سنجش از دور
امیررضا قندیان؛ نیکروز مستوفی؛ عباس مجیدی زاده؛ حمید مطیعیان
چکیده
پیشینه و اهداف: امروزه، توسعه شهرنشینی و افزایش جمعیت شهری، بیش از گذشته باعث گرمشدن هوا و ایجاد جزایر حرارتی شهری شده است. جزایر حرارتی شهری، پدیدهای ناشی از آثار شهرنشینی است که به واسطه آن، درجه حرارت در محیط شهری از مناطق حومهای بالاتر میرود. این پدیده، به سبب افزایش دما جوی و محیطی میتواند صدمات جبران ناپذیری از قبیل ...
بیشتر
پیشینه و اهداف: امروزه، توسعه شهرنشینی و افزایش جمعیت شهری، بیش از گذشته باعث گرمشدن هوا و ایجاد جزایر حرارتی شهری شده است. جزایر حرارتی شهری، پدیدهای ناشی از آثار شهرنشینی است که به واسطه آن، درجه حرارت در محیط شهری از مناطق حومهای بالاتر میرود. این پدیده، به سبب افزایش دما جوی و محیطی میتواند صدمات جبران ناپذیری از قبیل آلودگیهای زیستی، انتشار گازهای گلخانهای، بیماریهای ناشی از گرما و تأثیر در کیفیت آب را برای جوامع و محیط زیست به بار آورد. این پژوهش، بهمنظور کاهش دما و تلاش برای از بینبردن پدیده جزیره حرارتی، رویکرد مؤثر و کارآمدی را بهکمک علم سنجش از دور و الگوریتمهای بهینهسازی براساس جایگزینی پوشش بامهای یک منطقه با پوششهای با جذب گرمای کمتر پیشنهاد میکند. در این پژوهش، سعی بر آن است تا اثر جزیره حرارتی شهری را بر مبنای الگوریتمها و پارامترهای آماری تأثیرگذار بر دمای محیط که در تحقیقات گذشته کمتر مورد مطالعه قرار گرفتهاند، کاهش دهیم. همچنین، استفاده از روش بهینهسازی هوشمند در این زمینه میتواند باعث نوآوری و ایجاد نتایج بهتر و دقیقتری شود. مسیر جدیدی که این مطالعه بررسی میکند، تغییر پوشش سقف یک منطقه با پوششهای کاربردی دیگر است که باعث کاهش دمای هوا در آن منطقه میشود. پوششهایی که جهت جایگزینی پوشش بامها برای تعدیل و خنکسازی دمای منطقه مورد مطالعه در نظر گرفته شدند، دو نوع پوشش خاک و گیاهی میباشند.روشها: رویکرد پیشنهادی این پژوهش، استفاده از دو الگوریتم بهینهسازی ژنتیک و ازدحام ذرات است و پارامترهایی که تابع هدف این دو الگوریتم را تشکیل میدهند، دو پارامتر انحراف معیار دما و میانگین هزینه مالی تغییر پوشش سقف هر قطعه ساختمانی است. مجموعه داده تحقیق، تصاویر ماهوارهای لندست 8 از محله اندیشه شهر تهران است. در این تحقیق، از تصاویر ماهوارهای برای اهدافی همچون تهیه تصاویر رنگی، نگاشت شاخصهای گیاهی و غیرگیاهی منطقه مورد مطالعه، محاسبه دمای سطح زمین و جزایر حرارتی شهری استفاده شده است.یافتهها: نتایج بهدست آمده بیانگر این موضوع میباشد که هر دو الگوریتم بهینهسازی عملکرد خوبی را ارائه داده و پارامترهای مسأله را بهبود بخشیدهاند، اما الگوریتم بهینهسازی ژنتیک، نتیجه بهتری را در زمان و تکرار کمتری کسب کرده است. در مقایسه این دو الگوریتم، الگوریتم بهینهسازی ژنتیک انحراف معیار را 19 درصد کاهش داد و مقدار آن را به 42/0 رساند. از سوی دیگر، الگوریتم بهینهسازی ازدحام ذرات در مدت زمانی طولانیتر، انحراف معیار را 14 درصد کاهش داد و مقدار آن را به 44/0 رساند.نتیجهگیری: الگوریتم ژنتیک در بهینهسازی پوشش بام ساختمانها، نتایج بسیار خوبی را با هزینه کل 4678 و انحراف معیار 4177/0 کسب کرد. با تعداد 12100 بار ارزیابی تابع هدف به سرعت همگرا شد و هر دو پارامتر تابع هزینه را به میزان قابل توجهی کاهش داد (الگوریتم ژنتیک تا حد ممکن به بهترین جواب رسیده است). الگوریتم بهینهسازی ازدحام ذرات نیز با کسب هزینه کل 4965، انحراف معیار 4430/0 و با تعداد 20100 بار ارزیابی تابع هدف نتوانست جوابی بهخوبی الگوریتم ژنتیک برسد. در خصوص مقایسه بین این دو الگوریتم، ژنتیک با کمتر از 3000 بار ارزیابی تابع هدف، توانست بهینهترین جوابی را که الگوریتم ازدحام ذرات در 20100 بار ارزیابی به آن رسیده، تجربه کند. استفاده از الگوریتمهای فراابتکاری در بهینهسازی مسائل عملی، که امروزه در صنایع متنوع به دفعات با آنها مواجه می شویم، میتواند بسیار کارآمد باشد. نتایج این الگوریتمها، با وجود اختلافات در خروجیها بسیار مناسب و رسیدن به چنین جوابهایی برای مسائل مختلف بدون استفاده از اینگونه الگوریتمها غیرممکن خواهد بود. به عنوان کارهای آتی براساس آنچه که در این پژوهش حاصل شده، پیشنهاد میشود از سایر الگوریتمهای بهینهسازی و یا حتی الگوریتمهای قدرتمند مدلسازی همچون شبکههای عصبی مصنوعی استفاده شود. همچنین، میتوان تغییر پوشش بام ساختمانها و استفاده از پوشش های جدیدتر را در تعدیل دما با اتخاذ پارامترهای جدید از تابع هزینه در الگوریتمهای بهینهسازی و یادگیری عمیق مورد بررسی قرار داد.
