فهرست مطالب نویسنده:
بهناز عربی
-
ضرورت آگاهی از وضعیت منابع آب و نزولات جوی در مناطق مختلف برای اجرای طرح های آبی از یک سو، و فقدان شبکه ای مطلوب از ایستگاه های اندازه گیری پارامترهای هواشناسی از سوی دیگر، اهمیت استفاده از روش های غیرمستقیم را برای تخمین پارامترهای اقلیمی در بسیاری از مناطق کشور آشکار می سازد. پیش بینی تغییرات اقلیمی حاکم بر هر منطقه و مدل سازی های اقلیمی و هیدرولوژیکی، مستلزم در دسترس بودن اطلاعات درازمدت و هم زمان بارش در قالب های مکانی و زمانی در ایستگاه های باران سنجی است. به دلیل عدم کفایت ایستگاه های ثبت بارندگی در گذشته، دسترسی به این اطلاعات در بسیاری از مناطق کشور با محدودیت هایی همراه است و پیاده سازی این مدل ها در مناطق مذکور عملا ناممکن می نماید. استفاده از شبکه های عصبی مصنوعی (ANN) امکان برآورد این اطلاعات را در ایستگاه های پراکنده باران سنجی، و در درازمدت حتی در سال هایی که منطقه فاقد ایستگاه های ثبت بارش بوده است، فراهم می کند. در این تحقیق برای برآورد آمار میانگین بارندگی ماهانه و فصلی و سالانه در 305 ایستگاه هواشناسی موجود در سه استان اردبیل و آذربایجان شرقی و آذربایجان غربی در دو دهه پیش از تاسیس این ایستگاه ها، از 36600 داده ثبت شده آمار بارندگی ماهانه در دوره ده ساله 2004-1995 استفاده شد. این داده ها به عنوان ورودی برای آموزش شبکه های عصبی با الگوریتم پس انتشار خطا به کار گرفته شدند. طول و عرض جغرافیایی، ارتفاع، شیب، عدد ماه و میانگین بارندگی ماهانه 5 ایستگاه نزدیک تر به هر ایستگاه نیز به عنوان پارامترهای ورودی شبکه انتخاب شدند. ابتدا شبکه عصبی برای دوره ده ساله 2004-1995 آموزش داده شد و دقتی معادل (84/0=R) به دست آمد. پس از آموزش شبکه عصبی، اقدام به برآورد داده های میانگین بارندگی ماهانه و فصلی و سالانه در دوره زمانی 1994-1975 در ایستگاه های موجود در منطقه مطالعاتی گردید. دقت شبکه عصبی در این برآورد معادل 7/0، 78/0 و 88/0 به ترتیب برای تخمین مقادیر میانگین بارندگی ماهانه و فصلی و سالانه در سطح منطقه مورد مطالعه بود. میزان این دقت برای هر سه استان به صورت مجزا اعتبارسنجی شد و بیشترین دقت در استان آذربایجان غربی (معادل 78/0) به دست آمد. سپس اقدام به تولید نقشه های درون یابی شده میانگین بارندگی ماهانه و فصلی و سالانه در سطح منطقه مطالعاتی، با استفاده از تخمینگر زمین آماری کریجینگ براساس داده های برآوردشده با تکنیک شبکه های عصبی و داده های موجود ثبت شده در ایستگاه ها در دوره زمانی 2004-1975 گردید. نتایج این تحقیق امکان دسترسی به آمار پیوسته و درازمدت بارندگی و همچنین بررسی تغییرات توزیع مکانی بارندگی را در منطقه شمال غرب کشور از گذشته تا امروز میسر می سازد.
کلید واژگان: برآورد مکانی، زمانی، شبکه های عصبی مصنوعی، الگوریتم پس انتشار خطا، کریجینگ، شمال غرب ایرانAccessing the long-term rainfall statistics in most of regions is restrained due to the lack of rainfall stations and drawbacks in recording data. Developing the artificial neural networks leads to reconstruct the missing information in dispersed meteorological stations even within the years in which the recording stations were absent. In this research the average monthly rainfall data including 36600 collected records for 305 meteorological stations were employed to reconstruct the missing monthly average rainfall values. The selected study area is a vast part in north west of Iran; including the provinces Ardebil and West East Azerbaijan and the models have been run for a decade between 1995 and 2004. The network structure has been based on two hidden layers and trained using the back propagation error algorithm. The longitude، latitude، elevation، slope، month number (1-12) and the average monthly rainfall values for 1 to 26 nearest neighbors for each station have been used as the model input variables. The results showed that using 5 nearest neighboring stations gives the highest precision and the obtained correlation coefficient during 1995-2004 is 0. 86 for the training data. The corresponding value of reconstructed data for West and East Azerbaijan and Ardebil provinces were 0. 82، 0. 78 and 0. 70 during 1985-1994 respectively. The reason of such differences in the mentioned provinces arises from the fact that the number of stations taking part in training process decreases from West Azerbaijan to Ardebil. The interpolated maps have then been created using different geostatistics methods based on the output predicted estimates resulted from neural networks. Consequently، this method allows investigating the spatiotemporal distribution of rainfall along with creating the monthly interpolated maps for years 1985 to 2004 in the study area. For validating the interpolation methods، the cross validation has been employed and the Mean Biased Error and Mean Absolute Error and Root Mean Square Error have been compared. -
آمایش سرزمین علمی است که با توجه به ویژگی های اکولوژیک سرزمین و شرایط اقتصادی- اجتماعی آن، نوع استفاده بهینه از سرزمین را مشخص می سازد. در بسیاری از مناطق ایران، انتخاب کاربری و مدیریت زمین بدون توجه به قابلیت و توان سرزمین انجام می شود که سبب اتلاف سرمایه و کاهش ظرفیت محیطی می گردد. در این تحقیق برنامه ریزی کاربری اراضی و تهیه نقشه آمایش با استفاده از توانمندی های ویژه محیط GIS در حوضه آبریز شهری ماهیدشت کرمانشاه– با مساحت تقریبی 1380 کیلومتر مربع – انجام شد. با استفاده از توابع موجود در GIS نقشه طبقات ارتفاع از سطح دریا، درصد شیب، جهات جغرافیایی، نقشه خاک، تیپ و تراکم پوشش گیاهی به روش دوتایی با هم ترکیب شده و در نهایت 577 واحد زیست محیطی بدون تکرار به عنوان واحدهای کاری ارزیابی توان و مدیریت کاربری زمین در مقیاس 1:150000 تفکیک و نقشه بندی گردید. همچنین ویژگی های اقلیم شناسی، احتمال فرسایش خاک و نوع کاربری فعلی برای هر واحد ثبت گردید. برای این واحدهای زیست محیطی یا اکوسیستم های خرد نیز ارزیابی توان اکولوژیک برای کاربری های کشاورزی، مرتع داری، جنگل داری، آبزی پروری، توریسم، توسعه شهری و حفاظت صورت پذیرفت. در نتیجه بررسی آمایشی سرزمین و اولویت بندی بین کاربری ها به روش کیفی قیاسی از بین توان های اکولوژیکی، نقشه آمایش سرزمین حوضه آبریز ماهیدشت تولید شد. از مقایسه نقشه های کاربری فعلی و کاربری آتی مشخص گردید که مساحت جنگل های منطقه از مقدار 7 درصد کاربری فعلی به حدود 12 درصد در کاربری بهینه افزایش می یابد، در کاربری مرتع نیز از حدود 12 درصد در شرایط فعلی به حدود 15 درصد در شرایط تغییر بهینه دست می یابیم و در طبقه مربوط به زراعت آبی از 10 درصد در شرایط فعلی به حدود 60 درصد در شرایط بهینه می رسیم. هم چنین نقشه توان اکولوژیکی آتی نشان می دهد که باید برخی مناطق(مساحتی بالغ بر 2درصد کل حوضه) مورد حفاظت قرار گیرد بنابراین در این زمینه نیز باید تمهیدات لازم را اندیشید.
کلید واژگان: آمایش سرزمین، واحدهای زیست محیطی، ارزیابی توان اکولوژیک، حوضه آبریز ماهیدشت کرمانشاهComprehensive programming on land-use planning in urban basin using GIS / A case study: Mahidasht basin ,KermanshahLand-use planning is a branch of science which determines the optimal use of land based on the ecologic properties and socio-economic conditions. In most parts of the country, deciding on the land-use and its management has been done with no attention paid to the land’s capabilities which has led to wasting investments and environmental capacities. In this research, land-use management and preparing the land-use planning maps using the special abilities of GIS environments in Mahidasht basin -1380 kilometer squared- was conducted. Employing the existing functions in GIS, the mean sea level maps, the slope percent map, geographic aspects, soil map and vegetation density were dually integrated and at last 577 ecological units were mapped as the task units for assessing the landuse management and utility in the scale of 1:150000. Meanwhile, the climatological prosperities, the soil erosion probability and the type of land-use for every unit have been registered. For such ecological units or wisdom ecosystems, the ecologic power for agricultural, range, forest, aquaculture, tourism and urban expansion were assessed. The land-use planning map for Mahidasht basin was created after investigating the land-use planning and prioritizing the different land-use types based on the qualitative and comparative manner. Comparing the present and future land-use maps revealed that the forest area has expanded to 12% of the optimal land-use comparing the 7% of the present condition. The same analysis for rangeland land-use shows the growth from 12% to 15, and for irrigated farming from 10% to 60%. The Future Ecological Power maps reveal the areas that need to be protected (2% of the total basin), therefore it demands more attention.Keywords: Landuse planning, ecological units, Assessing the ecological Potential, Mahidasht Basin of Kermanshah
بدانید!
- در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو می‌شود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشته‌های مختلف باشد.
- همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته می‌توانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
- در صورتی که می‌خواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.