ارزیابی کیفیت محیط زیستی با استفاده از ابزار سنجش از دور و شبکه های عصبی مصنوعی (مطالعه موردی: تبریز- رشت)

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 101

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IWRR-15-3_017

تاریخ نمایه سازی: 29 بهمن 1401

چکیده مقاله:

در مقاله حاضر، جهت ارزیابی کیفیت زیست محیطی برای ۵۰۰ پیکسل در اطراف تبریز در استان آذربایجان شرقی و همچنین ۵۰۰ پیکسل در اطراف رشت در استان گیلان در ایران که از لحاظ اقلیم با یکدیگر متفاوت می باشند، با استفاده از محاسبات نرم و سنجش از دور، اندیس زیست محیطی EBV(Eco-environment Background Value) ، جهت تعیین کیفیت زیست محیطی مناطق، مورد بررسی قرار گرفته است. برای مدل سازی، از شاخص های پوشش گیاهی، رطوبت خاک، درخشندگی، دمای سطح زمین و داده های رقومی ارتفاعی که با استفاده از ابزار سنجش از دور تهیه شد و همچنین از داده های مربوط به بارش و دما به عنوان ورودی به مدل شبکه عصبی مصنوعی back propagation سه لایه، بهره گیری شده است. میانگین داده های مربوط به ۸ سال گذشته برای شاخص های مذکور، یک بار به صورت فصلی برای چهار فصل و بار دیگر به صورت سالانه برای مناطق مورد بررسی در اطراف تبریز و رشت وارد شبکه شدند. نتیجه حاصل، نشان گر عملکرد بهتر شبکه برای منطقه تبریز در فصل بهار با RMSE=۰.۰۲۱۹ و R=۰.۹۹۶۱ می باشد. به نظر می رسد دلیل عملکرد بهتر شبکه برای تبریز در مقایسه با رشت را می توان ضعف ابزار سنجش از دور در بررسی مکان هایی همچون گیلان دانست که پوشش گیاهی متراکم و رطوبت جوی بالایی دارند. به نظر می رسد تراکم پوشش-گیاهی و رطوبت بالا مانع از بازتاب مناسب و بدون انحراف از سطح زمین می شود و در دریافت داده های مورد نیاز، اخلال ایجاد می کند.

کلیدواژه ها:

نویسندگان

وحید نورانی

استاد/ گروه مهندسی آب، دانشکده مهندسی عمران، دانشگاه تبریز، تبریز.

احسان فرومندی

دانش آموخته کارشناسی ارشد مهندسی منابع آب/گروه مهندسی آب، دانشکده عمران، دانشگاه تبریز، تبریز.

الناز شرقی

استادیار / گروه مهندسی آب، دانشکده مهندسی عمران، دانشگاه تبریز، تبریز.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :