پیش بینی آسیب پذیری آلودگی نفتی در خلیج فارس با استفاده از روش های هوش محاسباتی در محیط GIS
- سال انتشار: 1401
- محل انتشار: فصلنامه کاربرد سیستم اطلاعات جغرافیایی و سنجش از دور در برنامه ریزی، دوره: 13، شماره: 2
- کد COI اختصاصی: JR_JAMEUM-13-2_003
- زبان مقاله: فارسی
- تعداد مشاهده: 89
نویسندگان
کارشناس ارشد مهندسی عمران آب و سازه های هیدرولیکی، باشگاه پژوهشگران جوان و نخبگان، واحد مشهد، دانشگاه آزاد اسلامی ، مشهد، ایران
گروه مهندسی نقشه برداری و اطلاعات مکانی، دانشکده مهندسی ، دانشگاه تهران، تهران، ایران
دانشیار گروه مهندسی عمران ، واحد مشهد ، دانشگاه آزاد اسلامی ، مشهد ، ایران
دانشجوی کارشناسی ارشد مهندسی و مدیریت منابع آب، دانشکده مهندسی عمران و محیط زیست، دانشگاه تربیت مدرس، تهران، ایران
چکیده
خلیج فارس بخش قابل توجهی از ذخایرنفتی جهان را شامل می شود و عموما آلودگی نفتی یکی از اصلی ترین آلودگی های این منطقه به شمار می رود. اولین گام جهت کنترل و پیشگیری از آلودگی های نفتی، تعیین میزان درجه حساسیت مناطق ساحلی به این نوع آلودگی است. پژوهش حاضر به منظور پیش بینی آسیب پذیری آلودگی نفتی در خلیج فارس می باشد. لذا در این تحقیق به منظور تعیین مناطق پر ریسک آسیب پذیر نفتی در محدوده خلیج فارس معیارهای موثر ازجمله لوله های انتقال نفت، سکوهای نفتی، مسیر عبور و مرور کشتی ها، بنادر، فلزات سنگین، نوسانات تراز سطح آب، بارندگی، جریانات دریایی، آلودگی هوا و بادهای موسمی مورد استفاده قرار گرفت. نوآوری تحقیق حاضر ارائه یک رویکرد ترکیبی جدید جهت تعیین معیارهای موثر آسیب پذیری خلیج فارس می باشد. در این راستا از ترکیب رگرسیون وزن دار جغرافیایی (هسته های گوسین و مکعبی سه گانه) و الگوریتم بهینه سازی ازدحام ذرات گسسته استفاده گردید. روش ترکیبی با دو خواص منحصر به فرد داده های مکانی یعنی خودهمبستگی مکانی و ناایستایی مکانی سازگار است و برای مسائل رگرسیون مکانی مناسب است. مقادیر R۲ و RMSE حاصل از روش GWR با هسته مکعبی سه گانه به ترتیب ۹۹۷۱/۰ و ۲۱۴۲/۰ به دست آمد که نشان دهنده سازگاری بالای هسته مکعبی سه گانه نسبت به هسته گوسین است. هم چنین نتایج بدست آمده نشان می دهد که لوله های انتقال نفت، سکوهای نفتی و مسیر عبور و مرور نفتکش ها بیشترین تاثیر را در آسیب پذیری خلیج فارس دارند.کلیدواژه ها
آلودگی نفتی, خلیج فارس, رگرسیون وزن دار جغرافیاییاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.