جستجو در مقالات منتشر شده


۸ نتیجه برای شریفی

جلال کرمی، امینه محمدی، محمد شریفی کیا،
دوره ۳، شماره ۲ - ( ۲-۱۳۹۵ )
چکیده

افزایش حوادث طبیعی تعمیق آنمتاثر از فعالیتهای انسانی، خسارتهای متعددی را  مخصوصاَ در کشورهای در حال توسعه اموجب شده است.خسارت های مالی و جانی ناشی از حوادث طبیعی در جهان و مخصوصا در کشورهای کمتر توسعه یافته، متاثر از زیرساخت های ضعیف اجتماعی و اقتصادی، روز به روز در حال افزایش می باشد. در میان حوادث طبیعی،  زلزله،  به دلیل غیرقابل پیش بینی بودن، یکی از مخربترین این حوادث به شمار می رود.ایران یکی از زلزله خیزترین کشورهای جهان است و شهرهای آن بر اثر این پدیده بسیار آسیب دیده اند. در بین شهرهای ایران، تهران به عنوان کلانشهر اول کشوربا توجه به جمعیت متراکم، توسعه فیزیکی نامناسب، تراکم سازه ای،  و عدم رعایت استانداردها، با خطر جدی تری روبه رو است.هدف از این پژوهش، بررسی فضایی انعطاف پذیری منطقه ۱۲ تهران پس از زلزله می باشد. در این مطالعه، ابتدا  داده ها ی منطقه ۱۲تهرانآماده و استانداردسازی گردید. سپس با استفاده از روشAHP، میزان ریسک پذیری  منطقه ۱۲ تهران تحلیل شد. در نهایت با توجه به نقشه میزان ریسک پذیری منطقه،  به کمک روش  OWAنقشه نهایی میزان انعطاف پذیری آن پس از زلزله حاصل گردید. نتایج به دست آمده نشان داد که محلات شماره ۲و۱۲ (بهارستان و دروازه غار شوش) کمترین انعطاف پذیری را پس از زلزله دارند.


زینب شریفی، مهدی نوری پور، مریم شریف زاده،
دوره ۴، شماره ۲ - ( ۴-۱۳۹۶ )
چکیده

آسیب پذیری یکی از مفاهیم اساسی در رویکرد معیشت پایدار است که بر اساس وجود زمینه­های آسیب­رسان (تکانه ها، روند ها و فصلی بودن) به دنبال کاهش فقر در جامعه روستایی است. هدف اصلی تحقیق حاضر، شناسایی وضعیت آسیب­پذیری خانوارهای روستاهای بخش مرکزی شهرستان دنا بوده است. جامعه آماری تحقیق ۲۵۰۰ سرپرست خانوارهای روستایی ساکن در ۳۸ روستا بودند که بر اساس جدول کرجسی و مورگان، ۳۰۰ خانوار از طریق نمونه­گیری تصادفی خوشه­ای انتخاب شدند. ابزار جمع­آوری داده­ها در این پژوهش، پرسشنامه ساختارمند و محقق ساخته بود. روایی ابزار تحقیق با استفاده از پانل متخصصان تایید شد. همچنین پایایی ابزار تحقیق با انجام پیش­آزمون در خارج از منطقه مورد مطالعه و محاسبه ضریب آلفای کرونباخ (۹۰۳/۰-۹۱۴/۰) مورد تأیید قرار گرفت. در تحلیل یافته­ها از فاصله انحراف معیار از میانگین بهره گرفته شد. نتایج نشان داد به طور کلی آسیب­پذیری بیش از ۴۰ درصد پاسخگویان در حد متوسط، آسیب­پذیری حدود ۲۵ درصد پاسخگویان در حد زیاد، آسیب­پذیری حدود ۱۵ درصد پاسخگویان در حد بسیار زیاد و در نهایت آسیب­پذیری حدود ۱۰ درصد پاسخگویان در حد بسیار کم بوده است. به منظور کاهش آسیب­پذیری خانوارهای روستایی، تعیین قیمت تضمینی برای محصولات کشاورزی توسط سازمان جهاد کشاورزی و نیز تدوین الگوی کشت در منطقه توسط کارشناسان سازمان جهاد کشاورزی پیشنهاد می­گردد.

زهرا شریفی نیا،
دوره ۷، شماره ۲ - ( ۶-۱۳۹۹ )
چکیده

پژوهش حاضر از لحاظ هدف کاربردی، و از لحاظ روش، توصیفی­– تحلیلی­ است. گردآوری داده­ها با استفاده از روش اسنادی و میدانی(مشاهده و پرسشنامه) جمع آوری شده است، جامع آماری این نوع تحقیق براساس سرشماری آمار۱۳۹۵؛ ۶۹۴۷ خانوار در۲۴ روستا؛ با خطای ۰۷/۰، ­۱۹۱ پرسشنامه به عنوان حجم نمونه محاسبه و براساس رابطه تسهیم نسبت تعداد نمونه­های هر روستا به ۲۳۳ نمونه به صورت تصادفی بین خانوارها توزیع و پخش گردید. برای تجزیه و تحلیل داده­ها از اطلاعات از روش­های آماری توصیفی(­میانگین) و استنباطی(t تک نمونه، فریدمن، تحلیل خوشه­ای) و مدل­های واس پاس، آراس و ویکور،  بهره گرفته شد. نتایج نشان می­دهد که تاب­آوری مناطق روستایی در برابر خشکسالی در سطح پایینی است. یافته­های مدل­های ویکور، اراس و مدل واس پاس نشان داد که روستاهای ولاشد؛ تازه­آباد بستان خیل و دوقائلو رتبه­های اول و تاب­آوری بالا و روستاهای جمان، پلاژارتش و بهزاد کلا در رتبه­های پایین و تاب­آوری پایین قرار دارند.
خانم لاله شریفی‌پور، دکتر محمد جواد قانعی بافقی، دکتر محمد رضا کوثری، آقای ساسان شریفی‌پور،
دوره ۸، شماره ۳ - ( ۹-۱۴۰۰ )
چکیده

خشک‌سالی یک اختلال موقتی است که خصوصیات آن از منطقه­ای با منطقه دیگر متفاوت است، از این ‌رو نمی­توان تعریف جامع­ و مطلق برای خشک‌سالی بیان نمود.در تحقیق حاضر، به منظور معرفی یک روش مناسب جهت پیش­بینی خشکسالی برای یک ماه آتی، چهار روش هوش مصنوعی شامل یادگیری عمیق (Deeplearning) (از شبکه الکس­نت که یکی از شبکه­های کانولوشن می­باشد استفاده شده است)، الگوریتم K نزدیک­ترین همسایه (KNN)، ماشین برداد پشتیبان چند طبقه (SVM-MultiClass) و درخت تصمیم (Decision Tree) در نظر گرفته شد. داده­های بارندگی ۱۱ ایستگاه سینوتیک استان یزد طی دوره ­آماری ۲۹ ساله (۱۹۸۸ تا ۲۰۱۷) به صورت ماهانه به عنوان داده­های آزمایشی مورد استفاده قرار گرفتند. شاخص بارش استاندارد شده (SPI) برای نشان دادن وضعیت خشکسالی از نظر شدت و مدت در مقیاس­های زمانی ۱، ۳، ۶، ۹، ۱۲ و ۲۴ ماهه محاسبه گردید. در ابتدا داده­های بارش به عنوان ورودی شبکه­های عصبی و کلاس­بندی SPI  به عنوان خروجی شبکه­ها قرار داده شد. ۸۰ درصد داده­ها برای آموزش و۲۰ درصد داده­­ها برای تست شبکه­ها به کار گرفته شد. نتایج نشان داد که تمامی شبکه­ها توانایی پیش­بینی خشکسالی را داشته­اند، بر اساس معیار ارزیابی macro-f۱ شبکه Deeplearning در مقیاس زمانی ۱ ماهه با ۷۱/۲۲ درصد، ناکارآمدترین روش و  Decision Tree با ۶۵/۶۴ درصد، کارآمدترین روش بوده­اند، اما با افزایش مقیاس زمانی، شبکه Deeplearning عملکرد خود را بهبود بخشید، به­طوریکه در مقیاس زمانی ۲۴ ماهه با ۳۵/۶۵ درصد، بهترین عملکرد مربوط به شبکه Deeplearning و بعد از آن، شبکه SVM-MultiClass با ۴۰/۵۷ درصد، قرار گرفت.
محمد شریفی کیا، علی موسیوند، مرال پورحمزه،
دوره ۹، شماره ۳ - ( ۹-۱۴۰۱ )
چکیده

تداخل­سنجی راداری تکنیکی کارآمد برای رصد پویایی سطوح است که به کمک آن میتوان ناپایداری سطوح به­خصوص سطوح دامنه­ای که مخاطرات لغزشی را پیامد دارند، تشخیص داده و مورد پایش قرار داد. تشخیص این مخاطره علاوه بر خطرات شناخته شده و متداول آن در پاره­ای مواقع می­تواند تأسیسات و زیرساخت­های مدفون را آسیب رسانیده و خسارات و خطرات فراوانی به همراه داشته باشد. شبکه انتقال نفت از جمله این زیرساخت­هاست که با عبور از نواحی کوهستانی و مستعد لغزش عموماً در خطر شکستگی و نشت قرار دارند. طبق مطالعات صورت گرفته، پژوهشی به منظور تعیین خطرپذیری خطوط لوله با تکنیک تداخل­سنجی راداری در منطقه مورد مطالعه یافت نشد. تحقیق حاضر خطرپذیری شبکه نفت و گاز مارون (مارون-اصفهان) در زاگرس مرکزی از مخاطره زمین­لغزش به کمک تکنیک تداخل­سنجی رادری را هدف داشته است. بدین منظور داده­های دو سنجنده راداری در باند C و L در مقاطع متفاوت زمانی دریافت و مبتنی بر روش تداخل­سنجی تفاضلی میزان تغییرات سطح و جابجایی­های آن محاسبه شد. بر این اساس نرخ حداکثر جابجایی در منطقه حدود ۴/۷ سانتی­متر بالاآمدگی و ۹/۳ سانتی­متر فروافتادگی حاصل شد. پس از آن صحت نتایج بدست آمده از مرحله آزمایشگاهی، در پیمایش میدانی با بازدید از ۳ زمین­لغزش واقع در مجاورت خط لوله و تطبیق مکانی آن­ها با یافته­های آزمایشگاهی سنجیده شد. سپس پهنه­بندی خطر آتی زمین­لغزش در ۵ کلاس خطر با مدل تجربی ارزش اطلاعاتی تهیه و صحت­سنجی شد. مستند به این نقشه، حدود ۲۰ درصد سطح منطقه در کلاس خطر زیاد و بسیار زیاد طبقه­بندی شده است. منطبق­سازی نقشه کلاس­بندی خطر زمین­لغزش با مسیر خط لوله نشان داد که ۵/۲۸ درصد از طول خط لوله مورد مطالعه در کلاس خطر زیاد و خیلی زیاد، و حدود ۵۲ درصد از آن در کلاس خطر کم و بسیار کم قرار گرفته­اند.
 
سید هدایت شیخ قادری، طوبی علیزاده، پرویز ضیائیان فیروزآبادی، رحمن شریفی،
دوره ۱۰، شماره ۱ - ( ۳-۱۴۰۲ )
چکیده

پژوهش حاضر با هدف آنالیز زمانی و مکانی طوفان­های گردوغبار طی بازه­ی زمانی ۲۰۱۶ تا ۲۰۱۸ در شهر کرمانشاه با بهره­گیری از مدل مسیریابی HYSPLIT و پروداکت MCD۱۹A۲ سنجنده­ی مودیس در سامانه­ی تحت وب گوگل ارث انجین انجام گرفت. جهت مسیریابی منشأ ذرات گردوغبار از روش لاگرانژی مدل HYSPLIT در ۴۸ ساعت قبل از وقوع پدیده گردوغبار در کرمانشاه در سه سطح ارتفاعی ۲۰۰، ۱۰۰۰ و ۱۵۰۰ متری مورد استفاده قرار گرفت. یافته­های حاصل از نقشه­های ردیابی مدل HYSPLIT حاکی از آن است که مسیر کلی برای انتقال گردوغبار به منطقه مورد مطالعه مسیر شمال­غرب- جنوب­شرق با منشأ بیابان­های عراق و سوریه در سه ارتفاع ۲۰۰، ۱۰۰۰ و ۱۵۰۰ متری در روز­های ۱۷ ژوئن ۲۰۱۶ و ۲۷ اکتبر ۲۰۱۸ و همچنین مسیر جنوب غرب به غرب با منشأ کویت، شمال عربستان و بخشی از عراق در ۲ نوامبر ۲۰۱۷ می­باشد. نتایج نقشه­های حاصل از پروداکت MCD۱۹A۲ سنجنده­ی مودیس علی‌الخصوص نقشه­های تناوب ­رخداد، غلظت تجمعی، تغییرات مکانی و نقشه بیشترین میزان AOD نشان از همبستگی بالا با نقشه­های مسیریابی شده مستخرج از مدل HYSPLIT دارد. به­طورکلی بر اساس یافته­های حاصل از نقشه­های مستخرج از پروداکت MCD۱۹A۲ سنجنده مودیس طی بازه­ی زمانی ۲۰۱۶ تا ۲۰۱۸ شهر کرمانشاه، مناطق مرکزی و شرقی همواره بیشتر از دیگر مناطق شهر درگیر طوفان گردوغبار گردیده و در این راستا مناطق فوق به‌صورت متوسط، نسبت به دیگر مناطق شهر بیشتر با آلودگی ناشی از گردوغبار مواجه بوده­اند. در این راستا نتایج نهایی نشان­دهنده­ی همبستگی بالا بین داده­های PM۱۰  واقعی و مقادیر AOD مشتق شده از سنجنده مودیس می­باشد.
سعیده کوهستانی، بیژن سیاف زاده، عبدالرضا سروقد مقدم، مهدی شریفی،
دوره ۱۰، شماره ۴ - ( ۱۰-۱۴۰۲ )
چکیده

با افزایش تعداد کارخانه­های فرآیندی به دلیل نیاز جوامع بشری به محصولات این کارخانه­ها، دسته جدیدی از حوادث ناشی از انواع خرابی‌های رویداده در آنها و تاثیر مخرب این رویدادها بر روی جوامع و محیط زیست و اقتصاد مشاهده شده است. افزایش حوادث ناشی از تاثیر مخاطرات طبیعی بر روی صنایع و تحمیل هزینه بسیار به جوامع و دولت­ها، و آسیب­پذیری بالای صنایع مذکور و نواحی شهری به این دسته از رویدادها، نیاز به توجه به این دسته از رویدادها را بیشتر نمود. با اینحال همچنان در بسیاری از مناطق دنیا به این موضوع آنچنان که باید پرداخته نشده است و همچنان با این دیدگاه که احتمال وقوع این قبیل حوادث بسیار ناچیز می­باشد از پرداختن به آن و همچنین تعریف و پذیرش مسئولیت در برابر آن شانه خالی می­شود و این درحالیست که فراوانی و توسعه روزافزون این رویدادها نشان داده شده است.  در این مقاله با اتکا به آمارهای موجود به ارزیابی و مقایسه تبعات مخاطرات طبیعی منجر به رویداهای طبیعانه پرداخته می­شود. منظور از رویدادهای طبیعانه، حوادث فناورانه ناشی از مخاطرات طبیعی می‌باشد که به عنوان رویدادهایی با پیامد بالا و احتمال پایین در نظر گرفته می‌شوند و می‌توانند یک ناحیه وسیع را تحت تاثیر قرار دهند و منجر به حوادث بزرگ و زنجیره وار شوند. بعد از معرفی و دسته بندی رویدادهای طبیعانه، مقایسهای از توزیع و تبعات این رویدادها در ایران و جهان بر اساس مقالات و تحقیقات موجود صورت پذیرفته است. این تحقیقات نشان می‌دهد که بر خلاف مخاطرات طبیعی به رویدادهای طبیعانه در کشور توجه لازم نشده است. این در حالیست که هم تنوع کارخانه‌ها و سازه‌های صنعتی در ایران بسیار زیاد است که شرایط موجود و نیز روال تعمیر و نگهداری آنها مناسب نیست و هم بررسی آمار جمع آوری شده در این تحقیق نشانگر پتانسیل بالای وقوع حوادث فناورانه در کشور می­باشد. در نهایت برای گام اول در راستای افزایش سطح آمادگی برای رویدادهای طبیعانه مرور تجارب موثر جهانی توصیه می­شود.  شناسایی و دسته بندی این صنایع، تدوین اطلاعاتی که در گزارشات ایمنی آنها باید وجود داشته باشد و نیز بررسی سناریوها و لحاظ کردن اثر دومینویی پیشنهاد شده و توصیه‌هایی در این راستا مدون شده‌ است.

دکتر صیاد اصغری سراسکانرود، زهرا شریفی، زهرا شهبازی،
دوره ۱۱، شماره ۴ - ( ۱۲-۱۴۰۳ )
چکیده

زمین‌لغزش به‌عنوان یکی از خطرناک‌‌ترین مخاطرات طبیعی در نواحی کوهستانی همواره تأسیسات انسانی به‌ویژه جاده‌ها و محورهای ارتباطی را تهدید می‌کند و رخداد آن خسارات جانی و مالی بسیاری را همراه دارد لذا مطالعه و شناخت این مخاطره در جهت پهنه‌بندی خطر وقوع آن امری ضروری است. هدف از این پژوهش پهنه‌بندی خطر وقوع زمین‌لغزش در جاده ماسال به گیلوان با استفاده از الگوریتم شبکه عصبی می‌باشد. الگوریتم شبکه عصبی جزوه یکی از بهترین مدل‌های یادگیری ماشینی شناخته می‌شود که در عین سادگی توانایی حل مسائل پیچیده در امر پیش‌بینی و طبقه‌بندی را دارد. لذا در این جهت برای پهنه‌بندی خطر وقوع زمین‌لغزش ۹ عامل تأثیرگذار به ترتیب: ۱- زمین‌شناسی ۲-پوشش گیاهی ۳- شیب ۴- کاربری اراضی ۵- فاصله از جاده ۶-جهت شیب ۷- ارتفاع ۸- فاصله از گسل ۹- فاصله از رودخانه استفاده‌شده است. بنابراین داده‌ها بعد از تهیه و پیش‌پردازی وارد نرم‌افزار متلب ۲۰۱۸ شده و مدل‌سازی الگوریتم شبکه عصبی با ۹ نورون ورودی ۸ نورون میانه و ۱ نورون خروجی طراحی و اجراشده و نتایج نشان داد که چهار عامل که بیش‌ترین ارزش وزنی را داشته به ترتیب مربوط به لایه‌های شیب با مقدار ۲۴/۰ درصد، پوشش گیاهی با مقدار ۱۷/۰ درصد، عامل فاصله از گسل با مقدار ۱۴/۰ درصد، زمین‌شناسی با مقدار ۱۱/۰ می‌باشد. و صحت‌سنجی نهایی از خروجی با استفاده از نمودار ROC نشان داد که مقدار AUC عدد ۸۵۴/۰ در بخش آموزش و ۹۷۱/۰ در بخش تست شبکه هر دو در حالت بسیار مطلوب قرار دارند و میزان خطا بسیار پایین است.
 

صفحه ۱ از ۱     

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

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2025 CC BY-NC 4.0 | Journal of Spatial Analysis Environmental hazarts

Designed & Developed by : Yektaweb