واقع شدن ایران در کمربند بیابانی کره زمین و وضعیت اقلیمی خشک و نیمه خشک منطقه ی خاورمیانه، هرچند مسئله ی وقوع توفان گرد و غبار را اجتناب ناپذیر می نماید اما تشدید این پدیده ی زیست محیطی در سال های اخیر به ویژه در مناطق غربی و مرکزی ایران می تواند بنا به دلایل طبیعی و انسانی باشد. شناخت مناطق منشاء ذرات غبار در منطقه و چگونگی پخش آن، در مدیریت این سرزمین ها و کاهش اثرات و حتی کاهش وقوع توفان های گرد و غباری موثر خواهد بود. بدین منظور در این تحقیق با استفاده از تکنیک های سنجش از دور اقدام به شناسایی مناطق منشاء ذرات گرد و غبار و نحوه ی پخش آن شد. در این راستا جهت ردیابی مناطق گرد و غباری، پارامترهای مناسب قابل استخراج از روی 28 تصویر ماهواره ای سنجنده ی modis شامل اختلاف دمای روشنایی (btd) در باندهای مادون قرمز حرارتی، پارامتر d (تلفیق باندهای حرارتی و انعکاسی) و اندیس نرمالیزه ی گرد و غبار (nddi) محاسبه گردید. توانایی این پارامترها در ردیابی گرد و غبار، با برازش دادن توابع خطی و نمایی بر داده های هواشناسی قابلیت دید در مقابل پارامترهای محاسبه شده، مورد ارزیابی قرار گرفت که بالاترین همبستگی را پارامتر d با داده های قابلیت دید برقرار کرد. بر اساس داده های پارامتر d استخراج شده از تصاویر موجود مربوط به 41 ایستگاه، نقشه های قابلیت دید تهیه گردید و سپس این نقشه ها به نواحی با شدت های متفاوت گرد و غباری طبقه بندی شدند و در نهایت نقشه-های قابلیت دید مبنای محاسبه ی نقشه های غلظت غبار بر اساس یک فرمول تجربی قرار گرفتند و به این ترتیب نقشه های غلظت غبار در اتمسفر ایجاد شد. برای ردیابی مناطق منشاء غبار، اولین قدم، اجرای الگوریتمی است که بتواند پیکسل های غباری را به بهترین حالت بارزسازی نماید. الگوریتم به کار گرفته در این بررسی، یک تکنیک ترکیب رنگ کاذب (fcc) بوده که از پارامترهای ردیابی گرد و غبار محاسبه شده در مراحل قبل، استفاده نموده است. از تصاویر بارز شده، 420 نقطه ی منشاء استخراج گردید و محاسبه ی تعداد نقاط منشاء واقع در قلمرو سرزمینی کشورهای منطقه ی مورد مطالعه ثابت نمود که کشورهای عراق، سوریه، شمال عربستان سعودی، غرب ایران، اردن و ترکیه به ترتیب با 2/39، 23، 5/14، 8/13و 7/5 درصد از نقاط استخراج شده را به خود اختصاص داده اند و لذا می توانند به همین نسبت در تولید غبار منطقه نقش داشته باشند. ضمنا نقشه ی نقطه ای حاصل، با فرآیند درون یابی در محیط gis به نقشه ی نواحی با تراکم متفاوت تولید ذرات غبار تبدیل شد و نتایج بیانگر این مطلب بود که غرب و شمال غرب عراق و شرق سوریه مهمترین منشاءهای بروز گرد و غبار در منطقه هستند. در بخش پایانی این تحقیق، با استفاده از تصاویر ماهواره ای یک دوره ی گرد و غباری از 13 تا 17 تیر 1388 و نیز داده های سرعت و جهت باد مربوط به 56 ایستگاه هواشناسی (عمدتا مستقر در غرب و مرکز ایران) و ایجاد نقشه های در بردارنده ی برآیند سرعت و جهت باد برای هر کدام از روزهای این دوره ی زمانی، نحوه ی حرکت و انتشار غبار از محل منشاء تا نواحی مرکزی ایران تعیین گردید.

نتایج نشان داد که دبی جزر و مدی خلیج فارس بسیار بزرگتر از دبی کانالهای آبرسان و دبی پمپاژ از کارون به بهمنشیر است همچنین مقدار ضریب مانینگ رودخانه بهمنشیر 018/0 محاسبه شد. در ادامه، شوری رودخانه بهمنشیر وکانالهای آبرسان مورد مدلسازی قرار گرفت. نظر به اینکه شوری پارامتری پایدار است لذا از زیربرنامه ad در مایک که قابلیت مدلسازی فرآیند پهن رفت-پخشیدگی را داراست استفاده شد و ضریب پخش رودخانه برابر v 2500 (v: سرعت جریان آب) محاسبه شد. نتیجه صحت سنجی مدل شوری بیانگر درصد خطای میانگین حدود 9/7 درصد میباشد. همچنین رفتار کانالهای آبرسان از نوع اختلاط کامل تعیین شد و بر همین اساس غلظت شوری در کانالهای آبرسان تخمین زده شد. مدلسازی تحت سناریوهای مختلف دبی پمپاژ آب از کارون به بهمنشیر انجام شد و نتایج نشان داد که در تمامی سناریوها، غلظت شوری در کانالهای آبرسان (22000-29000 گرم بر مترمکعب) در محدوده شوری موردنیاز میگو (14500- 40000) میباشد. سپس مدلسازی اکسیژن محلول، آمونیاک و نیترات با استفاده از زیربرنامه ecolab در مایک انجام شد. به منظور انجام مدلسازی، ابتدا آنالیز حساسیت روی پارامترهای مدل انجام شد و پارامترهای مهم جهت کالیبراسیون مدل انتخاب شدند و مدل کالیبره و صحت سنجی شد. نتیجه صحت سنجی بیانگر درصد خطای میانگین پارامترهای اکسیژن محلول، آمونیاک و نیترات به ترتیب حدود 3/7، 30 و 4/3 درصد بود. غلظت پارامترهای مذکور در کانالهای آبرسان نیز بر اساس اختلاط کامل بودن آنها محاسبه شد. سپس مدلسازیها تحت سناریوهای مختلف بار آلودگی (تغییر در دبی و bod بالادست) انجام شد. نتایج نشان داد که تحت سناریوهای مختلف تغییر معناداری در غلظت رودخانه در محل کانالهای آبرسان و در داخل کانالها رخ نمیدهد. بعبارت دیگر میتوان گفت که غلظت در کانالهای آبرسان مستقل از دبی پمپاژ آب کارون به بهمنشیر است. علت اصلی این امر غالب بودن فرآیند ترقیق توسط دبی بسیار بزرگ خلیج فارس به نسبت دبی بالادست است. نتایج مدلسازیها نشان داد که به غیر از اکسیژن محلول، دیگر پارامترهای مهم برای میگو (شوری، آمونیاک و نیترات) در محدوده مناسبی قرار دارند. نتایج بیانگر قابلیت نرمافزار مایک 11 در شبیهسازی هیدرولیکی و کیفی در شرایط جزر و مدی است.

چکیده پهنه های آبی، همواره به عنوان یکی از عوامل موثر در محیط زیست انسان و سایر موجودات زنده، شناخته می شود. از این رو، یکی از مهم ترین موضوعات پژوهش های زیست محیطی، بررسی کیفیت پهنه-های آبی می باشد. در این راستا، آگاهی از پارامترهای کیفی آب، امری لازم و اجتناب ناپذیر است. با توجه به وجود برخی مشکلات در اندازه گیری این پارامترها در مناطق گوناگون، و از طرفی به دلیل وجود اثرات واکنش های پارامترهای مختلف، امروزه، محققین با به کارگیری روش های مختلف یادگیری ماشین و روش های پیشرفته ی آماری، اقدام به برآورد پارامترهای مورد نظر می کنند. بدین منظور، با توجه به پیشرفت علوم فضایی، استفاده از داده های تشعشع طیفی، در دستور کار پژوهش گران قرار گرفته است. با در نظر گرفتن خطای اندازه گیری این داده ها، و همچنین تاثیر اتمسفر بر روی داده های تشعشع طیفی، همواره نوفه به عنوان یکی از اجزای جداناپذیر این نوع داده ها مطرح است. بنابراین چنانچه روشی قابلیت مدل سازی در شرایط نوفه ای را دارا باشد، مطالعه ی آن روش به منظور تبدیل داده های تشعشع طیفی به داده های کیفی آب، سودمند خواهد بود. در این پایان نامه، ضمن معرفی دو روش جنگل های تصادفی (rf) و ماشین بردار پشتیبان (svm)، عملکرد این دو روش در برآورد پارامترهای کیفی آب در داده های تشعشع طیفی مورد ارزیابی قرار گرفته است. با توجه به نتایج حاصل می توان گفت در به کارگیری روش های rf و svm به منظور برآورد غلظت کلروفیل-a پایگاه داده nomad و برآورد غلظت رنگدانه پایگاه داده seabam، استفاده از متغیرهای rrs(?)/ rrs(555) منجر به نتایج بهتری نسبت به استفاده از متغیرهای rrs(?) به عنوان متغیرهای توضیحی می گردد. در برآورد غلظت کلروفیل-a پایگاه داده nomad، روش svm به ازای کلیه ی مقادیر نوفه، منجر به کمترین مقدار خطای mpae در بین سه روش rf، svm و روش یادگیری فعال (alm) می شود. در برآورد غلظت رنگدانه ی پایگاه داده seabam، مقدار خطای rmse حاصل از روش های rf و svm، نسبت به روش های alm، شبکه های عصبی مصنوعی (ann) و برخی الگوریتم های تجربی، تا حد قابل قبولی کاهش می یابد. در پایگاه داده momo، به طور کلی استفاده از دو روش rf و svm در برآورد کیفیت آب منجر به بهبود نتایج روش ann می گردد. به طور کلی با در نظر گرفتن نتایج حاصل و همچنین هزینه ی محاسبات، می توان گفت که در این تحقیق عملکرد روش rf تا حدی بهتر از روش svm می باشد.