جستجو در مقالات منتشر شده


4 نتیجه برای کرج

امیر کرم، امیر صفاری، شیلا حجه فروش نیا،
دوره 2، شماره 2 - ( 4-1394 )
چکیده

با گسترش اقتصاد و خدمات اجتماعی، نیاز به کاهش مخاطرات، مهار مخاطره‌ها و دیگر اقدام‌های مهم و مدیریتی برای تهیه‌ی برنامه‌ها و پیگیری طرح‌های آسیب‌پذیری فزنی یافته است. در حوزه‌ی پیشگیری، اتخاذ تدابیر و برنامه‌ریزی مستلزم داشتن اطلاعات صحیح از مناطق و شناخت وضعیت موجود است. از این رو، مطالعه و پژوهش در زمینه‌ی کاهش خطرپذیری و شناخت تهدیدهای موجود در منطقه‌ی ارنگه ضروری به نظر می‌رسد. این منطقه یکی از مناطق با جاذبه‌‌های توریستی حوضه‌ی آبریز کرج است. در اغلب موارد فرایندهای ژئومورفیکی، که با سیستم‌‌های رودخانه‌ای ایجاد می‌شوند، سبب بروز مخاطرات محیطی در محیط‌‌های انسانی و طبیعی می‌گردند. در این مقاله، مخاطره‌های ناشی از فرایندهای ژئومورفیک رودخانه‌ای به خصوص مخاطرات ناشی از طغیان آب و سیلاب بررسی، تحلیل و برآورد شده و دبی حداکثر سیلاب برای ارنگه و زیر حوضه‌‌های آن نیز محاسبه گردیده است. هدف از این تحقیق مشخص کردن نواحی دارای بیشترین خطر سیلاب است. در این پژوهش، بر اساس مطالعات هیدروژئومورفولوژیک و برآورد دبی زیر حوضه‌ها، محدوده‌‌هایِ دارای بیشترین خطرسیلاب مشخص شده‌اند. بدیهی است که نتایج حاصل از این مطالعه سبب توانمندسازی سیستم مدیریت بحران در فاز قبل از بحران می‌گردد و می‌تواند به برنامه‌ریزی و مدیریت منابع طبیعی، گردشگری و کالبدی منطقه کمک کند. بنابراین، اهمیت پرداختن به این مسئله ضروری به نظر می‌رسد.


علی جهانی،
دوره 3، شماره 4 - ( 10-1395 )
چکیده

مدیریت درختان خطرآفرین به بررسی احتمال خطر درختان در محیط­های طبیعی و انسان ساخت می­پردازد. از آنجاییکه درختان خطرآفرین در فضای سبز شهری از اهمیت بالایی برخوردارند، شناسایی و کمی­سازی شدت ریسک این درختان اجتناب­ناپذیر است و فقط در این صورت امکان مدیریت ریسک و انجام اقدامات پیشگیرانه و به موقع فراهم می­گردد. در این مطالعه در مجموع 200 درخت چنار خطرآفرین با ساختار ناپایدار در شهر کرج شناسایی و اطلاعات مربوط به ویژگی­های عمومی و عیوب آنها ثبت گردید و شدت ریسک آنها با توجه به سال آسیب­پذیری ارزیابی شد. در این تحقیق به کمک الگوریتم آموزشی پس انتشار خطا در محیط شبکه­های عصبی مصنـوعی، شدت ریسک سقوط درختان چنار خطرآفرین (دو کلاسه شدت خطرآفرینی بر اساس سقوط اجزا در سال اول و دوم) بر اساس مقادیر کمی مشخصه­های عمومی و عیوب درختان شبیه­سازی شد. بر اساس نتایج آنالیز حساسیت قطر تاج، طول تاج درخت، انحراف تنه درخت و قطر یقه درخت به ترتیب بیشترین تاثیر را در طبقه­بندی شدت ریسک درختان خطرآفرین داشته­اند. صحت مدل با مقایسه خروجی آن و شاخص­های محاسبه شده شامل ضریب تعیین (87/0 کلاس یک و 9/0 کلاس دو)، میانگین خطای مطلق (17/0 کلاس یک و 18/0 کلاس دو) و میانگین مربعات خطا (084/0 کلاس یک و 085/0 کلاس دو) سنجیده شد. مدل شبکه عصبی مصنوعی با دقت بالا در کلاسه بندی شدت ریسک چنارهای خطرآفرین در اکوسیستم­های شهری، مدل SFHR را به عنوان یک مدل پیش­بینی در ارزیابی احتمال سقوط درختان چنار معرفی نمود.


مهرداد هادی پور، مهدیه حیدری، محمد علی زاهد، سید حسین حسینی لواسانی،
دوره 9، شماره 1 - ( 3-1401 )
چکیده

اگر چه ضایعات ساختمانی بخشی جداناپذیر از پسماندهای شهری است، اما به دلیل تفاوت‌هایی که میان این ضایعات و پسماند‌ها و مسائل محیط زیستی دیده می‌شود باید اولویتهای مناسبی برای بهره‌وری و کسب منابع بهینه تعریف شود.  هدف پژوهش حاضر را  بررسی وضعیت رها‌‌سازی نخاله‌های ساختمانی درحاشیه راه‌ها، با بهره‌برداری از روش ترکیبی تحلیل شبکه‌ در تصمیم‌‌‌‌‌گیری چندمعیاره و محاسبات منطق فازی در محیط برنامه‌نویسی Matlab  است برای مدیریت نخاله‌های ساختمانی کلانشهر کرج، از تکنیک تصمیم‌گیری چندمعیاره و محاسبات منطق فازی در نرم‌‌افزارهای SPSS، Expert Choice و Matlab استفاده شده است. حجم نمونه آماری پژوهش حاضر را، استادان دانشگاهی صاحب نظر در حوزه موردبررسی و متخصصان مدیریت پسماند و GIS شاغل در سازمان شهرداری کرج و یا سمت‌‌های مشابه، تشکیل داده‌اند، در مجموع تعداد 30 پرسشنامه، با بهره‌برداری از تکنیک نمونه‌‌‌‌‌‌گیری غیر احتمالی هدفمند، در دی‌ماه 1399 جمع‌آوری شدند. یافته های پژوهش دلالت بر این دارند که مهم‌‌‌‌‌‌ترین معیار در خوشه عوامل محیط زیستی رها‌‌سازی نخاله‌های ساختمانی، آلودگی خاک در شهر است. همچنین مهم‌‌‌‌‌‌ترین معیار‌‌‌‌‌‌‌ها در خوشه مدیریت شهری ، سلامت و بهداشت می باشد. از طرفی دیگر، مهم‌‌‌‌‌‌ترین معیار در خوشه عوامل اقتصادی رها‌‌سازی نخاله‌های ساختمانی ، هزینه آموزش مدیریت نخاله‌های ساختمانی اولویت‌‌بندی شد، زیرا دارای بالا‌‌‌‌‌‌ترین رتبه فازی بر اساس محاسبات منطق فازی در محیط برنامه‌نویسی Matlab، جهت مدیریت نخاله‌های ساختمانی کرج هستند. نتایج بصورت شفاف آسیب پذیری خاک و سلامت انسان را در برابر مدیریت غیر مسئولانه دورریزهای ساختمانی اثبات نمود . در نتیجه جایگاه این موارد و اولویتهای آنها باید در تنظیم مجدد فعالیت های ساخت وساز با هدف توسعه محیط زیستی ،  اقتصادی  ، اجتماعی و  افزایش بهره‌وری فرآیند ساخت وساز مورد توجه قرار گیرد.

 
دکتر جواد سدیدی، خانم فاطمه تام نیا، دکتر هانی رضائیان،
دوره 11، شماره 1 - ( 3-1403 )
چکیده

یادگیری عمیق یک روش مدرن پردازش تصویر و تجزیه و تحلیل داده هاست که با داشتن نتایج امیدوار کننده و پتانسیل بالا وارد حوزه مدیریت شهری شده است. پروژه (OSM)Open Steet Map بزرگ‌ترین مجموعه ‌داده های مکانی داوطلبانه است که در بسیاری از حوزه‌های کاربردی مختلف به ‌عنوان مکمل یا جایگزین با داده‌های مرجع استفاده می‌شود. در بعضی از موارد در کشورهای پیشرفته دقت داده‌های داوطلبانه تولید شده توسط موبایل و دیگر ابزار توسط کاربران حتی بیش از داده ی مرجع دولتی می‌باشد. هدف از تحقیق حاضر ارزیابی استفاده از هوش مصنوعی در تکمیل داده های داوطلبانه در مناطق کمتر مشارکت شده توسط داوطلبان می باشد. ابتدا با استفاده از شبکه عصبی کانولوشنی Res_UNet کاربری اراضی با دقت 83 درصد به دست آمد، سپس با توجه به پیش‌بینی انجام شده، از روش واحد مبنا جهت ارزیابی میزان کامل ‌بودن داده‌های OSM  استفاده شد. نتایج نشان می‌دهد میزان کامل ‌بودن بلوک‌های ساختمانی OSM در کل منطقه مطالعاتی برابر با 6/3 درصد، جنگل‌ها7/9درصد، درخت‌های میوه 4/90 درصد و زمین‌های کشاورزی 88/81درصد می‌باشد. که نشان از نرخ پایین کامل‌ بودن بلوک‌های ساختمانی و جنگل و نرخ بالای کامل‌ بودن زمین‌های کشاورزی و درختان میوه می‌باشد. نتایج تحقیق بیانگر درصد مشارکت پایین داوطلبانه درتولید داده‌های مکانی می‌باشد. از طرفی دقت بالای تولید کاربری اراضی توسط هوش مصنوعی نتایج امیدوارکننده‌ای را در استفاده از هوش مصنوعی در تولید و تکمیل داده‌های داوطلبانه به ‌جای نیروی انسانی بخصوص در کشورهای کمتر توسعه‌یافته یا مناطق با جمعیت داوطلب کمتر یا نقاط دورافتاده و صعب‌العبور ارائه میدهد


صفحه 1 از 1     

کلیه حقوق این وب سایت متعلق به سامانه نشریات علمی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Spatial Analysis Environmental hazarts

Designed & Developed by : Yektaweb