%0 Journal Article %T پایش ریزگردها با استفاده از تصاویر چند طیفی ماهواره مادیس در جنوب غربی ایران %J جغرافیا ( فصلنامه علمی انجمن جغرافیایی ایران) %I انجمن جغرافیایی ایران %Z 2783-3739 %A عفیفی, محمد ابراهیم %D 2018 %\ 02/20/2018 %V 15 %N 55 %P 184-194 %! پایش ریزگردها با استفاده از تصاویر چند طیفی ماهواره مادیس در جنوب غربی ایران %K ریزگردها %K تصاویر مادیس %K مدل HYSPLIT %K سنجش از دور %R %X امروزه به همراه پیشرفت های صورت گرفته در توسعه سنجنده های سنجش از دور، موجب توجه ویژه بسیاری از پژوهشگران علوم زمین به این فناوری شده است. از جمله ویژگی های داده های سنجش از دور می توان به مواردی از قبیل برداشت اطلاعات رادیومتریکی و هندسی، دوره زمانی کوتاه اخذ اطلاعات از منطقه موردنظر، تنوع در سنجنده ها به منظور دریافت اطلاعات متفاوت و غیره اشاره نمود. در میان کاربردهای گوناگون این داده ها، شناسایی و طبقه بندی طوفان های گردوغبار در دو دهه اخیر، اهمیت قابل توجهی دارند. هدف این تحقیق پایش گردوغبار در منطقه جنوب غربی ایران با استفاده از داده های ماهواره مادیس است. در این تحقیق از تصاویر مادیس سال های 2010-2015 استفاده شده است. باتوجه به مطالعات صورت گرفته مشاهده شده که در این زمینه مدل های مختلفی در تحقیقات پیشین ارائه گردیده است. در گام اول این تحقیق به ارزیابی عملکرد مدل های پایش ریزگردها در منطقه جنوب غربی ایران پرداخته شده است. سپس با بررسی های صورت گرفته، الگوریتم طبقه بندی درخت تصمیم گیری انطباقی ارائه شده است. انطباقی بودن در این الگوریتم به این معناست که در این روش پارامترها برای طبقه بندی هر تصویر با استفاده از ویژگی های همان تصویر تعیین شده است. پس از آن با استفاده از مدل HYSPLIT به پیش بینی خط سیر حرکت گردوغبار پرداخته شده است. به منظور بررسی عملکرد روش های طبقه بندی کننده از 8 تصویر مادیس بین سال های 2010-2015 استفاده شده است. با بررسی نتایج طبقه بندی تصاویر مادیس با استفاده از داده آموزشی AOD مشاهده شده است که از بین روش های تحقیقات پیشین الگوریتم طبقه بندی کننده ماشین بردار پشتیبان در منطقه جنوب غربی ایران دارای دقت مناسب تری نسبت به سایر روش ها است. سپس با استفاده از مدل HYSPLIT خط سیر گردوغبار منطقه جنوب غربی ایران نشان دهنده منشا خارجی به عنوان منشا اصلی این پدیده در ایران است. %U https://mag.iga.ir/article_696722_d43b965710580c5b0e7b2dd9a295816b.pdf