مهدی حسنلو؛ میثم جمشیدی؛ محمدتقی ستاری
دوره 5، شماره 14 ، خرداد 1397، ، صفحه 43-65
چکیده
چکیده
شوری آب مشخصکنندهی پراکندگی حیات جانوری و گیاهی در دریاچهها، دریاها و اقیانوسهاست. در این مقاله با مطالعه بازتابش از سطح آب، شاخصهای شوری و همچنین دادههای میدانی نقشهی شوری دریاچهی ارومیه تهیه گردید. سپس مدلسازی شوری این دریاچه با استفاده از رگرسیون بردار پشتیبان و تصاویر لندست-8 انجام گردید. جهت انتخاب ...
بیشتر
چکیده
شوری آب مشخصکنندهی پراکندگی حیات جانوری و گیاهی در دریاچهها، دریاها و اقیانوسهاست. در این مقاله با مطالعه بازتابش از سطح آب، شاخصهای شوری و همچنین دادههای میدانی نقشهی شوری دریاچهی ارومیه تهیه گردید. سپس مدلسازی شوری این دریاچه با استفاده از رگرسیون بردار پشتیبان و تصاویر لندست-8 انجام گردید. جهت انتخاب ویژگیهای مناسب از میان هفده ویژگی ورودی اولیهی مدل از دو الگوریتم ژنتیک و انتخاب ویژگی ترتیبی به کمک نرمافزار متلب استفاده شد. در نهایت میزان شوری آب دریاچهی ارومیه با خطا و دقت نسبتاً مناسبی تخمین گردید. بهطوریکه مدل رگرسیون بردار پشتیبان با تمام ویژگیها با RMSE=24.55psu و R2=41%، مدل رگرسیون بردار پشتیبان مبتنی بر الگوریتم ژنتیک با RMSE=21.97psu و R2=54% و مدل رگرسیون بردار پشتیبان مبتنی بر انتخاب ویژگی ترتیبی با مقادیر RMSE=21.93psu و R2=53% توانستند میزان شوری دریاچهی ارومیه را تخمین بزنند.
احمد نوحهگر؛ محمد کاظمی؛ سیدجواد احمدی
دوره 4، شماره 12 ، آذر 1396، ، صفحه 67-87
چکیده
چکیده روش انگشتنگاری رسوب بر پایهی ردیابهای ژئوشیمیایی، آلی، نسبتهای ایزوتوپی و نیز استفاده از مدلهای ترکیبی مختلف باعث شناخت سهم منابع مختلف رسوب در یک ناحیه میشود. در تحقیق حاضر با استفاده از ترکیب بهینهی ردیابهای آلی و نسبتهای ایزوتوپی اقدام به تفکیک منابع مختلف فرسایش، تولید رسوب و سپس تعیین سهم این منابع ...
بیشتر
چکیده روش انگشتنگاری رسوب بر پایهی ردیابهای ژئوشیمیایی، آلی، نسبتهای ایزوتوپی و نیز استفاده از مدلهای ترکیبی مختلف باعث شناخت سهم منابع مختلف رسوب در یک ناحیه میشود. در تحقیق حاضر با استفاده از ترکیب بهینهی ردیابهای آلی و نسبتهای ایزوتوپی اقدام به تفکیک منابع مختلف فرسایش، تولید رسوب و سپس تعیین سهم این منابع با استفاده از مدلهای کالینز (Collins)، کالینز اصلاحشده (M Collins)، موتا (Motha)، لاندور (Landwehr) و اسلاتری (Slattery) در دو واحد سازندها و کابریهای اراضی بر پایهی بهینهسازی الگوریتم ژنتیک و سپس تهیهی نقشهی سهم مناطق مختلف (زیرحوضهها) در سامانهی اطلاعات جغرافیایی شد. برای تعیین بهترین مدل در این باره از شاخصهای GOF و MEاستفاده شد. عناصر کربن، مس، تیتانیوم، سیلیکون و عناصر استرانسیوم، تیتانیوم، مس، نسبت ایزوتوپی نئودیمیوم 144/143 به عنوان ردیابهای تفکیککنندهی کاربریها و سازندها شناخته شدند. مدلهای ترکیبی کالینز اصلاح شده (MCollins) در واحد کاربریاراضی و کالینز (Collins) در واحد سازندها با شاخصهای GOF، 95/99% و 996/99% و ضریبکارآیی 16/99% و 977/99% به عنوان بهترین مدلها انتخاب شدند. بیشترین سهم در فرسایش و رسوب حوضهی مربوط به اراضی مرتعی و سازند آسماری به ترتیب با 65% و 5/56% میباشد. زیرحوضههای شمارهی 6 و 5 بهترتیب با 11/59% و 7/58% بیشترین و زیرحوضهی شماره 31 با 54/7% کمترین سهم را بر فرسایش و رسوب حوضه داشتند.