ORIGINAL_ARTICLE
ارزیابی میزان تاب آوری اجتماعی نواحی روستایی در برابر سیلاب با استفاده از مدل FANP و WASPAS(مطالعه موردی: بخش چهاردانگه شهرستان ساری)
سیلاب از جمله مخاطرات طبیعی محسوب میشود که علاوه بر عوامل طبیعی تا حدودی تحت تأثیر عوامل انسانی نیز میباشد و اجتماعات روستایی به دلیل ارتباط عمیقی که با محیط و فعالیتهای کشاورزی دارند بیشتر از سایر گروههای انسانی تحت تأثیر آسیبهای ناشی از مخاطره سیلاب میباشند. بر این اساس در سطوح مختلف مدیریت سوانح شرایط مطلوبی برای کاهش کارآمد و موثرتر خطرها ایجاد شده است. در این میان تاب آوری و افزایش آن در ابعاد مختلف به عنوان یکی از مهمترین عوامل تحقق پایداری و عامل مکمل در فرایند مدیریت بحران در نظر گرفته شده است. هدف تحقیق حاضر آن است تا میزان تاب آوری اجتماعی روستاهای بخش چهاردانگه شهرستان ساری را در برابر سیلاب ارزیابی کند. پژوهش حاضر بر اساس هدف کاربردی و بر اساس روش و ماهیت توصیفی-زمینه یابی است. جامعه آماری تحقیق را تعداد 10 روستا از روستاهای بخش چهاردانگه تشکیل میدهد که بیش از سایر روستاهای این بخش در معرض سیلابند (حدود 1435 نفر) که 303 نفر به عنوان حجم نمونه و با استفاده از روش نمونه گیری تصادفی طبقهای انتخاب شدند. برای گردآوری دادهها از روش کتابخانهای و میدانی و برای تجزیه و تحلیل دادهها از مدلهای FANP و WASPAS استفاده شده است. نتایج تحقیق بر اساس مدل FANP نشان داد که در بین شاخصهای 24 گانه تاب آوری اجتماعی شاخصهای پیوند همسایگی و حس تعلق به مکان به ترتیب با ضریب 0935/0 و 0902/0 بیشترین تأثیر را در تاب آوری اجتماعی روستاهای بخش چهاردانگه شهرستان ساری داشتند. در نهایت نتایج حاصل از مدل WASPAS برای سنجش میزان تاب آوری اجتماعی نشان داد که روستاهای مورد مطالعه از لحاظ میزان تاب آوری اجتماعی در سطوح متفاوتی قرار دارند، به طوری که روستای اراء با ضریب اهمیت نسبی 9184/0 دارای بیشترین و روستای ذکریاکلا با ضریب اهمیت نسبی 6597/0 دارای کمترین میزان تاب آوری اجتماعی در برابر سیلاب بودند. لذا برقراری تعامل مستمر بین روستاهایی با ضریب تاب آوری بالا و روستاهایی با ضریب تاب آوری پایین به منظور بهره مندی از تجربیات یکدیگر و برگزاری کارگاهها و دورههای آموزش آمادگی و نحوه مقابله با سیلاب احتمالی برای تشریح و عملیاتی کردن شاخصهای تاب آوری اجتماعی در روستاهای مورد مطالعه پیشنهاد میگردد.
https://geoeh.um.ac.ir/article_33265_50fb5d7dc34d56a8237d14b3009f3c8d.pdf
2019-06-22
1
26
10.22067/geo.v0i0.78724
تاب آوری اجتماعی
سیلاب
FANP
WASPAS
بخش چهاردانگه
زهرا
شریفی نیا
z.sharifinia57@gmail.com
1
دانشگاه ازاد اسلامی واحد ساری
LEAD_AUTHOR
بدری، سیدعلی؛ رمضان زاده لسبوئی، مهدی؛ عسگری، علی؛ قدیری معصوم، مجتبی؛ سلمانی، محمد؛ 1392. نقش مدیریت محلی در ارتقای تاب آوری مکانی در برابر بلایای طبیعی با تاکید بر سیلاب (مطالعه موردی: دو حوضه چشمه کیله شهرستان تنکابن و سردآبرود کلاردشت). دوفصلنامه مدیریت بحران. دوره 2. شماره 3. 37-48.
1
حیدریان، شیدا؛ رحیمی، محمود؛ فتح الهی، ثریا؛ غفوری، سیروان؛ 1396. تحلیل شاخصهای تاب آوری سکونتگاههای غیر رسمی در برابر زلزله با رویکرد اجتماعی (نمونه موردی: محله فرحزاد تهران). نگرشهای نو در جغرافیای انسانی. سال 10. شماره 1. 246- 260.
2
داداش پور، هاشم؛ عادلی، زینب؛ 1394. سنجش ظرفیتهای تاب آوری در مجموعه شهری قزوین. دو فصلنامه مدیریت بحران. دوره 4. شماره 2. 73-84.
3
ذاکرحقیقی، کیانوش؛ اکبریان، زهرا؛ 1394. تحلیل قیاسی میزان تاب آوری اجتماعی در محلات تاریخی- مسکونی و تدوین یک برنامه راهبردی- عملیاتی برای ارتقای آن (مورد مطالعه: محلات برج قربان و چرچره شهر همدان). پژوهشنامه جغرافیای انتظامی. سال 3. شماره 12. 23-48.
4
رضایی، محمدرضا؛ رفیعیان، مجتبی؛ حسینی، سیدمصطفی؛ 1394. سنجش و ارزیابی میزان تاب آوری کالبدی اجتماعهای شهری در برابر زلزله (مطالعه موردی: محلههای شهر تهران). پژوهشهای جغرافیای انسانی. دوره 47. شماره 4. 609-623.
5
رکن الدین افتخاری، عبدالرضا؛ موسوی، سیدمحمد؛ پورطاهری، مهدی؛ فرج زاده اصل، منوچهر؛ 1393. تحلیل نقش تنوع معیشتی در تاب آوری خانوارهای روستایی در شرایط خشکسالی (مطالعه موردی: مناطق در معرض خشکسالی استان اصفهان). پژوهشهای روستایی. سال 5. شماره 3. 639-662.
6
صادقلو، طاهره؛ سجاسی قیداری، حمدالله؛ 1393. اولویت بندی عوامل مؤثر بر افزایش تاب آوری کشاورزان در برابر مخاطرات طبیعی با تاکید بر خشکسالی (منطقه مورد مطالعه: کشاورزان روستاهای شهرستان ایجرود). جغرافیا و مخاطرات محیطی. دوره 3. شماره 10. 129-153.
7
صادقلو، طاهره؛ سجاسی قیداری، حمدالله؛ 1393. راهبردهای مدیریت مخاطره سیل در مناطق روستایی با مدل SWOC-TOPSIS (مطالعه موردی: حوضه آبریز قره چای رامیان). فصلنامه جغرافیا و مخاطرات محیطی. شماره 12. 105-128.
8
صالحی، اسماعیل؛ آقابابایی، محمدتقی؛ سرمدی، هاجر؛ فرزادبهتاش، محمدرضا؛ 1390. بررسی میزان تاب آوری محیطی با استفاده از مدل شبکه علیت. محیط شناسی. سال 37. شماره 59. 99-112.
9
صالحی، صادق؛ افلاکی، زینب؛ موسی زاده، حسین؛ زنگی آبادی، زینب؛ 1395. ارزیابی ژئوسایت های گردشگری با روش فاسیلوس و نیکولاس (مطالعه موردی: روستاهای بخش چهاردانگه شهرستان ساری). فصلنامه پژوهشهای روستایی. دوره 7. شماره 2. 300-314.
10
عباداله زاده ملکی، شهرام؛ خانلو، نسیم؛ زیاری، کرامت الله؛ شالی امینی، وحید؛ 1396. سنجش و ارزیابی تاب آوری اجتماعی جهت مقابله با بحرانهای طبیعی (مطالعه موردی: زلزله در محلات تاریخی شهر اردبیل). مدیریت شهری. شماره 48. 263-280.
11
فرزادبهتاش، محمدرضا؛ کی نژاد، محمدعلی؛ پیربابایی، محمدتقی؛ عسگری، علی؛1392. ارزیابی و تحلیل ابعاد و مؤلفههای تاب آوری کلان شهر تبریر. نشریه هنرهای زیبا- معماری و شهرسازی. دوره 18. شماره 3. 33-42.
12
لطفی، حیدری؛ مفرح بناب، مجتبی؛ آفتاب، احمد؛ مجنونی توتاخانه، علی؛ 1397. نقش حکمروایی مطلوب شهری در افزایش تاب آوری سکونت گاههای غیررسمی در ایران (مطالعه موردی: کلان شهر تبریز). فصلنامه جغرافیا (برنامهریزی منطقهای). دوره 30. شماره 1. 209-224.
13
مبارکی، امید؛ لاله پور، منیژه؛ افضلی گروه، زهرا؛ 1396. ارزیابی و تحلیل ابعاد و مؤلفههای تاب آوری شهر کرمان. جغرافیا و توسعه. شماره 47. 89-104.
14
مجنونی توتاخانه، علی؛ حیدری ساربا، وکیل؛ مفرح بناب، مجتبی؛ 1396. بررسی اثرات خشکسالی دریاچة ارومیه بر تغییرات تاب آوری سکونت گاههای روستایی. پژوهش و برنامه ریزی روستایی. سال 6. شماره 20. 65-89.
15
مطیعی لنگرودی، سیدحسن؛ قدیری معصوم، مجتبی؛ اسکندری چوبقلو، حافظ؛ طورانی، علی؛ خسروی مهر، حمیده؛ 1394. بررسی نقش مدیریت مشارکتی در کاهش آثار سیل (مطالعه موردی: روستاهای حوضه رودخانه زنگمار ماکو). نشریه جغرافیا و برنامه ریزی. سال 19. شماره 51. 311-339.
16
نوری، سید هدایت الله؛ سپهوند، فرخنده؛ 1395. تحلیل تاب آوری سکونتگاههای روستایی در برابر مخاطرات طبیعی با تاکید بر زلزله (مورد مطالعه: دهستان شیروان شهرستان بروجرد). پژوهشهای روستایی. دوره 7. شماره 2. 272-285.
17
نیکمردنمین، سارا؛ برک پور، ناصر؛ عبداللهی، مجید؛ 1393. کاهش خطرات زلزله با تاکید بر عوامل اجتماعی رویکرد تاب آوری (نمونه موردی: منطقه 22 تهران). مدیریت شهری. شماره 37. 19-34.
18
هندی، هوشنگ؛ اقبالی، ناصر؛ سرور، رحیم؛ پیشگاهی فرد، زهرا؛ 1395. بررسی اثر تراکم بر تاب آوری مناطق شهری (نمونه موردی: محلات ناحیه یک منطقه چهارده شهر تهران). نگرشهای نو در جغرافیای انسانی. سال 8. شماره 3. 39-53.
19
Ainuddin, S., & Routray, J. K., 2012. Community resilience framework for an earthquake prone area in Baluchistan. International Journal of Disaster Risk Reduction, 2(1), 25-36.
20
Alshehri, S.A., Rezgui, Y., & Haijiang, Li., 2015. Disaster community resilience assessment method: a consensus-based Delphi and AHP approach. Natural Hazards, 78 (1), 395-416.
21
Antrobus, D., 2011. Smart green cities: from modernization to resilience? Journal Urban Research & Practice, 4(2), 207-214.
22
Brand, F.S., & Jax, K., 2007. Focusing the meaning(s) of resilience: resilience as a descriptive concept and a boundary object. Ecology and Society, 12(1), 1-23.
23
Bruneau, M., Chang, S.E., Eguchi, R.T., Lee, G.C., O’Rourke, T.D., Reinhorn, A.M., Shinozuka, M., Tierney, K., Wallace, W.A., & Winterfeldt, D., 2003. A Framework to quantitatively assess and enhance the seismic resilience of communities. Earthquake Spectra, 19(4), 733-752.
24
Cutter, S.L., Barnes, L., Berry, M., Burton, C., Evans, E., Tate, E., & Webb, J., 2008. A place-based model for understanding community resilience to natural disasters. Global Environmental Change, 18(4), 598-606.
25
Endress, M., 2015. The social constructedness of resilience. Social Sciences, 4, 533-545.
26
Klein, R.J.T., Nicholls, R.J., & Thomalla, F., 2003. Resilience to natural hazards: How useful is this concept? Environmental Hazards, 5(1), 35-45.
27
Lechner, S., Jacometti, j., McBean, G., & mitchison, N., 2016. Resilience in a complex world – Avoiding cross-sector collapse. International Journal of Disaster Risk Reduction, 19, 84-91.
28
Maguire, B., & Hagan, P., 2007. Disasters and communities: understanding social resilience, Australian Journal of Emergency Management, 22(2), 16-20.
29
Manyena, S.B., 2006. The concept of resilience revisited. Disaster, 30(4), 434-450.
30
Norris, F.H., Stevens, S.P., Pfefferbaum, B., Wyche, K.F., & Pfefferbaum, R. L., 2008. Community resilience as a metaphor, theory, set of capacities, and strategy for disaster readiness. American Journal of Community Psychology, 41(1-2), 127-150.
31
O’Brien, K., Sygna, L., & Haugen, J.E., 2004. Vulnerable or resilient? A multi-scale assessment of climate impacts and vulnerability in norway. Climatic Change, 64(1-2), 193-225.
32
Prashar, S., Shaw, R., & Takeuchi, Y., 2013. Community action planning in East Delhi: A participatory approach to build urban disaster resilience. Mitigation and Adaptation Strategies for Global Change, 18(4), 429-448.
33
Saja, A.M.A., Teo, M., Goonetilleke, A., & Ziyath, A. M., 2018. An inclusive and adaptive framework for measuring social resilience to disasters. International Journal of Disaster Risk Reduction, 28, 862-873.
34
ORIGINAL_ARTICLE
ادغام مدل های تصمیم گیری چندمعیاره و تکنیک تجزیهوتحلیل منطقه ای سیلاب جهت اولویت بندی زیرحوزه ها برای کنترل سیل (مطالعه موردی: حوزه آبخیز دهبار خراسان)
امروزه یکی از مسائل مهم در پروژههای مهار سیلاب کشور، اولویتبندی حوزهها برای تخصیص بودجه و عملیات سازهای و غیرسازهای است. با توجه به فقدان ایستگاههای هیدرومتری در بسیاری از زیرحوزهها، تعیین میزان مشارکت زیرحوزههای مختلف یک حوزه آبخیز در ایجاد سیلاب را با مشکل مواجه میکند. بررسی پارامترهای مؤثر در بروز سیل از طریق رویکردهای تصمیمگیری چندمعیاره (MCDM) میتواند در تعیین نقش هر یک از زیرحوزهها در بروز سیلاب راهگشا باشد. منطقه مورد مطالعه پژوهش حاضر (حوزه آبخیز دهبار در استان خراسان رضوی) به 10 زیرحوزه تقسیم شد. سپس 13 شاخص و معیار شامل مساحت، ضریب گراولیوس، تراکم زهکشی، ضریب گردی، ضریب فرم، شماره منحنی، نسبت انشعاب، طول آبراهه اصلی، شیب متوسط، ارتفاع متوسط، زمان تمرکز، بارندگی و ضریب رواناب انتخاب شدند و مقدار هرکدام برای هر زیرحوزه محاسبه گردید. وزندهی این پارامترها با تکنیک فرآیند تحلیل سلسلهمراتبی (AHP) انجام گردید. پس از وزندهی به معیارهای ارزیابی و تهیه ماتریس تصمیمگیری، جهت اولویتبندی از مدلهای VIKOR و Permutation استفاده گردید. بعد از اولویتبندی، جهت ارزیابی و صحتسنجی این مدلها از روش تجزیهوتحلیل منطقهای سیلاب (براساس ایستگاههای موجود در حوزه) استفاده شد و دبی حداکثر سیلاب در دوره بازگشتهای مختلف محاسبه گردید. درنهایت برونداد این سه روش با استفاده از روش میانگین رتبهها ادغام گردید. نتایج نشان داد که زیرحوزههای شماره 1، شماره 3 و شماره 2 در رتبههای نخست قرار دارند و درنتیجه ازلحاظ ضرورت انجام اقدامات مدیریتی در اولویت هستند.
https://geoeh.um.ac.ir/article_33283_a0b2c5173502e8aab12a8f7139d5cd5a.pdf
2019-06-22
27
45
10.22067/geo.v0i0.76607
اولویت بندی زیرحوزه ها
سیل خیزی
مدل ویکور
مدل جایگشت
تحلیل منطقه ای سیلاب
حوزه دهبار
علی رضا
نفرزادگان
a.r.nafarzadegan@gmail.com
1
دانشگاه هرمزگان
LEAD_AUTHOR
علی اکبر
محمدی فر
aliakbar890@gmail.com
2
دانشگاه هرمزگان
AUTHOR
حسن
وقارفرد
hvaghar52@yahoo.com
3
دانشگاه هرمزگان
AUTHOR
معصومه
فروزان فرد
mohamadi613@gmail.com
4
مجتمع آموزش عالی سراوان
AUTHOR
اصغرپور، محمد جواد؛ 1380. تصمیمگیری چند معیاره. انتشارات دانشگاه تهران.
1
آمانی، محمد؛ نجفینژاد، علی؛ 1393. اولویت بندی زیرحوزه ها با استفاده از آنالیز مورفومتری، فنون سنجش از دور و GIS، حوزه آبخیز لهندر، استان گلستان. پژوهشنامه مدیریت حوزه آبخیز. شماره 9. 1-15.
2
ایزانلو، حسن؛ 1385. اولویتبندی زمانی و مکانی سیل خیزی زیر حوزههای آبخیز کوشک آباد خراسان رضوی با استفاده از مدل HEC-HMS. پایاننامه کارشناسی ارشد مهندسی آبخیزداری. استاد راهنما: حمیدرضا مرادی. دانشگاه تربیت مدرس.
3
بدری، بهرام؛ زارع بیدکی، رفعت؛ هنربخش، افشین؛ آتشخوار، فاطمه؛ 1395. اولویتبندی زیرحوضههای آبخیز بهشت آباد ازنظر پتانسیل سیلخیزی. پژوهشهای جغرافیای طبیعی. شماره 48(1). 143- 158.
4
تاجیکی، مریم؛ 1386. ارزیابی اثر اقدامات آبخیزداری بر روی سیلخیزی و رسوبدهی (مطالعه موردی: حوزه آبخیز رامیان. پایاننامه کارشناسی ارشد. استاد راهنما: علی نجفینژاد. دانشگاه علوم کشاورزی و منابع طبیعی گرگان.
5
ثقفیان، بهرام؛ فرازجو، حسن؛ 1386. تعیین مناطق مولد سیل و اولویت بندی سیلخیزی واحدهای هیدرولوژیک حوزه سد گلستان. علوم و مهندسی آبخیزداری. شماره 1. 1-11.
6
حافظینسب، جواد؛ 1383. بررسی علل وقوع سیلاب گلستان و روشهای جلوگیری از آن. پایاننامه کارشناسی ارشد مهندسی عمران. استاد راهنما: یوسف حسنزاده. دانشگاه تبریز.
7
رضوی زاده، سمانه؛ شاهدی، کاکا؛ 1395. اولویتبندی سیلخیزی زیرحوزههای حوزه آبخیز طالقان با استفاده از تلفیق AHP و TOPSIS. فصلنامه اکوسیستمهای طبیعی ایران. دوره 7. شماره 4. زمستان 1395. 33-46.
8
سلاجقه، علی؛ رضویزاده، سمانه؛ سلاجقه، سوسن؛ 1389. اولویت بندی سیلخیزی در زیر حوزههای آبخیز تنکاب استان فارس، با استفاده از مدل اسکالوگرام. اولین کنفرانس بین المللی مدلسازی گیاه، آب، خاک و هوا. مرکز بین المللی علوم و تکنولوژی پیشرفته و علوم محیطی. کرمان.
9
سلیمانی، کریم؛ گنبد، محمد بشیر؛ موسوی، سید رمضان؛ خلیفی، شهرام؛ 1387. پتانسیل تولید سیل در حوضههای آبخیز با استفاده از مدل HEC-HMS در محیط سامانه اطلاعات جغرافیایی (مطالعه موردی: حوضه معرف کسیلیان). پژوهشهای جغرافیای طبیعی. شماره 65. 51-60.
10
سلیمانیساردو، فرشاد؛ سلطانی کوپایی، سعید؛ سلاجقه، علی؛ 1392. انتخاب شاخص سیلخیزی مناسب با استفاده از مدل بارش- رواناب HEC-HMS و تکنیکهای GIS و RS (مطالعه موردی: حوزه سد جیرفت). پژوهشنامه مدیریت حوزه آبخیز. شماره 8. 90-108.
11
عباسیکجانی، عبدالحسین؛ 1395. بررسی امکان اولویت بندی زیرحوضهها ازنظر سیلخیزی با استفاده از مدل HEC-HMS(مطالعه موردی: حوزه آبخیز اسکندری- زاینده رود). پایاننامه کارشناسی ارشد. استاد راهنما: علی طالبی. دانشکده کشاورزی و منابع طبیعی. دانشگاه یزد.
12
فلاح، مقدسه؛ محمدی، مازیار؛ کاویان، عطااله؛ 1394. اولویتبندی زیرحوضهها با استفاده از آنالیز مورفومتری و تغییرات کاربری اراضی. اکوهیدرولوژی. شماره 3. 261-274.
13
قائمی، محمود؛ 1373. مطالعات شناسایی تکمیلی پروژه آبخیزداری در حوضه آبخیز کرخه. مدیریت آبخیزداری وزارت جهاد کشاورزی.
14
قنواتی، عزتا...؛ کرم، امیر؛ آقا علیخانی، مرضیه؛ 1390. کارآیی روش تحلیل سلسله مراتبی در مطالعات سیلخیزی. فصلنامه جغرافیا (انجمن جغرافیایی ایران). سال 9. شماره 31. 255-275.
15
کاظمی، محمد؛ نوحهگر، احمد؛ قصر دشتی روشن، محمد؛ رضائی، پیمان؛ 1391. بررسی تأثیر تغییر کاربری اراضی بر پتانسیل سیلخیزی (مطالعه موردی: حوزه آبخیز تنگ بستانک شیراز). پژوهشهای فرسایش محیطی. شماره5. 28-41.
16
کریمی زاده، کیوان؛ سلاجقه، علی؛ محسنی ساروی، محسن؛ خلیقی، شهرام؛ 1388. بررسی نقش عملیات آبخیزداری اجرا شده در حوزه آبخیز سیرا - کلوان بر زمان تمرکز و زمان تأخیر حوضه. همایش ملی بحران آب در کشاورزی و منابع طبیعی. شهرری.
17
محمدیمطلق، رضا؛ جلال کمالی، نوید؛ جلال کمالی، امیر؛ 1392. بررسی نقش مشارکت زیر حوضههای آبریز در شدت سیلخیزی (مطالعه موردی حوضه آبریز دالکی). مهندسی آبیاری و آب ایران. شماره 13. 31-44.
18
محمودی، فرجا...؛ یمانی، مجتبی؛ بهرامی، شهرام؛ 1386. ارزیابی مدل هیدروگراف واحد لحظهای ژئومورفولوژیکی (GIUH) در حوزه آبخیز کنگیر (ایوان غرب). پژوهشهای جغرافیایی. شماره 60. 1-14.
19
ملکیان، آرش؛ افتادگان خوزانی، اصغر؛ عشورنژاد، غدیر؛ 1391. پهنهبندی پتانسیل سیلخیزی حوزه آبخیز اخترآباد با استفاده از روش تحلیل سلسله مراتبی فازی. پژوهشهای جغرافیای طبیعی. دوره 44. شماره 4. 131-152.
20
مهدوی، محمد؛ 1390. هیدرولوژی کاربردی. انتشارات دانشگاه تهران.
21
یوسفوند، مهدی؛ شعبانلو، سعید؛ هدایت، نجف؛ 1391. تعیین پهنهبندی سیلگیر با استفاده از نرم افزار WMS در محیط GIS (مطالعه موردی: حوضه آبریز گاماسیاب استان کرمانشاه). همایش ملی بهره برداری بهینه از منابع آب. دزفول.
22
Ameri AA, Pourghasemi HR, Cerda A., 2018. Erodibility prioritization of sub-watersheds using morphometric parameters analysis and its mapping: A comparison among TOPSIS, VIKOR, SAW, and CF multi-criteria decision making models. Science of The Total Environment, 613: 1385-1400.
23
Amiri M, Pourghasemi HR, Arabameri A, Vazirzadeh A, Yousefi H, Kafaei S., 2019. Prioritization of Flood Inundation of Maharloo Watershed in Iran Using Morphometric Parameters Analysis and TOPSIS MCDM Model. In Spatial Modeling in GIS and R for Earth and Environmental Sciences (pp. 371-390). Elsevier.
24
Biswas S, Sudhakar S, Desai VR., 2002. Remote sensing and geographic information system based approach for watershed conservation. Journal of Surveying Engineering. 128(3): 108-24.
25
Chen LY, Wang TC., 2009. Optimizing partners’ choice in IS/IT outsourcing projects: The strategic decision of fuzzy VIKOR. International Journal of Production Economics. 120(1): 233-42.
26
Ellram LM., 1990. The supplier selection decision in strategic partnerships. Journal of Purchasing and materials Management. 26(4): 8-14.
27
Hlaing KT, Haruyama S, Aye MM., 2008. Using GIS-based distributed soil loss modeling and morphometric analysis to prioritize watershed for soil conservation in Bago river basin of Lower Myanmar. Frontiers of Earth Science in China. 2(4): 465-78.
28
Jun KS, Chung ES, Kim YG, Kim Y., 2013. A fuzzy multi-criteria approach to flood risk vulnerability in South Korea by considering climate change impacts. Expert Systems with Applications. 40(4):1003-13.
29
Lee G, Jun KS, Chung ES., 2013. Integrated multi-criteria flood vulnerability approach using fuzzy TOPSIS and Delphi technique. Natural Hazards and Earth System Sciences. 13(5): 1293-312.
30
Lee G, Jun KS, Chung ES., 2015. Group decision-making approach for flood vulnerability identification using the fuzzy VIKOR method. Natural Hazards and Earth System Sciences. 15(4): 863-74.
31
Levy JK., 2005. Multiple criteria decision making and decision support systems for flood risk management. Stochastic Environmental Research and Risk Assessment. 19(6): 438-47.
32
Melton MA., 1958. Correlation structure of morphometric properties of drainage systems and their controlling agents. The Journal of Geology. 66(4): 442-60.
33
Opricovic S, Tzeng GH., 2007. Extended VIKOR method in comparison with outranking methods. European journal of operational research. 178(2): 514-29.
34
Rahmati O, Samadi M, Shahabi H, Azareh A, Rafiei-Sardooi E, Alilou H, Shirzadi A., 2019. SWPT: An automated GIS-based tool for prioritization of sub-watersheds based on morphometric and topo-hydrological factors. Geoscience Frontiers.
35
Sharma SK, Tignath S, Mishra SK., 2008. Morphometric analysis of drainage basin using GIS approach. JNKVV Res Jour. 42(1):91-5.
36
Sinha R, Bapalu GV, Singh LK, Rath B., 2008. Flood risk analysis in the Kosi river basin, north Bihar using multi-parametric approach of analytical hierarchy process (AHP). Journal of the Indian Society of Remote Sensing. 36(4):335-49.
37
Walczykiewicz T., 2015. Multi-criteria analysis for selection of activity options limiting flood risk. Water resources. 42(1):124-32.
38
ORIGINAL_ARTICLE
پهنهبندی خطر وقوع زمینلغزش در منطقه اسپیران استان آذربایجانشرقی با استفاده از مدل رگرسیون لجستیک و GIS
وقوع زمینلغزش از جمله مخاطراتی است که خسارات جانی و مالی فراوان بهدنبال دارد. یکی از اقدامات اولیه جهت پیشگیری یا کاهش خسارات ناشی از این پدیده، تهیه نقشه پهنهبندی خطر و شناسایی نواحی مستعد برای وقوع آن است. در این مقاله، نقشه حساسیت به رخداد زمینلغزش در بخش اسپیران واقع در شهرستان تبریز، استان آذربایجانشرقی، بهدست آمده است. برای این منظور ابتدا عوامل مؤثر در وقوع پدیده مذکور شناسایی و سپس لایههای اطلاعاتی مورد نیاز شامل نقشههای زمینشناسی، طبقات ارتفاعی، شیب، جهت شیب، بارش، گسل، کاربری اراضی، فاصله از آبراههها، فاصله از جاده و فاصله از مناطق مسکونی با استفاده از سیستم اطلاعات جغرافیایی تهیه شدند. این لایهها بهعنوان متغیر مستقل وارد مدل رگرسیون لجستیک گردیدند تا وزن و نقش هریک از آنها در وقوع زمینلغزش در منطقه مطالعاتی مشخص شود. علاوه بر آنها نقشه پراکنش زمینلغزشهای قبلی منطقه نیز آمادهسازی و بهعنوان متغیر وابسته مدل رگرسیون لجستیک در نظر گرفته شد. به این ترتیب ضرایب مدل تعیین شدند و با شاخصهایPseudo R Square، راک (ROC) و کای اسکور ارزیابی گردیدند و مورد تأیید قرار گرفتند. بهعنوان نمونه، مقدار شاخص راک برابر 957/0 بهدست آمده که مقدار بالایی است و نشان میدهد که زمینلغزشهای مشاهده شده، رابطه قوی با مقادیر احتمال حاصل از مدل رگرسیون لجستیک دارند. در ادامه با استفاده از این ضرایب، معادلهای تشکیل شد تا احتمال وقوع در قسمتهای مختلف منطقه مطالعاتی مشخص شود. با توجه به مقدار ضرایب بهدست آمده میتوان گفت که زمینشناسی و کاربری اراضی مهمترین عوامل در وقوع زمینلغزش در منطقه مورد مطالعه میباشند. در نهایت نقشه پهنهبندی خطر ایجاد گردید. نتایج پژوهش نشان میدهد که حدود 10 درصد از سطح منطقه در کلاسهای خطر زیاد و بسیار زیاد قرار گرفتهاند که اغلب دارای پوشش مرتع میباشند.
https://geoeh.um.ac.ir/article_33312_e51ff99b6b4631818b1dc0327ae26847.pdf
2019-06-22
47
60
10.22067/geo.v0i0.79166
زمینلغزش
سیستم اطلاعات جغرافیایی
مدل رگرسیون لجستیک
پهنه بندی
اسپیران
سارا
بهشتی فر
sara_beheshtifar@yahoo.com
1
دانشگاه تبریز
LEAD_AUTHOR
فرشاد
عبدل زاده
www.castle1388gale@gmail.com
2
دانشگاه تبریز
AUTHOR
اندریانی، صغری؛ سمندر، نسرین؛ نیکجو، محمدرضا؛ 1395. مدلسازی حرکات دامنهای محدودة مخزن سدّ ستارخان اهر با استفاده از مدلهای پیشبینیکنندة لجستیک و شبکة عصبی. جغرافیا و پایداری محیط. 6 (20). 37-19.
1
بهشتی راد، مسعود؛ فیض نیا، سادات؛ سلاجقه، علی؛ احمدی، حسن؛ 1389. پهنه بندی خطر زمین لغزش ها با مدل رگرسیون چند متغیره با استفاده از GIS. جغرافیای طبیعی. 3(7). 40-33.
2
بهنیافر، ابوالفضل؛ منصوری دانشور، محمد رضا؛ کهربائیان، پروین؛1389. کاربرد مدل AHP و منطق فازی در منطقهبندی خطرات زمینلغزش نمونه موردی: حوضه آبریز فریزی، دامنه شمالی کوههای بینالود. جغرافیای طبیعی. 9.
3
ثروتی، محمدرضا؛ نصرتی، کاظم؛ حسنوندی، شیما؛ میرباقری، بابک؛1393. پیش بینی خطر زمین لغزش در حوزه آبخیز رودخانه سیکان با استفاده از مدل آماری رگرسیون لجستیک. مرتع و آبخیزداری (منابع طبیعی ایران). 67 (1). 29-17.
4
حاجی حسینلو، حسن؛ مقدم دیزج هریک، مهسا؛ 1395. ارزیابی و پهنه بندی خطر زمین لغزش در منطقه ولدیان با استفاده از روش آنبالاگان، شرق شهرستان خوی. نشریه جغرافیایی سرزمین. شماره 52. 21-38.
5
حجازی، سید اسداله؛ رنجبریان شادباد، مریم؛ 1393. شناسایی عوامل موثر و پهنه بندی خطر زمین لغزش در بخش غربی حوضه آبریز سرندچای. پژوهش های ژئومورفولوژی کمی. 3(3). 114-129.
6
خالدی، شهریار؛ درفشی، خه بات؛ مهرجونژاد، اکبر، قره چاهی، سعیده؛ خالدی، شاهین؛ 1391. ارزیابی عامل های مؤثر در رویداد زمین لغزش و پهنه بندی آن با استفاده از مدل رگرسیون لجستیک در محیط (مطالعه موردی: حوضه آبخیز طالقان). جغرافیا و مخاطرات محیطی. 1 (1). 82-65.
7
خدائی، لیلا؛ روستائی، شهرام؛ حجازی، سید اسداله؛ 1396. ارزیابی روش رگرسیون لجستیک در بررسی پتانسیل وقوع زمینلغزش مطالعه موردی :حوضه آبریز رودخانه حاجیلر چای. جغرافیای طبیعی. 10 (37). 57-45.
8
روستایی، شهرام؛ مختاری، داوود؛ خدایی، فاطمه؛ 1394. کاربرد روش رگرسیون لجستیک در پهنه بندی خطر وقوع ناپایداری های دامنه ای در جاده های کوهستانی (محدوده مورد مطالعه: تنگه دره دیز). مخاطرات محیط طبیعی. 4 (6). 103-89.
9
ساسانپور، فرزانه؛ موسیوند، جعفر؛ 1389. تأثیر عوامل انسان ساخت در تشدید پیامدهای مخاطرات طبیعی در محیطهای کلانشهری با کاربرد منطق فازی و سیستم اطلاعات جغرافیایی. تحقیقات کاربردی علوم جغرافیایی. 13(16). 50 -20.
10
سفیدگری، رضا، غیومیان، جعفر، فیض نیا، سادات؛1384. ارزیابی روش های پهنهبندی خطر زمینلغزش در مقیاس 1:50000. مطالعه موردی حوضه آبخیز دماوند. مجموعه مقالات سومین همایش ملی فرسایش و رسوب. مرکز تحقیقات حفاظت خاک و آبخیزداری. 580-574.
11
شادفر، صمد؛ 1384. ارزیابی تحلیلی مدلهای کمی زمینلغزش به منظور دستیابی به مدلی مناسب برای حوزه آبخیز چالکرود. پایان نامه دکتری. دانشکده جغرافیا. دانشگاه تهران.
12
شیرانی، کورش؛ عرب عامری، علیرضا؛۱۳۹۴. پهنهبندی خطر وقوع زمینلغزش با استفاده از روش رگرسیون لجستیک (مطالعه موردی: حوضه دز علیا). مجله علوم آب و خاک. ۱۹ (۷۲). ۳۲۱-۳۳۵.
13
صالحی پور میلانی، علیرضا؛ یمانی، مجتبی؛ 1397. پهنه بندی خطر زمین لغزش در حوضه آبریز رامیان (استان گلستان). دانش پیشگیری و مدیریت بحران. شماره 28. 161-172.
14
صفاری، امیر؛ اخدر، آرش؛ 1392. مقایسه مدل نسبت فراوانی و توابع عضویت فازی در پهنهبندی خطر زمینلغزش (مطالعه موردی: جاده ارتباطی مریوان - سنندج). جغرافیا و مخاطرات محیطی. ش 1. 79-96.
15
عابدینی، موسی؛ قاسمیان، بهاره؛ شیرزادی، عطااله؛ 1393. مدل سازی خطر وقوع زمین لغزش با استفاده از مدل آماری رگرسیون لجستیک مطالعه موردی: استان کردستان، شهرستان بیجار. جغرافیا و توسعه. 12 (37). 102-85.
16
قنواتی، عزت الله؛1390. پهنهبندی خطر لغزش در حوضه جاجرود با استفاده از روش تحلیل سلسله مراتبی. تحقیقات کاربردی علوم جغرافیایی. 20. 68-51.
17
گودرزی، سحر؛ طالبی، علی؛ پورقاسمی، حمیدرضا؛ 1397. بررسی کارایی مدل سیستم استنتاج عصبی-فازی تطبیقی در تهیه نقشه حساسیت زمین لغزش (مطالعه موردی: حوزه آبخیز سردارآباد استان لرستان). جغرافیا و مخاطرات محیطی. 75 -96.
18
محمدزاده، کیوان؛ بهمنی، سیران؛ فتحی، محمدحسین؛ 1396. ارزیابی روش رگرسیون لجستیک در بررسی پتانسیل وقوع زمینلغزش مطالعهی موردی: کرانهی جنوبی حوضهی آبریز اهر چای از روستای نصیرآباد تا سد ستارخان. هیدروژئومورفولوژی. 3(11). 148-127.
19
محمدنیا، ملیحه؛ فلاح قالهری، غلامعباس؛ 1397. شبیه سازی احتمال وقوع زمین لغزش با استفاده از منطق فازی و فرایند تحلیل سلسله مراتبی. تحقیقات کاربردی علوم جغرافیایی. شماره 48. 132-117.
20
مقیمی، ابراهیم؛ یمانی، مجتبی؛ رحیمی هرآبادی، سعید؛۱۳۹۲. ارزیابی و پهنهبندی خطر زمینلغزش در شهر رودبار با استفاده از فرآیند تحلیل شبکه. پژوهشهای ژئومورفولوژی کمی. ۱ (۴). ۱۰۳-۱۱۸.
21
همتی، فریبا؛ حجازی، سید اسداله؛ ۱۳۹۶. پهنهبندی خطر زمینلغزش با استفاده از روش آماری رگرسیون لجستیک در حوضه آبریز لواسانات. تحقیقات کاربردی علوم جغرافیایی. ۱۷ (۴۵). ۷-۲۴.
22
Ait Brahim, L., & Elmoulat, M., 2018. Application Of Logistic Regression Method To Produce Landslide Susceptibility Map: A Case Study Of Tetouan Mazari, Morocco, EC Web of Conferences, 149.
23
Akgun, A., 2012. A comparison of landslide susceptibility maps produced by logistic regression, multi-criteria decision, and likelihood ratio methods: a case study at İzmir, Turkey. Landslides, 9(1), 93–106.
24
Ayalew, l. & Yamagishi, H., 2005. The application of GIS-based Logistic regression for landslide susceptibility mapping in the Kakuda-Yaahiko Mountains, central Japan. Geomorphology, 65, 15-31.
25
Bai, SB., Wang, J., Lü, GN., Zhou, PG., Hou, SS., & Xu, SN., 2010. GIS-based logistic regression for landslide susceptibility mapping of the Zhongxian segment in the Three Gorges area, China. Geomorphology 115(1-2), 23–31.
26
Chingkhei, R.K., Shiroyleima, A., Robert Singh, L., & Kumar, A., 2013. Landslide Hazard Zonation in NH-1A in Kashmir Himalaya, India. International Journal of Geosciences, 4, 1501-1508.
27
Costanzo, D., Chacon, J., Conoscenti, C., Irigaray, C, & Rotigliano, E., 2014. Forward logistic regression for earth-flow landslide susceptibility assessment in the Platani river basin (southern Sicily, Italy. Landslides, 11(4), 639–653.
28
Lee, S., 2007. Application and verification of fuzzy algebraic operators to landslide susceptibility mapping. Environmental Geology, 52, 615- 623.
29
Lombardo, L., & Mai, P.M., 2018. Presenting logistic regression-based landslide susceptibility results. Engineering Geology, 244(3), 14-24.
30
Nefeslioglu, H. A., Gokceoglu, C., & Sonmez, H., 2008. An assessment on the use of logistic regression and artificial neural networks with different sampling strategies for the preparation of landslide susceptibility maps. Engineering Geology, 97, 171-191.
31
Polykretis, C., & Chalkias, C., 2018. Comparison and evaluation of landslide susceptibility maps obtained from weight of evidence, logistic regression, and artificial neural network models. Natural Hazards, 93(1), 249–274.
32
Thiery, Y., Philippe, M. J., & Maquaire, O., 2006. Test of Fuzzy Logic Rules for Landslide Susceptibility Assessment. conference SAGEO Strasbourg, 2006.
33
ORIGINAL_ARTICLE
بررسی ویژگی های مورفوسکوپی و گرانولومتری رسوبات نبکا منطقه شهداد کرمان
در این پژوهش، به بررسی ویژگیهای مورفوسکوپی و گرانولومتری رسوبات نبکا در منطقه شهداد کرمان پرداخته شده است. رسوبات نبکا که حاصل ترسیب رسوبات بادی در پای بوتههای گیاهی در مسیر حمل رسوبات بادی است، میتواند شاخصی خوب در بازسازی تحولات محیطی باشد. این پژوهش در سطوح تراکمی بیابان لوت در منطقه شهداد صورت گرفت. در ابتدا با توجه به حجم رسوبات و ارتفاع نبکا، نبکا شاخص انتخاب شد. سپس در یک پروفیل طولی در فواصل نیممتری نمونهبرداری با کمک دستگاه مغزیگیر صورت گرفت. مجوعا ده نمونه رسوب از عمق 10 سانتی متری برداشت و جهت اندازهگیری ویژگیهای گرانولومتری، مورفوسکوپی و خصوصییات فیزیکی و شیمیایی به آزمایشگاه منتقل شدند. میانگین جورشدگی ذرات 29/1 میباشد، عمده نمونهها دارای جورشدگی نسبتاً خوبی هستند. کجشدگی ذرات در محدوده 16/0 تا 82/0 میباشد که نزدیک به طبقه سوم یعنی متقارن است. میانگین کشیدگی نمونهها 74/1 میباشد که نشان میدهد کشیدگی وضعیت منحنی در طبقۀ کشیده تا بسیار کشیده میباشد. طبق نتایج بدست آمده pH نمونهها کمی به سمت قلیایت است. با توجه به EC اندازهگیری شده مشخص شد که نمونههای زیرین دارای شوری بیشتری نسبت به نمونههای سطحی میباشند. تصویربرداری توسط میکروسکوپ پلاریزان انجام شد. وضعیت مورفوسکوپی دانهها نشاندهنده عوامل تخریب و همچینن بیانگر فاصله منطقه برداشت و رسوبگذاری بود. نتایج نشان داد که اکثر ذرات دارای قطر کمتر از 200 میکرون میباشند که با توجه به رابطه بین مسافت حمل توسط باد و قطر ذرات، منطقه برداشت در فاصلهای حدود 50-20 کیلومتری قرار دارد.
https://geoeh.um.ac.ir/article_33316_0167c2ccdbd37cd3ee871d8d328a93c8.pdf
2019-06-22
61
73
10.22067/geo.v0i0.71954
نبکا
کانی شناسی
پراش اشعه ایکس
شهداد
امید
نخعی
adelsepehr@aol.com
1
دانشگاه فردوسی مشهد
AUTHOR
عادل
سپهر
adelsepehr@um.ac.ir
2
دانشگاه فردوسی مشهد
LEAD_AUTHOR
علیرضا
راشکی
arrashki@gmail.com
3
دانشگاه فردوسی مشهد
AUTHOR
احمدی، حسن؛ 1387. ژئومورفولوژی کاربردی. جلد دوم: فرسایش بادی. انتشارات دانشگاه تهران.
1
توکلی فرد، اصغر؛ نظری سامانی، علی اکبر؛ قاسمیه، هدیه؛ مشهدی، ناصر؛ 1392. کاربرد ویژگیهای دانهبندی رسوبات بادی در تعیین مورفولوژِی تپههای ماسهای همگن بر اساس تحلیلهای آماری دو و چند متغیره (مطالعه موردی: ارگ کاشان). مجله مدیریت بیابان. شماره 2. 26-13.
2
رفاهی، حسنعلی؛ 1384. فرسایش بادی و مبارزه با آن. انتشارات دانشگاه تهران.
3
رودگرمی، پژمان؛ عباسی، حمیدرضا؛ 1392. ویژگیهای ریختشناسی، فیزیکی-شیمیایی و کانیشناسی تپههای ماسهای ابردژ ورامین. مجله پژوهشهای خاک (علوم آب و خاک). شماره 1. 243-233.
4
زمانزاده، سید محمد؛ انوشه، منا؛ 1393. بررسی پارامترهای گرانولومتریک در محیط بادی، (مطالعه موردی: بند ریگ کاشان). مجله اطلاعات جغرافیایی. شماره 87. 98-93.
5
صفدری، علی اکبر؛ محمودی، زهرا؛ معماریان خلیل آباد، هادی؛ 1387. منشایابی رسوبات بادی منطقه دشت مختاران بیرجند. فصلنامه علمی- پژوهشی تحقیقات مرتع بیابان ایران. شماره 3. 319-304.
6
عباسی، مرضیه؛ فیض نیا، سادات؛ عباسی، حمیدرضا؛ کاظمی، یونس؛ قرنجیک، احمد؛ 1390. بررسیهای دانهبندی و کانیشناسی رسوبات در منشایابی تپههای ماسهای بلوچستان. فصلنامه علمی-پژوهشی تحقیقات مرتع و بیابان ایران. شماره3. 451-441.
7
عظیم زاده، حمیدرضا؛ مصلح آرانی، اصغر؛ 1392. بررسی اثر نبکا بر نفوذپذیری اراضی در شرایط بیابانی و ارزیابی برخی معادلات نفوذ در گونههای ارمک (Ephedra strobilacea) و گز Tamarix) rasmosissima). مجله مدیریت بیابان. شماره 1. 62-51.
8
قربانیان، داریوش؛ حسنی، نصرت الله؛ عباسی، حمیدرضا؛ گلی جیرنده، عباس؛ 1392. بررسی خصوصیات مورفوسکوپی و گرانولومتری ذرات ماسه در ارگ خارتوران شاهرود. سومین همایش ملی فرسایش بادی و طوفانهای گردوغبار.
9
معماریان خلیل آباد، هادی؛ احمدی، حسن؛ اختصاصی، محمدرضا؛ علوی پناه، سید کاظم؛ 1384. منشایابی رسوبات بادی منطقه رفسنجان. مجله منابع طبیعی ایران. شماره3. 544-531.
10
معماریان خلیل آباد، هادی؛ صفدری، علی اکبر؛ اختصاصی، محمدرضا؛ 1387. منشایابی رسوبات بادی منطقه فدیشه نیشابور. فصلنامه علمی-پژوهشی تحقیقات مرتع و بیابان ایران.شماره1. 41-26.
11
مقصودی، مهران؛ نگهبان، سعید؛ باقری سیدشکری، سجاد؛ چزغه، سمیرا؛ 1391. مقایسه و تحلیل ویژگیهای ژئومورفولوژیکی نبکاهای چهار گونۀ گیاهی در غرب دشت لوت (شرق شهداد-دشت تکاب). پژوهشهای جغرافیای طبیعی. شماره 79. 76-55.
12
Forman SL, Nordt L, Gomez J, Pierson J., 2009. Late Holocene Dune Migration on the South Texas Sand Sheet. Geomorphology 108, 159–170.
13
Seifert CL, Cox RT, Forman SL, Foti TL, Wasklewicz TA, McColgan, AT., 2009. Relict Nebkhas (Pimple Mounds) Record Prolonged Late Holocene Drought in the Forested Region of South-Central United States. Quaternary Research 71, 329–339.
14
Wang X, Xiao H, Li J, Qiang M, Su Z., 2008. Nebkha Development and its Significance on Environmental Changes in the Alaxa Plateau, China. Environmental Geology 56,359–365.
15
ORIGINAL_ARTICLE
بررسی تغییرات کاربری اراضی حوضه سد کارده به روش آنالیز شدت
پوشش زمین و کاربری اراضی از مهمترین عوامل هیدرولوژیکی در حوضههای آبخیز میباشند؛ زیرا در کیفیت و حجم کل رواناب نقش مؤثری دارند. بررسی میزان افزایش، کاهش، انتقال و ثبات بین کاربریها درک بهتری از نحوه تغییرات پوشش و کاربری اراضی یک منطقه میدهد. این تحقیق تغییرات را در میان کلاسهای طبقهبندی شده کاربری اراضی حوضه آبخیز سد کارده (شمالشرق ایران) ارزیابی و شدت آنها را در سه بعد زمان، طبقه و شدت انتقال تحلیل میکند. با استفاده از تصاویر ماهوارهای و بررسیهای میدانی، منطقه مورد مطالعه در سالهای 1987، 1998، 2008 و 2016 به پنج طبقه مرتع، زراعت آبی و باغات، زراعت دیم، برونزدگی سنگی بدون پوشش و مناطق مسکونی طبقهبندی شد. تحلیل شدت تغییرات کاربریها براساس روش ریاضی ابداعی آلدویک و پنتیوس(2012) که شدتهای مشاهداتی را با شدت یکنواخت مقایسه میکند، انجام شد. برای هر بازه زمانی، جدول تقاطعی ایجاد شد و شدت تغییرات هر کاربری در سه بعد زمان، طبقه و انتقال بررسی شد. نتایج نشان داد که بیشترین میزان تغییرات کاربری اراضی مربوط به سه کاربری مرتع، زراعت آبی و دیم بوده و در بازه زمانی 1998-1987 رخ داده است، اما شدت این تغییرات در بازه زمانی 2016- 2008 بیشتر بود. در تمامی دورهها کاربری مرتع بهعنوان یک پتانسیل در تبدیل به سایر کاربریها نقش مؤثر داشته و تغییرات کاربریها الگوی منظمی نداشتند. در اثر تغییرات شدید و غیراصولی تبدیل کاربری مرتع به اراضی زراعی دیم و آبی و بالعکس، کاربری بدون پوشش 4 درصد افزایش نشان داد. نتایج نشان میدهد که همانند سایر مناطق مشابه در کشورهای درحالتوسعه، تغییرات کاربری اراضی با رشد جمعیتی، شرایط اقلیمی و اقتصادی کشور مرتبط است و میتواند بر منابع طبیعی تأثیر مخرب بگذارد.
https://geoeh.um.ac.ir/article_33340_f08a4a98291b7b16b6c4e7b6fe1ae49b.pdf
2019-06-22
75
95
10.22067/geo.v8i2.82040
کاربری اراضی
پوشش
طبقهبندی
شدت تغییرات
حوضه آبخیز
مهدی
مهدیزاده کاریزکی
mehdizadeh_2001@yahoo.com
1
دانشگاه فردوسی مشهد
AUTHOR
امین
علیزاده
alizadeh@gmail.com
2
دانشگاه فردوسی مشهد
AUTHOR
حسین
انصاری
ansary@um.ac.ir
3
دانشگاه فردوسی مشهد
LEAD_AUTHOR
هادی
معماریان خلیل آباد
hadi_memarian@yahoo.com
4
دانشگاه بیرجند
AUTHOR
زراعتکار، ز؛ حسن پور، ف؛ تابع، م؛ 1393. ارزیابی روشهای برآورد دبی پیک سیلاب در حوضه آبریز شهری جهت کنترل سیلاب. مجله سطوح آبگیر باران. شماره 12، ص 32-23.
1
سلمانی، م؛ محسنی ساروی، م؛ روحانی، ح؛ سلاجقه، ع؛ 1391). ارزیابی تغییر کاربری و تأثیر آن روی رژیم هیدرولوژیکی در حوضه آبخیز قزاقلی استان گلستان. پژوهشنامه مدیریت حوضه آبخیز. شماره 6، ص 60-43.
2
شاهرخی، م. ی؛ تاجبخش، م. و معماریان، ه؛ 1393. بررسی تأثیر گسترش فیزیکی شهر مشهد بر روند تغییرات مراتع پیرامون شهر با بهره گیری از تکنیم GIS و سنجش از دور. پایان نامه کارشناسی ارشد. دانشکده منابع طبیعی و محیط زیست دانشگاه بیرجند.
3
صدر موسوی، م، یزدانی چهاربرج، ر؛ 1392. ارزیابی و شبیه سازی رشد شهری شهرهای میانه اندام با استفاده از مدل CA-Markov (نمونه موردی: شهر مراغه)، همایش معماری پایدار و توسعه شهری، سیویلیکا، بوکان.
4
غفاری، گ؛ قدوسی، ج؛ احمدی، ح؛ 1388. بررسی تغییر کاربری اراضی بر پاسخهای هیدرولوژی حوضه آبخیز (مطالعه موردی: حوضه آبخیز زنجانرود). مجله پژوهشهای حفاطت آب و خاک. 16 (1): 180-163.
5
گزارش بیلان آب دشت مشهد ؛ 1393. شرکت آب منطقهای خراسان رضوی
6
گلرنگ، ب؛ صادقی، ح؛ معماریان، ه؛ مشایخی، م؛ 1393. بررسی مدل مشارکتی در طرحهای آبخیز داری. کنگره استحصال آب و آبخیزداری. دانشگاه بیرجند.
7
یاراحمدی، د؛ 1393. تحلیل هیدروکلیماتولوژی نوسانهای سطح آب دریاچه ارومیه. پژوهشهای جغرافیای طبیعی. سال 46 (1): 77 – 92.
8
Abino, A. C., Kim, S. Y., Jang, M. N., Lee, Y. J. & Chung, J. S., 2015. Assessing Land Use and Land Cover of the Marikina Sub-Watershed, Philippines.
9
Abrishamchi, A., & Tajrishi, M., 2005). Interbasin water transfer in Iran. In Water Conservation, Reuse, and Recycling: Proceedings of an Iranian-American Workshop (pp. 252-272). National Academies Press.
10
Adhikari, S., Southworth, J. & Nagendra, H., 2014. Understanding Forest Loss and Recovery: A Spatiotemporal Analysis of Land Change in and around Bannerghatta National Park, India.J. Land Use Sci.,10:1-23.
11
Aldwaik, S.Z. & Pontius, R.G., Jr., 2012. Intensity analysis to unify measurements of size and stationarity of land changes by interval, category, and transition. Landsc. Urban Plan. 2012, 106, 103–114.
12
Azami Rad, M. & Saeedian, F., 2010. Investigate the flood probability in terms of infiltration and runoff in geology formations in the Kardeh Catchment Basin.
13
Brandt, T. & Mather P.M., 2001. Classification methods for remotely sensed data. Taylor & Francis, Londen and newyork, 210 p.
14
Chakravarty, S., Ghosh, S. K., Suresh, C. P., Dey, A. N. & Shukla, G., 2012. Deforestation: Causes, Effects and Control Strategies. Global Perspectives on Sustainable Forest Management 27.
15
Emre Tekel A., 2005. Operational hydrological forecasting of snowmelt runoff by remote sensing and geographic information systems integration.
16
Food and Agriculture Organization of the United Nations., 2012. The State of the World’s Land and Water Resources for Food and Agriculture, FAO, Rome.
17
Golrang, B. M., 2017. Mixed-Method Evaluation of Watershed Management: Practices from Kushk-Abad Basin, Iran. Springer.
18
Hitayezu P, Wale E & Ortmann G. 2015. Assessing agricultural land use change in the midlands region of KwaZulu-Natal, South Africa: Application of mixed-multinomial logit. International Association of Agricultural Economists, Conference, August 9-14, Milan, Italy.
19
Huang, J., Pontius Jr, R. G., Li, Q. & Zhang, Y., 2012. Use of Intensity Analysis to Link Patterns with Processes of Land Change from 1986 to 2007 in a Coastal Watershed of Southeast China. Appl. Geogr., 34: 371-384
20
Huang, J.; Pontius, R.G., Jr.; Li, Q. & Zhang, Y., 2012. Use of intensity analysis to link patterns with processes of land change from 1986 to 2007 in a coastal watershed of southeast China. Appl. Geogr. 34, 371–384.
21
Imani Harsini, J., M. Kaboli, J. Feghhi, A. Taherzadeh & A. Asadi., 2014. Studying Land Use-Cover Changes During the Last Three Decades in Hamedan Province Using Satellite Images. Natural Environment, 67: 1-12.
22
Kirch,B., 2002. Land Use Impacts on Water Resources. Land and Water Development Division,FAO, Rome Italy,10pp.
23
Lambin, E. F., & Geist, H. J. 2006. Land-use and land-cover change: Springer.
24
Lillesand, T.M.; Kiefer, R.W. & Chipman, J.W., 2004. Remote Sensing and Image Interpretation; John Wiley & Sons Ltd: New York, NY, USA.
25
Mallinis, G., Koutsias, N. & Arianoutsou, M., 2014. Monitoring Land Use/Land Cover Transformations from 1945 to 2007 in Two Peri-Urban Mountainous Areas of Athens Metropolitan Area, Greece. Sci. Total Environ., 490: 262-278.
26
Manandhar. R., Odeh, Inakwu O. A.Odeh & Pontius Jr, R. G., 2010. Analysis of Twenty Years of Categorical Land Transitions in the Lower Hunter of New South Wales, Australia. Agri. Ecosyst. Environ., 135: 336-346.
27
Memarian, H., Balasundram, S. K., & Khosla, R., 2013. Comparison between pixel-and object-based image classification of a tropical landscape using Système Pour l’Observation de la Terre-5 imagery. Journal of Applied Remote Sensing, 7(1), 073512.
28
Memarian, H., Balasundram, S. K., Talib, J. B., Teh Boon Sung, C., Mohd Sood, A., & Abbaspour, K. C., 2013. KINEROS2 application for land use/cover change impact analysis at the Hulu Langat Basin, Malaysia. Water and Environment Journal, 27(4), 549-560.
29
Memarian,H.; Tajbakhsh, M. & S. K. Balasundram, S. K., 2013. “Application of swat for impact assessment of land use/cover change and best management practices: a review,” International Journal of Advancement in Earth and Environmental Sciences, vol. 1, no. 1, pp. 36–40.
30
Minaei, M. & Kainz, W., 2016. Watershed Land Cover/Land Use Mapping Using Remote Sensing and Data Mining in Gorganrood, Iran. ISPRS Int. J. Geo-Info., 5: 57.
31
Minaei, M., & Kainz, W., 2018. Land cover change dynamics based on intensity analysis in gorganrood watershed, Iran. Journal of Agricultural Science and Technology, 20(5), 965-978.
32
Minaei. M. & Irannezhad, M., 2016. Spatio-Temporal Trend Analysis of Precipitation, Temperature, andRiver Discharge in the Northeast of Iran in Recent Decades. Theor. Appl. Climatol.
33
Mohseni, S.M., S.H. Hoseini, H. Ahmadi & A. Najafinejad., 2008. Assessment of watershed management projects (case study: Ramian Watershed, Golestan.
34
Mousavi, H.; Ranjbar, A.; & M. Haseli., 2014. Monitoring and Trending of Landuse Changes in Abarkooh Basin using Satellite Images (1976-2014), The Journal of Geographical Data (SEPEHR), 25(97), 129-146.
35
Mwangi, H.M.; Julich, S.; Patil, S.D.; McDonald, M.A. & Feger, K.H., 2016. Relative contribution of land use change and climate variability on discharge of Upper Mara River, Kenya. J. Hydrol. Reg. Stud. 5, 244–260.
36
Nadoushan, M. A., Abari, M. F., Radnezhad, H. & Sadeghi, M., 2017. Monitoring Land Use/Cover Changes Using Remotely Sensed Imagery in Isfahan, Iran. Indian J.Geo-Marine Sci., 46: 538-544.
37
Naseri, S., Jafari, M., Tavakoli, H., & Arzani, H., 2014. Effects of mechanical erosion control practices on soil and vegetation carbon sequestration (case study: Catchment Basin of Kardeh-Iran.
38
Nath R, Luan Y, Yang W, Yang C, Chen C, Li Q & Cui X., 2015. Changes in Arable Land Demand for Food in India and China: A Potential Threat to Food Security, 7: 5371–5397.
39
Pontius, R. G., Gao, Y., Giner , N., Kohyama, T., Osaki, M. , & Hirose, K., 2013. Design and Interpretation of Intensity Analysis Illustrated by Land Change in Central Kalimantan, Indonesia. International Journal of Lands 2, 351-369.
40
Pontius, R.G., Jr. & Malizia, N.R., 2004. Effect of category aggregation on map comparison. In Geographic Information Science; Springer: Adelphi, MD, USA. pp. 251–268.
41
Pontius, R.G., Jr.; Shusas, E. & McEachern, M., 2004. Detecting important categorical land changes while accounting for persistence. Agric. Ecosyst. Environ. 100, 251–268.
42
Rahim Rahnama, M., Homaeefar, A., & Piruz, T., 2013. Evaluating of Mashhad urban development plans from compact city viewpoint. American Journal of Engineering Research (AJER), 2(9), 208-213.
43
Richards, J. A. & Jia, X., 2006. Remote Sensing Digital Image Analysis, 4th ed., Springer-Verlag, Berlin, Heidelberg.
44
Richards, J. A., & Richards, J. A., 1999. Remote sensing digital image analysis (Vol. 3). Berlin et al.: Springer.
45
Royalli, D., 2013. The Hydro-geomorphic impact of land use in small head water.Earth Systems and EnvironmentalSciences, 130: 28-47.
46
Sanneke van Asselen, S. & Verburg, P. H., 2013. Land cover change or land-use intensification: simulating land system change with a global-scale land change model. Global Change Biology 19, 3648–3667.
47
Sardashti, M., Ghanavati, E., Rezayian, P., and Morshedi, J. 2011.Land use of change detection Taleghan watershed from year 1987-2002 using Landsat satellite imagery and remote sensing, National conference of Geomatics, Tehran, Geological Survey Iran. Pp: 1312-1319.
48
Sharifi, L.; Kamel, S.; & B. Feizizadeh., 2015. Monitoring Bioenvironmental Impacts of Dam Construction on Land Use Cover Changes in Sattarkhan Basin Using Multi-Temporal Satellite Imagery, Iranica Journal of Energy and Environment, 6 (1), 39-46.
49
Soffianian, A. & Madanian, M., 2015. Monitoring Land Cover Changes in Isfahan Province, Iran Using Landsat Satellite Data. Environ. Monitor. Assess., 187. doi:10.1007/s10661-015-4442-5
50
Tajbakhsh, M., Memarian, H., & Shahrokhi, Y., 2016. Analyzing and modeling urban sprawl and land use changes in a developing city using a CA-Markovian approach. Global Journal of Environmental Science and Management, 2(4), 397-410.
51
Thapa, R. B. & Murayama, Y., 2011. Urban Growth Modeling of Kathmandu Metropolitan Region, Nepal Computers, Environment and Urban Systems. 35(1), 25-34.
52
Viera, A. J., & Garrett, J. M., 2005. Understanding interobserver agreement: the kappa statistic. Fam med, 37(5), 360-363.
53
Wang, Z. et al., 2004. Object-oriented classification and application in land use classification using SPOT-5 PAN imagery. in Geosci. Rem. Sens. Symp., Vol. 5, pp. 3158–3160 (2004).
54
Zahedi, E., Mohammadi, M., & Bardi, S., 2012. Evaluation of urban land use change and impact on watershed hydrology Ziarat. Proceedings of the Seventh National Conference on Science and Watershed Engineering. Pp: 134-141.
55
Zhou, P., Huang, J., Pontius R. G., & Hong, H., 2014. “Land Classification and Change Intensity Analysis in a Coastal Watershed of Southeast China”. International Journal of Sensors 14(7): 11640-11658 .
56
ORIGINAL_ARTICLE
بررسی شاخص شدت زمستان در شمال غرب ایران
امروزه مدیریت بحران حوادث اقلیمی بهویژه در خصوص نگهداری شریانهای ارتباطی (جادهها) در فصل زمستان اهمیت زیادی دارد و کشورها هرساله بودجههای فراوانی را به این امر اختصاص میدهند. این مطالعه برمبنای آمار 18 ایستگاه سینوپتیک در شمال غرب کشور در فصل سرد (از اول اکتبر تا آخر مارس) در دوره آماری 2015-1986 انجام و با توجه به عدم گزارش ارتفاع برف و مقدار تجمعی آن در ایستگاههای سینوپتیک کشور، در این پژوهش از مقدار تجمعی درجه روز یخبندان بهعنوان شاخص استفاده شد. بررسیها نشان میدهد که ایستگاههای سراب، ماکو و تکاب مهمترین کانونهای شدت زمستانی است و درعینحال ایستگاه تکاب شدیدترین فصل زمستان را در دوره موردمطالعه به خود اختصاص داده است. همچنین مشخص شد که سال 1988 بهعنوان سردترین و 1998 بهعنوان گرمترین زمستان منطقه بوده است. تحلیل سینوپتیک دوره آماری مورد بررسی مشخص نمود که آنومالی منفی ارتفاع ژئو پتانسیل به میزان 10- متر سبب سرمایش شدید در سال 1988 گردیده و نیز آنومالی مثبت آن با بیش از 35+ متر منجر به گرمایش غیرعادی فصل سرد در 1998 شده است.
https://geoeh.um.ac.ir/article_33351_31f547d6f38e19c818e2daa2354fb6fd.pdf
2019-06-22
97
113
10.22067/geo.v0i0.78163
ایران
شاخص اقلیمی
سینوپتیک
شدت زمستان
شمال غرب
حسن
حیدری
ha.heidari@urmia.ac.ir
1
دانشگاه ارومیه
LEAD_AUTHOR
علیرضا
موقری
a.movaqqari@gmail.com
2
دانشگاه ارومیه
AUTHOR
علایی طالقانی، محمود؛ 1392. ژئومورفولوژی ایران. تهران: انتشارات قومس. 404 صفحه.
1
قویدل رحیمی، یوسف و خوشحال دستجردی، جواد؛ 1389. جستاری پیرامون سختی اقلیم زمستانی تبریز و ارتباط آن با نوسانات شمالگان. فصلنامه مدرس علوم انسانی. دوره 14 شماره 1 بهار 1389. صص 196-179.
2
Andrey, J., Li, J., & Mills, B., 2001, January. A winter index for benchmarking winter road maintenance operations on Ontario highways. In 80th Annual Meeting of the Transportation Research Board, Washington, DC.
3
Andrey, J., Mills, B., & Vandermolen, J., 2003. A temporal analysis of weather-related collision risk for Ottawa, Canada: 1990-1998. Transportation Research Board, Paper Number TRB2003-3488, Washington, DC.
4
Assel, R. A., 1980. Maximum freezing degree-days as a winter severity index for the Great Lakes, 1897–1977. Monthly Weather Review, 108(9), 1440-1445.
5
Boselly III, S. E., 1993. Road Weather Information Systems: What Are They and What Can They Do for You? Transportation Research Record, (1387).
6
Cerruti, B. J., & Decker, S. G., 2011. The local winter storm scale: A measure of the intrinsic ability of winter storms to disrupt society. Bulletin of the American Meteorological Society, 92(6), 721-737.
7
Decker, R., Bignell, J. L., Lambertsen, C. M., & Porter, K. L., 2001. Measuring efficiency of winter maintenance practices. Transportation Research Record, 1741(1), 167-175.
8
Hejduk, A., & Hejduk, L., 2014. Thermal and snow conditions of winters and winter floods on example of Zagożdżonka River. Annals of Warsaw University of Life Sciences-SGGW. Land Reclamation, 46(1), 3-16.
9
Hulme, M., 1982. A new winter index and geographical variations in winter weather. Journal of Meteorology, 7(3), 294-300.
10
Knudsen, Freddy, (1994. A Winter Index Based on Measured and Observed Road Parameters: In Proceedings of the 7th International Road Weather Conference SIRWEC, Seefeld, Austria, March 21-22, pp. 175-185.
11
Malcheva, K., Pophristov, V., Marinova, T., & Trifonova, L., 2019, February. Complex approach for classification of winter severity in Bulgaria. In AIP Conference Proceedings (Vol. 2075, No. 1, p. 120011. AIP Publishing.
12
Matthews, L., Andrey, J., Minokhin, I., & Perchanok, M., 2017. Operational Winter Severity Indices in Canada–From Concept to Practice. Planning, 53(54), 55.
13
McCaffery, R. M., & Maxell, B. A., 2010. Decreased winter severity increases viability of a montane frog population. Proceedings of the National Academy of Sciences, 107(19), 8644-8649.
14
Mews, J., 2013. Mapping winter weather severity index: Clear Roads, No. CR10-20, Feb.2013
15
Qui, L., 2008. Performance measurement for highway winter operations (Doctoral dissertation): Iowa City: University of Iowa. Retrieved from http://ir.uiowa.edu/etd/28/
16
Rissel, M. C., & Scott, D. G., 1985. Staffing of maintenance crews during winter months (No. 1019).
17
Strong, C., & Shvetsov, Y., 2006. Development of roadway weather severity index. Transportation research record, 1948(1), 161-169.
18
Suggett, J. M., Hadayeghi, A., Mills, B., Andrey, J. C., & Leach, G., 2006. Development of winter severity indicator models for Canadian winter road maintenance. In Annual Conference & Exhibition of the Transportation Association of Canada, 2006. Congres et exposition annuels de l'Association des transport du Canada, 2006. Transportation Association of Canada.
19
Walker, C. L., Hasanzadeh, S., Esmaeili, B., Anderson, M. R., & Dao, B., 2019. Developing a winter severity index: A critical review. Cold Regions Science and Technology.
20
WMO (World Meteorological Organization) (1989). The Changing Atmosphere: Implications for Global Security, Toronto, Canada, 27–30 June 1988, Geneva: Secretariat of the World Meteorological Organization.
21
ORIGINAL_ARTICLE
تحلیل و پیشبینی سناریویی اثرات تغییرات آبوهوا در آلودگی هوای کلانشهر تهران
برای ارزیابی تغییرات آینده آبوهوای کلانشهر تهران و روابط آن با کیفیت هوای تهران از روش پیشبینی سناریویی استفاده شد. در این روش ابتدا با استفاده از مدل SDSM و دادههای روزانه (دما و بارش) ایستگاههای سینوپتیک مستقر در کلانشهر تهران که از دوره آماری بیشتری برخوردار بودند به پیشبینی سناریویی ایستگاهها تا سال 2047 پرداخته شد. سپس با استفاده از میانگین روزانه دادههای هواشناسی (مشاهده شده و پیشبینی شده) ایستگاههای مورد مطالعه و میانگین روزانه دادههای آلاینده شهر تهران به بررسی همبستگی و روابط رگرسیونی دادههای میانگین مشاهده شده هواشناسی و آلودگی هوا پرداخته و با توجه به روابط رگرسیونی و دسترسی به دادههای سناریویی هواشناسی به پیشبینی سناریویی و وضعیت آلودگی هوا در سالهای آینده پرداخته شد. بررسی سناریویی شاخصهای آلودگی هوای کلانشهر تهران در ارتباط با شرایط آبوهوا نشان داده که در میان شاخصهای آلودگی هوا، شاخصهای CO2،O3 و PM10 با عناصر دمایی در ارتباط بوده و این شاخصها بهویژه دی اکسید کربن در ارتباط با شرایط دمایی روند افزایشی یا ثابتی را تا سی سال آینده (2047) تجربه خواهند کرد.
https://geoeh.um.ac.ir/article_33370_d7c1bb8b5c6b013ed4c268b25ccf8334.pdf
2019-06-22
115
132
10.22067/geo.v0i0.78939
تغییر آب و هوا
آلودگی هوا
پیش بینی سناریویی
روش SDSM
تهران
نبی الله
رمضانی
na.r1356@gmail.com
1
دانشگاه آزاد اسلامی- واحد علوم تحقیقات
AUTHOR
بهلول
علیجانی
alijanik@hu.ac.ir
2
دانشگاه خوارزمی
LEAD_AUTHOR
رضا
برنا
bornareza@yahoo.com
3
دانشگاه آزاد علوم تحقیقات
AUTHOR
اسماعیل نژاد، مرتضی؛ اسکندری ثانی، محمد؛ بارزمان، سپیده؛ 1394. ارزیابی و پهنهبندی آلودگی هوای کلانشهر تبریز. فصلنامه برنامهریزی منطقهای. دوره. شماره 19. ص 173.
1
اعطاف، سمیه سادات؛ 1395. بررسی تغییرات زمانی و مکانی بارش سالانه کشور بر اساس مدل گردش عمومی جو و SDSM. پایاننامه کارشناسی ارشد. مهندسی کشاورزی. دانشکده کشاورزی و منابع طبیعی. دانشگاه ملایر. ص 8
2
اکبری، الهه؛ فاخری، معصومه؛ پورغلامحسن، عفت؛ اکبری، زهرا؛ 1394. پهنهبندی ماهانه میزان آلودگی هوا و بررسی نحوه ارتباط آن با عوامل اقلیمی (مطالعه موردی: شهر مشهد). محیط زیست طبیعی (منابع طبیعی ایران). شماره. دوره 68. ص533.
3
جاوید، معصومه؛ 1391. توزیع مکانی و تغییرات فصلی نشست آلایندههای هوا در ایستگاههای هواشناسی انتخابی استان تهران. پایاننامه کارشناسی ارشد مهندسی کشاورزی. دانشکده کشاورزی و منابع طبیعی. دانشگاه تربیت مدرس.
4
جوانبخت امیری، ستاره؛ خاتمی، سید هادی؛ 1391. بررسی ارتباط بین آلایندههای شاخص کیفیت هوا و پارامترهای هواشناسی در تهران با رویکرد آنالیز رگرسیون. فصلنامه انسان و محیطزیست. شماره 20. ص 20.
5
رنجبر، فریبرز؛ 1395. شبیهسازی روند شاخصهای حدی دما و بارش ایران. پایاننامه دوره دکتری آب و هواشناسی. دانشکده جغرافیا. دانشگاه تهران. ص 11.
6
روشن، غلامرضا؛ خوش اخلاق،فرامرز؛ نگهبانی، سعید؛ میرکتولی، جعفر؛ 1388. تأثیر آلودگی هوا بر نوسانات اقلیمی شهر تهران. علوم محیطی. دوره 7. شماره 1. ص 173.
7
زبردست، اسفندیار؛ ریاضی، حسین؛ 1394. شاخصهای محیط انسان ساخت و تأثیرات آن بر آلودگی هوا (مطالعه موردی: محدوده پیرامونی چهارده ایستگاه سنجش کیفیت هوا در شهر تهران). هنرهای زیبا- معماری و شهرسازی. دوره 20. شماره 1. ص 55.
8
شهرداری تهران؛ 1389. اطلس کلانشهر تهران (http://atlas.tehran.ir/)
9
عیسی لو، علی اصغر؛ شاهمرادی، بهزاد؛ بهرامی، سیروان؛ سادات آقامیری، معصومه؛ 1390. آسیبپذیری فضایی و بحران آلودگی هوا در کلانشهر تهران. تهران: سومین همایش ملی عمران شهری. ص 126.
10
کاویانی، محمدرضا؛ 1391. میکروکلیماتولوژی. تهران: انتشارات سمت. ص 122.
11
منتظری، مریم؛ فهمی، هدایت؛ 1382. اثرات تغییر آبوهوا بر منابع آب کشور. تهران: مجموعه مقالات سومین کنفرانس منطقهای تغییر آبوهوا. ص 28.
12
نوروزی، اصغر؛ محمدی؛ 1393. پهنهبندی آلودگی هوای شهر اصفهان با استفاده از نرم افزار GIS و شاخص کیفیت هوا .(AQI) اولین همایش ملی محیطزیست. دانشگاه پیام نور واحد دهاقان. ص 69.
13
Allen, M.R., 2004. Observational Constraints on Future Climate, Robust from model dependent statement of uncertainty in climate forecasting, Contribution to the IPCC workshop on communicating uncertainty and risk: 6.
14
Daniel J. Jacob a, Darrell A. Winner., 2009. Effect of climate change on air quality, Atmospheric Environment, vol 43:51.
15
Edwards, J.M. and Slingo A., 1996. Studies with a flexible new radiation code 1: Choosing a configuration for a large-scale model. Q.J.R. Met. Soc., 122: 689-719.
16
Fenger,J.,2002, Urban air quality، Developments in Environmental Science,Vol 1:8.
17
Gemmer,M., ischer,T., 2014. Statistical downscaling and future scenario generation of temperatures for Pakistan Region. Theor Appl Climatol. DOI 10.1007/s00704-014-1176-1.
18
Kabiri, R., Ramani Bai, V., Chan, A., 2015. Assessment of hydrologic impacts of climate change on the runoff trend in Klang Watershed. Environmental Earth Science Journal, Vol 73:27.
19
Kazemi, D.H., Jianping Li, J., Rasul, G., Jiang Tong, J. Ali, G.,CheemaS.B.,Luliu Liu,L.,
20
Park, D.H., Han, K.B., and Kang, I.J., 2012. The Visualization by Analyzing the Relationship between the Air Pollutants and Climatic Factors using GIS.Proceedings of International conference on disaster management.http://iiirr.ucalgary.ca/.Kumamoto.Japan.August- 2017 - 26.
21
Peel.J. L., Haeuber, R. Garcia, V. Russel, A. G. Neas, L., 2012. Impact of nitrogen and climate change interactions on ambient air pollution and human health.Biogeochemistry.Open access at pringerlink.com.DOI 10.1007/s10533-012-9782-4.
22
Zamani Nuri,A.Farzaneh,M.Espanayi,K., 2014. Assessment of climatic parameters uncertainty under effect of different downscaling techniques. International Research Journal of Applied and Basic Sciences. Vol 8. No 9:1316.
23
Zulkarnain,H., Shamsudin,S. Sobri, H., 2014. Application of SDSM and LARS-WG for simulating and downscaling of rainfall and temperature, Theor.
24
ORIGINAL_ARTICLE
ارزیابی الگوریتم SPA و امکانسنجی استفاده از برونداد مدل MM5 برای تخمین دادههای مفقود ناشی از ابرناکی در تصاویرLST مودیس
روشهای اندکی به امکانسنجی استفاده از برونداد مدلهای پیشبینی عددی در تخمین مقادیر از دسترفته تصاویر سنجشازدور پرداختهاند. بدین منظور در تحقیق حاضر علاوه بر ارزیابی الگوریتم SPA در بازسازی تصاویر، امکان استفاده از برونداد مدل پیشبینی عددی MM5 در تخمین مقادیر مفقود تصاویر سنجشازدور بررسی شد. این مطالعه با استفاده از سری زمانی تولیدات LST مودیس در سالهای 2000 تا 2010 میلادی و برای منطقه شمال شرق ایران انجام شده است. نتایج شبیهسازیها بر اساس شاخصهای اعتبارسنجی RMSE، AD و R2 با یکدیگر مقایسه شدند. ارزیابیهای کمی نشان دادند که روش SPA با مقدار میانگین خطای 48/1 درجه سلسیوس، 95/1= RMSE و 79/0=R2 دقت مناسب و عملکرد خوبی در تخمین مقادیر مفقود دارد. اعتبارسنجی و مقایسه الگوریتمها در حالت پایه (آزمون 1) و حالت استفاده از برونداد مدل MM5 (آزمون 2) نشان دادند که در صورت نبود تصاویر کمکی مناسب سنجشازدور میتوان از خروجی مدل MM5 در الگوریتمهای هیبرید و بازسازی تصاویر استفاده نمود. ارزیابی بصری تصاویر بازسازی شده نشان داد که اجرای الگوریتم SPA برای هر دو آزمون، در بافت تصاویر مورد مطالعه الگوی مکانی مصنوعی ایجاد نکرد و روند تغییرات مکانی LST حفظ شد.
روشهای اندکی به امکانسنجی استفاده از برونداد مدلهای پیشبینی عددی در تخمین مقادیر از دسترفته تصاویر سنجشازدور پرداختهاند. بدین منظور در تحقیق حاضر علاوه بر ارزیابی الگوریتم SPA در بازسازی تصاویر، امکان استفاده از برونداد مدل پیشبینی عددی MM5 در تخمین مقادیر مفقود تصاویر سنجشازدور بررسی شد. این مطالعه با استفاده از سری زمانی تولیدات LST مودیس در سالهای 2000 تا 2010 میلادی و برای منطقه شمال شرق ایران انجام شده است. نتایج شبیهسازیها بر اساس شاخصهای اعتبارسنجی RMSE، AD و R2 با یکدیگر مقایسه شدند. ارزیابیهای کمی نشان دادند که روش SPA با مقدار میانگین خطای 48/1 درجه سلسیوس، 95/1= RMSE و 79/0=R2 دقت مناسب و عملکرد خوبی در تخمین مقادیر مفقود دارد. اعتبارسنجی و مقایسه الگوریتمها در حالت پایه (آزمون 1) و حالت استفاده از برونداد مدل MM5 (آزمون 2) نشان دادند که در صورت نبود تصاویر کمکی مناسب سنجشازدور میتوان از خروجی مدل MM5 در الگوریتمهای هیبرید و بازسازی تصاویر استفاده نمود. ارزیابی بصری تصاویر بازسازی شده نشان داد که اجرای الگوریتم SPA برای هر دو آزمون، در بافت تصاویر مورد مطالعه الگوی مکانی مصنوعی ایجاد نکرد و روند تغییرات مکانی LST حفظ شد.
https://geoeh.um.ac.ir/article_33393_e9209b5dbd28e93c602db682580f57b8.pdf
2019-06-22
133
147
10.22067/geo.v0i0.65717
ابرناکی
الگوریتم
داده مفقود
LST
MM5
نگار
سیابی
negarsiabi63@gmail.com
1
دانشگاه فردوسی مشهد
AUTHOR
سید حسین
ثنایی نژاد
sanaein@gmail.com
2
دانشگاه فردوسی مشهد
LEAD_AUTHOR
بیژن
قهرمان
bijan.ghahraman@yahoo.com
3
دانشگاه فردوسی مشهد
AUTHOR
Addink, E.A., 1999. A comparison of conventional and geostatistical methods to replace clouded pixels in NOAA–AVHRR images. International Journal of Remote Sens, 20: 961– 977.
1
Ahmadian, J., Sheibani, D., Iraqi, H., Shirmohammadi, R., & Mojarad, M., 2002. agricultural Classification of climate for sustainable water resources management in developing countries. P. 593-605. Eleventh Meeting of the National Committee on Irrigation and Drainage, January 2002, Tehran, Iran.
2
Boegh, E., Soegaard, H., Christensen, J.H., Hasager, C.B., Jensen, N.O., Nielsen, N.W. and Rasmussen, M.S., 2004. Combining weather prediction and remote sensing data for the calculation of evapotranspiration rates: application to Denmark. International Journal of Remote Sensing, 25(13): 2553-2574.
3
Brooks, E.B., Thomas, V.A., Wynne, R.H. and Coulston, J.W., 2012. Fitting the multitemporal curve: A Fourier series approach to the missing data problem in remote sensing analysis. IEEE Transactions on Geoscience and Remote Sensing, 50(9): 3340-3353.
4
Chan, T., and Shen, J., 2001. Nontexture inpainting by curvature-driven diffusions. Journal of Visual Communication and Image Representation, 4: 436-449
5
Chen, J., Jönsson, P., Tamura, M., Gu, Z., Matsushita, B. and Eklundh, L., 2004. A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky–Golay filter. Remote sensing of Environment, 91(3): 332-344.
6
Chen, J., Zhu, X., Vogelmann, J.E., Gao, F. and Jin, S., 2011. A simple and effective method for filling gaps in Landsat ETM+ SLC-off images. Remote Sensing of Environment, 115(4): 1053-1064
7
Ferguson, C.R. and Wood, E.F., 2010. An evaluation of satellite remote sensing data products for land surface hydrology: Atmospheric infrared sounder. Journal of Hydrometeorology, 11(6): 1234-1262.
8
Gao, Y. and Mas, J.F., 2008. A comparison of the performance of pixel-based and object-based classifications over images with various spatial resolutions. Online journal of earth sciences, 2(1): 27-35.
9
Gerber, F., Furrer, R., Schaepman-Strub, G., de Jong, R. and Schaepman, M.E., 2016. Predicting missing values in spatio-temporal satellite data. arXiv preprint arXiv:1605.01038.
10
Grell G A, Dudhia J, Staurer F R. 1995. A description of the fifth-generation Penn State/NCAR mesoscale model (MM5). NCAR Tech Note NCAR/TN- 398 +STR. 122, Boulder, Colorado [EB/OL]. http://www.mmm.ucar.edu/mm5/doc1.html/2003-07-19
11
Hengl, T.G.B., Heuvelink, M. Perˇcec Tadi´c, and E.J. Pebesma. 2012. Spatio-temporal prediction of daily temperatures using time-series of MODIS LST images. Journal of Theor. Appl. Climatol, 107: 265–277.
12
Jang, K., Kang, S., Kim, J., Lee, C.B., Kim, T., Kim, J., Hirata, R. and Saigusa, N., 2010. Mapping evapotranspiration using MODIS and MM5 four-dimensional data assimilation. Remote Sensing of Environment, 114(3): 657-673.
13
Kandasamy, S., Baret, F., Verger, A., Neveux, P. and Weiss, M., 2013. A comparison of methods for smoothing and gap filling time series of remote sensing observations–application to MODIS LAI products. Biogeosciences, 10(6): 4055-4071.
14
Kilibarda, M., Hengl, T., Heuvelink, G., Gräler, B., Pebesma, E., Perčec Tadić, M. and Bajat, B., 2014. Spatio‐temporal interpolation of daily temperatures for global land areas at 1 km resolution. Journal of Geophysical Research: Atmospheres, 119(5):2294-2313.
15
Li, Z.L., Tang, B.H., Wu, H., Ren, H., Yan, G., Wan, Z., Trigo, I.F. and Sobrino, J.A., 2013. Satellite-derived land surface temperature: Current status and perspectives. Remote Sensing of Environment, 131: 14-37.
16
Lloyd, C.D. and Atkinson, P.M., 2002. Deriving DSMs from LiDAR data with kriging. International Journal of Remote Sensing, 23(12): 2519-2524.
17
Maxwell, S., Schmidt, G., and Storey, J., 2007. A multi-scale segmentation approach to filling gaps in Landsat ETM+SLC-off images. International Journal of Remote Sensing, 28:5339-5356.
18
McMillen, D.P., 2012. Quantile regression for spatial data. Springer Science & Business Media.
19
Meij, A.D., Gzella, A., Cuvelier, C., Thunis, P., Bessagnet, B., Vinuesa, J.F., Menut, L. and Kelder, H.M., 2009. The impact of MM5 and WRF meteorology over complex terrain on CHIMERE model calculations. Atmospheric Chemistry and Physics, 9(17): 6611-6632.
20
Mobasheri, M.R., Sadeghi Naeini, A., 2007. Using IRS Products to Recover 7ETM+ Defective Images. American Journal of Applied Science. 5(6): 618-625.
21
Mohammdy, M., Moradi, H.R., Zeinivand, H., Temme, A.J.A.M., Pourghasemi, H.R. and Alizadeh, H., 2014. Validating gap-filling of Landsat ETM+ satellite images in the Golestan Province, Iran. Arabian Journal of Geosciences, 7(9): 3633-3638.
22
Salomonson, V.V., Guenther, B. and Masuoka, E., 2001. A summary of the status of the EOS Terra Mission Moderate Resolution Imaging Spectroradiometer (MODIS) and attendant data product development after one year of on-orbit performance. In Geoscience and Remote Sensing Symposium, 2001. IGARSS'01. IEEE 2001 International, 3: 1197-1199. IEEE.
23
Savitzky, A. and Golay, M.J., 1964. Smoothing and differentiation of data by simplified least squares procedures. Analytical chemistry, 36(8): 1627-1639.
24
Wan, Z., Zhang, Y., Zhang, Q. and Li, Z.L., 2002. Validation of the land-surface temperature products retrieved from Terra Moderate Resolution Imaging Spectroradiometer data. Remote sensing of Environment, 83(1): 163-180.
25
Wan, Z., Zhang, Y., Zhang, Q., Li, Z., 2004. Quality assessment and validation of the MODIS global land surface temperature. International Journal of Remote Sensing, 25(1): 261–274.
26
Zeng, C., Shen, H. and Zhang, L., 2013. Recovering missing pixels for Landsat ETM+ SLC-off imagery using multi-temporal regression analysis and a regularization method. Remote Sensing of Environment, 131: 182-194.
27
Zhou, J., Jia, L. and Menenti, M., 2015. Reconstruction of global MODIS NDVI time series: Performance of harmonic analysis of time series (HANTS). Remote Sensing of Environment, 163: 217-228.
28
Zhu, X., Liu, D., and Chen, J., 2012. A new geostatistical approach for filling gaps in Landsat ETM + SLC-off images. Remote Sensing of Environment, 124: 49–60.
29
ORIGINAL_ARTICLE
تحلیل و پیشبینی گسترش شهر مشهد با استفاده از تصاویر ماهوارهای چندزمانه و زنجیره مارکوف (طی سالهای ۱۴۰۴-۱۳۷۹)
گسترش فیزیکی شهرها یک فرایند پویا و پیوسته است که در آن مرزهای شهر و فضای فیزیکی در جهتهای عمودی و افقی از نقاط کمی و کیفی افزایش مییابد. روش تحقیق حاضر از نوع توصیفی- تحلیلی و از نظر هدف کاربردی است تحقیق حاضر در پی ارزیابی و گسترش شهر مشهد در طی سالهای ۱۳۷۹-۱۳۹۵ و سپس پیشبینی تغییرات تا سال ۱۴۰۴ است. دادههای مورد نیاز پژوهش به روش اسنادی؛ و برای پی بردن به نوع و میزان تغییرات رخ داده در منطقه مورد مطالعه از تصاویر ماهواره لندست، سنجنده ETM سالهای، ۱۳۸۸، ۱۳۷۹ و سنجنده OLI استفاده شده است. پس از عملیات طبقهبندی که از روش نظارت شده و الگوریتم حداکثر مشابهت استفاده شده است، در ادامه جهت پی بردن به تغییرات صورت گرفته در کاربری اراضی شهر مشهد که شامل کاربریهای باغات و زمینهای کشاورزی، محدودههای ساخته شده، اراضی بایر و مراتع مد نظر قرار گرفته از مدل زنجیره مارکوف استفاده شد؛ همچنین برای پیشبینی روند تغییرات تا سال ۱۴۰۴ از مدل CA استفاده شده است. همچنین در این پژوهش جهت اعتماد به طبقهبندی صورت گرفته از شاخص کاپا استفاده شده است. نتایج به دست آمده نشان میدهد که بیشترین تغییر، در سالهای ۷۹ تا ۸۸ مربوط به محدوده باغات و اراضی کشاورزی بوده است، اراضی بایر در سال ۱۳۸۸ به نسبت سال ۱۳۷۹ کاهش یافته است اما در سال ۱۳۹۵ نسبت به سال ۱۳۸۸ افزایش یافته است. مساحت مراتع در سال ۱۳۸۸ به نسبت سال ۱۳۷۹ کاهش یافته است اما در سال ۱۳۹۵ نسبت به سال ۱۳۸۸ و ۱۳۷۹ افزایش چشمگیری داشته است. همچنین در طی ۳ بازه زمانی ۱۳۹۵، ۱۳۸۸، ۱۳۷۹ بیشترین تغییر در کاربریها مربوط به محدودههای ساخته شده است که بر اساس پیشبینی مارکوف در افق ۱۴۰۴ این کاربری حدود ۱۲۱٫۵۷% دچار تغییر خواهد شد؛ بنابراین نتایج مقاله حاضر میتواند بهعنوان هشدار و تلنگری برای برنامه ریزان و مدیران شهری باشد تا با برنامهریزی مناسب مانند سیاستهای عمودی سازی و بهعبارتدیگر گسترش در ارتفاع و نه در سطح، از گسترش بیرویه شهر به سمت باغات و اراضی کشاورزی جلوگیری نمایند.
https://geoeh.um.ac.ir/article_33415_546f4e61cc23c03a5efbc27604a118d1.pdf
2019-06-22
149
166
10.22067/geo.v0i0.78082
توسعه فیزیکی شهر
تغییر کاربری اراضی
زنجیرههای مارکوف
لندست
مشهد
ابراهیم
اکبری
e.akbari.2791@gmail.com
1
دانشگاه تبریز
LEAD_AUTHOR
رحمان
زندی
rahmanzandi@gmail.com
2
دانشگاه حکیم سبزواری
AUTHOR
رقیه
کلاته میمری
r.kalateh73@gmail.com
3
دانشگاه فردوسی
AUTHOR
اطهاری، کمال؛ 1379. به سوی کارآمدی دخالت دولت در بازار زمین شهری. فصلنامه اقتصاد مسکن. شماره 18. سازمان ملی زمین و مسکن شماره30. صص 245-237.
1
رمضانی، نفیسه، جعفری، رضا؛ ۱۳۹۳. آشکارسازی تغییرات کاربری و پوشش اراضی در افق ۱۴۰۴ با استفاده از مدل زنجیرهای CA مارکوف (مطالعه موردی: اسفراین). فصلنامه تحقیقات جغرافیایی. شماره 4. صص96-83.
2
رهنما، محمدرحیم، عباس زاده، غلامرضا؛ 1387. اصول مبانی و مدلهای سنجش فرم کالبدی شهر. انتشارات جهاد دانشگاهی مشهد.
3
علوی پناه، کاظم؛ 1384. کاربرد سنجشازدور در علوم زمین. انتشارات دانشگاه تهران.
4
علوی پناه، کاظم؛ متین فر، ح. ر؛ 1383. ارزیابی کاربری دادههای ماهوارهای از نظر صرفه جویی وقت. کنفرانس ملی بهره وری. فرهنگستان علوم ایران. ص 478.
5
علیزاده ربیعی، حسن؛ 1392. سنجشازدور (اصول و کاربرد). انتشارات سازمان مطالعه و تدوین کتب علوم انسانی دانشگاهها (سمت). صفحه218.
6
فیضی زاده، بختیار؛ حاجی میری، محمود؛ 1387. آشکار سازی تغییرات کاربری اراضی با استفاده از روش طبقهبندی شیءگرا (مطالعه موردی: شهرک اندیشه). همایش ژئوماتیک 87. تهران: سازمان نقشه برداری کشور.
7
ماجدی، حمید؛1378. زمین مساله اصلی توسعه شهری. مجله آبادی. شماره33. مرکز مطالعات و تحقیقات شهرسازی و معماری ایران.
8
محمد اسماعیل، زهرا؛ 1389. پایش تغییرات کاربری اراضی کرج با استفاده از تکنیک سنجشازدور. مجله پژوهش-های خاک (علوم خاک و آب). شماره1. صص88-81.
9
مرکز آمار ایران. سالهای؛ 1335-1390.
10
مهندسین مشاور بافت شهر؛1381. گزارش طرح راهبردی و گردشگری منطقه طرقبه و شاندیز- مشهد.
11
مهندسین مشاور فرنهاد؛ 1389. طرح راهبردی توسعه و عمران شهر شاندیز. وزارت مسکن و شهر سازی خراسان رضوی.
12
واحدیان بیکی، لیلا، پوراحمد، احمد، سیف الدینی، فرانک؛ ۱۳۹۰. فصلنامه علمی- پژوهشی نگرشی نو در جغرافیای انسانی- سال چهارم. شماره 1. صص46-30.
13
Acevedo, W., Forestman, T. W., Buchanan,J. T., 1996. Origins and philosophy of building a temporal database to examine human transformation processes.Proceedings, ASPRS/ ACSM Annual Convention and Exhibition, Baltimore,, 24:148–161.
14
Ewing, R., 1997. Is Los Angelez-style sprawl desirable?.J. Am. Plan. Assoc. 63.107-27.
15
Fan, Fenglei, Wang, Yunpeng, and Wang, Zhishi., 2008, Temporal and spatial change,detecting (1998–2003) and predicting of land use and land cover in Core corridor of Pearl pp: 127-147.
16
Goward, S. N., G. D. Cruickshanks, and A. S.Hope., 1985. Observed relation between thermal emission and reflected spectral radiance of a complex vegetated landscape, Remote Sensing of Environment, 18: 137-146.
17
Guan, DongJie, Li, HaiFeng, Inohae, Takuro, Su Weici, Nagaie, Tadashi, and Hokao, Kazunori., 2011, Modeling urban land use change by the integration of cellular automaton and Markov model, Ecological Modelling, 222 (20–22), 3761-3772.
18
Gupta, R. P., 2003, Remote Sensing Geology. Second Edition, Springer-Verlag, Berlin,p: 655.
19
Kamusoko, Courage, Aniya, Masamu, Adi, Bongo and Manjoro, Munyaradzi, 2009,Rural sustainability under threat in Zimbabwe – Simulation of future land use/cover changes in the Bindura district based on the Markov-cellular automata model, Applied Geography, 29: 435-447.
20
Knorn, J. A. Rabe, C.V. Radeloff, T. Kuemmerle, J. Kozak and Hostert, P., 2009. Land cover mapping of largeareas using chain classification of neighboring Landsat satellite images. Remote Sens, Environ. 113: 957– 964.
21
Mas, Jean-François, Melanie, Kolb, Martin, Paegelow, Maria Teresa, Camacho Olmedo, and Thoma, Houet., 2014, Inductive pattern-based land use/cover change models: Acomparison of four software packages, Environmental Modelling & Software, 51: 94-111.
22
Matsushita, B. Xu, M. and Fukushima, T., 2006. Characterizing Changes in Landscape Structure in the Lake Kasumigaura Basin, Japan Using a High-Quality GIS Dataset, Journal of Landscape and Urban Planning, 78: 241-250.
23
modeling as a practical tool for decision-makers, Journal of Environmental Management,129: 235-243.
24
Pontius, Robert. Gilmore. and Chen, Hao., 2006. Geomod Modeling, USA: Clark
25
River Delta (China) by using TM and ETM+ images, Environmental Monitoring and Assessment, 137: 127-147.
26
Sohl, Terry L. and Claggett, Peter R., 2013. Clarity versus complexity: Land-use
27
Torrens, P.M., Sullivan, D. O. 2000. Cellular Automata and Urban Simulation: Where do we go from here, Environment and Planning, 28: 163-168.
28
Tso. B. and P.M. Mather., 2009. Classification Methods for Remotely Sensed Data. Chapter 2-3. 2nd ed., Taylor and Francis Pub., America Upadhyay, Thakur, Solberg, Birger, and Sankhayan, Prem Lall., 2006, Use of models to analyse land-use changes, forest/soil degradation and carbon sequestration with special reference to Himalayan region: A review and analysis, Forest Policy and Economics, 9: 349-371.
29
Wang, Shi Qing, Zheng, Xizinqi, and Zang, X. B., 2012. Accuracy assessments of land use change simulation based on Markov-cellular automata model, Procedia Environmental Sciences, 13: 1238-1245.
30
Wassmer, R.W., 2002. Influences of the fiscalization of land Use and urban-Growth Boundaies,www.csus. edu/indiv/w/wassmerr/sprawl.html.
31
Whitford, Walter G., Translated by, Azarnivand, Hossein, and Malekian, Arash. 2008. Ecology of desert systems, Tehran: University of Tehran. P. 340.
32
Yuan,F.,K.E,Sawaya.B.C,Loeffelholz& M.E,Bauer., 2005. "Land cover lassification andchange analysis of the twin Cities (Minnesota).
33
Zhang, Zh., V. Lieven, C. Eva De, X. Ou and De.W. Robert., 2008. Vegetation change detection using artificial neural networks with ancillary data in Xishuangbanna, Yunnan Province, China. Chin. Sci. Bull. 52: 232-243.
34
ORIGINAL_ARTICLE
پایش روند تغییرات ارتفاعی سطح زمین در شهرکرمان و تعیین مناطق پرخطر با استفاده از تصاویر راداری ASAR و SENTINEL 1
تغییرات ارتفاعی رخداده در سطح زمین که غالباً بهصورت فرونشست و گاهی بالاآمدگی ظاهر میشود، بهعنوان یک مخاطره خاموش ولی جدی در محدوده شهرها بهحساب میآید، که میتواند بهمرورزمان صدمات جدی به تأسیسات شهری وارد سازد. به دلیل تغییرات رخداده در سطح آبهای زیرزمینی شهر کرمان، پدیده فرونشست و بالاآمدگی با شدت زیادی در این محدوده وجود دارد که میتواند خسارات جبرانناپذیری به شهر وارد نماید و هدف تحقیق پایش این تغییرات است. در این تحقیق سعی شده است که با استفاده از تکنیک تداخلسنجی تصاویر راداری میزان تغییرات ارتفاعی رخداده در محدوده شهر کرمان بررسی و نحوه تغییرات مکانی آن در طول 14 سال اخیر مورد پایش قرار گیرد. در این راستا از 6 تصویر از سنجنده ASAR و 2 تصویر از سنجنده SENTINEL1 مربوط به چهار دوره زمانی، استفاده شد و با انجام تکنیک تداخلسنجی، چهار تداخلنگاشت از محدوده مورد مطالعه تهیه گردید. با مطالعه تداخلنگاشتها، نرخ و دامنه فرونشست و بالاآمدگی استخراج گردید. بر این اساس حداکثر نرخ فرونشست و بالاآمدگی در چهار دوره زمانی مربوط به سالهای 1386 - 1383، 1389- 1386، 1391-1389و 1396-1393، به ترتیب 3/7، 6/7، 9 و 6/10 سانتیمتر در سال فرونشست و 6، 6/6، 5 و 6/4 سانتیمتر در سال بالاآمدگی بوده است. استخراج عرصه در معرض مخاطره نشان داد از مجموع مساحت محدوده در حدود 43 درصد در پهنههای پرخطر تا نسبتاً پرخطر قرار دارد. شواهد میدانی نشان میدهد که علاوه بر محدودههای فرونشستی، در مناطق با نرخ تورم و بالاآمدگی زیاد نیز آثار و شواهد خسارات به ساختمانها بهوضوح دیده میشود. نقشههای جابجایی ایجاد شده نشان میدهد که سطح زمین در شهر کرمان از سال 1383 تاکنون دچار یک روند فرونشست فزایندهای شده است بهطوریکه علاوه بر افزایش نرخ فرونشست، محدودههای بیشتری از شهر درگیر آن شده است.
https://geoeh.um.ac.ir/article_33430_756c616bfc104b89f64c8b959fc0e9af.pdf
2019-06-22
167
182
10.22067/geo.v0i0.77132
فرونشست زمین
تداخلسنجی راداری
ASAR
SENTINEL 1
شهر کرمان
علی
مهرابی
mehrabi@uk.ac.ir
1
شهید باهنر کرمان
LEAD_AUTHOR
حسین
غضنفرپور
ma1380@uk.ac.ir
2
دانشگاه شهید باهنر کرمان
AUTHOR
امینی زاده بزنجانی، محمدرضا ؛ آقاملایی، ایمان؛ لشکری پور، غلامرضا؛ غفوری، محمد؛ بهرامی، محمد؛ 1395. بررسی تأثیر محیط رسوبی بر خواص مهندس خاکهای شهر کرمان با توجه به رفتار مقاومتی آنها. نشریه زمین شناسی مهندسی. جلد دهم. شمارۀ 1. صص. 3245-3270.
1
آقاملایی، ایمان؛ لشکری پور، غلامرضا؛ غفوری، محمد؛ حافظی مقدس، ناصر؛ 1396. بررسی اثرات بالا امدگی و پیش بینی نوسانات سطح آب زیرزمینی ناشی از توسعه شبکه جمع آوری فاضلاب در شهر کرمان. فصلنامه علمی پژوهشی مهندسی آبیاری و آب. سال هشتم. شماره سیام. صص. 140-157.
2
تورانی، مرجان؛ آقاتابای، مریم؛ روستایی، مهآسا؛ 1397. مطالعۀ فرونشست در غرب استان گلستان با استفاده از روش تداخل سنجی راداری. مجله آمایش جغرافیایی فضا. سال هشتم. شماره بیست و هفتم. صص. 117-128.
3
جنت، کبری؛ قاضی فرد، اکبر؛ 1388. بررسی ویژگیها و علل فرونشست در دشت گلپایگان با استفاده از تداخل-سنجی رادار و GIS. نخستین کنفرانس آبهای زیرزمینی. صص. 1-9
4
حاجب، زهرا؛ موسوی، زهرا؛ معصومی، زهره؛ رضایی، ابوالفضل؛ 1397. بررسی فرونشست دشت قم با استفاده ازتداخل سنجی راداری. مجموعه مقالات هجدهمین کنفرانس ژئوفیزیک ایران. صص. ٣٥٢-355.
5
حشمی، شیما؛ المدرسی، سید علی؛ 1394. مدلسازی فرونشست دشت نیشابور با استفاده از سریهای زمانی و تکنیک DINSAR. جغرافیا و برنامهریزی محیطی 57(1). صص.67-84.
6
شریفی کیا، محمد؛ مال امیری، نعمت؛ شایان، سیاوش؛ 1392. سنجش میزان آسیبپذیری بافتهای شهری در برابر مخاطره فرونشست زمین مطالعه موردی (بخشی از جنوب شهر تهران). جغرافیا و مخاطرات محیطی. شماره پنجم. صص. 91-106.
7
شریفی کیا، محمد؛ 1391. تعیین میزان و دامنه فرونشست زمین به کمک روش تداخل سنجی راداری در دشت نوق- بهرمان. مجله مدرس علوم انسانی- برنامه ریزی و آمایش فضا. 16(3). صص. 34-42.
8
صالحی، رضا؛ غفوری، محمد؛ لشکری پور، غلام رضا؛ دهقانی، محمد؛ 1392. بررسی فرونشست دشت مهیار جنوبی با استفاده از روش تداخل سنجی راداری. فصلنامه علمی پژوهشی مهندسی آبیاری و آب. سال سوم. شماره 11. صص. 47 -57.
9
عباس نژاد، احمد؛ 1383. حفره فروکش کارستی در اختیارآباد شمال باختری کرمان. نشریه علوم زمین. سال یازدهم. شماره 51. صص. 28-35.
10
عباس نژاد، احمد؛ حسن زاده، رضا؛ 1385. ارزیابی خطر نشست و تورم زمین در شهر کرمان با استفاده از GIS. بیست و پنجمین گردهمایی علوم زمین. صص. 1-7.
11
کریمی، مرتضی؛ قنبری، علی اصغر؛ امیری، شهرام؛ 1392. سنجش خطرپذیری سکونتگاههای شهری از پدیده فرونشست زمین مطالعه موردی: منطقه 18 شهر تهران. مجله علمی-پژوهشی برنامهریزی فضایی (جغرافیا). سال سوم. شماره اول. صص. 37-56.
12
مهرابی، علی؛ پورخسروانی، محسن؛ 1397. اندازه گیری میزان جابجایی سطح زمین ناشی از زلزله 1383 داهوئیه (زرند) استان کرمان و شناسایی گسل عامل آن با استفاده از تکنیک تداخلسنجی راداری. مجله پژوهشهای ژئومورفولوژی کمی. دوره 7. شماره 1. صص. 61-73.
13
میرشاهی، فاطمهالسادات؛ ولدانزوج، محمدجواد؛ دهقانی، مریم؛ هاشمی امینآبادی، سیدمحمد؛ 1392. اندازه گیری فرونشست سطح زمین به کمک تکنیک تداخلسنجی راداری با استفاده از تصاویر TerraSAR- . بیستمین همایش ملی ژئوماتیک.
14
یاراحمدی، جمشید؛ 1395. بررسی پدیده فرونشست زمین در دشتهای بحرانی استان آذربایجان شرقی به روش اینترفرومتری راداری. اولین همایش بین المللی مخاطرات طبیعی و بحرانهای زیست محیطی ایران، راهکارها و چالشها. تبریز.
15
Boni, R., Herrera, G., Meisina C., Notti, D., Bejar-Pizarro, M., Zucca, F., Gonzalez, PJ., Palano, M., Tomas, R., Fernandez, J., Fernandez- Merodo, JA., Mulas, J., Aragon, R., Guardiola-Albert, C., Mora, O., 2015. Twenty-year advanced DInSAR analysis of severe land subsidence: the Alto Guadalentı´n Basin (Spain) case study. Eng Geo, 198:40–5
16
Burgmann, R., Rosen, P., Fielding E., 2000. Synthetic Aperture Radar interferometry to measure Earth’s surface topography and its deformation. Annu. Rev. Earth. Planet. Sci., 28, 169– 209.
17
Castellazzia, P., Dominguezb, N., Martela, R., Calderheada, A., Normandc, J., Garfiasb, L., Riverada, A., 2016. Land subsidence in major cities of Central Mexico: InterpretingInSAR-derived land subsidence mapping with hydrogeological data. International Journal of Applied Earth Observation and Geoinformation, 47: 102–111.
18
Chang, C. P., Chang, T. Y., Wang, C. T., Kue, C. H. & Chen, K. S., 2004. Land surface deformation corresponding to seasonal ground-water fluctuation, determining by SAR interferometry in the SW Taiwan. Math. Comput. Sim., 67: 351-359.
19
Ferretti, A., Savio, G. Barzaghi, R., Borghi, A., Musazzi, S., Novali, F., Prati, C., Rocca, F., 2007. Submillimeter Accuracy of InSAR Time Series: Experimental Validation. Geoscience and Remote Sensing. IEEE Transactions, 45, 1142-1153.
20
Ferretti, D., Colombo, A., Fumagalli, F., Novali, F., Rucci A., 2015. InSAR data for monitoring land subsidence: time to think. big-proc-iahs.net.
21
Ghazifard, A., Akbari, E., Shirani, K., Safaei, H., 2017. Evaluating land subsidence by field survey and D-InSAR technique in Damaneh City, Iran. J Arid Land, 9(5): 778–789.
22
Ghazifard, A., Moslehi, A., Safaei, H., Roostaei, M., 2016. Effects of groundwater withdrawal on land subsidence in Kashan Plain, Iran. Bull Eng Geol Environ, 75:1157–1168.
23
Hooper, M., Bekaert, D., Spaans, K., Arikan, M., 2012. Recent advances in SAR interferometry time series analysis for measuring crustal deformation. Tectonophysics, pp: 514- 517.
24
Jafari, F., Javadi, S., Golmohammadi, G., Karimi, N., Mohammadi, K., 2016. Numerical simulation of groundwater flow and aquifer-system compaction using simulation and InSAR technique: Saveh basin, Iran. Environ Earth Sci., 75:833.
25
Lanari, R., Lundgren, P., Manzo, M. & Casu, F., 2004. Satellite radar interferometry time series analysis of surface deformation for Los Angeles, California. Geophysical Research Letters, 31.
26
Liu, X., Wang, Y., Yan, S., 2014. Monitoring vertical ground deformation in the North China Plain using the multitrack PSInSAR technique. Chin J Geophys- Chin Edit, 57:3129–3139
27
Liu, X., Wang, Y., Yan, S., 2017. Ground deformation associated with exploitation of deep groundwater in Cangzhou City measured by multi-sensor synthetic aperture radar images. Environ Earth Sci., 76:6.
28
Lubis, AM., Sato, T., Tomiyama, N., Isezaki, N., Yamanokuchi, T., 2011. Ground subsidence in Semarang-Indonesia investigated by ALOS–PALSAR satellite SAR interferometry. J Asian Earth Sci., 40:1079–1088.
29
Motagh, M., Y. Djamour, T.R. Walter, H.U. Wetzel, J. Zschau and S. Arabi., 2007. Land subsidence in Mashhad Valley, northeast Iran, results from InSAR, leveling and GPS. Geophysical Journal International, 168: 518-526.
30
Raspini, F., 2013. Advanced interpretation of land subsidence by validati multi-interferometric SAR data: the case study of the Anthemountas basin (Northern Greece. Natural Hazards and Earth System Sciences, (23): 24-45.
31
Sharifikia, M., 2012. Determination of the rate and extent of earth subsidence using the radar interferometry method in Noogk-Bahreman plain. Quarterly Journal of Humanities (Space Planning), 16(3): 34 -42.
32
Zhao, F., 2016. Study on the Method of Multi-platform SAR Data Sets Based Ground Deformation Monitoring (Chinese) Dissertation. China University of Mining and Technology, (23)12: 123-134.
33
ORIGINAL_ARTICLE
تبیین مدیریت راهبردی بحران با رویکرد تابآوری شهری (مطالعه موردی: بافت فرسوده شهر اهواز)
ایمنی شهرها بهویژه بافت فرسوده و تاریخی در برابر مخاطرات و میزان تابآوری آنها یکی از اهداف برنامهریزی شهری بوده و در این راستا اولین گام، اطلاع از میزان تابآوری شهرها در برابر مخاطرات است. ازاینرو در این پژوهش با استفاده از مدل SWOT به بررسی و تحلیل نقاط قوت، ضعف، فرصت و تهدید پیش روی مدیریت بحران در بافت فرسوده هسته مرکزی شهر اهواز پرداخته شده و راهبردهایی جهت مدیریت بهینه و سریع بحران در محدوده مذکور ارائه گردیده است. این پژوهش ازلحاظ هدف از نوع کاربردی و از حیث روش تحقیق، توصیفی- تحلیلی است. رویکرد حاکم بر این پژوهش از نوع اسنادی و میدانی (پرسشنامه) است. جامعه آماری پژوهش شامل کارشناسان شهرسازی و معماری معاونت شهرسازی شهرداری و شهرداری منطقه یک اهواز میشوند که تعداد 36 نفر را شامل میشوند؛ و بهمنظور تجزیهوتحلیل اطلاعات از مدل تحلیل راهبردی SWOT استفاده شده است. بر اساس نتایج پژوهش، وضعیت مدیریت بحران و میزان تابآوری در هسته مرکزی شهر اهواز در موقعیت تهاجمی- رقابتی قرار دارد و بایستی از توانمندیها و پتانسیلهای موجود در هسته مرکزی شهر اهواز و فرصتهای پیش رو به نحو احسن استفاده کرد تا بتوانیم در امر مدیریت بحران موفق باشیم؛ بنابراین، توجه به مسئله تابآوری در راستای مدیریت بحران هسته مرکزی شهر اهواز بهواسطه وجود آثار و ابنیه ارزشمند تاریخی و فرهنگی و همچنین ویژگیهای کالبدی این محدوده بهعنوان مسائل مهم مطرح میباشند.
https://geoeh.um.ac.ir/article_33447_8588951d581c0542cc458d7f18961b1d.pdf
2019-06-22
183
209
10.22067/geo.v0i0.80239
مدیریت بحران
تابآوری
بافت فرسوده
مدل SWOT
شهر اهواز
سعید
امانپور
amini1388@yahoo.com
1
دانشگاه شهید چمران اهواز
AUTHOR
حسن
حسینی امینی
2
پژوهشکده و دانشکده پدافند غیر عامل
AUTHOR
حسین
عبادی
h.ebadi940@gmail.com
3
دانشگاه شهید چمران اهواز
LEAD_AUTHOR
احدنژادروشتی، محسن؛ قرخلو، مهدی؛ زیاری، کرامت اله؛ 1389. مدل سازی آسیب پذیری ساختمانی شهرها در برابر زلزله با استفاده از روش فرایند تحلیل سلسلهمراتبی در محیط سیستم اطلاعات جغرافیایی نمونه موردی: شهر زنجان. مجله جغرافیا و توسعه. 8(19). 198-171.
1
امیدعلی، اسماعیل؛ تقوایی، مسعود؛ بیدرام، رسول؛ 1393. بهسازی بافتهای فرسوده شهری با رویکرد مدیریت بحران زلزله. فصلنامه تحقیقات جغرافیایی. 29(3) (پیاپی 114). 178-165.
2
آهنچی، محمد؛ 1376. مدیریت سوانح (سوابق، مفاهیم، اصول و تئوریها). انتشارات مرکز آموزش و تحقیقات جمعیت هلال احمر جمهوری اسلامی ایران.
3
جهانشاهی، محمدحسین؛ 1382. بافتهای فرسوده و مشکلساز شهری. فصلنامه جستارهای شهرسازی. 4. 25-17.
4
داداش پور، هاشم؛ عادلی، زینب؛ 1394. سنجش ظرفیتهای تابآوری در مجموعه شهری قزوین. دو فصلنامه علمی و پژوهشی مدیریت بحران. 4(2). 84-73.
5
رضایی، محمدرضا؛ 1392. ارزیابی تابآوری اقتصادی و نهادی جوامع شهری در برابر سوانح طبیعی (مطالعه موردی: زلزله محلههای شهر تهران). دو فصلنامه علمی و پژوهشی مدیریت بحران. 2(1). 38-27.
6
رضایی، محمدرضا؛ حسینی، سیدمصطفی؛ حکیمی، هادی؛ 1391. برنامهریزی راهبردی مدیریت بحران در بافت تاریخی شهر یزد با استفاده از مدل SWOT. دو فصلنامه علمی و پژوهشی مدیریت بحران. 1(1). 44-35.
7
رضایی، محمدرضا؛ رفیعیان، مجتبی؛ حسینی، سیدمصطفی؛ 1394. سنجش و ارزیابی میزان تابآوری کالبدی اجتماعهای شهری در برابر زلزله (مطالعه موردی: محلههای شهر تهران). مجله پژوهشهای جغرافیای انسانی. 47(4). 623-609.
8
رفیعیان، مجتبی؛ رضایی، محمدرضا؛ عسگری، علی؛ پرهیزکار، اکبر؛ شایان، سیاوش؛ 1390. تبیین مفهومی تابآوری و شاخص سازی آن در مدیریت سوانح اجتماع محور (CBDM). فصلنامه برنامهریزی و آمایش فضا (مدرس علوم انسانی). 15(4) (پیاپی 72). 41-19.
9
شکیب، حمزه؛ مقدسی موسوی، علی؛ 1385. مدیریت بحران در پایتخت. دومین سمینار ساخت و ساز در پایتخت. دانشگاه تهران.
10
شهرداری اهواز؛ 1396. گزیده اطلاعات مناطق، نواحی و محلات شهر اهواز. معاونت برنامهریزی و توسعه شهرداری اهواز.
11
فرجی، امین؛ قرخلو، مهدی؛ 1389. زلزله و مدیریت بحران شهری (مطالعه موردی: شهر بابل). فصلنامه جغرافیا. 8(2)5. 164-143.
12
فلاحی، علیرضا؛ جلالی، تارا؛ 1392. بازسازی تابآور از دیدگاه طراحی شهری پس از زلزله 1382 بم. نشریه هنرهای زیبا. 18(3). 16-5.
13
محمدپور، صابر؛ زالی، نادر؛ پوراحمد، احمد؛ 1395. تحلیل شاخصهای آسیبپذیری در بافتهای فرسوده شهری با رویکرد مدیریت بحران زلزله (مطالعه موردی: محله سیروس تهران). فصلنامه پژوهشهای جغرافیای انسانی. 48(1). 52-33.
14
یزدیها، الهه؛ داود پور، زهره؛ 1395. بررسی میزان تابآوری ساختار کالبدی شهر با تأکید بر پدافند غیرعامل با استفاده از فرآیند تحلیل سلسلهمراتبی AHP (نمونه موردی: مناطق 1و 2 شهر قزوین). کنفرانس بینالمللی مهندسی معماری و شهرسازی. تهران.
15
Adger, W. N., 2000. Social and ecological resilience: Are they related. Progress in Human Geography. Vol. 24. No.3. 347-364.
16
Bruneau, M., Stephanie E., Chang, Ronald T., Eguchi, George C. Lee., 2003. A framework to quantitatively assess and enhance the seismic resilience of communities. Earthquake Spectra. Vol. 19. No. 4. 733-752.
17
Cutter, S. L., Barnes, L., Berry, M., Burton, C., Evans, E., Tate, E. and Webb, J., 2008. “A place based model for understanding community resilience to natural disasters”, Global Environmental Change, No. 18 (4), pp. 598-606.
18
Davis, I., Izadkhah, Y., 2006. Building resilient urban communities. Article from OHI, Vol. 31. No. 1. 11-21.
19
Ferreira, T, M. Vicentem, R. Mendes da Silva, J. A. Costa, A., 2013. Seismic vulnerability assessment of historical urban centres: case study of the old city centre in Seixal, Portugal. Bulletin of Earthquake Engineering. Vol. 11. No. 5. 1753–1773.
20
Godschalk, D. R., 2003. Urban Hazard Mitigation: Creating Resilient Cities. Natural Hazard Review. No. 4. 136-143.
21
Kimhi, S., Shamai, M., 2004. Community resilience and the impact of stress: Adult response to Israel’s withdrawal from Lebanon. Journal of Community Psychology. Vol. 32. No. 4. 439–451.
22
Klein, R. J. N., Thomalla, F., 2003. Resilience to Natural Hazards: How Useful is this Concept. Environmental Hazards. Vol. 5. No. 1–2. 35–45.
23
Mayunga, J.S., 2007, “Understanding and Applying the Concept of Community Disaster Resilience: A capital-based approach”, A draft working paper prepared for the summer academy for social vulnerability and resilience building, pp. 22 – 28, Munich, ermany.
24
Mileti, D. S., 1999. Disasters by design: a reassessment of natural hazards in the United States. Joseph Henry Press, Washington, DC, 1-376.
25
Moe, T. L., Pathranarakul, P., 2006. An integrated approach to natural disaster management: Public project management and its critical success factors. Disaster Prevention and Management: An International Journal. Vol. 15. No. 3. 396 – 413.
26
Paton, D., Johnston, D., 2006. Disaster resilience: An integrated approach. Springfield, Charles C Thomas Publisher.
27
Pelling, M., 2003. The Vulnerability of Cities: Natural Disasters and Social Resilience. London, Earthscan.
28
Pendall, R., Foster, K.A., Cowell, M., 2009. Resilience and regions: Building understanding of the metaphor. Cambridge Journal of Regions Economy and Society. Vol. 3. No. 1. 71-84.
29
Rashed, T., 2003. Measuring the Environmen-tal Context of Urban Vulnerability to Earthquake Hazards: An Integrative Remote Sensing and GIS Approach. UC Santa Barbara and San Diego State University.
30
Sapirstein, G., 2006. Social resilience: The forgotten dimension of disaster risk reduction. Jàmba: Journal of Disaster Risk Studies. Vol. 1. No. 1. 54-63.
31
Twigg, J., 2007. Characteristics of a Disaster-Resilient Community: A Guidance Note. Version 1 (for Field Testing). Benfield UCL Hazard Research Centre.
32
ORIGINAL_ARTICLE
تغییرپذیری روند عمق برف در پهنه شمالی ایران مبتنی بر پایگاه داده ECMWF نسخه ERA Interim
تغییرات برف در سالهای اخیر تحت پدیده گرمایش جهانی توجه زیادی را به خود جلب کرده است. اهمیت این پدیده به علت خشک و نیمهخشک بودن بخش قابل توجهی از ایران که مناطق کوهستانی بهعنوان تأمین کننده آب ایفای نقش میکنند، از اهمیت شایان توجهی برخوردار است. در این پژوهش با هدف ارزیابی تغییرات روند عمق برف از دو روش ناپارامتریک Mann–Kendall و Sen's Slope در پهنه شمالی ایران طی دوره آماری 2015-1980 مبتنی بر دادههای شبکهای پایگاه ECMWF نسخه ERA Interim با تفکیک مکانی 125/0×125/0 درجه قوسی استفاده شد. نتایج نشان داد غالب روند و شیب روند بهدستآمده کاهشی و معنیدار است. این روند کاهشی برای قزوین، زنجان، آذربایجان شرقی و تهران شدیدتر است. همچنین روند افزایشی عمق برف که در غالب ماههای مورد بررسی معنیدار نیست بهغیراز دو ماه اکتبر و نوامبر که در البرز مرکزی مشاهده شد در سایر ماهها در مناطق مرزی شمال غرب و شرق کشور مشاهده شد. فصل زمستان بیشینه روند کاهشی را نشان داده است؛ بهطوریکه روند کاهشی بیش از 96 درصد از پهنههای همروند را در بر گرفته است. پس از فصل زمستان به ترتیب ماه آوریل از فصل بهار و فصل پاییز بیشینه روند کاهشی را نشان دادهاند. میتوان اذعان داشت که زمستانهای پهنه شمالی ایران در حال گرمتر شدن است که میتوان این روند کاهشی عمق برف را در پاسخ به گرمایش جهانی یاد کرد.
https://geoeh.um.ac.ir/article_33474_d904da78e3608bdc0aaff3685a15a202.pdf
2019-06-22
211
229
10.22067/geo.v0i0.78609
روند عمق برف
ECMWF
روش من-کندال
روش Sen's
پهنه شمالی ایران
حبییه
نقی زاده
hnaghizade89@gmail.com
1
دانشگاه تبریز
LEAD_AUTHOR
علی اکبر
رسولی
aarasouly@yahoo.com
2
دانشگاه تبریز
AUTHOR
بهروز
ساری صراف
sarisarraf@tabrizu.ac.ir
3
دانشگاه تبریز
AUTHOR
سعید
جهانبخش
s.jahan@tabrizu.ac.ir
4
دانشگاه تبریز
AUTHOR
ایمان
بابائیان
mashadmcc@gmail.com
5
پژوهشکده اقلیم شناسی مشهد(مرکز ملی اقلیم)
AUTHOR
احمدی، محمود؛ چترچی، پرسیا؛ داداشی رودباری، عباسعلی؛ 1397. مدلسازی روند بارش در منطقه غرب آسیا تحت واداشت دگرگونی آبوهوایی. پژوهشهای دانش زمین. سال 9. شماره 35. صص 68-80.
1
احمدی، محمود؛ داداشی رودباری، عباسعلی؛ احمدی، حمزه؛ علیبخشی، زهرا؛ 1397. واکاوی ساختار دمای ایران مبتنی بر برونداد پایگاه دادۀ مرکز پیشبینی میانمدت هواسپهر اروپایی (ECMWF) نسخۀ ERAInterim. پژوهشهای جغرافیای طبیعی. دوره 50. شماره 2. صص 353-372.
2
براتی، غلامرضا؛ موسوی، شفیع؛ 1384. جابجایی مکانی موجهای زمستانی گرما در ایران. مجله جغرافیا و توسعه. دوره 3. شماره پیاپی 5. صص 41-52.
3
حیدری، حسن؛ 1395. تحلیل روند تغییرات بارش برف و باران در ایستگاههای منتخب استان آذربایجان غربی. مطالعات جغرافیایی مناطق خشک. دوره 7. شماره ۲۶. صص ۱۱۰-۹۲.
4
رضائی، پروز؛ جانبازی قبادی، غلامرضا؛ جعفرزاده، علیرضا؛ 1389. روند بارش برف در جلگه مرکزی گیلان و پیامدهای ناشی از آن. مجله مطالعات برنامه ریزی سکونتگاههای انسانی. دوره 5. شماره 11. صص 47-60.
5
عزیزی مقدم، رضا؛ روند تغییرات پوشش سطح برف با استفاده از تکنیک RS و GIS و تأثیر آن بر منابع آب حوضه دز. پایان نامه کارشناسی ارشد. دانشگاه صنعتی اصفهان - دانشکده کشاورزی و منابع طبیعی. به راهنمایی جهانگیر عابدی کوپایی و حسن ترابی پوده. اصفهان.
6
فتاحی، ابراهیم؛ مقیمی، شوکت؛ 1398. بررسی روند تغییرات پوشش برف شمالغرب ایران تحت تأثیر تغییرات اقلیمی. نشریه تحقیقات کاربردی علوم جغرافیایی. دوره 19. شماره 54. صص 47-63.
7
فتاحی، ابراهیم؛ مقیمی، شوکت؛ خورشیدی، مریم؛ 1392. کاربرد تصاویر ماهوارهای NOAA برای تعیین روند تغییرات سطح پوشش برف شمالغرب ایران. مطالعات جغرافیایی مناطق خشک. دوره 4. شماره 14. صص 1-10.
8
کیخسروی کیانی، محمدصادق؛ مسعودیان، ابوالفضل؛ 1395. واکاوی روند تغییرات روزهای برفپوشان در ایران بر پایه دادههای دور سنجی. جغرافیا و برنامه ریزی محیطی. سال 28. شماره 1. صص 60-49.
9
مسعودیان، ابوالفضل؛ 1383. بررسی روند دمای ایران در نیم سده گذشته. مجله جغرافیا و توسعه. دوره 2. شماره پیاپی 3. صص 89-106.
10
میرموسوی، حسین؛ صبور؛ لیلا؛ 1393. پایش تغییرات پوشش برف با استفاده از تصاویر سنجنده مودیس در منطقه شمال غرب ایران. جغرافیا و توسعه. شماره 35. صص 181-200.
11
Alexander, M. A., Tomas, R., Deser, C., & Lawrence, D. M., 2010. The atmospheric response to projected terrestrial snow changes in the late twenty-first century. Journal of Climate, 23(23), 6430-6437.
12
Brown, R. D., 2000. Northern Hemisphere snow cover variability and change, 1915–97. Journal of climate, 13(13), 2339-2355.
13
Brown, R., Derksen, C., & Wang, L., 2010. A multi‐data set analysis of variability and change in Arctic spring snow cover extent, 1967–2008. Journal of Geophysical Research: Atmospheres, 115(D16).
14
Brutel-Vuilmet, C., Menegoz, M., & Krinner, G., 2013. An analysis of present and future seasonal Northern Hemisphere land snow cover simulated by CMIP5 coupled climate models. Cryosphere, 7(1).
15
Daley, R., 1991. Atmospheric data analysis, Cambridge atmospheric and space science series. Cambridge University Press, 6966(25), 809-822.
16
Dery, S. J., & Brown, R. D., 2007. Recent Northern Hemisphere snow cover extent trends and implications for the snow‐albedo feedback. Geophysical Research Letters, 34(22).
17
Drusch, M., Vasiljevic, D., & Viterbo, P., 2004. ECMWF's global snow analysis: Assessment and revision based on satellite observations. Journal of Applied Meteorology, 43(9), 1282-1294.
18
Dyer, J. L., & Mote, T. L., 2006. Spatial variability and trends in observed snow depth over North America. Geophysical Research Letters, 33(16).
19
Fletcher, C. G., Zhao, H., Kushner, P. J., & Fernandes, R., 2012. Using models and satellite observations to evaluate the strength of snow albedo feedback. Journal of Geophysical Research: Atmospheres, 117(D11).
20
Frei, A., & Robinson, D. A., 1999. Northern Hemisphere snow extent: Regional variability 1972–1994. International Journal of Climatology, 19(14), 1535-1560.
21
Gouttevin, I., Menegoz, M., Domine, F., Krinner, G., Koven, C., Ciais, P., ...& Boike, J., 2012. How the insulating properties of snow affect soil carbon distribution in the continental pan‐Arctic area. Journal of Geophysical Research: Biogeosciences, 117(G2).
22
Grippa, M., Kergoat, L., Le Toan, T., Mognard, N. M., Delbart, N., L'hermitte, J., & Vicente‐Serrano, S. M., 2005. The impact of snow depth and snowmelt on the vegetation variability over central Siberia. Geophysical Research Letters, 32(21).
23
Hantel, M., & Hirtl‐Wielke, L. M., 2007. Sensitivity of Alpine snow cover to European temperature. International Journal of Climatology, 27(10), 1265-1275.
24
Karl, T. R., Groisman, P. Y., Knight, R. W., & Heim Jr, R. R. 1993. Recent variations of snow cover and snowfall in North America and their relation to precipitation and temperature variations. Journal of Climate, 6(7), 1327-1344.
25
Kendall, M. 1975). Multivariate analysis. Charles Griffin.
26
Laternser, M., & Schneebeli, M., 2003. Long‐term snow climate trends of the Swiss Alps (1931–99). international Journal of climatology, 23(7), 733-750.
27
Lindsay, R. W., Zhang, J., Schweiger, A., Steele, M., & Stern, H., 2009. Arctic sea ice retreat in 2007 follows thinning trend. Journal of Climate, 22(1), 165-176.
28
Mann, H. B., 1945. Nonparametric tests against trend. Econometrica: Journal of the Econometric Society, 245-259.
29
Mote, P. W., Hamlet, A. F., Clark, M. P., & Lettenmaier, D. P., 2005. Declining mountain snowpack in western North America. Bulletin of the American meteorological Society, 86(1), 39-50.
30
Nicolet, G., Eckert, N., Morin, S., & Blanchet, J., 2018. Assessing climate change impact on the spatial dependence of extreme snow depth maxima in the French Alps. Water Resources Research, 54(10), 7820-7840.
31
Petkova, N., Koleva, E., & Alexandrov, V., 2004. Snow cover variability and change in mountainous regions of Bulgaria, 1931–2000. Meteorologische Zeitschrift, 13(1), 19-23.
32
Raziei, T., Bordi, I., & Pereira, L. S., 2017. A snow variability analysis in Iran in relation to global warming and climate change.
33
Robinson DA., 1993. Global snow cover monitoring: an update. Bulletin of the American Meteorological Society 74(9): 1689–1696.
34
Sen, P. K., 1968. Estimates of the regression coefficient based on Kendall's tau. Journal of the American Statistical Association, 63(324), 1379-1389.
35
Serreze, M. C., Walsh, J. E., Chapin, F. S., Osterkamp, T., Dyurgerov, M., Romanovsky, V., ...& Barry, R. G., 2000. Observational evidence of recent change in the northern high-latitude environment. Climatic Change, 46(1-2), 159-207.
36
Vavrus, S. 2007. The role of terrestrial snow cover in the climate system. Climate Dynamics, 29(1), 73-88.
37
Webster, Melinda A., Ignatius G. Rigor, Son V. Nghiem, Nathan T. Kurtz, Sinead L. Farrell, Donald K. Perovich, and Matthew Sturm., 2014. =Interdecadal changes in snow depth on Arctic sea ice. Journal of Geophysical Research: Oceans 119, no. 8 (2014): 5395-5406.
38
Xu, W., Ma, L., Ma, M., Zhang, H., & Yuan, W., 2017. Spatial–temporal variability of snow cover and depth in the Qinghai–Tibetan Plateau. Journal of Climate, 30(4), 1521-1533.
39
Zhang, X., & Wang, K., 2018. April. Spatial pattern and Internal Annual Variability in Observed Snow Depth over China from 1960 to 2014. In EGU General Assembly Conference Abstracts (Vol. 20, p. 19696).
40