جستجو در مقالات منتشر شده
۲ نتیجه برای پورمنافی
مریم کریمیان، امید بیرقدار کشکولی، رضا مدرس، سعید پورمنافی،
دوره ۱۱، شماره ۲ - ( ۳-۱۴۰۱ )
چکیده
هدف این مطالعه، استفاده از الگوریتم DINEOF برای پر کردن نقاط فاقد داده در تصاویر ماهوارهای غلظت کلروفیل a در آبهای سطحی خلیج فارس و دریای عمان میباشد. در این مطالعه از دادههای سطح ۳ (وضوح مکانی ۴ کیلومتر) غلظت کلروفیل a حاصل از سنجنده مودیس در بازه زمانی ۲۰۰۳ تا ۲۰۲۰ در خلیج فارس و دریای عمان (استخراج شده از سایت ناسا) استفاده شد. برخی از تصاویر در بعضی از ماههای سال دارای نقاط فاقد محصول بودند. تصاویر دارای محصولات مفقوده (گپ یا شکاف) غلظت کلروفیل a در خلیج فارس و دریای عمان با استفاده از بسته نرم افزاری rtsa.gapfill و الگوریتم DINEOF در نرم افزار R بازسازی شدند. در نهایت برای ارزیابی صحتسنجی الگوریتم DINEOF، پارامترهایی نظیر RMSE، MSE، MAD و SNR محاسبه شده است. نقشههای اصلی (دارای شکاف) غلظت کلروفیل a نشان دادند که بیشترین میزان محصولات مفقوده در ماه جولای ۲۰۰۹ و ۲۰۱۵ وجود دارد. با ارزیابی صحت بازسازی مشخص شد بازسازی دادههای مفقوده به خوبی توسط الگوریتم صورت گرفته است (به عنوان مثال در ماه جولای ۲۰۱۴ پارمترهای محاسبه شده بدین شرح میباشند: ۸۳/۰R۲=، ۳۴/۰RSME=، ۱۴/۰ MAD=و ۱۰/۰MSE=). بررسی نتایج نشان داد که اجرای الگوریتم DINEOF در نرم افزار R برای بازسازی محصولات مفقوده موجود در تصاویر غلظت کلروفیل a روشی کارآمد، سریع و موفقیتآمیز است. محصولات کلروفیل a حاصل از بازسازی برای کاربردهایی مانند تشخیص شکوفایی جلبکی و همچنین مدیریت مناسب شیلاتی قابل استفاده است. در مقیاس زمانی بلندمدت، مقایسه محصولات مفقوده با بازسازی شده به کنترل کیفیت دادههای ماهوارهای کمک می کند.
مریم کریمیان، امید بیرقدار کشکولی، رضا مدرس، سعید پورمنافی،
دوره ۱۱، شماره ۳ - ( ۵-۱۴۰۱ )
چکیده
کلروفیلa رنگدانه اصلی فیتوپلانکتونی است که به عنوان یک شاخص زیستتوده فیتوپلانکتونی و منعکسکننده تولید اولیه در محیط دریایی است. روند تغییرات در مجموعه دادههای سریزمانی در طول دوره مطالعه میتواند الگوهای عمومی تغییرات و همچنین تغییرات احتمالی در آینده را نشان دهد. در این پژوهش از دادههای سطح ۳ (۴ کیلومتر) غلظت کلروفیلa خلیجفارس و دریایعمان برای سالهای ۲۰۱۸- ۲۰۰۳ استفاده گردید. دادهها در محیط ۵.ArcGIS۱۰ به فرمت رستر تبدیل و سپس مقادیر عددی هر پیکسل در نرم افزار R (version ۴,۰.۲) استخراج گردید. دادههای مفقوده در دادههای کلروفیلa مشاهده شد، برای حل این مشکل از الگوریتم DINEOF و از آزمون ناپارامتریک من-کندال و سنساستیمیتور به منظور تحلیل روندهای غلظت کلروفیلa استفاده شد. نتایج نشان داد که حداکثر غلظت کلروفیلa در ماههای سپتامبر (۰۹/۰ تا ۷۵/۱۸ میلیگرم بر متر مکعب) و اکتبر (۲۳/۰ تا ۰۳/۱۸ میلیگرم بر متر مکعب) و حداقل مقدار غلظت کلروفیلa در ماههای می (۲۲/۰ تا ۷۴/۵ میلیگرم بر متر مکعب) و ژوئن (۲۰/۰ تا ۱۲/۵ میلیگرم بر متر مکعب) است. شیب روند غلظت کلروفیلa در ۱۶ سال مورد مطالعه در اکثر مناطق منفی و فاقد معنیداری بود. این تحقیق ارائه یک توصیف کلی از تغییرات غلظت کلروفیلa و شیب تغییرات آن بر اساس مشاهدات ماهوارهای است. با اینحال، تحقیقات بیشتر بر اساس مشاهدات درجا برای دستیابی به کمّیت بهتر مورد نیاز است.
