عنوان پایان‌نامه
ارائه یک روش مبتنی بر داده کاوی مکا نی به منظور تحلیل خطر پذیری خشکسالی
- رشته تحصیلی
- مهندسی عمران-سیستمهای اطلاعات جغرافیایی(GIS)
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس 2 فنی شماره ثبت: 1902;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 47943
- تاریخ دفاع
- ۲۷ بهمن ۱۳۸۹
- دانشجو
- علی سلیمانی
- استاد راهنما
- فرهاد صمدزادگان, محمدعلی شریفی
- چکیده
- خشکسالی یکی از بلایای طبیعی مطرح است که ناشی از تغییرات اقلیمی در نواحی با رژیم های اقلیمی کاملاً متفاوت می باشد. نه تنها خود خشکسالی بلکه عوارض ناشی از آن مانند قحطی، گسترش بیماری و کاهش میزان برق تولیدی در نیروگاه های برق آبی، می توانند باعث بروز بحران های بزرگ شوند. در ایران پدیده خشکسالی از آنجا که این کشور در مرکز خشکسالی قرار گرفته است، همواره با تحمیل هزینه های سنگین همراه بوده است. از آن جمله می توان به اعلام خشکسالی در سال 1387 بر اثر کاهش شدید بارندگی در زمستان 1386 اشاره نمود که منجر به تشکیل کارگروه و ستاد خشکسالی کشور از سوی دولت نیز گردید. بر همین اساس تحقیقات زیادی جهت بررسی رفتار و ارزیابی خشکسالی در مناطق مختلف کشور بر اساس مطالعه روی شاخصهای شناخته شده خشکسالی صورت گرفته است. با توجه به مکان-مبنا بودن این شاخص ها و اهمیت زمان در تحلیل های مربوط به خشکسالی نیاز به یک سیستم جامع که به خوبی پاسخگوی نیازهای مرتبط باشد، بیش از پیش احساس می شود.
- Abstract
- Natural disasters are referred to some natural hazards (e.g. flood, earthquake, drought, landslide or tsunami) which lead to crucial environmental, financial, and/or human losses. Drought is one of natural hazards which is considered to be the most complex but least understood of all natural hazards. It can be defined as a deviation from normal conditions which results in insufficiency of water supplies to meet needs. Long periods of drought can have environmental, social, health and economic consequences. Different researches have focused on developing methods for studying drought, mostly based on drought indices derived from meteorological and climatological data such as amount of precipitation, relative humidity, soil temperature, etc. As many of these indices are location-based and because of recent advances in spatial data acquisition techniques, voluminous drought information is available nowadays. Geospatial Information Systems (GIS) are a set of powerful tools for collection, storage, retrieval and management of spatial data from multiple resources like Remote Sensing (RS) and Global Positioning Systems (GPS). For example in the case of drought, several indices based on remote sensing data are introduced (e.g. NDVI, VCI, WSVI). Because of natural complexity in analyzing drought episodes and the need for understanding past events and comparison with present conditions, large historical datasets are required to study drought, which involves complex inter-relationships between meteorological and climatological data. Furthermore traditional methods are unable to analyze large volumes of drought data. Thus developing automated and efficient methods for extracting valuable information is an emergent need for studying drought. One such technique is “Data Mining”. Data mining methods have the potential to search for drought patterns and identify complex relationships between atmospheric and environmental variables causing droughts. Combining GIS and spatial data mining in longterm can be used for storing, analyzing and extracting precious knowledge from different meteorological and environmental data. In this thesis, potential of spatial data mining methods are evaluated for monitoring different episodes of drought in 3 provinces of Iran, North Khorasan, Khorasan Razavi and South Khorasan. Long-term rainfall data is used to calculate Standardized Precipitation Index (SPI), and MODIS NDVI data for the period 2000-2007 is used to calculate Vegetation Condition Indice (VCI). The obtained results show the great capability of spatial data mining methods for extracting drought patterns and finding complex relationships between different episodes of drought.
