مطالب مرتبط با کلید واژه " درون یابی "


۱.

ارزیابی درون یابی به روش کریجینگ

کلید واژه ها: کریجینگدرون یابیگریدنقشه های پراکندگیخطوط هم ارزشنقشه های ایزوپلت و کروپلت

حوزه های تخصصی:
تعداد بازدید : ۱۴۶۹ تعداد دانلود : ۱۵۴۵
تهیه نقشه های پراکندگی و ادغام آنهاتوسط روشهای آمار فضایی و سیستم های اطلاعات جغرافیائی GIS در گرایش های مختلف جغرافیا نقش ویژه ای یافته است لذا جغرافیدانان برای تهیه این نقشه ها از روشهای درون یابی بهره می برند روش کریجینگ از جمله مدلهای پر طرفدار در این زمینه میباشد از آنجائی که این روش تفاوتهای عمده ای با سایر روشها دارد بنابراین در این مقاله مدل کریجینگ در درون یابی مورد بررسی و نقد قرار گرفته است از نتایج به دست آمده مشخص شد با اینکه این مدل از دقت بالایی برخوردار است اما در اکثر تحلیل های جغرافیائی نتایجی دور از واقعیت می دهد ضمن آنکه به ساختار فضایی نقاط نمونه برداری وابسته است وتحت تاثیر دامنه تغییرات نمونه ها نیز میباشد ویژگیهای دیگر آن از جمله هموار سازی جمع پذیری و مطلق بودن نیز محدودیت هایی را در تحلیل های جغرافیائی ایجاد می کند
۲.

تعیین تغییرات مکانی و زمانی آلودگی های منواکسید کربن و ذرات معلق با استفاده از تکنیک های GIS در شهر تهران

کلید واژه ها: آلودگی هوادرون یابیرگرسیون کاربری اراضی (LUR)

حوزه های تخصصی:
  1. جغرافیا جغرافیای طبیعی آب و هواشناسی
  2. جغرافیا فنون جغرافیایی سنجش از راه دور GIS
تعداد بازدید : ۹۲۵ تعداد دانلود : ۸۷۹
یکی از معضلات اساسی شهرهای بزرگ جهان پدیده آلودگی هواست. کشور ایران و به خصوص تهران نیز از اثر این پدیده مصون نیست، به طوری که سالانه خسارات مالی و جانی و اجتماعی عمده ای متاثر از آلودگی به بار می آیند. از آنجا که مهم ترین آلاینده های این شهر مونواکسید کربن (CO) و ذرات معلق با قطر کوچک تر از 10 میکرومتر (PMto) اند، در تحقیق حاضر ابتدا روش های مختلف درون یابی برای تولید نقشه های کیفیت هوای حاصل از این دو آلاینده مورد ارزیابی قرار گرفتند و سپس با استفاده از آماره خطای میانگین مربعات (MSE) روش درون یابی بهینه انتخاب شد و نقشه های کیفیت هوای حاصل از این دو آلاینده برای همه روزهای سال 1384 تولید گردید. نیز از آنجا که آلودگی هوا با عوامل متعددی از قبیل توپوگرافی، اقلیم، جمعیت، شبکه حمل ونقل و صنعت ارتباط دارد، با استفاده از روش رگرسیون کاربری اراضی (LUR) مهم ترین عوامل موثر در تولید هر یک از این دو آلاینده تعیین گردید و در ادامه با استفاده از همین روش به مدل سازی این دو آلاینده در فصل بهار پرداخته شد. با توجه به آماره خطای میانگین مربعات (MES) معلوم شد که برای درون یابی داده های آلاینده مونواکسیدکربن، روش کوکریجینگ همراه با سه پارامتر دما، جهت باد و سرعت باد که ناهمسان گردی آن به وسیله جهت باد تعیین شود، مناسب ترین روش به شمار می آید؛ در حالی که برای آلاینده ذرات معلق روش Spline نتایج بهتری را ارائه می دهد. همچنین نتایج حاصل از مدل رگرسیون کاربری اراضی (LUR) نشان داد که مهم ترین عامل موثر بر روی آلاینده مونواکسیدکربن حجم ترافیک است، در حالی که مهم ترین عامل موثر بر روی آلاینده PMto وجود اماکن صنعتی است.
۳.

کاربرد انواع روش های درون یابی به منظور پایش و تحلیل فضایی خشکسالی مورد: استان خراسان رضوی

کلید واژه ها: پایش خشکسالیخراسان رضویدرون یابیاسپیلاینبارش استاندارد

حوزه های تخصصی:
تعداد بازدید : ۸۷۲ تعداد دانلود : ۷۶۲
خشکسالی یکی از پیچیده ترین بلایای طبیعی است. این پدیده دارای ویژگی های متفاوتی است که توسط شاخص های متفاوتی محاسبه می گردد. از آنجایی که این شاخص ها متکی به متغیّرهای اقلیمی و ایستگاه های هواشناسی می باشند بنابراین قابلیت ثبت آنها در تمامی مکان ها به شکل پیوسته نیست. بر این اساس جهت تخمین مقدار متغیّرهای هواشناسی در مکان های نمونه برداری نشده و تهیه نقشه های پیوسته از روش های درون یابی فضایی استفاده می شود. در این پژوهش ابتدا با استفاده از شاخص استاندارد بارش (SPI) شدت خشکسالی محاسبه گشته سپس به منظور ارزیابی روش های مختلف درون یابی چندین روش درون یابی فضایی از قبیل کریجینگ عمومی، کوکریجینگ، فاصله معکوس وزن دار (IDW)، چند جمله ای محلی، اسپیلاین کاملاً منظم، اسپیلاین با کشش و اسپیلاین صفحه نازک به کار برده شد و به منظور مقایسه روش های درون یابی از روش ارزیابی متقاطع و همچنین محاسبه معیارهای خطا گیریRMSE, MBA, MSE و شاخص %G استفاده گردید. نتایج به دست آمده نشان داد که بهترین روش برای درون یابی شدت خشکسالی شاخص SPI، روش کریجینگ عمومی می باشد چرا که در اکثر ماه ها دارای کمترین خطا بوده و همچنین در 9 ماه از سال مقدار %G در آن مثبت محاسبه شده است. در واقع این روش دارای کمترین انحراف می باشد. بیشترین خطا مربوط به روش درون یابی روش اسپیلاین صفحه نازک است در واقع هر سه معیار ارزیابی، مقادیر بالای خطا را نسبت به دیگر روش ها نمایش می دهد.
۴.

روشی تازه به منظور درون یابی مشاهدات بارندگی با کمک کریجینگ شاخص نرم و الگوریتم ژنتیک

کلید واژه ها: الگوریتم ژنتیکعدم قطعیتکریجینگدرون یابیکریجینگ شاخص نرم

حوزه های تخصصی:
  1. جغرافیا جغرافیای طبیعی آب و هواشناسی
  2. جغرافیا فنون جغرافیایی سنجش از راه دور GIS
تعداد بازدید : ۶۴۱ تعداد دانلود : ۶۲۶
درون یابی از جمله مهم ترین مسائل در علوم مکانی است؛ زیرا همیشه این نیاز وجود دارد که از یک حجم محدود داده، مجموعه ای از اطلاعات دقیق فراهم گردد. کریجینگ نیز از کاربردی ترین و دقیق ترین روش های درون یابی به شمار می آید که به زیر روش های مختلفی از جمله کریجینگ معمولی، کریجینگ شاخص و کریجینگ شاخص نرم تقسیم می شود. الگوریتم ژنتیک در زمرة الگوریتم های تکاملی است که برای یافتن یک جواب بهینه از مجموعه ای از جواب های بالقوه استفاده می شود. در این مقاله، از الگوریتم ژنتیک برای آموزش بهینه برخی از پارامترهای کریجینگ شاخص نرم با توجه به تابع هدف برای رسیدن به جواب بهینه استفاده می شود. در این تحقیق، از چهار روش کریجینگ معمولی، کریجینگ شاخص، کریجینگ شاخص نرم و کریجینگ شاخص نرم با الگوریتم ژنتیک بر یک مجموعه داده از 15 ایستگاه سینوپتیک استان مازندران استفاده گردید. داده های استفاده شده، مشاهدات بارندگی در این ایستگاه ها مربوط به بهمن ماه سال 1387 بود. با مقایسه مقادیر مشاهداتی و محاسباتی در دو حالت اعتبارسنجی متقابل و جکنایف در چهار روش ذکر شده، ثابت گردید که روش کریجینگ شاخص نرم با الگوریتم ژنتیک دقیق ترین روش است. به عنوان معیار این تصمیم گیری، از میانگین قدرمطلق اختلاف بین مقادیر مشاهداتی و محاسباتی هر روش استفاده گردید. این کمیت برای روش کریجینگ شاخص نرم با الگوریتم ژنتیک برابر با 3/10 میلی متر است که نسبت به سه روش اول (3/12، 3/13 و 8/12) کمینه است.
۵.

فصلی کردن سری های زمانی (مطالعه موردی درآمدهای نفتی دولت، شاخص قیمت مصرف کننده و نقدینگی)

کلید واژه ها: درون یابیفصلی کردنتجزیه زمانی

حوزه های تخصصی:
تعداد بازدید : ۱۲۸۳ تعداد دانلود : ۹۱۴
بالا بودن هزینه جمع آوری اطلاعات به صورت فصلی و نیاز اقتصاد سنجان به این اطلاعات برای مدل سازی و تحلیل های کوتاه مدت، باعث شده موسسات آماری پس از جمع آوری اطلاعات و محاسبه داده های اقتصادی به صورت سالیانه، با روش های غیر مستقیم، به محاسبه داده های فصلی از داده های سالانه بپردازند. در این مقاله روش های فصلی کردن سری زمانی در قالب دو گروه عمده، روش های متکی به شاخص های همبسته و روش های محض ریاضی معرفی شده اند. سپس با فصلی کردن سری های درآمدهای نفتی دولت، شاخص قیمت مصرف کننده و حجم نقدینگی به مقایسه این روش ها در قالب دو گروه نام برده، پرداخته شده است. نتایج حاصل از این پژوهش نشان می دهد که برای فصلی کردن دو سری شاخص قیمت مصرف کننده و درآمدهای نفتی دولت بر اساس معیارهای r2 و MSE روش بوت، لیسمن و فیبس روش بهتر است و برای سری حجم نقدینگی بر اساس هر دو معیار روش چو و لین روش مناسب تری می باشد. هم چنین براساس پژوهش حاضر این نتیجه به دست آمد که یافتن بهترین روش برای فصلی کردن سری های زمانی که همیشه از سایر روش ها بهتر باشد امکان پذیر نیست.
۶.

برآورد مکانی و پهنه بندی تبخیروتعرق مرجع در استان خوزستان

کلید واژه ها: خوزستانکوکریجینگدرون یابیتبخیروتعرق مرجع

حوزه های تخصصی:
تعداد بازدید : ۲۲۷ تعداد دانلود : ۲۲۵
تعیین توزیع مکانی تبخیر و تعرق مرجع (ETo) در مدیریت و برنامه ریزی منابع آب، مطالعات بیلان آبی و برآورد نیاز آبی گیاهان از اهمیت زیادی برخوردارست. بنابراین هدف پژوهش حاضر تعیین مناسب-ترین روش درون یابی برای برآورد مکانی ETo و پهنه بندی این متغیر در استان خوزستان است. بدین منظور از داده های هواشناسی 42 ایستگاه در یک دوره آماری 28 ساله استفاده شد و برای تخمین مقادیر ETo در ایستگاه ها، روش فائو پنمن مانتیث بکار برده شد. به منظور برآورد مکانی ETo، هفت روش درون یابی مشتمل بر وزنی عکس فاصله، اسپلاین، گرادیان خطی سه بعدی، کریجینگ عمومی، کوکریجینگ، کریجینگ با روند خارجی و رگرسیون کریجینگ ارزیابی شدند. برای تحلیل واریوگرافی در روش های کریجینگ، پنج مدل نیم تغییرنمای کروی، نمایی، خطی، خطی دارای حد آستانه و گوسی بر داده-های ETo برازش شده و براساس مجموع مربعات، خطای کمتر و ضریب تبیین بالاتر نیم تغییر نمای مناسب انتخاب شد. تعیین مناسب ترین روش درون یابی بر اساس محاسبه شاخص های ریشه میانگین -مربعات خطا، میانگین خطای اریب و میانگین انحراف مطلق روش های مختلف انجام شد. با بررسی شاخص های خطا معلوم شد روش کوکریجینگ با مدل نیم تغییرنمای گوسی دارای کمترین خطا بود و به عنوان بهترین روش برای مکانی کردن داده های ETo ماهانه و سالانه در خوزستان معرفی شد. در مدل نیم تغییرنمای گوسی کوکریجینگ، نسبت بخش ساختاردار به کل تغییرپذیری در بیشتر ماه ها 1 بود که بیانگر ساختار مکانی قوی در تغییرات هم زمان متغیرهای ETo و ارتفاع است. اما دقت شود روش کوکریجینگ در بیشتر ماه ها دارای خاصیت کم برآوردی است.
۷.

ﺑﺮرﺳی ﺗﻐییﺮات ﻣﻨﻄﻘﻪای ﺑﺎرش ﺳﺎﻻﻧﻪ ﺑﺎ کﺎرﺑﺮد روشﻫﺎی زﻣیﻦ آﻣﺎر (ﻣﻄﺎﻟﻌﻪ ﻣﻮردی: اﺳﺘﺎن ایلام)

کلید واژه ها: استان ایلامدرون یابیکریجینگ معمولیوایروگرامﻣیﺎﻧﮕیﻦ ﺑﺎرش ﺳﺎﻻﻧﻪ

حوزه های تخصصی:
تعداد بازدید : ۱۱۸ تعداد دانلود : ۱۰۳
انتخاب یک روش درون یابی بهبنه برای تخمین ویژگی های یک منطقه موردی در نقاط نمونه گیری نشده نقش مهمی در مدیریت داده ها دارد. در این پژوهش، مدل های میان یابی کریجینگ معمولی شامل خطی، نمایی، گوسی و کروی معمولی جهت تخمین پارامتر میانگین بارندگی استان ایلام مورد استفاده قرار گرفته است. بدین منظور ابتدا نرمال بودن داده ها با استفاده از روش کلموگروف- اسمیرنف بررسی و سپس به ازای هر مدل وایروگرام آن محاسبه و ترسیم شد. در ادامه واریوگرامی برای برازش بر داده ها استفاده شد که همبستگی مکانی بین داده ها را به صورت مطلوب تری از سایر واریوگرام ها نشان دهد. برای این امر از نسبت میان اثر قطعه ای و سقف واریوگرام استفاده گردید (Co+C). با توجه به پارامترهای به دست آمده برای واریوگرام های برازش شده وایروگرام گوسین با میزان 33/0 بهترین همبستگی بین داده ها را مدل کرده و برای درون یابی استفاده گردید. برای ارزیابی انواع مدل ها از مربع میانگین ریشه خطا با خطای استاندارد استفاده شد. نتایج به دست آمده نشان داد که مدل گوسین با پایین ترین میزان خطای برآورد (12/6) و مربع میانگین ریشه خطا (166) بهترین مدل برای درون یابی داده ها در این پژوهش ارزیابی شد. هم چنین در مقایسه مربع میانگین ریشه خطا با خطای استاندارد برای تعیین میزان برآورد مورد انتظار، هر چهار مدل دارای برآوردی بیشتر از حد انتظار بودند.
۸.

ارزیابی و پهنه بندی آلودگی هوای کلانشهر تبریز

کلید واژه ها: تبریزکاربری اراضیزمین آمارآلودگی هوادرون یابیشاخص PSI

حوزه های تخصصی:
تعداد بازدید : ۲۱۰ تعداد دانلود : ۱۸۷
با سرعت زیاد شهرنشینی در ایران بسیاری از شهرها به ویژه کلان شهرها با معضلات زیادی مواجهه شدند که عدم پایداری را برای آنها به ارمغان آورده است. این پژوهش بحران آلودگی شهر تبریز به عنوان یکی از هشت شهر آلوده ایران را مورد بررسی قرار داده است. سؤالات مطرح شده در تحقیق عبارت است از بهترین الگوریتم درونیابی در توزیع آلودگی هوا کدام است؟ تراکم آلاینده ها در کدام بخش شهر تبریز بیشتر است؟ کاربری های مؤثر در کاهش و افزایش آلودگی هوای شهر کدامند؟ برای پاسخ به این سؤالات اطلاعات آماری آلاینده ها، مربوط به آلاینده های ذرات معلق هوا (PM10 )، ازن ( O3 )، دی اکسید گوگرد (SO2 )، دی اکسید نیتروژن ( NO2 ) و دی اکسیدکربن ( CO2 ) در بازه ی زمانی سال های 1383 تا 1392 برای کلیه ماه های سال، از پنج ایستگاه سنجش آلاینده های هوای شهر گردآوری و سپس این اطلاعات با استفاده از افزونه زمین آماری نرم افزار ARC GIS درحالت های مختلف درون یابی و مورد آنالیز قرار گرفت. نتایج نشان داد که: ضرایب میزان خطای درونیابی RMSE و MAE کریجینگ نسبت به IDW از میزان پایین تری برخوردار بوده، لذا بهترین شیوه درونیابی تعیین گردید. همچنین نتایج با معیارهای کیفیت هوا از جمله PSI آلودگی هوا مقایسه گردیده و وضعیت کیفیت هوای شهر در ایستگاه های مورد نظر تعیین و به نقش متقابل کاربری های اراضی مؤثر در کاهش یا افزایش آلودگی معرفی شدند.
۹.

ارزیابی تغییرات نمایه های فرین دما بر روی پهنه ی استان کردستان طی نیم سده ی اخیر

نویسنده:

کلید واژه ها: استان کردستانرونددرون یابیفرین های دما

حوزه های تخصصی:
تعداد بازدید : ۱۰۲ تعداد دانلود : ۸۵
برای انجام این پژوهش داده های روزانه ی دمای کمینه و بیشینه ی 11 پیمونگاه همدید و 15 پیمونگاه اقلیمی در داخل و خارج از استان طی بازه ی زمانی 1/1/1962 تا 31/12/2010 استفاده شد. داده ها به کمک روش کریگینگ معمولی با تفکیک مکانی 6 6 کیلومتر میان یابی شدند که حاصل آن811 یاخته بود که استان کردستان را پوشش می دادند. دو پایگاه داده(گاه جای) در ابعاد 811 17898 برای دمای کمینه و بیشینه ایجاد شد که بر روی ردیف ها روز(زمان) و بر روی ستون ها یاخته ها(مکان) قرار داشتند. این دو پایگاه داده مبنای محاسبات فرین های دما بر روی استان قرار گرفت. از 16 نمایه ی پیشنهاد شده ی تیم کارشناسی تغییر اقلیم و نمایه ها جهت واکاوی و شناسایی فرین ها بهره گرفتیم. برای هر کدام از 811 یاخته بر روی استان، مقادیر نمایه ها محاسبه شد. به کمک روش ناپارامتری من کندال معناداری روند بر روی هر کدام از 811 یاخته در سطح اطمینان 95 درصد مورد آزمون قرار گرفت. به کمک روش رگرسیون خطی مقادیر شیب و نرخ تغییرات بر روی یاخته های دارای روند معنادار بدست آمد. یافته های این پژوهش نشان داد که بر روی مناطق کم ارتفاع و پست در بخش های غربی و شرقی استان روند نمایه های فرین گرم مثبت و روند نمایه های فرین سرد منفی است. بر روی بلندی ها و ارتفاعات در شمال و مرکز استان عکس این شرایط صادق است. اختلاف و دامنه ی دمای شبانه روزی(DTR) بر روی استان روبه کاهش است. هم چنین نرخ تغییرات فرین های دمای شبانه بیشتر از نرخ تغییرات دمای روزانه است.
۱۱.

تحلیل فضایی قیمت مسکن در شهر تبریز

کلید واژه ها: تحلیل فضاییشهر تبریزقیمت مسکندرون یابی

حوزه های تخصصی:
  1. جغرافیا جغرافیای انسانی جغرافیای شهری جغرافیای اقتصادی
  2. جغرافیا جغرافیای انسانی جغرافیای شهری مسکن شهری
تعداد بازدید : ۱۴ تعداد دانلود : ۱۴
تحلیل فضایی قیمت مسکن در یک شهر دید فضایی نسبت به کل شهر به لحاظ قیمت مسکن ایجاد می نماید. با استفاده از چنین تحلیل می توان در سطح شهر نقاطی که قیمت بالا یا پایینی دارند تحلیل کرد. پژوهش حاضر با هدف دست یابی به الگوی پراکنش قیمت مسکن در شهر تبریز صورت گرفته است. این پژوهش از لحاظ هدف کاربردی و به لحاظ ماهیت و روش توصیفی- تحلیلی است. جامعه آماری واحدهای مسکونی آپارتمانی شهر تبریز در سال 1390 است. جهت تحلیل فضایی نقاط از تحلیل الگو، تحلیل خوشه ای نقشه ها و روش درون یابی کریجینگ در محیط GIS استفاده شده است. نتیجه حاصل از شاخص میانگین نزدیک ترین همسایگی با امتیاز استاندارد 88/22- و P Value 000/0 حاکی از توزیع خوشه ای قیمت مسکن در تمام سطوح است، همچنین براساس تحلیل آماره عمومی G، مقدار  P Valueو واریانس صفر است که نشان از یک الگوی خوشه ای با تمرکز بالاست. نتایج حاصل از لکه های داغ نشان می دهد که بیشترین تمرکز لکه های داغ (بالاترین قیمت) در قسمت شرق شهر و بیشترین تمرکز لکه های سرد(پایین ترین قیمت) در قسمت شمال، شمال غربی و جنوب غربی شهر تبریز است. محاسبه مساحت و برآورد ارزش های کمی نقاط فاقد داده به کمک نقاط مجاور با استفاده از روش درون یابی کریجینگ حاکی از آن است که 11/34 درصد از مساحت مساکن شهر تبریز دارای قیمت کمتر از یک میلیون، 65/19 درصد قیمت یک تا سه میلیون، 98/17 درصد در رنج پنج تا هشت میلیون، 87/6 درصد قیمت هشت تا ده میلیون، 53/4 درصد قیمت ده تا پانزده میلیون، 30/3 درصد پانزده تا بیست وپنج میلیون و نهایتاً 35/1 درصد قیمت بالای 25 میلیون است. بیشترین تمرکز قیمت (بالای 25 میلیون) در نواحی نزدیک به بازار(محلات شهناز، منصور و مقصودیه) و محلات ولیعصر، زعفرانیه، گلشهر و پرواز است.