تبلیغات متنی شما در این بخش
  • کلاس GIS کاربردی در شهرسازی

    اطلاعات و پیش ثبت نام کلاس جی آی اس در شهرسازی

    http://urbanity.ir/form/view.php?id=10211
  • کلاس بافت فرسوده در شهرسازی

    جهت آمادگی برای کار در دفاتر نوسازی و شرکت ها

    ثبت نام به زودی
  • کلاس آزمون نظام مهندسی شهرسازی

    شرکت در این کلاس برای همه شهرسازان لازم است

    ثبت نام
  • کلاس سیتی انجین CityEngine

    نرم افزار جدید و کاربردی برای طرح های شهری و سه بعدی سازی شهر

    ثبت نام
آخرین محصولات فروشگاه انجمن
کاریابی انجمن شهرسازی

جهت عضویت در کاریابی کلیک کنید

محل تبلیغات در انجمن ما ، تبلیغات هزینه نیست ، سرمایه است !


موضوع : توسعه و ارزیابی یک سیستم اطلاعات مکانی عامل مبنا به منظور تعیین تاثیر توده های آلودگی

#1
توسعه و ارزیابی یک سیستم اطلاعات مکانی عامل مبنا به منظور تعیین تاثیر توده های آلودگی هوا بر روی محدوده های ریسک زیست محیطی




 
Developing and evaluation of an agent-based GIS to identify the impacts of smoke plumes over the environmental risk areas
 
دکتر روزبه شاد*[1]، دكتر محمد سعدي مسگري[2]، مهندس عارفه شاد[3] و مهندس دامون مولائی[4]
   Rouzbeh Shad*, Mohammad Saadi Mesgari, Arefeh Shad and Damoon Molaei
1- استادیار دانشگاه (Assistant Professor)
2- استاديار دانشگاه (Assistant Professor)
3- دانشجوی کارشناسی ارشد (MSc Student)
     4- فارغ التحصیل کارشناسی ارشد (MSc Student)


1- استاديار دانشگاه (Assistant Professor)
2- استاديار دانشگاه (Assistant Professor)
3- دانشجوی ارشد (MSc Student)
4- دانشجوی ارشد (MSc Student)
 
 
 
 
 
 
 




 
توسعه و ارزیابی یک سیستم اطلاعات مکانی عامل مبنا به منظور تعیین تاثیر توده های آلودگی هوا بر روی محدوده های ریسک زیست محیطی
خلاصه
در این مقاله هدف اصلی آن است که با طراحی و ارزیابی یک سیستم عامل مبنای مکانی، اطلاعات مربوط به توده های آلودگی زیست محیطی به صورت آنی و از طریق تصاویر ماهواره ای NOAA استخراج شده و سپس تاثیر آنها بر روی محدوده های زیست محیطی جنگلی به صورت مناطق ریسک مشخص گردند. آلودگی هوا در این کاربرد پدیده ایست که به اشکال گوناگون باعث به وجود آمدن ریسک در محدوده های جنگلی میگردد. به عنوان مثال یکی از اثرات مخرب این پدیده بدین صورت است که حیوانات مقیم آن منطقه را به مناطق دیگر کوچ داده و باعث بروز مشکلاتی مانند: کمبود مواد غذایی، اختلال در گونه های جانوری و فرسایش خاک میگردد. لذا به دست آوردن تمامی تاثیرات آلودگی هوا بر محدوده های جنگلی کاری صعب و  مشکل میباشد. با این وجود برخی از اثرات آن مانند تاثیر بر رشد پوشش گیاهی منطقه را میتوان به عنوان عاملی ضروری تر در فرایند تصمیم گیری وارد نمود. لذا در این مقاله برای بررسی این موضوع، کاربرد انتشار آلودگی ناشی از آتش سوزی چاههای نفت کویت در سال 1991 و تاثیر آن بر جنگلهای جنوب غربی کشور در نظر گرفته شده است. در جنگ خلیج فارس که در 16 ژانویه 1991 شروع شد و در 28 فوریه 1991 خاتمه یافت، نزدیک به 700 چاه نفت کویت در آتش سوختند که 607 فقره از آنها بعد از جنگ نیز شعله ور بودند. در طول دوره پیک آتش سوزی حدوداً 5000 تن دود در محدوده‌ای به طول 1280 کیلومتر منتشر گردید که در نتیجه، وارد مرز همسایگان کویت از جمله ایران شد. با بررسی تصاویر نیم روزانه NOAA-AVHRR کاملا محقق میگردد که آلودگی به سمت مرز ایران حرکت کرده و منابع طبیعی و جنگلهای جنوب غربی کشور را تهدید نموده است. این توده آلودگی بر روی مشخصه های بیولوژیکی، فیزیکی و شیمیایی منطقه تاثیر گذار بوده و در آن زمان باعث بارش بارانهای اسیدی و افزایش غلظت فلزات سنگین در محدوده جنگلی جنوب غربی کشور گردید. با در نظر گرفتن چنین شواهدی، ردیابی، تخمین و ارزیابی سریع و آنی محدوده های ریسک حاصل از چنین پدیده هایی در محدوده های زیست محیطی مانند جنگل امری ضروری میباشد. این مقصود با طراحی یک سیستم هوشمند عامل مبنا که در آن ابزارهای مختلف مرتبط با سیستم اطلاعات مکانی و سنجش از دور یکپارچه شده اند، محقق میگردد.  لذا، با در نظر گرفتن خصوصیات کاربرد مورد نظر و معیارهای مکانی موثر در آن، ابتدا پایگاه دانش اولیه، طبق نظرات متخصصین اکولوژی، محیط زیست، هواشناس و منابع آب تعیین شده و سپس عملیات استنتاجگری بر روی قوانین به همراه یادگیری ژنتیکی قوانین در قالب یک سیستم اطلاعات مکانی عامل مبنا پیاده سازی میگردد. این سیستم شامل اجزائی مانند: پایگاه داده، پایگاه دانش، شبیه ساز، یادگیری ژنتیکی قوانین و بخش تصمیم گیری میباشد. در این سیستم به منظور استنتاجگری، روشهای مختلف یادگیری ژنتیکی قوانین ارزیابی شده و قوانین بهینه مشخص میگردند. بدین مقصود، هنگامیکه دامنه مشخصی از قوانین مورد انتظار تامین میگردد، روابط بین قوانین به همان نحوی که انسان راه حل یک مساله را می یابد، برقرار میگردد. در اینحالت با در نظر گرفتن طبیعت نامعین داده ها و دانش مکانی موجود استفاده از محاسبات نرم مانند روشهای محاسباتی فازی اجتناب ناپذیر است. محاسبات نرم تلفیقی از روشهای محاسباتی هستند که توانائیهای ذهنی بشری را به منظور استنتاج و یادگیری در محیط نامعین یکسو مینمایند. با توجه به اینکه دو پدیده مورد نظر (آلودگی هوا و محدوده ریسک) دارای مرز نامعلوم و ماهیتی نامعین هستند، لازم است که وضعیتی قابل پیش بینی از قوانین برای آنها در نظر گرفته شده و مطابق آن برای هر دوره محاسباتی عمل تنظیم و یادگیری قوانین استنتاج در شرایط نامعین اجرا گردد. لذا در قالب یک سیستم عامل مبنا مناطق ریسک به صورت آنی و هوشمند تعیین شده و روشهای مختلف یادگیری ژنتیکی به همراه استنتاجگری مکانی فازی با استفاده از داده های استخراجی از تصاویر ماهواره ای لندست مورد ارزیابی قرار میگیرند.
کلمات کلیدی: عامل پایه، استنتاج، یادگیری، توده آلودگی، سیستم اطلاعات مکانی.
 
 
 
 
 
 
 
 
 
 
 
Developing and evaluation of an agent-based GIS to identify the impacts of air pollution over the environmental risk areas    
Abstract
The main aim of this paper is designing and evaluating an agent based GIS for identifying environmental risk areas based on derived smoke plumes of NOAA satellite images and online modeling of their impacts over an environmental phenomenon. Air pollution is an event that produces risk and effects the forest environment in many ways.  For example, as a consequence of the air pollution, animals move to unpolluted areas, then, caused overgrazing, uprooting of species, starvation of livestock, erosion of soil, and extension of desert areas. Therefore, it is not easy to determine the full impact of this phenomenon completely for assessing risks. Whereas, several aspects of this problem such as the growth change of vegetation covers, can be considered as an urgent application for making spatial decision. To solve this problem, we use the application of environmental damages of the smoke plumes of the Kuwait's oil well fire on the southwest forest lands of Iran's territory during the 1991 Persian Golf war. It has been reported that nearly 700 oil wells were set on fire starting on 19 February 1991 for which the last fir extinguished on 2th November 1991. During the peak period of the fires, the wells were emitting about 5000 tones of smoke per day. Oil pollution movement via south west of Iran could be confirmed using NOAA-AVHRR midday images. The polluted inland areas can be outline as natural resources such as forest lands. This pollutant impacts on the: biological, physical and chemical characteristics of soil, the amount of acid rain falls and increasing heavy metals through the forest lands. Then, it is necessary to track, estimate and evaluate the risk values in terms of natural forest cover due to the mentioned atmospheric pollution quickly. This purpose would be possible if an integrated intelligent system designed using a variety of tools for making decision available. Thus, using GIS and remote sensing data are essential for the identification of dangerous sites prior to undertaking further analyses or field investigations. In this paper, one of objectives is to evaluate different methods in a spatial agent based system in order to assess environmental risks for air pollution application arising from oil well fires. Then, by considering the geographical characteristics of application and its effective criteria, firstly, primary knowledge is defined based on ecological, weather, water resource and environmental expert's judgments, and secondly, inference process with the genetic learning are applied on the existed rules in an agent based GIS framework. This system is consisted of: a spatial data base, a knowledge based, a simulator, a genetic learning and a decision making components. In this system, different genetic learning methods are evaluated to determine proper rules for reasoning. For this purpose, when a desirable domain of knowledge is provided, it is made possible to inference on a set of realities in the same manner human finds solution of the problem. Consequently, with respect to the uncertain nature of the spatial data and topological knowledge base, it is essential to use soft computing solutions. Soft computing is a combination of computational methods that rectify human mental capabilities to inference and learn in an uncertain environment. With respect to the uncertain nature and indeterminate boundaries of input spatial data (pollution plumes and risk area), it is necessary to use predictive mode of knowledge base for inference. Then, for each snapshot, inference rules are learned and tuned considering the uncertain condition. Thus, it is essential to design appropriate agent based system to use in the final inference process to obtain risk areas. Therefore, risk areas are determined intelligently and different genetic learning methods with reasoning process are evaluated using sample points driven of Landsat TM satellite images.
 
Keywords: agent based, inference, learning, smoke plumes, GIS.
 
 
 
 
 
 
 
 
 
 
 
 
1-مقدمه
در چند دهه اخیر با افزایش توجهات به محاسبات هوشمند شاخه جدیدی از سیستمهای هوشمند به نام سیستمهای هوشمند عامل مبنا شکل گرفته است. در این حوزه به حل مسائل توسط گروهی از موجودیتهای خودمختار به نام عامل پرداخته میشود که هر عامل در آن دارای اهداف، باورها، قابلیتها و ویژگیهای خاصی میباشد. در این راستا، در سال 2001 در سیستمی به نام GXGIS یک واسط کاربر عامل- مبنا با تلفیق اطلاعات کمی و کیفی به تراکنش کاربر و محیط داخلی کمک مینمود [Tang et al., 2001]. در همان سال با توجه به اهمیت ارتباط GIS با سیستمهای پشتیبانی تصمیم گیری، از عامل جهت کلی سازی فرا داده ها در طراحی پایگاه دانش استفاده شد [Lawrence et al., 2002]. دو سال بعد در همین ارتباط متخصصین GIS از طریق تلفیق قابلیتهای نرم افزارهای  VC++، Prolog و Access یک سیستم تصمیم گیری عامل پایه را جهت مدیریت اکوسیستم جنگلها به کار گرفتند [Nude,2003]. در سال 2006 از تصمیم گیری چند معیاره برای تعیین پارامترهای یک مدل عامل مبنا، جهت شبیه سازی نحوه توسعه مناطق مسکونی در شهر استفاده شد [Xia and Xiaoping, 2007]. در سال 2007 از عامل نقشه ای هوشمند (IMA) برای تعریف دسترسیها و پشتیبانی از تغییرات مکانی استفاده شد [Gervac et al., 2007]. با بررسی تحقیقات فوق مشخص میگردد که هر چه از زمان گذشته به حال نزدیک میشویم، تمایل به استفاده از تصمیم گیری در عاملهای مکانی افزایش یافته و گرايشها به استفاده از متدهای تصمیم گیری هوشمند مکانی، گسترش یافته اند. معمولا در چنین مسائلی ماهیت داده ها به نحوی است که ممکن است در پردازشها، مدلسازیها و تحلیلها، عدم قطعیت به وجود آید. لذا استفاده از محاسبات نرم مانند محاسبات فازی در برخی از کاربردهای مکانی اجتناب ناپذیر خواهد بود. چنین محاسباتی، تلفیقی از روشها و الگوریتمهای ریاضی هستند که توانائیها و مولفه های ذهنی بشر را در استنتاجگری و یادگیری در فضاهای نامعین مدلسازی میکنند[Kortenkamp, 1998]. در واقع این شاخه از علم شامل تکنیکها و ابزارهای محاسباتی مانند: منطق فازی، شبکه عصبی، الگوریتم ژنتیک، جبر باورها و برنامه نویسی منطق قیاسی میباشد[Konar, 2005]. در سیستمهای اطلاعات مکانی مناسب ترین زمینه محاسباتی نرم شامل دانش و روابط مکانی موجود است. دانش متشکل از مجموعه قواعد "اگر- آنگاه" مکانی است که به دو شکل توصیفگرانه و پیشگویانه در فرایند استنتاجگری و یادگیری وارد میشوند[Lavrac, 2004]. سیستمهای  ژنتیک- فازی مکانی از جمله سیستمهایی هستند که قادرند به شیوه ای هوشمندانه با محاسبات بر روی هر دو نوع دانش توصیفگرانه و پیشگویانه، روابط متغیر بین پدیده های مکانی را بیابند[Cordón, et. al., 2001a].  تحقیقات مفصلی در این زمینه توسط محققین کاربردهای مختلف مانند: طراحی و پیاده سازی پایگاه دانش، انتخاب قوانین و تصمیم گیریهای چند هدفه ارائه شده است [Wang, et. al., 2005; Sánchez, et. al., 2005; Cordón, et. al., 2004; Freitas,2002 ; Setzkorn and Paton, 2005] . علاوه بر آن، نتایج حاصل از مطالعات دیگر نشان میدهد که بر روی عملکرد الگوریتمهای استنتاجگری و یادگیری مکانی ارزیابی درست و صحیحی اجرا نشده است[Sánchez, et. al., 2001; Mikut, et.al., 2005; Ishibuchi and Yamamoto, 2004]  لذا در این مقاله سعی بر آن است که یادگیری و استنتاج در عامل مکانی توسعه یافته و در یک کاربرد نمونه مورد ارزیابی قرار گیرد. بدین منظور "تعیین مناطق ریسک در محدوده های زیست محیطی جنگلی برای مساله آلودگی هوای ناشی از آتش سوزی چاههای نفت" به عنوان کاربرد مطلوب در نظر گرفته شده است. در این مساله دو پدیده دینامیک و نامعین به نام توده های آلودگی و محدوده های جنگلی وجود دارند که موجب رخدادها و روابط نامعین مکانی میگردند. لذا در این کاربرد استفاده از یک تئوری مجاسباتی قوی مانند تئوری فازی برای مدلسازی عدم قطعیت ضرورت دارد. با کمک محاسبات فازی و قابلیتهای یادگیری ژنتیکی، به راحتی میتوان روابط نامعین موجود را استخراج و قوانین ذخیره شده در پایگاه دانش را به روز نمود.
2-مواد و روشها
یکی از مهمترین مولفه هایی که باعث میگردند یک عامل عملکرد هوشمندی داشته باشد، قابلیتهای استنتاجگری و یادگیری آن است. در این راستا از اهداف طراحی عامل هوشمند، دستيابي به سیستمی است که در محيط مکانمند قادر به استخراج و ذخیره سازی دانش و انجام اعمالی مثل استنتاج و یادگیری بوده و بتواند بر اساس یافته های خود تصمیم گیری نماید. دانش موجود در چنین عاملی دو نوع است: دانشی که حاصل تجربه است و دانشی که حاصل مشاهده محیطی عامل میباشد.  هنگامیکه حوزه مطلوبی از دانش در سیستم حاصل گردد، به همان روشی که انسان راه حل مساله را می یابد، عامل نیز عمل استنتاج و یادگیری را انجام میدهد. در اینحالت اگر در دانش حاصل از تجربیات و دانش حاصل از مشاهده تضادی وجود داشته باشد، سیستم مشاهدات را ملاک قرار میدهد. در این بخش مبانی و مفاهیم مرتبط با سیستمهای اطلاعات مکانی عامل مبنای ژنتیک- فازی و نحوه عملکرد آنها به صورت هوشمند توصیف میگردد. سیستمهای مکانی ژنتیک- فازی دارای دو بخش اصلی به نامهای استنتاج قوانین مکانی و یادگیری زنتیکی هستند که هریک به اختصار در ذیل توضیح داده شده اند.
2-1- استنتاج قوانین مکانی
دانش به معنی قدرت است، یعنی با استفاده از آن میتوان متغیرهای بهینه را  یافت، چیزهای جدیدی آموخت، مسائل را حل نمود، یک مرکزیت کامل ایجاد کرد، و شرایط جدیدی را با توجه به زمان حال و آینده تعریف کرد. وقتی که عامل با مساله تصمیم گیری تحت شرایط متغیر و معیارهای گوناگون مواجه میشود، بایستی قادر باشد که اولا قوانین لازم جهت استنتاج را ذخیره نماید، دوما دانش موجود را بهنگام نموده و طبق شرایط تغییر دهد. یعنی اگر حوزه دانش و تغییر آن برای عامل مشخص گردد، قادر است که همانند یک فرد خبره راه حل مساله را بیابد و استنتاج و استدلال نماید .در حقیقت یک سیستم مبتنی بر دانش شامل مجموعه برنامه هایی است که در یک حوزه مشخص تعریف شده اند و دانش مربوط به اشیاء و رشته فعالیتهای مورد نیاز برای تصمیم گیری یک فرد خبره را دربر میگیرند.
در سیستم مطلوب، متغیرهای تصمیم ساز از طریق قواعد اگر و آنگاه وارد پایگاه دانش میشوند. این متغیرها با توجه به ماهیت نامعین و ناپایدار عوارض، به صورت فازی تعریف شده و وارد کنترل کننده میگردند. در اینحالت فرایند ارزیابی توصیفات زبانی حاصله، اصطلاحا به نام استنتاج فازی معروف است. در این فرایند دو مساله مهم وجود دارند، اول اینکه با توجه به مقدم فازی A چگونه تالی فازی B به دست میاید، دوم اینکه با وجود تالی فازی B چگونه مقدم فازی A بدست میاید. در واقع قواعد اگر و آنگاه فازی مجموعه شرایطی هستند که وابستگی چند متغیر زبانی را به یکدیگر نشان میدهند. شکل تحلیلی یک قاعده اگر و آنگاه فازی در واقع رابطه ای فازی است که استلزام (Implication Relation) نامیده میشود. استلزام علاوه بر در نظر گرفتن نیاز کاربردی عامل، تفسیری را که از عبارات "و" ، " یا" و "در غیر اینصورت" دارد منعکس مینماید. یک استلزام، شامل دو متغیر کلامی میباشد که هر کدام در یک طرف آن قرار گرفته اند. به عنوان مثال در عبارت "اگر x برابر A است، آنگاه y برابر B است" متغیرهای زبانی x و y ارزشهای A و B هستند.
استنتاج قوانین مکانی شامل پنج لایه ی عملیاتی با نامهای: نودهای لینگویستیک ورودی[1]، نودهای ترم ورودی[2]، نودهای قانون[3]، نودهای ترم خروجی و نودهای لینگویستیک خروجی می باشد که لایه های اول و دوم آن را اصطلاحا لایه های مقدم و دو لایه آخر را تالی گویند. در لایه اول، ابتدا متغیرهای مکانی مورد نیاز برای تعیین ریسک در محدوده جنگلی، با تکمیل پرسشنامه های کارشناسی مشخص شده و سپس به صورت متغیرهای نامعین در پایگاه دانش سیستم ذخیره سازی میشوند. به عنوان مثال در کاربرد مطلوب، متغیرهایی مانند: فاصله، پایداری دود، مقدار آلودگی، جهت حرکت دود، رابطه توپولوژیک محدوده دودی و نظیر آن، به عنوان نودهای لینگویستیک ورودی در نظر گرفته شده اند.


[1] Input Linguistic Nodes
[2] Input Term Nodes
[3] Rule Nodes





ادامه مقاله همراه با تصاویر فقط برای اعضای طلایی و بسیار فعال انجمن قابل دانلود است:
فایل ورد مقاله را دانلود کنید:


فایل‌(های) پیوست شده
.doc   gis.doc (اندازه: 2/23 MB / تعداد دفعات دریافت: 13)
پاسخ

اطلاعات موضوع

کاربرانِ درحال بازدید از این موضوع: 1 مهمان

ابزار و امکانات موضوع

    پرش به انجمن: