این پژوهش با هدف ارزیابی ارتباط میان پارامترهای هواشناسی و غلظت ذرات معلق PM10 و پیش‌بینی میزان این آلاینده در شهر اهواز انجام‌شده است. داده‌های روزانه‌ی پارامترهای هواشناسی (دما، سرعت باد، جهت باد، دید افقی، بارش و رطوبت نسبی) و غلظت PM10 در بازه زمانی 1390 تا 1402 از سازمان هواشناسی و اداره کل محیط‌زیست خوزستان گردآوری شد. پس از پیش‌پردازش داده‌ها، از آزمون کلموگروف-اسمیرنوف برای بررسی نرمال بودن توزیع آن‌ها استفاده شد. با توجه به عدم نرمال بودن داده‌ها، از ضرایب همبستگی اسپیرمن و تاوی بی کندال برای ارزیابی ارتباط میان متغیرها بهره گرفته شد. تحلیل‌های آماری و مدل‌سازی با استفاده از نرم‌افزار SPSS و زبان برنامه‌نویسی پایتون در محیط اسپایدر انجام شد.
نتایج تحلیل همبستگی نشان داد که بین غلظت PM10 و برخی پارامترهای هواشناسی ارتباط معناداری وجود دارد. به‌طور خاص، همبستگی مثبت و معناداری بین PM10 و دما (0.284 و 0.187) و سرعت باد(0.094 و 0.061)، و همبستگی منفی و معناداری بین PM10 و دید افقی (0.408- و 0.300 -)، جهت باد (0.048 – و 0.034 -)، بارش (0.159 – و 0.125-) و رطوبت نسبی (0.259 – و 0.173-) مشاهده شد.
در ادامه، برای پیش‌بینی غلظت PM10 از مدل شبکه عصبی مصنوعی چندلایه پرسپترون (MLP) استفاده شد. ساختار شبکه شامل یک لایه ورودی با شش نورون (مربوط به شش پارامتر هواشناسی)، سه لایه مخفی با ۱۶، ۳۲ و ۶۴ نورون و یک لایه خروجی بود. نتایج ارزیابی مدل نشان داد که شبکه عصبی MLP توانایی بالایی در پیش‌بینی غلظت PM10 دارد و خطای پیش‌بینی در مراحل آموزش، اعتبارسنجی و آزمون در سطح قابل قبولی قرار دارد.
 

این تحقیق با هدف مدلسازی تغییرات زمانی-‌ مکانی آلبدو با استفاده از اثر همزمان چند مولفه از جمله: رطوبت لایه سطحی خاک (Wetness)، ابرناکی(Cloudiness)، توپوگرافی و تراکم پوشش گیاهی(NDVI) با استفاده از مدل MEERA2 با قدرت  تفکیک 50 در 50 کیلومتر طی سال­های 2000 تا 2010 در گستره­ی ایران مورد بررسی قرار گرفت. نتایج حاصل از تحلیل فضایی مقادیر آلبدو در گستره ایران نشان داد که بیشترین مقدار در طول جغرافیایی 44 تا 45 درجه شرقی به میزان 2/8 تا 3/3 و کمترین مقدار بازتابش نیز بین 52 تا 53 درجه طول­ شرقی یعنی دامنه های شرقی رشته کوه­های زاگرس به میزان 1 تا 1/5 واحد به ثبت رسیده است. از نظر رتبه استانی نیز بیشترین بازتابش به میزان 0/25واحد مربوط به استان ایلام می باشد و سپس استان فارس به مقدار 0/24 واحد در رتبه بعدی قرار گرفته است. کمترین میزان آلبدو نیز به استان­های گیلان و سپس مازندارن با مقادیر 0/17 و 0/19 واحد اختصاص دارد. همچنین نتایج حاصل از تحلیل زمانی در مقیاس فصلی نشان داد که بیشترین مقدار آلبدو در پهنه ایران در فصل زمستان به مقدار 0/26 واحد و حداقل مقدار بازتابش در فصل بهار با 0/23 واحد به ثبت رسیده است. در مجموع با توجه به عوامل مورد استفاده، می­توان گفت که مناطق غرب و مرکز کشور دارای بیشترین؛ و مناطق شمال و شمالغرب کشور دارای کمترین آلبدو هستند.
 

هدف از این تحقیق بررسی اثرات نوسان اطلس شمالی بر تغییرات تراز میانی جو و در نتیجه ریزش‌های غرب کشور می‌باشد. جهت انجام این کار، ابتدا داده­های بارش ماهانه 17 ایستگاه سینوپتیک منتخب غرب کشور در بازه­ی زمانی 30 ساله از سال­های 1984 تا 2014 از سازمان هواشناسی کشور اخذ شد. همچنین داده‌های پیوند از دور نوسان اطلس شمالی و داده‌های ناهنجاری ارتفاع ژئوپتانسیل، فشار تراز دریا و بارش از سایت NOAA دریافت گردید. برای مشخص شدن ارتباط بین دو فاز شاخص NAO با بارش غرب ایران از ضریب همبستگی پیرسون در سطح حداقل معنی‌داری95 درصد، (P_value = 0.05) استفاده شد. در نهایت با استفاده از نقشه‌های سینوپتیک، ارتباط فضایی بین داده‌ها، مورد تجزیه‌وتحلیل قرار گرفت. نتایج گویای آن بود که بین تغییرات نوسان اطلس شمالی با ناهنجاری ارتفاع تراز میانی جو و میزان بارش‌های غرب ایران در چهار ماه­ ژانویه، مارس، آوریل و نوامبر ارتباط و همزمـانی وجـود دارد. نتایج نشان داد که، در زمان حاکمیت فاز مثبت نوسان اطلس شمالی، میانگین ناهنجاری ارتفاع تراز میانی جو در نیمه غربی ایران 17 متر کم‌تر از بلندمدت می شود و میانگین بارش در هر ماه 5/23 میلی‌متر افزایش‌ یافته و تر­سالی حاکم شده؛ اما زمانی که حاکمیت با فاز منفی باشد، ناهنجاری ارتفاع تراز میانی جو به‌طور میانگین 20 متر بیشتر از نرمال است، در نتیجه خشک‌سالی غرب کشور را فرا خواهد گرفت و بارش این منطقه هر ماه با کاهش 30 میلی­متری روبرو خواهد شد. درکل می­توان گفت که خشک‌سالی‌های همزمان با فاز منفی بسیار شدیدتر از ترسالی‌های ناشی از فاز مثبت نوسان اطلس شمالی بوده است.

با استفاده از مدل‌سازی رشد و توسعه شهری می­توان روند توسعه­ای متناسب با موقعیت شهر را با توجه به فاکتورهای زیست‌محیطی و عوامل طبیعی و جمعیت ­پذیری ترسیم کرد. هدف از انجام این پژوهش ارائه مدل توسعه شهری شوشتر است که به‌عنوان ابزار مفیدی برای تجزیه‌وتحلیل فرایندهای پیچیده تحولات شهری استفاده شود. برای نیل به این هدف از دو پایگاه داده نقشه­ های کاربری های شهری فضاهای آموزشی، درمانی، مسکن و... و تصاویر ماهواره­ای لندست برای کاربری­ های اراضی عمده مانند رودخانه، مناطق بایر، جنگل و... در سه دوره زمانی 1991، 2004 و 2014 در محیط نرم ­افزارهای GIS و MATLAB استفاده شد. نقشه ­های کاربری­ های شهری موجود پس از رقومی ­سازی، با استفاده از تصاویر ماهواره ­ای لندست به‌روزرسانی شدند. سپس پارامترهای مؤثر در توسعه ­ی شهری به‌عنوان ورودی با الگوریتم استنتاج نرو- فازی تطبیقی (ANFIS) وارد شدند و پس از آموزش برای سال­ های 1991 و 2004، به‌منظور ارزیابی عملکرد روش پیشنهادی، نتیجه پیش­ بینی توسعه شهری با استفاده از الگوریتم، با وضعیت موجود در سال 2014 مقایسه گردید که نتایج بسیار به واقعیت نزدیک و با صحت سنجی 93.7% است. نقشه تغییرات کاربری که نتیجه فرایند آشکارسازی تغییرات می‌باشد را می‌توان بر اساس تصاویر چندزمانه سنجش‌ازدور و تلفیق آن با نقشه­ های کاربری شهری تهیه‌کرده و پیامدهای مربوطه را موردبررسی قرار داد. استفاده از الگوریتم ­های هوشمند در این تحقیق به ما این امکان را داده که با صحت بالا مدل‌سازی را انجام دهیم. نتایج به‌دست‌آمده قابل‌قبول بوده و این توسعه برای سال ­های آتی نیز پیش ­بینی شد.