تعیین میزان اهمیت تأثیر پارامترهای متعدد هیدرواقلیمی بر خشکیدگی تالاب گاوخونی با به‌کارگیری شبکۀ عصبی مصنوعی و داده‌های سنجش از دور

Authors

Abstract:

Wetlands as one of the most important and most valuable natural ecosystems in the world play an important role in filtering pollutants and reduce dust, creating a favorable microclimate, biodiversity and genetic and organic materials reservoirs. In central part of Iran, climatic and human factors have created significant differences between dry and wet surfaces of Gavkhooni wetland in recent decades and have provided a background to produce more dust in central part of Iran. This research aims to study and assess important factors that influence the process of changes occurring in wetlands and wetland drying up during the last 22 years by using remote sensing and artificial neural networks. To do so, 21 landsat imagery has been used. After that, Normalized Difference Water Index was calculated and the dry and wet surfaces has been separated. The average rainfall, temperature, flow, evaporation and water table depth for the study area was interpolated using Thiessen method and the trend of these parameters was examined using the Mann - Kendall. Finally, to determine the importance of each factor affecting wetlands drying up, various functions of artificial neural networks were compared and the best model was used to determine the importance of each parameter. The results of Mann - Kendall showed a significant decrease in ground water level and input flow to the wetlands in the period of the study. This study showed that the most important factors that influence the level of the Gavkhuni wetland are flow entering the lagoon, evaporation, drop in groundwater level, temperature and rainfall respectively.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تعیین میزان اهمیت تأثیر پارامترهای متعدد هیدرواقلیمی بر خشکیدگی تالاب گاوخونی با به کارگیری شبکۀ عصبی مصنوعی و داده های سنجش از دور

تالاب ها به عنوان یکی از مهم ترین و باارزش ترین اکوسیستم های طبیعی در جهان، نقش مهمی در پالایش آلاینده ها و کاهش ریزگردها، ایجاد میکروکلیمای مطلوب، حفظ تنوع زیستی و ژنتیکی و ذخیرۀ مواد آلی دارند. تالاب گاوخونی یکی از تالاب های مهم منطقۀ مرکزی ایران است که در دهه های اخیر، عوامل متعدد اقلیمی و انسانی تفاوت های قابل توجهی در سطوح خشک و مرطوب آن به وجود آورده و زمینه را برای تولید بیشتر ریزگردها د...

full text

مقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure

کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...

full text

سنجش کمی فنل کل انگور با استفاده از طیف‌سنجی فروسرخ نزدیک و شبکۀ عصبی مصنوعی

انگور یکی از مهم‌ترین میوه‌ها در جهان است. ترکیبات فنلی، آنتی‌اکسیدان‌هایی هستند که از اجزاء مهم انگور بشمار می‌روند. اصطلاح ترکیبات فنلی شامل تمام مولکول‌های آروماتیکی ازجمله اسیدهای آمینه تا مولکول‌های پیچیده شامل تانن‌ها و لگنین‌هاست. روش طیف‌سنجی فروسرخ نزدیک از رایج‌ترین روش‌های غیرمخرب سنجش ترکیبات و تعیین کیفیت میوه‌ها و سبزی‌هاست. در پژوهش حاضر امکان اندازه‌گیری فنل کل انگور توسط طیف‌سن...

full text

تخمین تمرکز ذرات معلق (PM10) در جو با استفاده از داده‌های سنجش از دور ماهواره‌ای و زمین‌پایه و پراسنج‌های هواشناختی: کاربست شبکۀ عصبی مصنوعی

در مقالۀ حاضر، تمرکز روزانۀ ذرات معلق با قطر کمتر از 10 میکرون (PM10)با استفاده از نمایه‌های نورشناخت حاصل از داده‌هایسنجش از دور و پراسنج‌های هواشناختی تخمین زده شده‌ است. برای این پژوهش از داده‌های حاصل از سنجندۀ مادیس (ماهواره‌های آکوا و ترا) و داده‌های دستگاه نورسنج خورشیدی شامل عمق نوری هواویزها (AOD)، نمای آنگستروم (α) و ضریب تیرگی آنگستروم (β) و همچنین داده‌های هواشناختی شامل فشار، دما، ...

full text

پیش‌بینی بارش ماهانه با استفاده از الگوهای پیوند از دور و شبکۀ عصبی مصنوعی (مطالعۀ موردی: حوزۀ فلات مرکزی ایران)

تحقیق حاضر با هدف بررسی تأثیر شاخص‌های پیوند از دور بر رخداد بارش ماهانه و پیش‌بینی بارندگی در حوزۀ آبخیز فلات مرکزی ایران با استفاده از مدل شبکة عصبی مصنوعی چندگامی مستقیم (DMSNN) با پارامترهای مذکور است. براین مبنا مقادیر بارش طی دورة مشترک آماری 1981-2014 در 20 ایستگاه سینوپتیک منطقۀ مورد مطالعه انتخاب شد، به‌طوری که دورۀ آماری 1981- 2004 برای توسعة مدل و سال‌های 2004-2014 جهت صحت‌سنجی مدل ب...

full text

مقایسۀ کارایی شبکۀ عصبی مصنوعی در پیش‌بینی خشکسالی هواشناسی با استفاده از پیوند از دور و پارامترهای اقلیمی (مطالعۀ موردی: جنوب استان قزوین)

خشکسالی در نگاهی کلی معلول یک دورۀ شرایط خشک غیرعادی است که به اندازۀ کافی دوام داشته و سبب عدم تعادل در وضعیت هیدرولوژیک یک ناحیه همچون افت منابع آب سطحی و زیرزمینی می‌گردد. هدف از این تحقیق مدل‌سازی پیش‌بینی خشکسالی هواشناسی در سه مقیاس زمانی کوتاه­مدت، میان­مدت و بلند­مدت در ایستگاه باران­سنجی واقع در دشت جنوبی استان قزوین، با استفاده از شبکۀ عصبی پرسپترون چندلایه و با در نظر گرفتن پارامترها...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 5  issue 12

pages  79- 94

publication date 2016-12

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023