ارائه کننده: پرویز جوکار

استاد راهنما: دکتر سامره فلاحتکار

استاد راهنمای دوم: دکتر ماریاپیا فارلو

استاد مشاور: دکتر سیدجلیل علوی

استاد مشاور دوم: دکتر مهدی تنها زیارتی

استاد ناظر داخلی: دکتر نادر بهرامی فر

استاد ناظر داخلی: دکتر مهدی غلامعلی فرد

استاد ناظر خارجی: دکتر سیدکاظم علوی پناه

استاد ناظر خارجی: دکتر مظاهر معین الدینی

نماینده تحصیلات تکمیلی: دکتر سیدمحمود قاسمپوری

تاریخ: 1405/01/26

ساعت: 10 

چکیده:

مشعل‌سوزی یکی از اصلی­ ترین منابع انسانی برای انتشار گازهای گلخانه ­ای و گرمایش جهانی است که هوا، خاک و آب را آلوده می­ کند و تأثیرات زیادی بر انسان، محیط ­زیست و اقتصاد دارد. هدف اصلی این تحقیق شامل شناسایی مشعل­ های فعال و برآورد حجم مشعل­ سوزی با استفاده از مدل­سازی یادگیری ماشین در منطقه ­ی ویژه اقتصادی انرژی پارس در بازه 2022-2016 می­ باشد. بنابراین، موقعیت مکانی و حجم فلرینگ 115 پایه فلر پالایشگاه ­ها و پتروشیمی­ های منطقه، مورد بررسی میدانی قرار گرفت. سپس این داده ­ها در مقیاس ماهیانه (مجموع تن در ماه) مرتب ­سازی شدند. داده‌های سنجش از دور شامل باندهای مادون قرمز موج­ کوتاه (SWIR) لندست 9/8 و سنتینل-2، مادون قرمز حرارتی (TIR) لندست 9/8، دی­اکسید کربن پایگاه داده ODIAC، عمق نوری آئروسل (AOD) سنجنده مادیس، باند روز و شب (DNB) سنجنده VIIRS (در مجموع 9 متغیر)  می ­باشد. فرآیند پیش­ پردازش و مرتب ­سازی  داده­ های ماهواره­ای (در مقیاس ماهیانه) در سه سطح رادیانس، بازتاب بالای جوّ و بازتاب سطحی انجام شد. روش تحقیق شامل 2 مرحله است: 1- تشخیص ناهنجاری حرارتی: در این مرحله از باندهای SWIR لندست 9/8 و سنتینل-2 و روش تشخیص RXD[1] استفاده شد. 2- برآورد حجم فلرینگ: در این مرحله از همه متغیرهای دورسنجی یادشده و 4 روش یادگیری ماشین درخت تصمیم، جنگل تصادفی، ماشین بردار پشتیبان و شبکه عصبی پرسپترون چندلایه در سه سطح پردازشی استفاده شد. نتایج شناسایی فلرینگ نشان ­دهنده صحت قابل قبول RXD، بر روی هر دو سنجنده OLI و MSI (نرخ تشخیص ~ 73%)، در شناسایی دقیق پیکسل‌های مشعل­ سوزی می­باشد. نتایج به­ دست آمده از سه سطح پردازشی برآورد حجم فلرینگ نشان داد که به­ طور کلی سطح پردازشی بازتاب سطحی از بهترین صحت برخوردار است و مدل جنگل تصادفی (R² > 0.9 برای داده آموزش و R² > 0.8 برای داده تست) به ­عنوان بهترین مدل انتخاب شد. همچنین متغیرهای DNB و SWIR سنتینل-2 بیشترین نقش را در برآورد حجم فلرینگ ایفا کردند و متغیر باند حرارتی در جایگاه بعدی قرار گرفت. نتایج نشان داد که سنجش از دور یک پلتفرم اساسی جهت دسترسی و پایش فلرینگ محسوب شده که با داشتن این اطلاعات مفید، می­توان نسبت به کاهش گازهای گلخانه ­ای و آلودگی هوا اقدام نمود.