نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

 

خلاصه

سیستم های اطلاعات جغرافیایی (GIS) اغلب برای ارزیابی و پایش اثرات زیست محیطی ناشی از فعالیت های معدنی استفاده می شوند. هدف از این کار توسعه یک برنامه کاربردی جدید برای تولید نقشه‌های پویا برای نظارت بر تغییرات دما در یک توده زباله زغال سنگ خود سوز، تحت یک محیط منبع باز GIS – GIS-ECOAL (در دسترس رایگان) بود. عملکرد برنامه با اندازه‌گیری‌های دمایی توزیع‌شده در شمع زباله زغال سنگ S. Pedro da Cova (پرتغال) مورد ارزیابی قرار گرفت. به منظور به دست آوردن داده های دما، یک کابل فیبر نوری بر روی منطقه آسیب دیده شمع قرار گرفت، با 42 پایه مکان که به عنوان نقاط کنترل دقیقی برای اندازه گیری دما عمل می کنند. یک مجموعه داده ماهانه از ژوئیه (فاصله 15 دقیقه) به برنامه وارد شد و یک ویدیوی متشکل از چندین طرح با اندازه گیری دما ایجاد شد که امکان تشخیص دو ناحیه اصلی با دمای بالاتر را فراهم می کرد. مشاهدات میدانی همچنین امکان شناسایی این مناطق را فراهم می کند. با این حال، شناسایی یک منطقه با دمای بالاتر در بالای منطقه مورد مطالعه تنها از طریق تجسم تصاویر ایجاد شده توسط این برنامه امکان پذیر بود. ویدئوهای تولید شده، تجسم پویا و مداوم فرآیند احتراق را در منطقه تحت نظارت امکان پذیر می کند. شناسایی منطقه ای با دمای بالاتر در بالای منطقه مورد مطالعه تنها از طریق تجسم تصاویر ایجاد شده توسط این اپلیکیشن امکان پذیر بود. ویدئوهای تولید شده، تجسم پویا و مداوم فرآیند احتراق را در منطقه تحت نظارت امکان پذیر می کند. شناسایی منطقه ای با دمای بالاتر در بالای منطقه مورد مطالعه تنها از طریق تجسم تصاویر ایجاد شده توسط این اپلیکیشن امکان پذیر بود. ویدئوهای تولید شده، تجسم پویا و مداوم فرآیند احتراق را در منطقه تحت نظارت امکان پذیر می کند.
کلید واژه ها:

توده زباله زغال سنگ خود سوز ; نظارت بر دما ؛ برنامه GIS-ECOAL

 

1. معرفی

علیرغم مزایایی که برای بخش های اقتصادی و اجتماعی بسیاری از کشورها دارد، هم استخراج زغال سنگ و هم مصرف زغال سنگ مسئول اثرات مضر برای محیط زیست و سلامت انسان هستند [ 1 ، 2 ]. موارد مربوط به استخراج زغال سنگ ممکن است شامل تغییرات در چشم انداز و کاربری زمین، فرسایش خاک، افزایش تولید صدا، تولید زباله های جامد، آلودگی هوا، آلودگی آب های سطحی و زیرزمینی، آلودگی خاک و رسوبات، ناپایداری زمین، فرونشست، آتش سوزی معدن زغال سنگ و چندین اثر باشد. در مورد تنوع زیستی محلی [ 2 ].
احتراق خود به خودی زغال سنگ در سراسر جهان شناخته شده است [ 3 ، 4 ، 5 ] و ممکن است در حین استخراج زغال سنگ (باز و زیرزمینی)، ذخیره سازی، دفع زباله و حمل و نقل رخ دهد. در پرتغال، وقوع آتش‌سوزی‌های مرتبط با زغال سنگ در سه انبوه زباله زغال‌سنگ ناشی از استخراج از میدان زغال‌سنگ Douro [ 6 ، 7] شناسایی شد.]. برخی از نگرانی های مرتبط با آتش سوزی زغال سنگ از بین رفتن منابع طبیعی و اثرات آن بر محیط زیست و سلامت انسان است. این اثرات مربوط به تولید مقادیر زیادی از محصولات است که ممکن است در جو منتشر شود، که شامل انتشار دی اکسید کربن، اکسیدهای گوگرد و نیتروژن، ترکیبات آلی فرار و ذرات معلق است [3 ، 8 ] . نوع و غلظت ترکیبات منتشر شده در اتمسفر تا حد زیادی به دمای احتراق بستگی دارد. با این حال، گاهی اوقات کمی کردن این عوامل دشوار است، بنابراین یک تجزیه و تحلیل کیفی با یک رویکرد آماری ترکیب می شود تا داده های متعدد را به هم مرتبط کند [ 9]]. مناطق آتش سوزی زغال سنگ سطحی و زیرسطحی را می توان با تکنیک های مختلفی مانند اندازه گیری دمای گمانه، روش های ژئوفیزیکی، تجزیه و تحلیل ترمو ترکیبی، اندازه گیری های ترموگرافی، سنجش از دور هوا و تکنیک های سنجش از دور فضایی [10] شناسایی کرد . به عنوان مثال، Gangopadhyay و همکاران. [ 11 ] تلاش برای شناسایی و استخراج ناهنجاری های دمایی مربوط به آتش سوزی زغال سنگ به صورت تجربی. چن و همکاران [ 12] یک رویکرد مبنایی برای یک بررسی توپوگرافی در مقیاس بزرگ و کم هزینه برای برنامه ریزی زیست محیطی پایدار و برای کاهش اثرات انسانی زیست محیطی ناشی از معدن، با استفاده از وسایل نقلیه هوایی بدون سرنشین (UAV) و تجزیه و تحلیل زمین دیجیتال بر اساس داده های ارتفاعی پیشنهاد کرد. سیستم های اطلاعات جغرافیایی (GIS) همچنین در مطالعات مربوط به آتش سوزی زغال سنگ و ارزیابی و پایش اثرات زیست محیطی ناشی از فعالیت های معدنی استفاده شده است. برخی از نویسندگان، مانند پراکاش و وکردی [ 13 ]، وویگت و همکاران. [ 14 ]، ژانگ و همکاران. [ 15 ]، و پراکاش و همکاران. [ 16 ]، به طور خاص بر روی کاربردهای GIS مربوط به آتش سوزی زغال سنگ و توسعه ابزارهایی برای تشخیص و تجزیه و تحلیل متمرکز شده است. علی و همکاران [ 17] یکپارچه‌سازی را با در نظر گرفتن شبکه‌های حسگر بی‌سیم (WSN) به کمک GIS برای نظارت و کنترل برنامه‌های استخراج زیرزمینی از یک دفتر سطحی، ارتقای ایمنی و سلامت، مدیریت عملیاتی و مقرون‌به‌صرفه بودن پیشنهاد کرد. وو و لیو [ 18 ] یک سیستم شاخص ارزیابی خطر آتش سوزی زیرزمینی زغال سنگ (UCF-RA) را ایجاد کردند که بر روی به دست آوردن احتمال احتراق زغال سنگ در وسعت فضایی و شدت سوختن متمرکز بود. به منظور محاسبه عوامل و شاخص های مؤثر بر خطر آتش سوزی زغال سنگ، ArcGIS 9.0 (ESRI، Redlands، Califórnia، EUA) با در نظر گرفتن تخصیص وزن استفاده شد. اوزدنیز و همکاران [ 19] به مشکل در ارزیابی واکنش های داخلی در توده های زباله زغال سنگ اشاره دارد. در مطالعه آنها، تغییرات دما از طریق یک مکانیسم ویژه ارزیابی شد و یک مدل توزیع دمای زمانی 3.5 D در دو سطح برای ارزیابی توزیع دما و تغییرات دما و درک رفتار دما در انبار زغال سنگ صنعتی ایجاد شد. یک مدل 3.5 بعدی می تواند برای نشان دادن توزیع داده های ویژگی، در این مورد با توجه به اطلاعات مکانی در فضای سه بعدی ساخته شود. ذخایر زغال سنگ مجهز به حسگرهای ترموکوپل بود که به یک پانل ترانسفورماتور دیجیتال و سپس به یک کامپیوتر متصل شدند تا اندازه‌گیری‌ها را به‌طور خودکار جمع‌آوری کنند. تکنیک تحلیل اطلاعات مبتنی بر مکان به GIS متصل شد که یک مدل 3.5 بعدی را در یک محیط مجازی ارائه می‌کند. با توجه به زمان و مکان نقاط. مجموعه داده در پایگاه داده GIS ذخیره شد. داده ها با استفاده از فیلتر میانگین متحرک فیلتر شدند و تغییرات دما در طول زمان رسم شد.
ابزارهای GIS همراه با تکنیک های زمین آماری اطلاعات مربوطه را برای درک تغییرپذیری مکانی یک پارامتر خاص، مانند خطر آتش سوزی جنگل، فراهم می کند [ 20 ، 21 ، 22 ، 23 ]. الگوریتم های درون یابی و روش های زمین آماری معمولاً در نرم افزار GIS موجود است. قره چلو و همکاران [ 24 ] رطوبت خاک را با استفاده از روش های درونیابی و تکنیک های زمین آماری مانند کریجینگ ترسیم می کند. علاوه بر این، روش های درون یابی ثابت کردند که می توانند ویژگی های مهم را ترسیم کنند. لی و پارک [ 25] خطر فرونشست زمین را در جایی که معادن زیرزمینی متروکه وجود دارد، از طریق عوامل مرتبط مانند شیب، زمین شناسی، کاربری زمین و غیره تحلیل کرد. یک رویکرد درخت تصمیم تحت نرم افزار GIS استفاده شد. سونگ و همکاران [ 26 ] همچنین بر پیش بینی فرونشست معدن و تأثیر آن بر محیط زیست با تجزیه و تحلیل کمی GIS متمرکز شده است. رویکردی برای شناسایی عوامل کلیدی تاثیر بر فرسایش خاک ناشی از فرونشست معدن زغال‌سنگ، بر اساس مدل تجدید نظر شده جهانی تلفات خاک (RUSLE) و با استفاده از GIS، توسط لی و همکاران نیز مورد بررسی قرار گرفت. [ 27 ، 28 ]. ینیلمز و همکاران [ 29] از ابزار GIS برای ارزیابی سطوح آلودگی در سایت معدن زغال سنگ متروکه در Ovacik-Yaprakli (Cankiri، ترکیه) با توجه به توپوگرافی و رواناب سطحی، با استفاده از یک نرم افزار GIS استفاده کرد. نشان داده شد که ابزارهای تجزیه و تحلیل GIS برای شناسایی مناطق با غلظت بالایی از آلاینده ها مفید هستند، که به جلوگیری از نادیده گرفتن سایت های بسیار آلوده کمک می کند. هانمان و همکاران [ 30 ] برای یک روش ساده برای ذخیره داده‌های تغییر شکل همراه با تجسم و تجزیه و تحلیل اطلاعات تغییر ارتفاع موجود، با استفاده از یک پسوند ArcGIS که برای یک شرکت معدنی زغال سنگ آلمانی RAG Deutsche Steinkhole، Herne، Deutschland توسعه یافته است، جستجو کرد. برنامه افزودنی توسعه‌یافته به داده‌های مکانی از طریق ArcSDE برای پایگاه داده Oracle، ابرداده و داده‌های سنجش از راه دور دسترسی دارد. اوه و لی [ 31] از تکنیک های GIS برای تجزیه و تحلیل خطر فرونشست زمین در معادن زغال سنگ متروکه در Samcheok، کره استفاده کرد. مدل دیجیتال ارتفاع (DEM) برای محاسبه شیب، عمق رانش، فاصله از رانش، سطح آب زیرزمینی، نفوذپذیری، زمین‌شناسی و کاربری زمین از پایگاه‌های داده مختلف استفاده شد. با استفاده از این داده ها، روابط بین فرونشست زمین و هفت عامل ذکر شده قبل از طریق نسبت فرکانس، وزن شواهد، رگرسیون لجستیک و مدل های شبکه عصبی مصنوعی کمی سازی شد. آنها نتیجه می گیرند که مدل ادغام بهتر از مدل فردی است.
تمام مطالعات ذکر شده در بالا در نرم افزار اختصاصی GIS توسعه یافته اند که برای استفاده از آن نیاز به مجوز دارد. بر اساس ادبیات، یک برنامه GIS برای ارزیابی و پایش دمای توده های زباله زغال سنگ خود سوز وجود ندارد. علاوه بر این، و با توجه به اینکه مدیریت انبوه زباله های زغال سنگ با کنترل مستمر و شناسایی سناریوهای احتمالی تکامل از طریق اندازه گیری دما برای به حداقل رساندن تأثیرات فرآیند بسیار مهم است، برنامه ای مبتنی بر یک نرم افزار منبع باز GIS، امکان ارزیابی و نظارت را فراهم می کند. دما در انبوه زباله های زغال سنگ خود سوز که در این زمینه علوم زمین بسیار ارزشمند است. چنین برنامه ای امکان اصلاح کد و تطبیق آن با هر منطقه با ویژگی های مختلف را ارائه می دهد.
هدف از این مقاله توسعه یک برنامه کاربردی جدید برای تولید نقشه‌های دما پویا بود که امکان نظارت بر تغییرات دما را در یک توده زباله زغال سنگ خود سوز، تحت یک محیط منبع باز GIS فراهم می‌کرد. همچنین انتظار می رفت که یک برنامه کاربردی با یک رابط گرافیکی کاربر پسند ایجاد شود که در آن کاربر بتواند اندازه گیری های دما را معرفی کند و چندین نقشه درون یابی و یک ویدیو را بدست آورد که امکان ارزیابی پویای دماها را در یک منطقه خاص فراهم می کند. این برنامه در نرم افزار منبع باز QGIS توسعه یافته است و استفاده از آن رایگان است.

2. مطالعه موردی-پروژه ECOAL MGT (مدیریت زیست محیطی انبوه زباله زغال سنگ در احتراق)

وقوع آتش سوزی مرتبط با زغال سنگ در پرتغال در سه توده زباله زغال سنگ ناشی از فعالیت های معدنی در Douro Coalfield (NW پرتغال) شناسایی شد. میدان زغال‌سنگ Douro، از کربونیفر زمینی (Ghzeliano، پنسیلوانیای بالایی (استفانیان پایین C)) [ 32 ، 33 ]، نشان‌دهنده مهم‌ترین ذخایر زغال‌دار در پرتغال، با تراز شمال غربی-جنوب شرقی، عرض متغیر (30-250 متر) است. و تقریباً 53 کیلومتر طول دارد [ 34 ، 35 ]. فعالیت های معدنی در Douro Coalfield در سال 1795 آغاز شد و تا سال 1994 ادامه یافت. از نوع زغال سنگ آنتراسیت A برای تولید برق استفاده شد [ 36 ].
توده های زباله زغال سنگ اشاره شده، یعنی S. Pedro da Cova، Lomba، و Midões، بر روی سایت های معدن قدیمی و مناطق مجاور قرار گرفتند و در سال 2005، پس از آتش سوزی های جنگلی که باعث آتش سوزی آنها شد، شروع به سوزاندن کردند. توده زباله S. Pedro da Cova، که بزرگترین و در حال حاضر هنوز در حال سوختن است، بسیار نزدیک به قدیمی ترین مرکز فعالیت های معدنی در S. Pedro da Cova و نزدیک به یک منطقه مسکونی و تاسیسات زیرساخت اجتماعی قرار دارد. این شمع شکلی کشیده دارد و مساحتی حدود 28000 مترمربع را اشغال می‌کند که فرآیند سوختن فقط در شیب جنوبی رخ می‌دهد و در امتداد آن حرکت می‌کند. شکل 1 ناحیه ای را نشان می دهد که در حال حاضر تحت فرآیند خودسوزی قرار دارد.
مطالعات قبلی در مورد توده زباله S. Pedro da Cova با مشخصات پتروگرافی، کانی شناسی و ژئوشیمیایی مواد زائد، از جمله شستشوی احتمالی اجزای معدنی، و با شناسایی گازهای منتشر شده از دریچه های گاز [ 6 ، 37 ، 38 ، 39 ، 40 ]. تجزیه و تحلیل گازها طیف گسترده ای از هیدروکربن ها، از جمله هیدروکربن های آروماتیک و آلیفاتیک را نشان داد [ 6]]، که به عنوان اثرات مخرب زیست محیطی و سلامت انسان شناخته شده است. انواع و غلظت گازهای منتشر شده در طی احتراق ضایعات زغال سنگ، از جمله عوامل دیگر، به دمای احتراق بستگی دارد. همچنین نشان داده شد که انبوه زباله های زغال سنگ در حال سوختن ممکن است به دمای احتراق حدود 1000 درجه سانتیگراد یا حتی بالاتر رسیده باشند [ 39 ، 40 ]. در این زمینه، نظارت بر دمای احتراق و انتشار گاز در توده زباله S. Pedro da Cova برای شناسایی خطرات مرتبط و سناریوهای احتمالی تکامل ضروری است و امکان تعریف اقدامات اصلاحی به موقع برای به حداقل رساندن اثرات منفی ناشی از این فرآیند را فراهم می‌کند.

3. روش شناسی

3.1. سیستم سنجش اندازه گیری چند نقطه ای

با توجه به شرایط شدید مرتبط با دماهای بالا ناشی از فرآیند احتراق، سیستم سنجش اندازه گیری چند نقطه ای با استفاده از فناوری حسگر فیبر نوری اجرا شد. سنسورهای فیبر ویژگی های منحصر به فردی دارند که از جمله آنها می توان به قابلیت اندازه گیری در محیط های سخت، حساسیت بالا، دوام و قابلیت اندازه گیری از راه دور اشاره کرد. به طور خاص، یک سنسور فیبر نوری توزیع شده برای نظارت بر دمای احتراق در شمع زباله زغال سنگ استفاده شد. این نوع سنسور امکان استخراج مقادیر دما را به عنوان تابعی از موقعیت در طول کابل فیبر حسگر می دهد. این ویژگی به ویژه برای استفاده در برنامه هایی که نظارت بر دما در تعداد زیادی از نقاط که یک منطقه وسیع را پوشش می دهند مورد نیاز است، جذاب است، زیرا کل فیبر به عنوان یک حسگر عمل می کند.
تکنیک های سنجش فیبر نوری توزیع شده بر اساس نوعی از فرآیندهای پراکندگی نور است که در داخل فیبر نوری انجام می شود. در این مورد، Stimulated Brillouin Scattering (SBS) در قلب تکنیک بکار گرفته شده است که به آنالیز دامنه زمانی نوری بریلوین (BOTDA) [ 41 ] گفته می شود. معماری نمونه اولیه BOTDA مورد استفاده در S. Pedro da Cova شبیه یک BOTDA معمولی [ 42 ] است، اما شامل تکنیک‌های جدید برای بهبود وضوح فضایی است. در این مورد، یک تکنیک جفت عرض پالس دیفرانسیل [ 43 ] برای به دست آوردن وضوح فضایی ~ 0.5 متر استفاده شد، و نسبت سیگنال به نویز اندازه‌گیری‌ها با استفاده از تشخیص متعادل [ 44 ] و تنوع پلاریزاسیون [44] افزایش یافت. 45].
برای اندازه‌گیری توزیع شده دما، حدود 1 کیلومتر از یک کابل نوری دو فیبر ویژه که می‌تواند دمای بالا را تحمل کند، در کل منطقه شمع زباله در حین احتراق گسترش داده شد (کابل سنجش دما BRUsens 5.0 میلی‌متر پلی اتیلن با چگالی بالا (HDPE)، ارائه شده است. توسط Brugg Cables). قبل از نصب، کابل در آزمایشگاه کالیبره شد تا مرجع توزیع و حساسیت بریلوین تغییر فرکانس (BFS) در هر موقعیت در امتداد کابل فیبر باشد. شکل 2 کالیبراسیون حساسیت را در یک موقعیت خاص در امتداد کابل فیبر در محدوده 5-218 درجه سانتیگراد نشان می دهد. همانطور که قابل مشاهده است، پاسخ BFS با دمای فیبر مورد استفاده اساساً خطی با مقادیر حساسیت معمولی در مرتبه 1.1 مگاهرتز / درجه سانتیگراد است.
کابل در عمق 10 تا 20 سانتی متر دفن شد. دو فیبر نوری در کابل اندازه گیری استفاده شد، بنابراین اندازه گیری های اضافی در هر موقعیت به دست آمد. بنابراین تخمین دما با میانگین‌گیری نتایج به‌دست‌آمده از دو اندازه‌گیری مستقل که در یک موقعیت انجام شده‌اند [ 46 ] به دست آمد. واحد بازجویی BOTDA در یک ایستگاه جمع‌آوری داده‌ها واقع در نزدیکی شمع زباله زغال سنگ در احتراق قرار گرفت و از یک کابل نوری استاندارد (~500 متر) برای اتصال کابل نوری ویژه با سیستم BOTDA بر اساس نمایش شماتیک در استفاده شد. شکل 3 .
مجموعه‌ای جامع از اندازه‌گیری‌های دما در انبوه زباله زغال‌سنگ با استفاده از این حسگر BOTDA طی چند ماه انجام شد، که به شناسایی خطرات مرتبط، پیش‌بینی دینامیک احتراق و همچنین ایجاد سناریوهای تکامل کمک کرد.
کابل فیبر نوری به منظور پشتیبانی از نقاط کنترل، با 42 پایه مکان نصب شد. با توجه به شرایط میدانی، فیبر نوری در یک خط مستقیم بین دو نقطه متوالی گسترش یافت. در نقاط دیگر، فیبر نوری در یک خط مستقیم گسترش یافته بود، و در انتهای خطوط، انتقال به خط بعدی با یک نیمه محیط تعریف شد ( شکل 3 ، به صورت نقاط زرد نشان داده شده است).
در فیبر نوری، مقادیر دما توسط حسگر BOTDA هر 20 سانتی‌متر اندازه‌گیری شد و به صورت مکانی با عدد و فاصله تا مبدا ارجاع داده شد. پایه ها همزمان با علائم چاپ شده در پوشش کابل نوری برای نشان دادن فاصله تا مبدا قرار گرفتند. یک بررسی سیستم موقعیت جهانی (GPS) با استفاده از گیرنده سیستم ماهواره ناوبری جهانی Trimble R6 با فرکانس دوگانه (GNSS)، با اصلاحات بلادرنگ ارائه شده توسط شبکه ملی ایستگاه های دائمی GPS (RENEP—Rede Nacional de Estações Permanentes GNSS) انجام شد. توسط Direcção Geral do Território [ 47]. روش اتخاذ شده دقت 2 تا 3 سانتی متر را در مختصات سه بعدی تضمین می کند که برای مورد مطالعه کافی است. مختصات سهام به این ترتیب برای همه سهام، در سیستم مرجع ملی (ETRS89/PTTM06) محاسبه شد. با توجه به آرایش فضایی فیبر، مختصات 3281 مکان حسگر تخمین زده شد، و در قالب فایل شکل، برای تجزیه و تحلیل بیشتر در یک GIS ذخیره شد. مجموعه داده های ماهانه از جولای (با 15 دقیقه فاصله بین اندازه گیری ها) ارزیابی و پردازش شد. تیرماه به دلیل عدم وجود داده های مستمر در ماه های دیگر انتخاب شد.

3.2. نرم افزار متن باز GIS و زبان برنامه نویسی

برنامه توصیف شده در این کار تحت نرم افزار منبع باز GIS، QGIS نسخه 2.10 Pisa (سازنده، شهر، ایالت ایالات متحده به اختصار در صورت وجود، کشور؟) توسعه یافته است. QGIS یک نرم افزار رایگان و متن باز است که دارای مجوز عمومی عمومی گنو است. QGIS با توجه به تجربه و مهارت های قبلی نویسندگان انتخاب شد [ 22 ، 23 ، 48 ، 49 ]. دارای یک رابط گرافیکی کاربر پسند و چندین الگوریتم/افزونه قوی برای مشاهده، ویرایش، دستکاری و تجزیه و تحلیل داده‌های مکانی است. QGIS در زبان برنامه نویسی C++ توسعه یافته است، اما با افزونه های توسعه یافته در پایتون تکمیل شده است [ 50]]. این مزیت یکپارچه شدن با سایر بسته های GIS منبع باز، از جمله PostGIS، GRASS، SAGA، GDAL، و Orfeo Toolbox و غیره را دارد. در محدوده این کار، QGIS API، QT API، PyQt API، با QtCore، QtGui، Phonon و GDAL برخی از کتابخانه های مورد استفاده بودند [ 51 ، 52 ]. روش‌های QGIS تکمیل‌شده با روش‌های پایتون امکان ایجاد قالب‌های چندرسانه‌ای مختلف را فراهم می‌کنند که در محدوده این کار، می‌تواند برای درک دینامیک تکامل دما بسیار مفید باشد.
در توسعه این اپلیکیشن از پایتون استفاده شده است. این نرم افزار رایگان و متن باز است که تحت یک مجوز تایید شده توسط ابتکار منبع باز (OSI) توسعه یافته است که توسط توزیع نرم افزار پایتون اداره می شود. استفاده و یادگیری آن دوستانه است و کاربران از اسناد بسیار مفید و لیست های پستی پشتیبانی می کنند [ 50 ]. چندین ماژول از پایتون در این کار استفاده شد: re، glob، subprocess، os و sys برخی از آنها هستند.

3.3. سیستم اطلاعات جغرافیایی (GIS) – برنامه ECOAL

3.3.1. رابط گرافیکی

برنامه GIS-ECOAL از یک دکمه تشکیل شده است که می تواند به QGIS اضافه شود. پنجره ای را باز می کند که شامل هشت فیلد است که در سه بخش تقسیم شده اند ( شکل 4 ). بخش اول که «داده‌های دمای ورودی و اطلاعات منطقه مطالعه» نامیده می‌شود، اجازه می‌دهد داده‌های اندازه‌گیری دما را در قالب متن و مرزهای منطقه مورد مطالعه در قالب فایل شکل‌فایل مؤسسه تحقیقات سیستم‌های محیطی (ESRI) وارد کنید. بخش بعدی (“اطلاعات مختصات ورودی”) برای وارد کردن محل نقاط نمونه برداری است که می تواند به صورت xy ارائه شود .فایل متنی یا به عنوان یک شکل فایل نقطه ای. بخش سوم تعیین مسیر برای داده های خروجی شطرنجی با فرمت TIFF است که برای ساخت یک ویدیو استفاده می شود. ویدئو در پنجره ای نمایش داده می شود که در ابتدا به رنگ سیاه ارائه شده است. یک نمودار را می توان بر اساس اندازه گیری دما برای یک نقطه خاص (تعریف شده به عنوان فایل شکل) از طریق دکمه “Plot” ایجاد کرد. شکل 4 و شکل 5 به ترتیب نمودار مورد کاربر و رابط گرافیکی برنامه را نشان می دهد.

3.3.2. معماری اپلیکیشن

GIS-ECOAL چندین کتابخانه و رابط های برنامه نویسی کاربردی (API) را به منظور ایجاد رابط گرافیکی و اتصالات به فایل های مختلف وارد می کند. شکل 6 نمودار بسته برنامه را نشان می دهد.
این برنامه با در نظر گرفتن ویجت هایی مانند جعبه های ترکیبی، دکمه ها و ویجت های ویدئویی توسعه یافته است. پوشه های ورودی و خروجی از طریق کلاس QDir از Qt API به هم متصل شدند که امکان دسترسی و دستکاری ساختارهای دایرکتوری و محتویات آنها را فراهم می کند [ 53 ]. به منظور توسعه برنامه GIS-ECOAL، دو اسکریپت شامل دستکاری داده ها و تعریف رابط گرافیکی ایجاد شد. شکل 7 نمودار کلاس برنامه را نشان می دهد.
برنامه شروع به تأیید پسوند فایل متنی، و در صورت وجود رشته، محتوای آنها می کند. علاوه بر این، داده های دما با فرمت شناور داده می شود. تعریف شد که مقادیر موقعیت مربوطه، برای این کار خاص، بین 240 متر و 935 متر تقریباً متغیر است، با در نظر گرفتن اینکه داده های موقعیت از صفر متر شروع می شود. برای محدود کردن مقادیر به این بازه‌ها، یک شرط if ایجاد شد و فقط مقادیر در آن بازه مشخص نوشته شد. سپس مقادیر در ده عنصر گروه بندی شده و مقدار میانه این ده عنصر با استفاده از روش های مرتب شده ، int ، len و round محاسبه شد.. در هر 10 نقطه فقط یک نقطه حفظ می شود، به طوری که داده ها از مقداری نویز باقی مانده فیلتر می شوند و چگالی نقطه در امتداد فیبر مشابه چگالی در عرض می شود. این امر به منظور جلوگیری از سوگیری در روش های درونیابی که در زیر توضیح داده شده است، مهم است.
از آنجایی که برنامه دو گزینه برای معرفی مختصات نقطه منطقه مطالعه به عنوان ورودی می دهد، یک عبارت if ایجاد شد. در حالت اول، اگر یک فایل متنی با مختصات در دو ستون x و y معرفی شود، از این فایل ورودی (نقاط مختصات TXT ورودی) برای مرحله بعد استفاده می شود. در حالت دوم، اگر یک شکل فایل با نقاط معرفی شود (نقاط Sahpefile ورودی (SHP))، برنامه کاربردی فایل برداری را می‌خواند، روی ویژگی‌های هندسی تکرار می‌کند و مختصات هر نقطه را از طریق تابع asPoint () متعلق به QgsGeometry می‌خواند . 53 ]. در مرحله بعد مختصات x و y، به همراه مقادیر دمای میانه در یک فایل متنی که توسط سه ستون تشکیل شده است اضافه می شوند: مقادیر دمای میانه. x – مختصات و y – مختصات. فایل های متنی با استفاده از تابع writeAsVectorFormat () از کلاس QgsVectorFileWriter به shapefile تبدیل شدند . با نقاط ایجاد شده و مقادیر دما در جدول ویژگی، الگوریتم کریجینگ معمولی از SAGA به منظور درونیابی نقاط و ایجاد یک سطح استفاده شد. این الگوریتم امکان ایجاد یک درون یابی شبکه ای از نقاط نمونه نامنظم را فراهم می کند [ 54]. به منظور محدود کردن گسترش سطوح به منطقه مورد مطالعه، از شبکه کلیپ با الگوریتم چند ضلعی از SAGA استفاده شد. برای به دست آوردن یک نمایش گرافیکی از محدوده دمای رنگ بر حسب درجه (سانتیگراد)، یک سطح شیبدار رنگی مناسب برای هر سطح با استفاده از کلاس QgsColorRampShader تعریف شد، یک سایه‌زن سطح شیدر که یک شطرنجی را بر اساس فهرستی از محدوده‌های مقادیر در یک سطح شیبدار رنگ می‌کند. [ 53 ]. یک رمپ رنگی با رنگ سبز برای مقادیر کم دما و رنگ قرمز برای مقادیر بالای دما از طریق QgsColor به هر سطح اختصاص داده شد. دامنه مقادیر مورد استفاده برای همه تصاویر اقتباس شده بود. چندین توابع از API QGIS برای انجام این کار اعمال شد، setColorRampItemList ، setRasterShaderFunction، کلاس QgsSingleBandPseudoColorRenderer، در میان دیگران. به منظور ایجاد یک طرح ترکیبی با عناصر، عنوان، مقیاس گرافیکی، افسانه و فلش شمال، از QgsComposition برای آهنگساز نقشه استفاده شد. برنامه سیستم مختصات سطوح را در بوم نقشه می خواند، یک وسعت را تعیین می کند و یک الگوی از پیش تعریف شده را بارگذاری می کند. در این الگو، برنامه نقشه (سطح دما)، افسانه با رمپ رنگی تعریف شده، عنوانی که با توجه به نام فایل اختصاص داده شده است، فلش شمال از طریق یک تصویر و نوار مقیاس گرافیکی مطابق با سیستم مختصات سطوح
در نهایت نقشه های ساخته شده با فرمت tif با نام دما (سلسیوس) و یک عدد ترتیبی صادر و در پوشه خروجی ذخیره شدند.
Ffmpeg، که یک برنامه خط فرمان واحد برای تبدیل فرمت چند رسانه ای است، برای ساختن ویدیو از توالی تصاویر منفرد استفاده شد. Ffmpeg چندین کتابخانه مانند libx264 را فراخوانی می کند که کدک مورد استفاده در این کار است [ 55 ]. خط فرمان ffmpeg در سیستم نصب شد و از طریق ماژول subprocess از پایتون فراخوانی شد . این ماژول امکان ایجاد فرآیندهای جدید، اتصال به لوله های ورودی، خروجی یا خطای آنها و دریافت کدهای بازگشت آنها را فراهم می کند [ 50 ]. برنامه ویدیو را در وبم ایجاد می کندفرمت، که می تواند در هر برنامه پخش کننده ویدیو نمایش داده شود. با این حال، برنامه امکان تجسم ویدیو را به طور مستقیم در رابط گرافیکی برنامه فراهم می کند. دکمه Play به عملکرد PlayClicked متصل می‌شود که فهرست تصاویر را می‌خواند، وجود ویدیو را تأیید می‌کند و اگر وجود دارد، آن را بارگیری و در برنامه پخش می‌کند. برای انجام این کار، از کلاس MediaSource از مرجع کلاس Phonon متعلق به کتابخانه PyQt4 استفاده شد [ 51 ]. فضای نام Phonon برای کلاس ها و توابع برای برنامه های چند رسانه ای [ 56 ] تشکیل شده است.
کاربر این امکان را دارد که دینامیک دمای یک نقطه خاص در میدان را از طریق نمایش گرافیکی مقادیر دما به عنوان تابعی از زمان و یک جدول با تجزیه و تحلیل آماری برای هر روز ارزیابی کند. برای تولید این نمودار، یک فیلد ورودی (Input point shapefile) و یک دکمه ( Plot ) ایجاد شد. فیلد اول شکل فایل را با یک نقطه خاص تعریف می کند و دکمه اجازه می دهد تا گرافیک را با دینامیک دما ایجاد کنید. مقادیر حداکثر و حداقل دما به صورت متن در کنار طرح ارائه می شود. برای انجام این کار، تابع plot_create توسعه داده شد و کتابخانه matplotlib وارد شد. Matplotlib چندین قابلیت ترسیم را با ماژول ها و توابع مفید برای مدیریت تاریخ ها به عنوان زمان تاریخ ارائه می دهد، date2num ، num2date و غیره. ماژول شکل از matplotlib نیز به منظور تعریف عناصر نمودار استفاده شد. نمودار نهایی را می توان به فرمت PDF یا فرمت تصویر صادر کرد [ 57 ]. نمایش مقدار زیاد داده در محور x بسیار دشوار است ، بنابراین مقدار میانگین دما برای یک روز با استفاده از فرهنگ لغت پایتون محاسبه شد. یک فایل txt نیز به طور خودکار از طریق کتابخانه های پایتون ایجاد می شود. متغیرهای آماری از طریق توابع کتابخانه numpy محاسبه می شوند.

4. اعتبار سنجی تجربی

معمولاً برای مطالعات مدیریت و پایش محیطی، داده های پیوسته مکانی مورد نیاز است. داده‌های دما و سایر متغیرهای آب و هوایی معمولاً از طریق ایستگاه‌های هواشناسی پراکنده ثبت می‌شوند و از منابع نقطه‌ای جمع‌آوری می‌شوند، بنابراین توزیع مکانی داده‌ها به یک درونیابی فضایی به منظور ارائه داده‌های اقلیمی در سایت‌های دیگر نیاز دارد [43 ، 58 ] . چندین روش درونیابی فضایی به طور گسترده استفاده می شود مانند روش های وزن دهی با فاصله معکوس (IDW)، مثلث سازی دلون و روش های زمین آمار. دومی با استفاده از داده های آب و هوایی ثبت شده در ایستگاه ها یا ترکیب این اطلاعات با اطلاعات جغرافیایی یا توپوگرافی، همبستگی فضایی بین داده ها را تجزیه و تحلیل می کند [ 58 ].

در این کار از کریجینگ معمولی فقط با در نظر گرفتن داده های ثبت شده در ایستگاه ها استفاده شد. کریجینگ معمولی فرض می‌کند که داده‌ها ثابت هستند، یعنی هیچ روند (یا رانش) قابل توجهی در محدوده مکانی [ 59 ] ندارند. کریجینگ را می توان به صورت زیر توصیف کرد: اجازه دهید x 1 , x 2 , x 3 , …, x n نقاط مشاهده با مقادیر مشاهده شده Z ( x 1 ), Z ( x 2 ), Z ( x 3 ),…, Z ( x n )، و x0 یک نقطه نمونه برداری نشده با مقدار ناشناخته Z ( x 0 ). تخمین Z *( x 0 ) آن مقدار با استفاده از ترکیب خطی n مقدار شناخته شده [ 60 ] به دست می آید:

ز∗(ایکس0) =∑nt = 1λمنز(ایکسمن) .ز*(ایکس0)=∑تی=1��منز(ایکسمن).

ضرایب λ i به گونه ای تعیین می شوند که تخمین Z * ( x 0 ) بی طرفانه باشد (معادله (2)):

E[ز∗(ایکس0) – Z(ایکس0) ]=0،�[ز*(ایکس0)-ز(ایکس0)]=0،

و اینکه واریانس تخمین داده شده توسط رابطه (3) حداقل است.

v a r [ز∗(ایکس0) – Z(ایکس0) ].�آ�[ز*(ایکس0)-ز(ایکس0)].

شرایط ارائه شده توسط معادلات (2) و (3) در صورتی رعایت خواهند شد که ضرایب λ i حل معادله ارائه شده در رابطه (4) باشد، که در آن ضرایب ∑ni = 1λمن= 1∑من=1��من=1.

∑i = 1nλمنγ(ایکسمن،ایکسj) +μ=γ(ایکسمن،ایکسj)∀j،∑من=1��من�(ایکسمن،ایکس�)+�=�(ایکسمن،ایکس�)∀�،

که γ نیمه واریوگرام نظری و μ ضریب لاگرانژ است. واریوگرام تابعی است که وابستگی واریانس را نسبت به فاصله توصیف می کند. به منظور اعمال کریجینگ، یک مدل ساده شده باید به یک واریوگرام برازش شود. معمولاً سه پارامتر وجود دارد که یک واریوگرام را با جزئیات کافی توصیف می کند: ناگت، آستانه و محدوده. جزئیات بیشتر در مورد نیمه متغیرها، و این پارامترها را می توان در Cressie [ 61 ] پایه گذاری کرد.

دو روش درونیابی دیگر – IDW و Triangulation – نیز به منظور اعتبارسنجی نتایج به‌دست‌آمده با کریجینگ استفاده شد. در مقایسه با کریجینگ، IDW این مضرات را دارد که به طور میانگین تعداد معینی از نقاط همسایه را بدون هیچ گونه تحلیل همبستگی فضایی انجام می دهد. روش Triangulation از سه نقطه همسایه که یک مثلث را تشکیل می‌دهند استفاده می‌کند، و همچنین تمایل دارد هر نویز احتمالی داده‌ها را مدل‌سازی کند. همچنین این عیب را دارد که فقط در داخل یک بدنه محدب تعریف شده توسط نقاط داده درون یابی می شود.
درون یابی کریجینگ از طریق الگوریتم کریجینگ معمولی از SAGA انجام شد. روش درونیابی IDW از طریق الگوریتم v.idw از GRASS [ 62 ] انجام شد. تفاوت بین مقدار دمای اندازه گیری شده و آنهایی که درون یابی (باقی مانده) به منظور پیدا کردن روش درون یابی دقیق تر محاسبه شد.

5. نتایج و بحث

به منظور ارزیابی و مقایسه نتایج روشها، تجزیه و تحلیل باقیمانده بر روی نقاط داده انجام شد. باقیمانده تفاوت بین مقدار نقطه و نتیجه مقدار برآورد شده توسط شبکه، با استفاده از درون یابی دوخطی است. سپس آمار باقیمانده ها مانند میانگین، انحراف معیار، ریشه میانگین مربع (RMS)، حداقل و حداکثر محاسبه شد. از آنجایی که به طور کلی میانگین باقیمانده ها نزدیک به صفر است، انحراف معیار و RMS بسیار مشابه هستند. مقادیر RMS نیز به عنوان خطاهای نسبی، به نسبت فاصله دامنه دما، که حدود 78 درجه سانتیگراد بود، بیان شد.
این دو روش با استفاده از نقاط نمونه مشابه فیبر نوری به منظور ایجاد شبکه‌هایی با فاصله 1 متری که متراکم‌تر از نمونه‌برداری است، استفاده شد.
شکل 8 ، برای سه روش، شبکه تولید شده و باقیمانده ها در نقاط داده را با رنگ های مرتبط با مقادیر نشان می دهد. تمام نقشه ها با QGIS به دست آمد.
جدول 1 تجزیه و تحلیل آماری را برای هر روش درونیابی ارائه می کند.
از نتایج به‌دست‌آمده، باقیمانده‌های بین ۲- تا ۲ درجه سانتی‌گراد در ۵۹ درصد نمونه‌ها در مورد کریجینگ، ۸۳ درصد برای مثلث‌سازی و ۴۸ درصد برای روش IDW ثبت شد. بیست و یک درصد از نمونه‌ها تفاوت‌های بالاتر از 2 درجه سانتیگراد را از طریق درونیابی کریجینگ نشان دادند. از طریق درون یاب IDW، درصد نمونه‌هایی با باقیمانده‌های بالاتر از 2 درجه سانتی‌گراد 20 درصد و از طریق مثلث‌سازی 10 درصد بود. با توجه به باقیمانده های کمتر از -2 درجه سانتی گراد، درون یابی کریجینگ 20٪ نمونه ها، 32٪ با IDW و 7٪ با مثلث سازی را نشان می دهد. نتایج آماری به دست آمده بسیار مشابه بود. با این حال، IDW یک روش ساده تر است.
با توجه به آمار، روش مثلثی بهترین دقت را با RMS کوچکتر ارائه کرد. با این حال، این روش به بدنه محدب تعریف شده توسط نقطه نمونه برداری محدود می شود، بنابراین تنها 305 نقطه را می توان ارزیابی کرد. IDW و کریجینگ نتایج آماری مشابهی ارائه کردند و هر دو را می توان در کل منطقه اعمال کرد. با این وجود، کریجینگ یک تخمین درون یابی بهینه برای یک مکان مختصات معین، و همچنین یک تخمین واریانس برای مقدار درونیابی ارائه می دهد، در حالی که تخمین IDW تنها بر اساس وزن های داده شده با فاصله از مکان درونیابی است. بنابراین، بر این اساس، روش کریجینگ برای درونیابی داده ها انتخاب شد.
به منظور آزمایش کاربرد توصیف شده، شمع زباله S. Pedro da Cova برای مطالعه دینامیک دما در یک دوره زمانی معین مورد ارزیابی قرار گرفت. برای ارزیابی عملکرد برنامه، زمان پردازش ثبت شد. مجموعه داده توسط 782 فایل تشکیل شده بود که پردازش و ایجاد 782 تصویر در پردازنده Intel® Celeron® N2820 @ 2.13 گیگاهرتز (پورتو، پرتغال)، با 4.00 گیگابایت رم و سیستم عامل ویندوز 8.1 تقریباً سه ساعت طول کشید . (پورتو، پرتغال). این ویدئو تقریبا در یک ساعت ساخته شد. شکل 9دو تصویر را ارائه می دهد که در زمان های مختلف، 05:05 و 18:05، در یک روز (11 ژوئیه)، که در آن عناصر گرافیکی، مانند فلش شمال، افسانه و مقیاس گرافیکی اضافه شده است، ایجاد شده است. کاربر می تواند با فشار دادن دکمه Play ویدیوی به دست آمده را پخش کند. تصاویر دمایی ارائه شده در طرح‌بندی‌های نهایی با درون‌یابی کریجینگ معمولی به‌دست آمدند.
تصاویر مربوط به روزهای انتخاب شده و زمان های خاص را می توان بازیابی کرد. تجزیه و تحلیل تک تک تصاویر اطلاعات ارزشمندی در مورد تغییرات دما در لحظات مختلف یک روز (یعنی همانطور که در شکل 9 نشان داده شده است) و همچنین در مورد توزیع و پراکندگی فعالیت و شدت احتراق در منطقه آتش، از زمان احتراق به دست می دهد. فرآیند در یک توده زباله زغال سنگ از نظر فضایی بسیار ناهمگن است.
این تصاویر همچنین امکان شناسایی دماهای مرتبط با فرآیند احتراق و کانون اصلی و/یا تمرکز جدید فعالیت احتراق را فراهم می‌کنند. با در نظر گرفتن شکل 9 به عنوان مثال، یک ناحیه اصلی احتراق شدیدتر را می توان تشخیص داد، که قسمت قرمز بزرگ در پایین ناحیه تحت نظارت است. شکل 9همچنین نشان می دهد که دمای مواد شمع زباله به طور کلی در ساعت 18:05 11 جولای در مقایسه با دمای اندازه گیری شده در ساعت 05:05 بالاتر است که مربوط به تأثیر شرایط جوی است که بعداً مورد بحث قرار خواهد گرفت. مشاهدات میدانی و تجزیه و تحلیل ترموگرافی منطقه مورد مطالعه، امکان شناسایی این کانون اصلی فعالیت احتراق را فراهم کرده است. با این حال، شناسایی درجه حرارت به طور قابل توجهی بالاتر در گوشه سمت چپ و بالای توده زباله (مناطق زرد بیشتر) نشان می دهد که فعالیت احتراق ممکن است در این منطقه افزایش یابد. شناسایی این تمرکز جدید احتراق تنها از طریق تجسم تصاویر ایجاد شده توسط برنامه GIS-ECOAL امکان پذیر بود.
ادغام تصاویر نسبت به یک دوره زمانی معین (یک روز، یک هفته، یک ماه و غیره) اطلاعاتی در مورد تغییرات دما به دلیل شرایط جوی و تغییرات فصلی ارائه می دهد. ویدئوهای تولید شده، تجسم پویا و مداوم فرآیند احتراق را در منطقه تحت نظارت امکان پذیر می کند. داده های ارائه شده توسط برنامه GIS-ECOAL اجازه می دهد: (1) شناسایی مناطق احتراق جدید. (ب) نظارت بر تمرکز احتراق. و (iii) پیش‌بینی سناریوهای تکاملی که ممکن است به ایجاد اقدامات کاهشی و شیوه‌های مدیریت مناسب کمک کند.
به منظور آزمایش عملکرد برای ایجاد یک نمودار برای یک نقطه خاص و نشان دادن تکامل دما در زمان، سه نقطه با توجه به تجزیه و تحلیل ویدئو انتخاب شد. مکان نقاط انتخاب شده برای تجزیه و تحلیل دقیق را می توان در شکل 9 مشاهده کرد: نقطه 1 در کانون اصلی احتراق (در میدان نیز شناخته شده است)؛ نقطه 2 در یک تمرکز جدید بالقوه احتراق؛ و نقطه 3 در منطقه ای بدون فعالیت احتراق. برای هر نقطه، یک شکل فایل تولید و به عنوان ورودی در برنامه معرفی شد. برنامه از طریق تصاویر ایجاد شده اجرا می شود و مقدار دمای متوسط ​​را در هر روز و زمان نقطه تعیین می کند. مقادیر ذخیره شدند، و در نهایت، یک نمودار به عنوان تابعی از زمان ایجاد شد. مقدار متوسط ​​به دلیل حجم زیاد داده انتخاب شد. علاوه بر این، یک فایل متنی به صورت خودکار با متغیرهای آماری مربوط به هر روز مانند میانگین، مقدار میانه، حداکثر و حداقل دما، انحراف معیار، ضریب تغییرات و دامنه ایجاد می شود. این تجزیه و تحلیل آماری امکان ارزیابی داده ها را برای هر روز فراهم می کند. شکل 10نمودارهای حاصل را برای نقاط 1، 2 و 3 نشان می‌دهد که دینامیک دما را در ژوئیه 2015 نشان می‌دهد. محور x روزهای ارزیابی‌شده را نشان می‌دهد، و اندازه‌گیری‌های دما در محور y ، به‌عنوان میانگین برای هر روز ارائه می‌شوند. نمودارها برای تجسم در QGIS تولید می شوند، اما کاربر می تواند آنها را به عنوان یک تصویر یا PDF ذخیره کند تا در هر زمان دیگری ارزیابی شود.
تجزیه و تحلیل شکل 10 نشان می دهد که دما در نقطه 1، که در منطقه ای با فعالیت احتراق شدید واقع شده است، بالاتر از 90 درجه سانتیگراد است در حالی که، در نقطه 2، دما بین 50 درجه سانتیگراد تا 60 درجه سانتیگراد و در نقطه تغییر می کند. 3، معمولاً بین 40 درجه سانتیگراد تا 50 درجه سانتیگراد هستند.
شرایط جوی می تواند به شدت بر دمای مواد جامد که توده زباله زغال سنگ را تشکیل می دهند و همچنین دمای احتراق تأثیر بگذارد. بر اساس داده‌های ایستگاه هواشناسی Pedras Rubras (41°9’0″ شمالی، 8°37’12″ غربی)، تغییرات دما و رطوبت در نقاط 1، 2 و 3، در گرم‌ترین و سردترین روزهای جولای. (با در نظر گرفتن حداکثر دما) ( جدول 2 )، ارزیابی شدند. تفاوت دما و رطوبت بین سردترین و گرم ترین روزها چندان قابل توجه نیست، زیرا جولای یک ماه تابستانی در نیمکره شمالی است ( جدول 2 ).
شکل 11نمایش گرافیکی تغییرات دما در نقاط 1، 2 و 3 و نمایش دمای اتمسفر سردترین و گرم ترین روزهای جولای را ارائه می دهد. می توان مشاهده کرد که حداکثر دمای اتمسفر روزهای مورد تجزیه و تحلیل و حداکثر دمای احتراق توده زباله زغال سنگ در سه نقطه در همان زمان از روز رخ نداده است. حداکثر دما در نقاط 1، 2 و 3 حدود سه تا پنج ساعت دیرتر از حداکثر دمای اتمسفر به دست آمد. همین امر برای حداقل دمای آن روزها در مقایسه با دمای اتمسفر مشاهده می شود. جابجایی دمای احتراق زغال سنگ از توده زباله و جو به انتقال حرارت پیشرونده بین جو و مواد جامد نسبت داده می شود. علاوه بر این، در نقاط 1 و 3، تغییرات دما در طول روزها نامنظم تر از دما در نقطه 2 است. در مورد نقطه 1، این واقعیت را می توان به وقوع و مدت زمان فرآیند احتراق نسبت داد. احتراق در نقطه 1 شناسایی شد و از سال 2013 از طریق تصاویر ترموگرافی که یک بار در ماه و به طور معمول تا ظهر به دست می‌آیند نظارت شده است.39 ].

6. نتیجه گیری

نظارت مستمر انبوه زباله در خود احتراق به منظور به حداقل رساندن اثرات زیست محیطی مرتبط است. برنامه توسعه یافته در این کار امکان نظارت بر دمای احتراق در زباله های زغال سنگ خود سوز را از طریق ایجاد تصاویر و فیلم هایی که تغییرات مکانی و زمانی دما را نشان می دهد و همچنین انجام تجزیه و تحلیل گرافیکی در زمان برای نقاط خاص را می دهد. برای آزمایش کاربرد، مطالعه موردی توده زباله زغال سنگ S. Pedro da Cova در پرتغال مورد استفاده قرار گرفت. زمان پردازش به منظور ارزیابی عملکرد برنامه ثبت شد که قابل قبول بود. نتایج به تفسیر و تجزیه و تحلیل دینامیک دما و فرآیند احتراق در دوره های زمانی خاص اجازه می دهد. نمایش گرافیکی دما برای نقاط خاص با مقدار دمای میانه برای روزهای انتخابی به دلیل توزیع زمانی داده ها انجام شد. نمودارهای حاصل می تواند برای تحلیل و ارزیابی رفتار فرآیند احتراق در نقاط خاص بسیار مفید باشد. استفاده و دستکاری برنامه توسعه یافته، حتی برای کاربری که با محیط QGIS آشنا نیست، آسان است. اطلاعات به‌دست‌آمده از برنامه GIS-ECOAL می‌تواند به‌ویژه برای پیش‌بینی سناریوهای تکامل مفید باشد، که به نوبه خود ممکن است به شناسایی تمرکز احتراق جدید، اقدامات کاهش و شیوه‌های مدیریت مناسب کمک کند. نمودارهای حاصل می تواند برای تحلیل و ارزیابی رفتار فرآیند احتراق در نقاط خاص بسیار مفید باشد. استفاده و دستکاری برنامه توسعه یافته، حتی برای کاربری که با محیط QGIS آشنا نیست، آسان است. اطلاعات به‌دست‌آمده از برنامه GIS-ECOAL می‌تواند به‌ویژه برای پیش‌بینی سناریوهای تکامل مفید باشد، که به نوبه خود ممکن است به شناسایی تمرکز احتراق جدید، اقدامات کاهش و شیوه‌های مدیریت مناسب کمک کند. نمودارهای حاصل می تواند برای تحلیل و ارزیابی رفتار فرآیند احتراق در نقاط خاص بسیار مفید باشد. استفاده و دستکاری برنامه توسعه یافته، حتی برای کاربری که با محیط QGIS آشنا نیست، آسان است. اطلاعات به‌دست‌آمده از برنامه GIS-ECOAL می‌تواند به‌ویژه برای پیش‌بینی سناریوهای تکامل مفید باشد، که به نوبه خود ممکن است به شناسایی تمرکز احتراق جدید، اقدامات کاهش و شیوه‌های مدیریت مناسب کمک کند.
ارزش افزوده این برنامه این است که می توان آن را برای موقعیت های دیگر مربوط به خود گرم شدن و خود سوزی زغال سنگ در درزها، در حین استخراج، جابجایی و حمل و نقل و ذخیره سازی انطباق داد و اعمال کرد. خود گرمایش محل های دفن زباله نشان دهنده یکی دیگر از مشکلات زیست محیطی است که در آن کاربرد می تواند سازگار و استفاده شود.
برنامه دسکتاپ GIS، با تمام کد منبعی که می تواند تغییر یا تطبیق داده شود، در [ 63 ] موجود است تا خواننده بتواند برنامه GIS-ECOAL را آزمایش کند.

منابع

  1. اورم، WH; فینکلمن، تشکیل زغال سنگ و ژئوشیمی RB. در رساله ژئوشیمی، دیاژنز رسوبات و سنگهای رسوبی . هلند، HD، تورکیان، KK، مکنزی، FT، ویرایش. Elsevier: آمستردام، هلند، 2004; جلد 7، ص 191-222. [ Google Scholar ]
  2. سوارز-روئیز، آی. Crelling, JC (ویراستار) پترولوژی زغال سنگ کاربردی: نقش پترولوژی در استفاده از زغال سنگ . الزویر: آمستردام، هلند، 2008.
  3. Stracher، GB; پراکاش، ا. سوکول، EV زغال سنگ و آتش سوزی ذغال سنگ نارس: یک چشم انداز جهانی. جلد 1: زغال سنگ – زمین شناسی و احتراق ; الزویر: آمستردام، هلند، 2011. [ Google Scholar ]
  4. Stracher، GB; پراکاش، ا. سوکول، EV زغال سنگ و آتش سوزی ذغال سنگ نارس: یک چشم انداز جهانی. جلد 2: عکس ها و تورهای چند رسانه ای ; الزویر: آمستردام، هلند، 2013. [ Google Scholar ]
  5. Stracher، GB; پراکاش، ا. سوکول، EV زغال سنگ و آتش سوزی ذغال سنگ نارس: یک چشم انداز جهانی. جلد 3: مطالعات موردی – آتش سوزی زغال سنگ ; الزویر: آمستردام، هلند، 2015. [ Google Scholar ]
  6. ریبیرو، جی. دا سیلوا، EF; فلورس، دی. سوزاندن توده های زباله زغال سنگ از Douro Coalfield (پرتغال): خصوصیات پترولوژیکی، ژئوشیمیایی و کانی شناسی. بین المللی جی. زغال سنگ. 2010 ، 81 ، 359-372. [ Google Scholar ] [ CrossRef ]
  7. ریبیرو، جی. مورا، ر. فلورس، دی. Lopes، DB; گوویا، سی. مندونسا، اس. Frazão، O. آتش سوزی Douro Coalfield پرتغال. در آتش سوزی زغال سنگ و ذغال سنگ نارس: یک چشم انداز جهانی. جلد 2 اطلس آتش زغال سنگ جهان ; Stracher, GB, Prakash, A., Sokol, EV, Eds. الزویر: آمستردام، هلند، 2013; صص 313-337. [ Google Scholar ]
  8. سوارز-روئیز، آی. فلورس، دی. Mendonça Filho، JG; هاکلی، کامپیوتر بررسی و به روز رسانی کاربردهای سنگ شناسی آلی: قسمت 2، کاربردهای زمین شناسی و چند رشته ای. بین المللی جی. زغال سنگ. 2012 ، 98 ، 73-94. [ Google Scholar ] [ CrossRef ]
  9. پاپادمیتریو، اف. مدلسازی پیچیدگی منظر برای مدیریت کاربری زمین در ریودوژانیرو، برزیل. سیاست کاربری زمین 2012 ، 29 ، 855-861. [ Google Scholar ] [ CrossRef ]
  10. میشرا، NK; باهگونا، PP; سینگ، VK تشخیص آتش سوزی معدن زغال سنگ در میدان زغال سنگ Jharia با استفاده از داده های Landsat-7 ETM+. بین المللی جی. زغال سنگ. 2011 ، 86 ، 73-78. [ Google Scholar ] [ CrossRef ]
  11. Gangopadhyay، PK; لاهیری دات، ک. ساها، ک. کاربرد سنجش از دور برای شناسایی آتش سوزی های زغال سنگ در کمربند زغال سنگ Raniganj، هند. بین المللی J. Appl. زمین Obs. Geoinf. 2006 ، 8 ، 188-195. [ Google Scholar ] [ CrossRef ]
  12. چن، جی. لی، ک. چانگ، ک.-جی. صوفیه، جی. Tarolli، P. شناسایی ویژگی های ژئومورفیک معدن روباز. بین المللی J. Appl. زمین Obs. Geoinf. 2015 ، 42 ، 76-86. [ Google Scholar ] [ CrossRef ]
  13. پراکاش، ا. Vekerdy، Z. طراحی و اجرای یک نمونه اولیه GIS اختصاصی برای تحقیقات آتش سوزی زغال سنگ در شمال چین. بین المللی جی. زغال سنگ. 2004 ، 59 ، 107-119. [ Google Scholar ] [ CrossRef ]
  14. وویگت، اس. تتزلاف، ا. ژانگ، جی. کونزر، سی. ژوکوف، بی. استرونز، جی. اورتل، دی. راث، ا. ون دایک، پی. مهل، اچ. ادغام تکنیک‌های سنجش از راه دور ماهواره‌ای برای تشخیص و تجزیه و تحلیل آتش‌سوزی‌های درز زغال‌سنگ کنترل‌نشده در شمال چین. بین المللی جی. زغال سنگ. 2004 ، 59 ، 121-136. [ Google Scholar ] [ CrossRef ]
  15. ژانگ، جی. واگنر، دبلیو. پراکاش، ا. مهل، ح. Voigt, S. تشخیص آتش سوزی زغال سنگ با استفاده از تکنیک های سنجش از دور. بین المللی J. Remote Sens. 2004 , 25 , 3193-3220. [ Google Scholar ] [ CrossRef ]
  16. پراکاش، ا. شفر، ک. Witte، WK; کالینز، کی. جنس، آر. Goyette، MP بررسی سنجش از دور و GIS از آتش سوزی زغال سنگ جنگل های شمالی. بین المللی جی. زغال سنگ. 2011 ، 86 ، 79-86. [ Google Scholar ] [ CrossRef ]
  17. علی، م.م. یوهی، ک. مصطفی، س. ناکس، CE; مارکوس، دبلیو. هیونگدو، جی. Hirokazu، O. توسعه سیستم نظارت و ارتباط معادن زیرزمینی یکپارچه ZigBee و GIS. بین المللی J. Min. علمی تکنولوژی 2015 ، 25 ، 811-818. [ Google Scholar ]
  18. وو، جی. لیو، X. ارزیابی خطر توسعه آتش زغال سنگ زیرزمینی در مقیاس منطقه ای. بین المللی جی. زغال سنگ. 2011 ، 86 ، 87-94. [ Google Scholar ] [ CrossRef ]
  19. اوزدنیز، ق. کوروملو اوغلو، او. کالایچی، آی. Sensogut، C. مدل دمای 3.5 درجه یک انبار زغال سنگ. منابع انرژی بخش A ابزار بازیابی. محیط زیست اثر 2008 ، 30 ، 1085-1097. [ Google Scholar ] [ CrossRef ]
  20. Bui، DT; Le، K.-TT; نگوین، وی سی. Le، HD; Revhaug، I. نقشه‌برداری حساسیت جنگل‌های گرمسیری در منطقه پارک ملی Cat Ba، شهر Hai Phong، ویتنام، با استفاده از رگرسیون لجستیک هسته مبتنی بر GIS. Remote Sens. 2016 ، 8 ، 347. [ Google Scholar ]
  21. Bui، DT; Buib، QT; Nguyenc، Q.-P. پراداند، بی. نمکد، ح. Trinh، PT یک رویکرد هوش مصنوعی ترکیبی با استفاده از سیستم عصبی فازی مبتنی بر GIS و بهینه‌سازی ازدحام ذرات برای مدل‌سازی حساسیت به آتش جنگل در یک منطقه گرمسیری. کشاورزی برای. هواشناسی 2017 ، 233 ، 32-44. [ Google Scholar ]
  22. تئودورو، AC؛ Duarte، L. نقشه های خطر آتش سوزی جنگل: یک برنامه منبع باز GIS – مطالعه موردی در شمال غربی پرتغال. بین المللی جی. جئوگر. Inf. علمی 2013 ، 27 ، 699-720. [ Google Scholar ] [ CrossRef ]
  23. دوارته، ال. تئودورو، AC؛ Gonçalves، JA; Guerner Dias، AJ; Espinha Marques, J. یک برنامه نقشه پویا برای ارزیابی آسیب پذیری آب های زیرزمینی در برابر آلودگی. محیط زیست علوم زمین 2015 ، 74 ، 2315-2327. [ Google Scholar ] [ CrossRef ]
  24. قره چلو، س. تاتیچی، ر. Sharma, RC; Alan Jonhson، B. نقشه برداری رطوبت خاک در یک منطقه خشک با استفاده از روش نمونه برداری منطقه واحد زمین (LUA) و تکنیک های درونیابی زمین آماری. بین المللی J. Geo-Inf. 2016 ، 5 ، 35. [ Google Scholar ] [ CrossRef ]
  25. لی، اس. پارک، I. کاربرد مدل درخت تصمیم برای نقشه برداری خطر فرونشست زمین در نزدیکی معادن زغال سنگ زیرزمینی متروکه. جی. محیط زیست. مدیریت 2013 ، 127 ، 166-176. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  26. آهنگ، جی. هان، سی. لی، پی. ژانگ، جی. لیو، دی. جیانگ، م. ژنگ، ال. ژانگ، جی. Song, J. پیش بینی کمی فرونشست معدن و تاثیر آن بر محیط زیست. بین المللی J. Min. علمی تکنولوژی 2012 ، 22 ، 69-73. [ Google Scholar ]
  27. منگ، ال. فنگ، Q. وو، ک. Meng, Q. ارزیابی کمی فرسایش خاک زمین فروکش کرده توسط استخراج زغال سنگ با استفاده از RUSLE. بین المللی J. Min. علمی تکنولوژی 2012 ، 22 ، 7-11. [ Google Scholar ] [ CrossRef ]
  28. دوارته، ال. تئودورو، AC؛ Gonçalves، JA; سوآرس، دی. Cunha، M. ارزیابی خطر فرسایش خاک با استفاده از RUSLE از طریق یک برنامه دسکتاپ و وب منبع باز GIS. محیط زیست نظارت کنید. ارزیابی کنید. 2016 ، 188 ، 351. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  29. ینیلمز، ف. کوتر، ن. امیل، NK; آکسوی، الف. ارزیابی سطوح آلودگی در سایت متروکه معدن زغال سنگ در ترکیه با کمک GIS. بین المللی جی. زغال سنگ. 2011 ، 86 ، 12-19. [ Google Scholar ] [ CrossRef ]
  30. هانمان، دبلیو. براک، تی. Busch، W. GIS برای ذخیره سازی و تجزیه و تحلیل ترکیبی داده ها از اندازه گیری تغییر شکل رادار سنجش از راه دور دیافراگم زمینی و مصنوعی در استخراج زغال سنگ سخت. بین المللی جی. زغال سنگ. 2011 ، 86 ، 54-57. [ Google Scholar ] [ CrossRef ]
  31. اوه، HJ; لی، اس. ادغام نقشه های خطر فرونشست زمین معادن زغال سنگ متروکه در Samcheok، کره. بین المللی جی. زغال سنگ. 2011 ، 86 ، 58-72. [ Google Scholar ] [ CrossRef ]
  32. Lemos de Sousa، MJ; واگنر، RH شرح کلی حوضه های کربونیفر زمینی در پرتغال و تاریخچه تحقیقات. در کربونیفر پرتغال ; Lemos de Sousa، MJ، Oliveira، JT، Eds. Memórias dos Serviços Geológicos de Portugal: لیسبون، پرتغال، 1983; جلد 29، ص 117–126. [ Google Scholar ]
  33. واگنر، RH; Lemos de Sousa، MJ Megafloras کربونیفر پرتغال – تجدید نظر در شناسایی ها و بحث در مورد سنین چینه شناسی. در کربونیفر پرتغال ; Lemos de Sousa، MJ، Oliveira، JT، Eds. Memórias dos Serviços Geológicos de Portugal: لیسبون، پرتغال، 1983; جلد 29، ص 127–152. [ Google Scholar ]
  34. Pinto de Jesus, A. Génese e Evolução da Bacia Carbonífera do Douro (Estefaniano C Inferior, NW de Portugal): Um Modelo. دکتری پایان نامه، دانشگاه دو پورتو، پورتو، پرتغال، 2001. [ Google Scholar ]
  35. Pinto de Jesus, A. Evolução Sedimentar e Tectónica da Bacia Carbonífera do Douro (Estefaniano C Inferior, NW de Portugal) ; Cadernos do Laboratorio Xeolóxico de Laxe: Coruna، اسپانیا، 2003; جلد 28، ص 107–125. [ Google Scholar ]
  36. ISO 11760. طبقه بندی زغال سنگ ، ویرایش 1. سازمان بین المللی استاندارد: ژنو، سوئیس، 2005; پ. 9. [ Google Scholar ]
  37. ریبیرو، جی. فلورس، دی. وارد، سی. سیلوا، LFO شناسایی نانو مواد معدنی و نانوذرات در سوزاندن توده های زباله زغال سنگ از پرتغال. علمی کل محیط. 2010 ، 408 ، 6032-6041. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  38. ریبیرو، جی. فریرا داسیلوا، ای. پینتو دی عیسی، آ. فلورس، دی. مشخصات پتروگرافی و ژئوشیمیایی توده های زباله زغال سنگ از Douro Coalfield. بین المللی جی. زغال سنگ. 2011 ، 87 ، 226-236. [ Google Scholar ] [ CrossRef ]
  39. ریبیرو، جی. ویویروس، دی. فریرا، جی. سانتوس، جی ال. باپتیستا، جی.ام. Flores, D. Monitorização Ambiental da escombreira de S. Pedro da Cova: Temperatura de combustão. Comunicação Geol. 2014 ، 101 ، 1063-1065. [ Google Scholar ]
  40. ریبیرو، جی. سنت اووایا، اچ. گومز، سی. وارد، سی. فلورس، دی. کانی شناسی و پارامترهای مغناطیسی مواد حاصل از استخراج و مصرف زغال سنگ از Douro Coalfield (NW پرتغال). در آتش سوزی زغال سنگ و ذغال سنگ نارس: یک چشم انداز جهانی. جلد 3 مطالعات موردی – آتش سوزی زغال سنگ ; Stracher, GB, Prakash, A., Sokol, EV, Eds. الزویر: آمستردام، هلند، 2015; صص 493-507. [ Google Scholar ]
  41. هوریگوچی، تی. Tateda، M. BOTDA-اندازه گیری غیرمخرب ویژگی های تضعیف فیبر نوری تک حالته با استفاده از تعامل بریلوین: نظریه. J. Lightwave Technol. 1989 ، 7 ، 1170-1176. [ Google Scholar ] [ CrossRef ]
  42. نیکلس، ام. ثوناز، ال. حسگر فیبر توزیع شده ساده رابرت، PA بر اساس تحلیل طیف بهره بریلوین. IEEE J. Lightwave Technol. 1996 ، 21 ، 758-760. [ Google Scholar ] [ CrossRef ]
  43. لی، دبلیو. بائو، ایکس. لی، ی. Chen, L. جفت پالس-عرض دیفرانسیل BOTDA برای سنجش وضوح فضایی بالا. انتخاب کنید Express 2008 , 16 , 21616–21625. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  44. دومینگز-لوپز، آ. لوپز-گیل، آ. مارتین-لوپز، اس. Gonzalez-Herraez، M. بهبود نسبت سیگنال به نویز در BOTDA با استفاده از تشخیص متعادل. IEEE Photonics Technol. 2014 ، 26 ، 338-341. [ Google Scholar ] [ CrossRef ]
  45. لوپز-گیل، آ. دومینگز-لوپز، آ. مارتین-لوپز، اس. Gonzalez-Herraez, M. روش ساده برای حذف نویز پلاریزاسیون در BOTDA با استفاده از تشخیص متعادل و نوارهای جانبی پروب متعامد. J. Lightwave Technol. 2015 ، 33 ، 2605-2610. [ Google Scholar ] [ CrossRef ]
  46. ویویروس، دی. ریبیرو، جی. فریرا، جی. لوپز-الدابا، ا. پینتو، AMR؛ پرز-هررا، RA; دیاز، اس. لوپز-گیل، آ. دومینگز-لوپز، آ. استبان، او. و همکاران سیستم سنجش فیبر نوری برای نظارت بر دما و گاز در محیط‌های احتراق انبوه زباله زغال سنگ. Proc. SPIE 2015 ، 24 ، 87943P:1–87943P:4. [ Google Scholar ]
  47. DGT. Direção Geral do Território. 2015. در دسترس آنلاین: http://www.dgterritorio.pt/ (دسترسی در 10 ژوئن 2015).
  48. دوارته، ال. Teodoro, AC یک روش آسان، دقیق و کارآمد برای ایجاد نقشه های خطر آتش سوزی جنگل با استفاده از Modeler (افزونه SEXTANTE). جی. برای. Res. 2016 ، 27 ، 1361–1372. [ Google Scholar ] [ CrossRef ]
  49. دوارته، ال. تئودورو، AC؛ مایا، دی. باربوسا، دی. نمایشگر نجوم رادیویی: ارزیابی سایت های مناسب از طریق یک برنامه منبع باز GIS. ISPRS Int. J. Geo-Inf. 2016 ، 5 ، 209. [ Google Scholar ] [ CrossRef ]
  50. پایتون. در دسترس آنلاین: https://www.Python.org (در 13 مه 2015 قابل دسترسی است).
  51. PyQt4 API. مرجع کلاس PyQt. در دسترس آنلاین: http://pyqt.sourceforge.net/Docs/PyQt4/classes.html (در تاریخ 13 فوریه 2015 قابل دسترسی است).
  52. QGIS API. اسناد QGIS API. در دسترس آنلاین: http://www.qgis.org/api/ (دسترسی در 14 اوت 2015).
  53. مرجع Qt API. Qt API Documentation. در دسترس آنلاین: http://doc.qt.io/qt-4.8/qdir.html (در 14 آگوست 2015 قابل دسترسی است).
  54. مستندات کتابخانه ماژول SAGA GIS. در دسترس آنلاین: http://www.saga-gis.org/saga_module_doc/2.1.3/statistics_kriging_0.html (دسترسی در 14 اوت 2015).
  55. Ffmpeg. مستندات Ffmpeg. در دسترس آنلاین: https://www.ffmpeg.org (در 2 سپتامبر 2015 قابل دسترسی است).
  56. مرجع کلاس فونون. در دسترس آنلاین: http://pyqt.sourceforge.net/Docs/PyQt4/phonon.html (در 2 سپتامبر 2015 قابل دسترسی است).
  57. Matplotlib. در دسترس آنلاین: http://matplotlib.org/ (دسترسی در 2 سپتامبر 2015).
  58. ویسنته-سرانو، اس ام. ساز سانچز، MA; Cuadrat، JM تجزیه و تحلیل مقایسه ای روش های درونیابی در دره ابرو میانی (اسپانیا): کاربرد برای بارش سالانه و دما. صعود Res. 2003 ، 24 ، 161-180. [ Google Scholar ] [ CrossRef ]
  59. Journel, AG; Huijbregts, CJ Mining Geostatistics ; انتشارات آکادمیک: نیویورک، نیویورک، ایالات متحده آمریکا، 1978. [ Google Scholar ]
  60. کونان، بی. اسلیویتزکی، ام. گانیون، پی. روسو، AN اعتبار سنجی خروجی های هواشناسی مدل آب و هوای منطقه ای کانادا با استفاده از روش کریجینگ: کاربرد در کبک جنوبی. می توان. منبع آب J. 2010 , 35 , 259-280. [ Google Scholar ] [ CrossRef ]
  61. Cressie، NAC Statistics for Spatial Data ; جان وایلی و پسران: نیویورک، نیویورک، ایالات متحده آمریکا، 1991. [ Google Scholar ]
  62. چمن. پیشروترین نرم افزار رایگان GIS در جهان. در دسترس آنلاین: http://grass.osgeo.org/ (دسترسی در 13 فوریه 2015).
  63. GIS-ECOAL. GIS-ECOAL، یک برنامه منبع باز. 2017. در دسترس آنلاین: http://www.fc.up.pt/pessoas/liaduarte/GIS-ECOAL.rar (در 15 مارس 2017 قابل دسترسی است).
Ijgi 06 00087 g001 550
شکل 1. نمای کلی منطقه خودسوزی فعال در توده زباله S. Pedro da Cova (منبع نقشه پایه: Bing Aerial, Imagery of NASA Earthstar Geographics SIO© 2016).
Ijgi 06 00087 g002 550
شکل 2. وابستگی BFS به دما برای کابل نوری ویژه مورد استفاده در S. Pedro da Cova.
Ijgi 06 00087 g003 550
شکل 3. نمای کلی منطقه احتراق فعال در شمع زباله S. Pedro da Cova و نمایش شماتیک نصب سیستم فیبر نوری در میدان (منبع نقشه پایه: Google Earth © 2016 Google Image Landsat Data SIO، اداره ملی اقیانوسی و جوی (NOAA)، نیروی دریایی ایالات متحده، آژانس اطلاعات جغرافیایی ملی (NGA)، نمودار عمومی دریاسنجی اقیانوس ها (GEBCO)).
Ijgi 06 00087 g004 550
شکل 4. نمودار مورد کاربر یک برنامه GIS-ECOAL.
Ijgi 06 00087 g005 550
شکل 5. دکمه ECOAL ( سمت چپ ) و رابط گرافیکی ( راست ).
Ijgi 06 00087 g006 550
شکل 6. نمودار بسته کاربردی GIS-ECOAL.
Ijgi 06 00087 g007 550
شکل 7. نمودار کلاس کاربرد GIS-ECOAL.
Ijgi 06 00087 g008 550
شکل 8. باقیمانده روش درونیابی.
Ijgi 06 00087 g009 550
شکل 9. ترکیبات نقشه تصویر دما برای 11 جولای در ساعت 05:05 و 18:05.
Ijgi 06 00087 g010 550
شکل 10. نمایش گرافیکی دما برای نقاط 1، 2 و 3 به عنوان تابعی از زمان.
Ijgi 06 00087 g011 550
شکل 11. نمایش گرافیکی دما در نقاط 1، 2، 3 و دمای اتمسفر در سردترین و گرم ترین روزها.
جدول
جدول 1. تجزیه و تحلیل باقیمانده برای روش های درونیابی مورد استفاده.
جدول
جدول 2. ثبت شرایط هواشناسی.

;کاربردهای GISمقالات

آموزش کاربردی ArcGISالهام ابراهیم زادهکاربرد جی ای اسکاربرد جی ای اس در زمین شناسیکاربردهای GIs در زمین شناسی

بدون نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

همواره حمایت دانشجویان عزیزمان همراه ما بوده و این سببب شده که گامی محکم به‌سوی ایجاد یک مرجع برای آموزش GIS برداریم. با این امید که بتوانیم قدردان حمایت شما بزرگواران باشیم.

  • خانه
  • آموزش
  • فیلم آموزشی
  • تماس با ما
  • درباره ما
  • وبلاگ
  • سمنان /خیابان کاشانی/ساختمان فناوری اطلاعات/پ 8
  • 09120049370