geotodaylibrary | Unsorted

Telegram-канал geotodaylibrary - آکادمی جغرافیا | Geography 🕊 Academy

21178

اینجا، آنچه دارم، با دیگران قسمت می‌کنم. (امین صفری) در این گروه باهم هستیم: @CommunityGeography

Subscribe to a channel

آکادمی جغرافیا | Geography 🕊 Academy

#برزیل
🇧🇷

قبیله آوا از جنگلی در برزیل بیرون آمدند

🌲 در برزیل، حدود ۲۰ عضو قبیله آوا که با دیگران ارتباطی ندارند، برای اولین بار پس از بیش از ۵۰ سال انزوای کامل، از جنگل‌های بارانی آمازون به سمت یک روستای محلی در جستجوی غذا بیرون آمدند. آنها با تیر و کمان‌های سنتی رسیدند، اما بدون هیچ خصومتی: پس از درخواست سیب‌زمینی شیرین و مقداری غذا از روستاییان، به جنگل بازگشتند. به گفته شاهدان، افراد مسن و کودکان این گروه بسیار لاغر به نظر می‌رسیدند.

🪓 دلیل اصلی ظهور اجباری آنها، تخریب سریع جنگل‌های آمازون است. چوب‌برهای غیرقانونی، شکارچیان و دامداران، قبیله را از زیستگاه و منابع غذایی خود محروم می‌کنند.

🩺 برای مردم آوا، هرگونه تماس با دنیای بیرون تهدیدکننده زندگی است: آنها حتی در برابر سرماخوردگی یا آنفولانزای معمولی نیز مصونیت ندارند.


🌿 قبیله آوا که زمانی کشاورزانی یکجانشین بودند، در قرن نوزدهم برای فرار از استعمارگران به اعماق جنگل پناه بردند. امروزه تنها حدود ۳۰۰ تا ۳۵۰ نفر از آنها باقی مانده‌اند و تنها حدود صد نفر هنوز در انزوای کامل زندگی می‌کنند.

🌍 #آکادمی_جغرافیا
‏
@GeotodayLibrary

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

کتاب نگاه حرفه ای به ازمون کارشناس رسمی دادگستری جلد دوم - عمران

🌍 #آکادمی_جغرافیا
‏
@GeotodayLibrary

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

کتاب آزمون رسمی کارشناس دادگستری - عمران

🌍 #آکادمی_جغرافیا
‏
@GeotodayLibrary

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

✅ آخرین شیپ فایل های کل ایران
11/11/2026

🌍 #آکادمی_جغرافیا
‏
@GeotodayLibrary

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

🌹 جواب انتخاب رشته کنکور سراسری در سایت سنجش قرار گرفت

با اعلام نتایج انتخاب رشته، قبولی برادر عزیزم پارسا در رشته پرافتخار پزشکی دانشگاه علوم پزشکی گیلان را صمیمانه تبریک می‌گویم. ❤️

این موفقیت ارزشمند، حاصل تلاش، پشتکار و سال‌ها زحمت است. امیدوارم این آغاز مسیری درخشان و سرشار از موفقیت‌های بزرگ‌تر باشد.

از صمیم قلب برایت آرزوی سربلندی، سلامتی و آینده‌ای روشن دارم.❤️

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

📚 وی‌لیب (WeLib)؛ گسترش دسترسی به کتاب‌های علمی و تقویت منابع پژوهش دانشگاهی

وب‌سایت WeLib با نشانی welib.st به‌عنوان بستری برای جست‌وجو و دسترسی به کتاب‌های الکترونیکی معرفی شده است که می‌تواند در کنار پایگاه‌های مقالات علمی و پایان‌نامه‌ها، منبعی مکمل برای مطالعات دانشگاهی باشد.

یکی از مزیت‌های بالقوه استفاده از چنین وب‌سایت‌هایی، امکان یافتن کتاب‌های مرتبط با موضوع پژوهش و گسترش دامنه منابع مورد استفاده در مطالعات علمی است.

کتاب‌های دانشگاهی معمولاً مفاهیم نظری، چارچوب‌های مفهومی و مبانی روش‌شناختی را با جزئیاتی ارائه می‌کنند که ممکن است در مقالات پژوهشی کوتاه‌تر کمتر دیده شود.

ازاین‌رو، استفاده از کتاب در کنار مقاله و پایان‌نامه می‌تواند به درک عمیق‌تر موضوع، شناخت نظریه‌های اصلی و تقویت مبانی علمی پژوهش کمک کند.

برای شروع کار با وب‌سایت، طبق راهنمای ارائه‌شده، پس از ورود به صفحه اصلی باید گزینه Begin Exploring را انتخاب کرد تا فرایند جست‌وجو و کاوش منابع آغاز شود.

در بخش جست‌وجو می‌توان اطلاعاتی مانند عنوان کتاب، نام نویسنده، شناسه بین‌المللی کتاب (ISBN) یا DOI مقاله را وارد کرد تا منابع مرتبط شناسایی شوند.

وب‌سایت WeLib علاوه بر کتاب‌ها، مجموعه گسترده‌ای از مقالات علمی را نیز معرفی می‌کند؛ بنابراین می‌تواند برای جست‌وجوی اولیه منابع در موضوعات پژوهشی مختلف مفید باشد.

یکی از کاربردهای آموزشی این وب‌سایت، کمک به دانشجویان برای آشنایی با منابع بیشتر، تکمیل مطالعات درسی و دسترسی به متون مرتبط با موضوع پایان‌نامه است.

پژوهشگران نیز می‌توانند از آن برای شناسایی کتاب‌های مرجع، بررسی پیشینه نظری و یافتن منابع تکمیلی در کنار پایگاه‌هایی مانند Google Scholar و کتابخانه‌های دانشگاهی استفاده کنند.

بااین‌حال، رایگان‌بودن دسترسی به یک کتاب لزوماً به معنای قانونی‌بودن دانلود آن نیست؛ ازاین‌رو، بهتر است وضعیت حق نشر و مجوز دسترسی هر اثر بررسی شود و در اولویت، نسخه‌های قانونی و دسترسی آزاد قرار گیرند.

همچنین پیش از استناد به کتاب یا مقاله، باید مشخصات کتاب‌شناختی، اعتبار نویسنده و ناشر، سال انتشار و اصالت نسخه بررسی شود تا کیفیت علمی پژوهش حفظ شود.

در مجموع، WeLib می‌تواند نقطه شروعی برای کشف کتاب‌ها و مقالات و گسترش دامنه منابع مطالعاتی باشد؛ بااین‌حال، استفاده مؤثر از آن مستلزم جست‌وجوی هدفمند، ارزیابی اعتبار منابع و رعایت حقوق مؤلفان است.

🌐 نشانی دسترسی: https://welib.st/

🌍 #آکادمی_جغرافیا
‏
@GeotodayLibrary

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

استاد فاند دار برای پوزیشن های دکترا و پست داک در رشته های علوم جوی و اقلیمی ، فیزیک، زمین‌شناسی/علوم زمین، محیط ‌زیست، آمار، آلمان
 
 
I’m excited to share several open positions in my research group on #HighEnd #ClimateRisks (https://lnkd.in/dYVTBGUC) at the Max Planck Institute of Geoanthropology (https://www.gea.mpg.de).


Postdoc on Usable Extreme Weather Projections at Impact Relevant Scales:
https://lnkd.in/dqBwcpwu

Postdoc on Drivers and Statistics of accelerating Extreme weather trends: https://lnkd.in/d6tMXP9n

PhD Economic Impacts from Complex Climate Risks:
https://lnkd.in/drnDW-2i

PhD on Global Food Security: https://lnkd.in/dt5eehvb

Scientific Programmer:
https://lnkd.in/dbb8hSyz
 
 
🌍 #آکادمی_جغرافیا
‏@GeotodayLibrary

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

ای استخدام
دروس عمومی

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

▫️موتور جستجوی علمی Matilda

موتور جستجوی علمی Google Scholar بعد از دو دهه فعالیت، همچنان پر استفاده است. اما این دلیل نمی‌شود که آن را بهترین موتور جستجوی علمی بدانیم. در چند سال اخیر رقبای خیلی قدرتمندی پا به عرصه جستجو گذاشته‌اند که امکانات بسیار زیادی نسبت به گوگل اسکالر دارند.

ماتیلدا

ماتیلدا جدیدترین موتور جستجوی علمی است که در یک سال اخیر، پیشرفت‌های زیادی کرده است. در حال حاضر بیش از 140 میلیون رکورد دارد. ماتیلدا خودش را ترکیبی از گوگل اسکالر و اسکوپوس و وب آو ساینس می‌داند.

فقط جستجوی ساده دارد. اما از عملگرهای بولی AND، OR و NOT پشتیبانی می‌کند و نیز امکان جستجوی عبارتی هم وجود دارد (اصطلاحات را داخل "" قرار دهید).

امکان محدود کردن نتایج به نوع مدرک، تاریخ، نویسنده و ... وجود دارد.

علاوه بر رفرنس‌های مدارک، Citation های آن‌ها را هم در اختیار کاربران قرار می‌دهد.

🔗 آدرس ماتیلدا (البته به دور از چشم فردیش نیچه):

https://matilda.science/

#search
#search_engines
Reference: irevidence
🆔 @GeotodayLibrary

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

🌍 جهان در مسیر عبور از آستانه‌های اقلیمی؛ دانشمندان از ضرورت سازگاری فوری خبر می‌دهند

🔹 این پژوهش علاوه بر بررسی میزان گرمایش مناطق مختلف جهان، زمان احتمالی رسیدن به آستانه‌های ۱.۵ و ۲ درجه سانتی‌گراد را نیز برآورد کرده است.

نتایج این مطالعه نشان می‌دهد بر اساس سناریوی انتشار بالای گازهای گلخانه‌ای، آستانه ۱.۵ درجه احتمالاً در سال ۲۰۲۹ و آستانه ۲ درجه در سال ۲۰۴۲ محقق خواهد شد.

🌡 تا رسیدن به آستانه‌های مهم اقلیمی چقدر زمان داریم؟
بر اساس برآوردهای پژوهشگران، میانگین دمای جهانی در سال ۲۰۲۵ حدود ۱.۴ درجه سانتی‌گراد بالاتر از دوره پیشاصنعتی (۱۸۵۰ تا ۱۹۰۰) بوده است.

این مطالعه با استفاده از سناریوی SSP5-8.5، که یکی از سناریوهای انتشار بالای گازهای گلخانه‌ای محسوب می‌شود، زمان رسیدن به آستانه‌های توافق پاریس را چنین برآورد کرده است:
▪️ سال ۲۰۲۹: رسیدن به افزایش ۱.۵ درجه سانتی‌گراد
▪️ سال ۲۰۴۲: رسیدن به افزایش ۲ درجه سانتی‌گراد
این تاریخ‌ها پیش‌بینی قطعی نیستند و به سناریوی انتشار گازهای گلخانه‌ای وابسته‌اند.

پژوهشگران همچنین نشان داده‌اند که در فاصله کوتاه باقی‌مانده تا رسیدن به آستانه ۱.۵ درجه، الگوی گرمایش مناطق مختلف تقریباً متناسب با افزایش دمای متوسط جهانی تغییر خواهد کرد.

اما در افق بلندمدت‌تر و با نزدیک‌شدن به آستانه ۲ درجه، فرایندهای پیچیده‌تری مانند ذوب یخ‌های دریای قطب شمال و کاهش بازتاب نور خورشید توسط برف و یخ، می‌توانند نقش بیشتری در افزایش دمای منطقه‌ای داشته باشند.

🔸 چرا مناطق قطبی بیشتر از سایر نقاط گرم می‌شوند؟
یکی از پدیده‌های شناخته‌شده در مطالعات اقلیمی، تشدید گرمایش در عرض‌های جغرافیایی بالا است.

در مناطق قطبی، کاهش پوشش برف و یخ باعث می‌شود سطح زمین و آب‌های آزاد انرژی خورشیدی بیشتری جذب کنند.

این موضوع می‌تواند روند گرمایش را تشدید کند و به افزایش بیشتر دما در این مناطق منجر شود.

بر اساس نتایج این پژوهش، مناطق شمالی و قطبی بیشترین میزان گرمایش را تجربه کرده‌اند و در برخی مناطق، افزایش دما از ۲.۵ درجه سانتی‌گراد نیز فراتر رفته است.

این وضعیت نشان می‌دهد آثار تغییرات اقلیمی در مناطق مختلف جهان یکسان نیست و برنامه‌ریزی برای مقابله با آن باید متناسب با شرایط جغرافیایی و اقلیمی هر منطقه انجام شود.

🌐 اهمیت این تحقیق برای مناطق کم‌برخوردار از داده‌های اقلیمی
یکی از بخش‌های مهم پژوهش، امکان ارزیابی میزان گرمایش در مناطقی است که اطلاعات تاریخی محدودی دارند.

پژوهشگران با ترکیب داده‌های مشاهده‌ای و مدل‌های اقلیمی توانسته‌اند برآوردهایی قابل اعتماد برای مناطقی از آفریقا و سایر نقاط جهان ارائه کنند که پیش‌تر به دلیل کمبود اطلاعات، ارزیابی دقیق آن‌ها دشوار بود.

این دستاورد می‌تواند به کشورهای در حال توسعه کمک کند تا در برنامه‌ریزی‌های مربوط به سازگاری با تغییرات اقلیمی، از اطلاعات علمی دقیق‌تری استفاده کنند.

🔸 پیامدهای پژوهش برای سیاست‌گذاری اقلیمی چیست؟
پژوهشگران تأکید می‌کنند که نتایج این مطالعه می‌تواند مبنای علمی مهمی برای تدوین برنامه‌های سازگاری با تغییرات اقلیمی در مناطق مختلف جهان باشد.

این برنامه‌ها باید متناسب با میزان گرمایش، شرایط طبیعی، میزان آسیب‌پذیری و ظرفیت هر منطقه طراحی شوند.

از جمله حوزه‌هایی که نیازمند توجه جدی هستند می‌توان به موارد زیر اشاره کرد:
▪️ مدیریت منابع آب و مقابله با خشکسالی
▪️ حفاظت از اکوسیستم‌ها و تنوع زیستی
▪️ مدیریت مخاطرات ناشی از گرمای شدید
▪️ حفاظت از زیرساخت‌ها در برابر پیامدهای تغییرات اقلیمی
▪️ برنامه‌ریزی شهری متناسب با شرایط اقلیمی آینده
▪️ تقویت نظام‌های پایش و ارزیابی تغییرات آب‌وهوایی
البته پژوهشگران به برخی محدودیت‌ها نیز اشاره کرده‌اند. از جمله اینکه تعداد مدل‌های اقلیمی مورد استفاده محدود است و ممکن است تمام دامنه تغییرات احتمالی سامانه اقلیم زمین را پوشش ندهد.

🌱 جمع‌بندی؛ ضرورت تصمیم‌گیری امروز برای آینده زمین
نتایج این پژوهش نشان می‌دهد گرمایش ناشی از فعالیت‌های انسانی در تمام مناطق مورد بررسی قابل شناسایی است و بخش بزرگی از گرمایش منطقه‌ای متناظر با آستانه ۱.۵ درجه توافق پاریس تا سال ۲۰۲۵ اتفاق افتاده است.

پیام اصلی تحقیق روشن است: مقابله با تغییرات اقلیمی تنها به کاهش انتشار گازهای گلخانه‌ای محدود نمی‌شود؛ بلکه کشورها و مناطق مختلف جهان باید هم‌زمان برای سازگاری با پیامدهای گرمایش زمین آماده شوند.

📰 منبع

✍️ عنوان پژوهش:
All IPCC AR6 regions are close to their 1.5 °C- and 2 °C-equivalent warming limits
📅 تاریخ انتشار: ۹ نوامبر ۲۰۲۶
🔗 لینک مقاله و متن کامل


🌍 #آکادمی_جغرافیا
‏
@GeotodayLibrary

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

🌍 هشدار تازه دانشمندان؛ مناطق جهان به آستانه‌های گرمایشی توافق پاریس نزدیک شده‌اند

🔹 پژوهشی تازه در نشریه معتبر Nature Climate Change نشان می‌دهد تا سال ۲۰۲۵، مناطق مختلف جهان به بخش عمده‌ای از سطح گرمایش منطقه‌ای متناظر با افزایش ۱.۵ و ۲ درجه سانتی‌گراد دمای متوسط جهانی رسیده‌اند. یافته‌ها حاکی از آن است که حتی مناطقی با داده‌های اقلیمی محدود نیز با روش‌های آماری پیشرفته قابل ارزیابی هستند.

بر اساس این پژوهش، حدود ۹۰ تا ۹۴ درصد از گرمایش منطقه‌ای مورد انتظار در شرایط افزایش ۱.۵ درجه‌ای دمای متوسط جهانی و حدود ۶۵ تا ۷۶ درصد از گرمایش متناظر با افزایش ۲ درجه‌ای، تا سال ۲۰۲۵ محقق شده است.

این نتایج بار دیگر ضرورت کاهش انتشار گازهای گلخانه‌ای و آماده‌سازی مناطق مختلف جهان برای سازگاری با تغییرات اقلیمی را برجسته می‌کند.

این مطالعه با عنوان «تمام مناطق ارزیابی‌شده IPCC به آستانه‌های گرمایش معادل ۱.۵ و ۲ درجه سانتی‌گراد نزدیک شده‌اند» در تاریخ ۹ نوامبر ۲۰۲۶ در نشریه علمی Nature Climate Change منتشر شده است.

پژوهشگران در این مطالعه تلاش کرده‌اند میزان گرمایش ناشی از عوامل خارجی، به‌ویژه فعالیت‌های انسانی، را از دوره پیشاصنعتی تاکنون در مناطق مختلف جهان محاسبه کنند.

یکی از مشکلات اصلی در مطالعات اقلیمی، کمبود اطلاعات تاریخی در برخی مناطق جهان است. در حالی که تعدادی از مناطق دارای سوابق اندازه‌گیری بیش از ۱۳۰ سال هستند، بخش‌هایی از آفریقا، آمریکای جنوبی و مناطق قطبی با کمبود یا فقدان داده‌های اولیه مواجه‌اند.

این مسئله باعث شده بود ارزیابی میزان گرمایش ناشی از فعالیت‌های انسانی در برخی مناطق با عدم قطعیت بیشتری همراه باشد.

پژوهش جدید تلاش کرده است این محدودیت را با استفاده از یک چارچوب آماری بیزی و ترکیب شبیه‌سازی‌های چندین مدل اقلیمی با مشاهدات موجود برطرف کند.

در این روش، اطلاعات مدل‌های اقلیمی با داده‌های واقعی مشاهده‌شده ترکیب می‌شوند تا برآورد دقیق‌تری از میزان گرمایش ناشی از عوامل مختلف به دست آید؛ حتی در مناطقی که اطلاعات تاریخی محدودی دارند.

پژوهشگران با بررسی ۴۶ منطقه خشکی که در گزارش ششم هیئت بین‌دولتی تغییر اقلیم (IPCC) تعریف شده‌اند، دریافتند که تمام این مناطق از زمان پیشاصنعتی تاکنون تحت تأثیر گرمایش قابل‌توجهی قرار گرفته‌اند.

بیشترین میزان گرمایش منتسب به عوامل خارجی در مناطق شمالی و قطبی مشاهده شده است.

بر اساس نتایج مطالعه:
▪️ قطب شمال روسیه: حدود ۳.۳ درجه سانتی‌گراد افزایش دما
▪️ شمال‌شرق آمریکای شمالی: حدود ۲.۶ درجه سانتی‌گراد افزایش دما
▪️ شمال‌غرب آمریکای شمالی: حدود ۲.۴ درجه سانتی‌گراد افزایش دما
در مقابل، کمترین میزان گرمایش، حدود ۱ درجه سانتی‌گراد، در برخی مناطق اقیانوسی از جمله جنوب‌غرب آمریکای جنوبی، جنوب آمریکای جنوبی، جنوب‌شرق آسیا و نیوزیلند مشاهده شده است.

مناطق گرمسیری #خشکی، از جمله بخش بزرگی از آفریقا، نیز حدود ۱.۱ تا ۱.۸ درجه سانتی‌گراد گرم‌تر شده‌اند.

این تفاوت‌ها نشان می‌دهد گرمایش زمین در تمام مناطق به یک اندازه اتفاق نمی‌افتد و مناطق دارای عرض جغرافیایی بالاتر، به‌ویژه نواحی قطبی، با افزایش دمای بیشتری روبه‌رو هستند.

یکی از مهم‌ترین بخش‌های پژوهش، مقایسه گرمایش واقعی مناطق مختلف با میزان گرمایشی است که انتظار می‌رود در زمان رسیدن دمای متوسط جهانی به آستانه‌های توافق پاریس تجربه کنند.

برآوردهای پژوهش نشان می‌دهد:
🔸 برای آستانه ۱.۵ درجه سانتی‌گراد، حدود ۹۰ تا ۹۴ درصد از گرمایش منطقه‌ای مورد انتظار تا سال ۲۰۲۵ محقق شده است.

🔸 برای آستانه ۲ درجه سانتی‌گراد، این میزان به حدود ۶۵ تا ۷۶ درصد رسیده است.

به عبارت دیگر، اگرچه افزایش دمای متوسط جهانی هنوز به‌طور پایدار به آستانه‌های یادشده نرسیده است، بسیاری از مناطق جهان بخش عمده‌ای از #گرمایش منطقه‌ای متناظر با این آستانه‌ها را تجربه کرده‌اند.

#پژوهشگران تأکید می‌کنند که دامنه عدم قطعیت آماری برای تمام مناطق در مقایسه با آستانه ۱.۵ درجه، مقدار ۱۰۰ درصد را نیز دربرمی‌گیرد. بنابراین میزان گرمایش فعلی مناطق از نظر #آماری با گرمایشی که در شرایط افزایش ۱.۵ درجه‌ای دمای متوسط جهانی انتظار می‌رود، قابل تمایز نیست.

📌 ادامه گزارش در قسمت دوم...

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

ارتفاع متوسط مرتفع‌ترین کشورهای جهان:

۱. بوتان (۳۲۸۰ متر)
۲. نپال (۳۲۶۵ متر)
۳. تاجیکستان (۳۱۸۶ متر)
۴. قرقیزستان (۲۹۸۸ متر)
۵. لسوتو (۲۱۶۱ متر)
۶. آندورا (۱۹۹۶ متر)
۷. افغانستان (۱۸۸۵ متر)
۸. شیلی (۱۸۷۱ متر)
۹. چین (۱۸۴۰ متر)
۱۰. ارمنستان (۱۷۹۲ متر)
۱۱. روآندا (۱۵۹۸ متر)
۱۲. پرو (۱۵۵۵ متر)
۱۳. مغولستان (۱۵۲۸ متر)
۱۴. گرجستان (۱۴۳۲ متر)
۱۵. سوئیس (۱۳۵۰ متر)
۱۶. اتیوپی (۱۳۳۰ متر)
۱۷. ایران (۱۳۰۵ متر)
۱۸. لبنان (۱۲۵۰ متر)
۱۹. بولیوی (۱۱۹۲ متر)
۲۰. تایوان (۱۱۵۰ متر)

🌍 #آکادمی_جغرافیا
‏
@GeotodayLibrary

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

سلام و وقت بخیر 🌷

برای تکمیل پژوهش رساله دکتری خودم، به مشارکت شما عزیزان نیاز دارم. 🙏

لطفاً اگر ساکن تهران هستید
، چند دقیقه از وقت ارزشمندتان را به تکمیل پرسشنامه اختصاص دهید.

🎁 به پاس قدردانی از مشارکت شما، به قید قرعه به ۳ نفر از شرکت‌کنندگان جوایز نفیس اهدا خواهد شد.

🔗 لینک پرسشنامه:
https://survey.porsline.ir/s/Zta0QKlI

پیشاپیش از همکاری ارزشمندتان صمیمانه سپاسگزارم 🌸🙏

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

قاهره و قاهره جدید، مصر: تصاویر ماهواره‌ای نشان می‌دهد که این شهر از نیل به سمت شرق و به سمت بیابان گسترش یافته است.

🌍 #آکادمی_جغرافیا
‏
@GeotodayLibrary

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

🤖 هوش مصنوعی در شهرداری‌ها چه می‌کند؟
تجربه شهرهای پیشرو در مدیریت هوشمند | قسمت دوم

🔹 در قسمت نخست با نقش هوش مصنوعی در مدیریت شهری و تجربه سنگاپور در ایجاد زیرساخت‌های هوشمند آشنا شدیم. در این قسمت، کاربردهای عملی این فناوری در شهرهای سنگاپور، سن‌خوزه و آمستردام را بررسی می‌کنیم.

🔹 در این زیرساخت، هوش مصنوعی و یادگیری ماشین برای بهبود مدیریت انرژی و منابع به کار گرفته می‌شوند. سامانه با تحلیل داده‌های تاریخی و لحظه‌ای، الگوهای مصرف را شناسایی می‌کند و پیشنهادهایی برای تنظیم بهتر تجهیزات ارائه می‌دهد. هدف کاهش مصرف انرژی و افزایش بهره‌وری منابع در طول زمان است.

🔹 این فرایند شامل چند مرحله است: گردآوری داده از سنسورها، پاک‌سازی و استانداردسازی داده‌ها، استخراج ویژگی‌های مرتبط، آموزش مدل بر اساس داده‌های تاریخی و سپس پیش‌بینی یا پیشنهاد تنظیمات. در این ساختار مدل‌های یادگیری ماشین می‌توانند الگوهایی را شناسایی کنند که برای ناظر انسانی دشوار یا زمان‌بر است. برای مثال، اگر داده‌های مصرف انرژی نشان دهند که یک تجهیز در ساعت‌های خاصی عملکرد بهینه ندارد، سامانه می‌تواند زمان‌بندی روشن‌وخاموش‌شدن آن را اصلاح کند.

🔹 سامانه «تشخیص هوشمند همراه» یکی دیگر از کاربردهای عملی هوش مصنوعی در مدیریت شهری است که توسط سازمان بازآفرینی شهری سنگاپور توسعه یافته است. این سامانه روی خودروهای گشت نصب می‌شود و با استفاده از بینایی ماشین بر پایه یادگیری عمیق، رفتارهای ناایمن را حین حرکت خودرو و توقف شناسایی می‌کند.

🔹 این سامانه از مدل‌های بینایی کامپیوتری استفاده می‌کند که روی تصاویر ویدئویی آموزش دیده‌اند. وظیفه مدل تشخیص موقعیت خودروها، تحلیل موقعیت آن‌ها نسبت به خطوط و علائم و شناسایی مواردی است که با قوانین رانندگی ایمن هم‌خوانی ندارند. خروجی مدل، فهرستی از موارد مشکوک است که برای بررسی یا اقدام بیشتر به مأموران ارجاع داده می‌شود.

🔹 این رویکرد پوشش نظارتی را گسترش می‌دهد و به بهبود ایمنی خیابان‌ها و پارکینگ‌ها کمک می‌کند. به‌جای آنکه مأموران فقط به نقاط مشخص بروند، سامانه می‌تواند در طول مسیر موارد مشکوک را ثبت کند. براساس معرفی رسمی، دقت این سامانه در آزمایش‌ها به بیش از ۹۵ درصد رسیده است که توانایی مدل در تشخیص موارد ناایمن را نشان می‌دهد.

🔹 شهرداری سنگاپور طرح آزمایشی ابزار «دستیار کنترل توسعه» را راه‌اندازی کرده است؛ یک چت‌بات بر پایه مدل‌های زبانی بزرگ که به توسعه‌دهندگان، معماران و شهروندان کمک می‌کند تا در میان دستورالعمل‌های پیچیده کنترل توسعه وب‌سایت شهرداری، اطلاعات موردنیاز را پیدا کنند. این ابزار پس از آزمایش داخلی قرار است در اختیار صنعت قرار گیرد.

🔹 چنین ابزاری بر پایه مدل زبانی بزرگ ساخته شده که با داده‌های رسمی و متنی سازمان آموزش دیده است. کاربر می‌تواند پرسش خود را با زبان طبیعی مطرح کند و سامانه، پاسخ مرتبط را از میان اسناد و دستورالعمل‌ها استخراج کند. هدف این طرح کاهش زمان جست‌وجو و افزایش دسترسی به اطلاعات رسمی است. این ابزار نشان می‌دهد که هوش مصنوعی در سنگاپور فقط در حوزه‌های عملیاتی همچون انرژی یا ایمنی نیست، بلکه در خدمات اطلاعاتی و پاسخگویی نیز به کار گرفته می‌شود.

🌐 سن‌خوزه؛ خودروهای شهری در نقش بازرس خیابان
شهرداری سن‌خوزه در ۲۰۲۳ طرح آزمایشی «شرایط ایمنی راه» را اجرا کرد که خودروهای خدماتی حین انجام وظایف روزمره، وضعیت خیابان‌ها را نیز پایش می‌کردند. دوربین‌هایی که روی این خودروها نصب شده بودند، تصاویر مسیر را به سامانه‌ای بر پایه بینایی ماشین ارسال می‌کردند تا نشانه‌های چاله، زباله رهاشده و موانع احتمالی روی مسیر شناسایی شوند.

🔹 ایده اصلی این طرح استفاده از ظرفیت موجود بود؛ خودروهایی که پیش‌تر برای انجام وظایف شهری در خیابان‌ها حرکت می‌کردند، این‌بار به منبعی برای گردآوری داده تبدیل شدند. شهرداری می‌توانست تصویری تازه‌تر از وضعیت معابر به دست آورد و مشکلات را پیش از آنکه به شکایت شهروندان یا خرابی جدی تبدیل شوند، در فهرست کار قرار دهد.

🔹 گزارش‌های منتشرشده نشان دادند که این پروژه از یک آزمایش اولیه به ارزیابی دقیق‌تر عملکرد رسیده است. در گزارش مرحله نخست، دقت تشخیص چاله‌ها ۹۷ درصد و دقت شناسایی زباله‌های مزاحم ۸۸ درصد اعلام شد. مرحله دوم با حمایت مالی ۲۶۰ هزار دلاری بنیاد تحرک تویوتا اجرا شد و تمرکز بیشتری بر موانع خیابان، مسیر دوچرخه و پیاده‌رو داشت.

🔹 گزارش نهایی ژوئن ۲۰۲۶ نشان داد که آموزش مدل با داده‌های محلی و اصلاح تدریجی آن، عملکرد سامانه را در شرایط واقعی بهبود داده است. در این مرحله دقت پایه تشخیص چاله ۸۹ درصد و تشخیص پوشش گیاهی مزاحم ۸۸ درصد ثبت شد.

#ادامه_دارد...

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

✅فوران شدید آتشفشان ساکوراجیما در ژاپن؛ ستون خاکستر تا ارتفاع حدود یک هزار متر بالاتر از دهانه آتشفشان به هوا برخاست

🌍 #آکادمی_جغرافیا
‏
@GeotodayLibrary

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

کتاب نگاه حرفه ای به ازمون کارشناس رسمی دادگستری جلد اول - عمران

🌍 #آکادمی_جغرافیا
‏
@GeotodayLibrary

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

🔴نسل جدید ChatGPT معرفی شد | GPT 6.2

📰بعد از مدت ها ، بالاخره ChatGPT یه آپدیت جدید منتشر کرده و کلی قابلیت جذاب و خفن بهش اضافه شده که تو این پست بعضیاش رو باهم مرور میکنیم.

1️⃣ساخت سایت و بازی

• یکی از جذاب ترین ادعاهای این معرفی پیشرفت مدل توی ساخت پروژه های واقعیه؛ از طراحی اسلاید های حرفه‌ای گرفته تا ساخت وب‌سایت و بازی ... مدل های Astra و Sol این کارو به خوبی انجام میدن!

‌
2️⃣عملکرد این دو مدل

• مدل Astra توی دوتا از ساخت ترین آزمون های هوش مصنوعی تونسته عملکردی بهتر از مدل Opus 5.2 کلاود داشته باشه و به علاوه اینکه توکن خیلی کمتری هم مصرف میکنه!

‌‌
3️⃣خروجی های به شدت حرفه‌ای تر

• طبق خروجی های منتشر شده این مدل ها میتونن خروجی های به شدت حرفه‌ای تر تحویل کاربر بدن ؛ مثلا شما عکس یه باغچه بهش میدی تا با گل و گیاه تزئینش کنه ، نه تنها این کارو با جزئیات زیاد میکنه بلکه میتونه صفر تا صد کار رو برات طراحی کنه!

‌
🌍 #آکادمی_جغرافیا
‏
@GeotodayLibrary

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

🔺ویدیویی تماشایی از روستایِ برفیِ لاتون، آستارا_ گیلان


🌍 #آکادمی_جغرافیا
‏@GeotodayLibrary

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

💧 ۴ شهر جهان که باران را به منبع آب تبدیل کرده‌اند

شهرهای #سنگاپور، #توکیو، #چنای و #ملبورن با توسعه زیرساخت‌های ذخیره‌سازی، جمع‌آوری و تصفیه، از بارندگی برای تأمین بخشی از نیازهای آبی خود استفاده می‌کنند و فشار بر منابع طبیعی را کاهش می‌دهند.

در شرایطی که #تغییرات_اقلیمی، خشکسالی‌های طولانی و افزایش جمعیت، منابع آب شهری را تحت فشار قرار داده‌اند، برخی شهرهای جهان به‌جای وابستگی کامل به رودخانه‌ها، سدها و منابع زیرزمینی، #آب_باران را نیز به چرخه تأمین آب خود وارد کرده‌اند. در این شهرها، بارندگی فقط یک پدیده طبیعی یا عاملی برای آب‌گرفتگی خیابان‌ها نیست، بلکه منبعی ارزشمند است که با استفاده از مخازن ذخیره‌سازی، شبکه‌های جمع‌آوری، سطوح نفوذپذیر و سامانه‌های تصفیه می‌توان از آن برای مصارف مختلف بهره برد.

روش استفاده از آب باران در این شهرها متفاوت است؛ برخی آن را پس از تصفیه برای تأمین آب آشامیدنی به کار می‌گیرند، برخی برای آبیاری فضای سبز و مصارف غیرآشامیدنی استفاده می‌کنند و گروهی نیز با هدایت آب به سفره‌های زیرزمینی، به تقویت منابع آب محلی کمک می‌کنند.

🔹️ سنگاپور؛ تبدیل دوسوم مساحت کشور به حوضه جمع‌آوری آب باران
سنگاپور با محدودیت منابع طبیعی آب روبه‌روست و برای تأمین پایدار آب، سامانه‌ای گسترده برای جمع‌آوری بارندگی ایجاد کرده است. در این کشور، حدود دوسوم سطح زمین به حوضه آبریز تبدیل شده و باران از طریق شبکه‌ای شامل بیش از ۸۰۰۰ کیلومتر کانال، رودخانه و آبراه به ۱۷ مخزن هدایت می‌شود. سپس آب ذخیره‌شده تصفیه می‌شود تا بخشی از نیاز آبی کشور را تأمین کند.

یکی از پروژه‌های مهم این کشور، سد مارینا است که با ایجاد مخزن آب شیرین در قلب شهر، سه کارکرد اصلی ذخیره آب، کنترل سیلاب و فراهم‌کردن فضای تفریحی را بر عهده دارد. حوضه آبریز مارینا حدود ۱۰ هزار هکتار وسعت دارد و یکی از بزرگ‌ترین حوضه‌های شهری سنگاپور محسوب می‌شود.

البته آب باران تنها منبع تأمین آب این کشور نیست و سنگاپور در کنار آن از آب وارداتی، آب بازیافتی پیشرفته موسوم به #نیوواتر و آب شیرین‌شده دریا نیز استفاده می‌کند.

🔹️ توکیو؛ ذخیره باران در ساختمان‌ها و محله‌ها
منطقه سومیدا در #توکیو از نمونه‌های شناخته‌شده استفاده محلی از آب باران است. در این منطقه، ساختمان‌های عمومی، تجاری و مسکونی به مخازن جمع‌آوری باران مجهز شده‌اند تا آب پشت‌بام‌ها ذخیره و برای شست‌وشو، آبیاری درختان و فلاش‌تانک استفاده شود.

برای مثال، ورزشگاه سومو ریوگوکو کوکوگیکان، آب باران جمع‌آوری‌شده از سقفی به مساحت حدود ۸۴۰۰ مترمربع را در مخزنی زیرزمینی با ظرفیت ۱۰۰۰ مترمکعب ذخیره می‌کند.

بر اساس آمار رسمی منطقه سومیدا که در اوت ۲۰۲۶ به‌روزرسانی شده است، در مجموع ۸۵۴ تأسیسات جمع‌آوری آب باران در این منطقه ثبت شده‌اند که ظرفیت ذخیره‌سازی آن‌ها حدود ۲۷ هزار و ۸۴۳ مترمکعب است و سطح آبگیر این تأسیسات به بیش از ۲۵۹ هزار مترمربع می‌رسد.

بخشی از این سامانه‌ها در مقیاس محله‌ای فعالیت می‌کنند و در شرایط اضطراری برای تأمین آب موردنیاز آتش‌نشانی و مصارف ضروری نیز کاربرد دارند.

🔹️ چنای؛ جمع‌آوری باران برای تقویت منابع آب زیرزمینی
#چنای در جنوب هند، به دلیل بارندگی‌های فصلی و دوره‌های طولانی کم‌آبی، از جمله شهرهایی است که #جمع‌آوری_آب_باران را به یکی از محورهای مدیریت منابع آب تبدیل کرده است.

در این شهر، نصب سامانه‌های جمع‌آوری آب باران در ساختمان‌ها از سال ۲۰۰۱ با جدیت دنبال شد و مقررات ایالتی نیز ساختمان‌ها را به ایجاد زیرساخت‌های لازم برای ذخیره یا نفوذ آب باران ملزم کرد.

در این روش، آب پشت‌بام‌ها از طریق لوله‌ها به مخازن یا چاه‌های تغذیه هدایت می‌شود تا به‌جای جاری‌شدن در خیابان‌ها، به منابع #آب_زیرزمینی بازگردد.

برنامه‌های جدید مدیریت آب شهری چنای نیز بر احیای دریاچه‌ها و تالاب‌ها، توسعه #پارک_اسفنجی و افزایش ظرفیت ذخیره بارندگی تأکید دارند. در بودجه اقلیمی شهرداری برای سال مالی ۲۰۲۵ تا ۲۰۲۶، احیای ۴۴ حوضچه با ظرفیت مجموع حدود ۱.۵ میلیون مترمکعب و نصب سامانه‌های جمع‌آوری آب باران در پارک‌های عمومی پیش‌بینی شده است.

🔹️ ملبورن؛ استفاده دوباره از روان‌آب برای آبیاری شهر
#ملبورن برای کاهش وابستگی فضای سبز شهری به آب آشامیدنی، از سامانه‌های برداشت و استفاده دوباره از #روان‌آب بهره می‌گیرد. این روش علاوه بر کاهش مصرف آب شرب، از ورود روان‌آب آلوده به رودخانه‌ها و آبراه‌های طبیعی جلوگیری می‌کند.

بر اساس اطلاعات شهرداری ملبورن، این شهر با بهره‌گیری از شش سامانه برداشت روان‌آب، حدود ۲۳ درصد از مصرف آب خود را تأمین می‌کند. آب جمع‌آوری‌شده پس از تصفیه برای مصارف مشخص غیرآشامیدنی استفاده می‌شود و جایگزین مستقیم آب شرب نیست.

🌍 #آکادمی_جغرافیا
‏
@GeotodayLibrary

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

🍃🌸 هایپرلپس از یک صعود بخار آب از سطح زمین به بالاترین طبقات جو...

👇👇👇

🌧 ابتدا به شکل یک صعود انفجاری و در مراحل بلوغ به ابر سندانی تبدیل میشود. این نوع ابر بارندگی های بسیار سنگینی را از خود نازل میکند....


سازمان مدیریت بحران کشور....

🪷🪷🪷🪷🪷🪷

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

هوش مصنوعی و آینده تولید دانش؛ آیا علم بدون اندیشیدن انسان پیشرفت می‌کند؟

هوش مصنوعی در سال‌های اخیر به یکی از مهم‌ترین ابزارهای پژوهش علمی تبدیل شده است. این فناوری می‌تواند مسائل پیچیده را حل کند، مقالات علمی بنویسد، داده‌ها را تحلیل کند و حتی در اثبات قضایای ریاضی مشارکت داشته باشد. اما این پیشرفت پرسشی اساسی ایجاد کرده است: اگر ماشین بتواند بخش بزرگی از دانش را تولید کند، جایگاه اندیشه و خلاقیت انسان چه خواهد شد؟

🔹 مکس واینرایش (Max Weinreich) در مقاله‌ای با عنوان «بحران ریاضیات تولیدشده با هوش مصنوعی» که در اوت ۲۰۲۶ در پایگاه علمی arXiv منتشر شده، نسبت به پیامدهای گسترش هوش مصنوعی در پژوهش‌های ریاضی هشدار داده است. او معتقد است ارزش علم صرفاً در تولید نتایج جدید نیست، بلکه فرایند اندیشیدن، تلاش برای حل مسئله و رسیدن به فهم عمیق نیز بخش مهمی از فعالیت علمی است.

🔹 به باور نویسنده، اگر پژوهشگران حل مسائل را به هوش مصنوعی واگذار کنند، ممکن است تولیدات علمی افزایش یابد، اما توانایی انسان در فهم و آفرینش دانش تضعیف شود. برای مثال، اثبات یک قضیه توسط هوش مصنوعی لزوماً به معنای آن نیست که پژوهشگر دریافت‌کننده آن، استدلال و مفاهیم پشت این اثبات را فهمیده است.

🔹 نگرانی دیگر نویسنده، افزایش بی‌رویه مقالات علمی است. هوش مصنوعی می‌تواند در زمانی کوتاه حجم عظیمی از مقالات تولید کند؛ در حالی که ظرفیت جامعه علمی برای مطالعه، نقد و داوری آن‌ها محدود است. اگر داوری مقالات نیز به سامانه‌های هوشمند سپرده شود، ممکن است چرخه‌ای شکل گیرد که در آن ماشین مقاله می‌نویسد، ماشین آن را ارزیابی می‌کند و نقش انسان در تولید و سنجش دانش کاهش می‌یابد.

🔹 واینرایش همچنین نگران آینده دانشگاه‌ها و پژوهشگران است. اگر مؤسسات علمی بتوانند بخش بزرگی از تحقیقات را با هوش مصنوعی انجام دهند، ممکن است انگیزه آن‌ها برای استخدام پژوهشگران و سرمایه‌گذاری در تربیت دانشمندان کاهش یابد. از سوی دیگر، شرکت‌های بزرگ فناوری می‌توانند نفوذ بیشتری بر مسیر پژوهش‌های علمی پیدا کنند.

🔹 نویسنده برای مقابله با این وضعیت پیشنهاد می‌کند که پژوهشگران و دانشگاه‌ها از فعالیت‌های علمی مستقل از هوش مصنوعی حمایت کنند، معیارهای اعتبار علمی را تغییر دهند و به جای توجه صرف به تعداد مقالات، بر میزان فهم واقعی پژوهشگران تأکید کنند. او حتی خواستار کنار گذاشتن استفاده از هوش مصنوعی در فعالیت‌های ریاضی است.

🔹 البته همه دانشمندان با این دیدگاه موافق نیستند. برخی، از جمله ریاضی‌دان مشهور ترنس تائو، معتقدند هوش مصنوعی می‌تواند به ابزاری برای گسترش توانایی‌های انسان و تسریع کشفیات علمی تبدیل شود. از این منظر، مسئله اصلی حذف هوش مصنوعی نیست، بلکه استفاده مسئولانه از آن همراه با حفظ نظارت و استقلال فکری انسان است.

🔹 اهمیت این بحث به ریاضیات محدود نمی‌شود. در تاریخ، ادبیات، علوم انسانی و مهندسی نیز هوش مصنوعی می‌تواند انبوهی از اطلاعات و تحلیل‌ها را تولید کند، اما این تولیدات لزوماً جایگزین فهم عمیق، نقد منابع و خلاقیت پژوهشگر نخواهند شد.

🔹 پرسش اصلی برای دانشگاه‌ها و دانشجویان این است که چگونه می‌توان از امکانات گسترده هوش مصنوعی بهره برد، بی‌آنکه توانایی اندیشیدن، پرسشگری و تولید مستقل دانش تضعیف شود. آینده علم نه فقط به مقدار دانشی که ماشین تولید می‌کند، بلکه به توانایی انسان در فهم، نقد و گسترش آن دانش وابسته خواهد بود.

منبع:

Max Weinreich, “The Crisis of AI-Generated Mathematics,” arXiv, August 2026. متن مقاله

🌍 #آکادمی_جغرافیا
‏
@GeotodayLibrary

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

خیالت بابت پروژه‌ت جمعِ جمع! 😎🤝🏻🎓

✨مشاوره مقالات کنفرانسی، علمی پژوهشی و ISI
✨مشاوره پایان نامه و پروپوزال
✨مشاوره نگارش و چاپ کتاب
✨مشاوره خدمات جانبی (فرمت بندی، ویراستاری و پاورپوینت)
✨پروژه‌های سازمانی و ارتقا رزومه

📚گروه تحقیقاتی ایران سرچ ارائه دهنده خدمات جامع و کاربردی دانشجویی و دانشگاهی
"قدیمی ترین مرکز خدمات دانشجویی در شمال شهر تهران"

در هر شرایطی کنار شماییم
🫂✨
🔥 امکان پیشبرد اقساطی پروژه‌ها با
ضمانت کیفیت در خدمات و تحویل به موقع🔥

مشاوره رایگان و سریع از طریق:
💬@ir_researchgate
☎️ 021-26156643
☎️ 021-26472169
📲 09353555272
🌐 www.iranresearchgate.org

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

🎥میزان مرگ و میر آلودگی هوادر ایران

آلودگی هوا بیشتر جان کدام گروه سنی ایرانی‌ها را می‌گیرد؟

آلودگی هوا فقط سلامت سالمندان را تهدید نمی‌کند؛ اثر آن در تمام گروه‌های سنی دیده می‌شود.

بر اساس برآورد مؤسسه IHME از مرگ‌های منتسب به مواجهه با ذرات معلق PM2.5 در ایران طی سال ۲۰۲۳، بیشترین قربانیان در گروه سنی بالای ۸۵ سال قرار دارند؛ با ۱۴ هزار و ۵۲۵ مرگ.

پس از آن، افراد ۸۰ تا ۸۴ سال با ۸ هزار و ۱۵۸ مرگ در رتبه دوم هستند. این آمار نشان می‌دهد سالمندان سهم سنگینی از بار مرگ‌ومیر ناشی از آلودگی هوا را تحمل می‌کنند.

🌍 #آکادمی_جغرافیا
‏
@GeotodayLibrary

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

🌍 گرمایش زمین از کجا می‌آید؟ پژوهش جدید سهم عوامل انسانی و طبیعی را مشخص می‌کند.

🔹 فعالیت‌های انسانی تقریباً تمام گرمایش قابل انتساب به عوامل خارجی در مناطق خشکی جهان را توضیح می‌دهند. در این میان، گازهای گلخانه‌ای عامل اصلی افزایش دما هستند؛ در حالی که برخی آلاینده‌های هوا، به‌ویژه ذرات معلق و آئروسل‌ها، بخشی از این گرمایش را به‌طور موقت خنثی کرده‌اند.

🌡 پژوهشگران با تفکیک عوامل مؤثر بر تغییرات دمایی، سهم فعالیت‌های انسانی، عوامل طبیعی، گازهای گلخانه‌ای و سایر عوامل انسانی را بررسی کرده‌اند.

نتایج نشان می‌دهد افزایش دمای ناشی از فعالیت‌های انسانی تقریباً با کل گرمایش منتسب به عوامل خارجی مطابقت دارد و تقریباً تمام این گرمایش را در مناطق خشکی توضیح می‌دهد.

میزان گرمایش ناشی از فعالیت‌های انسانی از حدود ۰.۶ درجه سانتی‌گراد در مناطق استوایی تا بیش از ۳ درجه سانتی‌گراد در مناطق قطبی متغیر بوده است.

در مقابل، گرمایش ناشی از عوامل طبیعی در تقریباً تمام مناطق از نظر آماری تفاوت معناداری با صفر نداشته است. به بیان دیگر، نتایج پژوهش نقش عوامل طبیعی را در مقایسه با عوامل انسانی در توضیح روند بلندمدت گرمایش مشاهده‌شده بسیار محدودتر نشان می‌دهد.

🔸 یکی از یافته‌های قابل‌توجه این تحقیق آن است که گرمایش ناشی از گازهای گلخانه‌ای در اغلب مناطق، حدود ۴ تا ۲۶ درصد بیشتر از گرمایش منتسب به مجموع تمام عوامل خارجی بوده است.

بیشترین میزان گرمایش ناشی از گازهای گلخانه‌ای در مناطق شمالی و قطبی مشاهده شده و در برخی از این مناطق به ۴.۲ درجه سانتی‌گراد رسیده است.

اما چرا میزان گرمایش نهایی کمتر از این مقدار است؟
پاسخ در تأثیر برخی دیگر از عوامل انسانی، به‌ویژه آئروسل‌ها یا ذرات معلق موجود در جو، نهفته است.

این ذرات می‌توانند بخشی از انرژی خورشیدی را بازتاب دهند و با ایجاد اثر خنک‌کنندگی، بخشی از گرمایش ناشی از گازهای گلخانه‌ای را جبران کنند.

پژوهشگران میانگین اثر دمایی منطقه‌ای این عوامل را حدود منفی ۰.۳ درجه سانتی‌گراد برآورد کرده‌اند.

این اثر خنک‌کننده در برخی مناطق صنعتی نیمکره شمالی بیشتر بوده است:
▪️ شمال‌شرق آمریکای شمالی: حدود منفی ۰.۷ درجه سانتی‌گراد
▪️ شمال و شرق اروپا: حدود منفی ۰.۷ درجه سانتی‌گراد
▪️ جنوب آسیا: حدود منفی ۰.۷ درجه سانتی‌گراد
البته این خنک‌کنندگی به معنای مفید بودن آلودگی هوا نیست؛ زیرا آئروسل‌ها خود از عوامل مهم آلودگی و تهدید سلامت انسان هستند.

🔸 کاهش آلودگی هوا چه تأثیری بر گرمایش دارد؟
مطالعه نشان می‌دهد اثر خنک‌کنندگی آئروسل‌ها در بسیاری از مناطق طی دهه‌های ۱۹۷۰ و ۱۹۸۰ به اوج رسیده و پس از آن تثبیت شده یا کاهش یافته است.

یکی از دلایل این روند، اجرای مقررات کنترل کیفیت هوا از دهه ۱۹۸۰ در مناطق صنعتی مهمی مانند آمریکای شمالی و اروپا بوده است.

با کاهش انتشار آلاینده‌های پیش‌ساز آئروسل‌ها، اثر خنک‌کنندگی ناشی از آن‌ها نیز در این مناطق کمتر شده است.

این موضوع یک نکته مهم اقلیمی را روشن می‌کند: کاهش آلودگی هوا برای سلامت انسان و محیط‌زیست ضروری است، اما هم‌زمان با کاهش اثر خنک‌کنندگی برخی آلاینده‌ها، اهمیت کنترل انتشار گازهای گلخانه‌ای نیز بیشتر آشکار می‌شود.

🌍 آیا نتایج پژوهش در مناطق فاقد داده نیز قابل اعتماد است؟
یکی از دستاوردهای مهم این مطالعه، بررسی میزان اطمینان به نتایج در مناطقی است که داده‌های تاریخی محدودی دارند.

پژوهشگران با استفاده از ۴۵ شبیه‌سازی برگرفته از ۱۵ مدل سامانه زمین، اعتبار روش آماری خود را آزمایش کردند.

نتایج نشان داد میزان اطمینان به انتساب گرمایش در تقریباً تمام مناطق خشکی بالاست.

نکته جالب اینکه مناطق گرمسیری، از جمله بخش بزرگی از آفریقا، با وجود محدودیت داده‌های تاریخی، از بالاترین میزان اطمینان در برآورد گرمایش برخوردار بوده‌اند.

دلیل این موضوع، نوسانات طبیعی سالانه کمتر دما در این مناطق و در نتیجه قابل تشخیص‌تر بودن سیگنال گرمایش ناشی از عوامل خارجی است.
پژوهشگران همچنین دریافتند در برخی مناطق قطبی، به دلیل نوسانات طبیعی بیشتر و محدودیت داده‌ها، میزان عدم قطعیت بالاتر است؛ با این حال، نتایج همچنان از استحکام قابل‌توجهی برخوردارند.

📌 نتیجه مهم: گرمایش زمین صرفاً یک تغییر طبیعی و غیرقابل انتساب نیست؛ شواهد این پژوهش نشان می‌دهد فعالیت‌های انسانی، به‌ویژه انتشار گازهای گلخانه‌ای، عامل اصلی گرمایش مناطق مختلف جهان هستند.

📌 ادامه گزارش در قسمت سوم...

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

🌍 ۸۷ درصد جمعیت جهان در نیم‌کرۀ شمالی هستند!

در جهان تقریباً ۹ نفر از هر ۱۰ نفر در نیم‌کرۀ شمالی زمین زندگی می‌کنند. علت این امر آن است که بیشتر خشکی‌های سیاره و بسیاری از پرجمعیت‌ترین کشورها ـ از جمله چین، هند، ایالات متحده، پاکستان، نیجریه و بیشتر مناطق اروپا ـ در این نیم‌کره قرار دارند. در مقابل، نیم‌کرۀ جنوبی مراکز جمعیتی بسیار کمتری دارد و بیشتر ۱۳ درصد جمعیت آن به کشورهایی چون برزیل، بخش‌هایی از اندونزی و قسمت‌هایی از آفریقا تعلق دارد.


🌍 #آکادمی_جغرافیا
‏
@GeotodayLibrary

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

طبیعت زمستانی کلیبر

آذربایجان‌شرقی
☃️☃️☃️☃️

🌍 #آکادمی_جغرافیا
‏
@GeotodayLibrary

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

چطور Basemap ها در ArcGIS Pro را به صورت آفلاین ذخیره کنیم تا بعدا بتوانیم بدون نیاز به اینترنت از آن ها استفاده کنیم؟

🌍 #آکادمی_جغرافیا
‏
@GeotodayLibrary

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

🤖 هوش مصنوعی در شهرداری‌ها چه می‌کند؟
از خدمات شهروندی تا مدیریت هوشمند حمل‌ونقل | قسمت سوم

🔹 در قسمت دوم با تجربه سن‌خوزه در پایش هوشمند خیابان‌ها و همچنین رویکرد ها در استفاده شفاف و مسئولانه از هوش مصنوعی آشنا شدیم. در این قسمت، ادامه تجربه آمستردام و کاربردهای گسترده هوش مصنوعی در مدیریت حمل‌ونقل دبی را بررسی می‌کنیم.

🌐 آمستردام؛ هوش مصنوعی در خدمت شهرداری و شهروند
«چت آمستردام (ChatAmsterdam)» یک چت‌بات رسمی است که به شهروندان کمک می‌کند تا پاسخ سؤالات خود را درباره خدمات شهرداری دریافت کنند. این ابزار با استفاده از مدل‌های زبانی بزرگ و روش «بازیابی–تولید» کار می‌کند و پاسخ‌ها را بر اساس منابع رسمی شهرداری ارائه می‌دهد. کاربر پرسش خود را مطرح می‌کند، موتور بازیابی اسناد مرتبط را پیدا می‌کند و مدل زبانی پاسخ نهایی را بر اساس آن اسناد تولید می‌کند.

🔹 در یک نمونه عملی، واحد آرشیو شهرداری از این ابزار برای نوشتن بخشی از کد نرم‌افزاری استفاده کرد و توانست یک بایگانی شهرداری را ظرف ۲۴ ساعت در سامانه دیجیتال بارگذاری، ذخیره و منتشر کند و کارکنان خروجی را بررسی و تأیید کردند.

🔹 شهرداری آمستردام از هوش مصنوعی برای پشتیبانی از فرایندهای اداری نیز استفاده می‌کند. ابزار «GitHub» به تیم‌های فنی در توسعه و نگهداشت نرم‌افزارهای شهری کمک می‌کند. این ابزار می‌تواند کدنویسی، بررسی خطا و مستندسازی را تسریع کند.

🔹 یکی از ویژگی‌های متمایز آمستردام، تأکید بر مشارکت شهروندان در طراحی و ارزیابی سامانه‌های هوش مصنوعی است. شهرداری با همکاری مؤسسه راهکارهای پیشرفته کلان‌شهری آمستردام امکانات مشارکت شهروندان را بررسی کرده و در حال توسعه راهکارهایی برای مشارکت فعال‌تر آن‌ها در طراحی خدمات شهری است.

🔹 این رویکرد نشان می‌دهد که هوش مصنوعی در آمستردام فقط ابزار مدیریتی نیست، بلکه بخشی از فرایند دموکراتیک تصمیم‌گیری محسوب می‌شود. شهروندان نه‌فقط کاربر خدمات، بلکه ذی‌نفعان و ناظران فرایند فناورانه نیز هستند.

🌐 دبی؛ پیوند کنترل ترافیک و نگهداشت هوشمند
دبی در سال ۲۰۲۵ مجموعه‌ای از کاربردهای هوش مصنوعی را در حمل‌ونقل معرفی کرد که از کنترل چراغ تا بازرسی فنی خودرو و بررسی خطوط ریلی را دربرمی‌گرفت. زنجیره خدمات در این شهر گسترده است و فناوری فقط به هدایت خودروها محدود نشده، بلکه وارد فرایندهایی شده است که ایمنی و تداوم فعالیت شبکه حمل‌ونقل به آن‌ها وابسته است.

🔹 سازمان راه‌ها و ترابری دبی در اکتبر ۲۰۲۵ اعلام کرد شبکه هوشمند خودروهای متصل، با تحلیل لحظه‌ای داده و کنترل پیش‌بینانه، تأخیر را ۲۵ درصد کاهش داده است. این سازمان کاهش ۲۰ تا ۳۰ درصدی هزینه عملیاتی شبکه مربوط را گزارش کرد.

🔹 در حوزه بازرسی خودرو، سامانه «اتوچک ۳۶۰» از بینایی ماشین و اینترنت اشیا استفاده می‌کند. این سامانه زمان بازرسی را از ۱۷ دقیقه به هفت دقیقه می‌رساند و هدف آن استانداردترشدن بررسی‌ها و کاهش خطای انسانی است؛ کاربردی که هوش مصنوعی را از تحلیل پشت‌صحنه به بخشی ملموس از تجربه دریافت خدمت تبدیل می‌کند. کوتاه‌شدن فرایند به‌ویژه در خدمات پرتکرار می‌تواند ظرفیت پاسخگویی را تغییر دهد.

🔹 کاربرد دیگر هوش مصنوعی در مدیریت شهری دبی، بازرسی هوشمند خطوط مترو است. براساس اعلام سازمان راه و ترابری، سامانه خودکار بازرسی ریلی، زمان بررسی را ۷۰ درصد کاهش داده است. اهمیت چنین ابزاری در دسترسی سریع‌تر به اطلاعات وضعیت زیرساخت است.

🔹 دبی در فوریه ۲۰۲۵ ارتقای نسل بعدی کنترل چراغ‌ها را نیز آغاز کرد؛ طرحی که بر پایه هوش مصنوعی، تحلیل پیش‌بینانه و دوقلوی دیجیتال بود و کاهش ۱۰ تا ۲۰ درصدی ازدحام تقاطع‌ها برای آن به‌عنوان هدف اعلام شد.

📌 جمع‌بندی
تجربه سنگاپور، سن‌خوزه، آمستردام و دبی نشان می‌دهد هوش مصنوعی می‌تواند در حوزه‌های مختلف مدیریت شهری، از شناسایی خرابی معابر و مدیریت انرژی گرفته تا پاسخگویی به شهروندان و کنترل حمل‌ونقل، نقش مؤثری ایفا کند.

با این حال، موفقیت شهر هوشمند صرفاً به استفاده از فناوری وابسته نیست؛ بلکه به نحوه به‌کارگیری آن، کیفیت خدمات، شفافیت، حفظ حریم خصوصی و نظارت انسانی بستگی دارد.

🌍 #آکادمی_جغرافیا
‏
@GeotodayLibrary

Читать полностью…

آکادمی جغرافیا | Geography 🕊 Academy

🤖 هوش مصنوعی در شهرداری‌ها چه می‌کند؟
از مدیریت سنتی تا شهر هوشمند | قسمت اول


🔹 #هوش_مصنوعی از پشت صفحه رایانه‌ها به خیابان‌های شهر رسیده است. تجربه‌های تازه نشان می‌دهند این فناوری می‌تواند به مدیران #شهری برای تشخیص سریع‌تر مشکلات کمک کند؛ به شرط آنکه الگوریتم‌ها جای پاسخگویی، ارزیابی و #نظارت انسانی را نگیرند.

🔹 در الگوی متداول مدیریت شهری بسیاری از مشکلات زمانی وارد دستور کار می‌شوند که شهروندان شکایت کنند، بازرسان گزارشی بنویسند یا اختلالی جدی رخ دهد. هوش مصنوعی می‌تواند این ترتیب را تغییر دهد: داده‌های موجود را پیوسته بررسی کند، نشانه‌های اولیه مشکل را پیدا کند و پیشنهاد مداخله بدهد. تفاوت اصلی این دو رویکرد فقط سرعت بیشتر نیست، بلکه حرکت از رسیدگی پس از خرابی به شناسایی و پیشگیری پیش از گسترش آن است.

🔹این تحول به‌معنای سپردن شهرداری به یک سامانه خودکار نیست. کاربردهای عملی محدود و مشخص هستند؛ از جمله شناسایی چاله در تصویر خیابان، پیشنهاد زمان‌بندی چراغ، تشخیص رفتار غیرعادی تجهیزات یا کمک به یافتن اطلاعات در مقررات. در چنین ساختاری هوش مصنوعی نقش ابزار پشتیبان را دارد و مسئولیت تصمیم، تخصیص بودجه و پاسخگویی همچنان بر عهده مدیران و کارکنان عمومی باقی می‌ماند.

🔹 بخش مهمی از ارزش این فناوری از اتصال داده‌هایی حاصل می‌شود که پیش‌تر جدا از یکدیگر بودند. اطلاعات ترافیکی، گزارش تعمیرات، داده حسگرهای ساختمان و تصاویر خودروهای خدماتی می‌توانند تصویری دقیق‌تر از وضعیت شهر بسازند. گردآوری داده به‌تنهایی کافی نیست؛ خروجی تحلیل باید به فرایندی اجرایی همچون یک مأموریت تعمیر، اصلاح برنامه چراغ یا بررسی فنی تجهیزات وصل شود وگرنه شهر فقط داشبوردهای بیشتری خواهد داشت.

🔹گزارش‌های منتشرشده در سال‌های اخیر نشان می‌دهند تجربه‌ها و دستاوردهای شهرهای مختلف یکسان نیستند. در بعضی پروژه‌ها نتیجه عملیاتی همچون کاهش تأخیر ترافیکی اندازه‌گیری شده است؛ در بعضی دیگر موفقیت به دقت تشخیص یا امکان یکپارچه‌سازی سامانه‌ها محدود می‌شود. تشخیص درست یک چاله، فقط به‌معنای تعمیر سریع‌تر آن نیست؛ همان‌طور که پیشنهاد کاهش مصرف انرژی، بدون اندازه‌گیری مصرف واقعی، صرفه‌جویی اثبات‌شده محسوب نمی‌شود.

🔹به همین دلیل، معیار شهر هوشمند نباید تعداد دوربین‌ها، حسگرها یا قراردادهای فناورانه باشد. پرسش اصلی این است که خدمات چه تغییری کرده‌اند، چه کسانی از آن بهره برده‌اند و هزینه و خطر اجرای سامانه چه بوده است. حفاظت از حریم خصوصی، امکان اعتراض به تصمیم‌های اشتباه و حفظ مسیرهای غیردیجیتال دریافت خدمات نیز بخشی از همین ارزیابی هستند.

🌐 سنگاپور؛ هوش مصنوعی در مقیاس یک محله هوشمند
سنگاپور هوش مصنوعی را نه به‌عنوان یک ابزار مستقل، بلکه به‌عنوان بخشی از زیرساخت دیجیتال شهر به کار گرفته است. نمونه برجسته این رویکرد، «منطقه دیجیتال پونگول» است؛ محله‌ای ۵۰ هکتاری در شمال‌شرق سنگاپور که در آن ساختمان‌ها، زیرساخت‌های شهری، سنسورها و سامانه‌های حمل‌ونقل به یک بستر داده مشترک متصل شده‌اند و هدف، مدیریت هماهنگ‌تر انرژی، خدمات، ایمنی و جابه‌جایی در مقیاس محله است.

🔹در مرکز این محله پلتفرم دیجیتال باز قرار دارد؛ یک زیرساخت دیجیتال که داده‌های ساختمان‌ها، تجهیزات، سنسورها و دستگاه‌های اینترنت اشیا را جمع‌آوری و یکپارچه می‌کند. این پلتفرم امکان پایش لحظه‌ای سامانه‌هایی از جمله سرمایش هوشمند، روشنایی، تحویل رباتیک و سایر خدمات محله‌ای را فراهم می‌کند.

🔹پلتفرم دیجیتال باز همچون یک لایه میانی بین تجهیزات فیزیکی و سامانه‌های مدیریتی عمل می‌کند. داده‌های سنسورهای دما، مصرف انرژی، وضعیت تجهیزات و حرکت افراد و وسایل نقلیه در این لایه گردآوری و پردازش می‌شوند، سپس خروجی آن‌ها در قالب داشبوردها، هشدارها و پیشنهادهای عملیاتی در اختیار مدیران قرار می‌گیرد.

🔹یکی از اجزای کلیدی این زیرساخت، دوقلوی دیجیتال است. دوقلوی دیجیتال بازنمایی دیجیتال و به‌روزشونده از وضعیت فیزیکی محله است که به مدیران امکان می‌دهد وضعیت تجهیزات و سامانه‌ها را از راه دور مشاهده کنند، سناریوهای مختلف را شبیه‌سازی کنند و پیش از اجرای تغییرات، اثر احتمالی آن‌ها را بررسی کنند.

🔹این رویکرد از جمع‌آوری داده فراتر می‌رود و داده‌ها نه‌فقط برای نمایش، بلکه برای تصمیم‌گیری عملیاتی استفاده می‌شوند. برای مثال، اگر مصرف انرژی یک ساختمان از الگوی معمول خارج شود یا عملکرد تجهیزات سرمایشی افت کند، سامانه می‌تواند هشدار صادر کند یا تنظیمات بهینه را پیشنهاد دهد.

📌 ادامه دارد...

Читать полностью…
Subscribe to a channel