پیش بینی آسیب پذیری آلودگی نفتی در خلیج فارس با استفاده از روش های هوش محاسباتی در محیط GIS

محورهای موضوعی : کاربرد GIS&RS در محیط زیست

مبین افتخاری ¹ , سید احمد اسلامی نژاد ² , عباسعلی قزل سوفلو ³ , ملیکا راستگو ⁴

1 - کارشناس ارشد مهندسی عمران آب و سازه های هیدرولیکی، باشگاه پژوهشگران جوان و نخبگان، واحد مشهد، دانشگاه آزاد اسلامی ، مشهد، ایران
2 - گروه مهندسی نقشه‌برداری و اطلاعات مکانی، دانشکده مهندسی ، دانشگاه تهران، تهران، ایران
3 - دانشیار گروه مهندسی عمران ، واحد مشهد ، دانشگاه آزاد اسلامی ، مشهد ، ایران
4 - دانشجوی کارشناسی‌ارشد مهندسی و مدیریت منابع آب، دانشکده مهندسی عمران و محیط‌زیست، دانشگاه تربیت‌مدرس، تهران، ایران

تاریخ دریافت : 1401/04/14 تاریخ پذیرش : 1401/07/14 تاریخ انتشار : 1401/06/31

کلید واژه: خلیج فارس, آلودگی نفتی, رگرسیون وزن‌دار جغرافیایی,

چکیده مقاله :

خلیج‌فارس بخش قابل توجهی از ذخایرنفتی جهان را شامل می‌شود و عموما آلودگی نفتی یکی از اصلی‌ترین آلودگی‌های این منطقه به‌ شمار می‌رود. اولین گام جهت کنترل و پیشگیری از آلودگی‌های نفتی، تعیین میزان درجه حساسیت مناطق ساحلی به این نوع آلودگی است. پژوهش حاضر به منظور پیش بینی آسیب پذیری آلودگی نفتی در خلیج فارس می‌باشد. لذا در این تحقیق به‌منظور تعیین مناطق پر ریسک آسیب‌پذیر نفتی در محدوده خلیج فارس معیارهای موثر ازجمله لوله‌های انتقال نفت، سکوهای نفتی، مسیر عبور و مرور کشتی ها، بنادر، فلزات سنگین، نوسانات تراز سطح آب، بارندگی، جریانات دریایی، آلودگی هوا و بادهای موسمی مورد استفاده قرار گرفت. نوآوری تحقیق حاضر ارائه یک رویکرد ترکیبی جدید جهت تعیین معیارهای مؤثر آسیب پذیری خلیج فارس می‌باشد. در این راستا از ترکیب رگرسیون وزن‌دار جغرافیایی (هسته‌های گوسین و مکعبی سه‌گانه) و الگوریتم بهینه‌سازی ازدحام ذرات گسسته استفاده گردید. روش ترکیبی با دو خواص منحصر به فرد داده‌های مکانی یعنی خودهمبستگی مکانی و ناایستایی مکانی سازگار است و برای مسائل رگرسیون مکانی مناسب است. مقادیر R2 و RMSE حاصل از روش GWR با هسته مکعبی سه‌گانه به ترتیب 9971/0 و 2142/0 به دست آمد که نشان‌دهنده سازگاری بالای هسته مکعبی سه‌گانه نسبت به هسته گوسین است. هم‌چنین نتایج بدست آمده نشان می‌دهد که لوله های انتقال نفت، سکوهای نفتی و مسیر عبور و مرور نفتکش ها بیشترین تاثیر را در آسیب پذیری خلیج فارس دارند.

چکیده انگلیسی:

The Persian Gulf contains a significant part of the world's oil reserves. Generally, oil spill is one of the main pollutions in this region. Determining the degree of sensitivity of coastal areas to this type of pollution is the first step to control and prevent oil pollution. The aim of this research is to predict the vulnerability of oil spill in the Persian Gulf. Therefore, in this research the criteria of oil pipelines, oil platforms, shipping lanes, ports, heavy metals, water level fluctuations, rainfall, sea currents, air pollution and monsoons were used to determine the high-risk areas vulnerable to oil in the Persian Gulf. The innovation of the current research is to provide a new hybrid approach to determine the effective vulnerability criteria of the Persian Gulf. In this regard, the combination of geographic weighted regression (Gaussian and triple cubic kernels) and particle swarm optimization algorithm were used. The proposed hybrid method is suitable for spatial regression problems because it is compatible with two unique properties of spatial data, namely spatial autocorrelation and spatial non-stationary. The values of R2 and RMSE obtained from the GWR method with the triple cube kernel were 0.9971 and 0.2142, respectively, which indicates the high consistency of the triple cube kernel compared to the Gaussian kernel. Also, the obtained results showed that oil transfer pipes, oil platforms and the passage of oil tankers have a significant impact on the vulnerability of the Persian Gulf.