تغییر کاربری زمین های شهری: نقش برنامه ریزی فضایی استراتژیک

Urban land-use change: The role of strategic spatial planning

Abstract

To date land-change science has devoted little attention to spatial policy and planning in urban landscapes despite the widely accepted premise that planning affects urban land change. This is primarily due to lack of relevant data and an underdeveloped theoretical understanding regarding the impact of spatial planning on urban land change. To be able to better analyse the role of spatial planning in urban development we need to distinguish: 1) the intentions expressed in the plans; 2) the means of implementation of the plans through governance processes and 3) the role of external conditions influencing implementation. Based on a synthesis of the current literature on how spatial planning is implemented in land-change models, and drawing from the literature on planning evaluation, we sketch a research agenda to further develop the understanding of these three components and their interconnections as well as their application in quantitative land-change modelling approaches for urban regions.

1 Introduction

Land change is one of the key processes of global environmental change (Magliocca et al., 2015; Turner II et al., 2007; Verburg et al., 2015). The studies on the topic have gradually advanced from a focus on patterns of land-use and land-cover change to an analysis of dynamic interactions within socio-ecological systems and the resulting impacts on, for example, ecosystem services and biodiversity (Rindfuss et al., 2004; Rounsevell et al., 2012). In this context, land change is understood as the result of interacting political/institutional, economic, cultural, technological and natural/spatial driving forces and the respective actors (Bürgi et al., 2004; Hersperger et al., 2010). Whereas data on economic and natural conditions have a long tradition in being used to explain land changes, researchers only recently started to pay attention to policies, plans, and regulations on land use, within their specific institutional and governmental contexts. Meta-analytical studies have emphasized the role of land-use policies and spatial planning as a major underlying driving factor for many different land-use change processes (van Vliet et al., 2016).

Compared with forest and agricultural related research, studies on land change in urban regions are so far a small part of land-system research (Geist et al., 2006; Magliocca et al., 2015; Seto et al., 2011). However, urban regions, which are also broadly defined as cities or metropolitan regions, are some of the most dynamic land-change systems worldwide. With strong further urbanization expected over the coming decades they will cover increasing areas of the earth surface and host the majority of the human population (Seto et al., 2012). At the same time, urban land change is not restricted to the core city, but includes many new urban-rural spaces functionally tied to the city (Brenner and Schmid, 2015) and has many impacts on rural hinterlands (Bren d’Amour et al., 2016) and hence deserves more attention in landchange science (Müller and Munroe, 2014).

A widely accepted premise is that, especially in urban regions, spatial planning – a multifaceted activity with many purposes, including project planning, master planning, land-use planning and strategic planning – influences patterns of land use and land cover (Couclelis, 2005). Amongst the many purposes of spatial planning, spatial planners and governments have been trying to steer urbanization processes with the aim of developing sustainable cities and regions (Albrechts et al., 2017; Collier et al., 2013). However, conceptualizing the role of planning in guiding land change is a great challenge (McNeill et al., 2014). This is partly due to the fact that research on the contribution of planning to land change is at the interface of two paradigms (Briassoulis, 2008; Hillier, 2007): planning scholars tend to stress contextuality and social construction of space; whereas land-change scientists incline to assume the existence of realities that can be objectively described and measured and lend themselves to generalizations. The difference between the two paradigms can be illustrated through how they position themselves in respect to the concepts of space and uncertainty. Many urban geographers and planning theoreticians conceive space as a social construct (Harvey, 2006; Lefebvre, 1991) and expect future urban development to be open ended. Uncertainty is inherent; to be expected and subject to exogenous factors (Graham and Healey, 1999). Land-change scientists quantify and model space by identifying correlation or causality between drivers and outcomes, and strive to identify sources and levels of uncertainty in landcover projections (Alexander et al., 2016). Research to bridge the two paradigms is sparse. Consequently, planning is not well integrated in quantitative land-change assessments.

ارزیابی مبتنی بر GIS مبنی بر اثربخشی و پوشش مکانی شبکه های حمل و نقل عمومی در مقصد گردشگری

A GIS-Based Evaluation of the Effectiveness and Spatial Coverage of Public Transport Networks in Tourist Destinations

Abstract

This article develops a methodology for evaluating the effectiveness and spatial coverage of public transport in tourist cities. The proposed methodology is applied and validated in Cambrils municipality, in the central part of the Costa Daurada in Catalonia, a coastal destination characterised by the concentration of tourism flows during summer. The application of GIS spatial analysis tools allows for the development of a system of territorial indicators that spatially correlate the public transport network and the distribution of the population. The main novelty of our work is that this analysis not only includes the registered resident population, but also incorporates the population that temporarily inhabits the municipality (tourists). The results of the study firstly permit the detection of unequal spatial accessibility and coverage in terms of public transport in the municipality, with significant differences between central neighbourhoods and peripheral urban areas of lower population density. Secondly, they allow observation of how the degree of public transport coverage differs significantly in areas with a higher concentration of tourist accommodation establishments.

1 Introduction

The extensive growth of cities in recent decades, combined with the sustained increase in daily mobility, has meant a rise in the use of mechanised means of transport in urban areas, as well as the generation of high levels of traffic congestion and a severe environmental impact. At a time of growing concern for global warming, an increased use of public transport is seen as part of the solution [1], and an effective way of reducing external costs and the negative effects of motorised travel [2]. The relationship between transport and environmental, social and economic sustainability has been explored by a number of researchers [1,3–8].

In this context, one of the strategic objectives of many city governments is to promote the substitution of the use of private motorised vehicles with other systems that have a lower impact on the environment, the economy and public health, such as public transport, walking or cycling [9]. However, organising an alternative user-friendly transport system that is effective in providing services and facilities that can guarantee the shortest possible travel and waiting times [10] is not a simple process. A public user-friendly transport system requires consideration of crucial aspects such as accessibility to stops/stations, system mobility and connectivity with other transport modes [11]. The spatial equity of transport systems impacts on economic dynamics, personal opportunities and, ultimately, the quality of life of the population [12,13]. In other words, poor planning of territorial coverage can lead to situations of social disadvantage. In this regard, the contribution of GIS in the field of Transport Geography is more than a simple control of generic functionality [14]. GIS offer key possibilities in transport modelling [15], facilitating the storage, updating and processing of spatial data and allowing the planning, analysis, control and management of transport networks.

Numerous and widely varying research studies have used GIS tools to analyse and organise transport networks. Blythe et al. [16] examined the wide range of emerging technologies and techniques capable of integrating different public transport modes and services at urban and inter-city scale in order to improve the attractiveness and competitiveness of public transport networks to the detriment of the use of private vehicles. Arampatzis et al. [15] presented a GIS-based decision support system (DSS) to analyse and evaluate different transport policies with the purpose of improving environmental and energy efficiency in the supply of transport. Different characteristics of public transport, including spatial coverage, frequency, comfort or fleet adaptation for disabled persons, may require special analysis, given that they provide an understanding of the efficacy and equity of the service provided for the citizens. Along these lines, Murray [7] identified the inefficiencies of the coverage of access to public transport in the city of Brisbane using GIS-based spatial analysis techniques. Moro and Villaescusa [17] studied spatial accessibility to primary schools in Bilbao, basing their work on the hypothesis that the criteria used to assign students to schools were not the most appropriate, with some students possibly being forced to commute for longer spatial and temporal distances than necessary. Salado et al. [18] proposed a set of indicators related to measurements of the equity and efficiency of the urban public transport service of the city of Alcala de Henares (Madrid). Saghapour et al. [2], in the city of Melbourne (Australia), developed a new measure of accessibility to public transportation that integrated transport service frequencies and population density. The results show that the use of public transport is substantially higher in areas with a higher rate of accessibility. Delmelle and Casas [19] evaluated the spatial equity of the express bus transport service in the city of Cali (Colombia) by means of exploration patterns of accessibility in relation to the socioeconomic level of the city neighbourhoods. They demonstrated that transport network accessibility was higher for middle-class neighbourhoods than for those of higher and lower socioeconomic classes. Cardozo et al. [20] analysed the relationship between urban and socioeconomic variables and the demand for public transport in the subway system of Madrid.

Other interesting and particularly innovative applications have been developed by Benenson et al. [21] and Stenneth et al. [22]. The first presented an extension of ArcGIS©, Urban.Access, which allows to estimate and compare the accessibility of different modes of transport to the workplace and other places of interest. Meanwhile, the second proposed a methodology for identifying user mode of transport by means of GPS sensors in their mobile devices and knowledge of the transport network (real-time bus location; spatial information of the railway line, and spatial data about bus stops and stations).

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

در طی تلاش ها به منظور رسیدن به ارتباطی قابل‌اطمینان، هدف مدیران، جامعه رهبران محلی بود تا بتوانند به راحتی مسیر تخلیه تا پناهگاه تا در اختیار آن‌ها قرار دهند. رهبران محلی این اطلاعات را به پیروان همسایه خود ارسال می‏کنند که آن‌ها هم به نوبه خود، این اطلاعات را به افراد دیگر ارسال می‏کنند. این روند همچنان ادامه دارد تا سیستم بتواند اطلاعات موجود را برای اقدام جمعی در اختیار همه افراد قرار دهد (شکل 2). اگر همسایگان محلی تحت تأثیر سونامی باشند، رهبران محلی هشدار را برای آن‌ها ارسال می کنند.
انتقال سریع اطلاعات مهم از دولت به سیاست‌گذاران و سپس به مدیران و مردم، به طور پیوسته توسط شبکه‌های اجتماعی از جمله توئیتر و شبکه‌های بی‌سیم در میان دستگاه های تلفن همراه (شکل 2) انجام می گیرد. تعامل بین همه ذینفعان، مدیریت بحران را بهبود می بخشد. علاوه بر این، فرآیند بازخورد چند مسیره، اطلاعات زمان واقعی را برای سیستم پشتیبان تصمیم‌گیری به منظور افزایش انعطاف پذیری سیستم می دهد.

3. توزیع اطلاعات سونامی مبتنی بر رهبر، آگاه از اجتماع
شبکه های اجتماعی چارچوب انعطاف پذیر و مقرون به صرفه ای را برای تبادل پیام و انتشار محتوا در میان اعضای یک جامعه محلی تهیه می کند. توانایی استفاده از مسیریابی همتا به همتا و ارتباطات بی‌سیم برای توزیع هشدار سونامی و اطلاعات مربوط به تخلیه در مدیریت بحران بسیار مهم است. بدون تکیه به زیرساخت اختصاصی، انتشار محتوا در نواحی بزرگ جغرافیایی می تواند قابلیت اطمینان را کاهش دهد. چالش مهم توسعه یک رویکرد مقیاس‌پذیر و مقرون به صرفه برای رسیدن به جامعه انتشار محتوا است. برای این منظور ما یک روش رهبری برای توسعه یک اجتماع آگاه را که مبتنی بر انتشار محتوا در شرایط بحران است را ارائه کرده ایم.
ایده اصلی از لحاظ آگاه از اجتماع، انتشار محتوای زیرساخت برای تعیین رهبران منتخب در یک جامعه ی در معرض خطر به عنوان حامل اطلاعات سونامی و مهار قدرت اجتماعی است. این اطلاعات پس از دریافت توسط رهبران، توسط پیروان آن‌ها نیز دریافت می گردد. تحقق این هدف منجر به دو موضوع چالش‌برانگیز می گردد که نیاز به تحلیل دارند.
نخستین مرحله مربوط به چگونگی انتخاب رهبران است، درحالی‌که دومی به دنبال روشی برای انتشار قابل‌اعتماد و مقرون به صرفه اطلاعات است. در ادامه، ما ابتدا انتخاب رهبر را به عنوان فرد حامل اطلاعات مورد بررسی قرار داده ایم. ما سپس پروتکلی مقرون به صرفه و کارا برای انتشار اطلاعات سونامی در بین رهبران و پیروان آن‌ها در موقعیت اضطراری ارائه داده ایم.

شکل 2. معماری GIS-SM-DDSS

3.1. انتخاب رهبر
الزامات اصلی طراحی فرآیند انتخاب رهبر، شامل پوشش محلی همسایه ها و مقیاس‌پذیری است. به منظور دستیابی به جامعه اطلاعاتی مقیاس‌پذیر، پوشش محلی باید بهینه باشد. دستیابی به پوشش محلی مستلزم این است که هر یک از اعضای محلی، که احتمال بیشتری در انتخاب به عنوان رهبر دارد، در مدت زمان کوتاهی اطلاعات سونامی را دریافت می کند. قرار گرفتن در معرض یک حمل اطلاعات، منجر می گردد تا هر رهبر با یکی از اعضای جامعه به عنوان همکار عمل کرده و اطلاعات سونامی را انتقال دهند. این روند تا زمانی که اطلاعات به دست تمام اعضای جامعه‏ی در معرض خطر برسد، ادامه می یابد.
پوشش محلی به خصوص در جوامع بزرگ مسئله ی بسیار مهمی است. از یک طرف، تضمین قرار گرفتن اعضای جامعه در مسیر دریافت اطلاعات هشدار سونامی، نیازمند داشتن تعداد زیادی رهبر برای دستیابی به اطمینان بالا است. داشتن تعداد زیادی رهبر به عنوان عوامل انتقال اطلاعات به همسایه‌ها، تأثیر قابل‌توجهی بر روی هزینه و مقیاس‌پذیری اطلاعات سونامی دارد. برای تحلیل این مسئله و رسیدن به یک تجارت متعادل برای به حداقل رساندن حمل و به حداکثر رساندن پوشش محلی، مفهوم “وابستگی محلی” را به عنوان یک متریک در انتخاب حامل و تدوین مسئله انتخاب معرفی می کنیم. با معرفی این متریک، می‌خواهیم تعداد رد و بدل کردن پیام را کاهش داده و سطح پوشش محلی را به میزان مطلوبی برسانیم.
در ادامه، ما ابتدا مسئله انتخاب حداقل رهبر را به طور رسمی توصیف می کنیم. سپس روشی اکتشافی را برای شناسایی تعداد حداقل حاملان برای افزایش پوشش محلی ارائه می دهیم.

3.1.1. مسئله انتخاب حداقل رهبر
ما همسایگانی، مرکب از M مکان و N رهبر کاندید برای رسیدن به پوشش محلی را بررسی می کنیم. مؤلفه M به یک مکان فیزیکی در محله خطر تعلق دارد. اعضای جامعه شامل رهبران نامزد، این مکان ها را با درجه متنوعی از فرکانس ملاقات می کنند.
بر اساس آنچه در بالا ذکر گردید، مسئله انتخاب حداقل رهبر می تواند به صورت یک گراف دوبخشی بدون جهت G=(V,U,E) مدلسازی گردد. در این گراف، V(|V|=M) و U(|U|=N) و E مجموعه مکان‏ها، مجموعه کاندیدها و مجموعه یال ها بین مکان‏ها و کاندیدها را به ترتیب نشان می دهند. هر یال (u,v,au,v) بین مکان vєV و کاندید uєU با یک احتمال tgreshold است و au,vє(0,1] وزن متعلق به (u,v) را نشان می دهد.
در مدل ما au,v احتمال کاندید u در برابر مکان v را در هر نقطه ای از زمان نشان می دهد. در عمل au,v می تواند به عنوان نرخ کلی زمانی u تا v در طول مدت زمان مشاهده تخمین زده شود. چندین فاکتور می توانند برای محاسبه مکان کاندیدها در هر مکان استفاده شوند که شامل فرکانس ملاقات (تعداد ملاقات)، رهبری، وضعیت جامعه، دانش، اعتماد است. در گراف دوبخشی نشان داده‌شده در شکل 4، وزن به ترتیب با 20، 30، 10، 10، 10، 10 و 10 با مجموع 100 نشان داده‌شده است. این وزن ها می توانند برای محاسبه وابستگی هر رهبر کاندید ui(1=<i=<4) در هر مکان vj(1=<j=<3) استفاده شوند.
برای هر وزن vєV، مجموعه Uv={u:uєU,(u,v,au,v)єE} نشانگر مجموعه کاندیدهایی برای یک مکان v است. برای مثالی که در شکل 3 نشان داده‌شده است، Uv1={u1} و Uv2={u1,u2,u3,u4} و Uv3={u1,u2,u4}. وقتی که هر کاندیدی در Uv ، v را با احتمال au,v ملاقات می کند. سپس با احتمال Pv(Uv) که مکانی هست که به وسیله تمام کاندیدها می تواند محاسبه گردد: Pv(Uv)=1-πuєUv(1-au,v) به گونه ای که Pv(Uv) احتمال حداقل یک کاندید را در Uv را در v نشان می دهد. در ساده ترین مورد شکل 3، Pv1(Uv1)=0.6، Pv2(Uv2)=0.946، Pv3(Uv3)=0.64.

شکل 3. گراف دوبخشی متشکل از مکان، کاندید و وابستگی مکانی
با توجه به نمودار G=(V,U,E)، برای هر زیرمجموعه SєU ، احتمال pv(S) با مکان v که توسط کاندید موجود در S ملاقات می شود، می تواند به وسیله جایگذاری Uv در فرمول بالا با S محاسبه شود. نتیجه می شود که . با توجه به thresholud تعیین‌شده π، اگر زیرمجموعه UleaєU برای هر vєV است به این معنی که مکان ملاقات شده به وسیله کاندید Uled با احتمال pv(Uled)>=π است. بنابراین می توانیم ادعا کنیم که تمام مکان ها به وسیله Uled پوشش داده می شوند.
مجموعه پوشش Uled با احتمال π در هر زمانی و برای هر مکانی vєV تضمین شده است. در نتیجه، غیر رهبران که مکانی را در زمان t ملاقات می کنند، می توانند با رهبر در تماس بوده و محتوا را دریافت کنند. چالش موجود یافتن تغییرات کارا و قابل‌اعتماد است.

مدلسازی مبتنی بر GIS پتانسیل انرژی زمین گرمایی کم عمق برای کاهش صدورات CO2 در نواحی شهری

GIS-based modelling of shallow geothermal energy potential for CO2 emission mitigation in urban areas

چکیده
2-انرژی زمین گرمایی کم عمق
1-2-فرایندها، تکنیک ها و تعاریف
3-داده ها و روش اجرا
1-3-مطالعه موردی: شهر Ludwigsburg
2-3-روش اجرا
4-نتایج و بحث
1-4-تقاضای انرژی حرارتی و گرمایی
2-4-انرژی پتانسیل زمین گرمایی
3-4-تقاضایی که با انرژی زمین گرمایی در هر قطعه زمین رفع شده است.
4-4 کاهش احتمالی در صدورات CO2
5-نتیجه گیری

چکیده
به دلیل درصد به سرعت در حال افزایش جمعیت ساکن مراکز شهری، نیازی به تاکید بر تقاضای انرژی در این شهرها و استفاده از انرژی های تجدیدپذیر به جای سوخت های فسیلی وجود دارد. در این مقاله، ما یک مدل فضایی را برای تعیین پتانسیل در هر قواره زمین برای استفاده از انرژی زمین گرمایی کم عمق برای گرمسازی فضا و آب گرم ایجاد کرده ایم. این روش براساس گرمسازی فضا و تقاضای انرژی برای گرمسازی فضا و آب گرم در هر ساختمان و پتانسیل استخراج گرمای ویژه سطح زیرین در هر قواره زمین می باشد. با این اطلاعات، همراه با فضای موجود در هر قواره زمین برای سوراخ های گمانه زنی درصد تقاضای انرژی که می تواند توسط انرژی زمین گرمایی تامین شود، محاسبه می شود. کاهش پتانسیل در صدورات CO2 باید همگی انرژی زمین گرمایی استفاده شده ممکنی باشد که نیز محاسبه می شود. روش مزبور در شهر لودویگزبرگ المان بکار بسته شده و مشخص گردید که صدورات CO2 می تواند احیانا تا 29.7% کاهش یابد اگر کلیه الزامات فضا و گرمسازی آب توسط انرژی زمین گرمایی فراهم شود که در قابلیت پایداری یک شهر نقش دارد. روش اجرای ساده ای دارد و می تواند در سایر شهرها بکار بسته شود چرا که داده های استفاده شده باید به سهولت در دسترس باشد. مزیت دیگری همان اجرا روی پلتفورم انرژی شهری هوشمند مبتنی بر وب است که به بهره برداری تعاملی از راه حل ها درون یک شهر امکان می دهد.
1. مقدمه
تا سال 2030 پیش بینی شده است که تقریبا 60 درصد از جمعیت جهان در مناطق شهری زندگی خواهند کرد. در اتحادیه اروپا EU تعداد 74 درصد از کل جمعیت در نواحی طبقه بندی شده طبق دفاتر آمار ملی به عنوان مناطق شهری زندگی می کنند. با چنین رشدی در شهرهای نواحی شهری، قابلیت پایداری یک مفهوم کلیدی هنگام برنامه ریزی برای آینده شده است. از زمان گزارش Brundtland مسائل قابلیت پایداری بویژه صدورات CO2 و تمام شدن سوختهای فسیلی از طریق افزایش مصرف سوخت در شهرهای رو به رشد در برنامه سیاسی بوده است. اتحادیه اروپا این نیاز را در راهکار رشد EU2020 خود تایید کرده است که هدفش کاهش صدورات CO2 تا 20 درصد با افزایش سهم منابع انرژی تجدیدپذیر در تولید انرژی تا 20 درصد و بهبود کارایی انرژی تا 20 درصد تا سال 2020می باشد. بعلاوه یک هدف طولانی مدت EU تا سال 2050 کاهش صدورات گاز گلخانه ای تا دست کم 80 درصد در مقایسه با سطوح 1990 می باشد.نیاز به رهیافت به برنامه ریزی شهری با یک دیدگاه به عدم قرارگیری بار زیادی روی زمین و منابع اکنون همه جا پذیرفته شده است. ولیکن برای اینکه شهرها قابلیت پایداری کاهش انرژی و استفاده از آن را تضمین کنند، منابع انرژی تجدیدپذیر باید در برنامه های رشد شهری گنجانده شوند. در نتیجه، پروژه اروپایی MUSIC راه اندازی گردید تا کاهش CO2 را بوسیله پتانسیل های انرژی تجدیدپذیر درون پنج شهر ابردین و گنت و لودویگزبرگ و مونتریل و روتردام مطرح سازد. یک سیستم پشتیبانی تصمیمات مبتنی بر وب به نام پلتفورم انرژی شهر هوشمند ایجاد گردید تا قابلیت بررسی راه حل های پایدار براساس پتانسیل های انرژی تجدیدپذیر را در کل شهر با یک درجه تفکیک بالای تصویر برای کاربران متعدد فراهم سازد.
ضروری است تقاضای انرژی را در مقیاس شهری، و پتانسیل استفاده از منابع انرژی تجدیدپذیر مختلف را برای انجام این تقاضا ارزیابی کنیم. فرد باید تعیین کند که کدام نوع انرژی تجدیدپذیر یا ترکیبی از آن برای یک شهر بهترین گزینه می باشد و نیز اثری که روی کاهش صدورات CO2 دارد باید تعیین شود. انرژی زمین گرمایی کم عمق یک راهی است که تاکید کمتری نسبت به پتانسیل های انرژی باد و خوشید برای شهرها دریافت کرده است. ما این کمبود را با تاکید خاصی بر اینکه چگونه تراکم و اشکال الگوی شهری بر پتانسیل انرژی و ظرفیت آن برای رفع تقاضای مصرف اثر دارند، مطرح کرده ایم.
انرژی خورشید و باد هدف اصلی مطالعات در زمینه پتانسیل برای استفاده از این منابع انرژی تجدیدپذیر می باشد. سیستم های اطلاعات جغرافیایی GIS برای متناظرسازی قابلیت تناسب رده های پوشش زمین با پتانسیل انرژی خورشیدی و باد بالا استفاده شده است. اغلب مطالعات در یک سطح منطقه ای متمرکز بوده اند. Voivontas و همکارانش برای مثال به محاسبه تقاضای گرمسازی آب برای یک ناحیه مسکونی و نیز پتانسیل استفاده از انرژی خورشیدی برای رفع این تقاضاها پرداخته اند. ارزیابی های پتانسیل انرژی خورشیدی نیز در مقیاس شهری توسط Bergamasco & Asinari اجرا شده است که یک روش ساده ای را برای ارزیابی قابلیت سقفی صفحات خورشیدی برای شهر تورین ابداع کرده اند درحالیکه Brito و همکارانش یک روشی را برای تخمین پتانسیل فوتوولتاژی یک ناحیه شهری با استفاده از داده های LiDAR و بسط تحلیلگر خورشیدی برای ArcGIS ی ESRI ابداع کرده اند. Mastrucci و همکارانش در سال 2015 یک پلتفورم انرژی شهری هوشمند را برای ارزیابی ترکیبی مصرف برق خانوار و پتانسیل PV در مقیاس شهری برای شهر روتردام بکار بستند.
در مقایسه با باد و خورشید، انرژی زمین گرمایی کم عمق علی رغم اینکه یک انتخاب احتمالا خوبی به دلیل موجودیت نامحدود آن است، کمتر به خوبی مطالعه شده است. این انرژی می تواند انرژی سالیانه را فراهم سازد و به عوامل خارجی مانند پوشش ابری همانند صفحات خورشیدی یا باد برای توربین های بادی بستگی ندارد. استفاده از انرژی زمین گرمایی به طور روزافزونی متداول شده است که یک نیروی حرارتی نصب شده تخمین زده شده برای استفاده مستقیم سال 2009 مععدل 48493 Mwt بوده است که نشان دهنده رشد سالیانه از 2005 تا 2010 به اندازاه 11.4 درصد است. این مقدار معادل یک صرفه جویی در انرژی به اندازه 250 میلیون بشکه نفت سالیانه می باشد و یک کاهش در CO2 به اندازه 107 میلیون تن می باشد. کشورهای پیشرو در واحدهای نصب شده برای استفاده مستقیم همان امریکا، و چین و سوئد و المان و هلند می باشند. ولیکن یک پیشرفت آهسته این منبع انرژی به دلیل هزینه پایین نصب و صرف بودجه تاخیری اقتصادی کنونی وجود داشته است.
سوال مطرح شده در این مقاله این است که چگونه به سهولت قابلیت جایگزینی سوخت های فسیلی را با انرژی زمین گرمایی کم عمق برای رفع تقاضای گرمسازی فضا و آب گرم یک شهر ارزیابی نماییم. ما از یک روش جغرافیایی استفاده کرده ایم چرا که در مقیاس شهر، الگوی شهری به تقاضا و فضای موجود برای نصب مبدلهای حرارتی سوراخ گمانه زنی مربوط می شود. محاسبه پتانسیل روی یک قواره زمین براساس قواره زمین ارزیابی می شود و در این مقیاس خیلی زمانبر است و از اینرو یک روش GIS ساده (سیستم اطلاعات جغرافیایی) لازم است که اینکار را انجام دهد. ما از یک روش نمونه گیری برای تعیین اینکه چه تعداد سوراخ گمانه زنی را می توان در هر قواره زمین قرار داد استفاده می کنیم و تعیین می کنیم که چه درصدی از تقاضای انرژی را می توان انگاه با انرژی زمین گرمایی تامین نمود. بعد از آن تعیین می کنیم که کاهش پتانسیل در صدورات CO2 چقدر می شود اگر کلیه نصب های زمین گرمایی ممکنه در محل در ون شهر باشند. نتایج چنین تحلیلی را می توان به عنوان بوسیله برنامه ریزان شهری درون پروژه MUSIC هنگام ابداع برنامه های اصلی پایدارتری برای آن شهر مطابق با راهکار EU2020 استفاده نمود. داده های قابل دسترسی آسان در روش اجرا برای تضمین این امر استفاده می شود که فرایند در هر شهری از پروژه MUSIC قابل تکرار است و فراتر از دسترسی به داده های پایه یکسان می باشد.
به دلیل پایگاه داده هایی که به سهولت موجودند، شهر Ludwigsburg به عنوان یک مطالعه موردی استفاده شده است. روش ابداعی پایه ای برای یک محاسبه کننده انلاین مبتنی بر وب درون پلتفورم انرژی شهری هوشمند است که برپایه چارچوب نرم افزاری iGUESS می باشد. مقاله به ترتیب ذیل سازماندهی شده است . در بخش 2 ما به معرفی تکنولوژی انرژی زمین گرمایی کم عمق می پردازیم و متون علمی موجود درباره ارزیابی پتانسیل آن را به عنوان یک منبع انرژی تجدیدپذیر مرور می کنیم. در بخش 3 ما به معرفی داده ها و حیطه مطالعه موردی شهر Ludwigsburg می پردازیم. بعد از آن، ما یک توالی از روشهای محاسباتی را ارائه کرده ایم که نامش محاسبه تقاضای انرژی، قابلیت زمین گرمایی و درصد تقاضای انرژی فراهم شده توسط انرژی زمین گرمایی در سطح قواره زمین می باشد. بعد ما کاهش پتانسیل در صدورات CO2 را در مقیاس شهری محاسبه می کنیم. در بخش 4 ما نتایج هر زیرمدل را ارائه می کنیم. در بخش 5 ما نتیجه گیری می کنیم که روش تعیین پتانسیل زمین گرمایی یک شهر ساده و موثر بوده و اینکه یک کاهش معنی دار در صدورات CO2 می تواند از طریق انرژی زمین گرمایی برای گرمسازی فضا و آب گرم استفاده شود. نیز نتیجه گیری می کنیم که قسمتهای مسکونی به بهترین نحوی مناسب این نوع انرژی تجدیدپذیر هستند چرا که تقاضای انرژی تقریبا پایین است و فضای کافی موجود برای نصب یک سوراخ گمانه زنی روی قواره زمین برای رفع آن تقاضا وجود دارد. این امر طراحی محله های مسکونی پایدار را از لحاظ فشردگی برنامه ریزی تراکم (در برخی موارد که در آن انرژی زمین گرمایی کم عمقی را می توان استفاده کرد، یک الگوی شهری با فشردگی کمتری به طور پایدارتری درنظر گرفته می شود.) به زیر سوال می برد.

Abstract

Due to the rapidly increasing percentage of the population living in urban centres, there is a need to focus on the energy demand of these cities and the use of renewable energies instead of fossil fuels. In this paper, we develop a spatial model to determine the potential per parcel for using shallow geothermal energy, for space heating and hot water. The method is based on the space heating and hot water energy demand of each building and the specific heat extraction potential of the subsurface per parcel. With this information, along with the available space per parcel for boreholes, the percentage of the energy demand that could be supplied by geothermal energy is calculated. The potential reduction in CO2 emissions should all possible geothermal energy be utilised, is also calculated. The method is applied to Ludwigsburg, Germany. It was found that CO2 emissions could potentially be reduced by 29.7% if all space heating and hot water requirements were provided by geothermal energy, which would contribute to the sustainability of a city. The method is simple in execution and could be applied to other cities as the data used should be readily available. Another advantage is the implementation into the web based Smart City Energy platform which allows interactive exploration of solutions across the city.

1. Introduction

By 2030 it is predicted that almost 60% of the world’s population will live in urban areas. In the European Union (EU) 74% of the total population lives in areas classified by national statistical offices as urban.2 With such growth in urban centres, sustainability has become a key concept when planning for the future. Since the Brundtland report [30] sustainability issues are on the political agenda, particularly CO2 emissions and the depletion of fossil fuels through rising fuel consumption of growing cities. The EU has recognised this need in their EU2020 growth strategy [12] which aims at reducing CO2 emissions by 20%, increasing the share of renewable energy sources in energy production to 20% and improving energy efficiency by 20% by the year 2020. Furthermore, a long-term target of the EU, to the year 2050, is to reduce the greenhouse gas emissions by at least 80% as compared to 1990 levels. The need to approach urban planning with a view to not placing excess strain on land and resources is now widely accepted. However, in order for cities to ensure the sustainability of their energy production and use, renewable energy sources need to be included in urban growth plans. As a consequence, the European project MUSIC3 was launched to address CO2 reduction by renewable energy potentials within the five cities Aberdeen, Ghent, Ludwigsburg, Montreuil and Rotterdam. A web based decisions support system, the Smart City Energy Platform, was developed to enable multiple end users to explore sustainable solutions based on renewable energy potentials across the entire city at a high resolution.

It has become necessary to assess the energy demand at urban scale, and the potential for using different renewable energy sources to fulfil this demand. One should determine which renewable energy type, or mix, would be best suited to a city, as well as the impact this would have on reducing CO2 emissions. Shallow geothermal energy is one alternative that has received less focus than wind and solar energy potentials for cities. We address this gap with a particular focus on how the density and forms of urban pattern impact on energy potential and capacity to meet consumption demand.

Solar and wind energy have been the main focus of attention of studies into the potential for using these renewable energy sources. Geographical information systems (GIS) have been used for suitability mapping of land cover classes with high solar and wind energy potential [3,15,24,29]. Most studies are focused at a regional scale. Voivontas et al. [29], for example, calculated the water heating demand for a residential region, as well as the potential for using solar energy to meet these demands. Assessments of solar energy potential have also been performed at urban scale by Bergamasco and Asinari [4], who developed a simple methodology for assessing the roof-top potential for solar panels for the city of Turin, while Brito, Gomes, Santos, and Tenedo’rio [8] developed a procedure to estimate the photovoltaic potential of an urban region using LiDAR data and the Solar Analyst extension for ESRI’s ArcGIS. Mastrucci et al. (2015) [20] applied the Smart City Energy Platform for the combined assessment of housing electricity consumption and PV potential at the urban scale for the City of Rotterdam.

Compared to wind and sun, shallow geothermal energy is much less well studied despite it being a potentially good choice due to its unlimited availability. It is able to provide energy year round and is not dependent on outside factors such as cloud cover as for solar panels, or wind for wind turbines. The use of geothermal energy is becoming increasingly popular, with an estimated installed thermal power for direct utilisation in 2009 of 48,493 MWt, showing an annual growth from 2005 to 2010 of 11.4%. This equates to an energy saving of 250 million barrels of oil, annually, and a reduction in CO2 of 107 million tonnes [18]. The leading countries in installed units for direct use are the US, China, Sweden, Germany and the Netherlands. However, there is slow development of this energy resource due to the high cost of installation and the current economic downturn hampering spending [19].

The question addressed in this paper is how to easily assess the potential for replacing fossil fuels with shallow geothermal energy in order to satisfy the space heating and hot water demand of a city. We use a geographical approach as, at city scale, the urban pattern is relevant to the demand and the space available for the installation of borehole heat exchangers. The potential calculation is assessed on a parcel by parcel basis, which is intensive at this scale and therefore a simple GIS (geographical information system) method was required to carry this out. We use a sampling method to determine how many boreholes could fit onto each parcel and determine what percentage of the energy demand can then be supplied by geothermal energy. Following this, we determine the potential reduction in CO2 emissions if all possible geothermal installations are put in place within the city. The outcomes of such an analysis can be used by urban planners within the MUSIC project when developing more sustainable master plans for the city, in accordance with the EU2020 strategy. Easily obtainable data have been used in the methodology to ensure that the process is replicable in any city of the MUSIC project and beyond with access to the same basic data.

Due to the readily available dataset, the city of Ludwigsburg was used as a case study. The developed methodology will be the basis for a web based online calculator within the Smart City Energy Platform4 which is based on the software framework iGUESS [1]. The article is organised as follows. In Section 2, we introduce shallow geothermal energy technology and review the literature on the assessment of its potential as a renewable energy source. In Section 3, we introduce the data and the case study area of Ludwigsburg. Following this, we present a sequence of computational methods, namely the calculation of energy demand, the geothermal potential and the percentage of the energy demand satisfied by geothermal energy at parcel level. We then calculate the potential reduction in CO2 emissions at city scale. In Section 4, we present the results for each submodel. In Section 5, we conclude that the methodology for determining the geothermal potential of a city is simple and effective and that a significant reduction in CO2 emissions can be achieved through using geothermal energy for space heating and hot water. We also conclude that residential dwellings are best suited to this type of renewable energy as the energy demand is relatively low and there is enough space available for the installation of a borehole on the parcel to cover this demand. This questions the design of sustainable residential neighbourhoods in terms of compactness or density planning e in certain cases, where shallow geothermal energy can be utilised, a less dense urban pattern would be considered more sustainable..

مدلسازی مبتنی بر GIS پتانسیل انرژی زمین گرمایی کم عمق برای کاهش صدورات CO2 در نواحی شهری

GIS-based modelling of shallow geothermal energy potential for CO2 emission mitigation in urban areas

مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF آماده دانلود رایگان میباشند

همچنین ترجمه مقاله با فرمت ورد نیز قابل خریداری و دانلود میباشد

مقاله انگلیسی رایگان (PDF)

ترجمه فارسی رایگان (PDF)

خرید ترجمه با فرمت ورد

فهرست مقاله:

چکیده
1. مقدمه
1.1. ساختار جریان برگشتی و چرخه آن
1.2. سیستم های جریان برگشتی
2. پیش زمینه ای برای انتشار امواج در خطوط ساحلی
3. دسته بندی جریان برگشتی حاصل از شکست موج بر اساس مکانیسم رانش فیزیکی
3.1. کنترل هیدرودینامیکی جریان های برگشتی
3.1.1. جریان های لحظه ای
3.2.1. جریان های شکافنده ناپایدار
3.2. کنترل ژرفایی جریان های برگشتی
3.3. کنترل جریان های حد ساحلی
3.3.1 جریان های سایه
3.3.2 جریان انحرافی
3.4. سایر جریان های برگشتی
3.4.1. برخی جریان های برگشتی رایج و مرکب
3.4.2 جریان برگشتی Embayed-Cellular (کانال و بریدگی حد سواحل)
3.5 خلاصه ای از انواع جریان های برگشتی
3.6.عکس العمل جریان برگشتی به تغییرات رانشی
4.1 کنترل هیدرودینامیکی جریان
4.2. کنترل جریان های برگشتی ژرفایی
4.4. جریان های مرکب
4.5 خلاصه ای از عکس العمل در جریان
5. مسائل مرتبط با امنیت سواحل
6. خلاصه و نتیجه گیری
6.1 خلاصه
6.2. پیشنهاد برای مطالعات آتی و نتیجه گیری از سرنخ ها

بخشی از ترجمه فارسی مقاله:

1. مقدمه
جریان های برگشتی ساحلی رو به دریا در امتداد فلات به خط ساحلی گسترش یافته اند واز ناحیه شکست موج عبور می کنند؛ این جریان ها معمولا با عنوان جریان های متمرکز طبقه بندی شده اند. جریان های برگشتی اساسا در نتیجه شکست امواج ظاهر می شوند (Bowen, 1969)، بنابراین در بسیاری از سواحل شاهد آن ها هستیم – در امتداد سواحل اقیانوسی و دریاچه ها (Wright and Short, 1984; Lippmann and Holman, 1989; Masselink and Short, 1993; Scott et al., 2011a; Loureiro et al., 2013). جریان های برگشتی در حمل و نقل و کشتیرانی و تقسیم دما در سواحل، مهیا کردن مواد مغذی و حفظ گونه های بیولوژیکی از اهمیت بالایی برخوردار هستند (Talbot and Bate, 1987; Shanks et al., 2012; Sinnett and Feddersen, 2014). با این حال، مدت هاست به دلیل شرایط خطر آفرین برخی از سواحل، جریان های برگشتی در هر دو زمینه علمی و اجتماعی حائز اهمیت بوده اند. این نوع از جریان ها معمولا به دلیل وجود دوره های زمانی (ساعت ها – روزها) و سرعت میانگین (اغلب0.5 m/s >) مکفی امکان انتقال حجم بالایی از رسوبات دریایی را فراهم می آورند (e.g. Cook, 1970; Thornton et al., 2007; Loureiro et al., 2012b, Castelle et al., 2015). این عمل می تواند بر اهمیت خط ساحلی محلی بی افزاید و به واسطه فرسایش نیز تهدیدی برای زیر ساخت های خطوط ساحلی و ساکنین این مناطق باشد. با این حال بزرگترین تاثیر جریان ها برگشتی در جوامع به واسطه مخاطراتی است که برای ساکنان مناطق مذکور به وجود آمده است (شکل 1). البته مطالعات اولیه در زمینه جریان های برگشتی (e.g. Davis, 1925; Shepard, 1936) در تلاش هستند از طریق جلب توجه افراد به مخاطرات ، آن ها را از اصطلاحات گمراه کننده ای چون “موج زیرکش” و “پس خیزاب” دور نمایند، با این حال همچنان اشتباهات این چنین پیش می آمدند.
جریان برگشتی ساحلی می تواند شناگران بالغ و ماهر را علارغم قابلیت هایشان به اعماق بکشد (Drozdzewski et al., 2012, 2015) (شکل 1)، به طوری که خستگی و ترس در نهایت به غرق شدن آن ها می انجامد (Brander et al., 2011). در سرتاسر جهان سالانه صد ها نفر غرق می شوند و ده ها هزار نفر نیز از غرق شدن نجات می یابند (e.g. Klein et al., 2003; Hartmann, 2006; Gensini and Ashley, 2009; Brewster, 2010; Brighton et al., 2013; Scott et al., 2011b; Arun Kumar and Prasad, 2014; Arozarena et al., 2015; Barlas and Beji, 2015). اکنون مشخص شده است که سواحل موج سواری بزرگترین تهدید برای شناگران هستند (Brander, 2015; Brander and Scott, 2016).
اگرچه به خطر افتادن شناگران در پی عواملی چون عوامل انسانی، اجتماعی، رفتاری و عاطفی در افراد معرفی شده است (Sherker et al., 2010; Hatfield et al., 2012; Williamson et al., 2012; Caldwell et al., 2013; Woodward et al., 2013, 2015; Brannstromet al., 2014)، با این حال در درجه اول مجموع عوامل فیزیکی همچون الگو و سرعت جریان جزئی از این اتفاقات ناگوار را به خود اختصاص می دهند (Scott et al., 2014). به گفته Brander andMacMahan (2011) درک ما از جریان برگشتی در آگاهی از ایمنی تاثیر بسیاری بر امنیت سواحل داشته است. در نتیجه لازم است تاریخچه پیشرفت مطالعات تخصصی و افزایش دانش مرتبط در نظر گرفته شوند (شکل 2).
شکل 2 تحقیقات چاپ شده از الگوهای زمانی از جریان های برگشتی در ژورنال های بین المللی را به صورت جزئی به نمایش میگذارد. 236 مقاله طی سال های 1925 الی 2016 منتشر شده است. در اینجا فهرست منتشران و معیار جامع تکمیلی نیز ارائه شده اند. مقالات منتشر شده به پنج کد موضوعی غالب تقسیم می شوند که برخی از آن ها دارای زیرمجموعه خاص خود هستند. برخی از این مقالات (در صورت امکان) تحت چندین تم و زمینه متفاوت کد گذاری می شوند. همانطور که در شکل 2a مشاهده می شود، سرعت گسترش مطالعات مرتبط با جریان برگشتی تا سال 2000 بسیار کند بوده است. با توجه به زمینه های مورد مطالعه، ماهیت مطالعات اولیه در زمینه جریان برگشتی به وضوح کیفی بوده و ارائه دهنده مطالعات توصیفی بوده است؛ در بعضی از مواقع نیز انواع مختلفی از جریان های برگشتی را به تصویر می کشد، در سال های اخیر به ویژه طی سال های 2000 تا به امروز شاهد افزایش چشم گیر مطالعات عددی بودیم ، این در حالی است که مدلسازی های تجربی مفهومی طی این سال ها تقریبا بی تغییر باقی مانده اند (e.g. Wright and Short, 1984) (شکل 2ب).
طی سال 2000 تا به امروز به وضوح مشخص است با رشد مدلسازی مطالعات، رشد قدرت محاسباتی و چارچوب های نظری در زمینه جریان های برگشتی پیشرفت چشم گیری داشته اند (شکل 2ث)، این رویدادها عموما به دلیل پیشرفت های فنی و کاهش هزینه های مرتبط با ابزار جمع آوری داده های عملی شده اند (e.g. MacMahan et al., 2005, 2009; Schmidt et al., 2003). کاملا روشن است رشد تدریجی در محاسبات Eulerian که جریان برگشتی را ثبت می کرده است از یک نقطه ی مشخص شده عبور می کند و معمولا پیاده سازی یک یا چند جریان سنج در سیستم جریان برگشتی را در بر می گیرد. با وجود اینکه رویکرد Eulerian دارای محدودیت است، با این حال در زمینه تحلیل و درک تغییر پذیری جریان برگشتی- برای مثال سرعت جریان مدولاسیون خیزاب کشندی و پالس جریان ها- سودمند بوده است (e.g. Sonu, 1972; Aagaard et al., 1997; Brander and Short, 2001; MacMahan et al., 2004, 2006). همانطور که در شکل 2d مشخص شده است، اندازه گیری های لاگرانژی در دهه های اخیر رشد داشته اند. روش های لاگرانژ مشاهده، یا بررسی مسیرهای جریان های خاص در سیستم جریان برگشتی را در بر می گیرد و برای نمایش دو بعدی تغییر پذیری مسیر جریان ها و الگوهای سرعت سطحی کارآمد هستند(e.g. Schmidt et al., 2003; Spydell et al., 2007; Austin et al., 2010; MacMahan et al., 2010a; Houser et al., 2013; McCarroll et al., 2014b; Winter et al., 2014; Scott et al., 2016). محاسبات لاگرانژ و محاسبات اولیه در موسسه اقیانوس شناسی Scipps ، کالیفرنیا، با هدف تحلیل جریان مشابه صورت می پذیرد (Shepard et al., 1941; Shepard and Inman, 1950).
تعداد مطالعات مرتبط با مخاطرات جریان های مذکور تا پیش از Lushine (1991) و Lascody (1998) محدود بودند (e.g. Davis, 1925; Shepard, 1936; Shepard et al., 1941 ). با این حال، از سال 2010 تا کنون توجه به خطرات مرتبط با اینگونه جریان ها به ویژه از سوی مطالعات علوم اجتماعی و درک انسانی رو به افزایش بوده است (شکل 2e) (e.g. Drozdzewski et al., 2012; Brannstrom et al., 2014; Woodward et al., 2015). اکنون می توان رشد تعداد گزارشات آماری (e.g. Brighton et al., 2013; Arozarena et al., 2015; Barlas and Beji, 2015) و مطالعات فیزیکی مرتبط با مدلسازی و بررسی رفتار شناگران در مواجهه با جریان های برگشتی (e.g. McCarroll et al., 2014a; McCarroll et al., 2015; Castelle et al., 2016; Van Leeuwen et al., 2016) را نیز مشاهده نمود. به طور کلی، با توجه به شکل 2 و مطالب تکمیلی کاملا مشخص است که محققان توجه بسیاری به مقوله جریان های برگشتی دارند، به گونه ای که به ترتیب مطالعات مرتبط با مخاطرات ساحلی، مدلسازی و تحلیل آن همچنان رو به رشد است.

بخشی از مقاله انگلیسی:

1. Introduction

Many global beaches are characterized by the presence of narrow and concentrated seaward flowing rip currents that extend from close to the shoreline, through the surf zone, and varying distances beyond. Rip currents are fundamentally driven by the action of breaking waves (Bowen, 1969) and are therefore found on a range of beach types (Wright and Short, 1984; Lippmann and Holman, 1989; Masselink and Short, 1993; Scott et al., 2011a; Loureiro et al., 2013) along oceanic, sea and lacustrine coasts exposed to different wave climates. It is well established that rip currents are important for the transport and crossshore mixing of heat, pollutants, nutrients and biological species (Talbot and Bate, 1987; Shanks et al., 2012; Sinnett and Feddersen, 2014). However, rip currents have long been of both scientific and societal interest mostly due to the coastal hazard they represent. Their flow is often sustained over sufficient temporal periods (hours–days) and mean velocities (often N0.5 m/s) enable transport of large volumes of sediment offshore, particularly during storm events (e.g. Cook, 1970; Thornton et al., 2007; Loureiro et al., 2012b, Castelle et al., 2015). This can accentuate localized shoreline and dune erosion making them a threat to shoreline infrastructure and coastal communities. However, arguably the greatest impact that rip currents present to society is through the hazard they represent to beach users who find themselves caught in one (Fig. 1). Indeed, the earliest studies on rip currents (e.g. Davis, 1925; Shepard, 1936) brought attention to the hazard by coining the term ‘rip current’ in an attempt to differentiate them from the conceptually misleading terms ‘undertow’ and ‘riptide’, which were gaining popularity in the public vernacular at the time and are unfortunately still often incorrectly used by the public and media to describe rip currents. Rip current flows can quickly carry unsuspecting bathers of all swimming abilities (Drozdzewski et al., 2012, 2015) into deeper water (Fig. 1), often against their will, where a combination of exhaustion and panic too often results in a drowning death (Brander et al., 2011). Each year hundreds of people drown and tens of thousands more are rescued from rip currents globally (e.g. Klein et al., 2003; Hartmann, 2006; Gensini and Ashley, 2009; Brewster, 2010; Brighton et al., 2013; Scott et al., 2011b; Arun Kumar and Prasad, 2014; Arozarena et al., 2015; Barlas and Beji, 2015) and it is now well established that they are the primary physical hazard facing recreational bathers on surf beaches worldwide (Brander, 2015; Brander and Scott, 2016). While the severity of the rip hazard to bathers has been shown to be influenced by various demographic, social, behavioural, knowledgebased and emotional factors (Sherker et al., 2010; Hatfield et al., 2012; Williamson et al., 2012; Caldwell et al., 2013; Woodward et al., 2013, 2015; Brannstrom et al., 2014), in terms of physical factors it is primarily dictated by a combination of rip current flow speed and circulation patterns (Scott et al., 2014). As outlined by Brander and MacMahan (2011), our understanding of rip current flow behaviour has had a strong influence on existing global rip current hazard safety messaging promoted to the public, particularly in terms of self-escape strategies. From this perspective it is therefore useful to consider the historical progression of scientific research and knowledge in relation to both rip current flow and the rip current hazard (Fig. 2). Fig. 2 presents temporal patterns of rip current related publications in internationally refereed journals based on a detailed search of the literature. A total of 236 publications from 1925 to April 2016 were sourced and the publication list and criterion for their inclusion are provided in Supplementary Material. Publications were coded into five dominant subject themes, some with sub-themes. Some papers (if applicable) were coded with multiple themes. As evident from Fig. 2a, scientific interest in rip currents experienced a relatively slow and modest progression until a marked and rapid increase post-2000 that continues today. In terms of themes, early studies on rip currents were clearly qualitative in nature either providing a descriptive review of existing rip current knowledge or describing different types of rip currents and there is some evidence of increased interest in both areas in recent years (Fig. 2b). There has been a noticeable increase in numerical process-based modelling studies, particularly since 2000, while the number of physical laboratory studies and conceptual empirical based models (e.g. Wright and Short, 1984) have remained relatively low over time (Fig. 2d). The increase in modelling studies is clearly a reflection of improved computing power and theoretical framework just as the rapid increase in rip current field measurements since 2000 (Fig. 2c) is largely due to technological advances and reduced costs of data gathering equipment (e.g. MacMahan et al., 2005, 2009; Schmidt et al., 2003). This is evident from the gradual temporal increase in Eulerian measurements, which record rip current flow past a fixed point and typically involve deployment of one or more flowmeters in a rip current system. While Eulerian approaches offer limited spatial coverage, they have been particularly useful in examining and understanding the temporal variability of rip current flow, such as the tidal modulation of rip current velocity and flow pulsing at infragravity frequencies (e.g. Sonu, 1972; Aagaard et al., 1997; Brander and Short, 2001; MacMahan et al., 2004, 2006). Also apparent from Fig. 2d is the increase in Lagrangian field measurements in the last decade. Lagrangian methods involve observing, or measuring, trajectories of specific fluid parcels through the rip current system and are useful for providing a two-dimensional representation of the spatial variability of rip current circulation and surface velocity patterns over time (e.g. Schmidt et al., 2003; Spydell et al., 2007; Austin et al., 2010; MacMahan et al., 2010a; Houser et al., 2013; McCarroll et al., 2014b; Winter et al., 2014; Scott et al., 2016). The move towards Lagrangian measurements is reminiscent of the earliest field measurements of rip current flows conducted near the Scripps Institute of Oceanography at La Jolla, California (Shepard et al., 1941; Shepard and Inman, 1950) using floating objects and drogues. In terms of studies related to the rip current hazard, while the earliest rip current publications (e.g. Davis, 1925; Shepard, 1936; Shepard et al., 1941) acknowledged the drowning hazard represented by rip currents, a dearth of dedicated hazard research existed until the data-driven models/forecasts studies by Lushine (1991) and Lascody (1998). However, since 2010 there has been a rapid proliferation of interest in the rip current hazard, particularly from social science studies (Fig. 2e) relating to human understanding, perception of, and behaviour in relation to the rip hazard (e.g. Drozdzewski et al., 2012; Brannstrom et al., 2014; Woodward et al., 2015). In this time, there has also been increased interest in statistical data reporting (e.g. Brighton et al., 2013; Arozarena et al., 2015; Barlas and Beji, 2015) and physical studies involving measuring or modelling swimmer behaviour in rip currents (e.g. McCarroll et al., 2014a; McCarroll et al., 2015; Castelle et al., 2016; Van Leeuwen et al., 2016). Overall, it is evident from Fig. 2 and Supplementary Material that scientific interest in rip currents is high, with continued rapid growth largely being driven by hazard related studies, followed by field measurements and modelling works.

مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF آماده دانلود رایگان میباشند

همچنین ترجمه مقاله با فرمت ورد نیز قابل خریداری و دانلود میباشد

مقاله انگلیسی رایگان (PDF)

ترجمه فارسی رایگان (PDF)

خرید ترجمه با فرمت ورد

فهرست مقاله:

چکیده
1. مقدمه
2. منطقه مورد مطالعه
3. روش
1.3. رویکرد مدلسازی
2.3. ساخت و ساز نقشه
1.2.3. شیب نقشه
2.2.3. نقشه رخساره های سنگی
3.2.3. استفاده از زمین / پوشش زمین بر روی نقشه
4.2.3. نقشه پوشش گیاهی
5.2.3. نقشه خطر موضوعی و فرسایش
4. نتایج
1.4. نقشه شیب
2.4. نقشه رخساره های سنگی
3.4. نقشه فرسایش پذیری
4.4. استفاده از زمین / پوشش زمین بر روی نقشه
5.4. نقشه پوشش گیاهی
6.4. نقشه حفاظت خاک
7.4. نقشه خطر فرسایش
.5 بحث
.6 نتیجه گیری

بخشی از ترجمه فارسی مقاله:

1. مقدمه
تخریب سرزمین یکی از جدی ترین مسائل محیط جهانی زمان ما است (؛ رینولدز و استافورد اسمیت، 2002 دریگنه، 1998). فعالیت استفاده از زمین در میان محرک های اصلی تخریب زمین در سراسر جهان هستند. این فعالیت ها شکل سطحی دارند و می تواند تغییرات قابل توجهی به پدیده های طبیعی را القا کنند (استفن و همکاران، 2007). فعالیت های انسانی در قلب چند چالش محیطی می باشد. در واقع، تسلط انسان ، موجب تبدیل و تغییر اکوسیستم به نفع خود و در عین حال اغلب به قیمت از بین رفتن الگوهای زیست محیطی جهانی و روند آن ها می شود (زیکا و ارب، 2009).
اقدامات حفاظت آب و خاک (بو خیر و همکاران، 2006) برای کاهش تاثیر فراگیر و مخرب فرسایش زمین در مدیریت منابع طبیعی پایدار مورد نیاز است. موسی و همکاران (2002) و ساچر و همکاران (2005) استدلال کرده اند که یک ارزیابی جهت توزیع خطر فرسایش الزامی است و باید قبل از اجرای هر اندازه گیری حفاظت موثر خاک انجام شود. برگر، 1997؛؛ دکتر دومانسکی و پیری، 2000؛ گوپتا، 2002؛ نویسندگان دیگر برای استفاده از ژئو شاخص که پروکسی کل و کارآمد فرآیندهای سطح در ارزیابی فرسایش زمین هستند (برگر، 1996 حمایت کند. هاموندت، 1995 ؛ مورتون، 2002؛ زاز به و رومشو، 2012؛ زاکوئت ، 2004).
علاوه بر این، پیشرفت های اخیر در محاسبات علمی، سنجش از دور، GIS و فن آوری فعال ارزان و سریع طرفدار پردازش مجموعه داده های بزرگ و پیچیده هستند. این ممکن است موجب کمک به کاهش یک چالش عملی ذاتی در اجرای مدل فرسایش شود (مریت و همکاران، 2003)، آن ها اطلاعات فشرده را به عنوان زمان کانسیوم بیان کرده اند (وریلینگ و همکاران، 2006). با این حال، دسترسی به داده ها مسئله مهمی در کشورهای جنوب صحرای آفریقا که اغلب فاقد عملکرد خوب در سیستم های جمع آوری داده ها هستند ، جالب توجه است، ون رومپایند گاورز (2002) نشان می دهد که زمانی که داده ها غیر قابل اعتماد هستند، مدل فرسایش یک ارزیابی ساده و دقیق تر از آن هایی که پیچیده هستند ارائه می دهد. مدل های فرسایش پیچیده هستند که اغلب برای برنامه های کاربردی در مقیاس کوچک کافی است، اما برای پیاده سازی در مقیاس بزرگ مناسب نیستند، توسط لیورپول و همکاران اشاره کرد. اسکورلت (1996). یائیر (2000) و راز و یاسیف، (2004)،
علاوه بر این ، در میان دیگران ، روش کمتر داده گیر به نظر می رسد جذاب تر به تصمیم گیرندگان (رنسچلر و گاور، 2002). با توجه به عقیده بایرامین و همکاران (2003). ایکونا (1991، 1997)؛ زاز و رومشو (2012)، مدل ایکونا یکی از ساده ترین و قابل انعطاف ترین روش های کیفی برای ارزیابی و نقشه خطر فرسایش خاک است. این مدل به وسیله اتحادیه اروپا (EU) و کشورهای مدیترانه استفاده می شود (به عنوان مثال، ترکیه، تونس، سوریه و مصر)، و توسط بایرامین و همکاران (2003) مستند شده است.
در بنین، رشته کوه آتاکورا از ارزش زیست محیطی و زیستی منطقی بالایی برخوردار است (آدومو، 2005). آن یک نوع پوشش گیاهی منحصر به فرد (به Synsepalum passargei-Broenadia salicina جوامع چمنزار های ساحلی) Beninese endemics Thunbergia atacorensis andIpomoea beninensis (آکوئگنینو و لیسوسکی، 2004) . از بین رفتن حاصلخیزی ، فیزیکی و شیمیایی خاک تخریب چند توسط بسیاری از نویسندگان مشخص شده است (آدگبیدی و همکاران، 1999؛ مولدر، 2000؛ تنتند سین سین، 2005). اثرات مضر آن ها به طور بالقوه توسط شیب تند، خاک کم عمق، فشارهای جمعیتی قوی و چرگشت در کشورهای ساحلی مانند بورکینافاسو و نیجر افزایش یافته است (مورر، 1994). یک مجموعه کوچک برآورد جهانی و تغییر زمین در کوه کورا وجود دارد.
تنته و سین سین (2005) بررسی در حوزه برخی تپه های کوه آتاکورا و پیدا کردن فرسایش را کاهش می دهد، به طور متوسط، ضخامت خاک 8.6 سانتی است. در سال 2008 گزارش ” ارزیابی ظرفیت بهبود مدیریت محیط زیست جهانی” نشان می دهد که کوه آتاکورا و مناطق اطراف توسط وضعیت تخریب کم، متوسط و شدید مشخص شده است (انسرجم و همکاران، 2008). این گزارش تازه ترین ارزیابی در مقیاس بزرگ از فرسایش زمین در منطقه مورد مطالعه است.
پژوهش حاضر با هدف ارزیابی و تعیین وضعیت خطر فرسایش کوه آتاکورا و مناطق اطراف آن با استفاده از GIS و مدل ایکونا صورت گرفته است.

بخشی از مقاله انگلیسی:

1. Introduction

Land degradation is one of the most serious global environmental issues of our time (Dregne, 1998; Reynolds and Stafford Smith, 2002). Land use activities are among the key drivers of land degradation worldwide. These activities shape the land surface and can induce substantial changes to natural phenomena (Steffen et al., 2007). Human activities are at the heart of several environmental challenges. Actually, Humans dominate, transform and modify ecosystems (Zika and Erb, 2009) to their own benefit, yet often at the expense of the global ecological patterns and processes. Sound soil and water conservation measures (Bou Kheir et al., 2006) are needed to mitigate the pervasive and disruptive impact of land degradation on sustainable natural resource management. Moussa et al. (2002) and Souchère et al. (2005) argue that a spatially distributed assessment of erosion risk is mandatory and must be performed before implementing any effective soil conservation measure. Other authors advocate for the use of geoindicators, which are aggregate and efficient proxies of surface processes in the assessment of land degradation (Berger, 1996; Berger, 1997; Dumanski and Pieri, 2000; Gupta, 2002; Hammond et al., 1995; Morton, 2002; Zaz and Romshoo, 2012; Zuquette et al., 2004). Moreover, recent advances in scientific computing, remote sensing, and GIS technologies enable cheap and fast processing of large and complex datasets. This may help alleviate a major practical challenge inherentin implementing erosionmodels (Merritt et al., 2003), as they are data-intensive and time consuming (Vrieling et al., 2006). However, accessing clean data is a pivotal issue in Sub-Saharan African countries that often lack of wellfunctioning data collection systems. Interestingly, Van Rompaey and Govers (2002) show that when data are scare and/or unreliable, simple erosion models provide a more accurate assessment than complex ones. Complex erosion models are often adequate for small scale applications, but loose tractability for large scale implementations, as pointed out by Kirkby et al. (1996), Schoorl et al. (2000), Yair and Raz-Yassif, (2004), among others. Moreover, less data-consuming methods seem more appealing to decision makers (Renschler and Harbor, 2002). According to Bayramin et al. (2003); ICONA (1991, 1997); Zaz and Romshoo (2012), the ICONA model is one of the easiest and flexible qualitative methods for assessing and mapping soil erosion risk. This model has been used by European Union (EU) countries and Mediterranean states (e.g., Turkey, Tunisia, Syria, and Egypt), as documented by Bayramin et al. (2003). In Benin, Atacora Mountain chain is of high ecological and biological value (Adomou, 2005). It has an exclusive vegetation type (the Synsepalum passargei-Broenadia salicina riparian community) and the two Beninese endemics Thunbergia atacorensis and Ipomoea beninensis (Akoègninou and Lisowski, 2004). Soil fertility loss, physical and chemical soil degradation are a few threats identified by many authors (Adegbidi et al., 1999; Mulder, 2000; Tente and Sinsin, 2005). Their harmful effects are potentially increased by steep slope, shallow soil, strong demographic pressures, and transborder transhumance from Sahelian countries such as Burkina Faso and Niger (Meurer, 1994). There is a narrow body of literature addressing global and detailed estimation of land alteration in Atacora Mountain. Tente and Sinsin (2005) investigate at the scope of some hills of Atacora Mountain and find that erosion reduces, on average, 8.6 cm/ ha/year of the soil thickness. The 2008 “National Self-assessment of Capacities to Enhance for the Management of Global Environment” report reveals that Atacora Mountain and its surrounding areas are characterized by slight, average and extreme degradation status (ANCR-GEM et al., 2008). This report is the most recent large scale assessment of land degradation in the study area. Nonetheless,this assessmentis rough and only relies on expert-folk opinions. This study aims at evaluating and determining the erosion risk status of Atacora Mountain and its surrounding areas using GIS and ICONA model.

مبتدی (مناسب برای درک مفهوم کلی مطلب) (ترجمه به صورت ناقص انجام شده است)

2.2. مدل رطوبت برای بتن داخلی
آب در داخل منافذ بتن به عنوان هر دو هم مایع و هم بخار،دارای منافذ ریز و مركب بطری با RH بالاتر وجود دارد. به طور کلی، آب مایع هنوز هم در منافذ ریز در شرایط پایینRHوجود دارد. بر اساس فرمول کلوین نشان داده شده در معادله (13)، حداکثر شعاع منافذ می‌تواند در شرایط مختلف RHبه شرح زیر محاسبه شود: که در آن R_eثابت گاز ایده آل در J/(mol K)است، γکشش سطحی آب مایع در N/m، ρ_1 چگالی آب مایع در kg/m^3 است و M_wجرم مولی آب در kg/molاست.
همانطور که در معادله (13) نشان داده شده است، شعاع اشباع منافذ باRHدر بتن متفاوت است. برای حفظ یک حالت تعادل، آب مایع و بخار آب می‌توانند از طریق تبخیر و تراکم مبادله شوند. اگر چه گرادیان دما، تنها تاثیر کمی در تغییر رطوبت در بتن دارد، در اکثر موارد، آب مایع در حفره توسط محاسبات نظری پیش بینی شده در معادله (13) وجود دارد. در نتیجه، آب مایع در حفره به بخار آب یا به حفظ حالت تعادل کمی متغیر یا ثابت در کوتاه مدتتبدیل خواهد شد. علاوه بر این، تخلخل کم و منافذ بسته‌ی بتن ساختار با نفوذپذیری بسیار عالی ارائه می‌دهد.

تنوع رطوبت در محیط خارجی و داخلی بتن
3.1. فرایندهای تجربی
در این مطالعه، سیمان 42.5 درجه پرتلند معمولی، بنابر استانداردهای چینی، با 0.48% Na_2 Oو 7.08% C_2 Aمورد استفاده قرار گرفت. علاوه بر این، کلاسIخاكستر بادی و کلاس S95خاکستر به عنوان مواد افزودنی شامل شدند. ذرات درشت در سراسر این کار شامل ماسه کوارتز سنگ آهک اعم از 5 میلی متر تا 20 میلی متر در قطر، یک عامل کاهنده آب از سری پلی، شن و ماسه رودخانه‌های محلی با مدول نرمی 2.9 و ضربه آب مورد استفاده قرار گرفت. نسبت اختلاط بتن برای این آزمایش سیمان بود: خاکستر: خاكستر بادی: شن و ماسه: شن: آب: کاهنده آب= 375: 85: 35: 720: 1085: 152: 5 در هر متر مکعب و مقاومت فشاری اندازه گیری 53 مگاپاسکال در 28 روز بود.
مکعب بتن استاندارد (150 میلی متر×150 میلی متر×150 میلی متر) ریخته شد. پس از یک عمل‌آوری استاندارد 28 روزه، نمونه استوانه‌ای، 100 میلیمتر در قطر×150 میلی متر در ارتفاع، از مکعب بتن استاندارد کشیده شد. سوراخ 10 میلی متر قطر در نمونه استوانه‌ای با عمق از سطح بتن از 5 میلی متر، 15 میلی متر و 35 میلی متر حفر شد. سنسور دما-رطوبت در سوراخ تعبیه شده و با همان درجه از بتنبسته شده است. در نهایت، کل نمونه در یک فلاسک Dewarبا همان درجه از بتن ساخته شد. تصویر شماتیک از نمونه بتن مورد استفاده برای تست رطوبت در شکل 1 نشان داده شده است.
قبل از اندازه گیری، نمونه‌ها در محیط برای زمان کافی در رسیدن به یک حالت تعادل قرار داده شدند. نمونه پس از آن در روی صفحه نمایش دماسنج 1.5 متر از زمین قرار داده شد، و رطوبت و درجه حرارت در بتن داخلی در زمان واقعی ثبت شد. علاوه بر این، RH و دمای محیط تحت نظر قرار گرفتند.

3.2. تنوع رطوبت در محیط خارجی
تغییرات درجه حرارت وRH در محیط خارجی هر نیم ساعت توسط سنسور دما-رطوبت اندازه گیری شد، و ارزش WVDتوسط معادله (5)با استفاده از داده‌های اندازه گیری محاسبه شد. شکل 2 تغییراتRHو WVDدر محیط خارجی طبیعی را نشان می‌دهد. همانطور که در شکل 2 مشاهده می‌شود، نتایج اندازه‌گیری نشان می دهد که RHدر روزهای آفتابی نوسانات دوره‌ای ناشی از چرخه روزانه را نمایش می‌دهد. حداکثر دامنه نوسان RHحدود 35٪ با تنوع 10 درجه سانتی گراد است. بیش از یک روز تمام، در حالی که WVDتنها نوسانات جزئی را نشان می‌دهد(شکل a2). در روزهای بارانی، RHدر محدوده 95-85 ٪متفاوت است، نوسان نامنظم در کل روز. با این حال، WVDکمی در ابتدا افزایش و پس از آن کاهش می‌یابد، زمین مسطح به یک مقدار ثابت (شکل b2). RHمقدار نسبی است، که شامل اثر جفت بارش و دما، و ظهور تصادفی و عدم قطعیت می‌شود. WVDمطلق، مقدار مستقل از دما است و در نتیجه نظم کامل در روزهای بارانی را ارائه می‌دهد. این یافته نشان می‌دهد که نوسانRHبا درجه حرارت و آب و هواست اما WVDبا توجه به تغییرات دما است. شکل 2 همچنین نشان می‌دهد که منحنی‌های پیش بینی RH به خوبی با داده‌های اندازه‌گیری شده موافق است، که عقلانیت مدل RHارائه شده در این مطالعه را تایید می‌كند.

به همین دلیل، ما از داده های هواشناسی ارائه شده توسط یک ایستگاه هواشناسی محلی به منظور بررسی تنوعRHو WVDدر فصول مختلف استفاده كردیم. شکل 3 تغییرات درجه حرارت، RHو WVDدر ماه ژانویه (زمستان) و ماه اوت (تابستان) را نشان می‌دهد. همانطور که در بالا ذکر شد، RHحساسیت بیشتری نسبت به نوسانات در چرخه روزانه‌ای است كهWVDاست. محدوده نوسان RHدر ماه ژانویه و اوت حدود 30- 90٪و 40-90٪ بود، نشان می‌دهد که RHبا تغییر در فصل کمی تغییر می‌كند. بر خلاف RH، WVDبطور قابل ملاحظه بین زمستان (حدود 3.5±1 g/m^3) و تابستان (حدود 20±2 g/m^3) متفاوت است. تغییر ناچیزWVDدر جو را ممکن است به تعادل بین تبخیر، میعان و انتقال در میان زمین، جو و لایه ابر بالایی نسبت داد.
نتایج تجربی در شکل 2 و 3 نشان داده شده استو که RHمقدار نسبی در ارتباط با درجه حرارت را نشان می‌دهد؛ آناست که، آن حساس به دماست اما نه متغیر در فصل. بنابراین، WVDبر اساس RHممکن است راحت‌تر و دقیق‌تر برای تشخیص رطوبت در محاسبات مدل کمی و شبیه سازی آزمایشگاهی برای تحقیقات ساختار دوام بتن باشد.

3.3. تنوع رطوبت در بتن داخلی
شکل 4 تغییرات RH و WVDدر محیط خارجی طبیعی و در عمق 35 میلی متر در نمونه آزمون را نشان می‌دهد. همانطور که در شکل 5 نشان داده شده است، تغییرات رطوبت در بتن داخلی متفاوت از محیط طبیعی است. در شکل 4 و 5، تغییرات درجه حرارت و رطوبت نسبی توسط سنسور دما-رطوبت اندازه گیری شد وWVDمحاسبه شده با معادله (5) در داده های اندازه گیری شده مبنا قرار داده شده بود. WVDنوسان دوره ای در محدوده g/m^326-44 ، در حالی است کهRHدر بتن داخلی نسبتا پایدار است و به سمت یک مقدار ثابت (حدود 94٪) تمایل دارد. از آنجا که از نفوذپذیری کم بتن، انتقال رطوبت بسیار به آرامی بین محیط خارجی و داخلی بتن می باشد. در مقایسه با صحبت، رطوبت در داخل بتن داخلی با تغییر دما و رطوبت شیب بین محیط خارجی و داخلی بتن متفاوت است. زیراآب مایع در فضاهای مركب بطری بتن داخلی و تبادل رطوبت کم، یک حالت خود تعادل پویا بین آب مایع و بخار آب ممکن است كه در بتن داخلی تحقق می‌یابد. بنابراین، رطوبت در فضاهای مركب بطری داخل بتن داخلی ممکن است آزاد به عنوان آب تغلیظ شده از طریق تبخیر و میعان در طول زمان توزیع شود. بنابراین، WVDدر منافذ بتن تابعی از درجه حرارت است و ممکن است با گذشت زمان در نوسان باشد. اطلاعات موجود در شکل 4 نشان می‌دهد که منحنی‌های نظریRHخوب با داده های تجربی هستند، که نشان می‌دهد مدلRHاستفاده شده در این مطالعه پیش بینی خوبیRHدر داخل بتن داخلی می باشد.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

مدل RL پارامتریک
2.1. فرمول بندی تحلیلی
مدل RL با توجه به مدل انعکاسی پیشنهادی توسط روجین (2000) با جایگزین کردن انعکاس (رابطه 25 در مقاله روجین) با دمای سطحی به دست آمده است. جهت مطابقت تعریف نا همسانگردی ما در این تعریف (تفاوت بین دمای سمت القدم و خارج از سمت القدم) دمای سمت القدم (T_N) را که منجر به رابطه زیر می شود، معرفی کرده ایم (معادله 1 لاگوراده و اروین 2008):تفاوت اندازه های T(θ_s,θ_v.φ)- T_N نا همسانگردی برای یک زاویه مشاهداتی اوج مشخص (θ_v) و زاویه مشاهده ای آزیمومت (φ_v) ارائه شده است. تفاوت (T_HS-T_N ) (تحت عنوان ΔT_HS ) به صورت نا همسانگردی در هندسه نقطه داغ می باشد (اندیس HS نشان دهنده نقطه داغ است). θ_s زاویه اوج خورشید بوده و φزاویه آزیمومت نسبی بین خورشید (φ_s) و ناظر (φ_v) می باشد. بایستی توجه داشت که در این منظور از نقطه داغ بیشترین مقدار دمای روشنایی به دست آمده هنگام مشاهده انطباق جهت با جهت خورشید می باشد (خورشید در پشت فرض شده است): این موضوع ناشی از این حقیقت است که در جهت واقعی خورشید، هدف تنها المان های روشن شده از انعکاس نور خورشید می باشد که به عنوان گرم ترین نمونه ها نیز مطرح می باشند. هنگام مشاهده جهت صرف نظر از خورشید، می توان المان های بسیار زیادی را به وسیله حسگر مشاهده کرد که موجب کاهش دمای جهتی اندازه گیری شده می گردد. بنابراین هر دو نقطه داغ در ناحیه حرارتی و در ناحیه طیفی مادون قرمز (VNIR) قابل مشاهده مرتبط با یک پیکره بندی هندسی با مقداری تفاوت می باشند. در VNIR ناهمسانگردی جهتی اساسا به وسیله فرآیند های انتقال تابشی در سایبان حکم فرما می شود. در حوزه TIR انتقال انرژی به شرایط فیزیکی DA افزوده می شود. در حوزه TIR انتقال انرژی ترکیبی به شرایط فیزیکی DA افزوده می شوند. در واقع، این موضوع موجب حاکم شدن پروفیل قائم دمای سطحی در سایبان بر اساس شاخص های مشاهده شده آن توسط حسگر می گردد. این موضوع نشان دهنده وابستگی TIR DA با تمامی عوامل حاکم بر تبادل انرژی می باشد: سازه و ساختار سایبان (جهت تابش و همچنین نفوذ باد) شرایط هواشناسی، دسترسی آب جهت بخار آب و تعرق گیاه. علاوه براین، اثرات اینرسی حرارتی می توانند بر روی نا همسانگردی جهتی TIR تاثیر بگذارند. بر خلاف سایبان های شهری که در آنها یک انحراف کوچک در مورد موقعیت نقطه داغ نسبت به زوایای آفتار مشاهده می شود (لاگوراده و همکاران 2010)، هیچ گونه اثر قابل توجهی بر سایبان های گیاهی مشاهده نمی شود. همچنین بایستی توجه داشت که ما در این تحقیق تنها از یک سایبان گیاهی تیره استفاده می کنیم. در واقع این حالت برای سایبان شهری که طی آن معادله (1) به دست آمده است، صادق می باشد. همچنین، ما به ارزیابی کارایی آن برای گیاهان می پردازیم. حالت سایبان های ناقص مجزا مانند دشت ها (پینهیرو و همکاران 2006)، پوشش گیاهی گسترده (کابش و همکاران 2008؛ گالیویک و همکاران 2013) یا حتی محصولات خام (مانند مراکز تولید شراب لانگوراد و همکاران 2014) که در آن ناهمسانگردی جهتی TIR نشان دهنده الگو های متفاوت می باشند، در این تحقیق مورد بررسی قرار نخواهند گرفت.

شکل 1 نشان دهنده توانایی رابطه تحلیلی (3) جهت بیان نا همسانگردی با مقادیر دلخواه K=0.1 و 2 و ΔT_HS=1 و 3 درجه و با موقعیت خورشید (φ_S=210، θ_s=25) متناظر با زمان ثبت در ابتدای بعد از می باشد. پارامتر های K و ΔT_HS در این قسمت تنها جهت ایجاد محدوده ای واقعی از مقادیر نا همسانگردی ارائه شده اند. شکل 1a نشان دهنده نا همسانگردی جهتی (رنگ خاکستری) شبیه سازی شده به وسیله RL (با K=2 و ΔT_HS=3) می باشد. در این قسمت نمایش نمودار در مختصات قطبی مورد استفاده قرار گرفته است (لاگوراد و همکاران 2010). این قسمت نشان دهنده جهت نمایش (نسبت به موقعیت ناظر) می باشد: شعاع بر اساس زاویه دید آزیموت φ_v جهت گیری شده اند و دوایر هم محور متناظر با زوایای دید اوج θ_v می باشند. روش ساده تصور این نمودار، فرض کردن وجود یک ناظر فرض کننده قرار گرفته در محور قائم عبوری از نمودار قطبی و توجه به سطح در جهات متناظر با جهات نمودار قطبی می باشد. به طور مثال در صورتی که ناظر به سمت جلو N-NE نگاه کند (φ_v=30، با زاویه نمای اوج θ_v=25، حداکثر ناهمسانگردی شکل می گیرد. این موضوع با حقیقت بیان می شود که المان های سایبان به صورت مستقیم نسبت به خورشید قرار گرفته اند. آنها نشان دهنده گرم ترین المان ها می باشند، زیرا آنها تنها متمرکز بر اثر تابش مستقیم برخورد به سطح می باشند. حداکثر اثر نا همسانگردی هنگامی به دست می آید که نمای سطح در جهت دقیق مطابق با خورشید باشد و خورشید در پشت المان قرار گیرد که این حالت تحت عنوان نقطه داغ شناخته می شود. موقعیت خورشید نیز در شکل 1a با رنگ سفید در موقعیت مخالف با نقطه داغ در دیاگرام قطبی نشان داده شده است.
ساختار جهتی نا همسانگردی نشان داده شده به وسیله معادله (3) تقریبا مطابق با نتایج آزمایشگاهی قبل (نمودار قطبی شکل 2 در این مقاله با توجه به تحقیق لاگوراده و همکاران 2010، 2000). می باشد.
شکل 1b نشان دهنده نا همسانگردی (ΔT(θ_v, θ_s,0 محاسبه شده با توجه به معادله 3 شبیه سازی شده با RL در صفحه اصلی خورشید برای چهار حالت می باشد (K=0.1 و ΔT_HS=1C؛ K=0.1 و ΔT_HS=3c، k=2 و ΔT_HS=1، k=2 و ΔT_HS=3C). مطابق انتظار، ΔT_HS موجب حکم فرما شدن نا همسانگردی در نقطه داغ می گردد در حالی که K شکل تغییرات نا همسانگرادی را با زوایای دید اوج تنظیم می کند. افزایش مقدار K نشان دهنده کاهش دامنه نا همسانگردی در محدوده تغییرات θ_v با شکل تیز تر نا همسانگردی در اطرف نقطه داغ می باشد. این رفتار مطابق انتظار می باشد، به طوری که مرتبط با ارائه تابع f بوده و همچنین در شکل 3 مقاله روجین (2000) نشان داده شده است.
مقادیر k و ΔT_HS تحت عنوان پارامتر های مدل RL دارای یک مقدار یکسان نمی باشند. بر اساس تحقیق روجین (2000)، k در محدوده اپتیکال دارای ارتباط نزدیکی به سازه سایبان در یک شاخص ناحیه صفحه ای مشخص LAI بوده و به وسیله LAI/4 برای یک شاخ و برگ تصادفی (مانند سایبان کروی) قابل جهت گیری می باشد. احتمال استفاده از این تقریب برای TIR به صورت دقیق تر در بخش 3.3 مورد ارزیابی قرار می گیرد. متغیر ΔT_HS که به تعیین پدیده نقطه داغ می پردازد، بستگی به فرآیند اعمال هواشناسی در سطح و بر روی وضعیت آب سطحی دارد. بنابراین ΔT_HS به عنوان اولویت و به عنوان یک متغیر که بیان آن دشوار می باشد، اشاره می شود.
در این مقاله، ما تنها توانایی مدل RL را جهت نشان دادن نا همسانگردی جهتی مورد بررسی قرار می دهیم. این موضوع به عنوان یک عامل ضروری پیش از انجام صحت سنجی به شمار می آید که بایستی در قسمت دوم انجام شود. در واقع، این فرآیند در ابتدا به کالیبراسیون مدل نیاز دارد به نحوی که بایستی بتوان پارامتر های K و ΔT_HS را نسبت به شرایط موجود برآورد کرد. این موضوع در انتهای مقاله مورد اشاره قرار می گیرد. بنابراین پروتوکل مورد نظر ما جهت دستیابی به بهترین توجیه از پارامتر های مدل RL در یک وضعیت آماری بر روی مجموعه داده ها تشکیل شده است که به صورت اندازه گیری یا شبیه سازی می باشد. این موضوع موجب ارائه برآوردی از مقادیر ΔT_HS و k حاصل از روش معکوس سازی جهت ارزیابی نهایی خطا و ارزیابی دقت می گردد.

2.1. ارزیابی آزمایشگاهی RL
2.1.1. داده های آزمایشگاهی
این بخش در تلاش است تا سازگاری مدل RL را به وسیله یک مقایسه نسبت به پایگاه های داده آزمایشگاهی موجود نشان دهد. اندازه گیری ها در طی 2 آزمایش میدانی انجام شده در شهر (لاگوراده و اروین 2008) و یک سایبان جنگلی (لاگوراده و همکاران 2000) به دست آمده اند. پروتوکل اندازه گیری مبتنی بر استفاده از دوربین های هوایی TIR مستقر بر روی یک هواپیمای کوچک می باشد. دوربین ها مجهز به لنز های زاویه گسترده بوده و در بالای هواپیما با یک زاویه انحراف جهت افزایش محدوده زوایای اوج مشاهده ای مورد بررسی مستقر شده اند. چندین خطر پرواز کوتاه که در جهت مخخالف در حال پرواز بوده اند، همگی در مرکز ناحیه مورد نظر به یکدیگر رسیده اند (ناحیه شهری یا جنگل). خط اول در صفحه خورشیدی اصلی به پرواز در آمده و خط دوم در صفحه عمود پرواز کرده است. سپس خطوط اضافی در جهت هایی با زاویه ±45 درجه از صفحه اصلی نشان داده شده اند. ترکیب هشت قطعه پروازی موجب به دست آوردن اندازه گیری های جهتی TIR برای زوایای اوج θ_v تا مقدار 60 درجه با پوشش کلی همه جهت های مشاهداه ای آزیموت می گردد. اساس این روش مبتنی بر این حقیقت است که این روش به میانگین گیری نا همگنی های مکانی ناحیه مورد مطالعه (خیابان ها، حیات ها، میدان ها، نواحی کوچک و غیره) و تغییرات زمانی (ناشی از فشار جریان اتسمفری، لاگوراده و همکاران 2015) می پردازد. می توان جزئیات دقیق پروتوکل را در دو مقاله مرجع فوق از لاگوراده و همکاران (2000) و لاگوراده و اروین (2008) مشاهده کرد.
ناحیه شهری مرکز شهر تولوز بوده و در چارچوب آزمایش CAPITOUL (میسون و همکاران 2008) مورد مطالعه قرار گرفته است. مرکز شهر تولوز ناحیه ای حدود 2x3km می باشد. این قسمت به صورت متراکم با حیات های کوچک یا باغ ها درون واحد های ساحتمانی ساخته شده است و دارای پوشش گیاهی بسیار کم (حدود %8) در چند خیابان یا در پارک ها می باشد. بیشتر ساختمان ها قدیمی بوده و مصالح استفاده شده شامل آجر برای دیوار و کاشی برای بام می باشد. میانگین ارتفاع دیوار ها حدود 15 متر است. خیابان ها در تمامی جهات جهت گیری شده و دارای عرض های مختلفی می باشند. یک مطالعه یکنواخت به صورت دلخواه با تفسیر تصاویر هوایی انجام شده است؛ این ناحیه به اندازه کافی جهت در نظر گرفتن المان های مشخصه مرکز شهر و جهت استخراج نا همسانگردی TIR نمایشی بزرگ می باشد.
آزمایش دوم در یک باغ درختان کاج در لی بری (44.44 شمالی و 0.46 غربی)، به عنوان محل آزمایشگاهی INRA واقع در نزدیکی بوردو انجام شده است. این ناحیه دارای یک باغ 350x500m با قدمت 26 ساله با میانگین ارتفاع 17.6 متر برای درختان (در سال 1996) می باشد. تراکم این ناحیه به میزان 518 اصله درخت در هر هکتار می باشد. میانگین فاصله بین درختان 4.7 متر است. LAI حدود 3.1 است. زمین به صورت کامل توسط سایبان پوشانده نشده است و سطح پوشش آن به میزان حدود %70 برآورد می شود. علاوه براین، باغ به صورت ردیفی (با زاویه حدود 35 درجه آزیموت از شمال) کاشته شده است، اما فاصله بین ردیف ها و درختان (4 و 4.7 متر) تقریبا مشابه بوده و باغ به صورت یکدست و یکنواخت می باشد.
برای قسمت های 2 سطحی، اندازه گیری ها در میانه روز انتخاب شده اند. جدول 1 نشان دهنده موقعیت خورشید در شروع و انتهای هر مرحله می باشد.
برای هر توالی اندازه گیری (برای هر نمودار قطبی آزمایشگاهی)، برازش مدل RL و بازیابی ΔT_HS و K در بازه [0,50] زوایای اوج با گام 1 درجه و در بازه [0,360] با گام 1 درجه برای جهت های آزیموت انجام شده است. بدین منظور، ما از روش بهینه سازی خودکار fminsearch پیشنهادی در جعبه ابزار بهینه سازی متلب استفاده کرده ایم.

2.2.2. ارزیابی RL نسبت به یک سایبان شهری
آزمایش اول مدل RL نسبت به داده های آزمایشگاهی برای مرکز تولوز در دو تاریخ سال های 2004 و 2005 پیشنهاد شده است (4 اکتبر حدود ساعت 11 و 25 فوریه ساعت 14:10). بایستی توجه داشت که با توجه به موقعیت محل نزدیک به طول جغرافیایی 0، می توان زمان ها را به صورت مشابه بر حسب UTC یا LTC در این مقاله بیان کرد. از UTC در این مقاله استفاده می شود. تاریخ های پاییز و زمستان موجب شده است تا نقطه داغ متناظر با زوایای خورشیدی اوج بزرگ حدود 50 و 60 درجه باشد و مدل نسبت به نا همسانگردی اندازه گیری شده نسبت به صفحه اصلی برازش شده است (با جمع تمامی اندازه گیری ها در صفحات تشکیل شده بین صفحه خورشیدی اصلی). تناظر بین اندازه گیری ها و شبیه سازی های RL به عنوان نتیجه ای از بهترین برازش به صورت نسبتا مناسب با ضریب همبستگی 0.96 و 0.93 و خطای جذر میانگین ریشه (RMSE) 0.5 درجه و 1 درجه برای 4 اکتبر و 25 اکتبر می باشند (شکل 11 مقاله لاگوراده و اروین 2008).
نتایج ارائه شده نسبت به شهری مشابه در طی آزمایش CAPITOUL مشابه در شرایط تابستانی (15 ژولای 2004) با برازش مدل RL بر کل پایگاه داده آزمایشگاهی برای تمامی جهات آزیموت و برای زوایای دید اوج 0≤θ_v≤50 به دست آمده اند. نتایج در شکل 2a و b برای ساعت 11:30 UTC و در شکل 2d و e برای ساعت 14:00 UTC نشان داده شده اند.
تناظر کلی برای هر دو حالت برقرار می باشد. تغییرات موقعیت نقطه داغ با زمان روز نیز نشان داده شده است. با این حال توزیع مقادیر نا همسانگردی در اطراف نقطه داغ در داده های آزمایشگاهی برای جهت های دید آزیموت نسبت به شمال، غرب و شرق قابل مشاهده می باشند. این موضوع برای زمان موجود، غیر قابل توصیف می باشد، اما می توان آن را مرتبط با جهت های خیابان در شهر (دو بلوار عمود NW-SE جهت گیری شده و NE-SW در تصاویر هوایی شهر (شکل 1 تحقیق لاگوراده و همکاران 2010)) دانست. نمودار های توزیع در شکل های 2c و f نشان دهنده درجه اطمینان مدل RL می باشند. می توان تمایل RL به برآورد دست پایین اندازه گیری ها برای زوایای اوج بزرگتر از 40 درجه را مشاهده کرد. انحراف گروهی از نقاط از خط 1:1 در شکل 2c مرتبط با توزیع اندازه گیری های آزمایشگاهی در اطراف نقطه داغ مطابق توضیحات فوق می باشد. علی رغم این موضوع، علائم جهتی به خوبی با ضریب همبستگی بزرگتر 0.8 و RMSE کمتر از 1 درجه به تصویر کشیده شده اند.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

مدل های ضمنی مبتنی بر ظاهر: یک مدل ضمنی مبتنی بر ظاهر معمولا شامل شدت تصویر یا ویژگی های بافتی می شود که توسط پنجره یا هسته کوچک محاسبه می شوند که پیکسل داده شده یا خوشه ای کوچکی از پیکسل ها را احاطه می کند.سپس، تشخیص توسط آزمایش بردار های ویژگی پیکسل های اطراف میانی تصویر انجام می گیرد.Cheng و همکارانش با استفاده از شبکه های Bayesian پویا برای تشخیص وسایل نقلیه از نظارت هوایی، نتایج امید دهنده ای در مجموعه داده های چالش بر انگیز بدست آوردند.ولی مدل رنگ،که مخصوصا برای جداسازی ماشین ها از زمینه طراحی شده هنوز هم نمی تواند از تشخیص اشتباه بدلیل همپوشانی ماشین ها و مدل های رنگ زمینه جلوگیری کند.مشکل دیگر این است که رویکرد باید باعث ترکیب پیکسل های تشخیص داده شده به تک وسایل نقلیه شود که زمانی که وسایل نقلیه در مجاورت کوچکی پارک شده اند، وظیفه ای مشکل و سخت می شود.علاوه بر این،آزمایش و بررسی تشخیص در تمامی پیکسل ها،نه تنها پیچیدگی محاسبات را افزایش می دهد بلکه نرخ تشخیص اشتباه را افزایش می دهد.Shao و همکارانش ابتدا تشخیص وسایل نقلیه با استفاده از ویژگی های متعدد( برای مثال HOG ، طرح محلی باینری،و هیستوگرام مخالف) و هسته تقاطع SVM را بررسی کردند.مشابه آن ،Moranduzzo و Melgani ،SIFT و SVM را برای تشخیص ماشین ها از تصاویر وسایل نقلیه هوایی غیرنامگذاری شده ترکیب کردند.Kembhavi و همکارانش ماشین ها را از تصاویر هوایی با وضوح بالا با بکارگیری حداقل مربعات جزیی ، تحلیل قدرتمند انتخاب ویژگی، و توضیح دهنده ویژگی اضافی تشخیص دادند که شامل نقشه های احتمال رنگ ،ویژگی های HOG ، و مقایسات زوج پیکس ها هستند که ویژگی های ساختاری یک ماشین را بدست می آورند.کار آنها عملکردی چشمگیر را نشان می دهد.Moranduzzo و Melgani رویکردی مبتنی برا کاتالوگ برای تشخیص ماشین ها در تصاویرUAV پیشنهاد دادند.ولی کاربرد آن به حس های مخصوص محدود است چرا که باید از جاده آسفالت شده به عنوان راهنمای اولیه استفاده کند.مشکل دیگر این است که باید پیکسل های تشخیص داده شده را در وسایل نقلیه فرد و تک(منظور تمامی پیکسل هارا ترکیب کرده و بعنوان یک عکس به عنوان وسیله نقلیه نمایش دهد) باترکیب کند.Hinz و Baumgartner ویژگی های وسایل نقلیه بر اساس مدل وسیله نقلیه سلسله مراتبی استخراج کردند که سطوح مختلفی را شرح می دهد.Khan و همکارانش ویژگی های وسیله نقلیه را بر اساس مدل 3بعدی استخراح کردند.Wang و همکارانش مدل شکل ضمنی و رای دادن Hough را برای تشخیص ماشین در نقاط ابری 3بعدی بکار گرفتند که نتایج چشمگیری حاصل شد.
مدل های صریح و روشن:در مورد مدل صریح و واضح، یک وسیله نقلیه معمولا توسط یک جعبه،ارائه به عنوان قاب، و یا مدل مورفولوژیکی توصیف می شود.تشخیص ماشین توسط تطابق مدل ماشین با تصویر با استفاده از استراتژی “بالا-پایین” یا ” پایین-بالا” انجام می گیرد.Zheng و همکارانش از تبدیل گشایش سیاه و سفید و تبدیل بالا-کلاه سیاه و سفید برای شناسایی وسایل نقلیه احتمالی در پس زمینه روشن ویا سفید استفاده کرده و از تبدیل خاتمه دهنده سیاه و سفید وتبدیل پایین-کلاه برای شناسایی وسایل نقلیه احتمالی در پس زمینه های سیاه و بی نور استفاده کردند.سپس اطلاعات سایز و اندازه برای حذف هشدار های اشتباه بکار گرفته می شود.رویکرد آنها عملکرد خوبی در تصاویر هوایی بزرگ راه ها نشان می دهد ولی تخمین های مقدار خاکستری پس زمینه و اطلاعات جغرافیایی داده های سیستم مورد نیاز است. در نتیجه ، این روش برای صحنه های عمومی مناسب نیست.یک وسیله نقلیه همچنین به عنوان جعبه 3بعدی با ابعاد عرض و طول و ارتفاع نمایش داده شده است.
مطالعات زیادی انتخاب نمونه از مقادیر زیادی داده های آموزشی را مطالعه کرده اند.Zhou و همکارانش روش کاهش نمونه برای متوجه کردن مشکل غیرمتعادل بودن نمونه های SVM پیشنهاد داد.Nie و همکارانش روش فعالی برای انتخاب نمونه های با بیشترین نمایندگی و نمایان گری (منظور جامع بودن نمونه ها به نمایندگی از بقیه نمونه ها) برای برچسب زدن در مرحله آموزش فعال اولیه برای کاهش کارها و وظایف دستی و غیرخودکار پیشنهاد داد.آنها از روش تکرار برای انتخاب زیرمجموعه های نمونه های با نمایندگی بیشتر با استفاده از نرم ها و استانداردهای موثر و ایجاد کننده پراکندگی استفاده کردند.با این وجود این روش هنوز زمان بر است.
معمولا دو عیب و نقص روش های تشخیص ماشین با استفاده از مدل صریح و روشن مشخص و واضح است.اول، تشخیص معمولا بر اساس لبه های مشخص شده است که منجر به نامستحکم بودن در برابر نویز و پس زمینه پیچیده می شود .دوم ، این روش ها عملکرد ضعیفی در حالات انسداد جزیی و تغییرات شکل دارند چرا که مدل های ماشین ها از قبل بصورت شدید و استواری تعریف شده اند.اکثر روش های تشخیص ماشین بروز( حتی نرم افزار های تجاری) برای حس از دور دست تصاویر، از مدل ضمنی بدلیل توانایی تعمیم بهتر آن استفاده می کنند
ولی روش های موجود که مدل ضمنی را استفاده می کنند هنوز از 2 مشکل زیر رنج می برند.
اول اکثر روش ها بر اساس پیکسل هستند و یا از یک پنجره لغزنده با مرحله لغزنده حین تشخیص استفاده می کنند. روش های مبتنی بر پیکسل محاسبات سنگینی دارند. علاوه بر این، این روش ها باید پیکسل های تشخیص داده شده را به یک عکس تک بازترکیب کنند که وقتی وسایل نقلیه در محدوده نزدیک بهم پارک شده باشند امری سخت و مشکل می شود.در روش های پنجره لغزنده، مرحله و گام لغزنده سرعت پردازش و نرخ فراخوانی تشخیص را تحت تاثیر قرار می دهد.یک گام لغزنده بزرگ ممکن است باعث سرعت زیاد پردازش شود ولی باعث کاهش در نرخ فراخوانی می شود.یک گام لغزنده کوچک ممکن است نرخ فراخوانی را کاهش دهد ولی منجر به هزینه محاسباتی زیاد می شود.برقراری تعادل بین نرخ فراخوانی تشخیص و سرعت پردازش مشکل است.استراتژی کارآمدتر اسکن کردن برای بهبود کارایی اسکن کردن مطلوب است.
دوم، نمونه های آموزشی بصورت دستی یا حتی تصادفی انتخاب شده اند.انتخاب دستی نمونه های آموزشی زمان بر است. برای تشخیص وسایل نقلیه در تصاویر هوایی ،پس زمینه پیچیده باعث تعداد زیاد نمونه های منفی می شود که انتخاب دستی زیرمجموعه آموزشی منفی بهینه را دشوار می سازد.با در نظر گرفتن روش انتخاب تصادفی،ممکن است باعث ایجاد عملکرد غیر پایدار شده و معمولا به عملکرد بهینه دست نمی یابد.روش کارآمد انتخاب نمونه های آموزشی نیازمنده بوجود آمدن است.
در نتیجه، نیاز زیادی برای استخراج روشی برای حل 2مورد بالا وجود دارد.

3. راه حل پیشنهادی
A. چارچوب
همانگونه که در شکل 1 نشان داده شده استچارچوب کلی روش پیشنهادی ما شامل 2 مرحله آموزش فرهنگ جامع و تشخیص ماشن است.در مرحله آموزش، تصاویر آموزشی ابتدا توسط روش تولید سوپرپیکسل به سوپرپیکسل ها تقسیم می شود.بر اساس مراکز سوپرپیکسل ها ،قطعات مهم را به عنوان مجموعه آموزشی تولید میکنیم.سپس زیرمجموعه آموزشی کوچکی برای شروع اولیه فرهنگ پراکنده کوچک انتخاب میکنیم.در روش ما ، شبکه توصیف کنندگانHOG قطعات ، به عنوان ورودی فرهنگ و دیکشنری استخراج می شوند. توسط دیکشنری آموزش یافته ،شباهت بین نمونه های آموزشی باقی مانده و ماشین ها را تخمین میزنیم.نمونه های منفی با بالاترین شباهت و نمونه های مثبت با کمترین شباهت برای افزوده شدن به زیرمجموعه آموزشی انتخاب می شوند تا یک دیکشنری جدید را برای تکرار بعدی انتخاب نمونه ها آموزش دهد.تکرار انتخاب نمونه های آموزشی تا رسیدن به همگرایی ادامه می یابد.در این مقاله 2 وضعیت به عنوان حالات همگرایی مد نظر قرار گرفته اند. اول دیکشنری آموزش یافته شامل بیش از 2000 ایتم و جز است.دوم دقت طبقه بندی تصاویر ازمایشی در نرخ فراخوانی 0.7 بیش از 80 درصد است. زمانی که همگرایی اتفاق افتاد،دیکشنری ارائه پراکنده را برای شناسایی وسایل نقلیه بکار میگیریم.
در مرحله تشخیص، تصویری آزمایشی ابتدا به سوپر پیکسل هایی که بر اساس مراکز آن ها تصویر آزمایشی را با کارایی بالا اسکن می کنیم، بخش بندی می شوند .براساس کد های پراکنده در طی اسکن کردن، کاندید های قطعات به ماشین ها و پس زمینه طبقه بندی می شود.

B. بخش بندی سوپرپیکسل
در روش پیشنهادی ما ،بخش بندی سوپرپیکسل یک مرحله مهم است. شکست بخش بندی سوپرپیکسل تعریف شده به عنوان قطع ارتباط بین بخش بندی ها،دقت مکان اسکن کردن و عملکرد تشخیص را تحت تاثیر قرار می دهد. برای بدست آوردن بخش بندی سوپرپیکسل با شکست کم ، روش بخش بندی سوپرپیکسل که مخصوص چارچوب خودمان طراحی شده را ارائه کردیم.

مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF آماده دانلود رایگان میباشند

همچنین ترجمه مقاله با فرمت ورد نیز قابل خریداری و دانلود میباشد

مقاله انگلیسی رایگان (PDF)

ترجمه فارسی رایگان (PDF)

خرید ترجمه با فرمت ورد

فهرست مقاله:

چکیده
1-موارد عمومی
1.1 فرسایش خاک
1.2 روش های براورد رسوب
1.3 اهداف تحقیق
2-پیش زمینه تحقیق
3- روش های سنجش از دور
4-روش های جی ای اس
5 . تحلیل نتایج
6- محاسبه نمونه های رسوبی اندازه گری شده در ایستگاه های هیدرومتریک
7- نتیجه روش محاسبه سنجش از دور
8- نتایج

بخشی از ترجمه فارسی مقاله:

 1. موارد عمومی
1-1 فرسایش خاک
فرسایش، فرایندی است که در آن ذرات خاک از بستر جدا شده و با استفاده از یک عامل انتقال به مکان دیکری وارد می شوند. در صورتی که جدایش ذرات از بستر صورت گیرد و به درون آب انتقال یابد به آن فرسایش می گویند. نوع دیگر فرسایش، فرسایش بادی و یخچالی است. هر چه حوزه بزرگ تر باشد میزان فرسایش ناخالص و انتقال رسوب بیشتر خواهد بود
عوامل موثر بر انتقال رسوب به یک نقطه:
1- توپوگرافی حوزه
2- ویژگی های باران و سیلاب
3- ویژگی های فیزیوگرافیکی حوزه
4- خاک و حوزه آبخیز
مقدار رسوب حمل شده توسط رودخانه ها و وارده به مخازن و سد ها را می توان به دو نوع تقسیم کرد.
1- رسوب معلق در آب و در بستر رودخانه. به این رسوب بار معلق می گویند.
2- رسوبات در بستر رودخانه که در آن جریان به جلو حرکت می کند موسوم به رسوب بار کف است
بار کل روخانه ترکیبی از بار کف و بار بستر است
1-2 روش های براورد رسوب
در صورتی که داده ها در حوزه و جریان رسوب و سطوح بارش سالانه برای محاسبه حجم کل رسوب سالانه حوزه کافی باشند، امکان استفاده از روش های آماری سنتی وجود دارد. با این حال نبود داده ها در بسیاری از کشور ها موجب شده است تا از روش های آزمایی برای تعیین شدت فرسایش خاک و بار رسوب استفاده شود. یکی از روش های تعین فرسایش و رسوب د بخش های مختلف دنیا و ازجمله ایران روشPSIAC( کمیته آین آژانسی جنوب غرب اقیانوس ارام).
1-3 اهداف تحقیق
به منظور شناسایی روش های سنجش از دور و کاربرد آن ها در محاسبه رسوب در رودخانه و ارزیابی نتایج برای تعیین مقدار رسوب توسط رودخانه برای ایستگاه های هیدرومتریک، اطلاعات زیادی لازم است. این اطلاعات از روش GIS با استفاده از تصاویر ماهواره ای و رسوب رودخانه بدست می اید. سنجش از دور ابزاری مفید برای پایش رسوب معلق در آب های سطحی به دلایل مختلف است از جمله ماهیت چند طیفی که مساحت زیادی را شامل می شود.
با استفاده از روش های سنجش از دور امکان مطالعه فرسایش و حوزه های رسوب گذ اری در مقایسه با روش های سنتی و صحت بالا نیاز است. در این مطالعه، با استفاده از روش سنجش از دور و پردازش تصاویر محاوره ای و تفسیر آن ها، اطلاعات مربوطه به دست امد
2-پیش زمینه تحقیق
ووس و همکاران در 2997 به بررسی اشفتگی و رسوبات معلق در حوزه هامبر با استفاده از تصاویر ماهواره ای پرداختند
اندکارا در 2007، با استفاده از سنجش از دور به شناسایی مناطق مستعد رسوب گذاری در حوزه رود دانوب پرداخت
اقای ویفینک جائو در 2008 با مدل جهانی فرسایش خاک و CHAOBAHIL به بررسی منابع آب اشامیدنی در حوزه رودخانه میان در پکن پرداخت
30 منطقه مورد مطالعه
3-1 سد امیر کبیر دارای مختصات 51 درجه و 5 دقیقه و عرض جغرافیایی 35 درجه و 7 دقیقه است. سیلاب سلانه حدود 12425 مترمکعب در ثانیه است./

بخشی از مقاله انگلیسی:

1. GENERAL

1.1 Soil Erosion

Erosion is a process in which soil particles separated from her bed and using a transfer agent shipped to another location. If the separation of the particles from the substrate and transfer it to the water it is called erosion. Other types of erosion, wind erosion and glacial erosion can be named. The basin is larger and higher gross erosion of sediment transport it will be smaller. Factors that are effective against sediment transport in a point ; 1- The topography of the basin 2- Characteristics of rains and floods 3- Basin physiographic features 4- Soil and watershed The amount of sediment carried by the river and into the reservoirs may be divided into two categories: 1- Sediment suspended in the water and above the water moving along the river bed. This material is said to be suspended load. 2- Sediments in the river bed with water flow can be rolled forward to this type of bed load sediment called. Total Load a river of bed load and suspended load is formed.

1.2 Methods of estimating sediment If data in a basin of water and sediment flow and annual precipitation levels are adequate Calculate the total volume of annual sediment basin is possible using conventional statistical methods. But the absence or violation of data in many countries, the use of experimental methods to determine the severity of watershed soil erosion and sediment yield is essential. One of the methods for erosion and sediment in different parts of the world, including Iran, are used PSIAC (Pacific Southwest Inter Agency Committee)

1.3 Objectives and need for research To identify remote sensing methods and their use in the calculation of sediment in the river and then evaluate the results to determine the amount of sediment deposited by the river for a hydrometric stations is information. This will be the procedure for application of GIS information using satellite images acquired and river sediment can be used to obtain this information. Remote sensing a useful tool for monitoring suspended sediment in surface waters is due to various reasons, including multispectral nature, covering a wide area, the line is long and repetitive nature of satellite imagery. Using remote sensing techniques to study soil erosion and sedimentation basins, compared to traditional methods with greater speed and accuracy is very efficient so as techniques should be placed. In this study, using remote sensing and satellite image processing and interpretation with the help of sediment are obtained. 2. BACKGROUND OF THE RESEARCH Mr. Voss and his colleagues in 1997, turbidity and suspended sediments in the basin of the river Humber studied using satellite images. Mr. Andrka in 2007, remote sensing and identification of potential areas of sedimentation in the river Danube examined Mr. Vyfing Jao in 2008 with the global model of soil erosion (USLE) soil erosion and sedimentation tank CHAOBAIHE the main source of drinking water in the river MIYAN Chinese capital Beijing is to be examined.