عنوان پایان‌نامه
امکان سنجی وقو ع انو مالی در سری های زمانی هواویز ها در محدوده زمانی وقوع زلزله های بزرگ با استفاده از داده های ما هواره ای
- رشته تحصیلی
- مهندسی عمران- نقشه برداری- سنجش ازدور
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 3338;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 76789;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 3338;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 76789
- تاریخ دفاع
- ۳۰ تیر ۱۳۹۵
- دانشجو
- فاطمه جهانی چهره برق
- استاد راهنما
- مهدی آخوندزاده هنزائی
- چکیده
- زلزله یکی از مخرب ترین بلایای طبیعی است که به طور جامع، پیش بینی آن تاکنون محقق نگشته است تحقیقات نشان داده اند به کمک داده های سنجش از دور می توان به اطلاعاتی دسترسی پیدا کرد که رابطه نزدیکی با وقوع زلزله دارند این اطلاعات همان پیش نشانگرهای زلزله هستند. داده های ماهواره ای به دلیل پوشش وسیع و توان تفکیک مکانی و طیفی بالا گزینه مناسبی برای پایش تغییرات پیش نشانگرهای زلزله به منظور آشکار نمودن تغییرات ناگهانی به وجود آمده در لایه های مختلف جوی از جمله لیتوسفر، اتمسفر و یونسفر قبل از وقوع زلزله های بزرگ هستند. این پایان نامه به بررسی یکی از پیش نشانگرهایی می پردازد که می توان آن را از تصاویر ماهواره ای استخراج کرد، ضخامت نوری هواویز ( AOD) پارامتری است که در اینجا به بررسی ارتباط آن با وقوع چند زلزله بزرگ پرداخته می شود. هواویزها (Aerosols) ذرات کوچک معلق در هوا در حالت جامد یا مایع می باشد. از جمله روش های موجود برای بدست آوردن پارامتر هواویز، روش های DDV، Deep Blue Algorithm و روش SYNTAMمی باشند روش SYNTAM با ادغام داده های سنجنده های MODIS دو سکویAQUA وTERRA توانسته است محدودیت های موجود در بدست آوردن ضخامت نوری هواویز به کمک روش DDV را از بین ببرد و نتایج قابل قبولی را ارائه نماید. در این پایان نامه ابتدا با استفاده از روش SYNTAM نقشه ضخامت نوری هواویزها، برای منطقه ای از ایران تهیه شده است. مقایسه نتایج بدست آمده از این تحقیق با محصول AOT ناسا برای زمان و موقعیت یکسان رضایت بخش می باشد. مقدار RMSE حاصل از مقایسه داده های NASA و روش SYNTAM به کمک الگوریتم تکرار نیوتن برای طول موج m 0/55 برابر0/253 می باشد. در قسمت بعد روش SYNTAM با سرشکنی مدل پارامتریک غیر خطی تلفیق می شود که نتایج حاصل از آن دارای دقت بیشتری نسبت به روش پیاده سازی روش SYNTAM به تنهایی می باشد. مقدار RMSEحاصل از این روش برای طول موج m 0/55 برابر 0/207 می باشد. در بخش دوم پایان نامه با بررسی سری های زمانی AOD حاصل از محصولات سنجنده MODIS بر روی سکوی TERRA، برای 16 زلزله بزرگ در ایران و جهان (چین (2008/05/12)، پاکستان (2005/10/08)، نپال (2015/04/25)، شمال پرو (2005/09/26)، ایران- سیستان و بلوچستان (2010/12/20)، ایران-کاکی بوشهر (2013/04/09)، ایران-بم (2003/12/26)، ایران-ورزقان (2012/08/11)، ایران-سراوان (2013/04/16)، ژاپن (2011/11/03)، شیلی (2010/02/27)، اندونزی (2007/09/12)، دریای Okhotsk (2013/05/24)، شیلی (2014/04/01)، نپال (2015/05/12)، ترکیه(2011/10/23))، نابهنجاری هایی قبل و بعد از وقوع زلزله مشاهده شدند. نتایج نشان می دهند که بین وقوع زلزله های بزرگ و تغییرات غیر عادی پارامتر AOD رابطه معناداری وجود دارد و AOD به عنوان یک پیش نشانگر زلزله می تواند در تحقیقات بعدی مورد بررسی و مطالعه قرار گیرد. کلمات کلیدی: هواویز ، پیش نشانگر، زلزله ، سنجش از دور ، MODIS ، SYNTAM
- Abstract
- Earthquake is one of the most devastating natural disasters that it's prediction has not materialized comprehensive. Remote sensing data can be used to access information which is closely related to an earthquake. This information is the earthquake’ precursors. To date the different precursors were studied. This paper examines one of the parameters which can be derived from satellite imagery. The parameter is Aerosol Optical Depth (AOD) that this article reviews its relationship with earthquake. Aerosols are small (sub-micron to several microns) suspend particles in the solid or liquid phase in the atmosphere. The main origins of aerosols are natural and anthropogenic. Aerosol Optical Thickness (AOT) can be determined by implementing different methods on satellite images. But it is difficult task to achieve it, because solar lights are reflected by the atmosphere and the whole solar lights do not hit the ground. The most famous methods used to derive aerosol parameters are Dark Dense Vegetation (DDV), Deep blue algorithm and SYNergy of Terra and Aqua Modis (SYNTAM). SYNTAM approach can remove limitations in deriving AOT by combining data from two sensors of MODIS of TERRA and AQUA satellites and this method gives the right results. In this study at first, SYNTAM method has been applied over a region of Iran to produce a AOT map. The comparison between the results and NASA AOT products for the same time and location shows a good agreement. The result of comparing NASA data and SYNTAM approach with Newton iteration algorithm for the wavelength of 0.55 ?m, gives the RMSE equal to 0.253. Therefore SYNTAM could be a robust method to derive AOT map over regions without AERONET ground stations. In the next section SYNTAM method was combined with nonlinear parametric adjustment model. In this case the results are more accurate than implementation of SYNTAM method alone. The result of comparing NASA data and SYNTAM approach with nonlinear parametric adjustment model for the wavelength of 0.55 ?m, gives the RMSE equal to 0.207. After that, by analyzing AOD's time series for 16 major earthquakes in Iran and world(Chine (2008-05-12), Pakistan (2005-10-08), Nepal (2015-04-25), Peru (2005-09-26), Iran-Sistan Balochestan (2010-12-20), Iran-Bushehr (2013-04-09), Iran-Bam (2003-12-26), Iran-Varzaghan (2012-08-11), Iran-Saravan (2013-04-16), Japan (2011-03-11), Chile (2010-02-27), Indonesia (2007-09-12), Sea of Okhotsk (2013-05-24), Chile (2014-04-01), Nepal (2015-05-12), Turkey (2011-10-23)) (AOD's time series derived from MODIS sensor on the TERRA platform) was observed that this parameter has anomalies before and after earthquakes. Before large earthquakes, rate of AOD increases due to the pre-seismic changes before the strong earthquake, which produces gaseous molecules and therefore AOD increases. Also because of aftershocks after the earthquake there is a significant change in AOD due to gaseous molecules and dust. This behavior suggests that there is a close relationship between earthquakes and the AOD parameter. Therefore the investigation introduced AOD as an earthquake precursors. Keywords: Aerosols, Optical Depth, Earthquake, Remote Sensing, MODIS, SYNTAM.
