سنجش از دور
کمال قبادی؛ اسلام جوادنیا؛ هادی جلیلی؛ آرش زندکریمی
چکیده
پیشینه و اهداف: بخار آب موجود در جو یکی از مهم‌ترین پارامترهای هواشناسی است که تأثیر چشمگیری بر مطالعات اقلیمی، پیش‌بینی‌های جوی و مدل‌سازی‌های مرتبط با تغییرات آب‌وهوایی دارد. بخار آب قابل بارش (PWV) به‌عنوان شاخصی اساسی در بررسی وضعیت جوی، با استفاده از داده‌های ماهواره‌ای اندازه‌گیری میشود. داده‌های سنجنده طیفی تصویربرداری ...
بیشتر
پیشینه و اهداف: بخار آب موجود در جو یکی از مهم‌ترین پارامترهای هواشناسی است که تأثیر چشمگیری بر مطالعات اقلیمی، پیش‌بینی‌های جوی و مدل‌سازی‌های مرتبط با تغییرات آب‌وهوایی دارد. بخار آب قابل بارش (PWV) به‌عنوان شاخصی اساسی در بررسی وضعیت جوی، با استفاده از داده‌های ماهواره‌ای اندازه‌گیری میشود. داده‌های سنجنده طیفی تصویربرداری با توان تفکیک متوسط مودیس (MODIS)، شامل محصولات مادون قرمز نزدیک (NIR) و مادون قرمز (IR)، از جمله منابع اصلی اندازه‌گیری PWV هستند. محصول IR به دلیل ارائه داده در هر دو شرایط روز و شب، در بسیاری از مطالعات کاربرد دارد. بااین‌حال، دقت این داده‌ها به‌ویژه در شرایط جوی مختلف روز و شب همچنان چالشی مهم باقی مانده است. هدف این پژوهش، بهبود دقت داده‌های IR PWV مودیس با استفاده از رویکرد یادگیری ماشین و بررسی تأثیر کالیبراسیون بر داده‌های روز و شب است.روش‌ها: در این مطالعه، از داده‌های 10 ایستگاه رادیوسوند در ایران طی دوره زمانی 2019-2020 به‌عنوان داده‌های مرجع استفاده شد. برای تحلیل، سه مجموعه داده شامل داده‌های اصلی مودیس، داده‌های برازش‌شده (fitting) و داده‌های اصلاح‌شده (modified) ایجاد شد. سپس مدل پرسپترون چندلایه (MLP) برای کالیبراسیون داده‌ها و مقایسه عملکرد آن در شرایط روز و شب به کار گرفته شد. این مدل با استفاده از روش‌های استاندارد یادگیری ماشین طراحی و توسعه یافت. ارزیابی دقت مدل با محاسبه معیارهای ریشه میانگین مربعات خطا (RMSE) و ضریب همبستگی (R) انجام شد.یافته‌ها: نتایج نشان داد که مدل MLP توانست دقت داده‌های PWV مودیس را به طور قابل‌توجهی بهبود بخشد. در شرایط روز،RMSE از 72/3 میلی‌متر در داده‌های اصلی به 63/2 میلی‌متر کاهش یافت و ضریب همبستگی از 81/0 به 86/0 افزایش پیدا کرد. در شرایط شب،RMSE از 9/4 میلی‌متر به 16/3 میلی‌متر کاهش یافت و ضریب همبستگی از 76/0 به 78/0 بهبود یافت. در تحلیل کلی،RMSE داده‌های اصلی برابر با 48/4 میلی‌متر بود که در مدل برازش شده به 92/2 میلی‌متر و در مدل اصلاح‌شده به 03/3 میلی‌متر کاهش یافت. ضریب همبستگی نیز از 77/0 به ترتیب به 87/0 و 85/0 افزایش یافت.نتیجه‌گیری: این پژوهش نشان داد که مدلMLP توانایی بالایی در بهبود دقت داده‌های PWV مودیس دارد و میتواند خطاهای موجود در داده‌های این سنجنده را در شرایط مختلف جوی کاهش دهد. نوآوری اصلی این پژوهش، استفاده از مدل MLP برای کالیبراسیون داده‌های ماهواره‌ای در شرایط روز و شب است. این روش با بهبود دقت داده‌های ماهواره‌ای، قابلیت اطمینان آن‌ها را برای استفاده در پیش‌بینی‌های جوی و مطالعات اقلیمی افزایش می‌دهد. محدودیت‌های این مطالعه شامل وابستگی به داده‌های رادیوسوند به‌عنوان مرجع و عدم بررسی تأثیر عوامل جوی خاص بر مدل‌سازی است. این روش میتواند در مطالعات آینده برای بهبود دقت داده‌های سنجنده‌های دیگر نیز مورد استفاده قرار گیرد.
سنجش از دور
جلیل پیری؛ اسلام جوادنیا
چکیده
پیشینه و اهداف: یکی از خطرناک‌ترین رخداد‌های طبیعی، فرونشست سطح زمین است و اغلب به‌جهت سهل انگاری بشر در استخراج آب‌ها و معادن زیرزمینی و عوامل دیگر حادث میشود. این پدیده، به‌خصوص در مناطق حساس مانند خطوط ریلی، میتواند منجر به حوادث جبران ناپذیری شود. شکاف‌های ناشی از فرونشست در برخی از مسیر‌های ریلی همچون مسیر تهران- مشهد، ...
بیشتر
پیشینه و اهداف: یکی از خطرناک‌ترین رخداد‌های طبیعی، فرونشست سطح زمین است و اغلب به‌جهت سهل انگاری بشر در استخراج آب‌ها و معادن زیرزمینی و عوامل دیگر حادث میشود. این پدیده، به‌خصوص در مناطق حساس مانند خطوط ریلی، میتواند منجر به حوادث جبران ناپذیری شود. شکاف‌های ناشی از فرونشست در برخی از مسیر‌های ریلی همچون مسیر تهران- مشهد، تهران- ورامین، اصفهان به شیراز و ... تا نزدیکی این خطوط پیشروی داشته و تهدیدی برای این خطوط به‌شمار می‌آید. بنابراین، پایش فرونشست و بررسی تغییر شکل در بعد زمان و مکان به‌منظور مدیریت حادثه ضروری می‌باشد. برای رفتار سنجی تغییر شکل پدیده‌ها نیازمند بررسی سری زمانی آنی پدیده در منطقه مورد مطالعه هستیم. امروزه، تکنیک تداخل سنجی راداری (InSAR) به‌دلیل پیوستگی مکانی و زمانی یک تکنیک متداول برای اندازه‌گیری تغییر شکل پوسته زمین شده است.روش‌ها: در این تحقیق، نرخ فرونشست زمین در طول خطوط ریلی در شاخه‌های خروجی خط آهن تهران با استفاده از تکنیک تداخل سنجی راداری و با استفاده از تصاویر ماهواره سنتینل-1 در بازه زمانی 2017-2020 مورد بررسی قرار گرفته است. میزان جابه‌جایی سطح زمین از طریق پردازش 46 تصویر و ایجاد 158 تداخل نگار به کمک آنالیز سری زمانی و با استفاده از روش خط مبنای کوتاه (SBAS) به‌دست آمد. برای اعتبار سنجی و تفسیر نتایج پژوهش از داده‌های شبکه ژئودینامیک کشور، شبکه شمیم سازمان ثبت اسناد و املاک، داده‌های چاه‌های پیزومتری و همچنین مشخصات خاک گمانه‌های حفاری استفاده گردید.یافته‌ها: نتایج حاصل از تحلیل سری زمانی تداخل سنجی، نشان از وقوع فرونشست قابل ملاحظهای در مناطقی از محدوده مورد مطالعه دارد که بیشینه آن مربوط به مسیر‌های کرج-کردان و ملکی-آپرین با نرخ جابه‌جایی 139 میلی‌متر در سال در راستای خط دید ماهواره (LOS) می‌باشد. اعتبارسنجی نتایج به‌دست آمده با در نظر گرفتن خطاهای مربوط به هرکدام از روش‌ها نسبتاً خوب بود. همچنین ارتباط بین پدیده فرونشست و افت سطح آب زیرزمینی و نوع خاک منطقه به کمک داده‌های 12 چاه پیزومتری دشت‌های تهران و کرج و اطلاعات گمانه‌های حفاری تعدادی از چاه‌های پیزومتری منطقه مورد بررسی قرار گرفت. نتایج کلی نشان دهنده این بود که علت اصلی نشست در منطقه، افت سطح آب‌های زیرزمینی می‌باشد.نتیجه‌گیری: به‌طورکلی، با بررسی رابطه افت سالانه آب و فرونشست و همچنین نوع، جنس و ضخامت خاک منطقه، مشخص گردید که علت اصلی نشست در منطقه، افت سطح آب‌های زیر زمینی در مناطق با ضخامت بالای رسوبات ریز دانه می‌باشد. رویکرد پیشنهادی در این تحقیق نشان داد که به‌منظور پایش فرونشست در امتداد تأسیسات خطی از قیبل خطوط راه آهن، به‌کارگیری تکنیک InSAR میتواند در ارزیابی های اولیه و به دنبال آن، استفاده از روش‌های دقیقتر در مناطق درگیر فرونشست، مؤثر واقع گردد. به‌دلیل قدرت تفکیک نسبتاً پایین سنتینل-1، پیشنهاد میشود در کاربردهای مرتبط با ساختارهای خطی از قبیل جاده یا راه آهن از تصاویر با اندازه پیکسل کوچک‌تر استفاده گردد. علاوه بر این، برای ارزیابی و شناسایی دقیقتر مناطق تحت فرونشست می توان از ترازیابی دقیق نیز بهره برد.
