Jamil Amanollahi

Groundwater, a vital source for drinking water, agriculture, and industry, is under serious threat of contamination. One of the major sources of this pollution is landfills, especially when the waste contains heavy metals. Leachate from waste contains toxic and hazardous compounds that can easily penetrate through soil and reach groundwater. Therefore, the aim of this study is to investigate several physicochemical parameters and heavy metals in groundwater near a landfill site. In this study, the impact of leachate on groundwater quality at an uncontrolled landfill site was examined using paired t-test statistical analysis. Thus, various physicochemical parameters in leachate (as the pollution source) and groundwater samples will be analyzed. In this research, 64 water samples were collected from 32 water wells, with 3 half-liter bottles taken from each well for analysis. Sampling was conducted in two phases - 32 samples in autumn and 32 samples in spring. Water physicochemical parameters including pH, dissolved oxygen, total dissolved solids (TDS), and electrical conductivity (EC) were analyzed using multi-parameter devices within 6 hours after sampling in Iraq. Additionally, sodium, potassium, nitrate, and COD were examined in the laboratory. The most important water pollution parameters, heavy metals including Zn, Pb, Ni, Cr, Cd, Fe, Mn, and Cu, were measured using atomic absorption spectroscopy. The mean concentrations of heavy metals during two different sampling periods, one in autumn and the other in spring, were examined. Based on the obtained data, a significant difference in heavy metal concentrations was observed between these two seasons, with overall results indicating that the mean concentration of heavy metals in autumn is lower than in spring. Among all heavy metals studied, the greatest difference in mean concentration was related to zinc (Zn), with a mean concentration of 228.5 ppb in spring and 48 ppb in autumn. This significant difference indicates a considerable decrease in zinc concentration in autumn compared to spring. In contrast, the smallest difference in mean concentration was for lead (Pb), with a mean concentration of 94.25 ppb in spring and 85.25 ppb in autumn. This small difference is evidence of the relative stability of lead concentration between the two seasons studied. In the paired t-test, parameters TDS, pH, Na, K, EC, Cd, Zn, and Cu showed significant differences, increasing in spring compared to autumn with the onset of rainfall and increased leachate at the landfill site.

Ecosystem service potential is often assessed using land cover data. The actual use of cultural ecosystem services (CES) by stakeholders is often assumed to match the potential of the region. In this research, cultural ecosystem services such as recreation, inspiration, or scenic beauty were evaluated in the Bijar mountain protected area and its surroundings, and the level of alignment and fit between land potential and existing use of CES was studied. The potential of CES was modeled using six biophysical indices derived from ground observations and open space data. For existing CES use, collaborative mapping was utilized with protected area visitors and local experts. For this purpose, visitor preferences were taken into account, and the actual use of CES was modeled as a function of landscape biophysical indicators proportional to the weight of each indicator. Biophysical information and the use of land cover data alone cannot fully describe the actual use of CES, but they showed a good fit of 75% between the modeled potential supply and the actual use. Additionally, accessibility was calculated as an influencing factor in the protected area by computing the travel cost, and the effect was given to increase the explanatory power. The results of this study can improve visitor management by preparing a map of ecosystem cultural services and addressing the actual use of CES, thereby providing basic information for landscape management and conservation planning and management for managers, as well as providing a valuable experience of nature for visitors. Broader socio-cultural characteristics are needed to fully explain the spatial patterns that attracted visitors to CES-protected areas, which require further research and investment.

Inland freshwater resources, such as rivers and lakes, play a crucial role in supporting various living organisms, agricultural and industrial activities, and the overall ecosystem of a region. One influential factor that affects water quality is colored dissolved organic matter (CDOM). This study aimed to assess CDOM levels in the Zarivar wetland using satellite images from Landsat 8, Landsat 9, and Sentinel 2, and to estimate CDOM levels using machine learning algorithms. The 355 nm absorption coefficient was utilized in this study to determine CDOM levels in the collected data. Atmospheric corrections, specifically FLAASH and C2RCC, were applied to the L1 and L1C satellite images, while Level 2, L2A satellite images were used. Pearson's correlation was employed to identify the most suitable band ratio among B3/B4, B4/B5, B2/B3, B4/B2, and B2/B4 as inputs for the models used in this study. Three different models, namely linear regression, multiple linear regression (MLR), and ANFIS, were employed to estimate and predict CDOM levels in the Zarivar International Wetland. The models were validated using parameters such as R2, RMSE, and MAE. The results indicated that FLAASH correction and L2A images yielded the most accurate outcomes among the atmospheric corrections. Additionally, the B3/B4 and B2/B3 band ratios, along with Landsat 9 satellite, demonstrated superior performance in estimating CDOM levels. Among the models, the ANFIS model exhibited the highest accuracy for the training data with R2=0.9, RMSE=0.07, and MEA=0.06. However, it displayed lower accuracy for the validation data with linear regression R2=0.71, RMSE=0.8, and MEA=0.78. Consequently, the linear regression model exhibited less stability compared to the other two models. The MLP model achieved higher accuracy in both training and validation data with R2=0.86, RMSE=0.2, and MEA=0.13, surpassing the linear regression model. Overall, all three models achieved accuracy levels above 70% in estimating the CDOM absorption coefficient based on the available data.

Lannd surface temperature (LST) is one of the important findings of remote sensing data that has made it possible to examine the course and flow of energy at the Earth's surface. Awareness of the changes and fluctuations of this factor at the level of the land screen can help to study the flow and flow of energy. Urbanization and its development is one of the most important and influential factors on the course of temperature at the Earth's surface. Kermanshah is one of the largest megacities of the country, which has grown a lot over the past few years. One of the parameters that can be investigated for the development of the city is the use of ground surface temperature. In this regard, the aim of this study was to investigate thermal islands in the metropolitan city of Kermanshah. Using images from the Landsat 8 OLI sensor satellite and using the reverse of the Planck function, the temperature of the Earth's surface was calculated as a seasonal average for the winter, spring, summer and autumn seasons of 2014, 2017 and 2021 in the environment of the Google Earth Engine system. Getis-Ord Gi analysis was then used in ArcGIS10.4.1 software environment to obtain thermal islands. The z-statistic of this analysis was used and hot and cold thermal spots were considered, which were 95% or more likely to be distinct from the surrounding environment. Then, the displacement of hot and cold thermal islands with seasonal changes was considered by the Kappa index. The degree of fragmentation and continuity of heat spots using land surface metrics including number of spots (NP), percentage of class area (PLAND), spot density (PD), largest spot (LPI), edge density (ED) , land surface shape (LSI) and environmental fractal or edge distortion (PAFRAC) were used. The results of this study showed that the temperature of the studied area is increasing in all seasons of winter, spring, summer and autumn. The city of Kermanshah acts as a cold heat island in the hot seasons, and most of the urban fabric is a cold heat island, instead, the entire surrounding area of the city is covered by hot heat islands. This form of distribution of thermal islands shows the role and influence that agricultural lands around Kermanshah city have on the formation of thermal islands in Kermanshah city. The islands of thermal cold are fragmented in accordance with the green spaces of the city as well as the urban texture, which have been on a growing trend since 2014. The overlap of warm thermal islands shows that with the change of seasons from winter to spring, the Kappa index is 0.274, and in the following years this adaptation has increased further, but based on the fluctuation of the Kappa index, the value is no different from the random fold. In general, the change of season from winter to spring Thermal islands have high volatility. In the case of cold thermal islands, with the change of season from summer to autumn, there is the greatest stability in urban heat islands. The findings of this study could be useful towards better management of Kermanshah city-level thermal islands.

These days, following human actions and climate changes, protected areas that have great ecological importance have been destroyed and transformed. The Remote Sensing Ecological Index (RSEI), constructed by combining vegetation (NDVI), moisture (WET), snow (NDSI), and heat (LST) indices, is increasingly used to assess environmental quality. In this research, this index was used to evaluate and monitor changes in the environmental quality of the protected area of Badr and Parshan. For this purpose, Landsat satellite images for 2000, 2010, and 2021 were downloaded and processed in Envi 5.3, Arcmap 10.4.1, and Terrset 2020 softwares. The indicators of vegetation cover, snow cover, humidity, and surface temperature of the earth for this region was extracted. The results showed that the NDVI index fluctuated a lot over time, and in general, the region does not have good conditions in this regard. The NDSI index showed that over time the snow cover in the region fluctuated and generally decreased. The results of the WET index also showed that the general trend of changes was positive. Also, the results of the land LST index have indicated the increase of this index over time as well as spatial differences in the region. The results of the integration of the indicators also show an increase in the quality of the environment in 2010-2000 and a decrease in the environment in the protected area of Badro Parshan during 2010-2021. Overall, The results showed that remote sensing data can provide accurate information about the earth's surface, and remote sensing has become a powerful tool for environmental monitoring with the ability to monitor several areas simultaneously. In addition, the use of remote sensing data can reduce the need for field surveys, which can save time and money

Air is one of the essential needs for the continuation of human life. Air pollution is one of the most important challenges today. One of the pollutants that affects air quality and human health is NO2 in the air. Factors such as vehicles, high and long-term traffic and population increase can affect air quality. The purpose of this research is to estimate the nitrogen dioxide concentration by passive sampling method in Marivan city and predict the concentration by modeling method. In this research, passive samplers of palm type were produced in the laboratory. Steel grids impregnated with triethanolamine absorbent were used in this type of sampler. The sampling period was 15 days. The number of samples was considered to be 83 samples for the summer season and 87 samples for the winter season. Sampling areas include three high-traffic, medium-traffic and low-traffic areas. In order to carry out quality control and quality assurance, travel, laboratory and environment witness samples were made and installed in the required number to ensure the accuracy of the measurements. To determine the accuracy, 10% of the samples were taken and measured in two replicates using the relative difference percentage method. After sampling, the nitrogen oxide content of each sample was determined by conversion to nitrite and colorimetric method with a spectrophotometer. Finally, Fick's law was used to determine the environmental nitrogen dioxide concentration. ANFIS and MLP models were used to predict the concentration for the summer season. The results showed that the most air pollution is in high-traffic areas of the city, which includes the center and exits of Marivan city. In the winter season, the average concentration of high-traffic areas is 68.54 micrograms per cubic meter, and in the summer season, the average concentration of high-traffic areas is 46.22 micrograms per cubic meter. Low traffic areas also had the lowest concentration in both seasons. In winter, it is equal to 28.8 micrograms per cubic meter and in winter it is equal to 51.85 micrograms per cubic meter. Therefore, the main sources of nitrogen dioxide emissions are vehicles and fuel combustion in homes. The average concentration in the summer season was 39.6 μg/m3 and in the winter season it was 60.89 μg/m3. The results of predicting NO2 concentration using models showed that the MLP model with a correlation coefficient of 0.66 performed better than the ANFIS model in the summer season.

Achieving sustainable development depends on paying attention to the existing norms in each region. Environmental protection is one of the foundations of sustainable development. The purpose of this research was to identify areas with potential for nature tourism and analyze the norms effective on its actualization in local communities in the protected area of Badr and Parshan in Kurdistan province, Qorve city. The statistical population in this region was 146 people in the villages of Puloserkan, Sarqal, Mihem Sefali, Mihem olia, Vali-Abad and Nemat-Abad, and 106 people were selected as a sample according to Cochran's formula and matching with Morgan's table. In order to calculate the internal consistency of the research tool, Cronbach's alpha statistic method was used. Spearman's correlation was used for the relationship between independent and dependent variables. GIS approach was used to investigate the potential of nature tourism in Badr and Parshan region. In this method, land use indicators, digital height model, vegetation density, slope direction, slope, soil science, distance from the road and distance from water resources were used. The results of the Spearman test showed that all six independent variables (legal norms, normative beliefs, cooperative norms, acceptance of responsibility, awareness of environmental consequences and environmental concerns) have a positive and significant relationship with nature tourism. Also, the empirical t-values of the path of the influence of the acceptance of responsibility factor on the nature tourism factor, the awareness of environmental consequences factor on the nature tourism factor, the participatory norms factor on the acceptance of responsibility factor, the legal norms factor on the nature tourism factor and the concern factor Environment on the factor of nature tourism is greater than the critical value and shows a significant relationship. The results of nature tourism potential showed that most of the study area has "suitable", "moderate", "very unsuitable", "very suitable" and "unsuitable" tourism potential. The area of each of these levels is 11274, 11075, 9786, 9699 and 9250 hectares respectively.

امروزه، ارزیابی کیفیت سرزمین به عنوان ابزاری برای آمایش و پایش محیطزیستی مورد استفاده قرار می گیرد. از آنجایی که مدیریت پایدار سرزمین امر مهمی به نظر می آید، پژوهش حاضر هم به پایش و ارزیابی مدیریت پایدار سرزمین در مناطق حفاظت شده پرداخته است. لازمه مدیریت و حفاظت سرزمین شامل: خاک، آب و هوا، توپوگرافی و ویژگی های زیستی است. این تحقیق با هدف ارزیابی تخریب اکولوژیکی منطقه حفاظت شده کوسالان با استفاده از سنجش ازدور و GIS انجام شده است. ابتدا به منظور آشکارسازی روند تغییرات پوشش گیاهی از تکنیک های سنجش ازدور استفاده شد. تصاویر دو دوره زمانی مربوط به سال های 1989 و 2020 تهیه و با استفاده از نرم افزار Envi 5.3 مورد ارزیابی قرار گرفت. برای این منظور پس از انجام تصحیحات رادیومتریک و اتمسفریک شاخص NDVI تغییرات پوشش گیاهی در منطقه در دو بازه زمانی مورد بررسی ارزیابی شد. سپس به منظور مدل سازی تخریب اکولوژیک 8 معیار شامل فاصله از روستا، ، فاصله از جاده، نقاط زمین لغزش، شدت فرسایش، شیب، جهت، ارتفاع از سطح دریا و پوشش گیاهی استفاده شد. معیارها با روش فرآیند تحلیل سلسله مراتبی وزن دهی شدند و با مدل فازی استاندارد شدند. تغییرات پوشش گیاهی در آستانه های مختلف بررسی و تحلیل شد. با توجه به وضعیت پوشش گیاهی در منطقه از 3 آستانه 3/0، 4/0 و 1/0-1 برای این امر استفاده شد. نتایج این ارزیابی نشان می دهد که کیفیت و تراکم پوشش گیاهی در طول این 31 ساله با تغییرات زیادی همراه بوده است و به صورت کلی با کاهش کیفیت و تراکم مواجه بوده است. نتایج مدل سازی تخریب اکولوژیکی نشان داد مؤثرترین معیار در ایجاد تخریب، فاصله از روستا است و به همین ترتیب اوزان بعدی به معیار های پوشش گیاهی، فاصله از جاده، نقاط زمین لغزش، شدت فرسایش، شیب، جهت و کمترین وزن به ارتفاع از سطح دریا اختصاص یافته است. بر اساس نتایج مدل تخریب، پتانسیل تخریب در منطقه به 5 طبقه تقسیم شده است. 176 هکتار دارای پتانسیل تخریب اکولوژیک خیلی کم، 3595 هکتار تخریب کم، 9481 هکتار تخریب متوسط، 11577 هکتار تخریب زیاد و 1620 هکتار دارای پتانسیل تخریب خیلی زیاد می باشند. هم چنین میزان پتانسیل تخریب به صورت درصدی، 66/0درصد تخریب خیلی کم، 56/13 درصد تخریب کم، 77/35 درصد تخریب متوسط، 68/43 درصد تخریب زیاد و 06/11 درصد تخریب خیلی زیاد هست. به طور کلی 50 درصد از مساحت منطقه دارای پتانسیل بالای تخریب اکولوژیکی است.

برای مکان یابی مناسب احداث سد با توجه به ویژگی منحصربه فرد هر منطقه باید معیارهای مختلفی در نظر گرفته شود. علاوه بر این، ساخت سد مناسب هزینه بالایی دربردارد و برای جبران هزینه باید محل احداث آن را در مکانی با بالا ترین توان بالقوه در نظر گرفته شود تا پیامدهای جانبی آن در حد امکان به حداقل برسد. به همین دلیل در این تحقیق با تاکید به مدیریت جامع منابع طبیعی به خصوص حوضه های آبریز به مکان یابی مناسب سد در حوضه دوآب_کوماسی واقع در شمال غرب شهر سنندج پرداخته شد. معیارها و زیرمعیارهای مناسب احداث سد شناسی و انتخاب شدند که شامل معیارهای اصلی زمین شناسی، توپوگرافی، هیدرولوژی، اقتصادی، زیست محیطی و معیارهای فرعی ویژگی های زمین شناسی، گسل، شیب، ارتفاع، میزان بارش، مقدار دبی، منابع قرضه، فاصله از جاده، فاصله از مناطق مسکونی، کاربری و پوشش اراضی و حضور گونه های اندمیک سمندر بودند. معیارها با استفاده از سنجش از دور و GIS به صورت نقشه درآمدند و مورد بررسی قرار گرفتند. سپس با دو روش تصمیم گیری چندمعیاره یAHP و FUZZY وزن دهی و به صورت لایه های از نقشه ها مدل سازی شدند. صحت سنجی مدل ها با استفاده از تجزیه و تحلیل نتایج معیارها، مطالعات صورت گرفته و سدهایی موجود در محل مورد بررسی قرار گرفت. نتایج نشان داد که روش فازی دقیق تر و واضح تر از روشAHP بوده است چون از کل مساحت 2775400 متر مربع مکان های انتخاب شده، در روش FUZZY مساحت 56200 متر مربع به صورت همگن و یکجا مناسب انتخاب شده بود. درحالی که در روش AHP مساحت 141100 متر مربع به صورت پراکنده و تصادفی مناسب انتخاب شده بود. به نظر می رسد مهم ترین معیار تاثیرگذار در مکان یابی احداث سد در این منطقه معیار زمین شناسی به خصوص معیار گسل باشد، احتمالا تراکم زیاد گسل (عامل نامناسب) در منطقه مانع از انتخاب مکان های مناسب شده است. پنج نقطه مناسب که اکثرا در مرکز حوضه بود به عنوان مناطق مناسب احداث سد انتخاب شدند. مناطق انتخاب شده به دلیل تراکم زیاد گسل و جلوگیری از ایجاد تشدید زلزله های ناخواسته در صورت ممکن برای احداث سدهایی با حجم کم مناسب هستند. این روش ها می تواند برای مکان یابی طرح هایی مشابه مورد استفاده و مفید واقع شوند.

امروزه یکی از مسائل مهم در زمینه انواع آلودگی ها، آلودگی ناشی از فلزات سنگین است. در سال های اخیر به علت گسترش فعالیت های صنعتی، غلظت این فلزات در محیط زیست، خاک و همچنین مواد غذایی افزایش یافته است. غلظت فلزات سنگین به علت تهدیداتی که می تواند متوجه سلامت جانداران کند، دارای اهمیت فراوانی است. یکی از انواع آلودگی های فلزات سنگین، آلودگی خاک به آرسنیک است که به خاطر استفاده از خاک در تهیه محصولات کشاورزی و باغی دارای اهمیت فراوانی است. بدین منظور در این تحقیق به مطالعه ترکیب مدل-های یادگیری ماشینی با کریجینگ باقی مانده جهت پیش بینی میزان فلزات سنگین (آرسنیک) در دشت های شهر قروه پرداخته شد. در این راستا داده های مربوط به غلظت فلز آرسنیک منطقه موردمطالعه از اداره صنعت و معدن استان تهیه شد و سپس با استفاده از مدل های کریجینگ عام و پرسپترون چندلایه (MLP) و رگرسیون عمومی (GRNN) به برآورد میزان فلزات سنگین پرداخته شد و در نهایت با ترکیب مدل های MLP و GRNN با کرجینگ معمولی میزان آرسنیک موجود در خاک برآورد شد. به جهت بررسی میزان دقت و نحوه عملکرد و همچنین انتخاب برترین و کارآمدترین مدل، مدل های استفاده شده مورد مقایسه قرار گرفتند، نتایج نشان داد که مدل انفرادی MLP با معیارهای ارزشیابی خطا شامل: (RMSE=18/85)، (MAE=13/1) و (R2=0/46) در مرحله آموزش و (RMSE=10/93)، (MAE=9/22) و (R2=0/11) در مرحله آزمون بدترین نتیجه و مدل انفرادی GRNN و مدل ترکیبی (GRNNRK) نتایج نزدیک به هم و قابل قبولی داشتند. به صورت کلی، مدل GRNNRK با میزان (RMSE=0/5742)، (MAE=0/4320) و (R2=0/99) در مرحله آموزش و (RMSE=6/9061)، (MAE=5/2654) و (R2=0/72) در مرحله آزمون، عملکرد بهتر و دقت مناسب تری نسبت به سایر مدل های مورد بررسی داشته است.

امروزه مسائل محیط زیستی و آلودگی های آن یکی از مهم ترین دغدغه های جوامع بشری است که بی توجهی به آن، مشکلات بزرگی را در آینده به وجود خواهد آورد. آلودگی آب یکی از اساسی ترین مشکلات محیط زیستی عصر حاضر می باشد و پیش بینی می شود که مسئله تأمین آب سالم در آینده ای نه چندان دور به یکی از اصلی ترین چالش های جهانیان تبدیل خواهد شد. کشور ایران کشوری خشک است که میانگین بارندگی سالانه آن کم و در حدود 250 میلی متر می باشد. برای بررسی کیفیت آب از شاخص WQI استفاده می شود که انواع مختلفی دارد و کیفیت آب را در رابطه با سلامت آن بر اساس مقادیر عددی بیان می کند. سری داده های شاخص کیفیت آب ماهیت غیرخطی و غیرثابت دارند که این امر پیش بینی کیفیت آب را دشوار می نماید به همین سبب در این پایان نامه از روش های هوش مصنوعی با الگوریتم انفرادی و برای افزایش دقت پیش بینی از مدل های هیبریدی استفاده گردید. مدل پیشنهادی در این مطالعه مدل تجزیه کامل حالت تجربی گروه با نویز تطبیقی- رگرسیون بردار پشتیبان (CEEMDAN-SVR) بود. سری داده های خام کیفیت آب شامل پارامترهای 1- اسیدیته، 2- هدایت الکتریکی، 3- مواد جامد محلول، 4- مواد جامد معلق، 5- اکسیژن مورد نیاز شیمیایی ، 6- اکسیژن موردنیاز بیوشیمیایی، 7- اکسیژن محلول، 8- فسفات و 9- نیترات بود که طی سال های 1397-1396 از رودخانه های نی آباد و حوضه سد آزاد جمع آوری گردید. ابتدا داده ها نرمال سازی شدند و سپس وارد مدل CEEMDAN شد و به 6 تابع حالت ذاتی و یک باقیمانده تجزیه گردید و برای پیش بینی وارد مدل SVR شدند و توابع پیش بینی به دست آمده توسط مدل SVR با هم جمع شده و شاخص کیفیت آب به دست آمد. برای صحت عملکرد و دقت مدل پیشنهادی هیبریدی، این مدل با مدل های ترکیبی و انفرادی (1- EEMD-SVR،2- CEEMDAN-MLP،3- EEMD-MLP،4- SVR، 5- MLP) مقایسه شد و بر اساس معیارهای ارزیابی 1/2012= RMSE، 0/9321=MAE، 0/998= R2 در مرحله آموزش و 4/6465=RMSE، 3/9872=MAE، 0/85=R2 در مرحله آزمون مشخص شد که مدل پیشنهادی ترکیبی نسبت به سایر مدل ها دارای دقت بیشتر و عملکرد مناسب تری بود.

امروزه آلودگی هوا و بحران های زیست محیطی حاصل از آن یکی از مهمترین دغدغه های پیش روی جوامع توسعه یافته و در حال توسعه می باشد که تاثیرات مهمی بر سلامتی انسان ها دارد. از این رو پیش بینی غلظت ذرات معلق در هوا برای کنترل و کاهش آلودگی هوا مهم است. از میان ذرات معلق، PM2.5 یکی از عوامل اصلی آلودگی هوا هستند که عموما ناشی از سوختن سوخت های فسیلی مانند نفت، گاز و زغال سنگ، رفت و آمد ماشین ها، ذوب فلزات، سوخت نیروگاه ها و آتش سوزی جنگل ها می باشد. آگاهی از میزان غلظت آلاینده های هوا می تواند از بروز بسیاری از بیماری-ها و تاثیر آن ها بر سلامتی انسان موثر باشد. در پیش بینی میزان آلاینده ها در سطح جهانی با مشکل ناشی از کم برازش رو به رو هستیم که در آن الگوریتم، یک مدلِ خیلی کلی از مجموعه آموزشی را ارائه می دهد در مقابل نیز پیش بینی در سطح محلی نیز دارای مشکل بیش برازش یا تعمیم ضعیف هستند در نتیجه، پیش بینی آلودگی هوا براساس مدل های محلی نیاز به پرداختن به دوگانگی جهانی - محلی دارد. بدین منظور در این پایان نامه از مدل هیبریدی تجزیه کامل حالت تجربی گروه با نویز تطبیقی - شبکه عصبی رگرسیون عمومی (CEEMDAN-GRNN) برای پیش-بینی کیفیت هوای شهر ارومیه استفاده شده است. داده های مربوط به کیفیت هوای شهر ارومیه شامل ذرات معلق کمتر از 10 میکرون (PM10)، ذرات معلق کمتر از2.5 میکرون (PM2.5)، مونواکسید کربن (CO)، دی اکسید سولفور (SO2)، دی اکسید نیتروژن (NO2) طی سال های 1397-1395 از اداره کل حفاظت محیط زیست و داده های هواشناسی شامل میانگین حداقل دما (MinT)، میانگین حداکثر دما (MaxT)، میانگین فشار جوی (AP)، بارش کل روزانه (R)، میانگین حداکثر رطوبت نسبی روزانه سطح هوا (MAXH)، میانگین حداقل رطوبت نسبی روزانه سطح هوا (MINH) و سرعت باد روزانه (WS) در دوره زمانی 1397-1394 از اداره کل هواشناسی استان آذربایجان غربی تهیه گردید. در این مدل ترکیبی ابتدا با استفاده از مدل حالت تجربی تجمعی مکمل با نویز تطبیقی سیگنال PM2.5 به هشت تابع حالت ذاتی و یک باقیمانده تجزیه گردید که باقیمانده نیز به عنوان تابع حالت ذاتی در نظر گرفته شد. سپس در مرحله بعد با استفاده از مدل شبکه عصبی رگرسیون عمومی میزان غلظت PM2.5 روز بعد پیش بینی می شود. به جهت بررسی میزان دقت و نحوه عملکرد مدل پیشنهاد شده، این مدل با مدل های GRNN EEMD- ، EEMD-ELM و CEEMDAN-ELM مقایسه شد که پس از بررسی نتایج به دست آمده مشخص گردید با مقدار معیارهای ارزیابی خطا شامل2.0129 RMSE=، MAE=1.2162 وR2=0.98 در مرحله آموزش و RMSE=2.7225، MAE=2.2668 و R2=0.81 در مرحله آزمون، مدل پیشنهاد شده عملکرد بهتر و دقت مناسبتری را نسبت به سایر مدل های مورد بررسی داشته است.

در دهه های اخیر، بهره برداری بیش ازحد از رودخانه ها به تغییرات جدی در رژیم جریان منجر شده و اکوسیستم های آن ها را به طرز چشمگیری تغییر داده است. برای حفظ شرایط زندگی یک رودخانه تأمین نیاز جریان محیطی (EFR) ضروری است. افزایش مصرف آب توسط انسان نه تنها باعث کاهش میزان آب موجود برای توسعه صنعتی و کشاورزی در آینده شده است بلکه تأثیر عمیقی بر اکوسیستم های آبی و گونه های وابسته آن ها دارد. متعادل کردن نیازهای آبزی و سایر کاربردها در بسیاری از رودخانه های جهان بسیار حائز اهمیت است. با توجه به ضرورت تعیین نیاز آبی محیط زیستی و اهمیت شبیه سازی زیستگاه فیزیکی در ارزیابی تأثیر توسعه و یا بازسازی رودخانه ها در اکوسیستم رودخانه این تحقیق انجام شد. منطقه مطالعاتی این تحقیق یکی از زیر حوضه های رودخانه نگل به اسم حوضه پیرخضران است که یکی از زیر حوضه های رودخانه ی بزرگ سیروان در غرب ایران به شمار می رود. برای تعیین نیاز آبی محیط زیستی این حوضه با استفاده از داده های سرعت، عمق، شاخص کف بستر و دمای آب از مدل شبیه سازی فیزیکی زیستگاه PHABSIM استفاده شد و نتایج این مدل به عنوان داده های ورودی مدل رگرسیون خطی (LR)، مدل غیرخطی شبکه عصبی مصنوعی پرسپترون چندلایه MLP)) و مدل شبیه سازی سیستم استنتاج تطبیقی عصبی – فازی ANFIS) ) استفاده شد. در این مطالعه 100 داده حداقل نیاز آبی محیط زیستی همگام با تغییر متغیرهای مستقل آن توسط مدل PHABSIM به دست آمد و جهت مدل سازی در مدل های ANFIS، MLP و LR استفاده گردید با توجه به نتایج حاصل از ارزیابی مدل ها می توان نتیجه گرفت که مدل هیبریدی ANFIS عملکرد و دقت بهتری نسبت به مدل شبکه عصبی مصنوعی در پیش بینی جریانات زیست محیطی دارد همچنین از اخذ نتایج مناسب توسط مدل ANFIS، می توان نتیجه گرفت که در یک حوضه آبخیز که دارای رودخانه هایی با شرایط اکولوژیکی تقریباً یکسان است برای برآورد نیاز آبی محیط زیستی یکی از رودخانه ها می توان از مدل شبیه سازی زیستگاه PHABSIM استفاده کرد و این نتایج را با استفاده از مدل هیبریدی ANFIS به رودخانه های مجاور تعمیم و نیاز آبی محیط زیستی را برای آن ها نیز مدل سازی کرد درنتیجه مدل هیبریدی ANFIS می تواند روش جایگزینی مناسب برای برآورد میزان حقابه زیست محیطی باشد.

ارزیابی ریسک یک فرایند شناسایی طبقه بندی و اندازه گیری کمیت ریسک ناشی از یک سناریوی ویژه است که ممکن است تحت تأثیر مجموعه ای از شرایط مشخص اتفاق بیافتد. این پژوهش با هدف ارزیابی ریسک محیط زیست جهت استفاده پایدار از زمین در شهر سنندج انجام گرفت. برای به دست آوردن معیارهای مؤثر بر ریسک از مطالعات انجام شده، اطلاعات در دسترس و همچنین پرسشنامه استفاده شد. توزیع پرسشنامه طی 2 مرحله در بین کارشناسان با تجربه در این زمینه صورت گرفت. وزن لایه هر معیار با استفاده از فرایند سلسله مراتبی و بر مبنای نظرات کارشناسی و اهمیت هر معیار در مسأله ارزیابی ریسک محیط زیست تعیین گردید. در نهایت 5 معیار اصلی ارزیابی شامل توپوگرافی، هیدرولوژی، کاربری اراضی، ترافیک و آلودگی خاک انتخاب شدند. معیارهای انتخاب شده به صورت لایه های مختلف GIS به عنوان ورودی برای به دست آوردن ریسک محیط زیست به نرم افزار Arc GIS نسخه 3/10 معرفی شدند. وضعیت کاربری زمین به 4 طبقه ریسک (بالا، متوسط، پایین و بدون ریسک) تقسیم بندی شد. سپس اقدامات کاهش ریسک، از جمله حفاظت از زمین و جایگزینی زمین تدوین گردید. با توجه به نتایج تحلیل سلسله مراتبی 5 معیار برتر (اهمیت معیار) به ترتیب عبارت بودند از: توپوگرافی، هیدرولوژی، کاربری اراضی، آلودگی خاک و ترافیک. معیار توپوگرافی با ضریب وزنی 276/0 بیشترین تأثیر در ارزیابی ریسک محیط زیست منطقه مورد مطالعه را دارد که این خود نشان دهنده اهمیت این معیار در منطقه مورد مطالعه است. در زیرمعیارهای معیار توپوگرافی که شامل شیب و ارتفاع است به دلیل ضریب بالاتر شیب (670/0) در مقایسه با ارتفاع (330/0) می توان گفت این زیرمعیار در ترسیم نقشه نهایی معیار توپوگرافی بیشتر مؤثر بوده است. در کل به این دلیل که معیار ترافیک به نسبت دیگر معیارها کمترین ضریب وزنی (125/0) را در مقایسه زوجی به دست آورده در ارزیابی ریسک محیط زیست منطقه کمتر تأثیر داشته است. خروجی نهایی نشان داد که بیشتر وسعت منطقه مورد مطالعه (98/44 درصد) در طبقه ریسک پایین قرار دارد. فرایند سلسله مراتبی با توجه به ویژگی های آن می تواند در بررسی موضوعات مربوط به ارزیابی ریسک محیط زیست کاربرد مطلوبی داشته باشد. همچنین سامانه اطلاعات جغرافیایی به عنوان ابزاری مفید و حتی ضروری برای ارتباط دادن معیارهای محیط زیست در فرایند توسعه پایدار اهمیت بسزایی دارد.

آلودگی هوا همواره به عنوان یکی از چالش های اساسی شهر های ایران مطرح می باشد. عوامل مختلفی در وقوع آلودگی هوا و تغییر کیفیت هوای شهر سنندج نقش دارند که یکی از این عوامل، اقلیم محل و حالات جوی است که باعث تقویت پتانسیل آلودگی هوا می شود. در این مطالعه بر اساس مدل های رگرسیون چند متغیره، رگرسیون مولفه های مبنا، شبکه عصبی پرسپترون چندلایه، شبکه عصبی رگرسیون تعمیم یافته و سیستم استنتاج تطبیقی عصبی - فازی به پیش بینی غلظت آلاینده ها بر حسب پارامتر های فصلی و عمودی جو پرداخته شد. پارامتر های جوی (فصلی و عمودی) این مطالعه شامل (دما، گرادیان دما، رطوبت نسبی، مولفه-های مداری و نصف النهاری باد) از طریق پایگاه داده جهانی تحت عنوان مرکز پیش بینی میان مدت جو برای بازه زمانی 21/3/2011 تا 21/12/2017 تهیه و داده های آلودگی هوا (غلظت مونوکسیدکربن، ازن، دی اکسیدگوگرد، ذرات معلق کمتر از 10 و 5/2 میکرون) برای بازه زمانی مذکور از اداره کل محیط زیست استان کردستان جمع آوری گردید. لازم به ذکر است که داده های مستقل برای سطوح ارتفاعی (2m, 925mb, 850mb, 700mb) جمع آوری گردید. برای آموزش بهینه شبکه، پارامتر های جوی و غلظت آلاینده ها قبل از ورود به شبکه نرمال گردید. از کل داده های نرمال شده 80 درصد برای آموزش، 20 درصد برای آزمون انتخاب گردید. نتایج بدست امده نشان داد که مدل سیستم استنتاج تطبیقی عصبی - فازی توانایی و عملکرد بالایی نسبت به سایر مدل ها جهت پیش بینی کیفیت هوای شهر سنندج داشته است. همچنین مشخص شد که از بین پارامتر های فصلی و عمودی جو گرادیان دما نقش کلیدی در تغییر کیفیت هوای شهر سنندج دارد.

مسائل زیست محیطی یکی ازاصلی ترین دغدغه های جهان امروز بوده و بی توجهی به آن مانع بزرگی برای توسعه پایدار ایجاد می نماید. آلودگی هوا یکی از اصلی ترین و زیانبارترین مشکلات در جوامع امروزی به حساب می آید که با افزایش روزافزون استفاده از وسایل نقلیه این امر تشدید می شود. کیفیت هوا به طور روزانه در حال تغییر است، حتی در مـواقعی که مقدار ورود آلاینده ها به هوا ثابت است عوامل تعیین کننـده تغییرات آب و هـوایی ماننـد سـرعت و جهـت بـاد، نیمـرخ حرارتی توده های هوا، مدت زمان دوام باد یا بارندگی به طور ویژه ای کیفیت هوا را تغییر می دهند. آگاهی از وضعیت کیفیت هوا روز آینده در بسیاری از موارد می تواند از بروز مشکلات و عواقب آن بر سلامت مردم یا ایجاد بیماری های حاد جلوگیری کند. برای دانستن کیفیت هوا از شاخص AQI استفاده می شود که ارتباط کیفیت هوا با سلامت انسان را به صورت کمی بیان می کند. سری داده های شاخص کیفیت هوا دارای مشخصات تصادفی، نامنظم و غیرثابت بوده و این امر کار پیش بینی AQI را با مشکل روبرو نموده و اغلب تکنیک تجزیه تکی نمی تواند به طور کامل این داده ها را مدیریت کند. بدین منظور در این پایان نامه از مدل هیبریدی تجزیه حالت تجربی تجمعی مکمل با نویز تطبیقی - تجزیه مد متغیر – شبکه عصبی رگرسیون عمومی (CEEMDAN-VMD-GRNN) بر پایه تکنیک تجزیه دومرحله ای برای پیش بینی کیفیت هوای شهر ارومیه استفاده شده است. داده های مربوط به کیفیت هوای شهر ارومیه شامل ذرات معلق کمتر از 10 میکرون (PM10)، ذرات معلق کمتر از 2.5 میکرون(PM2.5)، دی اکسید کربن(CO2)، دی اکسید سولفور(SO2)، دی اکسید نیتروژن(NO2) و مونو اکسید نیتروژن(NO) طی سال های 1397-1395 از اداره کل حفاظت محیط زیست و داده های هواشناسی شامل میانگین حداقل دما (MinT)، میانگین حداکثر دما (MaxT)، میانگین فشار جوی (AP)، بارش کل روزانه (PR)، رطوبت نسبی روزانه سطح هوا (RH) و سرعت باد روزانه (WS) در دوره زمانی 1397-1395 از اداره کل هواشناسی استان آذربایجان غربی تهیه گردید. در این مدل سری داده های اصلی خام ابتدا توسط مدل حالت تجربی تجمعی مکمل با نویز تطبیقی به هشت تابع مد ذاتی و یک باقی مانده تجزیه و در مرحله دوم اولین تابع مد ذاتی با فرکانس بالا با مدل تجزیه مد متغیر به 9 سیگنال جزئی تر تجزیه می شود. در مرحله پایانی با کمک مدل پیش بینی شبکه عصبی رگرسیون عمومی، شاخص کیفیت هوای یک روز آینده پیش بینی می شود. به منظور بررسی میزان دقت و عملکرد مدل پیشنهادی، این مدل با مدل های (CEEMDAN-ELM , CEEMDAN-GRNN , VMD-ELM , VMD-GRNN , CEEMDAN-VMD-ELM ) مقایسه شد که پس از بررسی نتایج مشخص شد با مقادیر معیارهای ارزیابی خطا شامل 1275/4 = RMSE ، 9901/2 = MAE و آماره 98/0 = R2 در مرحله آموزش و 4472/5 = RMSE ، 8740/3 = MAE و آماره 74/0 = R2 در مرحله آزمون، مدل پیشنهادی نسبت به سایر مدل ها دارای دقت و عملکرد بهتری می باشد.

ترکیبات آلی فرار BTEX (بنزن، تولوئن، اتیل بنزن، O-، و P- زایلن) از آلاینده های خطرناک موجود در اتمسفر می باشند که اثرات زیان باری بر سلامت انسان و محیط زیست دارند، لذا پایش غلظت آنها از اهمیت ویژه ای برخوردار است. هدف از انجام این مطالعه تعیین سطح غلظت BTEX با استفاده از روش نمونه برداری غیر فعال و درون یابی در اتمسفر شهر کرمانشاه است. بدین منظور پنج منطقه شامل پرترافیک، کم ترافیک، پارک ها و فضای سبز، پمپ بنزین ها و مناطق صنعتی به عنوان زیر بخش های مطالعاتی در نظر گرفته شد. این پایش با استفاده از تعداد 75 ایستگاه نمونه برداری که به روش سیستماتیک شبکه ای انتخاب شدند در فروردین 1397 به مدت 15 روز انجام شد. نمونه بردار غیر فعال طراحی شده از نوع مدل passam و جاذب بکار رفته در این نمونه بردار، کربن فعال بود که توسط استات سلولز پوشیده شد. جهت استخراج ترکیبات BTEX پس از نمونه برداری، از حلال دی سولفید کربن استفاده شد. سنجش ترکیبات فرار مورد بررسی با استفاده از دستگاه گاز کروماتوگرافی (GC) با آشکارساز یونیزاسیون شعله ای (FID) انجام شد. فرآیند اعتبارسنجی نمونه بردارها در شرایط کنترل شده آزمایشگاهی با بررسی تغییر شدت جریان هوا و غلظت تولوئن به عنوان آلاینده مدل انجام شد. میانگین غلظت بدست آمده برای بنزن1.81، تولوئن 3.48، اتیل بنزن 0.072، ارتوزایلن2.13، پارازایلن 1.31 میکروگرم بر متر مکعب بود که به غیر از بنزن، مقادیر بقیه آلاینده ها کمتر از استاندارد کیفیت هوا در سطح ملی و اتحادیه اروپا اندازه گیری شده است. در حالی که میانگین بنزن فقط در پمپ بنزین ها از استاندارد سالیانه ایران و WHO بیشتر بود. نتایج حاصل از آنالیزهای آماری آزمون شاپیروویلک نشان داد توزیع متغیرهای بنزن، تولوئن، اتیل بنزن، پارازایلن، ارتوزایلن و BTEX در مناطق مختلف مورد بررسی، غیر نرمال بودند (0.05>P). نتایج حاصل از فرآیند درون یابی به روش کریجینگ نشان داد که شهر کرمانشاه در قسمت شمال، شرق، غرب و قسمت های جنوبی آلوده به بنزن، درتمام قسمت های شهر بالاخص شمال آلوده به تولوئن، در قسمت جنوب آلوده به اتیل بنزن، در قسمت غرب آلوده به ارتوزایلن و در قسمت های غرب، شرق و شمال شرقی آلوده به پارازایلن است. این مطالعه نشان می دهد که در درجه اول پمپ بنزین ها و سپس خودروها منبع اصلی انتشار ترکیبات BTEX در شهر کرمانشاه است. به طور کلی، غلظت های مشاهده شده بنزن در پمپ بنزین ها و فصل بهار از نظر بهداشت عمومی در کرمانشاه یک نگرانی محسوب می شود.

آلودگی هوا یکی از معضلات محیط زیستی در بسیاری از شهرهای ایران است.عوامل مختلفی مانند افزایش جمعیت، فعالیت های صنعتی، حجم تردد و ترافیک وسایل نقلیه منجر به آلودگی هوا می شوند. نظارت بر آلاینده های هوا به دلیل تأثیراتی که روی سلامتی انسان و سایر موجودات می گذارند بسیار مهم است. یکی از این آلاینده های شاخص که بر سلامتی تأثیر می گذارد دی اکسید نیتروژن است. روش های غیرفعال یکی از روش های اندازه گیری غلظت دی اکسید نیتروژن و سایر آلاینده ها هستند. هدف از این تحقیق برآورد غلظت دی اکسید نیتروژن به روش غیرفعال و پیش بینی غلظت در اتمسفر شهرستان سنندج می باشد. در این مطالعه از نمونه بردارهای غیرفعال پالمس با دو استیل ضد زنگ و جاذب تری اتانول آمین جهت نمونه برداری استفاده شد. نمونه برداری در فصل زمستان و اوایل بهار در تاریخ 15 اسفند تا 4 فروردین و در فصل تابستان در تاریخ 5 تا 23 تیر انجام شد. تعداد نقاط نمونه برداری در فصل زمستان 84 و در فصل تابستان 81 بود. که از این تعداد دو ایستگاه مربوط به نمونه برداری در مجاورت ایستگاه پایش محیط زیست بود. در %10 ایستگاه ها نمونه ها به صورت دو تکرار نمونه برداری شدند. مناطق نمونه برداری شامل پنج منطقه پرترافیک، متوسط ترافیک، کم ترافیک، صنعتی و فضای سبز بود. از قانون فیک و روش سلزمن برای تعیین غلظت نمونه ها استفاده شد. از مدل های درونیابی کریجینگ و شبکه عصبی فازی جهت برآورد غلظت در هر دو فصل استفاده شد. به منظور اعتبار سنجی مدل ها مقادیر R2و RMSE برای مدل کریجینگ و مقادیر R2،RMSE و MAE برای مدل شبکه عصبی فازی محاسبه شد. نتایج نشان داد میزان آلودگی در مناطق پرترافیک از بقیه مناطق بیشتر است. و منبع اصلی انتشار دی اکسید نیتروژن مناطق شهری و وسایل نقلیه هستند. کمترین مقدار غلظت در مناطق فضای سبز بدست آمد. مناطق صنعتی غلظتی کمتر از مناطق پرترافیک و متوسط ترافیک داشتند. نتایج حاصل از مقایسه غلظت دی اکسید نیتروژن بین ایستگاه های پایش محیط زیست و میانگین نمونه بردارهای غیرفعال نصب شده نزدیک بود. انحراف استاندارد نسبی تکرارها در هر دو فصل کمتر از %10 بدست آمد. میانگین غلظت در فصل زمستان 29.1میکروگرم برمترمکعب و در فصل تابستان 45.74 بدست آمد. با توجه به نتایج اعتبارسنجی مدل کریجینگ و مدل شبکه عصبی فازی ، مدل شبکه عصبی فازی عملکرد بهتری نسبت به مدل کریجینگ در هر دو فصل داشت.

افزایش مشکلات و بحران های محیط زیست در جهان باعث شده است تا طی نیم قرن گذشته اهمیت بحث در مورد محیط زیست و مسائل زیست محیطی افزایش یابد. آلودگی هوا در ردیف یکی از زیان بارترین بلایای طبیعی قرار گرفته است. منابع طبیعی تولید کننده آلودگی هوا شامل گردوغبار حاصل از پدیده ها، گرده گیاهان، میکرو ارگانیسم ها، آئروسل ها و منابع انسانی یا مصنوعی آلودگی هوا شامل بخش های خانگی، تجاری، صنعتی و حمل و نقل می باشد. ذرات معلق به نوبه خود مشکل بزرگی برای شهرها به ویژه بیشتر شهرهای بزرگ است. تهران به عنوان پایتخت ایران نیز از این امر مستثنی نبوده و دائماً با این خطرات دست به گریبان می باشد از این رو پیش بینی ذرات گردوغبار برای سلامت جامعه می تواند مفید واقع شود. بنابراین هدف از این پژوهش برآورد غلظت ذرات معلق PM2.5 شهر تهران با استفاده از داده های ماهواره مودیس و داده های زمینی می باشد. برای این منظور داده های غلظت روزانه PM2.5 از طریق مراجعه به دفتر سازمان حفاظت از محیطزیست شهر تهران، داده های AOD سنجنده مودیس از طریق سایت سازمان ناسا، داده های هواشناسی شامل رطوبت نسبی یاRH ، فشار سطح یاSP ، دمای در سطح دو متر یا T2M، سرعت باد یا WS و ارتفاع لایه مرزی یا BLH از طریق مراجعه به سازمان هواشناسی شهر تهران، داده های مربوط به ارتفاع از سایت موسسه جغرافیایی و کارتوگرافی و داده های مربوط به NDVI نیز از طریق سایت ناسا جمع آوری و استخراج شدند. سپس با بهره گیری از دو رابطه ی مدل GTWR میزان PM2.5 ماهواره ای به PM2.5 زمینی تبدیل شد. برای ارزیابی همبستگی بین داده های زمینی و داده های ماهواره ای، در این پژوهش از مدل های رگرسیون چند متغیره (MLR)، پرسپترون چندلایه (MLP)، شبکه عصبی رگرسیون عمومی (GRNN) و سیستم استنتاج تطبیقی عصبی-فازی (ANFIS) استفاده شده است. نتایج به دست آمده حاکی از آن است که رویکرد دوم مدل GTWR در مجموع دارای بالاترین ضریب همبستگی و پایین ترین خطای مطلق و میانگین مربعات خطا است به عنوان رویکرد مناسب جهت برآورد غلظت PM2.5 سطح شهر تهران مناسب است همچنین در بین مدل های استفاده شده برای برآورد میزان همبستگی بین داده های سنجنده مودیس و داده های زمینی، مدل GRNN دارای نتایج مطلوب تری است و به عنوان مدل مناسب در بین چهار مدل دیگر برگزیده می شود.

کمیت و کیفیت آب در دسترس برای تداوم حیات و توسعه اقتصادی یکی از مهمترین چالشهای توسعه پایدار در قرن بیست و یکم می باشد. غلبه بر این چالش نیازمند پایش مستمر منابع آبی به منظور مدیریت کارآمدتر آنها و تاًمین آب اشامیدنی مطابق با استاندارهای کیفی آب است. روشهای سنتی پایش کیفی آب بر اساس اندازه گیری میدانی پارامترهای کیفی آب و تحلیل آزمایشگاهی نمونه های برداشت شده از منابع آبی استوار می باشند، این روشها اگرچه نتایج دقیقی ارائه می دهند، اما وقت گیر بوده و قادر به پوشش تمام پیکره آبی نمی باشند. سنجش از دور ماهواره ایی ابزاری قدرتمند است که بطور وسیع جهت نظارت و مدیریت کیفیت آب مورد استفاده قرار می گیرد. بکارگیری این ابزار مقرون بصرفه بوده و توانایی غلبه بر محدودیت روش سنتی ارزیابی کیفیت آب را دارد. اما بیشتر مطالعات سنجش دوری تنها بر روی پاره ای از خصوصیات کیفی آب که به لحاظ طیفی فعال هستند، از قبیل کلروفیل a، کل جامدات معلق و عمق سکچی دیسک انجام گرفته اند. در این میان برآورد سنجش از دوری ازت کل و فسفر کل بدلیل محلول بودن در آب با چالش روبرو می باشد. اگر چه ازت کل و فسفر کل به عنوان متغیرهای شیمیایی کیفیت آب فاقد بازتاب طیفی می باشند، و بطور مستقیم نمی توان با استفاده از بازتابهای طیفی سطح آب این متغیرها را برآورد نمود. اما با توجه به روابط همبستگی که بین ازت کل و فسفر کل با متغیرهای بیولوژیکی و فیزیکی فعال طیفی آب مانند کلروفیل a، سکچی دیسک و کل جامدات معلق وجود دارد، از طریق ترکیبات باندی و باندهای مورد استفاده در برآورد این متغیرها می توان غلظت ازت کل و فسفر کل را بطور غیر مستقیم برآورد نمود. هدف از این مطالعه ارزیابی قابلیت سنجنده OLI ماهواره لندست 8 در برآورد تغییرات زمانی و مکانی فسفر کل و ازت کل در دریاچه سد قشلاق سنندج بر اساس ایجاد مدلهای رگرسیون خطی و شبکه عصبی مصنوعی می-باشد. نتایج نشان داد که سنجنده OLI ماهواره لندست 8 قابلیت برآورد غلظت ازت کل و فسفر کل در دریاچه سد قشلاق را دارد، همچنین مدل شبکه عصبی برآورد فسفر کل با مقادیر R، RMSE و MAE به ترتیب برابر با81 /0، 0/04 و 0/03 نسبت به مدل رگرسیون خطی با مقادیر R ، RMSE و MAE به ترتیب برابر با 63/0، 23/0 و 22/0 از عملکرد بهتری برخوردار بوده است. و نیز مدل شبکه عصبی برآورد ازت کل با مقادیر R ، RMSE و MAE به ترتیب

ملاحظات زیست محیطی تا سالهای زیادی در توسعه کشورها نادیده گرفته می شد. در دهۀ آخر قرن 20 و آغاز قرن 21 فاکتورهای زیست محیطی نقش مهمی را در جهت سرعت توسعه ملتها بازی کرده اند و در مقابل، توسعه افسار گسیخته انسانی نیز توازن زیست محیطی کره زمین را به عنوان یک مکان قابل سکونت مختل کرده است. آلودگی محیط زیست که بی توجهی به آن می تواند حیات بشر و بقای او را مورد تهدید و خطر جدی قرار دهد، موضوعی است که توجه مجامع و سازمان های بین المللی، منطقه ای و داخلی را به آن معطوف داشته است. از دیرباز اثر آلودگی هوا بر سلامت انسان مورد توجه بوده است. آلودگی هوا به عنوان یکی از پیامدهای توسعه شهرنشینی، افزایش فعالیتهای صنعتی و مصرف فزاینده سوختهای فسیلی، علاوه بر تخریب محیط و ضررهای اقتصادی، جزء 10 عامل مهم افزایش مرگ و میر در دنیا شناخته شده است. براساس گزارش برنامه محیط زیست سازمان ملل متحد، ذرات معلق مهمترین آلاینده هوا در شهر های بزرگ جهان می باشد. از این رو پیش بینی ذرات گردوغبار تا حدی می تواند مفید باشد. جهت پیش بینی امروز و روز بعد ذرات معلق PM10 شهر سنندج ، داده های مربوط به کیفیت هوا شامل PM2.5، PM10، SO2، NO2، CO،NOX ،O3 از اداره کل حفاظت محیط زیست کردستا ن و داده های مربوط به هواشناسی شامل میانگین حداقل دما (TMin)، میانگین حداکثر دما (TMax)، میانگین فشار جوی (AP)، بارش روزانه (PR)، رطوبت نسبی روزانه (RH) و سرعت باد روزانه (WS) و دید افقی از اداره کل هواشناسی کردستان ، در بازه زمانی سال 1390 لغایت 1395 تهیه گردید. به منظور افزایش دقت پیش بینی، نتایج مدل های رگرسیون خطی چند گانه، رگرسیون اجزای اصلی و شبکه عصبی رگرسیون عمومی در پیش بینی ذرات معلق PM10 شهر سنندج با هم مقایسه گردید. نتایج پیش بینی امروز و روز بعد ذرات معلق PM10 در شهر سنندج اثبات برتری شبکه عصبی رگرسیون عمومی نسبت به مدل های دیگر شامل رگرسیون خطی چند گانه و رگرسیون اجزای اصلی را نشان می دهد، به طوری که مدل شبکه عصبی رگرسیون عمومی از نظر دقت و عملکرد بالا با مقدار =0.95 R^2، RMSE=8.1596 و MAE=5.1394 در مرحله آموزش و مقدار =0.90 R^2، RMSE=6.0434 و MAE=5.1961 در مرحله آزمون در پیش بینی امروز و با مقدار =0.86 R^2، RMSE=13.9195 و MAE=8.9041 در مرحله آموزش و مقدار =0.64 R^2، RMSE=8.3550 و MAE=7.3080 در مرحله آزمون در

ﻣﺼﺮف اﻧﺮژی و ﻣﻮاد ﻣﻌﺪﻧﻲ ﺗﻮﺳﻂ اﻧﺴﺎن ﻋﻤﺪه ﺗﺮﻳﻦ ﻋﺎﻣﻞ آﻟﻮدﮔﻲ زﻳﺴﺖ ﻛﺮه ﻣﻲ ﺑﺎﺷﺪ. ﺑﺮای ﺗﻮﺳﻌﻪ ﭘﺎﻳﺪار ﺻﻨﻌﺖ ﻣﻌﺪن ﻛﺸﻮر ﻻزم اﺳـﺖ ﺗـﺎ جنبه های ﻣﺤﻴﻂ زﻳﺴﺘﻲ ﺻﻨﺎﻳﻊ ﻣﻌﺪﻧﻲ کشور ( ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﻗﻠﻴﻢ کشور) ﻣﻮرد ﺷﻨﺎﺳﺎﻳﻲ قرار ﮔﻴﺮد. لذا در این پژوهش تاثیرات محیط زیستی منطقه معدنی قروه بررسی گردید. بدین منظور با تهیه چک لیستی از نظر کارشناسان و خبرگان مهمترین فاکتورهای محیط زیست و اقتصادی- اجتماعی که از پروژه متاثر می شوند شناسایی شدند و در ادامه با استفاده از فرایند تحلیل سلسله مراتبی ارزیابی ریسک محیط زیست منطقه معدنی قروه انجام شد. از بین معیارهای مختلف مورد استفاده برای ارزیابی ریسک زیست محیطی 5 معیار اصلی (جغرافیای فیزیکی، زمین ساخت، درجه بهره برداری از معدن، بهبود شرایط محیط زیست و آلودگی های محیط زیست) و 12 زیر معیار (پوشش گیاهی، شیب یکنواخت زمین، نوع استفاده از زمین، ساختار سنگ و خاک، ساختار فعالیت های گسلی، شدت بهره برداری، درجه اشغال زمین، درجه بازسازی محیط زیست، موانع اکولوژیکی خود بازسازی محیط، آلودگی گرد و خاک، آلودگی صوتی و آلودگی خاک) انتخاب شدند. وزن لایه هر معیار با استفاده از مدل سلسله مراتبی پارامترها بر مبنای نظرات کارشناسی و اهمیت هر معیار در مساله ارزیابی ریسک زیست محیطی تعیین گردید. لایه های ذکرشده در محیط نرم افزار ArcGIS نسخه 3/10 تهیه و طبقه بندی گردیدند. یافته های حاصل از تحقیق نشان می دهد که بیشترین میزان ریسک به ترتیب در معیارهای آلودگی محیط زیست، درجه بهره برداری از معدن، بهبود شرایط محیط زیست، جغرافیای فیزیکی و زمین ساخت مشاهده شد. شاخص آلودگی زیست محیطی با ضریب وزنی 3908/0 بیشترین تاثیر در ارزیابی زیست محیطی منطقه معدنی قروه را دارد که این خود دلیلی بر اهمیت این معیار در منطقه مورد مطالعه می باشد. نتایج ارزیابی ریسک زیست محیطی منطقه معدنی قروه از ترکیب 5 نقشه ی رستری بدست آمد که شامل 5 بخش زیست محیطی شامل ناحیه عالی، خوب، متوسط، بد و بسیار بد می باشد. نقشه پهنه-بندی نشان می دهدکه 10 درصد از حوزه مورد مطالعه در معرض خطر خیلی بالا قرار دارد.

تغییرات پوشش/ کاربری اراضی و تخریب جنگل و خاک به طور مؤثر بر انتشار گازهای گلخانه ای اثر می گذارد و منجر به گرمایش جهانی می گردد. با توجه به نقش کربن آلی در پایداری خاک، جلوگیری از فرسایش و کنترل میزان دی اکسید کربن هوا، پایش کربن آلی خاک از اهمیت زیادی برخوردار است. اهداف این مطالعه عبارتند از: برآورد کربن آلی خاک به کمک داده های محیطی، بررسی تغییرات مکانی کربن آلی خاک و ارزیابی و پایش کاربری اراضی و پوشش گیاهی منطقه در طی بازه زمانی 2009-1987 و پیش بینی کربن آلی خاک با استفاده از شبکه عصبی مصنوعی. منطقه مورد مطالعه جنگل آرمرده واقع در شهر بانه می باشد. روش تصادفی طبقه بندی شده به منظور مشخص کردن محل پلات های نمونه برداری در واحدهای همگن انتخاب شد. نمونه گیری های خاک از دو عمق20-0 و 40-20 سانتی متری خاک انجام گرفت. وزن مخصوص ظاهری نمونه های خاک به روش کلوخه و درصد کربن آلی خاک به روش والکی- بلاک تعیین شد. روش درون یابی کریجینگ جهت تعیین توزیع مکانی کربن آلی مورد بررسی قرار گرفت. برای تهیه نقشه کاربری اراضی و پوشش منطقه از تصاویر ماهواره ای لندست برای سال های (1987، 1998 و 2009) استفاده گردید. نقشه های کاربری اراضی با استفاده از شاخص NDVI، الگوریتم حداقل فاصله و طبقه بندی نظارت شده تهیه گردید. شبکه عصبی مصنوعی پرسپترون چند لایه جهت پیش بینی کربن آلی خاک به کار گرفته شد. نتایج نشلن داد که بیشترین مقدار کربن آلی خاک در کاریری جنگل در عمق 20-0 سانتی متری خاک و کمترین آن در کاربری زراعی در عمق40-20 سانتی-متری مشاهده شد. روش درون یابی مذکور نیز توزیع مکانی کربن آلی خاک در کاربری های مختلف را به خوبی نشان داد. نقشه کاربری اراضی در 5 طبقه شامل اراضی فاقد پوشش گیاهی، خاک، مراتع تنک، مراتع متراکم و کشاورزی تهیه گردید. دقت این طبقه بندی مورد ارزیابی قرار گرفت و ضریب کاپا برای سال های مذکور به ترتیب 98/0، 99/0 و 98/0 به دست آمد. ضریب همبستگی و جذر میانگین مربعات خطای حاصل از مدل شبکه عصبی مصنوعی در مرحله آموزش در عمق 20-0 به ترتیب 758/0 و 4/0 و در عمق 40-20 به ترتیب 829/0 و 3/0 به دست آمد. نتایج بررسی روند کلی تغییرات نشان دهنده افزایش قابل توجه مساحت مرتع، کاهش جنگل (کشاورزی) و ثابت ماندن کلاس خاک بین سال های 1987و 2009 بود. شبکه عصبی مصنوعی نشان داد که از روش فوق می توان به

آلودگی هوا یک مشکل رو به رشد است که ناشی از عوامل مختلفی از جمله تراکم بالای ترافیک خودرو و گسترش فعالیت های صنعتی و تجاری می باشدکه همگی با رشد جمعیت شهری افزایش میابد. نظارت و پیش بینی آلاینده های هوا در منطقه شهری به دلیل تاثیر بر سلامت بسیار حائز اهمیت می باشد. در این پژوهش به منظور پیش بینی آلاینده های CO,PM10,SO2,NO2,O3 طی سال های 93، 94، 95 در دو بازه زمانی امروز و فردا در هوای شهر کرمانشاه از دو مدلANFIS و ANN استفاده شد. برای کاهش وابستگی بین متغیرهای مستقل از آزمون هم خطی و به منظور حذف متغیرهای ورودی اضافی و ایجاد زیر مجموعه ای از متغیرهای موثر در پیش بینی از تکنیک FS استفاده شد. متغیرهای وابسته با تاثیر هفت پارامتر هواشناسی دما، رطوبت نسبی، سرعت باد، میزان دید، نقطه شبنم، فشار و بارش در دو مدل ANFIS و ANN پیش بینی شدند و مدل بهینه برای هر آلاینده در هر مدل با استفاده از شاخص های NMSE ,R2 ,FB ,IOA ,RMSE سنجیده و انتخاب شد. بر طبق نتایج حاصل شده از مدل پرسپترون چندلایه و مدل عصبی – فازی در پیش بینی الاینده CO مدل 2 با 6 پارامتر مستقل به عنوان مدل بهینه انتخاب شد. در پیش بینی آلاینده PM10 مدل 4 با 4 متغیر مستقل به عنوان مدل بهینه در نظر گرفته شد. در پیش بینی آلاینده SO2 با مدل عصبی - فازی مدل 3 با 5 پارامتر و در پیش بینی با مدل پرسپترون چند لایه مدل6 با 2 پارامتر به عنوان مدل بهینه تعیین شد. برای پیش بینی الاینده O3 توسط مدل عصبی – فازی مدل 2 با 6 متغیر مستقل و برای مدل پرسپترون چند لایه مدل 5 با 3 متغیر به عنوان مدل های بهینه انتخاب شدند و مدل 2 برای پیش بینی NO2 توسط مدل عصبی – فازی و مدل پرسپترون چندلایه به عنوان مدل بهینه انتخاب شد. با توجه به مطلوب بودن نتایج حاصل از شاخص های ذکر شده در مدل عصبی – فازی، مدل های بهینه انتخاب شده توسط این مدل دارای ارجحیت هستند و این موضوع نشان دهنده دقت و عملکرد بهتر مدل عصبی – فازی نسبت به شبکه عصبی مصنوعی می باشد و استفاده از تکنیک FS در بهینه سازی تعداد متغیرها و افزایش دقت و عملکرد موثر می باشد.

ف بررسی خصوصیات زیستگاهی گونه های حیات وحش برای مدیریت و حفاظت این گونه ها لازم و ضروری است. برای گونه هایی که گستره ی جغرافیایی وسیعی را اشغال می کنند و یا مهاجر هستند، تعیین خصوصیات زیستگاهی بسیار پیچیده، هزینه بر و وقت گیر است. هم زمان با پیشرفت های اخیر در کاربرد تکنیک سنجش از دور به نظر می رسد از این تکنینک برای ارزیابی کمی و کیفی زیستگاه های حیات وحش استفاده کرد. امروزه این تکنیک این امکان را فراهم می آورد تا بتوان کیفیت محیط زیست را در مقیاس های جغرافیایی بزرگ با حداقل زمان و هزینه مورد بررسی قرار دهیم.اگونه لک لک سفید گونه ای مهاجر است که در اکثر نقاط ایران به ویژه در غرب کشور یافت می شود. این گونه معمولاً در محیط های باز و بر روی اشکوب چیره جنگل، تیرهای برق، مناره ها و در نزدیکی مناطق سکونت گاهی انسان لانه می سازد. با توجه به قدرت پروازی این گونه و مهاجر بودن آن معمولاً اندازه زیستگاه و عرصه خانگی این گونه وسیع بوده و برای بررسی جامع زیستگاه اش باید محدوده جغرافیایی وسیعی را بررسی نمود که این امر ضرورت به کارگیری روشی متناسب و قابل اجرا در این رابطه را دوچندان می سازد. مطالعه حاضر با هدف بررسی قابلیت داده های سنجش از دور برای بررسی و مدل سازی خصوصیات زیستگاهی و پیش بینی حضور گونه ی لک لک سفید (Ciconia ciconia) در غرب ایران به اجرا درآمد. برای این منظور، متغیرهای زیستگاهی مانند: نوع پوشش زمین، فاصله تا پوشش های درختی و جنگلی، درصد پوشش درختی در هر کیلومترمربع، نوع گونه درختی، فاصله از منابع آبی، نوع منبع آبی، فاصله از مناطق مسکونی، فاصله از جاده، فاصله از چمن زارها، شرایط اقلیمی و متغیرهای شکل زمین (شیب، جهت و ارتفاع) در حضور و انتخاب زیستگاه گونه لک لک سفید مورد بررسی قرار گرفت. سپس اطلاعات جمع آوری شده با استفاده از نرم افزارهای ArcGIS و ENVI تحلیل و بررسی شدند. بر اساس نتایج به دست آمده در این مطالعه متغیرهای مانند: نوع منبع آبی و پوشش زمین و وسعت دامنه دید، متغیرهای مهمی در انتخاب زیستگاه توسط گونه لک لک سفید و پیش بینی حضور این گونه در مقیاس های جغرافیایی بزرگ هستند. برخی از متغیرها مانند: فاصله از جاده، فاصله تا مناطق مسکونی، فاصله تا پوشش های جنگلی و نوع گونه درختی بی اثر بودند. هم چنین بر اساس نتایج به دست آمده می توان گفت تکنیک سنجش از دور می تواند

منطقه حفاظت شده بیجار از تغییر کاربری زمین و چرای دام رنج می برد. از سال 1977 تاکنون تعداد گونه ی اصلی منطقه (قوچ و میش ارمنی) که در منطقه زندگی می کنند از 2000 رأس به 435 رأس کاهش یافته است. برای مطالعه ریسک زندگی حیات وحش در منطقه حفاظت شده بیجار از مدل فازی در محیط نرم افزار GIS و سنجش ازدور استفاده شد. مدل از طریق قوانین فازی بر اساس سیستم استنتاج فازی توسعه یافت. هفت شاخص انتخاب شده برای مدل شامل: نرخ تبدیل منطقه حفاظت شده، منابع طبیعی، تراکم جمعیت، نرخ رشد جمعیت، وضعیت اجتماعی، تهدید امنیت و وضعیت معیشت بودند. نرخ تبدیل منطقه حفاظت شده از تصاویر ماهواره لندست 8 برای سال های 2015 و 2016 و نقشه ی زمین های کشاورزی روستاهای منطقه حفاظت شده به دست آمد. وزن مربوط به زیر شاخص ها و قوانین فازی بر اساس نظرسنجی کارشناسان (پرسشنامه) ایجاد شد. زیر شاخص ها با فرمت وکتوری در محیط GIS برای به دست آوردن شاخص های اصلی روی هم اندازی شدند و سپس با فرمت رستری بر اساس توابع عضویت فازی برای به دست آوردن ریسک زندگی حیات وحش در منطقه حفاظت شده بیجار در سه سطح ریسک بالا، متوسط و کم روی هم اندازی شدند. نتایج نشان داد که مناطق با ریسک بالا در مکان هایی است که در آن کشاورزی، زمین های تخریب شده، تعداد بالای دام، نزدیکی به جاده ها و مناطق دور از پاسگاه های حفاظتی وجود دارد. از نتایج مطالعه حاضر می توان چنین نتیجه گرفت که سطح پایین معیشت، تعداد کم پاسگاه های حفاظتی و پایین ترین ضرایب حفاظتی، دلایل اصلی افزایش ریسک زندگی حیات وحش در منطقه حفاظت شده بیجار است.

سطح کل خاک کره زمین در حدود 14477 میلیون هکتار تخمین زده می شود که بیش از 3000 میلیون هکتار آن در معرض آلودگی با مواد شیمیایی قرار دارد. مهم ترین آلاینده خاک های شهری، عناصر معدنی به خصوص فلزات سنگین می باشند که به علت کم تحرکی به مرور در خاک انباشته می شوند. در دهه های گذشته بررسی عناصر آلاینده در خاک شهری به تعیین غلظت این فلزات محدود شده بود، در حالی که با توجه به تغییرات مکانی و زمانی عناصر آلاینده خاک، شناخت منشاء، غلظت، و پیش بینی الگوی تغییرات این عناصر ضروری است. این پژوهش با هدف تعیین توزیع مکانی عناصر آلاینده آهن، روی، کلسیم، مس، منگنز و نیکل در شهر سنندج، ارزیابی سطح آلودگی عناصر در خاک، شناسایی منابع بالقوه آلاینده ها و برآورد غلظت آن ها با استفاده از شبکه عصبی مصنوعی انجام شد. محدوده مورد مطالعه به 5 منطقه مطالعاتی شامل مسکونی در دو سطح ارتفاع پائین و ارتفاع بالا (نسبت به توپوگرافی شهری)، صنعتی، پرترافیک و فضای سبز طبقه بندی شدند. تعداد 105 نمونه خاک سطحی از عمق 10-0 سانتی متر جمع آوری شد. غلظت عناصر مورد مطالعه در نمونه های خاک پس از استخراج به روش هضم اسیدی توسط دستگاه طیف سنجی جذب اتمی قرائت شد. شاخص های فاکتور آلودگی و جامع Nemerowبه منظور برآورد میزان آلودگی این فلزات استفاده شد. آنالیز همبستگی و تجزیه مولفه های اصلی برای منشاءیابی عناصر مورد بررسی در خاک مورد استفاده قرار گرفتند. به منظور تعیین توزیع مکانی عناصر مورد بررسی در خاک های منطقه از روش درون یابی IDW در محیط ArcGIS بهره گرفته شد. جهت برآورد غلظت عناصر در خاک از شبکه عصبی مصنوعی پرسپترون چند لایه استفاده شد. نتایج نشان داد که میانگین غلظت عناصر مس، منگنز و کلسیم بیش تر از مقادیر پس زمینه بودند در صورتی که میانگین غلظت عناصر آهن، روی و نیکل کم تر از مقادیر پس زمینه بودند. بر اساس نتایج فاکتور آلودگی، غلظت بسیار بالایی از مس در نمونه خاک سطحی از منطقه صنعتی پیدا شد و از سوی دیگر خاک های منطقه فضای سبز و صنعتی، به ترتیب کم ترین و بیش ترین مقدار از شاخص آلودگی Nemerow را داشتند. نتایج تجزیه مولفه های اصلی نشان داد غلظت کلسیم تحت تاثیر مناطق 5 گانه نمونه برداری به ویژه منطقه مسکونی و ترافیک قرار دارد اما مناطق صنعتی و ترافیکی بیش ترین تاثیر را در میزان غلظت روی و مس داشته اند. نیکل، آهن و منگن

در این عصرشگفت انگیز دانش و اطلاعات، با عمومیت یافتن سریع دسترسی به تکنولوژی و اطلاعات ارسالی ماهواره های ناظر بر وضعیت کره زمین و سامانه های ثبت این اطلاعات، دیگر نیازی به هزینه-کردهای بالا جهت جمع آوری داده های مختلف از نقاط دور و نزدیک و صعب العبور مشاهده نمی-شود. طی سالیان اخیر موج استفاده و بهره گیری از سیستمهای نظارت و کنترل از دور در سرتاسر جهان فراگیر شده است. لذا در این تحقیق، امکان استفاده از داده های ماهواره ای در زمینه اندازه-گیری گردوغبار در نقاط مختلف استان کردستان و نیز بررسی پوشش کامل داده های ناقص (پیش بینی داده ها) مورد بررسی قرار گرفت. بر این اساس، ابتدا داده ای از تولیدات ماهواره ای عمق نوری AOD (ذرات PM10 ) سنجنده ی مودیس متناظر با داده های PM10 زمینی تهیه شده از ایستگاه زمینی پایش آلودگی اداره کل حفاظت محیط زیست استان کردستان واقع در شهر سنندج تهیه گردید. پس از آن، میزان ضریب همبستگی دو سری داده محاسبه و نیز محصولات PM10 حاصل، با استفاده از روش حداکثر برآورد احتمال و نیز استفاده از وزن به دست آمده از ریشه میانگین مربعات خطا (RMSE) در مدل های رگرسیون و شبکه ی عصبی و آریما برای پیش-بینی داده های PM10 سنجنده مودیس با دقت بالا ترکیب شدند. درنهایت، روش مقایسه ی منفرد بین مدل ها، جهت شناسایی مدل دقیقتر در پیش بینی داده های PM10 حاصل از سنجنده ی مودیس، استفاده شد. در مدل رگرسیون ضریب همبستگی R برابر است با 46% و RMSE برابر با 071834317/0 و MAE برابر با 00516/0 و در مدل شبکه عصبی ضریب همبستگی R در مرحله-ی آموزش برابر با 52% و در مرحله آزمون برابر با 53% و RMSE برابر با 618513/1 و MAE برابر با 619586/2 است. نتایج مدل آریما با R برابر با 46% و 06/0MAE= و 6897/0 RMSE= بیان-کننده ی این است که این مدل نیز مدل مناسبی برای پیش بینی داده ها است. با توجه به محاسبات انجام شده در این تحقیق، مدل شبکه عصبی، دارای دقت بیشتری جهت ارزیابی میزان همبستگی داده ها تشخیص داده شد. نتایج مدل آریما نشان داد که برای پیش بینی داده های وابسته، مناسب می باشد. افرادی که قصد تحقیق در این مورد را دارند می توانند با در نظر گرفتن تمام شرایط و محدودیت ها جهت بررسی وضعیت نواحی مختلف استان از نظر مقدار گردوغبار به جای مراجعه به نقاط مختلف و صعب العبور و نصب تجهیزات گرانقیمت اندازه گیری گ

هواویزهای اتمسفری ذرات جامد و مایع معلق در اتمسفرند که می توانند منشأ طبیعی داشته باشند. از جمله این منابع می توان به مواردی همچون فعالیت های آتشفشانی، ذرات گرد و غبار، ذرات نمک موجود در دریاها و اقیانوس ها و ... اشاره نمود و یا می توانند ناشی از فعالیت های انسانی باشند که می توان به فعالیت هایی نظیر فعالیت های صنعتی، حمل و نقل، مصارف سوختی و... اشاره کرد. تاکنون در ایران کاری به منظور برآورد عمق نوری هواویزها با استفاده از مدل های مختلف همچون مدل های رگرسیون چندگانه، رگرسیون مؤلفه های مبنا، شبکه عصبی رگرسیون عمومی، شبکه عصبی مصنوعی، مدل خودرگرسیون میانگین متحرک انباشته و نیز مدل سیستم استنتاج فازی تطبیق پذیر مصنوعی، تحت شرایطی که به دلیل نبود و فقدان اطلاعات کافی ناشی از ابری بودن هوا و یا خرابی تجهیزات موجود می باشد، صورت نگرفته است و ما در این پژوهش به دنبال پر کردن خلاء های موجود در این زمینه بوده ایم. بنابراین هدف از انجام این پژوهش برآورد میزان عمق نوری هواویزها (AOD) در مرکز استان های کرمانشاه و کردستان تحت شرایط آسمان ابری و یا خرابی تجهیزات مورد اندازه گیری بود که در این حالت به دلیل نبود داده و اطلاعات کافی دچار مشکل خواهیم بود. بدین منظور از داده های تشعشع سنج خورشیدی که از طریق اداره های هواشناسی موجود در مرکز استان های فوق طی بازه زمانی 1/1/2005 تا 31/12/2015 جمع آوری گردید، استفاده شد. همچنین داده های مربوط به متغیرهای مستقل هواشناسی نظیر دما، رطوبت نسبی، سرعت باد و ارتفاع لایه اتمسفری نیز از طریق یک پایگاه داده جهانی تحت عنوان ECMWF و برای بازه زمانی ذکر شده، تهیه و جمع آوری شد. لازم به ذکر است که این داده های مستقل برای سه سطح ارتفاعی مختلف شامل 500، 850 و 1000 هکتوپاسکال جمع آوری شدند. سپس با بهره گیری از مدل های مختلف شامل مدل-های رگرسیون چند متغیره (MLR)، رگرسیون مولفه های مبنا (PCR)، شبکه عصبی رگرسیون عمومی (GRNN)، خودرگرسیون میانگین متحرک انباشته (ARMA)، شبکه عصبی مصنوعی (MLP) و سیستم استنتاج تطبیقی عصبی-فازی (ANFIS) به پیش بینی مقادیر عمق نوری هواویزها در مرکز استان های کرمانشاه و سنندج، در سه سطح تراز فوق پرداخته شد. همچنین به منظور انجام آزمون مدل در هر کدام از مدل های ذکر شده از داده های خروجی مدل "HYSPLIT" در طول بازه زمانی 6 ماه آخر سال 20

در این تحقیق، برآورد متوسط ماهانه تابش خورشیدی روزانه در استان کردستان با دو مدل رگرسیون خطی چندگانه و شبکه عصبی مصنوعی مورد ارزیابی و واسنجی قرار گرفته است. داده های ماهواره ای برای 4 مکان مختلف در سراسر استان برای برآورد دما استفاده می شود. برای مدل سازی شبکه عصبی و رگرسیون و طراحی الگوریتم محاسبه تابش خورشیدی، دمای سطح زمین، ارتفاع، عرض جغرافیایی، طول جغرافیایی و عدد ماه متغیرهای ورودی هستند و میزان تابش خورشیدی اندازه گیری شده با دستگاه پیرانومتر متغیر هدف می-باشد. برآورد تابش خورشیدی با استفاده از پایگاه های آماری با داده های هواشناسی ارزیابی شد. نتایج به دست آمده نشان داد که مدل شبکه عصبی در مقایسه با مدل رگرسیون چندگانه عملکرد بهتری دارد. علاوه بر این، نتایج برآورد تابش خورشیدی با استفاده از داده های ماهواره، بهتر و دقیق تر از داده های ایستگاه هواشناسی بود. در نهایت، برآورد متوسط سالانه تابش خورشیدی روزانه در سراسر استان با مدل شبکه عصبی و داده های ماهواره ای انجام شد.

افزایش بی رویه جمعیت در سال های اخیر و محدودیت منابع آب سطحی منجر به فشار بیش از اندازه به سفره های آب زیرزمینی و باعث خسارات جبران ناپذیر به منابع طبیعی کشور بخصوص در سال های آینده خواهد شد. آب های زیرزمینی منبع تأمین آب برای میلیون ها نفر در جهان بوده و آلوده شدن آن ها تأثیرات عمده ای بر سلامت انسان ها، فعالیت صنایع، کشاورزی و محیط زیست دارد. هدف از این پژوهش برآورد پتانسیل آلودگی آرسنیک آب های زیرزمینی سنندج با استفاده از شبکه عصبی بود. در این راستا از بین چاه های مجوزدار شهرستان سنندج 35 چاه با در نظر گرفتن حوضه آبریز، پراکندگی مناسب و ساختار زمین شناختی متفاوت انتخاب شد. نمونه های آب هر چاه در ظرف های پلی اتیلنی و در دمای 4 درجه سانتی گراد نگه داری و به آزمایشگاه منتقل شد. برای بررسی رابطه بین ویژیگی های خاک اطراف چاه و نمونه های آب چاه ها، از عمق 0-20 سانتی متری خاک سطحی بالادست چاه ها نمونه های خاک به صورت مرکب جمع آوری شد. خاک-های جمع آوری شده در دمای آزمایشگاه خشک و برای آنالیز آماده شدند. به منظور نگه داری طولانی مدت نمونه های آب نیتریک اسید به آن ها افزوده شد و در آزمایشگاه غلظت آرسنیک نمونه های آب با دستگاه جذب اتمی به روش کوره انداز ه گیری شد. ویژگی های فیزیکی و شیمیای خاک شامل: آرسنیک، آرسنات، آرسنیت، فسفات، نیترات، آهن کل، آهن بی شکل، منگنز کل، منگنز بی شکل، درصد رس، درصد شن، درصد سیلت، ماده آلی خاک، pH وCEC اندازه گیری شدند. در میان پارامترهای فیزیکی و شیمیایی اندازه گیری شده خاک pH بدلیل گستره بسیار نزدیک نسبت به هم از مطالعه حذف شد. حداکثر مقدار آرسنیک آب و خاک به ترتیب 7/9 میکروگرم در لیتر و 1/11 میلی گرم بر کیلوگرم اندازه گیری شد که مقدار هر دو کمتر از حد مجاز بود. در مرحله بعد تمامی داده های آب و خاک نرمال شد و در نهایت دقت مدل های رگرسیون چندگانه و شبکه عصبی مصنوعی برای بررسی رابطه بین پارامترهای ذکر شده خاک و آرسنیک موجود درآب مورد ارزیابی قرار گرفت. نتایج مدل رگرسیون چندگانه در مرحله آموزش 636/0R= و 155/0RMSE= و 124/0MAE= و در مرحله آزمون مقادیر 517/0R= و 369/0RMSE= و 338/0MAE= به دست آمد. نتایج مدل شبکه عصبی در مرحله آموزش 835/0R= و 156/0RMSE= و 118/0MAE= در مرحله آزمون مقادیر 816/0R= و 177/0RMSE= و 158/0MAE= به دست آمد. مقایسه ی دقت مدل های

افزایش مشکلات و بحران های زیست محیطی در جهان باعث شده است تا طی نیم قرن گذشته اهمیت بحث در مورد محیط زیست و مسایل زیست محیطی افزایش یابد. آلودگی هوا در ردیف یکی از زیان بار ترین بلایای طبیعی قرار گرفته است. کشور ایران در یک منطقه با آب و هوای خشک قرار گرفته است و بیش از 30% از مساحت این کشور را مناطق خشک و نیمه خشک در بر می گیرد. به دلیل مجاورت مناطق غرب و جنوب غربی کشور با بیابان های بزرگ کشور های همجوار، روز های غبارآلود در این مناطق قابل توجه است و در سال های اخیر افزایش یافته است. از این رو پیش بینی ذرات گردوغبار تا حدی می تواند مفید باشد. به منظور بررسی اثر الگو های گردشی در میزان غلظت ذرات معلق PM2.5 شهر سنندج از نقشه های فشار تراز دریا در روز هایی که غلظت ذرات معلق PM2.5 بیشتر از حد استاندارد می باشد استفاده گردید و در تکمیل تحلیل این پدیده ها، از نقشه های مربوط به میزان حرکات قائم و ضخامت لایه 500-1000 هکتو پاسکال نیز برای توجیه وقوع آن ها استفاده شد. در نهایت جهت پیش بینی ذرات معلق PM2.5، داده های مربوط به کیفیت هوا شامل PM2.5، PM10، SO2، NO2، CO، O3 و داده های مربوط به هواشناسی شامل میانگین حداقل دما (MinT)، میانگین حداکثر دما (MaxT)، میانگین فشار جوی (AP)، بارش کل روزانه (PR)، رطوبت نسبی روزانه سطح هوا (RH) و سرعت باد روزانه (WS) مربوط به سال 1393 تهیه گردید. از مدل-های رگرسیون چند گانه، رگرسیون اجزای اصلی، خود رگرسیون میانگین متحرک انباشته، شبکه عصبی رگرسیون عمومی و مدل ترکیبی تجزیه حالت تجربی تجمعی- شبکه عصبی رگرسیون عمومی برای پیش بینی ذرات معلق PM2.5 شهر سنندج استفاده گردید. براساس نقشه های فشار تراز در روز های قبل از رخداد (24/4/1393)، در غرب ایران بویژه عراق ناپایداری شدید حاکم می شود و نتیجه این ناپایداری ها، در روز های بعد بر روی غرب ایران و بویژه استان کردستان دیده می شود. بنابراین با این که شرایط ناپایدار در روزهای 2 روز قبل بر روی عراق، سوریه و شمال عربستان بیشتر بود، با این حال غلظت ذرات گرد و خاک در این روز به 238 میلی گرم بر متر مکعب رسیده است. الگوی فشار تراز دریا در رخداد (20/11/1393) به گونه ای است که در روز های قبل از رخداد (24 و 48 ساعت قبل) شرایط ناپایداری و دگر فشار از شرق عربستان تا شمال عراق حاکم است. اما در روز رخداد، بر روی مناطق

تالاب بین المللی زریوار به دلیل ارزش های بوم شناختی، زیباشناختی، اقتصادی و جاذبه گردشگری که دارد در کانون توجه قرار دارد. بنابراین حفاظت و نگهداری از فرآیند های بوم شناختی آن و هم چنین حفظ کیفیت زیستگاهی در این بو سازگان بسیار حایز اهمیت است. یکی از جنبه های کیفی که در حفاظت از تالاب ها بسیار حایز اهمیت است حفظ کیفیت طبیعی آب در این بوم سازگان ها است. حفظ کیفیت آب نیز به نوبه خود نیازمند یک سیستم یکپارچه نظارتی مداوم است. روش های سنتی و در حال اجرا در خصوص کنترل و بررسی متغیر های کیفی آب در تالاب ها معمولاً زمان و کاربر هستند. لذا به کار بردن یک روش یکپارچه، دقیق، سریع و ارزان برای این منظور می تواند بسیار راه گشا باشد. به دنبال پیشرفت های چشم گیر اخیر در دانش سنجش از دور، به نظر می رسد این امکان وجود دارد از طریق مدل سازی بر اساس ارتباط بین داده های سنجش از دور و داده های واقعی، مدل های نسبتاً دقیقی برای برآورد خصوصیات کیفی آب تالاب ها و سایر بو سازگان های آبی طراحی نمود. از بین تمامی مدل های بالقوه موجود، مدل سازی از طریق دو مدل رگرسیون خطی و شبکه عصبی مصنوعی (ANN) در مطالعات زیست محیطی بسیار رایج است. در مطالعه حاضر نیزکه با هدف بررسی قابلیت داده های سنجش از دور در ارزیابی متغیرهای کیفی آب تالاب بین المللی زریوار واقع در استان کردستان از این دو مدل استفاده شد. نمونه برداری زمینی در چهار مرحله همزمان با عبور ماهواره لندست 8 در طی سال های 1392 و 1393 صورت گرفت. برای این منظور 36 نقطه از تالاب پس از ثبت مختصات جغرافیایی این نقاط برای تعیین خصوصیات فیزیکی و شیمیایی آب تالاب بین المللی زریوار مورد نمونه برداری قرار گرفتند. بازتابش طیفی باندهای (2، 3، 4 و 5) سنجنده OLI ماهواره لندست 8 تصحیح اتمسفری شد و این داده ها به عنوان داده های ورودی و خصوصیات شیمیایی و فیزیکی آب به عنوان داده های هدف در هر دو مدل شبکه عصبی مصنوعی و رگرسیون خطی مورد استفاده قرار گرفت. نتایج نشان داد که مقادیر برآوردی برای خصوصیات فیزیکی و شیمیایی آب تالاب در مدل شبکه عصبی نسبت به رگرسیون خطی به دلیل دارا بودن مقدار R2 بیش تر و خطای کم تر دقیق تراست. بازتاب طیفی در باندهای 4 و 5 سنجنده OLI در مدل شبکه عصبی مصنوعی به ترتیب بهترین نتیجه در برآورد میزان کلروفیل a و مقادیر TDS، TSS، کدورت , کلروفیل a ن

با توجه به طغیان آفات به جنگل های زاگرس و خسارت قابل توجهی که این آفات به خصوص آفت پروانه جوانه خوار بلوط، به دلیل تغذیه از برگ ها و جوانه ها، به جنگل های بلوط وارد می آورد، شناسایی مناطق آفت زده و مبارزه با آن ضرورت می یابد. استفاده از تصاویر سنجش از دور در مطالعه خسارات آفت و مرگ و میر ناشی از شیوع بیماری، به طور گسترده ای مورد استفاده قرار گرفته است که البته توانایی این تصاویر در تشخیص خسارت، به درجه آسیب به شاخ و برگ نیز بستگی دارد. استفاده از تصاویر لندست برای تشخیص شیوع و خسارت حشرات در مناطق بسیاری مورد استفاده قرار گرفته است، در این راستا استفاده از شاخص های گیاهی مختلف به ویژه شاخص NDVI حاصل از نسبت گیری طیفی باندهای سنجنده های این ماهواره، بسیار مورد توجه است. هدف از این تحقیق، بررسی امکان شناسایی مناطق آسیب دیده ناشی از پروانه جوانه خوار بلوط، با استفاده از تصاویر ماهواره لندست می باشد. برای این منظور تصاویر مربوط به قبل از توسعه آفت، سال 2002 و سال های بعد از بروز آفت، 2007 و 2014 در جنگل های شهرستان مریوان، در دو منطقه قرق شده و قرق نشده، مورد استفاده قرار گرفت. تصحیحات اتمسفری لازم بر روی تصاویر انجام شد و شاخص NDVI مربوط به هر تصویر بدست آمد. با توجه به اینکه تصاویر استفاده شده مربوط به دو ماهواره لندست 8 و لندست 5 می باشند و به دلیل اختلاف در دامنه طیفی باندهای قرمز و مادون قرمز نزدیک سنجنده های این ماهواره ها، شاخص NDVI حاصل از این دو سنجنده متفاوت است، در گام نخست مدلی جهت هماهنگ سازی و مقایسه دو شاخص ارائه شد. نتایج نشان داد که مدل ارائه شده با ضریب همبستگی 928/0= R2 و میانگین ریشه مربعات خطای 05/0 قابل استفاده می باشد. در گام نهایی، شاخص NDVI مربوط به سال های مختلف طبقه بندی شد و مورد مقایسه قرار گرفت. نتایج حاکی از کاهش معنی دار شاخص NDVI در سطح پنج درصد در سال های 2007 و 2014 چه در منطقه قرق شده و چه در منطقه قرق نشده است. با توجه به در نظر گرفتن تغییرات اندک بارندگی و اینکه دما تغییر قابل ملاحظه ای نداشته،کاهش این شاخص را می توان به حضور و خسارت پروانه جوانه خوار بلوط نسبت داد.

تالاب بین المللی زریوار یکی از پهنه های آبی مهم استان کردستان محسوب می شود. در سال های اخیر گزارشاتی مبنی بر رسوب گذاری زیاد و کاهش آبدهی چشمه های کف تالاب منتشر شده است که اهمیت پایش مداوم این پهنه آبی را هر چه بیش تر نمایان می نماید. در این پژوهش سعی در برآورد تغییرات عمق، درجه حرارت و تغییرات پهنه آبی با استفاده از تکنیک سنجش از دور شد. در این راستا تعداد 200 بار عمق سنجی و ثبت مختصات جغرافیایی محل همزمان با عبور ماهواره لندست 8 در چهار دوره زمانی شامل: تابستان و پائیز سال 1392 و بهار و تابستان سال 1393 صورت گرفت. پس از تصحیح اتمسفری نوارهای سنجنده OLI ماهواره لندست 8، نوارهای مرئی و هم چنین نتایج چندین شاخص مختلف حاصل از ترکیب نوار مرئی، مادون قرمز نزدیک و میانی این سنجنده مورد استفاده قرار گرفت. عمق آب به وسیله رگرسیون خطی و مدل سازی شبکه عصبی مصنوعی با استفاده از میزان بازتاب های طیفی و نتایج شاخص های مختلف متناطر با عمق های اندازه گیری شده در یک برآورد کلی و یک برآورد تک فصلی به دست آمد. نتایج شبکه عصبی مصنوعی نشان داد که نوار قرمز (نوار 4) با 0.82R2= و 0.0269 RMSE=در برآورد با استفاده از داده کلی (3 ماهه) و 0.95R2= و0.0230RMSE= در برآورد با استفاده از داده یک ماهه در مرحله تست بیش ترین همبستگی را با میزان عمق آب داشت. از بین ترکیب ها نیز نتایج ترکیب (band4-band2)/(band4+band2) با 0.92R2= و 0.0203RMSE= در برآورد با استفاده از داده کلی و 0.97R2= و 0.0301RMSE= در برآورد با استفاده از داده یک ماهه در مرحله تست بیش ترین همبستگی را با میزان عمق آب داشت. در این تحقیق با استفاده از تصاویر سنجنده TM ماهواره لندست دمای سطح آب (SST) بـرای سـالهای 1984 و 2012 محاسـبه شد و از تصاویـر کلاسـه بندی شده تغییرات دمایی دریاچه به دست آمد. پردازش اطلاعات نشان داد40.107% مساحت دریاچه از درجه حرارت 27-25 درجه سانتی گراد به درجه حرارت بین 32-27 درجه سانتی گراد تغییر یافته است. همچنین 59.89% درصد دریاچه از درجه حرارت 32-27 بدون تغییر مانده است، که این نتایج نشاندهنده گرم شدن آب دریاچه در بازه زمانی 28 ساله است. بررسی تغییرات پهنه آبی دریاچه توسط تصاویر چند زمانه نیز بیانگر افزایش محدوده آبگیر طی بازه سال1984 تا 2014 میلادی به میزان 4.49% است.

تغییرات کاربری زمین یکی از مهم ترین معضلات جهانی است که اثرات زیادی را بر محیط زیست برجای می گذارد. مدل سازی مکانی تغییرات کاربری زمین، فنی برای درک فرآیندهای تغییر کاربری زمین از نظر محل و مقدار تغییر است. رهیافت های گوناگونی برای مدل سازی تغیرات کاربری زمین توسعه یافته اند. در این مطالعه از دو رهیافت Ca-Markov و GEOMOD برای مدل سازی تغییرات کاربری زمین در منطقه ی حفاظت شده ی بیجار در دوره ی زمانی 1987 تا 2026 استفاده شد. برای این منظور، تصاویر ماهواره ای سال های 1987، 2000 و 2013 برای تهیه ی نقشه های کاربری زمین مورد استفاده قرار گرفتند. صحت نقشه ها با روش ماتریس خطا ارزیابی شد و سپس این نقشه ها جهت آشکارسازی تغییرات کاربری زمین در دو دوره ی زمانی 2000 – 1987 و 2013 – 2000 مورد استفاده قرار گرفتند. نتایج، کاهش اراضی مرتعی و افزایش اراضی کشاورزی را نشان داد. در مرحله ی بعد برای مدل سازی تغییرات کاربری زمین، متغیرهای مستقل استخراج شدند. سپس با استفاده از روش رگرسیون لجستیک، نقشه های تناسب تهیه شد. این نقشه ها به عنوان داده های ورودی برای پیش بینی تغییرات کاربری ها در آینده کاربرد دارند. نتایج اجرای مدل ها، توانایی بالای هر دو مدل را در منطقه نشان داد. برای پیش بینی شرایط آینده ی کاربری ها در منطقه در سال 2026، از این دو روش مدل سازی استفاده شد. نتایج نشان داد با ادامه ی روند کنونی باز هم شاهد تخریب مراتع و تبدیل آن ها به زمین های کشاورزی خواهیم بود به طوری که از سال 1987 تا 2026 حدود 35 درصد این مراتع تخریب خواهند شد. مقایسه ی نتایج مدل ها با استفاده از معیار کاپا نشان از اجرای موفقیت آمیز هر دو مدل برای مدل سازی تغییرات کاربری زمین در منطقه ی مورد مطالعه دارد، اما توانایی مدل GEOMOD در منطقه، بیشتر از مدل Ca-Markov بوده است. نتایج این تحقیق، نیاز به اجرای برنامه های صحیح برای کنترل تغییرات کاربری اراضی در منطقه را جهت حفظ تعادل اکولوژیک منطقه نشان می دهد. بنابراین با برنامه ریزی دقیق و تصمیم گیری مدیران، می توانیم شاهد کاهش تخریب مراتع در منطقه و کاهش اثرات این تخریب بر روی محیط زیست منطقه در آینده باشیم.

در چند دهه اخیر توجه به توفان های گردوغبار با توجه به تأثیر آن بر تابش امواج کوتاه و بلند نور خورشید و نقشی که در تغییر اقلیم ایفا می کند، بیش از پیش شده است. همان طور که مشهود است، در سال های اخیر کشور ایران به خصوص مناطق غربی و جنوب غربی آن گریبان گیر پدیده ی گردوغبار است. با توجه به اهمیت این پدیده و نقش آن بر فعالیت های انسان، در این تحقیق به پیش بینی وقوع توفان های گردوغبار در شهر سنندج با درنظر گرفتن فاکتورهای هیدروسفر و اتمسفر (جو بالا و جو پایین) پرداخته شد. به منظور بررسی شرایط هیدروسفر، تصاویر ماهواره ی مودیس جهت شناسایی روزهایی که توفان گردوغبار در آن رخ داده در بازه زمانی 2008-2000 و از داده های ذرات معلق بازه زمانی 2009-2012 استفاده شد. سپس، با استفاده از داده های دمایی ایستگاه دمشق واقع در کشور سوریه به عنوان عامل ایجاد توفان گردوغبار شهر سنندج و دریای مدیترانه به عنوان عامل هیدروسفری، اختلاف دمایی بین خشکی و دریا در یک تا چهار روز قبل از وقوع توفان و یک روز بعد از وقوع توفان بررسی شد. برای بررسی شرایط اتمسفر جو بالا با استفاده از داده های فشار تراز دریا، ارتفاع ژئوپتانسیل، رطوبت ویژه، دمای هوا، مولفه های مداری باد و نصف النهاری باد، شرایط سینوپتیک روزهای با توفان گردوغبار و یک تا چهار روز قبل از وقوع توفان بررسی شد. در نهایت جهت پیش بینی وقوع توفان گردوغبار با استفاده از متغیرهای جو پایین، پارامترهای دمای هوا، سرعت باد، جهت باد، رطوبت نسبی و فشار هوای مربوط به ایستگاه دمشق در یک روز قبل از وقوع توفان گردوغباردر شهر سنندج به عنوان ورودی مدل و میزان ذرات معلق شهر سنندج در روز وقوع توفان به عنوان خروجی مدل های رگرسیون چندگانه، شبکه عصبی و سیستم استنتاج فازی مبتنی بر شبکه عصبی (ANFIS) انتخاب گردید. با توجه به نتایج حاصله، اختلاف درجه حرارت بین خشکی های سوریه و دریای مدیترانه در وقوع توفان های گردوغبار در شهر سنندج مؤثر می باشد و این اختلاف دمایی تا سه روز قبل از وقوع توفان وجود دارد و با رسیدن به روز وقوع توفان افزایش می یابد. در چهار روز قبل از وقوع توفان و روزهای بدون توفان اختلاف دمایی دیده نمی شود. به طور کلی وجود فرود نسبتاً عمیق بر روی شرقی ترین بخش دریای مدیترانه، گسترش هوا از روی مناطق خشک (بیابان های لیبی، مصر، شمال عربستان و عراق)به سوی ایران و