نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

خلاصه

در چارچوب ظرفیت نجومی رادیویی پرتغال برای مشارکت در پروژه آرایه کیلومتر مربعی (SKA)، سایتی برای اهداف آزمایش نجومی رادیویی و توسعه زیرساخت نجومی رادیویی انتخاب شد. این سایت در داخل هرداد دا کونتندا (HC)، یک محیط جنگل ملی بزرگ، واقع در آلنتجو (پرتغال) قرار دارد. به منظور به حداقل رساندن اثرات در اکوسیستم و چشم انداز، یک برنامه کاربردی مبتنی بر سیستم اطلاعات جغرافیایی (GIS) محیط منبع باز، سیستم مدیریت یکپارچه محیط زیست HC ایجاد شد. این نرم افزار چندین عملکرد و منو را با روش های مختلف مشخصه ترکیب می کند که امکان ایجاد نقشه های متعدد در رابطه با ویژگی های HC را فراهم می کند، مانند مدل ارتفاعی دیجیتال (DEM)، پوشش زمین کاربری (LULC)، شاخص تفاوت نرمال شده گیاهی (NDVI)، آسیب پذیری آب های زیرزمینی، خطر فرسایش، خطر سیل و خطر آتش سوزی جنگل. در صورت لزوم می توان سایر اطلاعات جغرافیایی را اضافه کرد (تجسم میراث انسانی و جانوران و گیاهان). یک ابزار پشتیبانی تصمیم گیری نیز توسعه داده شد. این شامل یک الگوریتم است که از طریق یک سری وزن های اختصاص داده شده و عوامل حذفی اجرا می شود تا بهترین مکان ها را برای زیرساخت با کمترین تأثیر بر اکوسیستم محلی پیدا کند. به منظور آزمایش برنامه و ابزار تصمیم گیری، از چندین نقشه به عنوان ورودی استفاده شد تا مشخص شود کدام سایت ها مناسب تر هستند. برنامه توسعه یافته را می توان برای مناطق حفاظت شده یا طبیعی دیگر پذیرفت. در صورت لزوم می توان سایر اطلاعات جغرافیایی را اضافه کرد (تجسم میراث انسانی و جانوران و گیاهان). یک ابزار پشتیبانی تصمیم گیری نیز توسعه داده شد. این شامل یک الگوریتم است که از طریق یک سری وزن های اختصاص داده شده و عوامل حذفی اجرا می شود تا بهترین مکان ها را برای زیرساخت با کمترین تأثیر بر اکوسیستم محلی پیدا کند. به منظور آزمایش برنامه و ابزار تصمیم گیری، از چندین نقشه به عنوان ورودی استفاده شد تا مشخص شود کدام سایت ها مناسب تر هستند. برنامه توسعه یافته را می توان برای مناطق حفاظت شده یا طبیعی دیگر پذیرفت. در صورت لزوم می توان سایر اطلاعات جغرافیایی را اضافه کرد (تجسم میراث انسانی و جانوران و گیاهان). یک ابزار پشتیبانی تصمیم گیری نیز توسعه داده شد. این شامل یک الگوریتم است که از طریق یک سری وزن های اختصاص داده شده و عوامل حذفی اجرا می شود تا بهترین مکان ها را برای زیرساخت با کمترین تأثیر بر اکوسیستم محلی پیدا کند. به منظور آزمایش برنامه و ابزار تصمیم گیری، از چندین نقشه به عنوان ورودی استفاده شد تا مشخص شود کدام سایت ها مناسب تر هستند. برنامه توسعه یافته را می توان برای مناطق حفاظت شده یا طبیعی دیگر پذیرفت. این شامل یک الگوریتم است که از طریق یک سری وزن های اختصاص داده شده و عوامل حذفی اجرا می شود تا بهترین مکان ها را برای زیرساخت با کمترین تأثیر بر اکوسیستم محلی پیدا کند. به منظور آزمایش برنامه و ابزار تصمیم گیری، از چندین نقشه به عنوان ورودی استفاده شد تا مشخص شود کدام سایت ها مناسب تر هستند. برنامه توسعه یافته را می توان برای مناطق حفاظت شده یا طبیعی دیگر پذیرفت. این شامل یک الگوریتم است که از طریق یک سری وزن های اختصاص داده شده و عوامل حذفی اجرا می شود تا بهترین مکان ها را برای زیرساخت با کمترین تأثیر بر اکوسیستم محلی پیدا کند. به منظور آزمایش برنامه و ابزار تصمیم گیری، از چندین نقشه به عنوان ورودی استفاده شد تا مشخص شود کدام سایت ها مناسب تر هستند. برنامه توسعه یافته را می توان برای مناطق حفاظت شده یا طبیعی دیگر پذیرفت.
کلید واژه ها: 

GIS ; محیط زیست ؛ تصمیم گیری ؛ منبع باز ؛ SKA ; نجوم رادیویی

 

1. معرفی

نجوم رادیویی دوران طلایی را تجربه می کند که انتظار می رود چندین دهه طول بکشد و با ساخت و بهره برداری از آرایه کیلومتر مربعی (SKA) به اوج خود برسد، پروژه ای که انتظار می رود به بزرگترین زیرساخت علمی بشر در قرن بیست و یکم تبدیل شود. SKA بزرگترین تلسکوپ رادیویی در جهان خواهد بود، یک شبکه حسگر اختصاص داده شده به نجوم رادیویی، که بین دو قاره پخش می شود [ 1]]. SKA توسط یک ماشین بین المللی اطلاعات جهانی و فناوری محاسباتی که به نجوم رادیویی اختصاص داده شده است، پشتیبانی می شود که در نیمکره جنوبی در مناطق پرتابش خورشید ساخته خواهد شد. SKA به سوالات اخترفیزیکی و کیهان شناسی پیشرو خواهد پرداخت. این به صورت مکانی با هزاران آنتن در آفریقا و استرالیا، در مکان‌های نفیس با ثبات آب و هوایی خوب و تراکم جمعیت بسیار کم، در نتیجه با تداخل فرکانس رادیویی بسیار کم، توزیع خواهد شد. برای هر تاسیسات نجومی رادیویی، مطالعات انتخاب مکان یک پیش شرط مهم برای کمک به تصمیم گیرندگان برای تعریف مناسب ترین مکان است [ 2 ]. مهمترین عامل برای ساخت تلسکوپ رادیویی محیط تداخل فرکانس رادیویی (RFI) است [ 3] .]. سایر عوامل جغرافیایی، مانند ویژگی‌های یونوسفر و تروپوسفر، و ویژگی‌های فیزیکی سایت، از جمله آب و هوا و دمای زیرسطحی یا بارندگی نیز مرتبط هستند. علاوه بر این، عوامل انسانی، مانند اتصال داده ها در گستره وسیع خود تلسکوپ، شبکه های ارتباطی جانبی برای توزیع جهانی داده های تولید شده توسط SKA، هزینه های زیرساخت، از جمله تامین و توزیع برق، هزینه های بهره برداری و نگهداری، پایداری طولانی مدت سایت به عنوان یک منطقه آرام رادیویی، تراکم جمعیت، محافظ کانتور و شبکه جاده [ 2 ، 4]] همچنین برای انتخاب ساخت سایت تلسکوپ رادیویی مهم هستند. علاوه بر این، توسعه فعالیت های انسانی به دلیل شهرنشینی سریع و تکامل بخش های صنعتی و تجاری منجر به افزایش استفاده از طیف رادیویی شد. این واقعیت‌ها محدودیت‌های سخت‌تری را برای انتخاب سایت تحمیل می‌کنند، که مستلزم مذاکرات بعدی در مورد تخصیص طیف رادیویی و مجوز با نهادهای مربوطه، مانند اتحادیه بین‌المللی مخابرات (ITU) و وابسته‌های ملی آن (تنظیم‌کننده‌های طیف) و اتحادیه بین‌المللی علوم رادیویی (URSI) است. . سیستم‌های اطلاعات جغرافیایی (GIS) ابزار مفیدی برای نقشه‌برداری و پیش‌شناسایی مداخلات انسانی است [ 2]]. شناخت و شناسایی شدیدترین منابع تداخل را می توان با ترکیب GIS با تکنیک های تحلیل تصمیم چندمعیاره (MCDA) انجام داد [ 2 ، 5 ]. زو و همکاران [ 6 ] از GIS ترکیب شده با داده های سنجش از دور (RS) برای انتخاب مکان های کاندید برای رهیاب SKA تلسکوپ کروی دیافراگم پانصد متری چینی (FAST) استفاده کرد. GIS، داده های RS و تکنیک های MCDA نیز توسط Aksaker و همکاران استفاده شد. [ 7 ] برای انتخاب مکان های رصدخانه احتمالی در ترکیه به منظور به دست آوردن لیستی از مکان های رصد بالقوه.
در میان چندین گزینه، چندین بسته نرم افزاری، مانند نرم افزار پردازش تصویر نجومی (AIPS) یا MATLAB، که به طور گسترده برای تجزیه و تحلیل داده های اخترفیزیکی استفاده می شود، در نظر گرفته شدند. با این حال، هیچ یک از این بسته های نرم افزاری مزیتی برای الگوریتم تصمیم گیری [ 8 ] ندارند، و همچنین برای مدیریت اطلاعات جغرافیایی ایده آل نیستند.
در چارچوب مشارکت پرتغالی در پروژه SKA [ 9]، یک مکان آزمایشی برای ابزارآلات نجوم رادیویی، با شرایطی که بسیار نزدیک به شرایط موجود در سایت‌های آفریقای جنوبی و استرالیا است، در آلنتجو، در هرداد دا کونتندا (HC) شناسایی شد. بنابراین، توسعه ابزاری با قابلیت مدیریت داده‌های چند متغیره و اطلاعات GIS برای فعال کردن مشخصات سایت قبل از هر بررسی تداخل رادیویی مورد نیاز بود. HC در شهرداری مورا، یک منطقه بسیار کم جمعیت در جنوب پرتغال واقع شده است. شهرداری مورا با 15167 نفر سکنه 958.46 کیلومتر مربع مساحت دارد. بیشتر جمعیت (11000 نفر) در شهر مورا ساکن هستند. نزدیکترین شهرها به HC با حضور انسانی قابل توجه عبارتند از: Safara (تقریبا 17 کیلومتر و 1078 نفر) و Santo Aleixo da Restauração (تقریباً 5 کیلومتر و 793 نفر). نزدیکی HC به کشاورزی گسترده اختصاص داده شده است. بنابراین تراکم انسان در ناحیه HC و اطراف آن بسیار کم است. این سایت یک منطقه حفاظت شده، یک منطقه شکار ملی و محیط جنگلداری است. با توجه به وضعیت حفاظت شده HC، قبل از استقرار هر زیرساخت، ایده یک برنامه کاربردی سیستم مدیریت یکپارچه پیش بینی شد.10 ]. نقشه راه نجوم رادیویی، که در HC توسعه خواهد یافت، شامل آزمایش فناوری های جدید آرایه دیافراگم است که توسط کنسرسیوم های جهانی به رهبری ASTRON (موسسه نجوم رادیویی هلند) [11، 12] در چارچوب چندین برنامه مرتبط با SKA، مانند مطالعات طراحی SKA (SKADS) و برنامه تأیید آرایه دیافراگم اروپایی مرتبط (AAVP) [ 13 ]. در آینده نزدیک، این نقشه راه به سمت استقرار نمونه های اولیه آرایه فازی برای اهداف زیست محیطی و آموزشی در چارچوب کنسرسیوم آرایه دیافراگم فرکانس متوسط ​​SKA (MFAA)، یکی از کنسرسیوم های فعلی طراحی پیش از ساخت SKA [14] گسترش خواهد یافت .]. HC پس از بررسی های اولیه پایش طیف که در ابتدا در پرتغال توسط تیم نظارت بر رادیو ASTRON به منظور ارزیابی مناسب بودن مکان های بالقوه برای مکان ایستگاه های AAVP [15] انجام شد، به دنبال پروتکل های نظارت طیفی معمول [ 16] انتخاب شد.] پس از نشانه‌هایی از Enabling Green E-Science برای اعضای SKA (ENGAGE). اندازه گیری های انجام شده در کمپین 2009 نشان می دهد که HC دارای شرایط عالی برای نجوم رادیویی با نویز کم پس زمینه رادیویی است. این شرایط به گونه‌ای است که فناوری‌هایی که قرار است به کار گرفته شوند ممکن است نیازی به فیلتر RFI تهاجمی (12 بیتی) معمولی دیگر پروژه‌های آرایه دیافراگم نزدیک به تمدن نداشته باشند، و در عوض، فیلتر RFI کافی می‌تواند به ارقام SKA مانند (5 تا 7 بیت) نزدیک‌تر باشد. ). علاوه بر این، منطقه در عین حال انتقال از تلویزیون آنالوگ به تلویزیون دیجیتال زمینی (TDT) را تجربه کرده است، با تمام کانال های طیف TDT پرتغالی که در یک حامل فشرده شده اند [ 17]]. این واقعیت پیامدهای بسیار مثبتی دارد، زیرا حالت انتقال تلویزیون، طیف را از بسیاری از حامل های تلویزیون آنالوگ متعدد که در یک محدوده فرکانس بسیار جالب برای آرایه های دیافراگم (300 مگاهرتز تا 1 گیگاهرتز) پخش شده بودند، آزاد کرد. پس از این کار مقدماتی، بررسی‌های بهبود یافته RFI در سال 2017 برای تایید ارقام اولیه با استفاده از ابزارهای انتخاب سایت شرح داده شده در اینجا انجام خواهد شد.
هدف اصلی این کار را می توان اینگونه توصیف کرد: (1) ایجاد نقشه های متعدد با ویژگی های HC متمایز. (2) ترکیب نقشه های حاصل از طریق یک ابزار تصمیم گیری، به منظور تصمیم گیری در مورد اینکه کدام مناطق در HC برای نصب زیرساخت های نجوم رادیویی مناسب تر هستند. این ابزار در محیط متن باز GIS و با استفاده از زبان پایتون توسعه یافته است. اولین ایده برای این کاربرد توسط تئودورو و همکاران ارائه شد. [ 10] و اکنون به عنوان یک سیستم مدیریت یکپارچه پشتیبانی تصمیم گیری که روش های مختلفی را در بر می گیرد در دسترس هستند. این ابزار امکان ایجاد چندین نقشه مانند نقشه خطر جنگل، نقشه فرسایش خاک و نقشه آسیب پذیری آب های زیرزمینی را فراهم می کند و رابط های کاربری گرافیکی را فراهم می کند که امکان تجسم برخی از اطلاعات از پیش پردازش شده را فراهم می کند (نقشه پوشش زمین کاربری (LULC)، نقشه شاخص گیاهی تفاوت عادی شده (NDVI)، ارتفتو و جانوران و گیاهان)، محاسبه و نمایش شاخص‌های زیست اقلیم و تکنیک‌های تجسم برای شناسایی ویژگی‌های باستان‌شناسی. این مجموعه اطلاعات جغرافیایی، فرآیند تصمیم‌گیری و انتخاب مکان‌های بالقوه نجوم رادیویی را قبل از هرگونه بررسی از محیط طیفی رادیویی هدایت می‌کند.
GIS معمولاً در تجزیه و تحلیل زمین محیطی از طریق رویکرد ارزیابی چند معیاره [ 18 ] استفاده می شود. به عنوان مثال، Puniway و همکاران. [ 19 ] از GIS برای درک مزایا و محدودیت‌های درک مکان آبزی پروری در جزیره هاوایی در زمینه برنامه‌ریزی فضایی دریایی، ادغام جنبه‌های بیوفیزیکی، نظارتی و اجتماعی استفاده کرد. فیضی زاده و بلاشکیا [ 20] استفاده بهینه از منابع زمین برای تولید کشاورزی را با انجام یک تصمیم گیری چند معیاره مبتنی بر GIS بررسی کرد. از طریق یک فرآیند تحلیل سلسله مراتبی (AHP)، وزن ها تعریف شدند، و نقشه ها ایجاد شدند، که در نتیجه تناسب زمین سنتز شده، نشان دهنده مناطقی است که در آن شدت استفاده از زمین برای کشاورزی باید افزایش، کاهش یا بدون تغییر باقی بماند. نتایج تحقیق در اختیار مقامات منطقه ای قرار گرفت و در برنامه ریزی استراتژیک کاربری اراضی مورد استفاده قرار گرفت. اولا و منصوریان [ 21 ] از AHP به عنوان یک مدل تصمیم گیری چند معیاره برای تعیین تناسب زمین برای برنامه ریزی کاربری اراضی شهری استفاده کردند. آیدی و همکاران [ 22] از یک ابزار انتخاب مکان چند معیاره مبتنی بر GIS در یک سایت دفع فاضلاب کارخانه زیتون (OMW) در منطقه سیدی بوزید، تونس، با ادغام عوامل محیطی و اقتصادی، ترکیب نظریه مجموعه‌های فازی و AHP استفاده کرد. در اینجا، سناریوهای مختلفی مورد آزمایش قرار گرفت و به این نتیجه رسید که ترکیب GIS، روش AHP و منطق فازی یک روش موثر و کارآمد برای حمایت از تصمیم گیرندگان، در مورد خاص مسئله انتخاب مکان دفع OMW، در زمان کوتاهی نشان می‌دهد. . بری و هیگز [ 23 ] نشان دادند که نوآوری‌های تکنیک‌های تجسم، روش‌های موجود برای ارائه اطلاعات و مشارکت عمومی در محیط انرژی‌های تجدیدپذیر را افزایش می‌دهد. علاوه بر کار قبلی [ 24]، تجزیه و تحلیل چند معیاره (MCA) برای یافتن مناسب ترین سایت ها با پیروی از طیف وسیعی از معیارهای (عمدتا) محیطی استفاده شد. برای این کار [ 23 ] از بسته های نرم افزاری ArcGIS و نقشه برداری وب استفاده شد. روش‌های دیگر با استفاده از مدل‌سازی شبکه عصبی مصنوعی (ANN) به‌عنوان یک سیستم پشتیبانی تصمیم‌گیری محیطی (EDSS)، در ترکیب با مدل‌های محیطی، پایگاه‌های اطلاعاتی و ابزارهای ارزیابی، برای پیش‌بینی تخریب اکوسیستم‌های جنگلی پهن‌برگ معتدل استفاده شد [25 ] . مطلق و صیادی [ 26] در دشت بیرجند، ایران از ارزیابی چند معیاره (MCE)، ترکیب خطی وزنی (WLC) و میانگین وزنی مرتب (OWA)، ترکیبی از عواملی مانند شیب، منابع آب، پارامترهای خاک، LULC، مناطق حفاظت شده و فاصله از جاده، از جمله، به منظور انتخاب یک مکان برای محل دفن زباله در یک محیط GIS. قده و عبدالواحد [ 27] از یک روش مبتنی بر GIS در ارتباط با MCDA برای ارزیابی مناسب بودن مکان جایگزین برای شناسایی بهترین مکان برای ایستگاه های لرزه ای بر اساس معیارهای داده شده در محیط GIS استفاده کرد و درجه رضایت فردی برای هر مکان جایگزین با استفاده از ابزار همپوشانی وزنی محاسبه شد. . یک روش MCDA مبتنی بر GIS با ترکیب اطلاعات از چندین معیار برای تشکیل یک شاخص واحد ارزیابی، که از آن انتخاب نهایی انجام خواهد شد، انجام شد. مطالعات دیگر با GIS و MCDA [ 28 ] انجام شد . از بسته های رایگان نیز استفاده می شود. به عنوان مثال، یانگ و لین [ 29] دو پلاگین پشتیبانی تصمیم را در دسکتاپ ArcGIS Explorer ارائه کرد، جعبه ابزار تجزیه و تحلیل WebGIS فراگیر برای منابع گسترده (uWATER) و uWATER-Pumping Assessment (uWATER-PA) برای استفاده در مسائل مدیریت طبیعی و اجتماعی و برای ارزیابی اثرات پمپاژ آب زیرزمینی. ، به ترتیب. علاوه بر این، رویکردهای دیگری برای انتخاب مکان براساس اولویت بندی معیارهای کیفی اعمال شد. به عنوان مثال، Papadimitriou [ 30 ] یک روش جبری و کیفی غیر عددی، مبتنی بر نظریه شبکه، برای مدیریت زمین در ریودوژانیرو (برزیل) به کار برد. این روش با پیروی از یک مدل یا نظریه ریاضی به پیچیدگی منظره پرداخت. پاپادمیتریو [ 31] همچنین رویکرد جدیدی را برای سازماندهی، نظام‌بندی و بازنمایی دانش بشری در مورد دگرگونی‌های اکولوژیکی و پیامدهای آن پیشنهاد کرد. پیشنهاد او از روش‌های هوش مصنوعی استفاده می‌کند، با روال‌های کد به طور مستقل برای انجام وظایف خاص و کمک به مدل‌سازی منظر. این مطالعه ثابت کرد که یک فرآیند تصمیم‌گیری فضایی ممکن است بر اساس سیستم‌های تصمیم‌گیری غیرمکانی نیز باشد.
با این حال، مطالعات ذکر شده در بالا همه تحت نرم افزار اختصاصی GIS توسعه یافته اند. برنامه های کاربردی منبع باز آزادی تغییر/تطبیق کد منبع را با نیازهای دیگر فراهم می کنند (به عنوان مثال، Graser و Straub [ 32 ] یک جعبه ابزار منبع باز در QGIS برای ارزیابی کیفیت شبکه های خیابانی توسعه دادند). با توجه به HC، موضوع این مقاله، توجه عمده این بود که برنامه ارائه شده برای مطالعه آن می تواند با سایت های مختلف تطبیق داده شود و کد منبع می تواند اصلاح و بهبود یابد و امکان گنجاندن ویژگی های جدید را فراهم کند. به این ترتیب، یک برنامه کاربردی منبع باز تحت نرم افزار منبع باز GIS توسعه یافت [ 33]، سیستم مدیریت یکپارچه محیط زیست HC (HCIEMS). این نرم افزار در یک ابزار واحد، یک سیستم مدیریت یکپارچه با یک رابط کاربری گرافیکی را شامل می شود که شامل چندین دکمه دستکاری و ابزار برای توصیف فیزیکی قلمرو، داده های توزیع گونه ها، تم های مدیریت LULC و همچنین منابع میراث است. نرم افزار ارائه شده در این کار، در کنار روش های مختلف ذکر شده (نقشه خطر جنگل، نقشه فرسایش خاک، نقشه آسیب پذیری آب های زیرزمینی و ارائه تجسم برخی از اطلاعات از پیش پردازش شده، نقشه LULC، نقشه NDVI)، چندین نوآوری عمده را نیز شامل می شود: i) ایجاد فهرست مطالب با اتصالات بوم نقشه؛ (۲) محاسبه بهبود یافته شاخص‌های زیست اقلیم بر اساس PGFCFP (Plano de Gestão Florestal do Perímetro Florestal da Contenda [34 ]; ICNF (Instituto de Conservação Nacional das Florestas))؛ (iii) بهبود منوی دکمه تجسم میراث با افزودن ابزارها و عملکردهای جدید. (IV) بهبود ابزارهای استاندارد برای دستکاری اطلاعات در قسمت دسکتاپ (v) توسعه منوی خطر سیل. و (vi) توسعه منوی ابزار تصمیم گیری، GeoDecision. این ابزار یکپارچه برای منطقه HC توسعه یافته است، اما می تواند به راحتی با توجه به ویژگی ها و پارامترهای مختلف مناطق دیگر سازگار یا اصلاح شود.

2. مورد مطالعه و مجموعه داده

منطقه Alentejo (پرتغال) شرایط آب و هوایی را نشان می دهد که یادآور شرایط در سایت های SKA انتخاب شده است، و پس از بررسی های اولیه RFI، برخی از مکان ها شرایط رادیویی عالی با سطوح تداخل قابل مقایسه با سایت های SKA را نشان دادند. از آن نظرسنجی ها، HC مکان ایده آلی برای نصب نمایشگرهای نجوم رادیویی است. HC یک منطقه حفاظت شده، منطقه شکار ملی و محیط جنگلداری است که در بخش غربی سرا مورنا، در شهرداری مورا، منطقه بیجا، پرتغال واقع شده است ( شکل 1 ). HC در امتداد 19 کیلومتر از مرز پرتغال و اسپانیا امتداد دارد. با مساحت 5270 هکتار، طرف پرتغالی به سه منطقه متمایز تقسیم می شود: Contenda North (CN)، منطقه میانی (IZ) و Contenda South (CS) ( شکل 1).). در سال 1957 و بنا به درخواست شهرداری مورا، HC مدیریت خود را به سازمان جنگل ملی (AFN— Autoridade Florestal Nacional ) واگذار کرد. مقادیر ارتفاعی HC از 246 متر به 543 متر افزایش می یابد که قسمت جنوبی و جنوب شرقی بالاترین مقادیر ارتفاعی را دارند. مقادیر شیب کمتر به Ribeira do Murtigão (رودخانه) نزدیک است و مقادیر شیب بالاتر در قسمت شرقی واقع شده است. حدود 12٪ از منطقه HC به عنوان ایبرو مدیترانه طبقه بندی شده است، با Quercus ilexغالب، و 88٪ به عنوان زیر مدیترانه × ایبرو مدیترانه. آب و هوای HC مرطوب و نیمه مرطوب است. میانگین سالانه دما حدود 17.0 درجه سانتیگراد (حداکثر 24.3 درجه سانتیگراد و حداقل 9.3 درجه سانتیگراد) است. میانگین بارندگی سالانه 729.5 میلی متر است که ژانویه و فوریه بالاترین مقدار را دارند. در تابستان، میزان بارندگی بسیار کم است. با توجه به Oliveira [ 35 ]، طبقه بندی خاک معمولی خاک های لیتوسیل است که 98٪ از سطح HC را پوشش می دهد، و خاک های مدیترانه ای که 2٪ دیگر از منطقه HC را پوشش می دهند. خاک لیتوسیل خاک‌هایی شکننده با ضخامت کمتر از 10 سانتی‌متر هستند و در برابر پدیده‌های فرسایشی بسیار آسیب‌پذیر هستند.
به منظور آزمایش برنامه، چندین نقشه با روش های گنجانده شده در هر منو ایجاد شد. در پایان، ابزار GeoDecision نیز با چهار نقشه از نقشه های ایجاد شده قبلی مورد آزمایش قرار گرفت. فاکتورها بر اساس داده های موجود برای HC در نظر گرفته شدند. داده های مکانی متفاوتی به منظور ایجاد نقشه ها با استفاده از منوهای مختلف، مانند DEM تولید شده از پرواز انجام شده در منطقه استفاده شد [ 10 ]. یک نقشه زمین شناسی (1/200000 و اطلاعات زمین شناسی مختلف [ 35 ]؛ نقشه پوشش زمین 2007 داده های shapefile [ 36 ]؛ ارزش های اقتصادی و ارزش های آسیب پذیری بر اساس طرح دفاع شهرداری در برابر آتش سوزی جنگل Barrancos [ 37] اختصاص داده شد.]؛ نقشه شیب از DEM مشتق شده است. مجموعه ای از فایل های شکل با اطلاعات ناحیه سوخته 24 سال (1990/2013) از موسسه ملی حفاظت از جنگل [ 34 ] استفاده شد. مشاهدات هواشناسی از یک دوره 27 ساله (1981-2008) در ایستگاه هواشناسی Alentejo (38°38’59,28″ شمالی، 7°32’52,82″W) جمع آوری شد. و نقشه خاک (1/35000) بر اساس نقشه خاک PGFCFP [ 34 ] بود. DEM مورد استفاده دارای وضوح فضایی 10 متر است و همه داده ها در سیستم مرجع زمینی اروپا 1989 – پرتغال Transversa de Mercator 2006 ETRS89 PTTM06 (EPSG: 3763) سیستم مختصات هستند.

3. روش شناسی

بر اساس تجربه نویسندگان، برنامه HCIEMS تحت یک برنامه منبع باز GIS، به ویژه نرم افزار QGIS، با زبان برنامه نویسی پایتون [ 38 ، 39 ، 40 ] توسعه یافته است. ساختار رسمی فایل QGIS دنبال شد و چندین اسکریپت، کلاس و توابع توسعه و پیاده سازی شد. چندین کتابخانه و رابط های برنامه نویسی کاربردی (API) استفاده شد: کتابخانه انتزاع داده های مکانی (GDAL)/OGR کتابخانه ویژگی های ساده، PyQt4 API، QGIS API، کتابخانه Numpy و کتابخانه های Python، مانند os، sys و glob [41 ، 42 ، 43 ] ، 44 ، 45]. چندین کلاس به منظور ترکیب روش های تعریف شده در برنامه توسعه داده شد ( شکل 2 ). هر دکمه و منو با رابط گرافیکی خود متشکل از ورودی ها، پارامترها و فیلدهای خروجی توسعه یافته است. فیلد ورودی و خروجی به شخص اجازه می دهد تا از طریق مسیر دایرکتوری به فایل دسترسی داشته باشد. علاوه بر فیلدهای اشاره شده، سه دکمه استاندارد به هر رابط گرافیکی اضافه شد: دکمه های OK، لغو و کمک.

3.1. رابط گرافیکی HCIEMS

اولین نسخه برنامه HCIEMS دارای پنج دکمه در زیر یک نوار ابزار استاندارد و دوازده منو بود: فایل، DRASTIC (عمق به آب زیرزمینی (D)، شارژ (R)، رسانه آبخوان (A)، رسانه خاک (S)، توپوگرافی (T) ، تأثیر ناحیه وادوز (I) و هدایت هیدرولیکی (C))، خطر آتش سوزی جنگل، معادله جهانی تلفات خاک (RUSLE)، شاخص زیست اقلیم، تجسم میراث، جانوران و گیاهان، اورتوفتو، NDVI، DEM، LULC و کمک [ 10 ]. نسخه ای که در اینجا توضیح داده شده بهبود رابط گرافیکی HCIEMS با روش های جدید گنجانده شده، عملکردهای جدید – عمدتاً در فهرست زیست اقلیمی و منوهای تجسم میراث – و ایجاد منوهای جدید است: منوی خطر سیل و ابزار تصمیم گیری (GeoDecision). شکل 3نمودار مورد کاربر HCIEMS را نشان می دهد.
به منظور بهبود دستکاری اطلاعات جغرافیایی، فهرستی از مطالب به پنجره رابط گرافیکی اضافه شد که امکان تجسم و دستکاری لایه های مختلف در ناحیه دسکتاپ را فراهم می کند. سه گزینه اتصال اضافه شد: نمایش وسعت، حذف لایه و بزرگ‌نمایی به لایه، به یکی از آنها اجازه می‌دهد محدودیت‌های پسوند لایه را نشان دهد، لایه را از ناحیه حذف کند و به ترتیب در پسوند لایه در ناحیه دسکتاپ بزرگ‌نمایی کند. این اقدامات با کلیک ماوس بر روی هر لایه نمایش داده می شود. به منظور بهبود این گزینه‌ها، یک کلاس جدید اضافه شد که مرجع کلاس QgsLayerTreeViewMenuProvider را از QGIS API مقداردهی می‌کند. این کلاس برای اجازه دادن به نمونه QgsLayerTreeView برای ارائه منوهای زمینه سفارشی (با کلیک راست باز می شود) پیاده سازی شد.42 ]. کلاس QTreeView متعلق به PyQt4 API است و پیاده‌سازی مدل/نمای یک نمای درختی را ارائه می‌کند. این کلاس یک نمایش درختی از آیتم‌ها از یک مدل را پیاده‌سازی می‌کند، و برای ارائه فهرست‌های سلسله مراتبی استانداردی که قبلاً توسط کلاس QListView ارائه شده بود، استفاده می‌شود، اما با استفاده از رویکرد انعطاف‌پذیرتر ارائه‌شده توسط معماری مدل/نمای Qt [42 ] . شکل 4 رابط گرافیکی را با روش ها و منوهای بهبود نشان می دهد.

3.1.1. منوی DRASTIC

منوی DRASTIC شامل شاخص DRASTIC است که طبق آلر و همکاران تعریف شده است. [ 46]، و از هفت عامل تشکیل شده است که به صورت دکمه ها و پنجره های گفتگو قرار دارند. هفت عامل مربوط به عمق به آب زیرزمینی (D)، تغذیه (R)، محیط آبخوان (A)، محیط خاک (S)، توپوگرافی (T)، تاثیر ناحیه وادوز (I) و هدایت هیدرولیکی (C) است. در هر یک از این عوامل، چندین ورودی لازم است. DEM و شبکه زهکشی برای پارامتر D مورد نیاز است که از دو روش مختلف تشکیل شده است: درونیابی نقاط داده با مقادیر عمق به آب زیرزمینی در یک فایل شطرنجی یا ایجاد یک سطح عمق به آب زیرزمینی (D) از DEM، جایی که یک سطح ایجاد می شود. از طریق بخش های شبکه زهکشی داده های بارش، جریان زمینی، تبخیر و تعرق و همچنین DEM به عنوان ورودی در پارامتر R در سه روش مجزا مورد استفاده قرار می گیرند. R e c h a r ge = p r e c i p i t a t i o n − o v e r l a n d fl o w − e v a p o t r a n s p i r a t i o n . آرهجساعتآ��ه=پ�هجمنپمنتیآتیمن��–��ه�لآ�د �ل��–ه�آپ�تی�آ�سپمن�آتیمن��. روش دوم مستلزم در دسترس بودن نرخ شارژ بیان شده به عنوان درصدی از میانگین داده های بارندگی سالانه (میلی متر در سال)، با فرض یک مقدار شارژ ثابت برای کل منطقه مورد مطالعه است. در نهایت، روش سوم از DEM همراه با یک مدل رگرسیونی استفاده می کند که بارش را به عنوان تابعی از ارتفاع بیان می کند تا توزیع فضایی بارش را محاسبه کند [ 47] .]. برای به دست آوردن پارامتر A از نقشه های زمین شناسی استفاده می شود و رتبه بندی ها به مواد زمین شناسی اختصاص می یابد. مانند پارامتر A، پارامتر S بر اساس نقشه های خاک، با تخصیص رتبه های خاص به دست می آید. پارامتر I نیز بر اساس نقشه های زمین شناسی به دست می آید. تعیین پارامتر T شامل دو روش است، بر اساس فایل کانتور یا DEM، به منظور استخراج شیب و تخصیص رتبه‌بندی‌ها. در نهایت، پارامتر C از مقادیر هدایت هیدرولیکی بدست می آید که معمولاً از آزمایشات پمپاژ یا بر اساس ادبیات به دست می آیند و ممکن است توسط کاربر در جدول ویژگی های فایل برداری زمین شناسی معرفی شوند. شاخص DRASTIC مربوط به نقشه نهایی است که نتیجه حاصل از مجموع نقشه های هفت عامل ایجاد شده قبل از ضرب در وزن های مربوطه همانطور که در رابطه (1) تعریف شده است، می باشد. به گفته آلر و همکاران [46 ]:

DRASTIC = D R × D W + R R × R W + A R × A W + S R × S W + T R × T W + I R × I W + C R × C W

که در آن R و W (در زیرنویس) به ترتیب با رتبه و وزن هر عامل مطابقت دارند. برخی از این ورودی ها مستقیماً اضافه می شوند (به عنوان مثال، نقشه های خاک، نقشه های زمین شناسی)، و برخی دیگر از طریق این برنامه (به عنوان مثال، DEM، شبکه زهکشی) تولید می شوند. از طریق پنجره های محاوره ای، کاربر باید پارامترها را تعریف کند و نقشه های فاکتور و همچنین نقشه شاخص نهایی DRASTIC را بدست آورد. اطلاعات بیشتر در مورد این DRASTIC را می توان در [ 40 ، 47 ] یافت .

3.1.2. منوی خطر آتش سوزی جنگل

ابزار خطر آتش‌سوزی جنگل (FFR) ارزیابی خطر آتش‌سوزی جنگل را طبق قوانین منتشر شده در راهنمای فنی سازمان جنگل‌های پرتغال [ 48] ترکیب می‌کند.]، و از شش دکمه تشکیل شده است. هر کدام دارای یک پنجره با چندین گزینه مانند منوها، برچسب ها، پنجره های ویرایش، جعبه های ترکیبی و دکمه های ساده مانند OK، بستن و کمک هستند، از جمله مواردی که به کاربر برای دسترسی به دایرکتوری های ورودی و خروجی کمک می کند. متغیرهای خطر مورد نیاز در این برنامه عبارتند از DEM برای تولید نقشه شیب برای نقشه حساسیت، نقشه مناطق سوخته برای نقشه احتمال، نقشه LULC برای نقشه حساسیت و مقادیر اقتصادی و مقادیر آسیب پذیری زمین برای هر پیکسل. نقشه خطر از ضرب احتمال و نقشه های حساسیت به دست می آید. نقشه ریسک از ضرب خطر و نقشه زیان احتمالی به دست می آید. نقشه زیان بالقوه از ضرب آسیب پذیری و نقشه های ارزش اقتصادی به دست می آید. مقادیر آسیب‌پذیری نشان‌دهنده سطح آسیب یک عنصر در معرض خطر است که بین 0 تا 1 متغیر است، و مقادیر اقتصادی نشان‌دهنده قیمت زمین، به یورو، برای هر پیکسل است. همانند منوی قبلی، DEM در این اپلیکیشن تولید می شود و روش های مختلفی برای تولید آن در دسترس است. هر دکمه امکان ایجاد نقشه ای را می دهد که در نقشه نهایی خطر و خطر استفاده می شود. اطلاعات بیشتر در مورد این منو را می توان در [10 ، 38 ، 39 ]. تفسیر سطح FFR موضوع مهمی برای نقشه برداری مناطق خطر است.

3.1.3. منوی RUSLE

منوی RUSLE امکان تخمین معادله جهانی تلفات خاک (RUSLE) را فراهم می کند، که مربوط به تخمین از دست دادن خاک مورد انتظار در اثر فرسایش ناشی از آب است. روش RUSLE شامل پنج عامل فرسایش است: ضریب فرسایش بارندگی-رواناب (R)، ضریب فرسایش پذیری خاک (K)، عامل توپوگرافی (LS)، ضریب پوشش زمین (C) و عامل عملکرد (P). تخمین میانگین تلفات سالانه خاک را می توان با استفاده از رابطه زیر [ 49 ] به دست آورد:

A = R × K × LS × C × P

که در آن A تخمین محاسبه‌شده میانگین سالانه تلفات خاک است (ton·km -2 ·سال -1 )، R ضریب فرسایش محاسبه شده در طول 1 سال، معیاری از نیروهای فرسایشی بارندگی-رواناب است (MJ·mmkm -2 · h −1 ·سال −1 )، K ضریب فرسایش پذیری خاک است (ton·km 2 ·h·km −2 ·MJ −1 ·mm −1 )، LS (بدون واحد) ترکیبی از طول شیب (L) و شیب شیب (S)، C (بدون واحد) فاکتور پوشش زمین و P روشی است که برای کنترل فرسایش استفاده می شود (بدون واحد، در محدوده 0 تا 1). عامل R بر اساس لوریرو و کوتینیو [ 50] گنجانده شد] رویکرد، که شاخص RUSLE EI30 (مجموع انرژی جنبشی برای هر طوفان باران (بیان شده بر حسب MJ/ha)، ضرب در بیشترین مقدار باران در هر دوره 30 دقیقه‌ای بر حسب میلی‌متر در ساعت [49]) را از طریق یک شاخص تخمین می‌زند . رگرسیون خطی چندگانه با EI30 ماهانه، بارندگی ماهانه برای روزهای با ≥10.0 میلی متر (باران 10) و تعداد ماهانه روزهای با ≥10.0 میلی متر (10 روز). مقادیر EI30 ماهانه به عنوان مجموع EI30 برای هر طوفان فرسایشی که در طول ماه رخ می دهد و بارندگی های 10 و 10 روزه پارامترهای بارندگی به دست می آید محاسبه می شود. فاکتور K بر اساس Wischmeier و همکاران گنجانده شد. [ 49 ]:

K = (2.1 × 10-4 ( 12-OM) × M 1.14 + 3.25 (s-2) + 2.5 (p – 3))/100

که در آن OM ماده آلی (%)، s کلاس ساختار خاک، p کلاس نفوذپذیری و M متغیر تجمعی است که از بافت خاک دانه‌ای به دست می‌آید: M = (%Msilt) × (%silt + %sand). و سیلت اصلاح شده (Msilt) درصدی از اندازه دانه بین 0.002 تا 0.1 میلی متر است. اگر این داده ها در دسترس نباشند، منو شامل جداول پیشنهاد شده برای پرتغال توسط Pimenta [ 51 ] است. فاکتور LS پیشنهاد می‌کند که طول شیب و شیب شیب را می‌توان در یک شاخص استفاده کرد که نسبت اتلاف خاک را همانطور که در رابطه (3) نشان داده شده است، نشان می‌دهد [52 ] :

LS = (X/22.1) متر (0.065 + 0.0456 × S + 0.0065 × S 2 )

که در آن X مربوط به طول شیب (متر) و S مربوط به شیب شیب (در درصد) است و می تواند از یک DEM مشتق شود. مقدار m بسته به درصد شیب از 0.2 تا 0.5 متغیر است: شیب ≥5٪، m = 0.5. شیب های 3.5٪-4.5٪، m = 0.4، شیب های 1-3، m = 0.3، شیب <1٪ یا شیب های یکنواخت، m = 0.2. برای به دست آوردن فاکتور C، رویکردهای مختلفی به کار گرفته شد: الگوریتم طبقه بندی تصویر مبتنی بر الگوریتم معمولاً [ 53 ، 54 ، 55 ، 56 ] و همچنین نقشه پوشش زمین Corine (CLC) [ 57 ، 58 ] استفاده می شود. و چندین جدول برای سرزمین اصلی پرتغال توسعه و منتشر شد [ 51 ]. ضریب P با استفاده از روش پیشنهادی کومار و کوشواها برآورد می‌شود.58 ]، که بر اساس اطلاعات پوشش زمین/کاربری زمین است. با توجه به نوع کاربری مختلف، فاکتورهای P با توجه به مقادیر تعریف شده در ادبیات تخصیص داده می شوند. در هر یک از این عوامل فرسایش، چندین ورودی مورد نیاز است: داده های هواشناسی، نقشه خاک، DEM و پوشش زمین. برخی از این ورودی‌ها مستقیماً اضافه می‌شوند (به عنوان مثال، نقشه‌های خاک، داده‌های هواشناسی)، و برخی دیگر از طریق این برنامه (به عنوان مثال، DEM) تولید می‌شوند. این نرم افزار همچنین چندین روش درون یابی را ارائه می دهد. در نهایت، نقشه RUSLE پنج عامل ایجاد شده قبلی را ترکیب می کند. اطلاعات بیشتر در مورد این منو را می توان در [ 10 ] یافت . تفسیر سطح فرسایش خاک یک موضوع بسیار مهم برای نقشه برداری مناطق خطر در مورد پیشگیری از فرسایش خاک است.

3.1.4. منوی خطر سیل

یک منوی جدید ایجاد شد، منوی خطر سیل، که به فرد امکان می دهد خطر سیل را شبیه سازی کند. این قابلیت با استفاده از الگوریتم r.lake.coords از GRASS [ 59 ] توسعه یافته است. الگوریتم بر اساس دانه ای که با مختصات و سطح آب تعریف می شود، دریاچه را در نقطه مشخص شده تا سطح داده شده پر می کند. بدین ترتیب کاربر می تواند سیل را در منطقه مورد مطالعه شبیه سازی کند. این معیار می تواند به عنوان ورودی در ابزار تصمیم گیری مفید باشد.

3.1.5. منوی شاخص زیست اقلیمی

با توجه به PGFCFP [ 34 ]، شاخص ها و پارامترهای زیست اقلیمی که باید در نظر گرفته شوند عبارتند از: شاخص قاره (Ic)، شاخص ترمیسیته (It)، شاخص ترمیسیته جبران شده (Itc)، دمای مثبت سالانه (Tp)، دمای منفی سالانه (Tn) میانگین سالانه بارش (P)، بارش مثبت (Pp) و شاخص گرماگیر (Io). شاخص ها بر اساس PGFCFP [ 34 ] انجام شد. میز 1معادلات محاسبه شده برای به دست آوردن شاخص های زیست اقلیمی را ارائه می دهد. بر اساس این اطلاعات، برنامه با یک منوی شاخص زیست اقلیمی بهبود یافته است، که به فرد امکان می دهد یک فایل متنی با داده های دما و بارش را بخواند و یک فایل با فرمت سند قابل حمل (PDF) با شاخص های زیست اقلیم محاسبه شده ایجاد می کند. منوی شاخص زیست اقلیم از پنج عملکرد تشکیل شده است. به منظور ایجاد یک فایل PDF با توضیحات شاخص‌های زیست‌اقلیمی، از پای پلات چارچوب ترسیم مانند MATLAB استفاده شد [ 60 ]. شکل از طریق تابع savefig به صورت PDF ذخیره می شود . از طریق دستور subprocess ، PDF به طور خودکار باز می شود.

3.1.6. منوی تجسم میراث

به گفته زاکسک و همکاران. [ 61 ]، ضریب نمای آسمان (SVF) یک تکنیک تجسم برجسته جدید است که بر اساس روشنایی منتشر، به جای مستقیم، مربوط به بخشی از آسمان مرئی محدود شده توسط نقش برجسته است، و می توان از آن برای نشان دادن ویژگی های برجسته استفاده کرد. این می تواند در باستان شناسی مفید باشد، زیرا تشخیص ویژگی های مقیاس کوچک را از DEM های با وضوح بالا بهبود می بخشد. در این تحقیق به این نتیجه رسیدیم که SVF برای تجسم کلی میراث مناسب است و تصور بسیار بهتری از ارتفاع نسبی هر نقطه می دهد. استولار و همکاران [ 62] چندین تکنیک تجسم DEM با وضوح بالا را برای تشخیص بصری ویژگی‌های باستان‌شناسی پیشنهاد کرد و به این نتیجه رسید که وقتی باستان‌شناسان مجبورند یک روش واحد را انتخاب کنند، روش SVF تأیید می‌شود و شیب شیب به عنوان یک روش جایگزین ارائه می‌شود. در غیر این صورت، با توجه به انواع مختلف زمین، مترجم باید تکنیک مناسب را انتخاب کند. استولار و همکاران [ 62] نشان داد که مناسب ترین روش شیفت یا حذف روند در ترکیب با رنگ آمیزی در زمین های مسطح، SVF در زمین های مختلط، شیب شیب یا حذف روند در زمین های شیب دار و SVF (ترکیب شده با شیب شیب) در زمین های ناهموار است. به دنبال آن، منوی تجسم میراث به منظور اجرای تکنیک های مختلف بهبود یافت. دو ویژگی میراث متفاوت در HC شناسایی شد، یعنی صومعه قرن هفدهم و تپه‌ای عصر آهن. منوی تجسم میراث متشکل از تکنیک های تجسم است که می تواند در انواع مختلف زمین، به ویژه زمین های مسطح، ناهموار، مختلط و شیب دار اعمال شود. کاربر امکان انتخاب روش با توجه به نوع زمین را دارد. ارزیابی تجسم میراث از طریق عملکردهای GIS می تواند برای راهنمایی و پشتیبانی در پروژه هایی که شامل تصمیم گیری در مورد کاربری زمین است، استفاده شود. در واقع، مشخص است که ابزارهای GIS در زمینه باستان شناسی بسیار مفید هستند و به جستجوی الگوها در لایه‌های مختلف داده‌های مکانی و مکان‌ها و ویژگی‌های نظرسنجی کمک می‌کنند. روش بر اساس تکنیک SVF گنجانده شد.
زمین ناهموار و اجرای زمین مختلط یکسان هستند. یک رابط گرافیکی از یک فیلد ورودی (DEM) تشکیل شده است. پارامتر حداکثر شعاع جستجو ; روش : چند مقیاس یا بخش . یک پارامتر فاکتور چند مقیاسی . پارامتر فیلد به تعداد سکتورها . و شش فیلد خروجی ایجاد شد. ابزارهای ناهموار و ترکیبی از الگوریتم عامل نمای آسمان از SAGA تحت دو گزینه استفاده کردند: چند مقیاس و بخش [ 63 ]. فاکتور نمای آسمانالگوریتم SAGA بر اساس محاسبه SVF پیشنهاد شده توسط Hantzschel [ 64 ] و بر اساس Dozier و Frew [ 65 ] است. سطح تحلیلی سایه تپه نیز به منظور همپوشانی دو لایه ایجاد شده (با 50 درصد شفافیت) و ترکیب آنها برای تجسم سه بعدی SVF ایجاد می شود. برای آن، الگوریتم تحلیلی سایه تپه از SAGA استفاده شد [ 63 ]. شفافیت از طریق تابع Opacity مجموعه لایه QgsRaster انجام شد .
عملکرد زمین شیبدار از یک فیلد ورودی (DEM) تشکیل شده است. سه گزینه فیلتر: فیلتر گاوسی ، فیلتر لاپلاسی و فیلتر نمونه گیری مجدد . یک خروجی برای هر فیلتر؛ و خروجی شیب نهایی. این روش یک نقشه شیب را از طریق الگوریتم انحنای slopeaspect از SAGA ایجاد می کند، که به فرد امکان می دهد پارامترهای مورفومتریک محلی شیب، جنبه و در صورت پشتیبانی از روش انتخابی، انحنا را نیز محاسبه کند. در مورد فیلتر گاوسی ، الگوریتم گاوسی فیلتر از SAGA گنجانده شد. پارامترهای انحراف استاندارد و شعاع جستجو به عنوان فیلدهای ورودی پیاده سازی شدند. علاوه بر این، یک فیلد حالت جستجو با دو گزینه ( مربع و دایره ) گنجانده شد. برای روش‌های دیگر، این روش یکسان است: از فیلتر laplacian و الگوریتم‌های نمونه‌گیری مجدد از SAGA استفاده شد [ 63 ]. در مورد فیلتر گاوسی ، نتیجه از تفریق داده های فیلتر شده توسط DEM از طریق الگوریتم محاسبه گر شطرنجی از SAGA به دست می آید. در مورد فیلتر Resamplingروش اجرا شده بر اساس نمونه‌گیری مجدد اندازه سلول اول با وضوح مورد نظر به عنوان مضرب یک ضریب مقیاس ورودی (مقیاس‌سازی بالا)، با استفاده از روش درونیابی نزدیک‌ترین همسایه، و روش دوم کاهش مقیاس به اندازه سلول اصلی است. با استفاده از روش درون یابی B-spline [ 63 ]. فیلتر به دست آمده از DEM اصلی کم می شود و نتیجه نهایی به دست می آید.
تکنیک‌های زمین مسطح، فیلترهای مختلف اعمال شده بر روی یک زمین شیب‌دار را با داده‌های سایه‌اندازی تحلیلی همپوشانی ترکیب می‌کنند. این روش همان مراحل پیاده سازی را دنبال می کند که در عملکرد شیب زمین توضیح داده شده است.

3.1.7. منوی جانوران و گیاهان

یک منوی جانوران و گیاهان برای ترکیب سوابق داده های موجود در مورد حضور گوشتخواران و مکان مستراح خرگوش ها برای تابستان و زمستان ایجاد شد. این منو برای ایجاد یک سطح درون یابی بر اساس تعداد رکوردهای وقوع گوشتخوار یا مستراح بهبود یافت و یک عملکرد جدید به منوی جانوران و گیاهان اضافه شد. از یک فیلد ورودی به رکوردها، یک فیلد ورودی برای تعریف ماسک به منظور محدود کردن منطقه، دو جعبه چرخشی برای تعیین اندازه سلول شبکه (بر حسب متر)، یک جعبه چرخشی دیگر برای تعیین اندازه سلول سطح درونیابی تشکیل شده است. و یک میدان خروجی برای ذخیره سطح درون یابی. یک شبکه با اندازه سلول تعریف شده توسط کاربر از طریق الگوریتم شبکه برداری از پردازش کتابخانه QGIS ایجاد می شود. جعبه ابزار . تعداد رکوردهای موجود در هر سلول از طریق countpointsinpolygon ، الگوریتمی از QGIS، ثبت می‌شود و به مرکز شبکه‌ای که از طریق Polygon centroids ، الگوریتم SAGA نیز به دست می‌آید، اختصاص می‌یابد. به منظور انجام انتساب ارجاع شده، شکل فایل شمارش از طریق الگوریتم شطرنجی از کتابخانه gdalogr شطرنجی شد و مقادیر از طریق الگوریتم addgridvaluestopoints از SAGA تخصیص یافتند. مرکزهای بدون شمارش یا NULL انتخاب شده و از طریق v.surf.idw درون یابی می شوند.الگوریتم از کتابخانه GRASS. این فرآیند را می توان برای هر نوع رکورد زیستگاه در قالب شیپ فایل انجام داد.

3.1.8. منوهای Orthophoto، DEM، LULC و NDVI

انواع دیگر اطلاعات در برنامه گنجانده شد: orthophoto، DEM، LULC و NDVI. برای به دست آوردن DEM پروازی با دوربین هوایی ZI-DMC در ارتفاع پروازی 2300 متر انجام شد که منجر به وضوح میانگین پیکسل 20 سانتی متر روی زمین شد. در مجموع 95 عکس، با همپوشانی رو به جلو 60٪، در 5 نوار، با 30٪ همپوشانی جانبی جمع آوری شد. این دوربین مجهز به تجهیزات georeferencing مستقیم، مبتنی بر سیستم موقعیت یاب جهانی (GPS) و یک سیستم ناوبری اینرسی است. هر مرکز نمایش دوربین با دقت موقعیتی تخمینی 5-10 سانتی متر ارائه شد. این امکان نگاشت فتوگرامتری از این تصاویر را بدون نیاز به نقاط کنترل زمینی برای جهت گیری تصویر فراهم می کند. تصاویر در Agisoft Photoscan پردازش شدند. در این نرم افزار، جهت گیری تصویر با یک تنظیم بسته، بر اساس نقاط مزدوج استخراج شده به طور خودکار روی همپوشانی های تصویر و ثابت نگه داشتن مراکز پخش دوربین به دست آمد. یک ابر نقطه سه بعدی پراکنده اولیه در فرآیند تنظیم بسته نرم افزاری ایجاد شد، که سپس متراکم شد تا یک مدل سه بعدی با جزئیات زیاد از سطح زمین تولید شود. سپس یک DEM به شکل یک شبکه منظم با فاصله شبکه 1 متری تولید شد. مرحله زیر تصحیح تمام عکس‌ها با استفاده از مدل سطح دیجیتال (DSM) بود که منجر به ارجاع جغرافیایی دقیق همه تصاویر شد. در نهایت یک موزاییک پیوسته از تمامی عکس ها با رزولوشن 20 سانتی متر و در نتیجه یک تصویر بسیار بزرگ با فرمت Geotiff انجام شد. این کار برای باندهای RGB و NIR انجام شد که هر کدام تقریباً 2 گیگابایت دارند.10 ].
NDVI مقادیر بین -1 و +1 را در نظر می گیرد و به صورت NDVI = [(ρNIR-ρRed)/(ρNIR + ρRed)] محاسبه می شود، که ρNIR و ρRed به ترتیب بازتاب مادون قرمز نزدیک و بازتاب قرمز هستند [66 ] . در این کار، نقشه NDVI با استفاده از نوارهای قرمز و NIR موزاییک محاسبه شد. نقشه LULC با استفاده از یک الگوریتم طبقه بندی نظارت شده (حداکثر احتمال) با دقت بالا (دقت کلی > 99٪ و کاپا > 0.99) محاسبه شد. کاربر می تواند فقط برای تجسم داده ها باز شود یا می تواند از آن به عنوان ورودی در سایر ابزارهای توسعه یافته استفاده کند. شکل 5 نقشه های DEM و NDVI را نشان می دهد. اطلاعات بیشتر در مورد این منوها را می توان در [ 10 ] یافت .

3.1.9. ابزار تصمیم گیری

پیشرفت عمده در HCIEMS توسعه یک ابزار تصمیم گیری به نام GeoDecision بود. شکل 6 نمودار کلاس GeoDecision را نشان می دهد.
GeoDecision به منظور کمک به انتخاب مناسب‌ترین مکان‌ها برای نصب نمایشگر نجوم رادیویی، ضوابط را بر اساس فایل‌های شطرنجی تخصیص داد. این برنامه به یک دایرکتوری با فایل های شطرنجی درگیر در مدل تصمیم نیاز دارد. این اتصال در کلاس Geo و از طریق تابع inputDir ایجاد شد . عوامل حذف باید ابتدا از طریق گزینه های بله یا خیر که با دو دکمه ارائه می شوند شناسایی شوند. اگر بله، تابع factorWindow از کلاس Geo و Factor فراخوانی می شودکلاس وارداتی است یک رابط گرافیکی جدید با یک جعبه ترکیبی پر از شطرنجی موجود در پوشه فراخوانی می شود. تصمیم گیرنده باید از طریق دکمه افزودن، انتخاب کند که کدام یک دارای مقادیر حذفی هستند. فایل های شطرنجی در جدول فهرست شده اند و یک عبارت قابل ویرایش در ویرایش خط ظاهر می شود. این عمل کلیک شده از طریق تابع item_click انجام می شود . در این بخش، عملگرهای پرکاربرد (>، <، ≥، ≤، ==، AND) برای تعریف عبارت مقادیر حذفی در دسترس هستند ( شکل 6 ). چندین توابع به منظور تخصیص عملگرها ایجاد شد. هنگامی که مقادیر حذفی تعریف می شوند، یک دکمه OK به شخص اجازه می دهد تا هر شطرنجی را به مقادیر معتبر محدود کند، و از طریق ضریب elimin _ ” 0″ را به مقادیر حذفی اختصاص دهد.تابع. در این تابع، هر شرط از طریق الگوریتم محاسبه‌گر شطرنجی از SAGA پیاده‌سازی می‌شود و در نهایت، شطرنجی حاصل در شطرنجی اصلی ضرب می‌شود و از طریق الگوریتم نرمال‌سازی شبکه از SAGA به مقیاسی از 0 تا 100 درصد نرمال می‌شود. سپس کلاس Weights فراخوانی می شود. یک رابط گرافیکی جدید با فایل های شطرنجی و وزن های هر یک باز می شود. به‌طور پیش‌فرض، مقادیر وزن به‌عنوان «1» برای همه رسترها تعریف می‌شوند و در جدولی که توسط QTableWidget از Qt API تعریف شده است نشان داده می‌شوند. کاربر می تواند مقادیر وزن را تغییر دهد و سناریوهای مختلفی ایجاد کند. دکمه محاسبه به فرد اجازه می دهد تا مقادیر وزن را به روز کند و وزن های _ را محاسبه کندنامیده میشود. روش وزن دهی گنجانده شده در برنامه به عنوان تقسیم وزن تعیین شده توسط مجموع همه مقادیر وزن انجام می شود. سپس تابع Final _ raster فراخوانی می شود و مقدار محاسبه شده را برای رستر قبلی ضرب می کند.
اگر دکمه No انتخاب شود، فرض بر این است که هیچ فاکتور حذفی وجود ندارد، بنابراین شطرنجی اصلی نرمال می شود و پنجره تخصیص وزن باز می شود. این فرآیند زمانی انجام می شود که کلاس Weights فراخوانی شود. این روش مشابه موارد ذکر شده در بالا است، بنابراین مقادیر بر اساس وزن ها و از طریق تابع شطرنجی نهایی محاسبه می شوند . شکل 7 رابط گرافیکی GeoDecision را نشان می دهد.

3.2. چند معیاره نمایشگر

انتخاب مکان‌ها برای نصب نمایشگر نجوم رادیویی مستلزم سه مرحله در مورد زیرساخت است: (1) ایمنی. (2) اثرات زیست محیطی. و (iii) دسترسی به زیرساخت. ابزار GeoDecision امکان انتخاب نقشه‌ها را با عوامل دخیل در معیارهای انتخاب، فیلتر کردن اطلاعات لازم برای ارزیابی مکان‌های مورد علاقه فراهم می‌کند، بنابراین تنها چهار نقشه خطر از همه نقشه‌ها در رابطه با ایمنی زیرساخت استفاده شد. اگرچه معیارهای دیگری مانند تراکم جمعیت، شبکه راه ها و سایر فعالیت های انسانی باید قبل از تصمیم گیری نهایی ارزیابی شوند، اما مهمترین معیارها در مورد نصب زیرساخت و داده های موجود بر اساس خطر آتش سوزی، سطح فرسایش خاک، خطر سیل است. و مقادیر شیب از آنجایی که این منطقه یک منطقه حفاظت شده و یک منطقه جنگلی است، خطر آتش سوزی و خطر فرسایش مهمترین معیارهایی هستند که باید در نظر گرفته شوند. اگر نصب در نزدیکی Ribeira do Murtigão باشد، خطر سیل نیز مرتبط است. مناطق شیب بالاتر مستثنی هستند، زیرا نصب باید در زمین صاف باشد، اگرچه دارای ارتفاعات اطراف برای محافظت از تداخل رادیویی از افق باشد.شکل 8 عوامل چند معیاره در نظر گرفته شده در این کار را نشان می دهد. در منطقه HC، به دلیل در دسترس بودن داده ها، تنها از چهار نقشه در تصمیم گیری استفاده شد. برای ایجاد نقشه های دیگر (DRASTIC، RUSLE، در میان دیگران) و گنجاندن در ابزار تصمیم گیری، به داده های بیشتری نیاز است. متأسفانه در منطقه HC این امکان وجود نداشت. با این حال، عملکردهای گنجانده شده می تواند در مطالعات سایر حوزه ها بسیار مفید باشد و نتایج را می توان در ابزار GeoDecision استفاده کرد. به عنوان مثال، ارزیابی DRASTIC در مناطق حفاظت شده بسیار مهم است، بنابراین در ابزار موجود است و نتیجه را می توان به راحتی در ابزار تصمیم گیری استفاده کرد.
بر اساس گزارش و توصیه کمیته مشورتی سایت SKA (SSAC) [ 67 ]، اقلیم، تشعشعات خورشیدی، حیات وحش، محدودیت‌های کاربری زمین، آتش‌سوزی، خطرات لرزه‌ای و موارد دیگر جنبه‌های زیست‌محیطی در نظر گرفته شده در ارزیابی سایت‌ها بودند و بر این اساس در نظر گرفته شدند. در انتخاب سایت در مرحله دوم، اثرات زیست محیطی زیرساخت در منطقه HC نیز برای نصب بسیار مهم است. عواملی مانند توجه به زیستگاه (جانوران و گیاهان، مستراح و گوشتخواران)، جنبه های سینژتیکی، آسیب پذیری آب های زیرزمینی و استراتژی های هزینه باید در نظر گرفته شوند. مرحله نهایی به تجزیه و تحلیل دسترسی به زیرساخت مربوط می شود. اگرچه تظاهرکنندگان از راه دور اداره خواهند شد، اما به تعمیر و نگهداری نیاز است. طبق PGFCFP [ 34]، جاده های دسترسی در HC تعریف شد. عوامل دیگری مانند تلاطم تروپوسفر، عوامل سیاسی، اجتماعی-اقتصادی و مالی، حقوقی و امنیتی نیز باید در نظر گرفته شوند [ 67 ].
نقشه‌های حاصل از ابزار GeoDecision از 0% تا 100% طبقه‌بندی می‌شوند که هر چه این درصد بیشتر باشد، مکان مناسب‌تر برای نصب نمایشگر نجوم رادیویی است. به منظور تفسیر نقشه های تولید شده، یک نماد شناسی با پنج کلاس که به صورت دستی تعریف شده استفاده شد: ناکافی (0٪ -10٪)، ناکافی (10٪ – 20٪)، کفایت متوسط ​​(20٪ – 30٪)، کافی (30). %40-% و بسیار کافی (>40%). این طبقه بندی را می توان با یک روش موجود در QGIS تطبیق داد و مقادیر کلاس ها را می توان بر این اساس تعریف کرد.

4. نتایج

یک مطالعه کامل در HC، مکانی که برای نصب نمایشگرهای نجوم رادیویی انتخاب شده است، انجام شد. بر اساس داده های موجود و بر اساس اطلاعات PGFCFP [ 34]، چندین نقشه به منظور بدست آوردن نقشه نهایی از طریق ابزار تصمیم گیری ایجاد شد. برای ایجاد نقشه خطر سیل، Ribeira do Murtigão به عنوان مرجع (0 متر) در نظر گرفته شد و 300 متر از رودخانه در نظر گرفته شد. در ابزار تصمیم گیری، نقشه خطر سیل به عنوان یک مقدار صفر در مناطق بدون خطر سیل (<0 متر)، یک (0-20 متر) و دو (بیش از 20 متر) در مناطق با خطر بیشتر طبقه بندی شد. نقشه خطر و نقشه FFR از طریق داده های shapefile Map Use Land 2007 ایجاد شد و مقادیر اقتصادی و مقادیر آسیب پذیری اختصاص داده شد. نقشه شیب از DEM مشتق شده است و نقشه احتمال از مجموعه فایل های شکل با اطلاعات ناحیه سوخته ایجاد شده است. بر اساس این اطلاعات، HC فقط برای سال های 2001 و 2002 سوابق دارد. نقشه خطر فرسایش خاک بر اساس داده های هواشناسی (عامل R) ایجاد شد و مقدار 0.39 (خاک لیتو) برای کل منطقه HC اختصاص داده شد. برای به دست آوردن عامل LS از DEM و برای ایجاد فاکتورهای C و P از نقشه کاربری زمین 2007 استفاده شد. نقشه شیب از DEM ایجاد شده است.شکل 9 نقشه های درگیر در ابزار تصمیم گیری را نشان می دهد. نقشه‌های باقی‌مانده، مانند DRASTIC، RUSLE یا نقشه‌های دیگر، در ناحیه HC در نظر گرفته نشده‌اند، زیرا در حال حاضر، نصب پروژه SKA تمام داده‌های مورد نیاز برای ادغام آن در ابزار تصمیم‌گیری نهایی را ندارد. هنگامی که این اطلاعات در دسترس قرار گرفت، رویه دقیقاً همان چیزی است که در بخش های قبلی توضیح داده شد. با این حال، برنامه قبلاً قابلیت هایی را برای آزمایش در سایر مناطق محافظت شده گنجانده است.
ابزار تصمیم گیری با شرایط ذکر شده مورد آزمایش قرار گرفت و مناطق مناسب تر پیش بینی شد. چندین سناریو به منظور آزمایش ابزار GeoDecision ایجاد شد. به منظور انتخاب مناسب‌ترین وزن‌ها، وزن‌ها بر اساس مشاهدات میدانی تعیین شدند. چندین کارزار میدانی در HC انجام شد. اگرچه خطر سیل بخشی از قانون تصمیم گیری بود، اما تنها در یک سناریو مورد استفاده قرار گرفت. شکل 10 و جدول 2 سناریوها را با در نظر گرفتن وزن های مختلف نشان می دهد. برای اکثر سایت ها، هر عاملی همیشه ریسک کمی دارد. به عنوان یک نتیجه طبیعی، هیچ سایتی با کفایت 100٪ یافت نشد.

5. بحث

با توجه به نقشه شیب ( شکل 9 )، 38.4 درصد از منطقه HC با مقادیر بسیار کم یا کم به ویژه در CN طبقه بندی شد. مقادیر شیب بالاتر در CS با 19.2٪ قرار گرفت. این مناطق را می توان با مناطق FFR زیاد و بسیار زیاد، واقع در CS، که به ترتیب 2.2% و 32.6% را پوشش می دهند، مرتبط دانست ( شکل 9 ). بنابراین، مناطق با مقادیر شیب بالا با FFR بالا مرتبط بودند. 56 درصد از منطقه HC با FFR کم و بسیار کم طبقه بندی شد. این مناطق در CN و در IZ در نزدیکی Ribeira do Murtigão قرار داشتند. این مطالعه نشان داد که تنها در سال های 2001 و 2002 وقوع آتش سوزی ارائه شده است. بنابراین، این مناطق با FFR بسیار بالا طبقه بندی شدند. نتایج به دست آمده منعکس کننده داده های ارائه شده در PGFCFP [ 34]، که در آن CS FFR بالاتری نسبت به CN ارائه می دهد. با توجه به نقشه خطر فرسایش ( شکل 9 )، CS و IZ اکثریت ریسک فرسایش بالا (13.9٪) را ارائه می دهند. CN سطح فرسایش کم را احتمالاً به دلیل مزارع Quercus ilex ، که کل گسترش منطقه شمالی را پوشش می‌دهد، ارائه کرد. طبق روش RUSLE، تقریباً 10٪ از منطقه HC با خطر فرسایش بالا و بسیار بالا همراه با مقادیر شیب بالا طبقه بندی شد. بیشتر این مناطق در CS قرار داشتند. بنابراین، مقادیر شیب بالا با سطح ریسک فرسایش بالا مرتبط بود. سطح خطر فرسایش پایین CN را پوشش داد و در 54.2٪ از کل منطقه شناسایی شد.
از سناریوهای مختلف آزمایش‌شده، نتیجه‌گیری شد که مناسب‌ترین مکان‌ها برای نصب زیرساخت نمایشگر در CN، جایی که درصد پایین ریسک غالب بود، قرار داشتند. در سناریوی 1، وزن ها به طور مساوی توسط عوامل FFR، فرسایش و شیب توزیع شدند و 9.88 کیلومتر مربع از منطقه با مناسب ترین مناطق برای نصب مطابقت داشت که تقریباً 20٪ از HC را پوشش می داد. این مناطق در CN و IZ واقع شدند. در سناریوی 2، خطر بالاتری برای FFR با کاهش خطرات برای عوامل فرسایش و شیب تعیین شد. با در نظر گرفتن این موارد 4.89 کیلومتر مربعاز منطقه مربوط به مناطق با کفایت بیشتر بود و مانند سناریوی قبلی، اکثر این مناطق در CN قرار داشتند. مناطق با FFR بالاتر به طور خودکار حذف شدند. در سناریوی 3، خطر فرسایش با وزن بالاتر، با کاهش وزن برای فاکتورهای شیب و FFR اختصاص داده شد. در این سناریو، 5.35 کیلومتر مربع از منطقه به عنوان زون های مناسب تر در نظر گرفته شد و CN و بخش شرقی HC را پوشش داد. اگر ضریب شیب به عنوان مهمترین و تأثیرگذارترین عامل کاهش FFR و فرسایش در نظر گرفته شود، 88/20 کیلومتر مربعHC دارای شرایط عالی بود که 40 درصد کل مساحت را تشکیل می داد. این پهنه ها با زون های کم شیب مرتبط بودند. CN بیشتر به عنوان کافی طبقه بندی شد. در آخرین سناریو، شبیه سازی سیل در نظر گرفته شد و وزن ها به طور مساوی توزیع شدند. نتیجه نشان می دهد که 9.78 کیلومتر مربع HC شرایط را برآورده می کند. مانند سناریوهای قبلی، بیشتر مناطق در CN قرار داشتند. خطر سیل را می توان با یک مدل پیچیده تر به منظور بهبود نقشه نهایی تصمیم گیری و ارزیابی خطر سیل بهبود بخشید. به عنوان مثال، یک مدل هیدرولیک می تواند گنجانده شود. ادبیات گزارش می دهد که چندین کار در حال حاضر ریسک سیل و مدل های هیدرولیکی را در یک محیط GIS ادغام کرده اند. به عنوان مثال، عبدالله و همکاران. [ 68] یک رویکرد ارزیابی ریسک فازی سه بعدی با پشتیبانی از GIS برای ارزیابی خطر سیل ارائه می دهد. این مبتنی بر توسعه یک مدل ریسک مجموعه فازی، نقشه‌برداری سه بعدی GIS و یک شبیه‌سازی آماری آبی است. این روش برای بخشی از رودخانه قرمز در جنوب منیتوبا، کانادا اعمال شد. رحمتی و همکاران [ 69] با هدف ارزیابی کارایی فرآیند تحلیلی سلسله مراتبی برای شناسایی مناطق خطر سیل بالقوه با مقایسه با نتایج یک مدل هیدرولیکی. در ابتدا چهار پارامتر فاصله تا رودخانه، کاربری اراضی، ارتفاع و شیب زمین در برخی از نقاط رودخانه یاسوج ایران مورد استفاده قرار گرفت. این مجموعه معیارها از طریق یک روش ترکیبی خطی وزنی با استفاده از نرم افزار اختصاصی GIS برای ایجاد نقشه پیش بینی خطر سیل ادغام شدند. برای تأیید اعتبار برنامه، تنها چند سناریو در نظر گرفته شد. با این حال، بر اساس این موارد، CN و در نهایت، IZ، در کنار رودخانه، مناسب ترین مناطق برای زیرساخت نمایشگر نجوم رادیویی بودند. سایر عوامل برای تصمیم گیری نهایی در نظر گرفته می شوند، مانند نقشه DRASTIC، تأثیر جانوران و گیاهان، میراث و غیره. با این حال، HCIEMS نقشه ای را با در نظر گرفتن چندین عامل با وزن های اختصاص داده شده برگرداند. علاوه بر این، این برنامه رایگان و متن باز است و ترکیبی از چندین سناریو را برای تعیین وزن های مختلف امکان پذیر می کند.

6. نتیجه گیری

برنامه توسعه یافته، HCIEMS، امکان نظارت و ارزیابی چندین عامل محیطی را فراهم می کند. از طریق رابط گرافیکی پیشرفته خود، علاوه بر دکمه‌ها و عملکردهای استاندارد، این برنامه دارای یک ابزار تصمیم‌گیری است که به منظور یافتن سایت‌های مناسب‌تر برای نصب نمایشگرهای نجوم رادیویی و ایجاد نقشه راه برای آزمایش‌های نجوم رادیویی آینده در یک زمینه بین‌المللی ایجاد شده است. در این اثر پنج نمونه شرح داده شد. در آینده، ابزارهای جدید و بهبود یافته، روش‌ها و کارکردهای جدید و استراتژی‌های کاهش برای کنترل بهتر ریسک‌ها و به حداقل رساندن تأثیر بالقوه چندین پدیده (طبیعی یا انسانی) و کاهش تلفات منابع، گنجانده خواهد شد. این رویکرد جدید شامل اقدامات کاهشی، زیرساخت های حمایتی و پاسخی موثر خواهد بود. اگرچه قبل از تصمیم گیری نهایی، معیارهای دیگری مانند تراکم جمعیت، شبکه راه، آسیب پذیری آب های زیرزمینی، تأثیر جانوران و گیاهان، میراث و فعالیت های انسانی باید مورد ارزیابی قرار گیرند، اما در پژوهش حاضر، مهم ترین معیارهای مربوط به نصب زیرساخت بر اساس امکانات موجود است. داده ها، به عنوان مثال، خطر آتش سوزی، سطح فرسایش خاک، خطر سیل و مقادیر شیب. سایر عوامل باید در مرحله دوم ارزیابی شوند تا اثرات زیست محیطی به حداقل برسد، مانند مطالعه عوامل تنوع زیستی محلی. عوامل انسانی نیز باید در نظر گرفته شود. تصمیم نهایی برای نصب آزمایش‌های نجوم رادیویی بر اساس تمام معیارهای به‌دست‌آمده و داده‌ها و روش‌های بهبود یافته‌ای خواهد بود که اجرا می‌شوند.
این ابزار، با قابلیت‌های یکپارچه منحصربه‌فرد خود، می‌تواند به ابزاری اساسی برای هدایت تصمیم‌گیری و فرآیند انتخاب مکان سایت‌های بالقوه نجوم رادیویی، به‌ویژه آن‌هایی که نیاز به تجزیه و تحلیل سرزمینی بزرگی دارند که اغلب دارای شکاف‌های اطلاعاتی هستند یا نیاز به رویکردهای خاصی برای رسیدگی به آن دارند، تبدیل شود. اطلاعات موجود پروژه های مگا، مانند SKA و بسیاری از پیش سازها یا مسیر یاب های آن، به صورت مرحله ای ساخته می شوند و مکان های آنتن را در چندین کشور گسترش می دهند که مطمئناً ممکن است از رویکرد آزمایش شده در یک شبیه ساز منطقه مناسب بهره مند شوند. به طور خاص، کشورهای شریک آفریقایی SKA ممکن است از یک برنامه یکپارچه و متمرکز بهره ببرند که به عنوان اولین گام تصمیم‌گیری، هم افزایی بین نجوم رادیویی، GIS و علوم فضا و زمین را ترویج می‌کند و منابع آن را تامین می‌کند. تمرکز اصلی این تحقیق اپلیکیشن ایجاد شده است. این نرم افزار دارای چندین قابلیت به منظور ایجاد نقشه های مختلف است. این نقشه ها را می توان در ابزار GeoDecision گنجاند (یا نه). علاوه بر این، HCIEMS امکان بهبود، اصلاح و انطباق با سایر مناطق حفاظت‌شده/طبیعی را فراهم می‌کند و می‌تواند عملکردهای دیگری را ترکیب یا هدف قرار دهد. HCIEMS منبع باز و رایگان است. می توان آن را به راحتی با سایر اطلاعات مکانی (موجود درhttp://www.fc.up.pt/pessoas/liaduarte/HCIEMS.rar )، و جزئیات را می توان در صورت درخواست به دست آورد.

منابع

  1. Schilizzi، RT; دیودنی، PEF؛ لاتزیو، تی جی آرایه کیلومتر مربع. در مجموعه مقالات تلسکوپ های زمینی و هوابرد II: 70121I، SPIE 7012، مارسی، فرانسه، 23 ژوئن 2008.
  2. عمر، ر. عابدین، ز. ابراهیم، ​​ZA اهمیت انتخاب مکان برای نجوم رادیویی. J. Phys. 2014 , 539 , 012009. [ Google Scholar ] [ CrossRef ]
  3. پنگ، بی. Sun، JM; ژانگ، سلام؛ پیائو، TY; لی، جی کیو; لی، ال. لو، تی. لی، دی اچ. ژنگ، ی جی؛ مشاهدات تست نان، R. RFI در یک سایت نامزد SKA در چین. انقضا اختر. 2004 ، 17 ، 423-430. [ Google Scholar ] [ CrossRef ]
  4. SKA. آرایه کیلومتر مربعی تلسکوپ SKA. کاوش کیهان با بزرگترین تلسکوپ رادیویی جهان 2016. در دسترس آنلاین: https://www.skatelescope.org/ (دسترسی در 20 آوریل 2016).
  5. عمر، ر. عابدین، ز. ابراهیم، ​​ZA اهمیت منطقه آرام رادیویی (RQZ) برای نجوم رادیویی. AIP Conf. Proc. 2013 ، 1528 ، 32. [ Google Scholar ]
  6. زو، بی. نی، ی. نان، آر. پنگ، بی. انتخاب سایت FAST/SKA در استان گوئیژو. اخترفیزیک. علوم فضایی 2001 ، 278 ، 213-218. [ Google Scholar ] [ CrossRef ]
  7. آکسالر، ن. یرلی، SK; اردوغان، کارشناسی ارشد؛ کبا، ک. آک، ت. اصلان، ز. باکیس، وی. دمیرجان، او. اورن، اس. کسکین، وی. و همکاران انتخاب مکان نجومی برای ترکیه با استفاده از تکنیک های GIS. انقضا اختر. 2015 ، 39 ، 547-566. [ Google Scholar ] [ CrossRef ]
  8. روگوپوث، SDDV; اودیت، اس. پرسند، س. گلاپ، ک. Somanah, R. ابزاری جدید برای مدیریت تصاویر نجومی. اخترفیزیک. علوم فضایی 2000 ، 273 ، 245-256. [ Google Scholar ] [ CrossRef ]
  9. باربوسا، دی. آگیار، آر. باراکا، جی پی؛ ون آردن، آ. بونسترا، ای جی. Verdes-Montenegro, L.; Santander-Vela, J. رویکردی پایدار به زیرساخت‌های بزرگ مبتنی بر علم ICT. مورد برای رادیو نجوم. در مجموعه مقالات کنفرانس بین المللی انرژی IEEE-ENERGYCON، دوبرونیک، کرواسی، 14 مه 2014.
  10. تئودورو، ا. دوارته، ال. سیلو، ن. Gonçalves، JA; فونته، جی. گونسالوس-سیکو، ال. Pinheiro da Luz، LM; dos Santos Beja, LMR یک سیستم مدیریت زیست محیطی GIS یکپارچه و منبع باز برای یک منطقه حفاظت شده در جنوب پرتغال. در مجموعه مقالات SPIE 9644، منابع زمین و کاربردهای سنجش از دور محیطی/GIS VI، تولوز، فرانسه، 24 سپتامبر 2015.
  11. ون آردن، آ. Bregman، JD; ون کاپلن، دبلیو. کانت، GW; bij de Vaate، JG گسترش میدان دید با تکنیک های آرایه فازی. Proc. IEEE 2009 ، 97 ، 1531-1542. [ Google Scholar ] [ CrossRef ]
  12. فاکنر، آ. الکساندر، پی. ون آردن، آ. بولتون، آر. برگمن، جی. ون اس، ا. جونز، ام. کانت، دی. مونتبوگنولی، اس. پیکارد، پی. و همکاران یادداشت SKA 122: آرایه های دیافراگم برای SKA: کاغذ سفید SKADS. 2010. موجود به صورت آنلاین: https://www.skatelescope.org/public/2011-06-28_Signal_Transport_and_Networks_CoDR/CoDR_Applicabledocuments/AppDoc11_122_Memo_Faukner.pdf (دسترسی در 9 اکتبر 20).
  13. تورچینسکی، SA; ون آردن، آ. دن برینک-هاوینگا، تی. ون Es، AJJ; فاکنر، AJ نجوم میدان گسترده و فناوری برای آرایه کیلومتر مربع. در مجموعه مقالات کنفرانس SKADS، Limelette، پروژه “SKADS” قرارداد شماره 011938، و Marie Curie Actions Contract شماره 46095، Limelette، بلژیک، 4-6 نوامبر 2009.
  14. تورچینسکی، SA; برودریک، جی دبلیو. گانست، ا. فاکنر، ای جی; van Cappellen, W. SKA Aperture Array Mid Frequency Science Requirements, SKA Mid Frequency Aperture Array Requirements System ; SKA-TEL-MFAA-0200009; ASTRON: دوینگلو، هلند، 2016. [ Google Scholar ]
  15. بونسترا، ای جی. Millenaar، R. AAVP Spectrum Monitoring، Herdade Ferradura و Contenda Forrest Surveys، پرتغال . فنی نماینده، ASTRON-RP-391; ASTRON: دوینگلو، هلند، 2010. [ Google Scholar ]
  16. آمبروسینی، ر. برسفورد، آر. بونسترا، A.-J. الینگسون، اس. Tapping, K. RFI Measurement Protocol for Candidate SKA sites ; الینگسون، اس.، اد. یادداشت SKA 37، گزارش داخلی از گروه کاری بین المللی SKA در مورد اندازه گیری های RFI. SKA: Cheshire، انگلستان، 2003. [ Google Scholar ]
  17. ANACOM. طرح ملی تخصیص فرکانس، 2008 ; ANACOM: لیسبون، پرتغال، 2009. [ Google Scholar ]
  18. چی آی، ز. جابویدوف، م. درون، ام. van Westen، CJ 2015 نمونه اولیه یک پلتفرم پشتیبانی تصمیم مشارکتی مبتنی بر وب در مخاطرات طبیعی و مدیریت ریسک. ISPRS Int. J. Geo-Inf. 2015 ، 4 ، 1201-1224. [ Google Scholar ]
  19. Puniway، N. کانال، ال. هاوز، ام. پوتمرا، ج. لپچیک، سی. Gray, S. توسعه یک ابزار مبتنی بر GIS برای مکان یابی آبزی پروری. ISPRS Int. J. Geo-Inf. 2014 ، 3 ، 800-816. [ Google Scholar ] [ CrossRef ]
  20. فیضی زاده، ب. Blaschkea، T. یک رویکرد تجزیه و تحلیل عدم قطعیت و حساسیت برای نقشه‌برداری حساسیت زمین لغزش چند معیاره مبتنی بر GIS. بین المللی جی. جئوگر. Inf. علمی 2014 ، 28 ، 610-638. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  21. Ullah، KM; منصوریان، ع. ارزیابی تناسب اراضی برای برنامه ریزی کاربری اراضی شهری: مطالعه موردی شهر داکا. ترانس. GIS 2016 ، 20 ، 20-37. [ Google Scholar ]
  22. آیدی، ع. آبیچو، تی. نصر، آی.ح. لواتی، م. زائری، م. ارزیابی تناسب زمین برای انتخاب محل دفع فاضلاب کارخانه زیتون با ادغام منطق فازی، AHP و WLC در یک GIS. محیط زیست نظارت کنید. ارزیابی کنید. 2016 ، 188 ، 1-13. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  23. بری، آر. هیگز، جی. سنجش سطوح پذیرش عمومی از استفاده از ابزارهای تجسم در ارتقای مشارکت عمومی. مطالعه موردی برنامه ریزی مزرعه بادی در ولز جنوبی، انگلستان. جی. محیط زیست. طرح. مدیریت 2012 ، 55 ، 229-251. [ Google Scholar ] [ CrossRef ]
  24. هیگز، جی. بری، آر. کیدنر، دی. لانگفورد، ام. استفاده از رویکردهای فناوری اطلاعات برای ارتقای مشارکت عمومی در برنامه‌ریزی انرژی‌های تجدیدپذیر: چشم‌اندازها و چالش‌ها. سیاست کاربری زمین 2008 ، 25 ، 596-607. [ Google Scholar ] [ CrossRef ]
  25. جهانی، ع. فقهی، ج. مخدوم، م.ف. امید، م. مدل تخریب جنگل بهینه شده (OFDM): یک سیستم پشتیبانی تصمیم گیری زیست محیطی برای ارزیابی اثرات زیست محیطی با استفاده از یک شبکه عصبی مصنوعی. جی. محیط زیست. طرح. مدیریت 2016 ، 59 ، 222-244. [ Google Scholar ] [ CrossRef ]
  26. مطلق، ز.ک. صیادی، MH محل دفن زباله پسماند با استفاده از روش MCE در محیط GIS (مطالعه موردی: دشت بیرجند، ایران). مدیریت زباله 2015 ، 46 ، 322-337. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  27. قده، AA; عبدالواحد، مدل‌سازی مناسب بودن سایت مبتنی بر GIS برای ایستگاه‌های لرزه‌ای: مطالعه موردی میدان آتشفشانی راهات شمالی، عربستان سعودی. محاسبه کنید. Geosci. 2015 ، 83 ، 193-208. [ Google Scholar ] [ CrossRef ]
  28. Bricker, SB; Getchis، TL; چادویک، CB; رزا، سی ام؛ Rose, JM ادغام مدل‌های مبتنی بر اکوسیستم در یک ابزار تعاملی مبتنی بر وب برای بهبود تصمیم‌گیری در مورد آبزی پروری. آبزی پروری 2016 ، 453 ، 135-146. [ Google Scholar ] [ CrossRef ]
  29. یانگ، Y.-CE; Lin, Y.-FF یک برنامه جدید GIScience برای منابع طبیعی تجسم شده. ترانس. GIS 2011 ، 15 ، 109-124. [ Google Scholar ] [ CrossRef ]
  30. پاپادمیتریو، اف. مدلسازی پیچیدگی منظر برای مدیریت کاربری زمین در ریودوژانیرو، برزیل. سیاست کاربری زمین 2012 ، 29 ، 855-861. [ Google Scholar ] [ CrossRef ]
  31. هوش مصنوعی در مدل‌سازی پیچیدگی تحولات چشم‌انداز مدیترانه‌ای. محاسبه کنید. الکترون. کشاورزی 2012 ، 81 ، 87-96. [ Google Scholar ] [ CrossRef ]
  32. گریزر، ا. استراوب، ام. Dragasching، M. Towards a Towards a Open Source Analysis Toolbox برای مقایسه شبکه خیابانی: شاخص ها، ابزارها و نتایج مقایسه OSM و نمودار مرجع رسمی اتریش. ترانس. GIS 2014 ، 18 ، 510-526. [ Google Scholar ] [ CrossRef ]
  33. QGIS. پروژه QGIS 2016. موجود آنلاین: http://www.qgis.org/ (دسترسی در 20 آوریل 2016).
  34. ICNF. Instituto da Conservação e da Defesa das Florestas. 2009. در دسترس آنلاین: http://www.icnf.pt/portal (در 22 آوریل 2016 قابل دسترسی است).
  35. Oliveira, JT Carta Geológica de Portugal Escala 1/200 000 Notícia Explicativa da Folha 8 Direcção Geral de Geologia e Minas ; Serviços Geológicos de Portugal: Lisboa، پرتغال، 1992. [ Google Scholar ]
  36. dgTerritório. Direção-Geral do Território. 2015. در دسترس آنلاین: http://www.dgterritorio.pt/cartografia_e_geodesia/cartografia/cartografia_tematica/carta_de_ocupacao_do_solo__cos_/cos__2007/ (در 22 آوریل 2016 قابل دسترسی است).
  37. PMDFCI. Associação de Produtores da Floresta Alentejana. Plano Municipal da Defesa da Floresta Contra Incêndios de Barrancos. 2010. در دسترس آنلاین: http://www.cm-barrancos.pt/smpc/PMDFCI.pdf (در 22 آوریل 2016 قابل دسترسی است).
  38. تئودورو، AC؛ Duarte، L. نقشه های خطر آتش سوزی جنگل: یک برنامه منبع باز GIS – یک مطالعه موردی در شمال غرب پرتغال. بین المللی جی. جئوگر. Inf. علمی 2013 ، 27 ، 699-720. [ Google Scholar ] [ CrossRef ]
  39. 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 ، 1-12. [ Google Scholar ] [ CrossRef ]
  40. 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 ]
  41. GDAL. کتابخانه انتزاع داده های جغرافیایی. 2015. در دسترس آنلاین: http://www.gdal.org/ (در 30 مارس 2016 قابل دسترسی است).
  42. PyQt4 API. مرجع کلاس PyQt. 2015. در دسترس آنلاین: http://pyqt.sourceforge.net/Docs/PyQt4/classes.html (در 22 مارس 2016 قابل دسترسی است).
  43. QGIS API. اسناد QGIS API. 2013. در دسترس آنلاین: http://www.qgis.org/api/ (در 22 مارس 2016 قابل دسترسی است).
  44. Numpy API. مرجع Numpy. 2015. در دسترس آنلاین: http://docs.scipy.org/doc/numpy/reference/ (در 22 مارس 2016 قابل دسترسی است).
  45. پایتون. زبان برنامه نویسی پایتون 2015. در دسترس آنلاین: http://python.org/ (در 22 مارس 2016 قابل دسترسی است).
  46. آلر، ال. Lehr, JH; پتی، آر. Bennet, T. DRASTIC: یک سیستم استاندارد برای ارزیابی پتانسیل آلودگی آب های زیرزمینی با استفاده از تنظیمات هیدروژئولوژیک. جئول Soc. هند 1987 ، 29 ، 1-622. [ Google Scholar ]
  47. دوارته، ال. تئودورو، AC؛ Gonçalves، JA; دیاس، ا. Espinha Marques, J. ارزیابی آسیب پذیری آب های زیرزمینی در برابر آلودگی از طریق روش DRASTIC. یادداشت های سخنرانی محاسبه. علمی 2014 ، 8582 ، 386-400. [ Google Scholar ]
  48. DFCI. Plano Municipal da Defesa da Floresta Contra Incêndios. 2008. در دسترس آنلاین: http://www.afn.min-agricultura.pt/portal/dudf/gtfs/planeamento-dfci-municipal/guia-metodologico-para-a-elaboracao-do-pmdfci (دسترسی در 20 آوریل 2016 ).
  49. ویشمایر، WH; جانسون، CB; Cross, BV یک نوموگراف فرسایش پذیری خاک برای زمین های کشاورزی و سایت های ساختمانی. J. حفظ آب خاک. 1971 ، 26 ، 189-193. [ Google Scholar ]
  50. لوریرو، NS; کوتینیو، MA روشی جدید برای تخمین شاخص RUSLE EI30، بر اساس داده‌های بارندگی ماهانه و در منطقه آلگاروه، پرتغال اعمال می‌شود. جی هیدرول. 2001 ، 250 ، 12-18. [ Google Scholar ] [ CrossRef ]
  51. Pimenta, MT Directrizes Para a Aplicação da Equação Universal de Perda dos Solos em SIG, Factor de Cultura C e Factor de Erodibilidade do Solo K ; INAG/DSRH (Sistema Nacional de Informação dos Recursos Hídricos): لیسبون، پرتغال، 1998. [ Google Scholar ]
  52. ویشمایر، WH; اسمیت، دی دی پیش‌بینی تلفات فرسایش باران: راهنمای برنامه‌ریزی حفاظت با معادله جهانی از دست دادن خاک (USLE) . راهنمای کشاورزی، وزارت کشاورزی: ​​واشنگتن، دی سی، ایالات متحده آمریکا، 1978. [ Google Scholar ]
  53. ارخی، س. نیازی، ی. کلته، AM فرسایش خاک و مدل‌سازی رسوب با استفاده از تکنیک‌های RS و GIS: مطالعه موردی، ایران. عربی جی ژئوشی. 2012 ، 5 ، 285-296. [ Google Scholar ] [ CrossRef ]
  54. جیانگ، ز. سو، اس. جینگ، سی. لین، اس. فی، ایکس. وو، جی. دینامیک فضایی و زمانی خطر فرسایش خاک برای شهرستان آنجی، چین. استوک. محیط زیست Res. ارزیابی ریسک 2012 ، 26 ، 751-763. [ Google Scholar ] [ CrossRef ]
  55. خو، ال. خو، X. Meng، X. ارزیابی ریسک فرسایش خاک در سناریوهای مختلف بارندگی توسط مدل RUSLE همراه با مدل انتشار اطلاعات: مطالعه موردی Bohai Rim، چین. Catena 2012 ، 100 ، 74-82. [ Google Scholar ] [ CrossRef ]
  56. الکساکیس، دی. Hadjimitsis، DG; Agapiou، A. استفاده یکپارچه از سنجش از دور، GIS و داده های بارش برای ارزیابی نرخ فرسایش خاک در حوضه حوضه “Yialias” در Ciprus. اتمس. Res. 2013 ، 131 ، 108-124. [ Google Scholar ] [ CrossRef ]
  57. فاگنانو، م. نازارنو، دی. آلبریکو، آی. Fiorentino، N. مروری بر مدل‌سازی فرسایش خاک سازگار با رویکرد RUSLE. رند. Lincei 2012 ، 23 ، 69-80. [ Google Scholar ] [ CrossRef ]
  58. کومار، اس. کوشواها، SPS مدل‌سازی ریسک فرسایش خاک بر اساس RUSLE-3D با استفاده از GIS در زیرحوضه شیوالیک. J. Earth Syst. علمی 2013 ، 122 ، 389-398. [ Google Scholar ] [ CrossRef ]
  59. GRASS GIS. پیشروترین نرم افزار رایگان GIS در جهان. 2013. در دسترس آنلاین: http://grass.osgeo.org/ (در 22 مارس 2016 قابل دسترسی است).
  60. Matplotlib. Matplotlib API. 2016. در دسترس آنلاین: http://matplotlib.org/api/pyplot_api.html (در 20 مارس 2016 قابل دسترسی است).
  61. زاکسک، ک. اوستیر، ک. کوکالج، ز. عامل مشاهده آسمان به عنوان تکنیک تجسم امدادی. Remote Sens. 2011 , 3 , 398-415. [ Google Scholar ] [ CrossRef ]
  62. استولار، بی. کوکالج، ز. اوستیر، ک. Nuninger، L. تجسم مدل‌های امدادی مشتق از LiDAR برای تشخیص ویژگی‌های باستان‌شناسی. J. Archaeol. علمی 2012 ، 39 ، 3354-3360. [ Google Scholar ] [ CrossRef ]
  63. SAGA. مستندات کتابخانه ماژول SAGA-GIS. 2016. در دسترس آنلاین: http://www.saga-gis.org/saga_module_doc/2.1.3/ta_lighting_3.html (در 22 مارس 2016 قابل دسترسی است).
  64. هانتزشل، جی. گلدبرگ، وی. برنهوفر، سی. منطقه‌بندی تابش، دما و اقدامات جفت بر اساس GIS در زمین‌های پیچیده برای رشته‌کوه‌های کم ارتفاع. هواشناسی Appl. 2005 ، 12 ، 33-42. [ Google Scholar ] [ CrossRef ]
  65. دوزیر، جی. Frew, J. محاسبه سریع پارامترهای زمین برای مدل‌سازی تشعشع از داده‌های رقومی ارتفاع. IEEE Trans. Geosci. Remote Sens. 1990 , 28 , 963-969. [ Google Scholar ] [ CrossRef ]
  66. سولانو، آر. دیدان، ک. جاکوبسون، ا. Huete, A. MODIS Vegetation Index راهنمای کاربر (سری MOD13) ; آزمایشگاه شاخص گیاهی و فنولوژی، دانشگاه آریزونا: توسان، AZ، ​​ایالات متحده آمریکا، 2010. [ Google Scholar ]
  67. موران، جی.ام. آنانتاکریشنان، س. بارس، JWM; برنل، جی بی؛ Brouw, WN; کراکر، جی. گاروین، تی. میکالوفسکی، اس. Seaquist، ER; Tindemans، P. و همکاران گزارش و توصیه کمیته مشورتی سایت SKA (SSAC). 2012. در دسترس آنلاین: http://www.skatelescope.org/uploaded/40391_120216_SSAC.Report_web.pdf (در 9 اکتبر 2016 قابل دسترسی است).
  68. عبدالله، ر. الواد، ی. چن، ز. هان، اس اس. Xia, R. یک رویکرد مجموعه فازی با پشتیبانی از GIS برای ارزیابی خطر سیل. می توان. منبع آب J. 2014 ، 39 ، 3-14. [ Google Scholar ] [ CrossRef ]
  69. رحمتی، ا. زینی وند، ح. بشارت، م. پهنه بندی خطر سیل در منطقه یاسوج، ایران با استفاده از GIS و تحلیل تصمیم چند معیاره. نات. خطر خطرات 2016 ، 7 ، 1000-1017. [ Google Scholar ] [ CrossRef ]
Ijgi 05 00209 g001 550
شکل 1. مورد مطالعه: منطقه Herdade da Contenda (HC)، آلنتجو پرتغال.
Ijgi 05 00209 g002 550
شکل 2. نمودار کلاسی سیستم مدیریت یکپارچه محیطی (HCIEMS) Herdade da Contenda.
Ijgi 05 00209 g003 550
شکل 3. نمودار موردی کاربر سیستم مدیریت یکپارچه محیطی هرداد دا کونتندا (HCIEMS). RUSLE، معادله جهانی تلفات خاک تجدید نظر شده و DRASTIC (عمق به آب های زیرزمینی (D)، تغذیه (R)، محیط آبخوان (A)، محیط خاک (S)، توپوگرافی (T)، تاثیر ناحیه وادوز (I) و هدایت هیدرولیکی (ج)).
Ijgi 05 00209 g004 550
شکل 4. رابط گرافیکی سیستم مدیریت یکپارچه محیطی Herdade da Contenda (HCIEMS).
Ijgi 05 00209 g005 550
شکل 5. نقشه های DEM و NDVI در برنامه گنجانده شده است.
Ijgi 05 00209 g006 550
شکل 6. نمودار کلاس GeoDecision.
Ijgi 05 00209 g007 550
شکل 7. رابط گرافیکی GeoDecision (فقط برای اهداف تصویری، مقادیر ارائه شده مقادیر واقعی نیستند).
Ijgi 05 00209 g008 550
شکل 8. عوامل چند معیاره.
Ijgi 05 00209 g009 550
شکل 9. نقشه های درگیر در ابزار تصمیم گیری.
Ijgi 05 00209 g010 550
شکل 10. سناریوهای آزمایش شده از طریق ابزار GeoDecision.
جدول
جدول 1. محاسبه شاخص های زیست اقلیم.
جدول
جدول 2. وزن سناریوها. FFR، خطر آتش سوزی جنگل.

;کاربردهای GISمقالات

آموزش کاربردی ArcGISالهام ابراهیم زادهکاربرد جی ای اسکاربرد جی ای اس 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