جنگل تصادفی

تغییرات پوشش و کاربری زمین در اثر فعالیت های انسانی تاثیرات نامطلوبی بر محیط زیست بر جای گذاشته است. مناطق شرقی استان اردبیل نمونه بارز این پدیده به شمار می آید. هدف از این تحقیق تجزیه و تحلیل تغییرات مکانی و زمانی در پوشش و کاربری زمین و اثرات آن بر دمای سطح زمین در دریاچه نئور می باشد. برای برآورد کاربری و پوشش زمین از مدل های جنگل تصادفی (RTC)، مدل حداکثر احتمال (MLC) و ماشین بردار پشتیبانی(SVM) استفاده شده و کارایی هر کدام توسط ضریب کاپا برآورد گردیده و مشاهده شد که مدل SVM از بیشترین میزان ضریب کاپا ( 87/0) برخوردار است.  برای استخراج شاخص LST نیز از باندهای 6 لندست 5 و 10 لندست 8 بهره گرفته شده و مشاهده شد که بخش غربی دریاچه با افزایش دمای سطح زمین مواجه گردیده است. در طول دوره زمانی 2002، 2013 و 2022 تغییرات قابل توجهی در پهنه آبی دریاچه نئور و پوشش های گیاهی مجاور آن مشاهده شد. زمین های بایر بیشترین وسعت را در تمام دوره های مورد مطالعه داشته است. پوشش گیاهی بر اساس مدل SVM حدود 04/1 کیلومتر مربع افزایش یافته است. مساحت سطح دریاچه بر اساس مدل MLC در سال 2002 معادل 19/3 کیلومتر مربع برآورد گردید. مساحت پهنه آبی در مدل MLC در بازه زمانی 2002 تا 2022 حدود 56/1 کیلومتر مربع کاهش یافته و این میزان کاهش برای مدل های RTC و SVM به ترتیب معادل 67/0 و 69/0 کیلومتر مربع می باشد.  

اهمیت اقلیم به عنوان یکی از واقعیت های زیستی بشر در حوزه مسائل کلان اقتصادی و اجتماعی، هیچ زمانی به اندازه امروز مدنظر نبوده است. بررسی اثرات اقتصادی تغییرات اقلیم نیازمند تحلیل های دقیق در سطوح ملی و محلی است. هرچند مطالعات جهانی متعددی وجود دارد که تأثیرات اقتصادی تغییرات آب و هوایی را مورد بررسی قرار می دهند، اما تاکنون مطالعات محدودی در سطوح محلی در داخل کشورها، به ویژه در مورد ایران، انجام شده است. در این مقاله سعی شده است تا با بهره گیری از مجموعه داده جدید از شرایط آب و هوایی استان های کشور در دوره زمانی 1379تا 1399 از طریق الگوریتم جنگل تصادفی از زیرمجموعه های یادگیری ماشین، تحلیلی جامع از تاثیرپذیری تولید اقتصادی استان های کشور از تغییرات آب و هوایی ارائه شود. نتایج نشان می دهد که دما و بارش در همه استان های کشور بر تولید تاثیرگذارند. پیش بینی تغییرات تولید استان های کرمان، سمنان، خراسان شمالی، ایلام، قزوین و کهگیلویه و بویراحمد نسبت به سایر استان ها با تاثیرپذیری بیشتر ارائه شده و همچنین تاثیرگذاری بارش نسبت به دما با اهمیت بالاتری در مدل ارائه شده است ضمن اینکه اهمیت تاثیرگذاری دما بر تولید در ماه های گرم سال کمتر از ما های سرد سال پیش بینی شده است.

تورم یکی از مشکلات اساسی در هر اقتصادی است که آثار نامطلوبی را به جای می گذارد. همواره اقتصاددانان و سیاستگذاران به موضوع تورم و بررسی راه های کاهش آن توجه داشته اند. شناسایی عوامل مؤثر بر نرخ تورم در اقتصاد ایران از موضوعات مهم اقتصادی در کشور ما است؛ از این میان پایه پولی و اجزای مختلف آن نقش مهمی را در این زمینه ایفا می کنند. در این پژوهش با استفاده از مدل جنگل تصادفی در بازه زمانی سال های 1354- 1399 ، به مقایسه میزان تأثیرگذاری اجزای منابع پایه پولی بر تورم در ایران پرداخته شده است.نتایج برآورد پارامترها با استفاده از رگرسیون جنگل تصادفی در متغیرهای تأثیرگذار اصلی، عبارتند از: نرخ رشد ارز، نرخ رشد تولید ناخالص داخلی، تورم انتظاری، نرخ رشد بدهی بخش دولتی به بانک مرکزی ، نرخ رشد خالص دارایی های خارجی بانک مرکزی، و متغیر نرخ رشد بدهی بانک ها به بانک مرکزی تأثیری بر تورم ندارد. بخشی از این نتایج، نتایج برخی ازتحقیقات قبلی را تأیید می کند. در تحقیقات قبلی نیز نرخ رشد نرخ ارز و نرخ رشد بدهی بخش دولتی به بانک مرکزی از جمله مهم ترین عوامل مؤثر بر پایه پولی برشمرده شده-اند و متغیرهایی که در این تحقیق تأثیری بر تورم نداشته عمدتاَدر تحقیقات پیشین نیز بدون تأثیر بوده اند

فرسایش خاک ممکن است به از بین رفتن کیفیت خاک و در نتیجه، کاهش بهره وری خاک منجر شود. یکی از راه کارهای اساسی برای مهار و کاهش اثرات مخرب فرسایش، شناسایی مناطق مستعد فرسایش در مناطق است. به همین دلیل تعیین مناطق مستعد به فرسایش نقش مهمی در مدیریت فرسایش در منابع طبیعی دارد. تحقیق حاضر درصدد است تا با استفاده از دو روش یادگیری ماشینی جنگل تصادفی و ماشین بردار پشتیبان و 3327 نقطه وقوع فرسایش، مناطق مستعد به فرسایش را در استان اصفهان را تعیین نماید. عوامل محیطی در چهار گروه اصلی شامل عوامل توپوگرافی، عوامل اقلیمی، عوامل زیستی و عوامل انسان ساخت تهیه شدند. بررسی شاخص AUC نشان داد که هر دو مدل دارای دقت مناسبی بوده هرچند مدل جنگل تصادفی (AUC = 0.97) دارای دقت بالاتری نسبت به مدل ماشین بردار پشتیبان (AUC = 0.86) بود. بر اساس نتایج مدل ماشین بردار پشتیبان، حدود 6/11 درصد در کلاس پرخطر و حدود 6/68 درصد در کلاس خطر کم فرسایش قرار دارد. همچنین در مدل جنگل تصادفی حدود 1/20 درصد در کلاس پرخطر و حدود 2/49 درصد در کلاس خطر کم قرار دارد. در این زمینه، نتایج به دست آمده می تواند با ارائه گستره ای از مناطق استان اصفهان و بهره گیری از این دو مدل، به تصمیم گیران و برنامه ریزان در تدوین برنامه ای مدیریتی و نیز اتخاذ اقداماتی راهبردی در جهت کنترل فرسایش کمک کند.

مطالعات مختلفی دگرگونی های ازدواج را در سطوح ملی و منطقه ای بررسی کرده اند، اما در سطح استان های کشور هنوز ناشناخته هایی وجود دارد. هدف این مقاله بررسی وضعیت عمومیت ازدواج زنان در استان های کشور با استفاده از روش جنگل تصادفی بقا به عنوان یکی از الگوریتم های رایج در یادگیری ماشین است. با استفاده از داده های طرح هزینه و درآمد خانوار از سال ۱۳۸۸ تا ۱۳۹۹ وضعیت عمومیت ازدواج زنان با تعریف یک سطح آستانه ای (نسبت ازدواج کمتر از ۹۵% برای زنان ۴۹-۴۵ ساله) مورد بررسی قرار گرفت. یافته های این تحقیق حاکی از آن است که در بین متغیرهای تحقیق، سطوح تحصیلی دبیرستان و دانشگاه بیشترین تأثیر را بر کاهش عمومیت ازدواج زنان داشته است. نسبت شهرنشینی در هر استان نیز متغیر تاثیر گذار دیگری بر کاهش عمومیت ازدواج زنان است. از مجموع ۳۱ استان کشور، ۱۱ استان تا پایان دوره مطالعه همچنان از عمومیت ازدواج برخوردار بودند اما نسبت ازدواج زنان ۴۹-۴۵ ساله در سایر استان ها به پایین تر از ۹۵% کاهش یافته است. بالابودن نسبت های ازدواج در اکثر استان هایی که اکنون از عمومیت ازدواج برخوردار نیستند، نشان دهنده وجود بستر مناسب برای تسهیل ازدواج و گسترش عمومیت آن در کشور است. در غیر این صورت انتظار می رود این روند در آینده نیز همچنان کاهشی باشد. 

فرم شهری، به طور چشمگیری بر تولید و انتشار آلاینده های هوا تأثیر می گذارد؛ بنابراین شناخت رابطه بین فرم شهری و آلودگی هوا می تواند با بهینه سازی سیاست های برنامه ریزی و مدیریت شهری، پیامدهای مهمی در زمینه بهبود کیفیت هوا داشته باشد. هدف مطالعه حاضر بررسی ارتباط فرم شهری با غلظت آلاینده های CO، NO2، SO2، O3، PM10، PM2.5 و BC در تهران و تبریز و بازخوردهای آب و هوایی آن ها در طول 2021 -2015 است. این هدف با محاسبه سنجه های سیمای سرزمین مرتبط با ویژگی های مختلف فرم شهری شامل اندازه، شکل، تکه تکه شدگی، فشردگی و پراکندگی براساس سری زمانی داده های کاربری اراضی ماهانه «Dynamic World» با دقت 10 متر در سامانه «گوگل ارث انجین» و نرم افزار R4.3.3 و به کارگیری تحلیل همبستگی اسپیرمن و مدل های رگرسیون خطی چندگانه (MLR) و جنگل تصادفی (RF) محقق شد. نتایج این پژوهش نشان می دهد که فرم شهری، نقش بسیار مهمی در تولید و انتشار آلاینده های هوا در شهرهای تهران و تبریز در طول دوره آماری مورد مطالعه ایفا کرده است. علاوه بر این، مکانیسمی که توسط آن فرم شهری بر سطح غلظت آلاینده های هوا در تهران و تبریز تأثیر می گذارد، با توجه به تفاوت در ویژگی های منطقه ای این شهرها از جمله جمعیت، شرایط آب و هوایی و ساختار صنعتی برای برخی از آلاینده ها نسبتاً متفاوت است. در تهران پارامترهای هواشناسی دما، بارش و سرعت باد و در تبریز دما و سرعت باد نقش مهمی در ارتباط شاخص های فرم شهری با غلظت آلاینده های جوی دارند

سابقه و هدف: در دهه های گذشته، داده های سنجش از دور با موفقیت برای استخراج اطلاعات و تغییرات کاربری و پوشش زمین (LULC) در سطوح گوناگون، از مقیاس محلی تا جهانی، به کار رفته است. پایش دقیق و منظم این تغییرات در برنامه ریزی شهری، کشاورزی دقیق و مدیریت پایدار منابع زمین ضرورت دارد. فراهمی داده های سنجش از دور با ارائه سطوح بی سابقه ای از جزئیات مکانی و همچنین توسعه الگوریتم های طبقه بندی تصاویر ماهواره ای، باعث شده است که رویکردهای شیء گرا، در مقایسه با رویکردهای معمول، در طبقه بندی کاربری و پوشش زمین کاربرد بیشتری پیدا کنند. بدین منظور، در این مطالعه، رویکردی شیء گرا با ترکیب الگوریتم های GLCM، SNIC و یادگیری ماشین مطرح شده که هدف از آن طبقه بندی کاربری و پوشش زمین بخشی از اراضی شمال مهاباد در آذربایجان غربی، با استفاده از تصاویر ماهواره ای سنتینل 2 در سال 2019 در سامانه گوگل ارث انجین بوده است. مواد و روش ها: روش انجام شدن این پژوهش به گونه ای است که ابتدا مجموعه داده اولیه، شامل باندهای هدف تصاویر سنتینل 1 و سنتینل 2، مدل رقومی سطح زمین ALOS و شاخص های NDVI، BSI، SAVI و توان بازپراکنش کل (TSP) آماده سازی شد. در مرحله دوم، با اتخاذ دو رویکرد پیکسل پایه و شیء گرا و الگوریتم جنگل تصادفی، کاربری و پوشش زمین طبقه بندی شد و نتایج حاصل از آنها، برای تبیین بهترین رویکرد ازنظر دقت کلاس های گوناگون، مقایسه شد. در رویکرد شیء گرا، معیارهای بافتی با اعمال ماتریس وقوع توأم گام های خاکستری (GLCM) روی مجموعه داده اولیه استخراج شد و با توجه به افزایش تعداد باندها روش تحلیل مؤلفه های اصلی (PCA)، برای کاهش ابعاد تصویر، به کار رفت. در گام آخر، با ترکیب لایه PC1 و لایه قطعه بندی حاصل از الگوریتم خوشه بندی ساده غیرتکراری (SNIC)، الگوریتم جنگل تصادفی به منظور تهیه نقشه های کاربری و پوشش زمین محدوده مطالعاتی در نظر گرفته شد. نتایج و بحث: تحلیل معیارهای ارزیابی صحت نشان داد که رویکرد شیء گرا با صحت کلی و ضریب کاپای معادل 86/40% و 0/8307، در مقایسه با رویکرد پیکسل پایه با صحت کلی و ضریب کاپای 82/73% و 0/8028، نتایج بهتری را در طبقه بندی کاربری های متفاوت اراضی منطقه مورد مطالعه داشته است. نتایج معیارهای ارزیابی صحت نشان داد صحت تولیدکننده اغلب کلاس های کاربری، به جز ذرت، سبزیجات آبی پاییزه و گندم و جو آبی، در رویکرد شیء گرا بیشتر از روش پیکسل پایه است و دقت طبقه بندی آنها بالاتر از 90% بوده است. علاوه براین، کاربری های/ پوشش های پهنه آبی، ساخته شده، ذرت و چغندرقند بیشترین صحت کاربر را در نقشه کاربری و پوشش زمین شیء گرا به خود اختصاص داده اند. نتیجه گیری: یافته های تحقیق نشان دادند که تعیین مناسب اندازه سوپرپیکسل الگوریتم خوشه بندی SNIC و به کارگیری معیارهای بافتی GLCM به طور مؤثری عملکرد رویکرد پیشنهادی را در طبقه بندی کاربری و پوشش زمین، بهبود می بخشد.

فرونشست زمین اشاره به حرکت عمودی و رو به سمت پایین سطح زمین دارد. این پدیده ممکن است به صورت طبیعی یا در اثر فعالیت های انسانی ایجاد شود و خسارت هایی به شبکه های راه های ارتباطی، تاسیسات، سازه ها و زمین های کشاورزی وارد آورد. در چند سال اخیر پدیده فرونشست به عنوان یک بحران جدی در بسیاری از دشت های حاصل خیز ایران مطرح شده است و نگرانی های قابل توجهی را به وجود آورده است. در این مقاله دشت شبستر به عنوان یکی از دشت های پرخطر استان آذربایجان شرقی به عنوان منطقه مورد مطالعه انتخاب شده است. به منظور شناسایی احتمال فرونشست در نقاط مختلف و نیز شناسایی عواملی که سبب فرونشست زمین شدهاند از الگوریتم جنگل تصادفی استفاده شده است. نقشه موجود فرونشست زمین که با استفاده از سری زمانی مبتنی بر تکنیک تداخل سنجی راداری از منطقه مورد مطالعه تهیه شده بود، به عنوان داده آموزشی استفاده شده است. طبق نتایج مدلسازی، قسمت جنوبی منطقه مورد مطالعه دارای حساسیت بسیار زیاد نسبت به فرونشست شناخته شد، 63/5 درصد از مساحت منطقه دارای حساسیت خیلی زیاد و 37/6 درصد در کلاس حساسیت زیاد پهنه بندی شد. همچنین بر اساس مدلسازی انجام شده بیشترین تاثیر مربوط به عوامل «ارتفاع»، «سطح آب زیرزمینی»، «کاربری اراضی» و کمترین تاثیر مربوط به «فاصله از گسل» بود. در نهایت ارزیابی مدل از نظر قدرت پیش بینی با استفاده از منحنی مشخصه عملکرد سیستم (ROC) انجام شد، سطح زیر منحنی 96 درصد، پیش بینی بسیار خوب مدل را تأیید کرد. نتایج این پژوهش می تواند در برنامه ریزی برای توسعه ساخت و سازها و کاربری های مختلف آینده مورد استفاده قرار گیرد. همچنین با توجه به امکان شناسایی مناطق و تأسیسات در معرض خطر آن ها، اقدامات بهنگام و مناسب برای پیشگیری از خسارات مالی و جانی انجام یابد.