سیلاب و رانش زمین همراه با بارندگی بیشترین تعداد بلایای طبیعی را به خود اختصاص داده و بیش از هر نوع دیگر از بلایای طبیعی در سراسر جهان مردم را تحت تأثیر قرار می دهد. آژانس های آمریکایی و بین المللی و سازمان های غیردولتی به منظور درک تأثیرات انسانی و برنامه ریزی فعالیت های کاهش، به اطلاعات کمی دقیق در مورد وقوع سیل و رانش زمین به صورت جهانی نیاز دارند. پیشنهاد دهندگان اخیراً یک سیستم خطر جهانی (GHS) برای سیل و رانش زمین ایجاد کرده اند که از مشاهدات و مدل های ماهواره ای برای درک، نظارت و پیش بینی بهتر این نوع وقایع استفاده می کند. GHS از تجزیه و تحلیل بارش چندماهواره TRMM (TMPA) استفاده می کند که اطلاعات ده ماهواره را با هم ترکیب می کند، همه با تخمین باران از مأموریت اندازه گیری باران گرمسیری (TRMM) کالیبره می شوند.

اصل غافلگیری! عنوانی شناخته شده در مدیریت بحران های اقلیمی در ایران و چه بسا در بسیاری از نقاط جهان است. حتما برای شما هم پیش آمده است که از ضعف سازمان های پیش بینی کننده وضعیت اقلیم و هوا متعجب شده باشید. در ادامه مصاحبه رییس سازمان هواشناسی را در این باره را بخوانید.

بارش سال زراعی جاری تا روزهای پایانی دی ماه حدود 21 درصد نسبت به دوره مشابه بلندمدت و  38 درصد نسبت به سال گذشته کاهش یافته است. به ترتیب بیشترین کاهش در استان‌های هرمزگان (84%)، سیستان و بلوچستان (84%) و کرمان (45%) و بیشترین افزایش در استان های قم (31%)، یزد (13%) و تهران (7%) رخ داده است.

در نقشه تراز میانی جو بی‌هنجاری مثبت ارتفاع ژئوپتانسیلی بر روی شرق اروپا و خاورمیانه قرار دارد، اما غرب اروپا و مدیترانه در گستره بی‌هنجاری منفی به نسبت ضعیفی قرار دارد.

این آموزش مقدمه ای برای پیش بینی سری زمانی با استفاده از TensorFlow است. چند مدل مختلف از جمله شبکه های عصبی Convolutional و Recurrent یعنی (CNN ها و RNN ها) را ایجاد می کند.

این در دو بخش اصلی، با زیر بخش ها پوشش داده شده است:

• پیش بینی برای یک بازه زمانی واحد:
• یک ویژگی واحد
• همه ویژگی ها

حافظه طولانی کوتاه-مدت (به انگلیسی: Long short-term memory) یا به اختصار ال‌اس‌تی‌ام (تلفظ تحت‌اللفظی LSTM)، یک معماری شبکه عصبی بازگشتی (یک شبکه عصبی مصنوعی) است که در سال ۱۹۹۷ میلادی توسط سپ هوخرایتر و یورگن اشمیدهوبر ارائه شد، و بعداً در سال ۲۰۰۰ میلادی توسط فیلیکس ژرس بهبود داده شد.

در علوم مختلف، به یک توالی یا دنباله از متغیرهای تصادفی که در فاصله های زمانی ثابت نمونه برداری شده باشند، اصطلاحاً سری زمانی یا پیشامد تصادفی در مقطع زمان می‌گویند. به عبارت دیگر منظور از یک سری زمانی مجموعه‌ای از داده‌های آماری است که در فواصل زمانی مساوی و منظمی جمع‌آوری شده باشند. روش‌های آماری ای که این گونه داده‌های آماری را مورد استفاده قرار می‌دهد مدل های تحلیل سری‌ زمانی نامیده می‌شود. مانند فروش فصلی یک شرکت طی سه سال گذشته. یک سری زمانی مجموعهٔ مشاهدات تصادفی ای است که بر اساس زمان مرتب شده باشند. مثال‌های آن در اقتصاد و حتی رشته‌های مهندسی دیده می‌شود.

این کد نحوه انجام پیش بینی جدول زمانی را با استفاده از مدل LSTM نشان می دهد.

پرسپترون چند لایه یا به اختصار MLP می توانند برای پیش بینی سری زمانی استفاده شوند. چالشی در استفاده از MLP برای پیش بینی سری زمانی در تهیه داده ها وجود دارد. به طور خاص، مشاهدات تأخیر (لگ) مشاهداتی باید به بردارهای اجزا مسطح شود. در این آموزش، شما می آموزید که چگونه مجموعه ای از مدل های MLP را برای طیف وسیعی از مسائل پیش بینی سری زمانی استاندارد ایجاد کنید. هدف این آموزش ارائه نمونه های مستقل از هر مدل در مورد هر نوع مسئله سری زمانی به عنوان الگویی است که می توانید آن را کپی کرده و برای مشکل پیش بینی سری زمانی خاص خود تطبیق دهید.

ناسا، دانشگاه نبراسکا نقشه های جدید آبهای زیرزمینی جهانی و پیش بینی های خشکسالی ایالات متحده را منتشر کردند. محققان ناسا نقشه های جهانی هفتگی مبتنی بر ماهواره و رطوبت خاک و شرایط رطوبت آب های زیرزمینی و پیش بینی های یک تا سه ماهه ایالات متحده از هر محصول را تهیه کرده اند. در حالی که نقشه های شرایط خشک / مرطوب فعلی ایالات متحده از سال اولیه ارسال ماهواره GRACE در دسترس است، این نقشه ها اولین بار است که در سطح جهان در دسترس قرار گرفته است.

سایت eWater نوشته است: نگران هستید که رویداد مورد علاقه خود را در سال از دست بدهید؟ مطمئن باشید ، کنفرانس نرم افزار eWater 2020 ادامه خواهد یافت! در تاریخ 1 و 2 دسامبر به صورت آنلاین به ما بپیوندید و در دو جلسه بسته اطلاعاتی در مورد آخرین پیشرفت ها استفاده کرده و از مواردی برای همه محصولات eWater استفاده کنید.

زمانی بود که بزرگترین شهرهای جهان در حاشیه رودخانه ها واقع شده بودند. آب ذخیره شده در زیر سطح زمین منبعی است که زندگی را در بسیاری از نقاط خشک کره زمین زنده نگه داشته است. مصرف آب زیرزمینی به عنصری اساسی در توسعه شهری و گسترش جمعیت انسانی به مناطقی تبدیل شده است که در غیر اینصورت غیرقابل سکونت خواهد بود. بیشتر ذخایر آب زیرزمینی جهان از سفره های زیرزمینی "فسیلی" تأمین می شود. این بدان معناست که آخرین بار آب بسیار طولانی آبخوان را پر کرده است: در محدوده 10،000-20،000 سال، زمانی که سیاره ما در آخرین دوره یخبندان بود. در بسیاری از موارد، اگر امروز از این آب استفاده کنیم، در طول زندگی ما شارژ نمی شود. بنابراین در حال حاضر مقدار محدودی آب برای استفاده وجود دارد و برداشت بیش از حد آن پایدار نمی شود.

ناسا، دانشگاه نبراسکا نقشه های جدید آبهای زیرزمینی جهانی و پیش بینی های خشکسالی ایالات متحده را منتشر کردند. داده های ماهواره ای در مورد حرکت آب بر روی زمین به بهبود دقت نقشه ها و پیش بینی های رطوبت کمک می کند. محققان ناسا نقشه های جهانی هفتگی مبتنی بر ماهواره و رطوبت خاک و شرایط رطوبت آب های زیرزمینی و پیش بینی های یک تا سه ماهه ایالات متحده از هر محصول را تهیه کرده اند. در حالی که نقشه های شرایط خشک / مرطوب فعلی ایالات متحده از سال 2012 در دسترس است، این اولین جدول زمانی است که در سطح جهان در دسترس است.

پشته ای از تصاویر Sentinel-2 از یک منطقه کوچک در اسلوونی، و به دنبال آن یک پیش بینی پوشش زمین، که از طریق روش های ارائه شده در این پست بدست آمده است. قسمت دوم درباره کاربری اراضی و طبقه بندی پوشش اراضی با eo-Learn در اینجا در دسترس است. این قسمت از امتداد قسمت اول انتخاب می شود، جایی که ما یک رویکرد اساسی در مورد موارد زیر ارائه کردیم:

• تقسیم منطقه مورد علاقه (AOI) به EOPatches
• به دست آوردن داده های تصویر Sentinel-2 و ماسک های ابری
• محاسبه اطلاعات اضافی از جمله شاخص پوشش گیاهی با اختلاف عادی (NDVI)، شاخص آب عادی تفاوت (NDWI)، هنجار اقلیدسی باند های شامل (NORM) و غیره.
• افزودن داده های مرجع شطرنجی از داده های بردار به EOPatches

رئیس مرکز ملی خشکسالی و مدیریت بحران سازمان هواشناسی کشور ضمن اشاره به اینکه از ابتدای مهر ماه تاکنون بارش‌ها در کشور در محدوده نرمال بود، گفت: مدل‌های عددی نشان می‌دهد که بارش‌ها در کشور طی دی ماه و به ویژه بهمن ماه کمتر از حد نرمال باشد.

احد وظیفه ضمن اشاره به اینکه بیشتر استان‌های غربی کشور از ابتدای مهر ماه تاکنون بارش کمتری نسبت به بارش بلند مدت و نرمال خود داشتند، اظهار کرد: برای مثال استان‌های آذربایجان شرقی، آذربایجان غربی، اردبیل، ایلام، چهار محال و بختیاری، خراسان شمالی، کردستان، کرمانشاه، کهگیلویه و بویر احمد، گیلان، لرستان و همدان بارش کمتری نسبت به نرمال داشتند. در استان آذربایجان شرقی نیز بارش حدود ۶۰ درصد کمتر از حد نرمال بود.

مدیرکل پیش‌بینی و هشدار سریع سازمان هواشناسی، آخرین وضعیت آب و هوا طی سه روز آینده را اعلام کرد و از ورود سامانه بارشی در شمال غرب و جنوب غرب سواحل مرکزی و غربی دریای خزر، دامنه‌های زاگرس مرکزی و شمالی، دامنه‌های جنوبی البرز مرکزی و بخش‌هایی از مرکز کشور خبر داد.