این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ژئوفیزیک ایران، جلد ۱۸، شماره ۴، صفحات ۳۹-۵۷
عنوان فارسی مدل‌سازی توفان گردوخاک بر مبنای شاخص‌های طیفی شناسایی ریزگردها و هوش مصنوعی در استان هرمزگان
چکیده فارسی مقاله گردوخاک از پدیده­های اقلیمی است که در طی چند سال اخیر اکثر استان­های کشور را درگیر ساخته است. در پژوهش حاضر روزهای 21 تا 24 نوامبر و 3 تا 9 دسامبر سال 2016 به‌عنوان نمونه روزهای گردوخاکی با دید افقی کمتر از 1000 متر انتخاب گردیده است. به‌این‌منظور پس از استخراج شاخص تفاضلی نرمال شده گردوخاک (NDDI) و شاخص اختلاف دمای درخشندگی (نوارهای 8/10 و 12) (BTD) از تصاویر ماهواره­ METEOSAT، و تعیین آستانه مناسب گردوخاک برای هر دو رخداد توفان با دو روش شبکه‌عصبی (ANN) و جنگل تصادفی (RF) به مدل‌‌سازی و پیش­بینی گردوخاک پرداخته شده است. در این مدل‌ها شاخص‌های NDDI وBTD  به‌عنوان متغیر وابسته و متغیرهای اقلیمی دمای هوا (AT)، سرعت باد (WS)، فشار هوا (P) و رطوبت مطلق هوا (AH) به‌عنوان متغیرهای مستقل به‌کار گرفته شده‌اند. 80% این داده‌ها شامل هردو دسته‌ پیش­بینی‌کننده­ها و پاسخ­ها برای آموزش مدل در نظر گرفته شد. نتایج نشان داد R2 حاصل از اجرای مدل شبکه عصبی به منظور پیش‌بینی شاخص NDDI، 08/0 و برای اختلاف دمای درخشندگی 42/0 به دست آمده است. با‌این‌وجود درستی‌سنجی سری­های زمانی شاخص تفاضلی نرمال شده پیش­بینی شده با مدل جنگل تصادفی نشان داد که R2 به بیش از 55/0 و RMSE به 2/0 رسید در‌حالی‌که R2 حاصل از اجرای مدل جنگل تصادفی به‌منظور برآورد الگوریتم اختلاف دمای درخشندگی در حدود 7/0 بوده است. بنابراین، نتایج، شاخص اختلاف دمای درخشندگی و مدل جنگل تصادفی از قابلیت بالاتری در پیش­بینی داده­های گردوخاک برخوردار هستند.
کلیدواژه‌های فارسی مقاله گردوخاک،دمای درخشندگی،SEVIRI،هوش مصنوعی،
عنوان انگلیسی Modeling dust storm based on spectral dust indicators and artificial intelligence in Hormozgan province
چکیده انگلیسی مقاله One of the current weather phenomena that has affected Iran nationwide is the dust storm. Hormozgan providence, located in the country's south (in the global arid and semiarid region), is prone to wind erosion and dust storms due to its proximity to the Central Persian and Arabian deserts and its lack of vegetation cover. According to a review of the literature, earlier studies on simulating dust storms in the Hormozgan region have primarily used MODIS products on a daily time scale for the study area. The aim of this study was to model dust storms using spectral indices, such as the Normalized Difference Dust Index (NDDI) and Brightness Temperature Difference (BTD), based on the Artificial Neural Network (ANN) and Random Forest (RF) methods, two of the most well-known and effective machine learning techniques in the modeling and prediction fields, on an hourly time scale using Spinning Enhanced Visible and InfraRed Imager (SEVIRI) METEOSAT images.      The indicators were computed using METEOSAT images during the selected dates (21–24 November 2016 and 3–9 December 2016) for dusty days with visibility of less than 1000 m (8 images per day). In order to model and predict dust storms, the Artificial Neural Network (ANN) and Random Forest (RF) methods were used. NDVI and BT were used as dependent variables, and Air Temperature (AT), Wind Speed (WS), Air Pressure (P), and Absolut Humidity (AH) extracted from NASA GES DISK were used as dependent variables. Time scales for SIVIRI images and NASA GES DISK climate reanalysis data were 4 and 3 hours, respectively. Climate reanalysis data were extrapolated to 4 hours each day. The findings demonstrate that the NDDI's Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), and coefficient of determination (R2) were, respectively, 0.08, 0.31, and 0.24 based on ANN. While the BT index values were 0.42, 6 and 4.6, respectively. Based on the RF technique, the NDVI model had R2, RMSE, and MAE values of 0.55, 0.3, and 0.23, whereas the corresponding values for BT were 0.69, 4.4, and 2.8. The results show that RF models combined with climate reanalysis data have a good performance in modeling and predicting dust storms in the Iranian province of Hormozgan. BT index generated from SIVIEI images with a 4-hour time resolution and RF models are also of outstanding performance. Further research is needed to evaluate the performance of the method used in this research in other regions of Iran.
کلیدواژه‌های انگلیسی مقاله گردوخاک,دمای درخشندگی,SEVIRI,هوش مصنوعی
نویسندگان مقاله صدیقه موریانی زاده |
کارشناس ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، گروه علوم جغرافیایی، دانشگاه هرمزگان، بندرعباس، ایران

اسداله خورانی |
دانشیار، گروه علوم جغرافیایی، دانشگاه هرمزگان، بندرعباس، ایران

محمد شریف |
استادیار، گروه علوم جغرافیایی، دانشگاه هرمزگان، بندرعباس، ایران

نشانی اینترنتی https://www.ijgeophysics.ir/article_189698_443a4cd2e2eb2db521ce7bf3eff3d259.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات