به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه "cellular automata" در نشریات گروه "جنگلداری"

تکرار جستجوی کلیدواژه «cellular automata» در نشریات گروه «کشاورزی»
جستجوی cellular automata در مقالات مجلات علمی
  • طاهره قائمی راد، محمد کریمی *

    پیش بینی صحیح گسترش آتش سوزی جنگلی موضوعی حیاتی در کاهش اثرات مخرب ناشی از آن است. آتش سوزی جنگل به عامل های متعددی ازجمله توپوگرافی، پوشش گیاهی و اقلیم بستگی دارد. در حال حاضر یکی از چالش های موجود در مدل سازی آتش سوزی جنگلی نحوه ارتباط آن با مشخصه های ایستا و پویای مکانی و زمانی موثر بر گسترش آتش سوزی ازجمله سرعت و جهت باد است. در این پژوهش، سه رویکرد مطرح در مدل سازی این پارامترها شامل کارافیلیدیس (Karafyllidis)، برجاک (Berjak) و پروجیاس (Progias) بررسی و تحلیل شدند و اهمیت پارامترهای اندازه پیکسل و گام های زمانی تغییر وضعیت در اتوماتای سلولی مورد توجه قرار گرفت. منطقه موردمطالعه، محدوده ای از جنگل های بخش لاکان شهرستان رشت بود. ابتدا داده های توپوگرافی، پوشش گیاهی، سرعت و جهت باد جمع آوری و در محیط GIS آماده سازی شدند. سپس سه رویکرد مطرح در منطقه موردمطالعه پیاده سازی شدند و با انجام آنالیز حساسیت مربوط به پارامترهای اندازه پیکسل و بازه های زمانی، میزان کارایی هر یک از طریق مقایسه جبهه آتش شبیه سازی شده با واقعیت و از طریق محاسبه ضریب کاپا، مورد ارزیابی و مقایسه قرار گرفت. نتایج به دست آمده حاکی از آن بود که روش برجاک با طول ضلع پیکسل سه تا هفت متر برای مدل سازی گسترش آتش در مناطق جنگلی استان گیلان مناسب است.

    کلید واژگان: آتش سوزی جنگل, ابعاد پیکسل, اتوماتای سلولی, گام زمانی, مشخصه های پویای مکانی و زمانی
    Tahereh Ghaemi Rad, Mohammad Karimi

    Accurate prediction of forest fire spread is crucial in minimizing its destructive effects. Forest fire depends on various factors e.g. topography, vegetation and climate. One of the challenges in modeling forest fire concerns the way it interacts with static and dynamic spatiotemporal trajectories affecting its spread such as slope, wind speed and wind direction. In this study, three previously developed approaches Karafyllidis, Berjak and Progias for modeling those parameters were analyzed, followed by investigating the effects of pixel size and time steps in a cellular automata. The study was conducted in the Lakan forest district in the vicinity of Rasht in Guilan province. The available topographic, vegetation, wind speed and wind direction data were initially analyzed in GIS. Then the three modeling approaches were implemented, followed by a consequent sensitivity analysis on the pixel size and time steps of switching in cellular automata, The effectiveness of the approaches was compared by means of Kappa coefficient. The results indicate that the Berjak method with a 3-7 m pixel size is more appropriate for modeling the spread of fire across the study site.

    Keywords: Forest fire, pixel size, cellular automata, time steps, dynamic spatiotemporal parameters
  • آرش زارع گاریزی، واحدبردی شیخ، امیر سعدالدین، عبدالرسول سلمان ماهینی
    اهمیت پوشش و کاربری اراضی به عنوان یک عامل پویا و موثر بر شرایط زیستی ایجاب می کند که همواره اطلاعات کمی و کیفی دقیقی از آن تهیه و تغییرات مربوط به آن در بازه های زمانی کوتاه مدت تعیین گردد. مدل سازی تغییرات پوشش اراضی، اطلاعات ارزشمندی را برای ادراک بهتر فرایند تغییر، تعیین عوامل موثر و پیش بینی مناطق در معرض تغییر فراهم می آورد. در تحقیق حاضر از مدل تلفیقی CA-Markov برای شبیه سازی تغییرات پوشش جنگلی در آبخیز چهل چای مینودشت استفاده شد. این مدل که تلفیقی از سلول های خودکار و زنجیره مارکف است، با افزودن مشخصه مجاورت مکانی به مدل تصادفی زنجیره مارکف، پوشش اراضی را برای سالهای آینده پیش بینی می کند. از تصاویر سنجنده TM سال 1987، نقشه کاربری سال 2001 و تصویر ETM+ سال 2009 برای تهیه نقشه پوشش جنگلی آبخیز چهل چای و ارزیابی تغییرات آن در طی زمان استفاده گردید. به منظور بررسی ارتباط تغییرات پوشش جنگل با برخی عوامل محیطی و انسانی و تهیه نقشه های شایستگی تبدیل اراضی، رابطه رگرسیون لجستیک بین نقشه تغییرات پوشش جنگلی به عنوان متغیر وابسته و عوامل موثر به عنوان متغیر های مستقل، برقرار گردید. سپس پوشش و کاربری اراضی سال 2009 با استفاده از مدل CA-Markov و بر مبنای تغییرات مشاهده شده بین سالهای 1987 تا 2001، پیش بینی شد. اعتبار-سنجی مدل با مقایسه نقشه شبیه سازی شده با نقشه واقعی حاصل از طبقه بندی تصویر ماهواره ای سال 2009 انجام شد. ضریب صحت استخراج شده، نشان دهنده قابلیت بالای این مدل برای شبیه سازی تغییرات پوشش جنگلی در آبخیز چهل چای می باشد (شاخص کاپا = 92/0). در نهایت با فرض ادامه روند کنونی، نقشه پوشش جنگلی آبخیز مورد نظر برای سال 2020 پیش بینی گردید که نتایج بیانگر کاهش قابل توجه مناطق جنگلی است.
    کلید واژگان: تغییرات گستره پوشش جنگلی, رگرسیون لجستیک, زنجیره مارکف, سلول های خودکار, آبخیز چهل چای
    A. Zare Garizi *, V. Sheikh, A. Sadoddin, S. Mahiny
    The importance of land-use/ land-cover (LULC) as a dynamic factor and effective on environmental conditions, makes it necessary to get precise quantitative and qualitative information from it and to identify its changes through short time periods. Modeling LULC changes provides useful information for better understanding of the changes process, determining driving forces and predicting areas under change conditions. In this study, the integrated CA-Markov model was used to simulate forest cover changes in the Chehelchay Water catchment at minodasht area of Golestan province of Iran. CA-Markov is a combined Cellular Automata/Markov chain land cover prediction procedure that adds an element of spatial contiguity to the stochastic Markov chain analysis. Landsat images of 1987 and 2009 and land-use map of 2001 were used to derive forest extent maps of the Chehelchay Water catchment and characterize changes through time. To investigate the relationships between forest extent changes and some environmental and human-related factors and to produce transition suitability maps, a logistic regression analysis was applied between forest extent changes as response variable and the deriving factors as explanatory variables. Future LULC types for 2009 were then predicted using CA–Markov model, based on the land-cover changes between 1987 and 2001. In order to evaluate the modeling results, prediction for 2009 was compared with the observed 2009 land cover map. The computed accuracy coefficient indicated high efficiency of CA-Markov for simulating forest extent changes in the Chehelchay Water catchment (Kappa = 0.92). Finally, assuming current trends in LULC changes continue, forest cover map for the year 2020 was developed. The results indicate that there will be a notable decrease in forest area
    Keywords: Forest extent changes, Logistic regression, Markov chains, Cellular Automata, the Chehelchay Watershed
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال