تحلیل پارامتریک و امکان سنجی مدلسازی توده های گرد و غبار از طریق داده های سنجنده MODIS، مطالعه موردی: استان خوزستان
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 909
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ECONF01_716
Index date: 12 July 2014
تحلیل پارامتریک و امکان سنجی مدلسازی توده های گرد و غبار از طریق داده های سنجنده MODIS، مطالعه موردی: استان خوزستان abstract
رخدادهای گرد و غبار فرایندهای اقلیمی پیچیده ای هستند که قادرند به طور محسوسی شرایط زیست محیطی و بهداشتی را تحت تأثیر قرار داده و کیفیت زندگی مردم را کاهش دهد. مشاهدات سال های اخیر نشان می دهد که وقوع این پدیده در کشور، به خصوص در نواحی غرب، جنوب غربی و بخش هایی از مرکز کشور افزایش یافته است. در مطالعه حاضر، از میان پارامترها و شاخص های حساس به گرد و غبار حاضر در الگوریتم های مختلف مربوط به سنجنده MODIS، سه پارامتر مهم انتخاب گردید و همبستگی خطی و نمایی آن ها به طور جداگانه با داده های قابلیت دید افقی متناظر، برای دو حالت الف) تمام روزهای گرد و غباری و ب) برای روزهای گرد و غباری دارای قابلیت دید افقی زیر هزار متر مورد بررسی قرار گرفت. نشان داده شده که 32- BTD 31 هم در حالت ب مناسب ترین همبستگی را داشته (همبستگی متوسط) به عنوان پارامتر بهینه معرفی گردید و در انتها ضمن ارائه مدل بهینه نمایی حاصل از رگرسیون، پیشنهاداتی جهت مدل سازی کارامدتر توده های گرد و غبار ارائه گردید.
تحلیل پارامتریک و امکان سنجی مدلسازی توده های گرد و غبار از طریق داده های سنجنده MODIS، مطالعه موردی: استان خوزستان Keywords:
توده های گرد و غبار , سنجنده MODIS , اختلاف دمای روشنایی , شاخص گرد و غبار , قابلیت دید افقی , ذرات معلق
تحلیل پارامتریک و امکان سنجی مدلسازی توده های گرد و غبار از طریق داده های سنجنده MODIS، مطالعه موردی: استان خوزستان authors
حسین کمیلیان
دانشجوی کارشناسی ارشد مهندسی عمران گرایش مهندسی محیط زیست، دانشکده مهندسی عمران و محیط زیست، دانشگاه تربیت مدرس
حسین گنجی دوست
استاد دانشکده مهندسی عمران و محیط زیست، دانشگاه تربیت مدرس
احمد خدادادی
دانشیار دانشکده فنی و مهندسی، دانشگاه تربیت مدرس
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :