه اطلاعات جغرافیایی SAGA_GIS منحنی ROC دریاچه ارومیه

حوزه‌های تخصصی:
تعداد بازدید : ۱۳۴ تعداد دانلود : ۸۱
هدف این مطالعه، شناسایی عوامل موثر، تهیه نقشه های پیش بینی خطرات سیل با استفاده از مدل های یادگیری ماشین و در انتها ارزیابی کارایی  این مدل ها در حوزه آبخیز زیوه ارومیه می باشد. برای این منظور از عوامل محیطی و انسانی شامل شاخص های مورفومتری؛ شاخص توان آبراهه (SPI)، شاخص طول شیب (LS)، شاخص خیسی توپوگرافی (TWI)، شاخص موقعیت توپوگرافی (TPI)، شاخص ناهمواری زمین (TRI)، شاخص تعادل جرم (MBI)، شاخص انحنای پروفیل (Profile Curvature) و شاخص انحنای سطح (Plan Curvature)، بارندگی، ارتفاع حوضه، درجه شیب ، جهت شیب، لیتولوژی، کاربری اراضی، شاخص تفاضل نرمال شده پوشش گیاهی (NDVI)، فاصله از آبراهه، فاصله از روستا و فاصله از گسل استفاده شد. برای این منظور با استفاده از بازدیدهای میدانی و تصاویر گوگل ارث و منابع دریافتی از ادارات تعداد 96 نقطه سیل در حوضه شناسایی شدند. لایه های مربوط به شاخص های مورفومتری از مدل رقومی ارتفاعی (5/12×5/12) متر و در محیط SAGA_GIS ؛ و نقشه های عوامل محیطی و انسانی در سامانه اطلاعات جغرافیایی ArcGIS تهیه و رقومی شدند. نتایج ارزیابی دو مدل با استفاده از منحنی ROC برای مدل های یادگیری ماشین (ML) نشان داد که مدل بیشینه آنتروپی با )916/0(AUC= و مدل خطی تعمیم یافته با  )902/0(AUC= دارای عملکرد عالی در پهنه بندی حساسیت محدوده مطالعاتی به سیلاب بوده اند. همچنین نتایج حاصل از شاخص کاپا برای مدل برتر نشان داد که عوامل محیطی شامل زمین-شناسی، فاصله از آبراهه، ارتفاع و شیب بیشترین تاثیر و کمترین تاثیر مربوط به عامل های شاخص انحنای پروفیل، کاربری اراضی و شاخص تعادل جرم بوده است. شناسایی مناطق پر خطر و تعیین عوامل موثر بر رخداد سیلاب ها در این حوضه در امر کاهش خسارات احتمالی می تواند بسیار کارآمد باشد.