NDVI یک شاخص گیاهی است که به طور گسترده ای برای ارزیابی اثرات زیست محیطی، ارزیابی کشاورزی و معیارهای تغییر کاربری زمین مورد استفاده قرار می گیرد. روش محاسبه NDVI در نرم افزارهای سیستم اطلاعات جغرافیایی (GIS) به عنوان QGIS ساده و مستقیم است. با این حال، کارایی تنها مربوط به یک تصویر است، اما اگر یک سری از تصاویر را تجزیه و تحلیل کنیم یا اگر تصاویری با منابع محاسباتی محدود داشته باشیم، ما باید برخی از فیلترهای 

پروژه های زیر، از نظر وسعت در محدوده 609 دشت کشور، بازه جغرافیایی ایران و صدها رود انجام گرفته اند. از منظر محتوایی نیست به ترتیب ذکر شده می توانند متوالی تلقی گردند. شما می توانید به جزئیات بیشتر هر پروژه با استفاده از لینک های زیر دسترسی داشته باشید.

درباره این پروژه:

عنوان دقیق تر این پروژه عبارت است از:

تعیین تابع تصمیم ناهنجاری تغییرات بلند مدت تراز آبخوان در ارتباط با تغییرات خشکسالی اقلیمی به سه روش RC، SVM و IF و تحلیل عدم قطعیت گذر از شرایط پایدار به روش Crude Monte Carlo، با رویکرد IS در رقوم پیش بینی خشکسالی آب زیرزمینی.

در این مطالعه، به روش Crude Monte Carlo، با رویکرد Importance Sampling، گذر از شرایط پایدار جهت تعیین قابلیت اطمینان تغییرات بلند مدت سطح آب زیرزمینی در بازه زمانی 1373 تا 1400، مورد بررسی قرار گرفت. در دوره دوم، نواحی مشخصی از کشور در بخش های شرقی شمال غرب، قسمت های مرکزی کویر ایران، و حدود پراکنده ای از غرب-جنوب غربی و شرق-جنوب شرقی به نسبت دیگر نواحی از احتمال پایین تری در گذر از شرایط بحرانی برخوردار بوده‌اند.

درباره این پروژه:

عنوان دقیق تر این پروژه عبارت است از:

بررسی ارتباط خشکسالی اقلیمی با افت کیفیت آب زیرزمینی، با استفاده از روش طبقه بندی پردازش گاوسی شاخص‌های SPI و GRI، به منظور صحت یابی پیش بینی بلند مدت رقوم بارش و سطح آب، به دو روش حالت ثابت زنجیره مارکف (MC) و شبکه عصبی مصنوعی پس انتشار خطا (ANN-BP).

در این مطالعه، به منظور ایجاد یک بستر تصمیم سازی و کاهش عدم اطمینان مبانی مهندسی مدیریت منابع آب، و بخصوص مدیریت بهینه منابع آب شرب زیرزمینی، از روش زنجیره مارکف و مشخصا استخراج رقوم شرایط ثابت بلند مدت اقلیمی روش MC برای دو شاخص هواشناسی SPI و آب زیرزمینی GRI، و همچنین از روش موازی شبکه عصبی مصنوعی پس انتشار (BP) در محیط کدنویسی پایتون برای دست یابی به رقوم بارش سالیانه و سطوح آب زیرزمینی در شش سال 1395 تا 1400 در 609 دشت مطالعاتی کشور ایران استفاده شد؛ سپس ارقام محاسبه شده به روش هوش مصنوعی به منظور دستیابی به پراکنش مکانی، در محیط سیستم اطلاعات جغرافیایی به همراه ارقام درصد بهینه شده روش شرایط ثابت اقلیمی زنجیره مارکف، پهنه بندی شد. 

درباره این پروژه:

پروژه حاضر شامل تهیه نقشه های پهنه بندی از خروجی شاخص خشکسالی GRI و SPI که به ترتیب برای برای آب زیرزمینی و بارش است. این شاخص ها به عنوان یک معیار استاندارد از منظر مکانی-زمانی مورد استفاده قرار می گیرد. محاسبات برای کل دشت های کشور انجام شده است. این محاسبات با استفاده از توسعه مدل در محیط GIS صورت گرفته. در نهایت روش محاسبات، گزارش روش و مواد بکار رفته در تحلیل ها، در قالب یک گزارش 53 صفحه ای به همراه تمام داده های محاسباتی آمده است.

درباره این پروژه:

پروژه حاضر شامل تهیه نقشه های پهنه بندی از خروجی روش AHP برای کیفیت آب زیرزمینی جهت نیل به هدف پتانسیل یابی است. محاسبات برای کل دشت های کشور انجام شده است. این محاسبات با استفاده از توسعه مدل در محیط GIS و بعد از تعیین اولویت بندی های در نرم افزار Expert Choice انجام شده است. در نهایت روش محاسبات، گزارش روش و مواد بکار رفته در تحلیل ها، در قالب یک گزارش 45 صفحه ای به همراه تمام داده های محاسباتی آمده است.

درباره این پروژه:

پروژه حاضر شامل تهیه نقشه های پهنه بندی از شاخص های ارزیابی کیفی آب زیرزمینی است. این شاخص های با استفاده از کد اسکریپت زبان پایتون و در محیط GIS محاسبه شد. در نهایت روش محاسبات، گزارش روش و مواد بکار رفته در تحلیل ها، در قالب یک گزارش 49 صفحه ای به همراه تمام داده های محاسباتی آمده است.

تشریح مفاهیم کلی پروژه:

به منظور تحلیل پارامترهای کیفیت آب در آبخوان های ایران (تمام آبخوان ها)، با استفاده از شاخص های شولر، ویلکاکس و GWQI، ابتدا داده های عددی کیفیت آب در محیط صفحات گسترده مورد تدقیق و بازسازی قرار گرفت. دوره آماری داده ها از سال 1353 تا 1394 در دسترس بود؛ که به دلیل عدم پراکندگی مناسب (عدم برداشت) در سال های قبل از 1373 در تمامی سطح کشور، امکان تحلیل یکپارچه و همزمان برای تمامی آبخوان ها مقدور نبود.

معرفی محتوای کتاب

این کتاب، روش هایی برای بررسی اعتبار پیش بینی، از جمله ویژگی ها و جوانب مثبت و منفی هر یک را شرح می دهد. به عبارتی در اینجا روش هایی تشریح می شود که از آمار و نمرات سنتی ساده تا روش های دقیق تر تشخیصی و علمی برای صحت یابی پیش بینی در مدل ها استفاده می کند.

مثال های بکار رفته برای هر روش تماما از حیطه مقادیر آب و هوایی استخراج شده اند، اما روش های تایید می توانند به راحتی در زمینه های دیگر و داده های دیگر کاربرد داشته باشند. این روش ها برای تایید برآوردها و پیش بینی مناسب هستند.

این تصویر نمایشی بوده و مرتبط با پروژه نمی باشد

مقدمه

نرم افزار WEAP ابزاری کامپیوتری برای برنامه ریزی یکپارچه منابع آب است. این ابزار چهارچوبی جامع، قابل انعطاف و کاربردوست را برای تحلیل سیاستها فراهم می کند. تعداد متخصصانی که WEAP را به جمع مدل ها، پایگاه های داده، صفحات گسترده و سایر نرم افزارهای خود اضافه می کنند، رو به افزایش است.

بسیاری از مناطق با چالش های قابل توجه در مدیریت آب های شیرین روبرو هستند. تخصیص منابع محدود آب، کیفیت محیط زیست و سیاست های استفاده پایدار از آب، مسائلی هستند که نگرانی در مورد آنها رو به افزایش است. مدل های شبیه سازی منبع-گرا که بسیار متداولند، همواره مناسب نیستند. در طول دهه اخیر، رویکرد یکپارچه نگری در مورد توسعه آب مطرح شده و در نظر گرفتن طرح های تأمین آب را در چهارچوب مسائل مربوط به مدیریت مصرف، کیفیت آب و حفاظت از اکوسیستم ها را ضروری ساخته است.

نمودار نشان دهنده دو مدل است که یک سطح پایین API ارائه می دهند.

معرفی

OpenStreams بلوک های ساختمانی را ایجاد می کند که مدل های هیدرولوژیکی یکپارچه را تشکیل می دهند. این بلوک ها می توانند مدل های کامل باشند، که قطعاتی از مدل هایی هستند که می توانند برای ساخت مدل های دیگر استفاده شوند. هدف این است که یک چارچوب کامل برای ساخت و اتصال مدل ها باشد، وظیفه به لایه ها (مانند OpenMI) منتهی می شود که می تواند در بالای جزء یا مجموعه اجزا تشکیل شده باشد.

چرا برای پردازش داده ها یک زبان برنامه نویسی استفاده می شود؟

اکثر دانش پژوهان محاسبات خود را در اکسل انجام می دهند و یا اگر مجوز نداشته باشند، توسط برنامه برنامه نویسی متن باز برنامه Calc از OpenOffice. با این حال، فرض کنید که مجموعه داده های هواشناسی طولانی داشته باشید. در اکسل، حداکثر طول ردیف بسیار سریع اشباع می شود بنابراین شما باید اطلاعات خود را بر روی ورق های مختلف تقسیم کنید. این بسیار ناکارآمد خواهد بود. همچنین برای ساخت یک مدل کامپیوتری در یک برنامه صفحه گسترده، شبیه سازی فرآیندهای مانند جریان آب زیرزمینی، فرسایش و یا انتشار گازهای گلخانه ای پیچیده است.

در این مورد، متخصصان اغلب به نوشتن یک برنامه اختصاصی که می توانند پردازش داده ها را انجام دهند و محاسبات مدل را به صورت خودکار انجام دهند مجددا بازگشت می کنند. رایج ترین زبان ها برای برنامه نویسی عبارتند از زبان برنامه نویسی C و مشتقات آن و Java و Fortran. این زبان ها بسیار قدرتمند هستند، اما دارای ویژگی هایی هستند که از جمله شما باید برنامه را بنویسید و سپس آن را برای کار با آن کامپایل کنید.

نسخه اولیه اپلیکیشن شیرهای کشاورزی سد دز با هدف ارائه اطلاعات فنی، نقشه ها، دستورالعمل های بهره برداری و تصاویر تجهیزات، توسط کارشناسان شرکت نصب، تعمیر و نگهداری نیروگاه های برق آبی خوزستان در ناحیه دز طراحی و ساخته شد.

نسخه اولیه اپلیکیشن شیرهای کشاورزی سد دز با هدف ارائه اطلاعات فنی، نقشه ها، دستورالعمل های بهره برداری و تصاویر تجهیزات، توسط کارشناسان شرکت نصب، تعمیر و نگهداری نیروگاه های برق آبی خوزستان در ناحیه دز طراحی و ساخته شد.

سیستم آنلاین توسعه و مدیریت داده های منابع آب و محیطی

HydroManager یک سیستم توسعه منابع آب مبتنی بر وب و داده هایی مدیریتی که دسترسی متمرکز و امنی را به تولیدات آب و داده های نظارتی از طریق اینترنت ایجاد می نماید، است. HydroManager با ترکیب پایگاه داده های سطحی و زیرزمینی با ابزارهای تخصصی تحلیلی، سیستم های پشتیبانی تصمیم گیری و ساده در استفاده و همچنین رابط کاربری وب آنلاین، برای سازمان های آب، آب و برق، سازمان های دولتی، مدیران معدن، و پروژه های نفت و گاز نامتعارف، یک سیستم قابل اعتماد و موثر و کارآمد مدیریتی منابع آب را فراهم می کند.

دسته بندی کلی انواع عدم قطعیت.

کلیات عدم قطعیت در منابع آب

پیامد ها یا پدیده هایی که پیش بینی دقیق آن ها ممکن نیست، وقایع ریسکی یا وقایع غیر قطعی نامیده می  شوند. عبارت ریسک اغلب برای توصیف شرایطی به کار می  رود که برای تعریف درست نمایی پدیده  ها یا پیامد  های مختلف، مقدار احتمالات در دسترس باشند. اگر احتمالا پدیده ها یا پیامد های مختلف قابل کمی  کردن نباشند یا پدیده  های پیش بینی پذیر نباشند، به آن ها غیر قطعی می  گویند. عدم قطعیت در اطلاعات، امری ذاتی در فعالیت  های برنامه ریزی مربوط به آینده است. این امر از اطلاعات ناکافی و فرضیه  های نادرست و همچنین از تغییر پذیری فرآیند های طبیعی طی زمان و مکان ناشی می  شود. مدیران آب اغلب نیاز دارند عدم قطعیت و تغییرات در مقادیر شاخص کارایی سامانه را به دلیل هر تغییری در داده های ورودی و مقادیر پارامتر های ممکن که پیش بینی شده اند، تعیین کنند. آن ها باید این سطح عدم قطعیت را برای توسعه کاربردی طرح  های مهندسی تعدیل کنند.

کلیات

آب منبعی تجدید شوند است که به طور طبیعی از چرخه هیدرولوژیک پیروی می کند. چرخه هیدرولوژیک اساس فرآیندی پیوسته و بدون آغاز و پایان است که می توان آن را یک سامانه نامید. به عبارت دیگر، یک سامانه، مجموعه عوامل و اجزایی است که هر کدام به طور مستقل عمل می کند، ولی نتایج ناشی از عمل هر جزء به طور متقابل بر جزء دیگر اثر می گذارد. هر سامانه با ویژگی -های ذیل تعریف می گردد:

• مرز سامانه   که اجزای مرتبط با آن سامانه را از سایر اجزای متعلق به محیط اطراف جدا می -کند.
• نحوه ارتباط متقابل اجزای یک سامانه با ورودی ها و خروجی های آن.
• بازخورد سامانه   که نحوه تعامل ورودی و خروجی های سامانه با محیط اطراف را نشان می دهد.

شرح وظایف کارشناس بانک اطلاعات در شرکت های آب منطقه ای

توجه: این توضیحات بدون جداول و منابع آمده است. برای دریافت نسخه کامل آن را از ذیل دانلود کنید.

وظایف کارشناس بانک اطلاعات پس از ورود داده های تایید شده توسط کارگروه  آب سطحی و زیرزمینی در سامانه بانک اطلاعات منابع آب به شرح زیر می باشد:

1-اجرای گزارش های زیر، جهت کنترل برخی از پارامتر های ضروری از قبیل_ نداشتن  آمار  استان  مجاور _ خالی  نبودن نام استان _خالی نبودن فیلد کد محدوده _ اشتباه بودن کد محدوده _ تعداد رکورد دریافتی _ مجموع تخلیه _ ومجموع بهره برداری (گزارش‌های تهیه شده درسامانه بانک اطلاعات امار برداری سراسری 3) برای هر فرم عبارتند از:

می توان گفت PMF یک احتمال وقوع مشخص ندارد، هر چند برخی مانند ICOLD دوره بازگشت یک در یک میلیون سال و یک در ده میلیون سال را برای آن قایل هستند. اگر کلیه فاکتور های دخیل به طور مجزا بیشینه شود، مقادیر PMF اغلب به طور قابل ملاحظه ای بزرگ تر از مقداری که در حالت معمول محاسبه می شود، به دست می آید. در شرایطی که PMF براساس PMP برآورد شود، تعیین شرایط پیشین بارندگی، جریان، رطوبت خاک و مانند آن باید توسط مهندس هیدرولوژیست به طور منطقی قبل از آغاز PMP تعیین شوند. واضح است که اگر PMP که خود احتمال وقوع فوق العاده اندکی دارد، با شرایط پیشین مبتنی بر نفوذ صفر که آن نیز احتمال وقوع خیلی کمی دارد ترکیب شود، برآورد PMF حاصل به طور غیرمعقولی می تواند بالا باشد.

برخی از سوالات اساسی در برآورد PMF را می توان به شرح زیر طبقه بندی نمود.

مقدمه

هدف از این توضیحات، این است که کاربران یاد بگیرند تا چگونه به محاسبه هایتوگراف بارش مازاد بر اساس هایتوگراف بارش کل و با استفاده از اصول سازمان حفاظت خاک آمریکا (SCS) و مشخصا شماره منحنی رواناب (CN) بپردازند. در این مراحل فرض می شود که کاربر در حال حاضر دارای یک باران نمود بارش کل در محیط اکسل است و این باران نمود بارش در مجموع برای یک رویداد واحد می باشد. و سپس از آن به عنوان ورودی برای جداسازی بارندگی انتزاعی و یا تلفات با استفاده از روش SCS CN استفاده می شود. دو خروجی از این مرحله، از جمله بارش انتزاعی و باران نمود بارش مازاد وجود دارد. این توضیحات نیز مستلزم آن است که CN برای ناحیه مطالعاتی شناخته و محاسبه شده باشد.

بر طبق توضیحات و آموزش های SCS در کل یک بارش جامع (P) از سه بخش مجزا تشکیل شده است:

1- Initial abstraction یا Ia

2- Continuous abstraction یا Fa

3- Excess rainfall یا Pe

بخش اول مشخص کننده مقدار بارشی است که باید ببارد تا خاک تا مرحله جاری شدن رواناب از نفوذ ارضاء شود. عموما این مقدار به شکل 20٪ از حداکثر ذخیره سازی در کل یا احتباس حوضه (S) محاسبه می شود. بنابراین، Ia = 0.2S در نظر می گیریم. در ادامه بخش دیگری از بارش صرف اقناع ذخیره خاک می شود که با Fa آن را شناختیم. که در این حالت عبارت ذیل برای محاسبه Fa با استفاده از مقدار کل بارش (P) و حداکثر احتباس (S) بکار گرفته می شود. 

مقدمه

منظور این توضیحات، فرآگیری روش جداسازی دبی پایه یک مسیر آبراهه ای، از جریان کل هیدروگراف است. در این آموزش توضیحات بر روی یک هیدروگراف مجزا از یک واقعه بارش تشریح می گردد. فرض بر این است که کاربر در محیط اکسل اطلاعات زمانی و حجمی این هیدروگراف را در اختیار دارد. (نمونه را دانلود کنید).

دستورالعمل

دبی پایه چیست؟

دبی پایه بخشی از رودخانه است که به طور مستقیم از بارش مازاد در طول یک رویداد طوفان تولید شده است. به عبارت دیگر، این مقدار معادل با جریانی است که در جریان همراه رواناب مستقیم بدون داشتن سهمی از بارش وجود دارد. برآورد دبی پایه و رواناب مستقیم برای درک هیدرولوژی یک حوزه آبخیز، از جمله تعاملات آب سطحی و زیر سطحی، نقش شهرنشینی بر رواناب و سلامت زیستگاه آبزیان موجود در مسیر جریان مفید است. روش ارائه شده در اینجا قابل استفاده برای یک هیدروگراف اوج ناشی از وقوع توفانی تک است.

دانش و تکنیک های هوش مصنوعی در سال های گذشته رشد قابل ملاحظه ای داشته است، به طوری که حجم زیادی از اطلاعات در علوم کامپیوتر را به خود اختصاص داده است. محققین زیادی در حال حاضر مشغول فعالیت در این زمینه میباشند. تاریخچه هوش مصنوعی با بازی ها و مسائلی پیوند دارد که در سده ها و دهه های گذشته مورد توجه قرار گرفته و بررسی شده اند. بازی هایی مانند شطرنج و معمای puzzle-8 و مسائلی مانند پاندول وارونه و فروشنده دوره گرد که بعضی ها قبل از پیدایش کامپیوتر بررسی شده اند وبا پیشرفت علوم کامپیوتر، توانایی بازی کامپیوتر در مقابل انسان موضوع جالبی بود که باعث پیشرفت های زیادی در هوش مصنوعی و تکنیک های آن گردید. هم اکنون نیز کار بر روی بسیاری از این مسائل ادامه دارد و چه از نظر تئوری و چه از نظر عملی حل بیشتر این مسائل راهگشای بسیاری از مشکلات هوش مصنوعی است.

هدف اصلی در NLP و یا برنامه ریزی غیرخطی، در شکل کلی آن پیدا کردن مقادیر بهینه متغیرهای تصمیم گیری با در نظر گرفتن محدودیت‌ها می‌باشد. در فرمول بندی اینگونه مسائل، هدف پیدا کردن یک نقطه تکین مطلق است ولی واقعیت چه از نظر محاسباتی و چه از لحاظ نظری، در بسیاری مواقع رضایت دادن به نقطه تکین نسبی خواهد بود. به عنوان مثال هنگام جستجوی نقطه کمینه با استفاده از یک روش همگرا شونده، مقایسه مقادیر نقاط همجوار تنها راه حل ممکن است.

در ریاضیات برنامه سازی غیر خطی (Nonlinear programming) (NLP) فرایند حل یک سیستم از برابری‌ها و نابرابری‌ها بر روی مجموعه‌ای از متغیرهای ناشناخته حقیقی، در یک تابع هدف که باید کمینه یا بیشینه شود و بخشی از محدودیت‌های آن غیر خطی است، می‌باشد.