بایگانی دسته: مطالب

جزایر فارو که در شمال اقیانوس اطلس قرار دارند و تقریباً از اسکاتلند، ایسلند و نروژ فاصله دارند، مجمع الجزایری ناهموار و صخره ای را تشکیل می دهند. هوای خنک و ابری، همراه با بادهای شدید و بارش باران شدید در تمام طول سال، به این معنی است که این یک محیط بررسی چالش برانگیز است. مقامات نقشه برداری در جستجوی بهترین روش برای ثبت این محیط خیره کننده به پهپادها روی آورده اند. این مقاله داستان نقشه برداری و بررسی یک نقطه واقعا نفس گیر در زمین را بیان می کند.

آب و هوا همیشه یک عامل در 18 جزیره و اطراف آن است که جزایر فارو را تشکیل می دهند. باد یا باران بیش از حد، خبر بدی برای نقشه‌برداران است. در گذشته، Umhvørvisstovan (آژانس محیط زیست فارو، که مسئول نقشه برداری و نظارت بر پیشرفت در سراسر جزایر، از جمله نقشه برداری خطوط ساحلی است) از هواپیما برای گرفتن تصاویر مورد نیاز برای نقشه برداری و نقشه برداری استفاده می کرد.

با این حال، این بدون محدودیت نبود، زیرا هواپیما باید چند روز قبل از شرکت های فتوگرامتری در دانمارک یا ایسلند رزرو می شد. این اغلب با توجه به آب و هوای متغیر در منطقه دشوار بود – به ویژه در دوره هایی که اکثر شرکت ها مشغول ثبت تصاویر در جاهای دیگر بودند.

تطبیق پذیری پهپادها در مجمع الجزایر دورافتاده و ناهموار — نقشه ای که موقعیت جزایر فارو را نسبت به بقیه اروپا نشان می دهد.

روی آوردن به نقشه برداری هوایی بدون خدمه

بنابراین در سال 2015، Umhvørvisstovan تصمیم گرفت به جای هواپیماها با وسایل نقلیه هوایی بدون سرنشین (پهپادها یا “پهپادها”) کار کند. تیم بررسی محلی در مورد نقاط قوت فتوگرامتری هواپیماهای بدون سرنشین تحقیق کردند و دریافتند که داده‌های جغرافیایی گرفته‌شده توسط پهپاد می‌توانند با کار و تلاش کمتری نسبت به فتوگرامتری مبتنی بر هواپیما، عکس‌های ارتوفوتوگرافی تولید کنند.

مزایای صرفه جویی در نیروی کار به عنوان یک مزیت مهم در نظر گرفته شد، زیرا تنها شش کارمند برای انجام تمام مسئولیت های نقشه برداری در Umhvørvisstovan وجود دارد. سه نفر از آنها بر روی نقشه برداری و نقشه برداری در خشکی کار می کنند، در حالی که سه نفر دیگر روی نمودارهای دریایی برای کشتی ها و کشتی ها کار می کنند (به زیر مراجعه کنید).

مزیت دیگر این است که هنگام استفاده از هواپیماهای بدون سرنشین، آسمان صاف ضروری نیست. در واقع، تا زمانی که پهپاد بتواند زیر ابرها کار کند، گاهی اوقات نتیجه با پوشش ابر بهتر است. با این حال، آب و هوای بد در اوایل سال جاری به این معنی بود که Umhvørvisstovan تا نیمه دوم مه 2021 قادر به جمع‌آوری داده‌ای با استفاده از پهپادها نبود.

حتی در شرایط آرام‌تر، مه گاهی اوقات مشکل ایجاد می‌کرد – به‌خصوص زمانی که در پایین‌ترین حد ممکن بود. ارتفاع پرواز پهپاد مه می‌تواند حسگر زمینی را فعال کند، در نتیجه سیستم ایمنی پهپاد را فعال می‌کند، بدون ذکر این واقعیت که تصاویر جمع‌آوری‌شده هنگام پرواز در مه غیرقابل استفاده هستند.

بنابراین در سال 2015، شرکت دانمارکی COWI که قبلاً تجربه گسترده ای در نقشه برداری هواپیماهای بدون سرنشین داشت، یک خلبان هواپیمای بدون سرنشین را به جزایر فارو فرستاد که وظیفه جمع آوری تصاویر پایتخت (تورشاون) و دومین شهر بزرگ (کلاکسویک) را داشت. این پروژه با موفقیت فاروئی ها را در مورد قابلیت های پهپادها برای برنامه های نقشه برداری متقاعد کرد و کمتر از یک سال بعد تیم شروع به خرید پهپادها برای خود کرد. پس از مدتی تحقیق، آنها در نهایت دو پهپاد بال ثابت FX-61 را با نصب Pixhawk از شرکت دانمارکی Nordic Drone خریداری کردند. بعداً، در سال 2020، یک eBee X برای تکمیل ناوگان خریداری شد.

کوهنوردی که صخره‌های درانگارنیر – پشته دریایی نمادین با سوراخی در آن – در جزایر فارو را تحسین می‌کند. (با احترام: Shutterstock)

انعطاف پذیری و سایر مزایا

برای Umhvørvisstovan، مزیت کلیدی پهپادها انعطاف پذیری آنهاست. یکی دیگر از مزایای عمده نقشه برداران فاروئی این واقعیت است که نقشه برداری پهپاد مستلزم یک گردش کار نسبتاً کوتاه است، از جمع آوری داده ها تا محصولات نهایی. این بدان معنی است که تصاویر به سرعت در دسترس هستند، به علاوه نقشه برداران از کنترل هر مرحله از فرآیند قدردانی می کنند. اکنون، در صورت وجود هرگونه خطا یا داده‌های غیرقابل اعتماد، نقشه‌برداران می‌توانند خطاها را تصحیح کنند یا خودشان به سرعت داده‌های جدید را جمع‌آوری کنند، بدون اینکه به دیگران وابسته باشند.

سهولت استفاده و نتایج با کیفیت بالا

در مکانی منحصر به فرد مانند جزایر فارو، واقع در وسط اقیانوس اطلس، نقشه برداری هوایی از جزایر به دور از یک پروژه پیمایشی پیشرو است و مستلزم پیشگامی های زیادی است. برای انجام ماموریت های چالش برانگیز به طور موثر و ایمن، دانستن توانایی ها و همچنین محدودیت های پهپاد و نحوه واکنش آن در شرایط مختلف مهم است. استفاده Umhvørvisstovan از پهپادها بدون اشتباه نبوده است، اما آنها در نهایت تیم را قادر می سازند تا تجربیات ارزشمند زیادی را به دست آورد.

هدف اصلی نقشه برداری از تمام مناطق شهری در جزایر است و نقشه هایی که از تصاویر گرفته شده ایجاد می شود عمدتاً برای برنامه ریزی زمین و برای ثبت ملی استفاده می شود. .شهرداری Tórshavn حتی پهپاد مخصوص به خود را دارد تا بتواند نقشه شهر را با نرخی بالاتر از توانایی آژانس تهیه کند. از سال 2017، Umhvørvisstovan 117130 تصویر با وضوح بالا جمع آوری کرده است که به طور متوسط تقریباً 30000 در سال است. نقشه های مبتنی بر پهپاد دارای میانگین فاصله نمونه برداری از زمین 3 سانتی متر هستند که به طور قابل توجهی بالاتر از قبل است.

هر دو پهپاد در ناوگان Umhvørvisstovan – پهپاد Phantom FX-61 با بال ثابت مجهز به دوربین Pixhawk و SenseFly eBee X با دوربین Aerial X – برای پروژه‌های مختلف بسیار خوب عمل کرده‌اند. تیم متوجه شد که این دو سیستم مزایا و معایبی دارند.

اکوسیستم SenseFly بسیار قوی و کاربرپسند است، در حالی که تنظیمات Pixhawk و Mission Planner از مزیت تعمیر و نگهداری سریع مانند در مورد فرود سخت یا هنگام تعویض سروو برخوردار است. هر دو پهپاد همچنین نشان داده‌اند که می‌توانند به خوبی با شرایط اغلب بادی و متلاطم بالای جزایر فارو کنار بیایند.

برای پردازش، این تیم از زمانی که کار با پهپادها را آغاز کردند، از Pix4D استفاده کردند. آنها دریافته اند که این نرم افزار فتوگرامتری/نقشه برداری بسیار موثر و قوی است که نتایج با کیفیت بالا را همراه با سهولت استفاده ارائه می دهد.

خروجی ابر نقطه ای دقیق و واضح از بررسی پهپاد از جزایر فارو.

نقشه برداری از یک جزیره کوچک

اخیرا، Umhvørvisstovan جزیره کوچک Svínoy (با اندازه 2.34 کیلومتر مربع) را نقشه برداری کرد. ماموریت جمع آوری داده ها به سه پرواز تقسیم شد که در مجموع 1997 تصویر بر اساس برنامه ریزی دقیق پرواز برای صرفه جویی در وقت خلبان جمع آوری شد. باد، مطمئناً طبق استانداردهای فاروئی، در طول پروازها ملایم بود. اگرچه مقداری آشفتگی وجود داشت و چیدمان زمین چالش برانگیز بود، eBee X توانست با خیال راحت در برخی از فضاهای مسطح در Svínoy بلند شود و فرود بیاید.

داده‌های گرفته‌شده در Pix4Dmatic پردازش شدند، که کمی بیش از ده ساعت طول کشید تا کل مجموعه داده‌ها خرد شود. سپس نقشه نهایی ویرایش و حاشیه نویسی شد تا جزئیات مهمی مانند خطوط ساحلی، مسکن – از جمله نام جاده ها و آدرس ها – و همچنین مزارع و زمین های کشاورزی اضافه شود. نقشه به دست آمده برای دانلود رایگان به عنوان یک منبع دسترسی آزاد در دسترس است.

نمای جامع Svínoy ارائه شده در نرم افزار Pix4Dmatic.

همگام شدن با آخرین هنر در نقشه برداری

یک درس مهم برای Umhvørvisstovan این بوده است که به اشتراک گذاشتن تجربیات با دیگر خلبانان پهپاد راهی موثر برای یادگیری و آماده ماندن برای چالش های پیش بینی نشده است. در این زمینه، تیم کوچکی از متخصصان زمین‌فضایی جزایر فارو روابط نزدیکی با سایر خلبانان پهپاد دارند – به‌ویژه در کشورهای شمال اروپا. در این شبکه از خلبانان پهپاد، آنها گرد هم می آیند تا در مورد چالش ها بحث کنند، در مورد مسائل به یکدیگر کمک کنند و نحوه عملکرد کشورشان از نظر نقشه برداری و سایر موارد را به اشتراک بگذارند.

تیم Umhvørvisstovan مشتاق همگام شدن با امکاناتی است که فناوری جدید به ارمغان می آورد و شرکت در کنفرانس ها در صنعت نقشه برداری و GIS را به عنوان راه ارزشمند دیگری برای یادگیری در مورد آخرین روندها و پیشرفت ها می دانند. با وجود موقعیت ایزوله، زیرساخت ارتباطی جزایر فارو بسیار مدرن است. بنابراین، در عصر فناوری امروزی که اطلاعات با سرعت رعد و برق حرکت می‌کنند، به‌روز ماندن در مورد جدیدترین فناوری نقشه‌برداری برای تیم نسبتاً آسان است و بدون شک پروژه‌های نقشه‌برداری موفق‌تری را انجام خواهند داد. در آینده.

قدردانی

نوشتن این مقاله بدون کمک فوق العاده آندریاس کلاین آرنبیرگ، خلبان هواپیمای بدون سرنشین در Umhvørvisstovan ممکن نبود.

هیدروگرافی جزایر فارو

از آنجایی که جزایر فارو در اقیانوس اطلس واقع شده اند، نقشه برداری ساحلی و هیدروگرافیک نیز ستون مهمی برای مقامات است. مسئولیت هیدروگرافی و نقشه برداری در ژانویه 2020 از مقامات دانمارکی به مقامات فارو واگذار شد. بستر دریای فارو 300000 کیلومتر مربع را پوشش می دهد و می تواند تا عمق 3.6 کیلومتری در شمال برسد. با این حال، یک کشور کوچک گاهی اوقات می تواند یک مزیت باشد. اداره هیدروگرافی و اداره زمین و نقشه برداری در جزایر فارو در واقع در یک بخش در Umhvørvisstovan هستند. این بدان معناست که خشکی و دریا دقیقاً در کنار یکدیگر قرار دارند که فرصت‌های همکاری بزرگی را ارائه می‌دهد.

دفتر هیدروگرافی در Umhvørvisstovan تنها شامل سه نفر از کارکنان است که بر روی هیدروگرافی، نقشه برداری و مدیریت تمرکز دارند. این مسئولیت شامل هشت نمودار کاغذی دریایی و 21 نمودار ناوبری الکترونیکی است. علاوه بر این، هاوستووان (موسسه تحقیقات دریایی فارو) اخیراً یک کشتی تحقیقاتی جدید به طول 54 متر را راه اندازی کرده است که یک سیستم چند پرتوی Kongsberg EM712 را در خود جای داده است. Umhvørvisstovan مسئول عملیات این است و داده های آب متوسط تا عمیق را جمع آوری می کند. Landsverk (سازمان راه های فاروئی) مسئول جمع آوری داده های سطح و داده های عمق سنجی برای نظارت بر تغییرات در بنادر و بنادر است.

نقشه برداری موبایل با… گوسفند!

چند سال پیش، مجمع الجزایر فارو یکی از معدود مکان هایی بود که در نمای خیابان گوگل در دسترس نبود. از آنجایی که به نظر می‌رسید گوگل قصدی برای نقشه‌برداری از جزایر فارو برای آینده قابل پیش‌بینی ندارد، یکی از کارمندان هیئت گردشگری جزایر فارو راه‌حل خود را ارائه کرد. به جای «نمای خیابان»، او ترتیبی داد تا یک چوپان محلی و گوسفندانش با اتصال دوربین‌هایی به گوسفندها، «نمای گوسفند 360» را تولید کنند تا از محیط اطراف هنگام حرکت آنها عکس بگیرند. از آنجایی که این جزایر بیشتر از گوسفندان جمعیت دارند، این راه حل نقشه برداری سیار از نظر سادگی بسیار عالی بود.

پس از شنیدن پروژه Sheep View، گوگل با اشتیاق پاسخ داد و جزایر فارو را با نمای خیابان Trekker و دوربین های 360 درجه عرضه کرد. این امر به ساکنان و گردشگران این امکان را داد تا به گوسفندان در ثبت تصاویر مجمع الجزایر زیبا کمک کنند. به لطف این تلاش‌ها، Google Street View اکنون جزایر فارو را شامل می‌شود.

برای اطلاعات بیشتر اینجا را ببینید.

این مقاله در ابتدا در GIM International منتشر شده است.

جزیره Borðoy از منظر پهپاد دیده می شود. تصویر نمایی آفتابی از شهر Klaksvik در تابستان را نشان می دهد.

نقشه برداری خاک با پهپاد
استفاده از طیف سنج های پرتو گاما در بررسی های هوابرد

نوامبر 27, 2022 مازیار اتوکش دیدگاه‌تان را بنویسید:

نوشته:Ronald Koomans, Han Limburg, Steven van der Veeke

در بخش علوم زمین، حسگرهای اندازه‌گیری ویژگی‌های زمین به سرعت برای استفاده از هواپیماهای بدون سرنشین سازگار می‌شوند، زیرا پیشرفت‌های جدید در فناوری منجر به افزایش اندازه و بار وسایل نقلیه هوایی بدون سرنشین (پهپادها یا پهپادها) شده است. این مقاله دو مطالعه را ارائه می‌کند که فرصت‌هایی را برای افزودن طیف‌سنج پرتو گاما به یک پهپاد به منظور ترسیم بافت یا آلودگی خاک بررسی می‌کند.

طیف سنج های پرتو گاما سنت طولانی استفاده به عنوان یک ابزار ژئوفیزیکی برای نقشه برداری خواص خاک و رسوب دارند، اما اندازه و وزن بزرگ آنها تاکنون مانع از استفاده این حسگرها در کاربردهای پهپادها شده است. با این حال، پیشرفت‌های اخیر در سخت‌افزار حسگر، همراه با الگوریتم‌های پردازش داده‌ها که استخراج آخرین تکه اطلاعات از داده‌های به‌دست‌آمده را امکان‌پذیر می‌سازد، منجر به تولید طیف‌سنج‌های پرتو گاما با وزن کمتر از ۳ کیلوگرم شده است. این کاهش وزن قابل توجه به این معنی است که اکنون می توان آنها را به هواپیماهای بدون سرنشین متصل کرد و طیف جدیدی از کاربردها را برای استفاده از طیف سنج های پرتو گاما در بررسی های هوابرد باز می کند.

از سنسور تا نقشه خاک

یک طیف سنج پرتو گاما به طور مستقیم غلظت رادیونوکلئیدهای موجود در محیط را اندازه گیری می کند، خواه رادیونوکلئیدهای طبیعی مانند پتاسیم، اورانیوم و توریم و یا رادیونوکلئیدهای مصنوعی مانند سزیم (137Cs). این اندازه‌گیری‌ها ورودی مدل‌های کاربردی را فراهم می‌کند که غلظت پرتوزا با ویژگی خاک یا آلاینده مورد نظر مرتبط است. برای انجام این کار، بسیار مهم است که اندازه گیری های میدانی نتایج کمی و دقیق را ارائه دهند. بنابراین کالیبراسیون مناسب سنسور و انتخاب مناسب اندازه سنسور در رابطه با کاربرد آن ضروری است.

حسگرهای پرتو گاما را می توان برای نقشه برداری خاک، مطالعات زیست محیطی و استخراج معادن بر اساس رویکرد سه مرحله ای استفاده کرد (شکل 1). این کار با اتصال یک حسگر زیر یک پهپاد برای اندازه گیری رادیونوکلئیدها شروع می شود. در مرحله بعد، یک مدل کاربردی توسعه داده می شود که داده های اندازه گیری شده را به پارامترهای خاک ترجمه می کند. سپس می توان نقشه های ویژگی های مورد علاقه را تولید کرد.

نقشه برداری خاک با پهپاد
استفاده از طیف سنج های پرتو گاما در بررسی های هوابرد — شکل 1: رویکرد سه مرحله ای برای نگاشت مبتنی بر حسگر، توسعه یک مدل کاربردی و تولید نقشه برای کاربر نهایی.

مطالعه مقایسه نقشه خاک

برای ترسیم ترکیب خاک، یک طیف سنج پرتو گاما اغلب با استفاده از وسیله نقلیه زمینی مانند تراکتور، گاتور یا کواد استفاده می شود. با این حال، استفاده از پهپاد این امکان را فراهم می‌کند که ویژگی‌های خاک زمین‌هایی را که دسترسی به آن دشوار است، مانند زمانی که زمین پوشیده از پوشش گیاهی است یا دسترسی به مزرعه نامطلوب است، ترسیم کند.

برای ارزیابی کیفیت نقشه‌های حاصل که توسط یک طیف‌سنج پرتو گاما نصب شده در زیر یک پهپاد اندازه‌گیری شد، نویسندگان مطالعه مقایسه‌ای را برای پیش‌بینی ویژگی‌های فیزیکی خاک ۴۰ هکتار از زمین‌های کشاورزی در فلوولند، هلند طراحی کردند. در این پروژه، اندازه‌گیری‌ها با استفاده از یک طیف‌سنج پرتو گاما (حسگر MS-2000 از Medusa Radiometrics) که روی یک تراکتور نصب شده بود، با اندازه‌گیری‌های یک طیف‌سنج پرتو گامای هواپیمای بدون سرنشین (سنسور MS-1000 از Medusa Radiometrics) و با اندازه‌گیری‌ها مقایسه شد.

نمونه های سنتی خاک MS-1000 یک سیستم آشکارساز پرتو گاما کم مصرف، سبک و قوی است که مخصوص استفاده با هواپیماهای بدون سرنشین طراحی شده است. این حسگر که 7.7 کیلوگرم وزن دارد، تحت یک پهپاد استاندارد و تجاری (DJI M600 PRO) نصب شده است. این پهپاد در ارتفاع متوسط 14 متری با خطوط بررسی 30 متری پرواز کرد.

مدل کاربردی در این مطالعه بر اساس 14 نمونه خاک برداشت شده و در آزمایشگاه بر روی محتوای رادیونوکلئید و کسر رس آنالیز شد. از مدل (شکل 2) برای ترجمه مقادیر میدان 232Th به نقشه ای استفاده شد که غلظت ریزدانه ها (<50μm) را نشان می دهد.

شکل 2: مدل کاربرد برای ترجمه غلظت توریم (Bq/kg) به کسر خاک رس، که به عنوان اندازه دانه <50 میکرومتر تعریف شده است، استفاده شد.

شکل 3 نقشه‌های حاصل را نشان می‌دهد که این مدل کاربردی برای ترجمه غلظت فضایی 232th به تغییرات اندازه دانه فضایی استفاده شد. اندازه‌گیری‌های زمینی، تغییرات محتوای خاک رس را هنگام اندازه‌گیری آن با آشکارساز MS-2000 در تراکتور نشان می‌دهد. نقشه هوابرد، محتوای خاک رس را بر اساس اندازه‌گیری‌های با استفاده از آشکارساز هواپیمای بدون سرنشین MS-1000 نشان می‌دهد. مجموعه جداگانه ای از 44 نمونه خاک برداشت شد و برای اعتبار سنجی آماری مستقل استفاده شد.

نقشه‌های اندازه‌گیری‌های زمینی و اندازه‌گیری‌های هواپیمای بدون سرنشین مطابقت نزدیکی دارند، اما نتایج حاصل از پهپاد «صاف‌تر» هستند و وضوح فضایی کمتری را نشان می‌دهند. این تفاوت در اندازه ساختارهای فضایی قابل انتظار است زیرا پهپاد تابش را از یک منطقه بزرگتر می گیرد و در نتیجه ردپای بزرگتری دارد. تجزیه و تحلیل دقیق‌تر و اعتبارسنجی نقشه‌ها نشان داد که کیفیت نقشه هواپیمای بدون سرنشین با بررسی زمینی برابری می‌کند و هر دو رویکرد به خوبی نمونه‌برداری از خاک هستند.

شکل 3: نقشه اندازه دانه برگرفته از بررسی زمینی (سمت چپ) و بررسی هوایی (راست). نقاط نشان دهنده نقاط نمونه مستقل مورد استفاده در اعتبار سنجی هستند.

نقشه برداری آلودگی خاک

آلودگی محیطی ناشی از فعالیت های انسانی به عنوان یکی از خطرات مدرن پیشرفت های صنعتی جامعه شناخته شده است. این آلودگی شامل آلاینده‌های آلی و فلزات سنگین به دلیل انتشار تاریخی توسط شیوه‌های صنعتی فعلی و سابق است. از آنجایی که آلاینده ها می توانند با جذب موجودات زنده وارد زنجیره غذایی شوند، بازسازی محیطی یا بسته شدن مکان های آلوده در اولویت است.

رویکرد فعلی برای مدیریت و نظارت بر سایت‌های آلوده شامل روش‌های تهاجمی و اغلب کار فشرده است، به‌ویژه به منظور جمع‌آوری نمونه‌ها برای تعیین کمیت و نقشه‌برداری توزیع آلاینده‌ها. در نتیجه، خطوط توزیع آلاینده بر اساس نمونه‌ها، بسته به اندازه نمونه و فاصله بین نمونه‌ها در معرض تعدادی خطای بالقوه است، با این خطر که «نقاط داغ» بدون نقشه باقی بمانند.

بسیاری از آلاینده ها در رسوبات آبی به ذرات رس جذب می شوند. این بدان معنی است که سطوح آلاینده به شدت با ترکیب این رسوبات در هنگام زیر آب، یا زمانی که رسوبات در دشت های سیلابی رسوب می کنند، مرتبط است. در نهر Spittelwasser، یکی از شاخه های رودخانه البه در آلمان، دشت های سیلابی به عنوان حوضه های انباشته برای فاضلاب های بسیار آلوده در طول حوادث سیل مورد استفاده قرار می گرفت و باعث می شد که آنها با مواد شیمیایی آلی مانند دیوکسین ها آلوده شوند.

دشت های سیلابی قبلاً موضوع تحقیقات متعددی در مورد آلودگی رسوبات و خاک بوده است. تصمیم برای انجام یک بررسی نقشه برداری از طریق هواپیماهای بدون سرنشین گرفته شد، تا حدی به این دلیل که دسترسی به برخی از مناطق از نظر فیزیکی دشوار بود و تا حدودی به دلیل ناشناخته بودن مالکان زمین برای برخی از مناطق، که به این معنی بود که مجوز دسترسی نمی توانست به دست آورد. برای بررسی هوابرد، MS-1000 زیر یک پهپاد DJI M600 نصب شد. این پهپاد در ارتفاع متوسط 7 متری با خطوط بررسی به فاصله 10 متر از هم پرواز کرد و این امکان را فراهم کرد که این سایت 50 هکتاری تنها در سه روز نقشه برداری شود.

شکل 4: طیف سنج پرتو گاما MS-1000 که تحت یک پهپاد تجاری استاندارد DJI M600 نصب شده است.

این بررسی منجر به نقشه های یکپارچه سطوح آلاینده رسوب شد (شکل 5) که نشان می دهد اکثریت منطقه دارای غلظت نسبتاً کم آلاینده است، اما برخی از نقاط داغ وجود دارد. این داده ها اطلاعات دقیقی را در مورد آلودگی در مقیاس حوضه رودخانه به دولت ارائه می دهد که برای تعریف اقدامات اصلاحی مناسب بسیار مهم است.

نتیجه گیری

صنعت نقشه برداری جغرافیایی در سال های اخیر به دلیل استفاده از پهپادها برای تهیه نقشه های سطح زمین تغییرات قابل توجهی داشته است. تاکنون استفاده از پهپادها در حوزه ژئوفیزیک محدود بوده است و بیشتر این کار با بررسی های زمینی یا بررسی از هواپیماهای بزرگتر انجام می شود. با این حال، صنعت ژئوفیزیک به تکامل خود ادامه می‌دهد و حسگرها کوچک‌تر، سبک‌تر و کاربرپسندتر شده‌اند. این حسگرهای کوچکتر اکنون می توانند در ترکیب با هواپیماهای بدون سرنشین برای نقشه برداری از بافت خاک و آلودگی خاک با وضوح مکانی بالا استفاده شوند.

هر دو پیمایش هواپیمای بدون سرنشین ارائه شده در این مقاله با استفاده از یک پهپاد خارج از قفسه و یک طیف سنج پرتو گاما اجرا شدند. اولین مطالعه نشان داد که چگونه بافت خاک را می توان با استفاده از چنین تنظیماتی ترسیم کرد. مطالعه دوم نشان داد که از همین تنظیمات می توان برای نقشه برداری از آلاینده ها با وضوح فضایی بی سابقه استفاده کرد. این نتایج نشان می‌دهد که حسگرهای پرتو گاما برای استفاده معمول در پروژه‌های نقشه‌برداری هواپیمای بدون سرنشین آماده هستند. این امکان را برای انجام نقشه برداری با وضوح بالا از بافت خاک و آلودگی خاک در مناطقی که در غیر این صورت غیرقابل دسترس بودند، باز می کند.

شکل 5: غلظت دیوکسین (PCDD/DF) در یک منطقه از دشت های سیلابی. نقاط نشان دهنده مکان های نمونه هستند و مقیاس رنگ آنها با رنگ های نقشه یکسان است.

طیف سنج پرتو گاما چیست؟

یک طیف سنج پرتو گاما غلظت عناصر رادیواکتیو را در زمین اندازه گیری می کند. همه سنگ‌ها، خاک و رسوبات حاوی آثار کوچک اما قابل اندازه‌گیری از رادیونوکلئیدهای طبیعی مانند پتاسیم (40K)، اورانیوم (238U) و توریم (232Th) هستند. تابش ساطع شده توسط این هسته ها حاوی اطلاعاتی در مورد ترکیب کانی شناسی سنگ ها و خاک ها است. این پدیده، به عنوان مثال، در اکتشاف نفت و گاز و مواد معدنی برای به دست آوردن تصویری کیفی از ترکیب معدنی یک منطقه یا ماتریس سنگ استفاده می شود.

توجه به این نکته مهم است که برخلاف بسیاری از فناوری‌های ژئوفیزیک دیگر، طیف‌سنج‌های پرتو گاما حسگرهای غیرفعال هستند. آنها به جای انتشار تشعشع، آن را جذب می کنند. احتمال جذب و در نتیجه راندمان تشخیص مستقیماً با حجم آشکارساز متناسب است. بنابراین، یک آشکارساز بزرگتر به معنای کارایی بهتر است. این وابستگی به اندازه دلیلی است که در نقشه برداری سنتی هوابرد، از بسته های آشکارساز چند کریستالی بزرگ 80 کیلوگرمی استفاده می شود. با این حال، پیشرفت‌های اخیر منجر به حسگرهای بسیار سبک‌تر شده است که استفاده از طیف‌سنج‌های پرتو گاما را در زیر هواپیماهای بدون سرنشین امکان‌پذیر می‌سازد.

سپاسگزاریها

پروژه های نقشه برداری شرح داده شده برای Landesanstalt für Altlastenfreistellung (LAF) در Sachsen Anhalt، آلمان، و برای Wageningen Environmental Research، هلند انجام شد.

بیشتر بخوانید

نقشه برداری نقشه برداری نقشه برداری نقشه برداری نقشه برداری نقشه برداری نقشه برداری نقشه برداری نقشه برداری نقشه برداری نقشه برداری نقشه برداری نقشه برداری نقشه برداری نقشه برداری نقشه برداری نقشه برداری نقشه برداری نقشه برداری نقشه برداری نقشه برداری نقشه برداری نقشه برداری نقشه برداری نقشه برداری

مطلب روز

شاخص قيمت توليدكننده محصولات گاوداري‌هاي صنعتي كشور تابستان ١٤٠١

نوامبر 25, 2022 مازیار اتوکش دیدگاه‌تان را بنویسید:

در فصل تابستان ١٤٠١ تغییرات شاخص قیمت تولیدکننده بخش گاوداری‌های صنعتی نسبت به فصل قبل (تورم فصلی) به ٧,٨ درصد رسید که در مقایسه با همین اطلاع در فصل قبل (٥٠.٨ درصد)، ٤٣.٠ واحد درصد کاهش دارد. در میان اقلام گاوداری صنعتی، کمترین تورم فصلی مربوط به قلم ” گوساله نر زیر چهار ماه” (٠.٧ درصد) و بیشترین آن مربوط به قلم ” گاو ماده شیری” (١٥.٤ درصد) می‌باشد.

چکیده

در فصل تابستان ١٤٠١‌ شاخص قیمت تولیدکننده بخش گاوداری‌های صنعتی (بر مبنای ١٠٠=١٣٩٥) برابر با ٨٦٣,٢ بوده‌است که نسبت به فصل قبل (تورم فصلی) ٧.٨ درصد و نسبت به فصل مشابه سال قبل (تورم نقطه به نقطه) ٧٥.٤ درصد افزایش یافتهاست. میانگین شاخص چهار فصل منتهی به فصل جاری نیز نسبت به دوره مشابه سال قبل (نرخ تورم سالانه) ٦٧.٢ درصد افزایش یافتهاست.

کاهش تورم فصلی

در فصل تابستان ١٤٠١ تغییرات شاخص قیمت تولیدکننده بخش گاوداریهای صنعتی نسبت به فصل قبل (تورم فصلی) به ٧,٨ درصد رسید که در مقایسه با همین اطلاع در فصل قبل (٥٠.٨ درصد)، ٤٣.٠ واحد درصد کاهش دارد. در میان اقلام گاوداری صنعتی، کمترین تورم فصلی مربوط به قلم ” گوساله نر زیر چهار ماه” (٠,٧ درصد) و بیشترین آن مربوط به قلم “گاو ماده شیری” (١٥,٤ درصد) می‌باشد.

کاهش تورم نقطه به نقطه

در فصل تابستان ١٤٠١ تغییرات شاخص قیمت تولیدکننده بخش گاوداریهای صنعتی نسبت به فصل مشابه سال قبل (تورم نقطه به نقطه) به ٧٥,٤ درصد رسید که در مقایسه با همین اطلاع در فصل قبل (٩٧.٢ درصد)، ٢١.٩ واحد درصد کاهش داشته است. به عبارتی، میانگین قیمت دریافتی توسط تولیدکنندگان محصولات گاوداری‌های صنعتی به ازای تولید قلم‌های خود در داخل کشور، در فصل تابستان ١٤٠١ نسبت به فصل تابستان ١٤٠٠، ٧٥.٤ درصد افزایش دارد. در بین اقلام گاوداری‌های صنعتی، کمترین تورم نقطه به نقطه مربوط به قلم “گاو تلیسه” (٣٤.٨ درصد) و بیشترین آن مربوط به قلم “شیر” (٩٢.٩ درصد) می‌باشد.

کاهش تورم سالانه

تغییرات میانگین شاخص قیمت تولیدکننده محصولات گاوداری‌های صنعتی در داخل کشور در چهار فصل منتهی به فصل تابستان ١٤٠١ نسبت به مدت مشابه در سال قبل به ٦٧,٢ درصد رسید که نسبت به همین اطلاع در فصل قبل (٦٧.٣ درصد)،٠.١ واحد درصد کاهش نشان می‌دهد. در فصل مورد بررسی، در میان اقلام گاوداریهای صنعتی در کشور، کمترین تورم سالانه مربوط به قلم ” گوساله نر زیر چهار ماه” (٣٥.١ درصد) و بیشترین آن مربوط به “شیر” (٨٠.٣ درصد) می‌باشد.

شاخص استاني

بررسي شاخص قيمت توليدكننده محصولات گاوداري‌هاي صنعتي كشور در تابستان ١٤٠١ نشان ميدهد که عدد شاخص در اکثر استانها نسبت به فصل قبل با افزایش روبه رو بوده است. بیشترین میزان افزایش مربوط به استان هرمزگان با ٢٦,٦ درصد و بیشترین میزان کاهش مربوط به استان گیلان با ٤.١- درصد می‌باشد.

مقایسه شاخص کل استانها در فصل جاری نسبت به فصل مشابه سال قبل نشان میدهد که بیشترین درصد تغییر مربوط به استان اردبیل با ١٤١,٦ درصد (افزایش) و کمترین آن مربوط به استان خوزستان با ٣٩.٦ درصد (افزایش) می‌باشد.

دریافت گزارش تفصیلی

خبر روز, مطلب روز

اطلس جدید، شکاف گسترده زیرساخت شهری را بین جنوب جهانی و شمال جهانی نشان می دهد

نوامبر 25, 2022 مازیار اتوکش دیدگاه‌تان را بنویسید:

داده‌های جدید یک تیم تحقیقاتی بین‌المللی بُعد دیگری – به معنای واقعی کلمه – به درک تأثیرات اقتصادی و زیست‌محیطی چگونگی ساخت شهرها و زیرساخت های آن می‌افزاید.

اطلس جدید، شکاف گسترده زیرساخت شهری را بین جنوب جهانی و شمال جهانی نشان می دهد

مجموعه داده های جدید پیشگام، تفاوت های گسترده در ارتفاع زیرساخت های ساخته شده در مناطق شهری در سراسر جهان را نشان می دهد، اطلاعاتی که می تواند پیش بینی های مصرف انرژی و انتشار گازهای گلخانه ای را بهبود بخشد و برنامه ریزی شهری و تلاش های توسعه اقتصادی، از جمله پیشرفت به سوی سازمان ملل متحد پایدار را آگاه کند. یویو ژو، دانشیار علوم زمین شناسی و جوی در دانشگاه ایالتی آیووا و یکی از نویسندگان این مطالعه که امروز در مجموعه مقالات آکادمی ملی علوم، مجله معتبر آکادمی منتشر شد، گفت: اهداف توسعه.

ژو گفت: “این روش جدیدی برای اندازه گیری مناطق شهری است.” اکنون می‌توانیم به سؤالاتی که قبلاً نمی‌توانستیم پاسخ دهیم درباره توسعه شهر و ساختن آینده‌ای عادلانه‌تر و پایدارتر پاسخ دهیم.»

محققان با استفاده از داده‌های راداری جمع‌آوری‌شده توسط ماهواره Sentinel-1 آژانس فضایی اروپا، با ارجاع متقابل با مجموعه‌های داده دیگر، میانگین ارتفاع سازه‌های ساخته شده را در مربع‌های 500 در 500 متری در مناطق شهری محاسبه کردند و ویژگی‌های طبیعی را فیلتر کردند. مانند درختان سپس از اندازه‌گیری‌های ارتفاع برای برآورد حجم زیرساخت سرانه برای هر کشور و سطح نابرابری زیرسا خت‌ها در داخل کشورها استفاده کردند.

یکی از شگفت‌انگیزترین نتایج اندازه‌گیری‌ها، که بر اساس داده‌های سال 2015 است، شکاف زیرساختی بین شمال جهانی (شامل ایالات متحده، کانادا، اروپا، روسیه، ژاپن و استرالیا) و جنوب جهانی (آفریقا، آمریکای جنوبی) است. ، آمریکای مرکزی، خاورمیانه و بیشتر آسیا از جمله چین). ژو گفت که انتظار چنین اختلاف شدیدی را نداشت.

علیرغم داشتن 16 درصد از کل جمعیت، 45 کشور جهانی شمال مورد مطالعه تقریباً به اندازه 114 کشور جهانی جنوب زیرساخت های شهری دارند. از هر 10 نفر 9 نفر در کشوری زندگی می کنند که زیرساخت سرانه آن کمتر از میانگین جهانی شمال است. ایالات متحده بیش از 600 مترمکعب زیربنای شهری برای هر نفر دارد، در حالی که کشورهای کم‌ساختار به مراتب کمتر، مانند بنگلادش 20 متر مکعب برای هر نفر، زیربنای شهری دارند.

ژو گفت: «تفاوت 30 برابری بسیار زیاد است و این در درک نابرابری مهم است.

ساختمان های متراکم تر و بلندتر با رشد اقتصادی مرتبط هستند و سه چهارم اهداف توسعه پایدار سازمان ملل به طور مستقیم یا غیرمستقیم تحت تأثیر زیرساخت ها هستند. ژو گفت که درک عظیم شکاف زیرساختی جهانی و ترسیم آن با اندازه‌گیری‌های ملموس می‌تواند سیاست‌گذاران را هنگام بررسی استراتژی‌های توسعه راهنمایی کند.

اطلس زیرساخت همچنین در بررسی تفاوت های ساخت شهری در داخل کشورها مفید است. یک شاخص نابرابری که محققان استفاده کردند نشان می‌دهد که زیرساخت‌ها در جنوب جهانی به طور عادلانه کمتری نسبت به شمال جهانی پخش شده است، اگرچه این شکاف بسیار کمتر از تفاوت در زیرساخت کلی است. به عنوان مثال، این مطالعه نشان داد که ایالات متحده، برای مثال، نابرابری زیرساختی کمی بیشتر از میانگین جهانی دارد.

کارن ستو، پروفسور فردریک سی هیکسون، استاد جغرافیا و علوم شهرنشینی در دانشگاه ییل و همکارش، گفت: «اندازه شکاف زیرساخت نشان می‌دهد که ما نیاز به پیشرفت بسیار بیشتری در جهت تضمین دسترسی به زیرساخت‌ها و کاهش نابرابری‌ها در داخل و بین کشورها داریم. -نویسنده تحقیق این مجموعه داده های جدید به شناسایی جمعیت هایی که زیرساخت ها از آنها استفاده نمی کنند کمک می کند.

این اطلس همچنین به دانشمندان در درک بهتر چگونگی مشارکت شهرها در تغییرات آب و هوایی کمک می کند. دانستن نیازهای زیرساختی به پیش بینی تقاضا برای مصالح ساختمانی پر انرژی کمک می کند و شهرهای عمودی بیشتری مصرف انرژی کمتری برای حمل و نقل دارند. اطلاعات دقیق در مورد تغییرات ارتفاع، مطالعات سه بعدی اشکال شهری را بهبود می بخشد.

ژو گفت: «با این داده‌ها، می‌توانیم مدل‌سازی آب و هوا در مقیاس بزرگ را در مناطق شهری به طور قابل توجهی بهبود دهیم.

سایر اعضای تیم تحقیقاتی شامل وی چن، دانشجوی دکترای ایالت آیووا است. پنگ گونگ، دانشگاه هنگ کنگ؛ Xuecao Li، محقق سابق پسا دکترای ایالت آیووا که اکنون در دانشگاه کشاورزی چین مشغول به کار است. لین منگ، دانشجوی سابق دکترای ایالت آیووا و اکنون در دانشگاه واندربیلت. و کیوشنگ وو، دانشگاه تنسی.

اطلاعات بیشتر: یویو ژو و همکاران، نقشه‌برداری ماهواره‌ای از ارتفاعات ساخته‌شده شهری، شکاف‌ها و نابرابری‌های زیرساختی شدید را در جنوب جهانی، مجموعه مقالات آکادمی ملی علوم (2022) نشان می‌دهد. DOI: 10.1073/pnas.2214813119

مطلب روز

رویکردی جهانی برای جلوگیری از رسیدن پلاستیک به اقیانوس

نوامبر 24, 2022 مازیار اتوکش دیدگاه‌تان را بنویسید:

مانند بسیاری از مناطق ساحلی در سراسر جهان امروز، سواحل در چنای، هند، مقادیر زیادی زباله پلاستیکی را جذب می کنند. برای موج سوار نوجوان و ساکن محلی کاران چاکراوارتی، وجود پلاستیک در نقاط مورد علاقه او در موج سواری ناراحت کننده بود. بنابراین تصمیم گرفت برای آن کاری انجام دهد.

چاکراوارتی به داوطلبان دیگر پیوست تا زباله‌ها را با یک سازمان غیرانتفاعی به نام ساحل ناما، ناما چنای (که به «ساحل ما، چنای ما» ترجمه می‌شود) جمع‌آوری کند. در سال 2021، این سازمان 176000 پوند زباله پلاستیکی را از سواحل چنای حذف کرد. اما چاکروارتی احساس می کرد که می توان کارهای بیشتری انجام داد.

نوجوانی که در ساحل ایستاده و تخته موج سواری در دست دارد

او با پدربزرگش، مندیام ونکاتش، که در سن دیگو، کالیفرنیا زندگی می‌کند، تماس گرفت و کمک مالی 5000 دلاری از باشگاه روتاری سان‌رایز ونکاتش برای حمایت بیشتر از ساحل ناما، ناما چنای دریافت کرد. چاکراوارتی از طریق ارتباطات روتاری پدربزرگش همچنین با کارل نتلتون، بنیانگذار OpenOceans Global، یک سازمان مستقر در سن دیگو که از فناوری جغرافیایی و علم شهروندی برای کمک به توقف جریان پلاستیک به اقیانوس‌های جهان استفاده می‌کند، ملاقات کرد.

نتلتون Chakravarthy را با فرم ArcGIS Survey123 راه‌اندازی کرد که از آن برای ثبت اطلاعات در مورد سواحل چنای که به طور مداوم پر از پلاستیک هستند استفاده کرد. سپس داده ها در پورتال جغرافیایی جهانی OpenOceans بارگذاری شد. اکنون، در نقشه Ocean Plastic مبتنی بر وب سازمان، یک نماد چشم گاو نر قرمز در سواحل جنوب شرقی هند قرار دارد و یک پاپ آپ اطلاعاتی را در مورد زباله های پلاستیکی موجود در سواحل چنای، از جمله اینکه احتمالاً از کجا آمده و چه چیزی وجود دارد، نشان می دهد. برای تمیز کردن آن انجام شده است.

نتلتون امیدوار است که شهروندان دانشمندان در سراسر جهان همان کاری را انجام دهند که چاکراوارتی انجام داده است و داده هایی را برای OpenOceans Global در مورد سواحلی که به طور مداوم توسط زباله های پلاستیکی آلوده می شوند، ثبت کنند. به ویژه، او مایل است که متخصصان GIS رهبری را بر عهده بگیرند.

Karan Chakravarthy از ArcGIS Survey123 برای ثبت داده‌های مربوط به سواحل چنای هند استفاده کرد که به طور مداوم پر از پلاستیک هستند. (عکس از کاران چاکروارتی.)

چگونه زباله های پلاستیکی به اقیانوس می رسند

بر اساس تحقیقات The Pew Charitable Trusts و موسسه مشاوره پایداری SYSTEMIQ، سالانه 11 میلیون تن پلاستیک به اقیانوس می رسد و این تعداد تا سال 2040 سه برابر می شود، اگر راه حل های در مقیاس بزرگ به سرعت ایجاد نشود.

نتلتون با اشاره به بزرگترین لکه زباله در اقیانوس های جهان گفت: تصور رایج این است که بیشتر پلاستیک های اقیانوس در لکه زباله بزرگ اقیانوس آرام است که تخمین زده می شود دو برابر تگزاس است.

با این حال، طبق مطالعه اخیر دانشگاه ایالتی فلوریدا که در Frontiers in Marine Science منتشر شده است، از سال 2010 تا 2019، حدود 75 درصد از زباله های پلاستیکی سوء مدیریت شده در سواحل مشاهده می شود.

نقشه ای از جهان با نمادهای چشم گاو نر در سواحل و یک پاپ آپ برای چنای که عکس زنی را در حال تمیز کردن پلاستیک در ساحل نشان می دهد. نتلتون گفت که از رودخانه ها می آید.

OpenOceans Global به دنبال شناسایی چگونگی جریان پلاستیک به اقیانوس و تجمع در آن خطوط ساحلی است. طبق مطالعه‌ای که توسط سازمان غیرانتفاعی The Ocean Cleanup انجام شده و در Science Advances منتشر شده است، حدود 80 درصد پلاستیک‌هایی که از رودخانه‌ها عبور می‌کنند و به اقیانوس‌ها ختم می‌شوند از بیش از 1000 رودخانه می‌آیند که بسیاری از آنها در آسیا، آمریکای لاتین و آفریقا هستند. محققان دریافتند که رودخانه های کوچک شهری در مکان هایی با شیوه های مدیریت زباله ضعیف، بیشترین آلودگی پلاستیکی را به اقیانوس منتقل می کنند.

اما این بدان معنا نیست که زباله ها لزوماً از آنجا سرچشمه می گیرند. بسیاری از کشورهای با اقتصادهای با درآمد بالا – مانند ایالات متحده، ژاپن و فرانسه – در مصرف پلاستیک از بقیه دنیا پیشی می گیرند و سپس سالانه بیش از یک میلیون تن پلاستیک قابل بازیافت را به خارج از کشور ارسال می کنند که اغلب به مکان هایی با مشکلات مربوط به مدیریت زباله حمل می شود. .

نتلتون گفت: «ما فکر می‌کنیم راه‌هایی برای جلوگیری از رسیدن زباله‌های پلاستیکی به اقیانوس وجود دارد، اگر بدانیم از کجا می‌آیند.» اگرچه ایالات متحده و سایر کشورهای توسعه یافته بیشتر پلا ستیک را تولید می کنند، مطالعه ایالت فلوریدا نشان داد که 55 درصد پلاستیک اقیانوس ها از پنج کشور چین، فیلیپین، هند، برزیل و اندونزی به اقیانوس می رسد. همانطور که این مطالعه نشان داد، اگر فیلیپین تقریباً 16 درصد از پلا ستیک جهان را از طریق رودخانه‌های خود به اقیانوس بفرستد، جهان می‌تواند بر روی توسعه راه‌حل‌هایی برای این کشور تمرکز کند و منابع جهانی را پشت سر بگذارد تا فیلیپین را به اقیانوس صفر نزدیک کند.

سهم پلاستیک تا حد امکان ما می‌توانیم ببینیم که کدام راه‌حل‌ها در آنجا بهتر عمل می‌کنند – چه اجرای فناوری‌های مداخله در رودخانه برای جلوگیری از رسیدن بلاستیک به اقیانوس، توسعه محصولات جدید برای جایگزینی پلاستیک، یا اجرای فرآیندهای جدید برای مدیریت زباله – و سپس آن مدل‌ها را در دیگر آلاینده‌های پلاستیکی بالا تکرار کنیم. کشورها.”

داوطلبان 176000 پوند زباله پلاستیکی را از سواحل چنای هند در سال 2021 پاکسازی کردند.

نمایی جهانی از جایی که آلودگی بلاستیک از کجا سرچشمه می گیرد

برای شروع این پروژه بلندپروازانه، تیم OpenOceans Global از ArcGIS Online و ArcGIS Living Atlas of the World استفاده کرد تا نقشه‌ای را بسازد که بر روی مکان‌هایی که پلاستیک در خطوط ساحلی جهان ریخته می‌شود تمرکز کند.

نتلتون گفت: «می‌توانید روی نقشه کلیک کنید و رودخانه‌های جهان، جریان‌های اصلی اقیانوسی و یک عکس لحظه‌ای بسیار دقیق از جریان‌های اقیانوسی را ببینید». این ابزارها به مردم کمک می کند تا درک بهتری از نحوه حرکت زباله های پلاستیکی داشته باشند.

کاربران نقشه می‌توانند لایه‌هایی را فعال کنند که 20 رودخانه برتر را نشان می‌دهد که پلا ستیک را به اقیانوس کمک می‌کنند و در آنجا پلاستیک در چرخ‌گردهای اقیانوس جمع می‌شود. آنها همچنین می‌توانند داده‌های نظرسنجی را که شهروندان دانشمندان در مورد آلودگی پلاستیکی در سواحل محلی خود ارائه می‌کنند، مشاهده کنند.

شهروند دانشمندان با استفاده از Survey123 در دستگاه های تلفن همراه یا رایانه های رومیزی خود، نام ساحل یا منطقه ساحلی را وارد می کنند، مکان دقیق آن را بر روی نقشه مشخص می کنند، تصویری را آپلود می کنند که تجمع زباله را نشان می دهد، شرحی از موضوع ارائه می دهد، پیش بینی می کند که زباله ها در کجا محتمل است. و آنچه را که برای حل مشکل انجام می شود ثبت کنید. آنها همچنین اطلاعات تماس و اطلاعات سازمان هایی که با آنها کار می کنند را وارد می کنند.

پس از ارسال یک ورودی، یک نماد نقطه قرمز موقت به طور خودکار در نقشه وب جهانی OpenOceans ظاهر می شود. سپس یک تیم در سازمان اطلاعات را تأیید می کند و اگر همه چیز را بررسی کند، نقطه قرمز را به یک چشم گاو قرمز تبدیل می کند، که نشان می دهد منطقه ساحلی به طور فراگیر توسط پلاستیک آلوده شده است.

نتلتون می‌گوید: «نحوه برخورد با پلاستیک به عنوان یک مشکل محلی است – می‌دانید، «ساحل من روی آن پلاستیک است، بنابراین بهتر است دیگر از نی‌های پلاستیکی یا کیسه‌های پلاستیکی استفاده نکنم». “خب، این مهم است. اما هنوز دیدی جهانی از این که آن پلاستیک از کجا آمده است وجود ندارد.»

کارل نتلتون معتقد است که پزشکان زمین فضایی - به ویژه کاربران Esri - می توانند شهروند دانشمندان ایده آلی برای پروژه OpenOceans Global باشند.

او گفت: "آنها در ترکیب منحصر به فردی از علم و فناوری کار می کنند و واقعاً به محیط زیست اهمیت می دهند." «تقریباً در هر کشوری در سراسر جهان کاربران Esri وجود دارند و بسیاری از آنها در نزدیکی خطوط ساحلی زندگی می‌کنند یا به سواحل سفر می‌کنند که به طور فراگیر توسط پلا ستیک آلوده شده است. ما از کاربران Esri می خواهیم که نقش اساسی در پر کردن نقشه پلاستیکی اقیانوس ایفا کنند.

برای شروع، به وب سایت OpenOceans Global بروید و فرم را برای شناسایی خطوط ساحلی آلوده به پلاستیک پر کنید. این فرم را می توان در گوشی های هوشمند، تبلت ها و رایانه های رومیزی و لپ تاپ استفاده کرد.

هرچه تعداد ورودی‌های بیشتری از طریق فرم OpenOceans Global’s Survey123 ارائه شود، این تصویر جهانی واضح‌تر خواهد بود. و هنگامی که OpenOceans Global نقاط داده کافی داشته باشد، تیم قادر خواهد بود منابع آلودگی بلاستیکی را در سواحل خاص – اعم از رودخانه‌ها، سیستم‌های آب طوفان، یا مدیریت ناکافی زباله‌های محلی – تشخیص دهد و نمادهای جدیدی را روی نقشه ایجاد کند تا آن را منعکس کند.

نتلتون می‌گوید: «دانستن منشأ پلاستیک به شناسایی راه‌حل‌هایی برای جلوگیری از رسیدن پلاستیک به اقیانوس کمک می‌کند. به عنوان مثال، قرار دادن موانع در رودخانه‌های کوچک محلی می‌تواند زباله‌ها را قبل از رسیدن به اقیانوس جمع‌آوری کند. از نظر تئوری، این مقدار پلاستیکی را که به سواحل ختم می‌شود کاهش می‌دهد و در نقطه‌ای مشخص، آن سواحل دیگر به طور فراگیر توسط پلاستیک آلوده نمی‌شوند.»

ردیابی پلاستیک از طریق اقیانوس باز

برای آلودگی پلاستیکی که از طریق اقیانوس آزاد به خشکی می رسد، شناسایی منبع چالش برانگیزتر است. در جزایر گالاپاگوس، که سواحل بکر آن‌ها اکنون زباله‌های پلاستیکی را جمع‌آوری می‌کنند، یک ابتکار تحقیقاتی بین‌المللی به نام گالاپاگوس بدون آلودگی پلاستیکی از یک فرآیند پزشکی قانونی پیچیده برای تجزیه و تحلیل زباله‌های پلاستیکی و تعیین منبع آن استفاده می‌کند. تحقیقات این ابتکار نشان می‌دهد که بیش از 60 درصد بلاستیک هایی که به جزایر گالاپاگوس ختم می‌شوند از سرزمین اصلی آمریکای جنوبی (عمدتاً جنوب اکوادور و شمال پرو) می‌آیند که حدود 30 درصد از کشتی‌های ماهیگیری مجاور و کمتر از 10 درصد از شهرهای محلی می‌آیند.

اما همه مناطق ساحلی به داده های پزشکی قانونی دسترسی ندارند. بنابراین تیم OpenOceans Global با Jingyi Huang – که در آن زمان دانشجوی کارشناسی ارشد در دانشگاه Redlands بود و اکنون یک تحلیلگر سازمانی در Esri است – برای ایجاد یک برنامه نقشه‌برداری که پلا ستیک را در خطوط ساحلی به منبع احتمالی آن ردیابی می‌کند کار کرد.

یک برنامه ردیابی پلاستیکی را که در خطوط ساحلی به منبع احتمالی آن ختم می‌شود، ردیابی می‌کند.

این برنامه از داده‌های آنالیز لحظه‌ای جریان سطح اقیانوس (OSCAR) استفاده می‌کند که جریان‌های سطح اقیانوس را به همراه داده‌های جریان اقیانوس از اداره ملی اقیانوسی و جوی (NOAA) و داده‌های ماهواره‌ای از سازمان ملی هوانوردی و فضایی (ناسا) نشان می‌دهد. ). کاربران برنامه می توانند روی منطقه ای از اقیانوس که بلافاصله در مجاورت جایی که پلاستیک ساحلی پیدا شده است کلیک کنند و برنامه مسیری را به سمت منبع احتمالی آن ایجاد می کند. در مورد زباله های پلا ستیکی در جزایر گالاپاگوس، برنامه ردیابی OpenOceans Global با تحقیقات پزشکی قانونی گالاپاگوس بدون آلودگی پلاستیکی همسو می شود.

با این حال، قبل از اینکه برنامه با نقشه وب در دسترس عمومی OpenOceans Global گنجانده شود، ابزار ردیابی باید متغیرهای باد و امواج را در خود جای دهد، زیرا این متغیرها بر نحوه حرکت بلاستیک در اقیانوس تأثیر می‌گذارد. هوانگ قصد دارد این داده ها را با داده های فعلی اقیانوس موجود برنامه ادغام کند.

شهروند دانشمندان کلید یافتن راه حل هستند

در آینده، نتلتون امیدوار است که OpenOceans Global بتواند از تصاویر هوایی و هوش مصنوعی برای شناسایی محل تجمع پلا ستیک در خطوط ساحلی استفاده کند.

نتلتون گفت: «اما در حال حاضر، مؤثرترین و جامع‌ترین راه برای جمع‌آوری این داده‌ها، استفاده از شهروندان دانشمندان با استفاده از ابزار نقشه‌برداری Survey123 است». “شهرونددانشمندان برای موفقیت ما حیاتی هستند.”

او امیدوار است که افرادی که در جمع‌آوری داده‌ها شرکت می‌کنند، جامعه‌ای را از طریق OpenOceans Global تشکیل دهند که در آن می‌توانند در مورد چگونگی حفظ سواحل خود از آلودگی پلا ستیکی تبادل نظر کنند.

نتلتون می‌گوید: «از آنجایی که راه‌حل‌ها ارائه می‌شوند و خطوط ساحلی دیگر توسط پلا ستیک آلوده نمی‌شوند، نمادهای روی نقشه خود را سبز می‌کنیم تا نشان دهیم که مشکل برطرف شده است. “این هدف نهایی است.”

مطلب روز

خطر چند نقطه اوج آب و هوا بیشتر از 1.5 درجه سانتیگراد؛ گرم شدن کره زمین است.

نوامبر 24, 2022 مازیار اتوکش دیدگاه‌تان را بنویسید:

بر اساس تحلیل جدید منتشر شده در ژورنال Science، اگر دمای جهانی بیش از 1.5 درجه سانتیگراد بالاتر از سطح قبل از صنعتی شدن باشد، ممکن است چندین نقطه اوج آب و هوایی ایجاد شود. حتی در سطوح فعلی گرمایش جهانی، جهان در حال حاضر در معرض خطر عبور از پنج نقطه اوج آب و هوای خطرناک است و خطرات با هر دهم درجه گرم شدن بیشتر افزایش می‌یابد.

یک تیم تحقیقاتی بین‌المللی شواهدی را برای نقاط اوج، آستانه‌های دمایی، مقیاس‌های زمانی و تأثیرات آن‌ها از بررسی جامع بیش از 200 مقاله منتشر شده از سال 2008، زمانی که برای اولین بار نقاط اوج آب و هوا به‌طور دقیق تعریف شد، ترکیب کردند. آنها لیست نقاط اوج بالقوه را از 9 به شانزده افزایش داده اند.

این تحقیق که قبل از کنفرانس بزرگی با عنوان “نقاط اوج: از بحران آب و هوا تا تحول مثبت” در دانشگاه اکستر (12 تا 14 سپتامبر) منتشر شد، به این نتیجه رسید که گازهای گلخانه ای انسانی قبلاً زمین را به منطقه خطر نقاط اوج سوق داده است. پنج مورد از شانزده مورد ممکن است در دماهای امروزی ایجاد شوند: صفحات یخی گرینلند و غرب قطب جنوب، یخ زدگی گسترده ناگهانی، فروپاشی همرفت در دریای لابرادور، و مرگ عظیم صخره های مرجانی استوایی. چهار مورد از این موارد از رویدادهای احتمالی به گرمایش جهانی 1.5 درجه سانتیگراد منتقل می شوند و پنج مورد دیگر در این سطح از گرمایش امکان پذیر است.

نویسنده اصلی دیوید آرمسترانگ مک‌کی از مرکز تاب‌آوری استکهلم، دانشگاه اکستر و کمیسیون زمین می‌گوید: «ما می‌توانیم نشانه‌هایی از بی‌ثباتی را در بخش‌هایی از یخ‌های قطب جنوب غربی و گرینلند، در مناطق همیشه منجمد، جنگل‌های آمازون و احتمالاً مشاهده کنیم. گردش واژگونی اقیانوس اطلس نیز.”

“جهان در حال حاضر در معرض خطر برخی از نقاط اوج است. با افزایش بیشتر دمای جهانی، نقاط اوج بیشتری ممکن می شود.” او اضافه می کند.

شانس عبور از نقاط اوج را می توان با کاهش سریع انتشار گازهای گلخانه ای کاهش داد.

ششمین گزارش ارزیابی هیئت بین دولتی تغییرات آب و هوایی (IPCC)، بیان کرد که خطرات ایجاد نقاط اوج آب و هوا حدود 2 درجه سانتیگراد بالاتر از دمای قبل از صنعتی شدن و 2.5 تا 4 درجه سانتیگراد بسیار زیاد است.

این تجزیه و تحلیل جدید نشان می دهد که زمین ممکن است قبلاً وضعیت آب و هوایی “ایمن” را ترک کرده باشد، زمانی که دما از حدود 1 درجه سانتیگراد گرمتر شد. بنابراین نتیجه‌گیری از این تحقیق این است که حتی هدف توافق پاریس سازمان ملل برای محدود کردن گرمایش به زیر 2 درجه سانتیگراد و ترجیحاً 1.5 درجه سانتیگراد برای جلوگیری از تغییرات خطرناک آب و هوا کافی نیست. بر اساس این ارزیابی، احتمال نقطه اوج به طور قابل توجهی در «محدوده پاریس» 1.5-2 درجه سانتی گراد افزایش می یابد، با خطرات حتی بالاتر از 2 درجه سانتی گراد.

این مطالعه از توافقنامه پاریس و تلاش‌های مرتبط برای محدود کردن گرمایش زمین به 1.5 درجه سانتیگراد پشتیبانی علمی قوی می‌کند، زیرا نشان می‌دهد که خطر نقاط اوج فراتر از این سطح افزایش می‌یابد. برای داشتن 50 درصد شانس دستیابی به دمای 1.5 درجه سانتیگراد و در نتیجه محدود کردن خطرات نقطه اوج، انتشار گازهای گلخانه ای جهانی باید تا سال 2030 به نصف کاهش یابد و تا سال 2050 به صفر خالص برسد.

یوهان راکستروم، یکی از نویسندگان، رئیس کمیسیون زمین و مدیر مؤسسه تحقیقات تأثیرات آب و هوای پوتسدام می‌گوید: “جهان در حال حرکت به سمت 2 تا 3 درجه سانتیگراد گرمایش جهانی است. نقاطی که برای مردم سرتاسر جهان فاجعه بار خواهد بود. برای حفظ شرایط زندگی بر روی زمین، محافظت از مردم در برابر افراط‌ها و ایجاد جوامع باثبات، ما باید هر کاری که ممکن است برای جلوگیری از عبور از نقاط اوج انجام دهیم. هر دهم درجه مهم است.”

یکی از نویسندگان تیم لنتون، مدیر مؤسسه سیستم های جهانی در دانشگاه اکستر و یکی از اعضای کمیسیون زمین می گوید: «از زمانی که برای اولین بار نقاط اوج آب و هوایی را در سال 2008 ارزیابی کردم، فهرست رشد کرده و ارزیابی ما از خطراتی که آنها ایجاد می کنند افزایش یافته است. به طور چشمگیری.”

کار جدید ما شواهد قانع‌کننده‌ای را ارائه می‌کند که نشان می‌دهد جهان باید کربن زدایی اقتصاد را به شدت تسریع کند تا خطر عبور از نقاط اوج آب و هوا را محدود کند.»

برای دستیابی به این هدف، اکنون باید نقاط اوج اجتماعی مثبتی را ایجاد کنیم که تبدیل به آینده انرژی پاک را تسریع می‌کند.»

لنتون می‌افزاید: «همچنین ممکن است مجبور شویم برای مقابله با نقاط بحرانی آب و هوایی که نمی‌توانیم از آنها اجتناب کنیم وفق دهیم و از کسانی که ممکن است متحمل خسارات و خسارت‌های غیرقابل بیمه شوند حمایت کنیم.»

تیم بین‌المللی با بررسی داده‌های دیرینه‌اقلیمی، مشاهدات کنونی و خروجی‌های مدل‌های اقلیمی به این نتیجه رسید که 16 سیستم بیوفیزیکی اصلی درگیر در تنظیم آب و هوای زمین (به‌اصطلاح «عناصر اوج‌گیری») پتانسیل عبور از نقاط اوج را دارند که در آن‌ها تغییر به خودکفایی تبدیل می‌شود.

این بدان معناست که حتی اگر افزایش دما متوقف شود، هنگامی که ورقه یخ، اقیانوس یا جنگل بارانی از نقطه اوج عبور کند، به حالت جدید تغییر خواهد کرد. مدت زمان انتقال بسته به سیستم از دهه ها تا هزاران سال متفاوت است. به عنوان مثال، اکوسیستم ها و الگوهای گردش جوی می توانند به سرعت تغییر کنند، در حالی که ریزش صفحات یخی کندتر است، اما منجر به افزایش اجتناب ناپذیر سطح دریا تا چندین متر می شود.

محققان این عناصر را به 9 سیستم که بر کل سیستم زمین اثر می‌گذارند، مانند قطب جنوب و جنگل‌های بارانی آمازون، و هفت سیستم دیگر که اگر سرنگون شوند، عواقب منطقه‌ای عمیقی به همراه خواهند داشت، دسته‌بندی کردند. مورد دوم شامل بادهای موسمی غرب آفریقا و مرگ بیشتر صخره های مرجانی در اطراف استوا است. چندین عنصر نوک جدید مانند همرفت دریای لابرادور و حوضه های زیر یخچالی قطب جنوب شرقی در مقایسه با ارزیابی سال 2008 اضافه شده اند، در حالی که یخ دریای تابستانی قطب شمال و نوسان جنوبی ال نینو (ENSO) به دلیل عدم وجود شواهدی از دینامیک واژگونی حذف شده اند.

ریکاردا وینکلمان، یکی از نویسندگان، محقق در موسسه تحقیقات تاثیرات آب و هوای پوتسدام و عضو کمیسیون زمین می‌گوید: «به‌طور مهمی، بسیاری از عناصر سرخورده در سیستم زمین به هم مرتبط هستند، و باعث می‌شود نقاط اوج آبشاری به یک نگرانی جدی اضافه شود. فعل و انفعالات می‌توانند آستانه‌های دمایی بحرانی را کاهش دهند که فراتر از آن عناصر منفرد در بلندمدت شروع به بی‌ثبات شدن می‌کنند.”

آرمسترانگ مک‌کی می‌گوید: “ما اولین گام را برای به‌روزرسانی جهان در مورد خطرات نقطه اوج برداشته‌ایم. نیاز فوری به یک تحلیل عمیق‌تر بین‌المللی، به‌ویژه در مورد تعاملات عناصر اوج، وجود دارد، که کمیسیون زمین در حال شروع پروژه مقایسه مدل نقاط اوج است. (“TIPMIP”).”

مطلب روز

همانطور که نقشه ها تغییر می کنند، اخلاق نقشه برداری نیز باید تغییر کند

نوامبر 23, 2022 مازیار اتوکش دیدگاه‌تان را بنویسید:

نقشه ها یکی از جادویی ترین اختراعات تاریخ بشر هستند. نقشه بابلی جهان، یا Imago Mundi – لوحی گلی که نشان می دهد یک صفحه برچسب از آنچه در آن زمان تصور می شد کل جهان است – در قرن ششم قبل از میلاد ساخته شده است. همچنین شواهدی وجود دارد که نشان می‌دهد بیش از 5000 سال پیش نقشه‌هایی بر روی دیواره‌های غار حک شده‌اند.

نقشه ها محصول و بازتاب زمان خود هستند. نقشه 100 سال پیش به دلیل پیشرفت های اجتماعی، اقتصادی و تکنولوژیکی با نقشه ای که امروز ایجاد می شود، تفاوت اساسی دارد. به لطف پیشرفت های فناوری، نقشه های ساخته شده 100 سال آینده، از بسیاری جهات، پیچیده تر از نقشه هایی هستند که در حال حاضر تولید می شوند.

همانطور که نقشه ها تغییر می کنند، اخلاق نقشه برداری نیز باید تغییر کند — گفته می شود نقشه جهان بابلی در قرن ششم قبل از میلاد ساخته شده است.

پتانسیل برای نقشه برداری – و اینکه یک نقشه می تواند باشد – بسیار زیاد است. اما با این پتانسیل مسئولیت بزرگی به همراه دارد.

چگونه زمان نقشه ها را تغییر می دهد

تبدیل نقشه چیست؟ نقش تغییر یافته زمان ممکن است یکی از عمیق ترین عوامل باشد. مکاشفه قرن بیستم آلبرت انیشتین مبنی بر اینکه زمان از فضا جدا نیست در نقشه های قرن بیست و یکم نوشته شده است. اکنون نقشه‌های تایم لپس به مردم اجازه می‌دهند تا در طول روزها، هفته‌ها و سال‌ها کامل بچرخند و لحظاتی را در زمان مشخص به مکان خاصی مشخص کنند.

تغییر از تولید نقشه‌های ایستا از مکان‌های ثابت به ایجاد راهنمایی‌های مکانی مبتنی بر زمان، به توسعه فناوری دیگری مربوط می‌شود که زمان و مکان را در دنیای فیزیکی، اجتماعی و سایبری ادغام می‌کند – به ویژه آنچه که به عنوان متاوره قرار می‌گیرد. در آینده، نقشه‌ها ممکن است فید مستمری از ویدیوهای مبتنی بر مکان باشند که به صورت سه‌بعدی حفظ می‌شوند – و با لایه‌های معنایی که مکان را نشان می‌دهند، داستان می‌گویند و به شبکه‌های اجتماعی متصل می‌شوند، پوشانده می‌شوند تا یک واقعیت افزوده ایجاد کنند.

لایه‌هایی که بخشی از جعبه ابزار نقشه‌نگار دیجیتالی هستند نیز تغییراتی را در درک مقیاس و زمان در افراد ایجاد کرده‌اند. به عنوان مثال، هنگام کار با لایه ها در GIS، می توان همزمانی را در مقیاس ها و سطوح مختلف جزئیات مدل کرد. مانند عروسک‌های ماتریوشکا که درون یکدیگر لانه می‌کنند، نقشه‌های لایه‌ای بینندگان را قادر می‌سازد تا از مقیاس کلان به مقیاس خرد با شفافیتی بروند که جهان، جهان، جامعه، جامعه و مردم را در یک سیستم فرا رشته‌ای در هم تنیده نشان می‌دهد. با در نظر گرفتن نماهای مختلف از یک نقشه، افراد می توانند وابستگی های متقابل موضوع را به گونه ای تجربه کنند که هیچ نقشه کلاسیکی نمی تواند اجازه دهد.

خود داده نیز در حال تغییر است. بینایی ماشین و فناوری دوربین تعبیه شده اکنون امکان تعیین مکان عکس ها را در زمان واقعی یا تقریبا واقعی فراهم می کند. بنابراین می توان عکس برج ایفل را به طور خودکار به مکان دقیق آن در پاریس، فرانسه مشخص کرد. علاوه بر این، چیزهایی که می توان نقشه برداری کرد در حال تغییر هستند.

انبوهی از ماهواره ها به انسان اجازه می دهد تا فضای بیرونی را کاوش کند و حتی دورافتاده ترین مناطق زمین را در سطح زمین اسکن کند. اما فراتر از خیابان‌ها و حتی کف اقیانوس، چه چیزی ممکن است پیش بیاید؟ شاید این نظارت بر فعالیت های انسانی به صورت دسته جمعی باشد – حرکات افراد و تعاملات شخصی دقیقه به دقیقه جمع آوری شود. به عنوان مثال، این به بینندگان نقشه حس باورنکردنی از نبض یک شهر یا شهر می دهد.

به نظر می رسد که هر اینچ از جهان نقشه برداری شده است. در واقع، حتی DNA برای ایجاد ژنوم انسان نقشه برداری شده است. پس بعدی چیه؟ شاید حدود 100 میلیارد نورون – به اضافه تریلیون ها اتصال به نام سیناپس – که مغز را می سازند، آن شبکه پیچیده ترین شبکه را ترسیم کند. این بیومتریک ها – معیارهای مشخصه های فیزیکی و ویژگی های رفتاری متمایز – هر موجودی را منحصر به فرد می کند. ترسیم این متافیزیک می تواند چیزهای زیادی را در مورد انسان آشکار کند.

نقشه های آینده

یکی از دلایل ایجاد چنین نقشه های دانه ای از انسان این است که امکان پذیر است. دلیل دیگر، قابل بحث تر، این است که نشان می دهد انسان ها چه کسانی هستند، از کجا آمده ایم و چه اتفاقی ممکن است برای ما بیفتد.

طی 200 یا 300 سال، نقشه‌ها احتمالاً ضبط ویدیویی از هر مرحله‌ای خواهند بود که تاکنون توسط واحدهای منفرد طی شده است و در وب اشیا و افراد نگهداری می‌شوند. امید به این امر این است که دانش بیشتر از فعالیت های انسانی موجب پایداری و طول عمر این گونه شود.

همراه با هوش مصنوعی جغرافیایی (GeoAI)، فن‌آوری‌هایی که افراد را قادر می‌سازد به معنای واقعی کلمه و از راه دور آنچه را که شخص دیگری انجام می‌دهد ببینند – مانند یک دوربین پوشیدنی که به دیگران اجازه می‌دهد تا دیدگاه یک فرد را در زمان واقعی تجربه کنند – به طور فزاینده‌ای برای کنترل، ارائه استفاده می‌شوند. راحتی، و مراقبت.

کاربردهای فناوری نقشه برداری که به دنبال کنترل افراد هستند بحث برانگیزترین هستند. آنها اطلاعاتی را برای اجرای قانون (حتی پلیس پیشگیرانه)، نظارت و اهداف تحقیق ارائه می دهند. در حال حاضر، شرکت های تخصصی وجود دارند که میلیاردها تصویر منبع باز را برای ارائه تشخیص وسیله نقلیه جمع آوری می کنند. و همین فناوری می تواند برای تطبیق بیومتریک استفاده شود.

فناوری مبتنی بر نقشه که راحتی را فراهم می کند، به ویژه با اینترنت اشیا در حال گسترش است. این نوع برنامه‌ها به افراد اجازه می‌دهند از طریق سرویس‌های مبتنی بر مکان و اشتراک‌گذاری بی‌درنگ داده با یکدیگر و دارایی‌هایشان ارتباط برقرار کنند. به‌عنوان مثال، به لطف فرآیندهای نوآورانه توزیع و انجام سفارش‌های امروزی، مردم می‌توانند مسیرهایی را که محصولات و خدمات آنها طی می‌کنند، تا لحظه لحظه و نقطه سیستم موقعیت‌یابی جهانی (GPS) از نزدیک نظارت کنند.

اپلیکیشن‌هایی که برای مراقبت‌ها طراحی شده‌اند، مانند نقشه‌های ایمنی مبتنی بر هوش مصنوعی، احتمالاً می‌توانند وضعیت افراد را فقط از طریق راه رفتن یا از طریق احساسات شناسایی شده در چهره‌شان تعیین کنند. به عنوان مثال، افرادی که مبتلا به زوال عقل هستند، ممکن است تحت نظر قرار گیرند تا مراقبان در صورت به خطر افتادن سلامتی یا امنیت شخصی بیمار، هشدار دریافت کنند.

در مجموع، همه این‌ها باعث ایجاد «überveillance» می‌شود، نوعی نظارت فراتر و فراتر از آن که متکی بر فناوری است که نه تنها همیشه روشن است، بلکه در واقع در انسان‌ها تعبیه شده است. پیامدهای این آینده بالقوه نقشه برداری سزاوار توجه دقیق و راهنمایی است.

یک چارچوب ژئواخلاق

در ژوئن 2022، انجمن جغرافیدانان آمریکا (AAG)؛ مرکز مطالعات فضایی در دانشگاه کالیفرنیا، سانتا باربارا؛ و Esri برای بررسی مسائلی که هنگام تغییر به داده‌های مکان محور انسان‌محور به وجود می‌آیند، نشستی را در مورد اطلاعات مکان و منافع عمومی برگزار کردند. این منجر به انتشار گزارشی شد که چارچوبی برای چگونگی همکاری جغرافیدانان، دانشمندان GIS، دانشمندان علوم اجتماعی، دانشمندان علوم کامپیوتر، متخصصان حقوقی، کارشناسان و فعالان کارگری، قانونگذاران و اعضای عمومی برای مقابله با چالش‌های پیش آمده ایجاد می‌کند. تکامل نقشه برداری پیشنهادات شامل موارد زیر است:

یک دستور کار تحقیقاتی ایجاد کنید که دربرگیرنده مسائل اخلاقی کلیدی، مانند مالکیت و استفاده از داده ها باشد. حریم خصوصی و ناشناس بودن؛ اعتماد و درک ریسک؛ تحلیل چند فرهنگی و چند ظرفیتی؛ به اشتراک گذاری داده و زیرساخت؛ و کدنویسی برای فراگیری.
مواد آموزشی و اهداف آموزشی را برای کسانی که اصول اخلاقی اطلاعات مکان را مطالعه می کنند، تهیه کنید.
ایجاد مسیری برای حرکت از بحث درباره اصول اخلاقی به تشکیل مقررات جهانی قابل اجرا و قابل اجرا.
افزایش گفت‌وگو با ذینفعان GIS غیر سنتی و غیرمستقیم و گسترش همکاری میان اعضای بخش‌های دانشگاهی، دولتی و خصوصی در مورد استفاده از اطلاعات مکان در طول چرخه حیات فناوری‌ها – به ویژه در رابطه با حریم خصوصی و سایر ابعاد مبتنی بر ارزش‌ها.

زمانی جغرافیدانان و متخصصان زمین فضایی به نقاط، خطوط و چندضلعی ها مشغول بودند. در حالی که این لایه‌های بنیادی همیشه به سیستم‌های اطلاعات جغرافیایی مرتبط خواهند بود، توانایی نقشه‌برداری بیشتر – از فضاهای کف خانه‌ها تا ابعاد داخلی قلب انسان – به روش‌های پیشرفته‌تر، نیازمند یکپارچگی است. نقشه های آینده نه تنها باید انعکاسی از وسیع ترین گستره فناوری، بلکه از سازگارترین و جدی ترین احترام به زندگی، حیثیت و حریم انسانی (و فراتر از انسان) باشد.

گزارش اطلاعات مکانی و منافع عمومی را دانلود کنید.

From the Meridian ستونی منظم از AAG است، یک انجمن علمی و آموزشی غیرانتفاعی که اعضای آن، از نزدیک به 100 کشور، در تئوری، روش‌ها و عمل جغرافیا علایق مشترک دارند. در مورد برنامه ها و عضویت AAG اطلاعات کسب کنید.

مطلب روز

ادغام Lidar و Photogrammetry مبتنی بر پهپاد
تولید ابر نقطه سه بعدی متراکم با دقت فوق العاده بالا

نوامبر 23, 2022 مازیار اتوکش دیدگاه‌تان را بنویسید:

پروژه AUAV در آلمان تنظیم بلوک بسته نرم افزاری فتوگرامتری را با ارجاع جغرافیایی مستقیم ابرهای نقطه Lidar یکپارچه کرده است تا دقت مربوطه را به میزان قابل توجهی بهبود بخشد.

سکوهای اخیر وسایل نقلیه هوایی بدون سرنشین (UAV یا “پهپاد”) به طور مشترک تصاویر و داده های Lidar را جمع آوری می کنند. ارزیابی ترکیبی آنها به طور بالقوه ابرهای نقطه سه بعدی را با دقت و وضوح چند میلی متری ایجاد می کند که تا کنون محدود به جمع آوری داده های زمینی است. این مقاله پروژه ای را تشریح می کند که تنظیم بلوک بسته نرم افزاری فتوگرامتری را با ارجاع جغرافیایی مستقیم ابرهای نقطه لیدار ادغام می کند تا دقت مربوطه را با یک مرتبه قدر بهبود بخشد. مزایای دیگر پردازش ترکیبی ناشی از افزودن اندازه‌گیری محدوده Lidar به تطبیق تصویر چند نمای استریو (MVS) در طول تولید ابرهای نقطه سه‌بعدی متراکم با دقت بالا است.

این پروژه با هدف نظارت بر منطقه فرونشست احتمالی حدود 10 میلی متر در سال توسط مجموعه ای مکرر از ابرهای نقطه سه بعدی بسیار دقیق و متراکم انجام شد. اندازه قابل توجه محل آزمایش در Hessigheim، آلمان، از جمع آوری داده های زمینی جلوگیری می کند. همانطور که در شکل 1 قابل مشاهده است، سایت شامل مناطق ساخته شده، مناطق استفاده کشاورزی و یک قفل کشتی به عنوان ساختار مورد علاقه خاص است.

شکل 1: منطقه آزمایش در رودخانه Neckar در Hessigheim، آلمان.

برای نظارت سنتی، شبکه ای از چندین ستون در مجاورت قفل ایجاد شد. همانطور که در شکل 2 نشان داده شده است، اهداف فتوگرامتری به ستون ها علامت می دهند تا آنها را به عنوان نقاط کنترل و کنترل برای ارجاع جغرافیایی در دسترس قرار دهند. برای جمع آوری داده های پهپاد، یک هشت کوپتر RIEGL RiCopter مجهز به سنسور RIEGL VUX-1LR Lidar و دو دوربین سونی آلفا 6000 مایل استفاده شد. با ارتفاع اسمی پرواز 50 متر از سطح زمین، فاصله نوار 35 متر و میدان دید اسکنر (FoV) 70 درجه، سیستم 300-400 نقطه بر متر مربع در هر نوار و 800 نقطه در متر مربع برای کل بلوک پرواز را ثبت کرد.

به دلیل همپوشانی طرف اسمی 50٪. پارامترهای ماموریت پرواز منجر به قطر ردپای لیزری روی زمین کمتر از 3 سانتی‌متر با فاصله نقطه‌ای 5 سانتی‌متر شد. دامنه نویز اسکنر 5 میلی متر است. مسیر پلت فرم توسط یک سیستم GNSS/IMU پهپاد APX-20 اندازه گیری شد تا امکان ارجاع جغرافیایی مستقیم فراهم شود. دو دوربین سونی آلفا 6000 مایل که بر روی پلتفرم RiCopter نصب شده‌اند، هر کدام فو وی 74 درجه دارند. آنها با زاویه دید 35± درجه به طرفین، تصاویر را در فاصله نمونه برداری از زمین (GSD) 1.5-3 سانتی متر با هر کدام 24 مگاپیکسل ثبت کردند.

ادغام Lidar و Photogrammetry مبتنی بر پهپاد — شکل 2: هدف فتوگرامتری روی ستون.

تنظیم نوار لیدار و مثلث بندی خودکار هوایی

پس از ارجاع جغرافیایی مستقیم، یک گردش کار معمولی Lidar شامل تنظیم نوار برای به حداقل رساندن تفاوت بین نوارهای همپوشانی است. این مرحله با تخمین کالیبراسیون نصب اسکنر و همچنین پارامترهای تصحیح برای راه حل مسیر GNSS/IMU، ارجاع جغرافیایی را بهبود می بخشد. به طور معمول، یک افست ثابت (Δx، Δy، Δz، Δroll، Δpitch، Δyaw) برای هر نوار تخمین زده می شود. از طرف دیگر، اصلاحات وابسته به زمان برای هر یک از این شش پارامتر را می توان با splines مدل کرد.

شکل 3 به طور مثال یک صفحه کنترل زمینی لیدار را نشان می دهد که برای ارجاع جغرافیایی مطلق استفاده می شود. هر سیگنال دارای دو صفحه سقف مانند در ابعاد 40 × 80 سانتی متر با موقعیت و جهت مشخص است. ارزیابی تنظیم نوار لیدار این پروژه به‌علاوه ستون‌های علامت‌دار نشان‌داده‌شده در شکل 2 را اعمال می‌کند. این اهداف فتوگرامتری، تفاوت ارتفاعی را به ابر نقطه ژئورنفرانس شده در 33 هدف ارائه می‌کنند.

در بررسی ها، این تفاوت ها منجر به دقت RMS 5.2 سانتی متری شد. برای فعال کردن ارجاع جغرافیایی بلوک تصویر مورب سونی آلفا توسط مثلث هوایی خودکار (AAT)، شش هدف فتوگرامتری به عنوان نقاط کنترل زمینی (GCPs) انتخاب شدند. 27 هدف باقیمانده در نقاط بازرسی مستقل (CPs) بین 5.2 سانتی متر (حداکثر) و 1.2 سانتی متر (حداکثر) با RMS 2.5 سانتی متر تفاوت داشتند.

بنابراین، نه تنظیم نوار لیدار و نه تنظیم بلوک بسته، دقت نقطه شی 3 بعدی مورد نیاز را در طول ارزیابی مستقل داده‌های حسگر مختلف به دست نمی‌آورند. با این حال، در صورتی که هر دو مرحله توسط به اصطلاح ژئورفرجنس هیبریدی ادغام شوند، دقت به طور قابل توجهی بهبود می یابد (Glira 2019).

ارجاع جغرافیایی ترکیبی لیدار و تصاویر هوایی

شکل 4 بخشی از نقاط Lidar پروژه را به تصویر می کشد که با مقدار شدت کد رنگی شده است. نقاط سفید پوشانده شده نشان دهنده نقاط پیوند از تنظیم بلوک بسته‌ای از تصاویر سونی آلفا هستند. معمولاً، این مرحله پارامترهای دوربین مربوطه را از روی مختصات پیکسلی مربوط به تصاویر همپوشانی تخمین می‌زند. مختصات شی این نقاط پیوند فقط یک محصول جانبی هستند.

در مقابل، ارجاع جغرافیایی ترکیبی این مختصات نقطه اتصال را برای به حداقل رساندن تفاوت آنها با نقاط Lidar مربوطه اعمال می کند. این فرآیند اصلاحات وابسته به زمان مسیر پرواز را شبیه به تنظیم سنتی نوار لیدار تخمین می زند. در این مرحله، مختصات نقطه کراوات، محدودیت‌های هندسی را از AAT اضافه می‌کنند. این محدودیت های قابل توجهی را از بلوک تصویر برای اصلاح هندسه اسکن Lidar فراهم می کند.

این امر به ویژه در صورتی مفید است که هر دو سنسور بر روی یک پلت فرم پرواز کنند و بنابراین مسیر یکسانی داشته باشند. ارجاع جغرافیایی ترکیبی علاوه بر این اطلاعات مربوط به نقاط کنترل زمینی مورد استفاده در هنگام تنظیم بلوک بسته را باز می کند. بنابراین، ارجاع جغرافیایی داده‌های لیدار دیگر نیازی به هواپیماهای کنترلی اختصاصی لیدار ندارد. درعوض، تمام اطلاعات مربوط به نقطه چک و نقطه کنترل مورد نیاز از اهداف فتوگرامتری استاندارد موجود است که از اهمیت عملی بالایی برخوردار است.

شکل 4: نقاط لیدار رنگ شده با شدت و نقاط اتصال فتوگرامتری (سفید).

نویسندگان از یک اسپلاین انعطاف پذیر به عنوان یک مدل قدرتمند برای تصحیح مسیر استفاده کردند. این انعطاف پذیری به طور بالقوه می تواند منجر به تغییر شکل های سیستماتیک در صورت اعمال در طول تنظیم استاندارد نوار شود. در مقابل، یکپارچه‌سازی اطلاعات از فریم‌های تصویر دوبعدی پایدار که در طول تنظیم بلوک بسته‌بندی جهت‌گیری شده‌اند، به طور قابل اعتمادی از چنین اثرات منفی جلوگیری می‌کند.

شکل 5 نتیجه رویکرد ترکیبی از نرم افزار OPALS مورد استفاده را نشان می دهد. شش GCP که با دایره‌های قرمز مشخص شده‌اند و 27 هدف باقی‌مانده که به‌عنوان CP استفاده می‌شوند، با AAT که قبلاً مورد بحث قرار گرفت، منطبق هستند. برای ژئو ارجاع هیبریدی، اختلاف ارتفاع – حداقل 1.5 سانتی متر، حداکثر 0.7 سانتی متر و میانگین 0.4- سانتی متر است. انحراف استاندارد مربوطه 0.6 سانتی متر به وضوح نشان می دهد که دقت زیر سانتی متر اکنون امکان پذیر است.

ابرهای نقطه ای ترکیبی از Lidar و استریو چند نمای

نقاط اتصال فتوگرامتری همانطور که در شکل 4 نشان داده شده است فقط یک محصول جانبی از تنظیم بلوک بسته نرم افزاری هستند، زیرا ابرهای نقطه سه بعدی متراکم توسط MVS در مرحله بعدی ارائه می شوند. در اصل، دقت هندسی ابرهای نقطه MVS به طور مستقیم با GSD و در نتیجه مقیاس تصاویر مربوطه مطابقت دارد. این اجازه می دهد تا داده های سه بعدی را حتی در محدوده زیر سانتی متری برای وضوح تصویر مناسب ضبط کنید. با این حال، تطبیق تصویر استریو، دید نقاط شی را در حداقل دو تصویر فرض می‌کند.

این می تواند یک مشکل برای ساختارهای سه بعدی بسیار پیچیده باشد. در مقابل، اصل اندازه‌گیری قطبی حسگرهای لیدار زمانی سودمند است که ظاهر جسم با مشاهده از موقعیت‌های مختلف به سرعت تغییر کند. این امر برای اشیاء نیمه شفاف مانند پوشش گیاهی یا میله های جرثقیل (نگاه کنید به شکل 4)، برای اجسام در حال حرکت مانند وسایل نقلیه و عابران پیاده، یا در دره های بسیار باریک شهری و همچنین در محل های ساخت و ساز صادق است.

یکی دیگر از مزایای لیدار پتانسیل اندازه گیری پاسخ های متعدد سیگنال های منعکس شده است که نفوذ پوشش گیاهی را امکان پذیر می کند. از سوی دیگر، افزودن بافت تصویر به ابرهای نقطه لیدار هم برای تجسم و هم برای تفسیر سودمند است. در ترکیب با قابلیت رزولوشن بالا MVS، این از استدلال برای ادغام مناسب Lidar و MVS در طول تولید ابر نقطه سه بعدی پشتیبانی می کند.

شکل 5: اختلاف ارتفاع ابر نقطه لیدار تا اهداف علامت دار. GCP ها به صورت دایره های قرمز علامت گذاری می شوند.

شکل 6 یک مش بافت سه بعدی را نشان می دهد که از تصاویر سونی آلفا توسط خط لوله MVS در نرم افزار SURE از nFrames ایجاد شده است. همانطور که در شکل 7 مشاهده می شود، جزئیات هندسی بسیار بیشتری در دسترس است، به عنوان مثال. در بالای کلیسا و در پوشش گیاهی پس از داده های Lidar یکپارچه شده است. شمارش چهره معمولاً با پیچیدگی هندسی سازگار است، که برای بخش کوچک برج کلیسا نیز قابل مشاهده است. به عنوان مثال، شکل 6 شامل تقریباً 325000 چهره است، در حالی که شکل 7 دارای 372000 مثلث است.

شکل 8 و 9 ویژگی های مکمل Lidar و MVS را برای نقاط سه بعدی در قسمت دیگری از محل آزمایش نشان می دهد. شکل 8 نقاط RGB رنگ تولید شده توسط MVS را نشان می دهد. داده های Lidar روی هم پوشانده شده با توجه به ارتفاع مربوطه کد رنگی می شوند. در نهایت، خط زرد نمایانگر نمایه ای است که برای استخراج نقاط نشان داده شده در شکل 9 استفاده می شود. اختلاف بین ابرهای نقطه از MVS (قرمز) و لیدار (آبی) به ویژه در درختان مشهود است، جایی که Lidar امکان تشخیص بازگشت های متعدد را در امتداد یک مسیر تک پرتو لیزری نشان می دهد.

در حالی که ابرهای نقطه ای همانطور که در شکل های 8 و 9 نشان داده شده است مجموعه ای نامرتب از نقاط هستند، مش ها همانطور که در شکل های 6 و 7 نشان داده شده اند نمودارهایی هستند که از رئوس، لبه ها و وجوه تشکیل شده اند که اطلاعات مجاورت صریح را ارائه می دهند. تفاوت اصلی بین مش ها و ابرهای نقطه ای در دسترس بودن بافت با وضوح بالا و تعداد کمتر موجودیت ها است.

این به ویژه برای تفسیر خودکار بعدی مفید است. به طور کلی، بسیاری از نقاط (Lidar) را می توان با یک چهره مرتبط کرد. نویسندگان از این رابطه چند به یک برای تقویت چهره‌ها با ویژگی‌های متوسط Lidar که از نقاط مرتبط مربوطه مشتق شده‌اند، استفاده کردند.

این آنها را قادر می سازد تا اطلاعات ذاتی هر دو حسگر را در نمایش مش به منظور دستیابی به بهترین تقسیم بندی معنایی ممکن یکپارچه کنند. شکل 10 مش برچسب‌گذاری‌شده را که توسط طبقه‌بندی‌کننده PointNet++ پیش‌بینی شده بود (سمت چپ) و برچسب‌های منتقل شده به ابر نقطه متراکم Lidar (راست)، نشان می‌دهد که توسط فاکتور 20 برای تجسم نمونه‌برداری شده است.

کد رنگ کلاس زیر استفاده می شود: نما (زرد)، سقف (قرمز)، سطح غیر قابل نفوذ (سرخابی)، فضای سبز (سبز روشن)، پوشش گیاهی متوسط و بالا (سبز تیره)، وسیله نقلیه (فیروزه ای)، دودکش/آنتن (نارنجی) ) و بهم ریختگی (خاکستری).

شکل 8: مقایسه نقاط سه بعدی از اندازه گیری MVS (RGB) و Lidar (ارتفاع کد شده). خط زرد نمایه نشان داده شده در شکل 9 را مشخص می کند.

ارسال به راحتی با استفاده مجدد از رابطه چند به یک بین نقاط لیدار و چهره ها انجام شد. بنابراین، تقسیم‌بندی معنایی ابر نقطه لیدار از ویژگی‌هایی استفاده می‌کند که در ابتدا فقط برای مش در دسترس بوده‌اند، به عنوان مثال. بافت از این رو، تقسیم بندی مش معنایی از ویژگی های ذاتی هر دو نمایش استفاده می کند، که یکی دیگر از مزایای تصویر مشترک و پردازش Lidar است.

شکل 9. نمایه استخراج شده با نقاط سه بعدی از Lidar (آبی) و MVS (قرمز).

شکل 10: مش برچسب گذاری شده (سمت چپ) و برچسب ها به ابر نقطه متراکم Lidar (راست) منتقل شده اند.

نتیجه

این مقاله یک گردش کار برای ارجاع جغرافیایی هیبریدی، بهبود و طبقه بندی پهپاد با وضوح فوق العاده بالا Lidar و ابرهای نقطه تصویر ارائه می دهد. در مقایسه با یک ارزیابی جداگانه، جهت گیری ترکیبی دقت را از 5 سانتی متر به کمتر از 1 سانتی متر بهبود می بخشد.

علاوه بر این، هواپیماهای کنترلی لیدار منسوخ می شوند، بنابراین تلاش برای ارائه اطلاعات کنترلی در زمین به طور قابل توجهی کاهش می یابد. نویسندگان انتظار دارند با جایگزین کردن دوربین‌های فعلی نصب شده بر روی RIEGL RiCopter با یک سیستم فاز یک iXM با کیفیت بالا، بهبود بیشتری حاصل شود تا تصاویر رادیومتری بهتر با وضوح بالاتر به دست آید. این امر بیشتر از تولید و تجزیه و تحلیل ابرهای نقطه‌ای با کیفیت بالا پشتیبانی می‌کند و بنابراین امکان ضبط داده‌های مبتنی بر پهپاد را برای برنامه‌های بسیار چالش برانگیز فراهم می‌کند.

سپاسگزاریها

بخش هایی از تحقیقات ارائه شده در قالب پروژه ای که توسط موسسه فدرال هیدرولوژی آلمان (BfG) در کوبلنتس اعطا شده بود، تامین شد. از Gottfried Mandlburger، Wilfried Karel (TU Wien) و Philipp Glira (AIT) برای پشتیبانی و انطباق آنها با نرم افزار OPALS در طول ارجاع جغرافیایی ترکیبی تشکر می کنیم. پشتیبانی Tobias Hauck از nFrames در طول کار مشترک با SURE نیز تایید شده است.

بیشتر بخوانید

مطلب روز

شاخص قيمت توليدكننده محصولات مرغداري‌هاي صنعتي كشور تابستان ١٤٠١

نوامبر 23, 2022 مازیار اتوکش دیدگاه‌تان را بنویسید:

در فصل تابستان ١٤٠١ تغییرات شاخص قیمت تولیدکننده بخش مرغداریهای صنعتی کشور نسبت به فصل قبل (تورم فصلی) به ٤٩,٤ درصد رسید که در مقایسه با همین اطلاع در فصل قبل (١٩.٥ درصد)، ٢٩.٩ واحد درصد افزایش یافته‌است. در میان قلمهای مرغداریهای صنعتی، بیشترین افزایش مربوط به قلم” جوجه‌ی یکروزه” (٧٢.١ درصد)، کمترین افزایش مربوط به قلم ” کود” (٩.٣ درصد) می‌باشد.

چکیده

در فصل تابستان سال ١٤٠١ شاخص قیمت تولید کننده بخش مرغداری‌های صنعتی کشور (بر مبنای ١٠٠=١٣٩٥) برابر با ٩١١,١ بوده است که نسبت به فصل قبل (تورم فصلی) ٤٩.٤ درصد و نسبت به فصل مشابه سال قبل (تورم نقطه به نقطه) ٨٩.٦ درصد افزایش یافته‌است. در فصل مورد بررسی میانگین شاخص قیمت چهار فصل منتهی به فصل جاری نیز نسبت به دوره مشابه سال قبل (نرخ تورم سالانه) ٥٢.٤ درصد افزایش یافته‌است.

افزایش تورم فصلی

در فصل تابستان ١٤٠١ تغییرات شاخص قیمت تولیدکننده بخش مرغداریهای صنعتی کشور نسبت به فصل قبل (تورم فصلی) به ٤٩,٤ درصد رسید که در مقایسه با همین اطلاع در فصل قبل (١٩.٥ درصد)، ٢٩.٩ واحد درصد افزایش یافته‌است. در میان قلمهای مرغداریهای صنعتی، بیشترین افزایش مربوط به قلم” جوجه‌ی یکروزه” (٧٢,١ درصد)، کمترین افزایش مربوط به قلم ” کود” (٩,٣ درصد) می‌باشد.

افزایش تورم نقطه به نقطه

در فصل تابستان ١٤٠١ تغییرات شاخص قیمت تولیدکننده بخش مرغداریهای صنعتی کشورنسبت به فصل مشابه سال قبل (تورم نقطه به نقطه) ٨٩,٦ درصد بوده‌است که در مقایسه با همین اطلاع در فصل قبل (٤٦.١ درصد) ٤٣.٥ واحد درصد افزایش داشته‌است.

به عبارتی، میانگین قیمت دریافتی توسط تولیدکنندگان محصولات مرغداریهای صنعتی به ازای تولید قلمهای خود در داخل کشور، در فصل تابستان ١٤٠١ نسبت به فصل تابستان ١٤٠٠، ٨٩.٦ درصد افزایش دارد. در بین قلمهای مرغداریهای صنعتی، کمترین تورم نقطه به نقطه مربوط به قلم ” کود” (٣٣,١ درصد) و بیشترین آن مربوط به قلم “مرغ گوشتی” (١١١,٣ درصد) می‌باشد.

افزایش تورم سالانه

در تابستان ١٤٠١ تغییرات میانگین شاخص قیمت تولیدکننده محصولات مرغداریهای صنعتی در داخل کشور در چهار فصل منتهی به این فصل نسبت به مدت مشابه در سال قبل به ٥٢,٤ درصد رسید که نسبت به همین اطلاع در فصل قبل (٤٣.٤ درصد)، ٩.٠ واحد درصد افزایش نشان میدهد. در فصل مورد بررسی، در میان قلمهای مرغداریهای صنعتی کشور، کمترین تورم سالانه مربوط به قلم ” کود ” (٢٨,٥ درصد) و بیشترین آن مربوط به قلم “پولت” (٥٧,٠ درصد) می‌باشد.

شاخص استاني

بررسي شاخص قيمت توليدكننده محصولات مرغداریهاي صنعتي كشور در تابستان ١٤٠١ نشان ميدهد که بیشترین میزان افزایش شاخص کل نسبت به فصل قبل مربوط به استان اردبیل با ٧٦,٣ درصد و کمترین میزان افزایش مربوط به استان سیستان و بلوچستان با ٦.٣ درصد بوده است.

بررسیها نشان می‌دهد که شاخص کل در فصل جاری نسبت به فصل مشابه سال قبل، در همه استانها با افزایش روبه رو بوده است. بیشترین میزان افزایش مربوط به استان ایلام با ١١٨,٥درصد و کمترین میزان افزایش آن مربوط به استان سیستان و بلوچستان با ٥١.٠ درصد می‌باشد.

گزارش و اطلاعات تفصیلی

مطلب روز

سیارک قاتل دایناسور باعث ایجاد سونامی جهانی شد که هزاران مایل از محل برخورد، بستر دریا را در نوردید.

نوامبر 23, 2022 مازیار اتوکش دیدگاه‌تان را بنویسید:

سیارکی به وسعت مایل ها که 66 میلیون سال پیش به زمین برخورد کرد تقریباً تمام دایناسورها و سه چهارم گونه های گیاهی و جانوری این سیاره را از بین برد.بر اساس مطالعه جدیدی که توسط دانشگاه میشیگان انجام شده است، این امر باعث ایجاد یک سونامی هیولایی با امواجی به ارتفاع مایل شد که هزاران مایل از محل برخورد در شبه جزیره یوکاتان مکزیک، کف اقیانوس را در نوردید.

این مطالعه که برای انتشار آنلاین در 4 اکتبر در ژورنال AGU Advances برنامه ریزی شده است، اولین شبیه سازی جهانی سونامی برخورد Chicxulub را ارائه می کند که در یک مجله علمی معتبر منتشر می شود. علاوه بر این، محققان U-M رکوردهای زمین شناسی را در بیش از 100 مکان در سراسر جهان بررسی کردند و شواهدی پیدا کردند که پیش بینی مدل های آنها را در مورد مسیر و قدرت سونامی تایید می کند.

مولی رنج، نویسنده اصلی این مقاله، که این مطالعه مدل‌سازی را برای پایان‌نامه کارشناسی ارشد انجام داده است، می‌گوید: «این سونامی به اندازه‌ای قوی بود که رسوبات حوضه‌های اقیانوسی را در نیمه‌ی زمین در سراسر جهان برهم زد و فرسایش داد، و یا شکافی در سوابق رسوبی یا مجموعه‌ای از رسوبات قدیمی‌تر باقی گذاشت. تحت نظر اقیانوس‌شناس فیزیکی U-M و نویسنده همکار مطالعه، برایان آربیک و دیرینه‌شناس U-M و تد مور، نویسنده مشترک مطالعه.

بررسی سوابق زمین‌شناسی بر «بخش‌های مرزی»، رسوبات دریایی که درست قبل یا درست پس از برخورد سیارک و انقراض دسته جمعی K-Pg متعاقب آن، که دوره کرتاسه را بسته است، نهشته شده است.

Range که این پروژه را به عنوان یک دانشجوی کارشناسی در آزمایشگاه Arbic در سال 1397 آغاز کرد، گفت: “توزیع فرسایش و وقفه هایی که ما در بالاترین رسوبات دریایی کرتاسه مشاهده کردیم با نتایج مدل ما مطابقت دارد، که به ما اطمینان بیشتری در پیش بینی های مدل می دهد.” گروه علوم زمین و محیط زیست.

نویسندگان مطالعه محاسبه کردند که انرژی اولیه در سونامی ضربه ای تا 30000 برابر بیشتر از انرژی سونامی زمین لرزه اقیانوس هند در دسامبر 2004 بود که بیش از 230000 نفر را کشت و یکی از بزرگترین سونامی ها در تاریخ مدرن است.

شبیه‌سازی‌های این تیم نشان می‌دهد که سونامی برخورد عمدتاً به سمت شرق و شمال شرق به اقیانوس اطلس شمالی و از جنوب غربی از طریق دریای آمریکای مرکزی (که قبلاً آمریکای شمالی و آمریکای جنوبی را جدا می‌کرد) به اقیانوس آرام جنوبی تابش می‌کرد.

در آن حوضه‌ها و در برخی مناطق مجاور، سرعت جریان زیر آب احتمالاً از 20 سانتی‌متر در ثانیه (0.4 مایل در ساعت) فراتر رفته است، سرعتی که به اندازه‌ای قوی است که رسوبات ریزدانه در کف دریا را فرسایش دهد.

بر اساس شبیه سازی این تیم، در مقابل، اقیانوس اطلس جنوبی، اقیانوس آرام شمالی، اقیانوس هند و منطقه ای که امروز مدیترانه است تا حد زیادی در برابر قوی ترین اثرات سونامی محافظت شدند. در آن مکان‌ها، سرعت جریان مدل‌سازی‌شده احتمالاً کمتر از آستانه ۲۰ سانتی‌متر بر ثانیه بود.

برای بررسی رکورد زمین شناسی، U-M’s Moore رکوردهای منتشر شده از 165 بخش مرزی دریایی را تجزیه و تحلیل کرد و توانست اطلاعات قابل استفاده از 120 مورد از آنها را به دست آورد. بیشتر رسوبات از هسته های جمع آوری شده در طول پروژه های علمی حفاری اقیانوس به دست آمد.

اقیانوس اطلس شمالی و اقیانوس آرام جنوبی کمترین مکان ها را با رسوبات مرزی کامل و بدون وقفه در مرز K-Pg داشتند. در مقابل، بیشترین تعداد کامل بخش های مرزی K-Pg در اقیانوس اطلس جنوبی، اقیانوس آرام شمالی، اقیانوس هند و مدیترانه یافت شد.

آربیک، استاد علوم زمین و محیط زیست که ناظر این پروژه بود، گفت: «ما تأییدی را در رکوردهای زمین‌شناسی برای مناطق پیش‌بینی‌شده بیشترین تأثیر در اقیانوس باز یافتیم». شواهد زمین شناسی قطعا مقاله را تقویت می کند.

به گفته نویسندگان، رخنمون های مرز K-Pg در سواحل شرقی جزایر شمالی و جنوبی نیوزلند که بیش از 12000 کیلومتر (7500 مایل) از سایت برخورد یوکاتان فاصله دارند، از اهمیت ویژه ای برخوردار است.

رسوبات به شدت آشفته و ناقص نیوزیلند، که نهشته های اولیستوسرومال نامیده می شوند، در اصل نتیجه فعالیت های زمین ساختی محلی هستند. اما با توجه به قدمت ذخایر و موقعیت آنها به طور مستقیم در مسیر مدل‌سازی شده سونامی برخورد Chicxulub، تیم تحقیقاتی U-M به منشأ متفاوتی مشکوک است.

Range گفت: “ما احساس می کنیم که این ذخایر در حال ثبت اثرات سونامی ضربه ای هستند و این شاید گویاترین تایید اهمیت جهانی این رویداد باشد.”

بخش مدل‌سازی مطالعه از استراتژی دو مرحله‌ای استفاده کرد. ابتدا، یک برنامه کامپیوتری بزرگ به نام هیدروکد، 10 دقیقه اول هرج و مرج این رویداد را شبیه سازی کرد که شامل برخورد، تشکیل دهانه و شروع سونامی بود. این کار توسط یکی از نویسندگان براندون جانسون از دانشگاه پردو انجام شد.

بر اساس یافته‌های مطالعات قبلی، محققان یک سیارک با قطر 14 کیلومتر (8.7 مایل) را مدل‌سازی کردند که با سرعت 12 کیلومتر در ثانیه (27000 مایل در ساعت) حرکت می‌کرد. به پوسته گرانیتی پوشانده شده توسط رسوبات غلیظ و آب های کم عمق اقیانوس برخورد کرد و دهانه ای به وسعت 100 کیلومتر (62 مایل) را منفجر کرد و ابرهای متراکمی از دوده و غبار را به جو پرتاب کرد.

دو دقیقه و نیم پس از برخورد سیارک، پرده ای از مواد پرتاب شده دیواره ای از آب را از محل برخورد به بیرون رانده کرد و برای مدت کوتاهی موجی به ارتفاع 4.5 کیلومتر (ارتفاع 2.8 مایل) را تشکیل داد که با سقوط پرتاب به عقب فرو نشست. زمین.

ده دقیقه پس از برخورد پرتابه به یوکاتان و در فاصله 220 کیلومتری (137 مایلی) از محل برخورد، موج سونامی به ارتفاع 1.5 کیلومتر (به ارتفاع 0.93 مایل) – حلقه ای شکل و در حال انتشار به بیرون – شروع به فراگیر کرد. در سراسر اقیانوس در همه جهات، طبق شبیه سازی U-M.

در 10 دقیقه، نتایج شبیه‌سازی هیدروکد iSALE جانسون در دو مدل انتشار سونامی MOM6 و MOST برای ردیابی امواج غول‌پیکر در سراسر اقیانوس وارد شد. MOM6 برای مدل‌سازی سونامی در اعماق اقیانوس استفاده شده است و NOAA از مدل MOST به صورت عملیاتی برای پیش‌بینی سونامی در مراکز هشدار سونامی خود استفاده می‌کند.

مور، استاد بازنشسته علوم زمین و محیط زیست گفت: «نتیجه بزرگ در اینجا این است که دو مدل جهانی با فرمول‌بندی‌های متفاوت نتایج تقریباً یکسانی به دست آوردند و داده‌های زمین‌شناسی در بخش‌های کامل و ناقص با این نتایج مطابقت دارد.» “مدل ها و داده های راستی آزمایی به خوبی مطابقت دارند.”

طبق شبیه سازی تیم:

یک ساعت پس از برخورد، سونامی به خارج از خلیج مکزیک و به اقیانوس اطلس شمالی گسترش یافته بود.

چهار ساعت پس از برخورد، امواج از مسیر دریای آمریکای مرکزی و به اقیانوس آرام عبور کرده بودند.

24 ساعت پس از برخورد، امواج از شرق بیشتر اقیانوس آرام و از غرب بیشتر اقیانوس اطلس را عبور داده و از دو طرف وارد اقیانوس هند شده بودند.

48 ساعت پس از برخورد، امواج سونامی قابل توجهی به اکثر خطوط ساحلی جهان رسیده بود.

برای مطالعه فعلی، محققان تلاشی برای تخمین میزان سیل ساحلی ناشی از سونامی انجام ندادند.

با این حال، مدل‌های آن‌ها نشان می‌دهد که ارتفاع امواج اقیانوس باز در خلیج مکزیک از 100 متر (328 فوت) فراتر می‌رفت، با ارتفاع موج بیش از 10 متر (32.8 فوت) با نزدیک شدن سونامی به مناطق ساحلی اقیانوس اطلس شمالی و بخش‌هایی از جنوب. سواحل اقیانوس آرام آمریکا

با نزدیک شدن سونامی به آن خطوط ساحلی و برخورد با آب های کم عمق، ارتفاع موج از طریق فرآیندی به نام shoaling به طور چشمگیری افزایش می یافت. سرعت فعلی برای اکثر مناطق ساحلی در سراسر جهان از آستانه 20 سانتی متر در ثانیه فراتر می رفت.

به گفته نویسندگان این مطالعه، “بسته به هندسه ساحل و امواج در حال پیشروی، بیشتر مناطق ساحلی تا حدی زیر آب می روند و فرسایش می یابند.” “هر سونامی مستند تاریخی در مقایسه با چنین تاثیر جهانی کمرنگ است.”

ویدیو: https://youtu.be/hy6wfjqFBE0

آربیک گفت که یک مطالعه بعدی برای مدل سازی میزان طغیان ساحلی در سراسر جهان برنامه ریزی شده است. این مطالعه توسط واسیلی تیتوف از آزمایشگاه محیط زیست دریایی اقیانوس آرام اداره ملی اقیانوسی و جوی، که یکی از نویسندگان مقاله AGU Advances است، رهبری خواهد شد.

علاوه بر Range، Arbic، Moore، Johnson و Titov، نویسندگان این مطالعه آلیستر آدکرافت از دانشگاه پرینستون، جوزف آنسونگ از دانشگاه غنا، کریستوفر هالیس از دانشگاه ویکتوریا از ولینگتون، کریستوفر اسکاتز از پروژه PALEOMAP و او وانگ از آزمایشگاه دینامیک سیالات ژئوفیزیک NOAA و شرکت دانشگاه برای تحقیقات جوی.

بودجه توسط بنیاد ملی علوم و صندوق حمایت از دانشیاران دانشگاه میشیگان، که توسط جوایز دانشکده مارگارت و هرمان سوکول حمایت می شود، ارائه شده است. شبیه سازی های MOM6 بر روی ابررایانه Flux ارائه شده توسط خدمات فنی محاسباتی تحقیقاتی پیشرفته دانشگاه میشیگان انجام شد.

مطلب روز

شاخص قيمت توليدكننده بخش صنعت- فصل تابستان ١٤٠١ (بر مبنای سال پایه ١٣٩٥)

نوامبر 22, 2022 مازیار اتوکش دیدگاه‌تان را بنویسید:

در فصل تابستان ١٤٠١، شاخص قیمت تولیدکننده بخش صنعت ٧٥٠,٩ میباشد که نسبت به فصل قبل (تورم فصلی) ٢.٣ درصد کاهش، نسبت به فصل مشابه سال قبل (تورم نقطه به نقطه) ٣٠.١ درصد افزایش و در چهارفصل منتهی به فصل جاری نسبت به دوره مشابه سال قبل (تورم سالانه) ٤٠.٤ درصد افزایش داشته است.

شاخص قیمت کل

در فصل تابستان ١٤٠١، شاخص قیمت تولیدکننده بخش صنعت ٧٥٠,٩ میباشد که نسبت به فصل قبل (تورم فصلی) ٢.٣ درصد کاهش، نسبت به فصل مشابه سال قبل (تورم نقطه به نقطه) ٣٠.١ درصد افزایش و در چهارفصل منتهی به فصل جاری نسبت به دوره مشابه سال قبل (تورم سالانه) ٤٠.٤ درصد افزایش داشته است.

کاهش تورم فصلی

در فصل تابستان ١٤٠١، درصد تغییرات شاخص قیمت تولیدکننده بخش صنعت نسبت به فصل قبل (تورم فصلی) ٢,٣- درصد میباشد که در مقایسه با همین اطلاع در فصل قبل (١٢.٥ درصد)، ١٤.٨ واحد درصد کاهش داشته است. به عبارتی، میانگین قیمت دریافتی توسط تولیدکنندگان محصولات صنعتی به ازای تولید کالاهای خود در داخل کشور، در فصل تابستان ١٤٠١ نسبت به فصل قبل، ٢.٣ درصد کاهش دارد.

در این فصل بیشترین تورم فصلی با ٢٣.٢ درصد مربوط به گروه ” ساخت محصولات دارويي، مواد شيميايي مورد استفاده در داروسازي و محصولات دارويي گياهي” و کمترین تورم فصلی با ١.٧ درصد مربوط به گروه “ساخت منسوجات” میباشد. در این فصل شاخص گروههای “ساخت کُک و فراورده‌های حاصل از پالايش نفت” و “ساخت فلزات پايه” با ٩.٦ درصد و گروه “ساخت مواد شیمیایی و فراوردههای شیمیایی” با ٣.٧ درصد با کاهش مواجه بوده‌اند.

کاهش تورم نقطه به نقطه

در فصل تابستان ١٤٠١، درصد تغییرات شاخص قیمت تولیدکننده بخش صنعت نسبت به فصل مشابه سال قبل (تورم نقطه به نقطه) ٣٠,١ درصد می‌باشد که در مقایسه با همین اطلاع در فصل قبل (٤٦.٣ درصد)، ١٦.٢ واحد درصد کاهش داشته است.

به عبارتی، میانگین قیمت دریافتی توسط تولیدکنندگان محصولات صنعتی به ازای تولید کالاهای خود در داخل کشور، در فصل تابستان ١٤٠١ نسبت به فصل مشابه سال قبل، ٣٠.١ درصد افزایش دارد. در این فصل بیشترین تورم نقطه به نقطه با ٨٠.٧ درصد مربوط به گروه “ساخت مواد غذایی” و کمترین تورم نقطه به نقطه با ١٧.٢ درصد مربوط به گروه “ساخت محصولات رایانهای، الکترونیکی و نوری” میباشد. در این فصل تورم نقطه به نقطه گروه “ساخت فلزات پايه” ١.٠- درصد بوده است.

کاهش تورم سالانه

در فصل تابستان١٤٠١، درصد تغییرات شاخص قیمت تولیدکننده بخش صنعت در چهار فصل منتهی به این فصل نسبت به دوره مشابه سال قبل، ٤٠,٤ درصد میباشد که در مقایسه با همین اطلاع در فصل قبل (٤٨.٠ درصد)، ٧.٦ واحد درصد کاهش داشته است.

به عبارتی، میانگین قیمت دریافتی توسط تولیدکنندگان محصولات صنعتی به ازای تولید کالاهای خود در داخل کشور، در چهار فصل منتهی به تابستان ١٤٠١ نسبت به دوره مشابه سال قبل، ٤٠.٤ درصد افزایش دارد. در این فصل بیشترین تورم سالانه با ٧١.٢ درصد مربوط به گروه” ساخت محصولات غذايي ” و کمترین تورم سالانه با ٢١.٢ درصد مربوط به گروه “ساخت محصولات رایانه‌ای، الکترونیکی و نوری” می‌باشد.

دریافت گزارش تفصیلی

مطلب روز

یک خودآموز به یک مدرس GIS تأثیرگذار تبدیل می شود

نوامبر 22, 2022 مازیار اتوکش دیدگاه‌تان را بنویسید:

دکتر شارلوت اسمیت برای یک متخصص GIS نسبتاً جدید خودآموخته، تأثیر زیادی بر جامعه آموزش GIS داشته است.یک مدرس دانشکده در دانشگاه کالیفرنیا (UC)، برکلی، و استاد مدعو در Instituto Tecnológico y de Estudios Superiores de Occidente (ITESO) در گوادالاخارا، مکزیک، دوره‌های GIS را تدریس می‌کند که پیشینه او در بهداشت عمومی و علوم بهداشت محیطی را به روشی واقعاً یکپارچه در بر می‌گیرد.

یک خودآموز به یک مدرس GIS تأثیرگذار تبدیل می شود

دکتر شارلوت اسمیت ویراستار مجله پیشگیری از بیماری‌های مزمن مرکز کنترل و پیشگیری از بیماری‌ها (CDC) است. یکی از بخش‌هایی که او روی آن تمرکز می‌کند «عکس‌های فوری GIS» است که شامل مقاله‌های 1000 کلمه‌ای درباره پروژه‌های بهداشت عمومی است که شامل کاوش یا تجزیه و تحلیل فضایی است. اسمیت و همکارانش از مردم دعوت می کنند تا مقالاتی را برای انتشار ارسال کنند.

اسمیت گفت: «این هیجان انگیز است که دانش‌آموزان قدرت گنجاندن مکان در تحلیل‌های آماری، تجسم داده‌ها و داستان‌گویی را درک کنند. “آنها در حال یادگیری تکنیک های GIS هستند، اما در نهایت، همه چیز در مورد این است که آنها می توانند با این فناوری انجام دهند و چگونه می توانند از اطلاعات برای حمایت و ایجاد تغییراتی که می خواهند ببینند استفاده کنند.”

اسمیت همیشه یک معلم نبوده و تلاش های او در GIS تنها حدود هفت سال پیش آغاز شد. اما او تقریباً به محض پایان یافتن اولین مجموعه درس‌های یادگیری از آموزش Esri شروع به نوشتن برنامه‌های درسی GIS کرد و به سرعت خود را در جامعه آموزش GIS غرق کرد.

او گفت: «آنچه مرا جذب کرد و در دنیای تحلیل فضایی نگه داشت، جنبه اجتماعی است. “GIS بسیار در مورد جامعه است، و این انجمن واقعا می تواند شما را با انگیزه نگه دارد.”

اسمیت کار خود را به عنوان یکی از لیتوگرافی های معروف گرافیست هلندی M. C. Escher توصیف می کند، “با پله ها در همه جهات و افراد در همان زمان بالا و پایین می روند.”

او در رشته میکروبیولوژی در دانشگاه میشیگان تحصیل کرد و به عنوان محقق در بخش میکروبیولوژی و ایمونولوژی ادامه داد. از آنجا به دانشگاه کلمبیا رفت تا کارهای مشابهی را به عنوان زیست شناس مولکولی انجام دهد.

پس از آن، به نظر می رسد، کنجکاوی سیری ناپذیر و میل بی حد و حصر او برای یادگیری، زمانی که ایده مشارکت بیشتر در کار بهداشت جامعه را به ذهنش خطور کرد. اسمیت به ارتقای سلامت در محیط های محلی علاقه مند شد، بنابراین تصمیم گرفت مدرک کارشناسی ارشد خود را در رشته بهداشت جامعه از کالج بروکلین دریافت کند. او معتقد است که تحصیل بیشتر و کسب مدارک معتبر بهترین راه برای ایجاد تغییر شغلی است.

اسمیت مدرک تحصیلی خود را به پایان رساند، اما او هرگز به طور کامل در آن زمینه کار نکرد، زیرا اتفاقاً علاقه جدیدی در این زمینه ایجاد شد.

او گفت: «در طول دوره کارشناسی ارشد، یک دوره کارآموزی در اداره آب شهر نیویورک گرفتم که به شغل تبدیل شد و به شغلی در بخش آب آشامیدنی تبدیل شد. به همین دلیل است که به دانش آموزان می گویم هرگز به فرصت ها نه نگویید. شما نمی‌دانید که از آن چه خواهید ساخت یا به چه چیزی تبدیل خواهد شد.»

اسمیت این کار را جذاب می‌دانست، به‌ویژه وقتی نوبت به ارزیابی کیفیت آب می‌رسید.

«مردم شیر آب را باز می‌کنند، و فکر می‌کنند همین است. خوب است، “او گفت. اما اکنون با فلینت، میشیگان و بحران اخیر آب در جکسون، می سی سی پی، می توانیم ببینیم که آب پاک نباید بدیهی انگاشته شود. اگر آسان بود، آن مشکلات در چند ساعت حل می شد. برای اطمینان از کیفیت خوب آب آشامیدنی، نیاز به دانش فنی، اراده سیاسی، تامین مالی، مقررات و آموزش اپراتور است.

اسمیت 6 سال را در اداره آب شهر نیویورک گذراند تا اینکه مدیر کیفیت آب یک شرکت فرانسوی شد که 35 شرکت آب آشامیدنی را در ایالات متحده و همچنین سایر شرکت‌ها در سراسر جهان مالک و اداره می‌کرد. در این مرحله از حرفه خود، او بر حل مشکلات کیفیت آب و توسعه برنامه های انطباق با مقررات تمرکز کرد. هنگامی که شرکت تابعه آمریکایی فروخته شد، او این انتخاب را داشت که یا به شرکت خرید بپیوندد یا نه.

او گفت: “من انتخاب نکردم.” «و وقتی «نه» را انتخاب می‌کنید، فرصتی برای انجام کاری جدید و بهتر دارید.»

این زمانی بود که او Charlotte Smith & Associates, Inc. را تأسیس کرد، یک شرکت مشاوره که به شرکت‌های برق در سراسر جهان کمک می‌کند تا کیفیت آب را بهبود بخشند. برای تقریباً 30 سال، او ارزیابی‌های سیستم‌های آب را انجام داده و اپراتورهای سیستم توزیع آب را برای یافتن و حل مشکلات کیفیت آب، در میان بسیاری از مشاغل دیگر، آموزش داده است.

در میان همه اینها، اسمیت تصمیم گرفت برای ادامه تحصیل در مقطع دکترا به مدرسه برود. او شنیده بود که لژیونلا، باکتری عامل بیماری لژیونرها، در تک یاخته ها زندگی می کند و از هضم و در نتیجه تخریب جلوگیری می کند.

اسمیت گفت: «فکر می‌کردم این یکی از جالب‌ترین چیزهایی بود که در تمام زندگی‌ام شنیده بودم، و فکر می‌کردم که این کار چه می‌کند. “خب، هیچ کس قرار نبود به شارلوت اسمیت و همکاران پول بدهد تا بفهمد.”

بنابراین او یک کمک هزینه تحقیقاتی علمی برای دستیابی به نتایج (STAR) از آژانس حفاظت از محیط زیست (EPA) دریافت کرد و برای پاسخ به این سوال وارد برنامه دکترا در دانشگاه کالیفرنیا برکلی شد. او دو باکتری – H. پیلوری، که باعث سرطان معده می شود، و E. coli، که باعث بیماری اسهالی می شود – برای اینکه ببینیم آیا آنها می توانند از هضم در تک یاخته ها زنده بمانند یا خیر.

اسمیت گفت: «پاسخ برای هلیکوباکتر پیلوری منفی و برای E. coli بله است. خوشحال بودم چون جوابم را داشتم.»

به گفته اسمیت، پایان نامه دکترا باید اینگونه باشد.

او گفت: “شما باید در مورد یک سوال وسواس داشته باشید.” “اگر چنین چیزی را دارید، پس به مدرسه برگردید، کمی وقت بگذارید، به سوال پاسخ دهید و به زندگی خود ادامه دهید.”

اسمیت به زندگی خود ادامه داد. پس از پاسخ به سؤال خود، او نقش کاملاً جدیدی را در دانشگاه برعهده گرفت و دروس علوم بهداشت محیطی و آب آشامیدنی و بهداشت را در دانشگاه برکلی در دانشکده بهداشت عمومی تدریس کرد. او به مدیریت Charlotte Smith & Associates ادامه داد (و هنوز هم دارد). علاوه بر این، این مرحله جدید از زندگی او به او فرصت داد تا فناوری ای را که در مورد آن کنجکاو شده بود کشف کند: GIS.

او گفت: «من فقط یک سری کامل از درس‌های یادگیری Esri را انجام دادم. “آنها شگفت انگیزند. آنها برای مطالعه مستقل عالی هستند، زیرا تقریباً هر مرحله یک تصویر دارد، بنابراین شما می دانید که در مسیر درستی قرار دارید.

اسمیت از طریق درس‌های بیاموز، از GIS در علوم بهداشت عمومی و بهداشت محیط قدردانی کرد.

او گفت: “GIS به ما کمک می کند تا تصویر کامل را درک کنیم.” هرچه بیشتر و بیشتر به نقشه‌سازی و تحلیل فضایی وارد شدم، چهار دوره GIS ایجاد کردم. در نهایت دروسی را که تدریس می‌کردم کنار گذاشتم، و اکنون همه چیز GIS است. من یک مشتاق GIS شده ام.”

دانش‌آموزان او از GIS برای ترسیم مکان‌های فواره‌های نوشیدنی در سرتاسر برکلی استفاده کرده‌اند تا به شهر کمک کنند مصرف آب را به جای نوشیدنی‌های شیرین افزایش دهند. دانش‌آموزان از ArcGIS Survey123 برای جمع‌آوری داده‌ها در مورد سرویس‌های بهداشتی دانشگاه استفاده کرده‌اند تا اطمینان حاصل شود که دانشگاه دارای حمام‌های در دسترس و شامل جنسیت است. آنها از Survey123 برای جمع آوری داده های کمی و کیفی در مورد دسترسی به آب آشامیدنی سالم در گوادالاخارا و در جوامع روستایی دریاچه چاپالا، مکزیک استفاده کرده اند. اسمیت به دانش‌آموزان خود یاد می‌دهد که چگونه از فناوری Esri مانند ArcGIS Online، ArcGIS Dashboards و ArcGIS StoryMaps و همچنین نحوه انجام تجزیه و تحلیل جغرافیایی استفاده کنند.

اسمیت با اشاره به دوره های هشت هفته ای و ترم خود گفت: “من از آنچه این دانش آموزان می توانند در مدت زمان کوتاهی خلق کنند شگفت زده شده ام.”

در حالی که اسمیت حدود پنج سال است که GIS را به دانشجویان کارشناسی و کارشناسی ارشد تدریس می کند، او تا سال گذشته هرگز یک دوره رسمی دانشگاهی در GIS گذرانده بود. او که همیشه یادگیرنده مادام العمر بود، در برنامه کارشناسی ارشد علوم کاربردی در تحلیل فضایی برای سلامت عمومی دانشگاه جان هاپکینز ثبت نام کرد.

او گفت: «از آنجایی که من هرگز یک دوره GIS را گذرانده بودم، هیچ الگویی برای آموزش نداشتم. روشی که من GIS را تدریس کرده ام بر اساس روشی است که دروس دیگر را تدریس کرده ام. اما من سوال کردم که آیا این بهترین راه برای آموزش GIS است.

اسمیت که از اساتید و دانشجویان جانز هاپکینز یاد می‌گیرد، می‌گوید که نه تنها با شرکت در این برنامه استاد بهتری می‌شود، بلکه می‌آموزد به روش‌های مختلف به پروژه‌ها نزدیک شود.

اسمیت گفت: “جامعه GIS پر از افرادی است که مایل به اشتراک گذاری، ارتباط و حمایت از یکدیگر هستند.” “به عنوان یک فرد مبتلا به بیماری عصبی و تحرک محدود، عضوی از جامعه GIS من را حفظ می کند.”

سایت Geonline، سایتی مرجع برای مرتفع نمودن نیاز علاقمندان، پژوهشگران، دانشجویان و دانش آموزان در حوزه جغرافیا است که برای تمامی سنین و سطوح مطالب کاربردی دارد.