2-1 مقدمه. 36

2-2 نقاط کوانتومی.. 38

2-3 محاسبه شعاع نانو لوله ها 43

2-4 پیوند یونی.. 45

فصل سوم: روش انجام کار

3-1 روش های انجام کار. 52

3-2 انرژی اتصال. 59

3-3 ممان دوقطبی.. 61

3-4 محاسبات خواص بنیادی.. 62

3-4-1 بررسی مقادیر انرژی یونش… 63

3-4-2 بررسی مقادیر الکترونخواهی.. 64

3-4-3 بررسی مقادیر پتانسیل شیمیایی.. 64

3-4-4 بررسی مقادیر سختی و نرمی.. 64

3-5( شکاف بین HOMO و LUMO.. 64

منابع و مأخذ. 90

فهرست جداول

عنوان صفحه

جدول 1-1 خواص اتمی، فیزیکی و شیمیایی کبالت… 12

جدول 1-2 خواص حرارتی و الکتریکی کبالت… 13

جدول 1-3 خواص اتمی، فیزیکی و شیمیایی جیوه 16

شکل 1-4 خواص اتمی، فیزیکی و شیمیایی سرب… 20

جدول 1-5 خواص مکانیکی و حرارتی سرب… 20

جدول 1-6 خواص اتمی، فیزیکی و شیمیایی آلومینیوم. 29

جدول 3-1 انرژی ساختارها بعد از قرار گرفتن یون های کبالت(II)، سرب(II)، جیوه(II)، آلومینیم(III)، در داخل نانو لوله‎ها به روشDFT با توابع هیبریدی B3LYP و سری پایه LanL2DZ. 60

جدول 3-2 ممان دو قطبی ساختار ها، قبل و بعد از برهمکنش یون های کبالت(II)، سرب(II)، جیوه(II)،آلومینیم(III)، با نانولوله ها به روشDFT با توابع هیبریدی B3LYP و سری پایه LanL2DZ برحسب دبای.. 61

جدول 3-3 بررسی خواص بنیادی ساختارها 63

جدول 3-4 شکاف بین HOMO – LUMO بعد از قرار گرفتن یونها در داخل نانولوله ها به روش DFT/B3LYP و سری پایه Lanl2DZ برحسب ev. 65

فهرست اشکال

عنوان صفحه

شکل 1-1 نمایش حرکت الکترون در فضای اطراف هسته در مدل اتمی بور. 3

شکل 1-2 نمایش پراش دو شکاف… 4

شکل 1-3 خواص یون کبالت… 12

شکل 1-4 یون جیوه و خواص آن. 16

شکل 1-5 یون سرب و خواص آن. 20

شکل 1-6 یون آلومینیوم و خواص آن. 30

شکل 2-1 مکانیزم هدایت الکتریکی در یک ترکیب نیمه هادی.. 40

شکل 2-2 خاصیت فوتوالکتروشیمیایی نقاط کوانتومی تحت تابش نور الف) ایجاد جریان آندی در حضور ترکیب الکترون دهنده (D) در محلول ب)ایجاد جریان کاتدی در حضور ترکیب الکترون گیرنده (A) در محلول. 43

شکل 2-3 روابط میان اضلاع یک مثلث… 46

شکل 2-4 ارتباط طول بردار کایرال با طول بردارهای m و n.. 46

شکل 2-5 انرژی پتانسیل و فاصله یونی.. 50

شکل3-2 ساختار بهینه شده نانولوله ها بعد از قرار گرفتن یون های کبالت(II)، سرب(II)، جیوه(II)، آلومینیم(III) در داخل آن ها به روشDFT با توابع هیبریدی B3LYP و سری پایه LanL2DZ.. 60

(1)شکل 3-3- ساختار اوربیتال های HOMO(a) و LUMO(b) و طیف DOS CNT & Co(II) 67

(2)شکل 3-4-HOMO وLUMO و طیف DOS نانولوله. 69

(3) شکل 3-5- اوربیتال های HOMO(a) و LUMO(b) وطیف DOS ساختار CNT &Pb⁺²70

CNT )& Al⁺³. 71

. 73

. 74

(7)شکل 3-9 ساختارHOMO وLUMO طیف DOS نانولوله BNT & Hg⁺²75

. 77

. 78

. 79

. 81

. 82

. 84

. 85

. 86

88

چکیده

در سال های اخیر، استفاده از نانولوله ها به عنوان نانو حامل های انتقال دارو مورد تحقیق و بررسی قرار گرفته است. در این تحقیق از نانولوله های کربنی CNT(5-5) و CNT(6-0) و BNNT(6-0) و BNNT(5-5) dopped Ga استفاده شده است.

ابتدا نانولوله ها به‎وسیله نرم افزارهای Gauss View و Nanotube Modeler ترسیم شده و سپس به‎وسیله نرم افزار Gaussian 09 با روش DFT و سری پایه B3LYP/LanL2DZ محاسبه گردید و سپس یونهای سرب (II) ، کبالت (II) و جیوه (II) و آلومینیم (III) در داخل نانولوله هایی قرار گرفت و به روش ذکر شده محاسبه گردید. نتایج حاصل شامل اطلاعات مربوط به انرژی اتصال، ممان دو قطبی، بارهای اتمی، خواص بنیادی (پتانسیل یونش، الکترونخواهی، پتانسیل شیمیایی و سختی و نرمی) و شکاف انرژی HOMO و LUMO محاسبه و ارزیابی شدند و نتایج زیر بدست آمد. از نظر انرژی اتصال و میزان جذب، نانولوله CNT(5,5) بیشترین برهمکنش و جذب را با یون Pb²⁺دارد.

از نظر ممان دو قطبی نانولوله BNNT(5,5)dopped Ga بیشترین ممان دو قطبی را با یون Al³⁺نشان داده است و ساختار نانولوله CNT(5-5) با یون Al³⁺کمترین ممان دو قطبی را دارا است.

مقادیر انرژی یونش نشان داده که ساختار Hg²⁺& BNNT-Ga بیشترین انرژی یونش و ساختار Hg²⁺& CNT(6,0) کمترین انرژی یونش و بیشترین واکنش پذیری را دارد.

مقادیر شکاف HOMO و LUMO در یونها قبل از برهمکنش با نانولوله ها زیاد و بعد از برهمکنش آن کاهش پیدا کرده است که این کاهش نشان دهنده انتقال بار و افزایش رسانایی می باشد و در بین ساختارها بعد از قرار گرفتن یون در داخل آنها، ساختار Hg²⁺& BNNT-Ga بیشترین شکاف و کمترین رسانایی را دارا هستند.

کلیدواژه ها: محاسبات کوآنتومی، برهمکنش یونها، نانولوله های کربنی و بور نیتریدو DFT

فصل اول

مقدمات و تعاریف اولیه

1-1 مقدمه

مدل اتمی بور كه تا پیش از پیدایش مكانیك كوانتومی،كاملترین نظریه در توصیف جهان خُرد بود، نمی توانست در مورد قواعد انتخاب اتم هیدروژن اظهار نظر درستی نماید. بر طبق چنین قواعدی كه از لحاظ تجربی مشاهده شده بودند، تنها ترازهای معینی از انرژی دیده می شوند. در واقع الكترون اتم هیدروژن، هر انرژی دلخواهی ندارد و تنها مقید به برخی انرژی های معین است. نظریه اتمی بور كه امروزه نظریه كوانتوم قدیم خوانده می شود، ریشه های در مكانیك كوانتومی نداشت و اصول خود را از مكانیك كلاسیك به وام می‎گرفت. با این حال، نظریه بور به وضوح، گسستگی ترازهای انرژی را در اتم هیدروژن نشان می داد. در این نظریه علاوه بر انرژی، اندازه حركت زاویهای هم كمیتی گسسته بود. حتی فضای حركت الكترون به دور دسته هم محدود به مدارهای خاص با فاصله معینی از هسته می‎شد. تمایز نظریه كوانتوم قدیم و مكانیك كلاسیك در گسسته بودن مقادیر كمیتهایی مثل انرژی و اندازه حركت زاویه های بود.همان طور كه در شكل 1-1 می‎بینید در نظریۀ بور، الكترون روی ترازهایی با انرژی و شعاع معین از هسته قرار دارد.

ضریب پراکندگی آشفتگی

ضریب برخورد تصادفی

ضرایب تاثیر آشفتگی

بیشینه اندازه افقی حباب ها

قطر متوسط حباب

,

نرخ اتلاف جرم به دلیل شکست و پیوستن

عدد ایتوس

عدد اصلاح شده ایتوس

توزیع اندازه حباب

نیروی کلی بین سطحی

نیروی دراگ

نیروی بلند کردن

نیروی لیزاندن دیواره

نیروی پراکندگی آشفتگی

شتاب گرانشی

ضخامت فیلم

گشتاور

عدد چگالی متوسط فاز گاز

,

نرخ تولید جرم به دلیل شکستگی و پیوستن

نمادهای یونانی

	کسر حجمی
	بیشینه مجاز کسر حجمی
ε	اتلاف انرژی جنبشی آشفتگی
ρ	چگالی
σ	تنش سطحی
ΦnRC	نرخ تغییر عدد چگالی حباب به دلیل برخورد تصادفی
ΦnTI	نرخ تغییر عدد چگالی به دلیل تاثیر گردابه های آشفتگی
ζ	طول
ω	وزن
ψ	فرکانس پیوستن
Ω	فرکانس شکست
η	فرکانس برخورد
ι	بازده پیوستن
ζ	پارامتر اساسی در PBE
ν	ویسکوزیته

زیرنویس ها

ی نوشته‌ها

فهرست جداول. ح
فهرست شکل ها ط
چکیده ی
فصل اول: مقدمه. 1
1-1- مقدمه. 2
1-2- پیش زمینه. 4
1-3- بیان مسأله. 7
1-4- اهمیت موضوع. 9
1-5- اهداف تحقیق.. 15
1-5-1- هدف اصلی.. 15
1-5-2- اهداف اختصاصی.. 15
1-6- پرسشهای تحقیق.. 15
1-7- محدودیتهای تحقیق.. 16
1-8- نمودار روش تحقیق.. 16
فصل دوم: مروری بر پژوهشهای پیشین.. 18
2-1- ترکیبات اساسی بایوکامپوزیت… 19
2-1-1- نشاسته. 19
2-1-2- سویا 23
2-1-3- پلی ساکارید محلول در سویا 25
2-1-3-1 ساختار SSPS.. 26
2-2- ژلاتین و ژلاتین گاوی.. 26
2-2-1- تولید ژلاتین.. 29
2-2-2- کاربردهای ژلاتین.. 32
2-3- نانوتکنولوژی.. 33
2-4- بایو نانو تکنولوژی.. 34
2-3- کامپوزیت و نانو کامپوزیت… 35
2-5- بایو نانو کامپوزیت… 36
2-6- فلز تیتانیوم. 37
2-6-1- نانو دی اکسید تیتانیوم. 37
2-7- بسته بندی فعال. 38
2-8- بسته بندی نانو. 39
2-9- فیلمهای خوراکی.. 40
2-10- پلاستی سایزرها 43
2-10-1- مقایسه پلاستی سایزرهای مورد استفاده 44
2-11- روشهای تولید فیلم. 45
2-12- ارزیابی خواص فیلم های خوراکی.. 46
2-12-1- خواص ممانعتی.. 46
2-12-2- خواص مکانیکی.. 50

2-12-3- خواص ضد میکروبی.. 54
2-13- نمودارهای جذب تعادلی.. 58
2-14- جمع بندی.. 65
فصل سوم: مواد و روش ها 66
3-1- مواد. 67
3-2- روش تهیه فیلمهای نانوبایوکامپوزیتی.. 68
3-3 – ضخامت فیلم. 69
3-4- آنالیز فیلم. 69
3-4-1- ویژگی های مکانیکی.. 70
3-4-2- رنگ سنجی.. 72
3-4-3- نفوذ پذیری بخار آب (WVP) 72
3-4-4- حلالیت فیلم ها 73
3-4-5- ظرفیت جذب آب (WAC) 74
3-4-6- ایزوترم جذب… 74
3-4-7- اشعه مرئی – UV… 75
3-4-8- نفوذ پذیری به اکسیژن. 75
3-4-9- آزمون میکروبی.. 76
3-5- تجزیه و تحلیل آماری.. 78
فصل چهارم: نتایج و بحث… 79
4-1- ارزیابی کیفی فیلمها 80
4-1-1- بررسی اثر نانو ذرات بر خواص ظاهری فیلمهای ترکیبی.. 80
4-1-2- بررسی اثر نانوذرات بر ضخامت فیلمهای ترکیبی نشاسته ssps / ژلاتین گاوی.. 81
4-2- بررسی اثر نانو ذرات بر خواص فیزیکوشیمیایی فیلمهای ترکیبی نشاسته ssps / ژلاتین گاوی.. 81
4-2-1- محتوای رطوبت، حلالیت در آب و قابلیت جذب آب… 81
4-3- بررسی اثر نانو ذرات بر خواص ممانعتی فیلمهای ترکیبی نشاسته ssps / ژلاتین.. 84
4-4- بررسی اثر نانو دی اکسید تیتانیوم بر خواص مکانیکی فیلمهای ترکیبی.. 88
4-5- جستجوی پیوند با روش FTIR.. 90
4-6- میزان جذب و عبور نور فرابنفش از فیلمهای ترکیبی نشاسته ssps/ ژلاتین حاوی نانو ذرات دی اکسید تیتانیوم (uv-vis) 91
4-7- مشخصههای رنگی.. 93
4-8- نمودارهای جذب تعادلی.. 94
4-8-1- مدل جذب تعادلی چند جمله ای.. 94
4-8-2- مدل جذب تعادلی GAB.. 95
4-9- بررسی اثر نانو ذرات بر خواص ضد میکروبی فیلمهای ترکیبی.. 97
فصل پنجم: نتیجه گیری و پیشنهادات… 102
5-1- نتیجه گیری.. 103
5-2- پیشنهادات… 104
منابع و مراجع. 105
English Abstarct 114
فهرست جداول
جدول 4- 1: میانگین ضخامت فیلمهای شاهد و نمونه های حاوی ذرات نانو دی اکسید تیتانیوم. 81
جدول 4- 2: محتوای رطوبت، درصد حلالیت و قابلیت جذب فیلمهای ترکیبی نشاسته ssps / ژلاتین حاوی نانو ذرات دی اکسید تیتانیوم. 84
جدول 4- 3: اثر نانو ذرات دی اکسید تیتانیوم بر نفوذ پذیری فیلمهای ترکیبی نسبت به اکسیژن و بخار آب… 87
جدول 4- 4: اثر نانوذرات دی اکسید تیتانیوم بر خواص مکانیکی فیلمهای ترکیبی نشاسته ssps / ژلاتین گاوی. 90
جدول 4- 5: پارامترهای رنگ سنجی از فیلم ترکیبی با غلظت های مختلف نانو دی اکسید تیتانیوم. 94
جدول 4- 6: پارامترهای معادله GAB برای فیلمهای ترکیبی حاوی نانو دی اکسید تیتانیوم در دمای 25 درجه سانتیگراد. 97
فهرست شکل ها
شکل 1-1: نمودار فرآیند پژوهشی.. 17
شکل 2- 1: ساختمان شیمیایی نشاسته. 20
شکل 4- 1: رنگ فیلمهای ترکیبی نشاسته ssps / ژلاتین با غلظت های متفاوت ( %0، 1%، 3%، 5%) نانو دی اکسید تیتانیوم. 80
شکل 4- 2: طیف FTIR فیلمهای ترکیبی نشاسته ssps / ژلاتینی حاوی %0، 3% و 5% نانو دی اکسید تیتانیوم 91
شکل 4- 3: میزان جذب نور فیلمهای بایونانوکامپوزیتی در طول موجهای 200 تا 800. 92
شکل 4- 4: درصد عبور نور فیلمهای بایو نانو کامپوزیتی در طول موجهای 200 تا 800. 93
شکل 4- 5: مدل جذب تعادلی چند جمله ای (مرتبه 3) برای فیلم ترکیبی در مقایسه با بایونانوکامپوزیت ترکیبی محتوی 5% نانو دی اکسید تیتانیوم. 95
شکل 4- 6: هاله عدم رشد در فیلم ترکیبی با 5% نانو دی اکسید تیتانیوم. 98
شکل 4- 7: اثر نانو اکسید روی بر ناحیه بازدارندگی فیلمهای ترکیبی علیه اشرشیا کلی. 100
شکل 4- 8: اثر نانومیله های اکسید روی بر ناحیه بازدارندگی فیلمهای ترکیبی علیه استافیلوکوکوس. 101

1-6-9-1-كاربرد های منطق فازی.. 13

1-6-10- شبکه های عصبی مصنوعی (ANN) 13

1-6-10-1- ویژگی های شبكه عصبی.. 14

1-6-10-2- مزایای شبكه عصبی.. 16

1-6-10-3- كاربرد های شبكه عصبی.. 16

1-6-11- الگوریتم ژنتیکی (GA) 17

1-6-11-1- قوانین داروین.. 18

1-6-11-2- ویژگی های الگوریتم ژنتیک… 18

1-6-11-3- نقاط قوت الگوریتم های ژنتیک… 20

1-6-11-4- محدودیت های الگوریتم های ژنتیک… 21

1-6-11-5- روش های انتخاب برای الگوریتم ژنتیک… 21

1-7- دیابت… 22

1-7-1- دسته بندی و سبب شناسی دیابت… 23

1-7-1-1- دیابت نوع یک… 24

1-7-1-2- دیابت نوع دو. 25

1-7-1-3- دیابت بارداری.. 25

1-7-1-4- انواع دیگر دیابت… 26

1-8- وضعیت دیابت در جهان. 29

1-9- مرگ ومیر ناشی از دیابت… 29

1-10- هزینه های دیابت… 29

1-11- پیشگیری و کنترل دیابت… 30

1-12- داروها 30

1-12-1- سولفونیل اوره ها 31

1-12-2- بی گوانیدها 32

1-12-3- آکاربوز. 32

1-12-4- تیازولیدیندایون ها (TZD) 33

1-12-5- مگلی تینایدها 33

فصل دوم: روش کار

2-1- رسم مشتقات… 36

2-1-1- اضافه كردن متد و بهینه سازی مشتقات… 36

2-1-2- اضافه كردن توصیفگرهای مولكولی به مشتقات… 36

2-1-3- ساختن ماتریس و غربالگری توصیفگرها برای مشتقات… 37

2-1-4- محاسبات GA.. 38

2-1-5- محاسبات GA-ANN.. 39

2-1-6- محاسبات جك نایف… 39

2-1-7- محاسبات GA –MLR.. 39

2-1-8- تجزیه و تحلیل با روش هایPLS ، PCR و MLR.. 40

2-1-9- تجزیه و تحلیل با روش های GA-MCR،GA-PLS ،GA-PCR ، GA-MLR و GA-RS. 40

2-1-10- پیش بینی ساختار. 40

بخش دوم: بحث و نتیجه گیری

2-2- بحث و نتیجه گیری.. 42

پیشنهاد برای کارهای اینده 124

منابع و مأخذ. 125

فهرست جداول

عنوان صفحه

جدول1. ساختار مربوط به مشتقات… 57

جدول2. مقادیر عددی پارامتر RMSE با روشGA-ANN برای همبستگی های مختلف… 60

جدول3. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.3. 60

جدول4. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.4. 61

جدول5. مقادیر عددی پارامتر RMSE با روش GA-ANN برای همبستگی با هدف 0.3. 61

جدول6. مقادیر عددی پارامتر RMSE با روش GA-ANN برای همبستگی با هدف 0.4. 62

جدول7. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.3 برای لایه 2 62

جدول8. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.3 برای لایه 3 62

جدول9. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.3 برای لایه 4 63

جدول10. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.3 برای لایه 5 63

جدول11. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.3 برای لایه 6 63

جدول12. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.3 برای لایه 7 64

جدول13. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.3 برای لایه 8 64

جدول14. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.3 برای لایه 9 64

جدول15. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.3 برای لایه 10 65

جدول16. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.3 برای لایه 11 65

جدول17. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.4 برای لایه 2 65

جدول18. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.4 برای لایه 3 66

جدول19. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.4 برای لایه 4 66

جدول20. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.4 برای لایه 5 66

جدول21. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.4 برای لایه 6 67

جدول22. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.4 برای لایه 7 67

جدول23. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.4 برای لایه 8 67

جدول24. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.4 برای لایه 9 68

جدول25. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.4 برای لایه 10 68

جدول26. توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.4 برای لایه 11 68

جدول27. پارامترهای بدست آمده با روش GA-stepwise MLR برای همبستگی 0.3برای لایه های مختلف 69

جدول28. پارامترهای بدست آمده با روش GA-stepwise MLR برای همبستگی 0.4برای لایه های مختلف 69

جدول29. مقادیر عددی توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.3 70

جدول30. مقادیر عددی توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف 0.4 72

جدول31. پارامترهای بدست آمده با روش PLS برای همبستگی0.3 برای لایه های مختلف… 73

جدول32. پارامترهای بدست آمده با روش GA-PLS برای همبستگی 0.3 برای لایه های مختلف… 74

جدول34. پارامترهای بدست آمده با روش PCR برای همبستگی های مختلف… 75

جدول35. پارامترهای بدست آمده با روش GA-PCR برای همبستگی 0.3 برای لایه های مختلف… 75

جدول36. پارامترهای بدست آمده با روش GA-PCR برای همبستگی 0.4 برای لایه های مختلف… 76

جدول37. مقادیر عددی پارامترRMSE با روش GA-ANN برای لایه های فرد و همبستگی های مختلف… 76

جدول38. مقادیر عددی پارامترRMSE با روش GA-ANN برای لایه‎های زوج و همبستگی های مختلف… 76

با روش جک نایف برای لایه های فرد و همبستگی های مختلف 77

با روش جک نایف برای لایه های زوج و همبستگی های مختلف 77

جدول41. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 2-1 و همبستگی با هدف 0.3. 77

جدول42. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه3-1 و همبستگی با هدف 0.3 78

جدول43. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 4-1 و همبستگی با هدف 0.3. 78

جدول44. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه5-1 و همبستگی با هدف 0.3. 79

جدول45. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 6-1 و همبستگی با هدف 0.3. 79

جدول46. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 7-1 و همبستگی با هدف 0.3. 80

جدول47. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 8-1 و همبستگی با هدف 0.3. 80

جدول48. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 9-1 و همبستگی با هدف 0.3. 81

جدول49. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 10-1 و همبستگی با هدف 0.3. 81

جدول50. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 11-1 و همبستگی با هدف 0.3. 82

جدول51. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 2-1 و همبستگی با هدف 0.4. 82

جدول52. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 3-1 و همبستگی با هدف 0.4. 83

جدول53. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 4-1و همبستگی با هدف 0.4. 83

جدول54. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 5-1 و همبستگی با هدف 0.4. 84

جدول55. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 6-1 و همبستگی با هدف 0.4. 84

جدول56. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 7-1 و همبستگی با هدف 0.4. 85

جدول57. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 8-1 و همبستگی با هدف 0.4. 85

جدول58. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 9-1 و همبستگی با هدف 0.4. 86

جدول59. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 10-1 و همبستگی با هدف 0.4. 86

جدول60. مقادیر عددی از مشاهداتlog (1/IC50) ، پیش بینی جک نایف و Ө∆ برای لایه 11-1 و همبستگی با هدف 0.4. 87

جدول61. مقادیر عددی مشاهدات، پیش بینی با روش PLS، Ө∆ و انحراف برای همبستگی با هدف 0.3. 87

جدول62. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 2 88

جدول63. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 3 88

جدول64. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 4 89

جدول65. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 5 89

جدول66. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 6 90

جدول67. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 7 90

جدول68. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 8 91

جدول69. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 9 91

جدول70. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 10 92

جدول71. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 11 92

جدول72. مقادیر عددی مشاهدات، پیش بینی با روش PLS، Ө∆ و انحراف برای همبستگی با هدف 0.4. 93

جدول73. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 2 93

جدول74. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 3 94

جدول75. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 4 94

جدول76. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 5 95

جدول77. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 6 95

جدول78. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 7 96

جدول79. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 8 96

جدول80. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه9 97

جدول81. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه10 97

جدول82. مقادیر عددی مشاهدات، پیش بینی با روش GA-PLS، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه11 98

جدول83. مقادیر عددی مشاهدات، پیش بینی با روشPCR ، Ө∆ و انحراف برای همبستگی با هدف 0.3. 98

جدول84. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 2 99

جدول85. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.3برای لایه 3 99

جدول86. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 4 100

جدول87. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 5 100

جدول88. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 6 101

جدول89. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 7 101

جدول90. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.3برای لایه 8 102

جدول91. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 9 102

جدول92. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 10 103

جدول93. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.3 برای لایه 11 103

جدول94. مقادیرعددی مشاهدات،پیش‎بینی با روشPCR ، Ө∆ و انحراف برای همبستگی با هدف0.4. 104

جدول95. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 2 104

جدول96. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 3 105

جدول97. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.4برای لایه 4 105

جدول98. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 5 106

جدول99. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 6 106

جدول100. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 7 107

جدول101. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 8 107

جدول102. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 9 108

جدول103. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 10. 108

جدول104. مقادیر عددی مشاهدات، پیش بینی با روش GA-PCR، Ө∆ و انحراف برای همبستگی با هدف 0.4 برای لایه 11. 109

فهرست نمودارها

عنوان صفحه

نمودار1. نمودارهای بدست آمده از روش GA برای همبستگی با هدف 0.3 برای لایه 2. 111

نمودار2. نمودار های بدست آمده از روش GA برای همبستگی با هدف 0.4 برای لایه 2. 112

نمودار3. نمودار بدست آمده از روش GA-ANN برای همبستگی با هدف 0.3. 112

نمودار4. نمودار بدست آمده از روش GA-ANN برای همبستگی با هدف 0.4. 113

نمودار5. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.3 در لایه 2. 113

نمودار6. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.3 در لایه 3. 114

نمودار7. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.3 در لایه 4. 114

نمودار8. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.3 در لایه 5. 115

نمودار9. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.3 در لایه 6. 115

نمودار10. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.3 در لایه 7. 116

نمودار11. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.3 در لایه 8. 116

نمودار12. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.3 در لایه 9. 117

نمودار13. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.3 در لایه 10. 117

نمودار14. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.3 در لایه 11. 118

نمودار15. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.4 در لایه 2. 118

نمودار16. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.4 در لایه 3. 119

نمودار17. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.4 در لایه 4. 119

نمودار18. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.4 در لایه 5. 120

نمودار19. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.4 در لایه 6. 120

نمودار20. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.4 در لایه 7. 121

نمودار21. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.4 در لایه 8. 121

نمودار22. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.4 در لایه 9. 122

نمودار23. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.4 در لایه 10. 122

نمودار24. نمودار بدست آمده از روش stepwise MLR برای همبستگی با هدف 0.4 در لایه 11. 123

فهرست اشکال

عنوان صفحه

شکل (1- 1) شمای کلی یکشبکه عصبی مصنوعی.. 15

شكل (2-1):جهش کروموزوم. 19

شكل (2-1) 38

پیشگفتار

شیمی محاسباتی رویکرد نوینی به پدیده های شناخته شده و آشنای فیزیکی و شیمیایی است که می تواند منجر به درک بهتر جهان پیرامون ما گردد. امروزه با پیشرفت روز افزون کامپیوترها قادر هستیم پدیده های گوناگون را در ماتریس های بسیار پیچیده نظیر سیستم های بیولوژیکی و نانوتکنولوژی مورد مطالعه قرار دهیم و بدیهی است که انجام چنین مطالعاتی در درجه اول نیازمند درک وسیعی از پدیده های فیزیکی و شیمیایی، ابداع و نوآوری روش های نوین مطالعاتی وتجزیه و تحلیل مستند و هدفدار هستند.

هدف از انجام این پژوهش، استفاده از شیمی محاسباتی در تجزیه و تحلیل آماری برای پیش بینی ساختارهای مناسب دارویی می باشد و همچنین با این روش نتایج آزمایشات مختلفی را که به صورت تجربی انجام می شود تا حدود زیادی پیش گویی و تا حد زیادی در هزینه و زمان صرفه جویی نمود.

در این پایان نامه با استفاده از مطالعات QSAR بر روی مشتقات ساختارهای مناسب برای درمان دیابت انتخاب و ساخت دارو از روی مناسب ترین ساختار ها به دارو ساز محترم پیشنهاد می شود. لازم به ذکر است که در این پژوهش روش های نوین و ترکیبی آماری، برای تجزیه و تحلیل و پیش بینی ساختارها به کار برده شده است.

چکیده

در این تحقیق، ارتباط کمی ساختار و فعالیت (QSAR) در مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile مطالعه شده است. الگوریتم ژنتیک (GA)، شبکه های عصبی مصنوعی (ANN) و روش گام به گام رگرسیون خطی چندگانه (stepwise MLR) برای مدل های خطی و غیر خطی QSAR ایجاد و مورد استفاده قرار گرفت. با استفاده روش DFT (B3LYP)و سری پایه 6-31G ساختار های بهینه از این مشتقات را بدست آوردیم. از نرم افزار های Hyperchem، ChemOffice و Gaussian 03W و Dragon برای بهینه‎سازی مولکول ها و محاسبات توصیفگرهای شیمی کوانتومی استفاده شده است. در نهایت برای آنالیز داده ها از نرم افزار Unscrambler استفاده گردید. RMSE train و test RMSE با مدل GA-ANN به ترتیب 0.1406 و 0.3519 و پارامتر R2، 0.81 بدست آمد. همچنین مقادیر R و R2با مدل GA-stepwise MLR به ترتیب 0.79 و 0.58 بدست آمد. مدل GA-ANN مطلوب ترین روش نسبت به سایر روش های آماری شناخته شد.

به طور کلی با برسی های انجام شده با روشهای GA-PLS, GA-PCR و روش جک نایف در لایه‎های مختلف و اهداف مختلف ترکیبات زیر کمترین انحراف ممکن را دارند و به عنوان بهترین ترکیبات برای ساخت دارو پیش بینی می‎شوند:

5، 10، 18 و 38

همچنین بهترین توصیف گرها عبارتند :

در همبستگی 0.3:

Meaning	Descriptor group	Descriptor symbol
3D-MoRSE – signal 23 / weighted by atomic masses	3D-MoRSE (3D)	Mor23m
everage-weighted autocorrelation of lag 5 / weighted by atomic masses	GETAWAY (3D)	HATS5m

در همبستگی 0.4:

ی نوشته‌ها

3-5-2- جزایر حرارتی شهری اتمسفری…………………………………… 66

3-5-3- ارتباط دمای سطح و دمای هوا در شهر…………………………… 67

3-5-4- عوامل موثر بر جزایر حرارتی شهری………………………………. 67

3-5-5- جزایر حرارتی شهری و تغییرات اقلیم……………………………… 75

3-5-6- پی آمدهای جزایر حرارتی شهری…………………………………. 76

3-6- خوشه بندی…………………………………………………………….. 77

3-6-1- خوشه بندی…………………………………………………………. 77

3-6-2- روش های خوشه بندی……………………………………………….. 78

3-6-3- تحلیل نقاط بحرانی گتیس-اورد……………………………………. 79

4- فصل چهارم: مواد و روش ها……………………………………………… 83

4-1- مواد تحقیق………………………………………………………………. 83

4-1-1- تصاویر مورد استفاده………………………………………………….. 83

4-1-2- داده های نقشه ای……………………………………………………. 85

4-1-3- نرم افزارهای مورد استفاده…………………………………………… 85

4-2- روش انجام تحقیق………………………………………………………… 85

4-2-1- آماده سازی داده ها …………………………………………………..87

4-2-2- بررسی تغییرات مکانی-زمانی جزایر حرارتی……………………….. 88

4-2-3- استخراج کاربری اراضی………………………………………………… 90

4-2-4- بررسی رابطه پوشش های مختلف با دمای سطح………………….. 90

4-2-5- بررسی رابطه دمای سطح و NDVI……………………………………

5- فصل پنجم: نتایج و بحث…………………………………………………….. 93

5-1- نتایج هم مختصات سازی و اصلاح داده ها ………………………………….93

5-2- بررسی تغییرات مکانی جزایر حرارتی…………………………………….. 94

5-3- استخراج پوشش اراضی……………………………………………………. 112

5-4- بررسی رابطه پوشش های مختلف با دمای سطح……………………… 120

5-5- بررسی رابطه دمای سطح و NDVI و EVI…………………………………

5-6- همبستگی چند متغیره بین پوشش های مختلف و دمای سطح………. 145

6- فصل ششم: جمعبندی و پیشنهادات………………………………………. 154

6-1- مقدمه……………………………………………………………………. 154

بحث و تحلیل نتایج……………………………………………………………… 155

6-2- آزمون فرض ها ………………………………………………………………..161

6-2-1- فرضیات تحقیق…………………………………………………………… 161

6-2-2- نتایج آزمون…………………………………………………………….. 161

6-3- پیشنهادات…………………………………………………………………… 163

فهرست منابع …………………………………………………………………….171

چکیده:

جزایر حرارتی شهری مناطقی از سطح زمین را گویند که نسبت به مناطق همجوار دمای بالاتری دارند. گسترش این پدیده در بعد مکان و زمان متغیر است. ایجاد جزایر حرارتی و تغییرات مکانی و زمانی آن بیشتر تحت تاثیر تغییرات پوشش زمین و گسیل حرارت حاصل از فعالیت های انسانی می باشد. با توجه به تغییرات بالا در واحد زمان و پیوستگی و گسترش مکانی این پدیده سنجش از دور از ابزارهای مناسب برای مطالعه این پدیده می باشد. هدف از این تحقیق مطالعه گسترش جزایر حرارتی و ارتباط دمای سطح زمین با پوشش سطح در کلانشهر های اهواز، اصفهان، تبریز، تهران و مشهد به عنوان مهمترین مراکز جمعیتی و صنعتی ایران است.

جهت دسترسی به هدف فوق گسترش جزایر حرارتی در بازه ی زمانی سال 2007 تا سال 2011 و همچنین ارتباط دمای سطح با پوشش سطح با استفاده از تولیدات سنجنده MODIS در کلانشهرهای نامبرده شده بررسی شده است. بدین منظور با اعمال خوشه بندی بر تولیدات حرارتی MOD11A2 سنجنده مودیس گسترش جزایر حرارتی مورد بررسی قرار گرفته و با استخراج پوشش اراضی از تصاویر ETM+ ارتباط بین تغییرات پوشش سطح و دمای سطح زمین بررسی شده است. تاثیر پوشش های مختلف بر دمای سطح با برازش جداگانه و همچنین برازش توام پوشش ها با دمای سطح زمین و همچنین استفاده از تولیدات شاخص هایپوشش گیاهیMOD13A2 توسط مدل رگرسیونی توسعه یافته مورد بررسی قرار گرفته است. نتایج نشان میدهند که با گذشت زمان جزایر حرارتی گسترش یافته و در مواردی نیز جزایر حرارتی جدید ایجاد شده است. در دوره مورد بررسی مشهد و اهواز با 77 و 74 درصد گسترش نسبت به هسته اولیه جزایر در سال 2007 بیشترین میزان گسترش جزایر حرارتی و پس از آنها تهران وتبریز و اصفهان به ترتیب با 54، 53 و 33 درصد گسترش نسبت به هسته اولیه جزایر در سال 2007 کمترین میزان گسترش جزایر حرارتی را داشته اند. مدل رگرسیونی توسعه یافته برای برآورد دمای سطح در این شهرها بیانگر شدید بودن اثر کاهشی پوشش گیاهی در شهرهای واقع در اقلیم گرم بود. بعلت ناهمگن بودن سطوح ساخته شده(نواحی مسکونی، صنعتی، فرودگاه و غیره) این سطوح در مواردی رابطه مثبت(اهواز، اصفهان و تهران) و در مواردی نیز رابطه منفی(مشهد و تبریز) با دمای سطح زمین نشان می دهند. استفاده از اطلاعات دقیق پوشش و کاربری جهت مشخص کردن دقیق تر نقش آنها در مطالعات آتی ضروری است.

فصل اول: کلیات تحقیق

1-1- مقدمه

با توسعه شهرنشینی مقادیر زیادی از مساحت مناطق کشاورزی و جنگلی جای خود را به مناطق شهری داده اند. مناطق شهری مدرن توسط آسفالت، بتون و سایر سطوح غیرقابل نفوذ پوشیده شده اند. رشد شهری به خصوص در شهرهای بزرگ با سرعت زیاد تغییرات پوشش زمین را در پی دارد. از آنجاییکه دمای سطح زمین در هر محدوده ای به خصوصیات مواد تشکیل دهنده سطح و بازتابش انرژی خورشید وابسته می باشد، الگوی حرارتی مناطق شهری نسبت به نواحی غیرشهری تفاوت قابل توجهی دارد. ظرفیت حرارتی بالای سطوح مصالح مورد استفاده در شهرها، کاهش میزان آلبدو و وجود منابع حرارتی ناشی از فعالیت های انسانی موجب افزایش دمای برخی مناطق شهری نسبت به دیگر مناطق و تغییرات بیلان حرارتی این نواحی می شوند. بنابراین در مناطق شهری بسته به پوشش ها و کاربری های موجود، مناطقی با درجه حرارت بیشتر از سایر نواحی به وجود می آیند، این پدیده به نام جزیره حرارتی شهرها^[1]نامگذاری شده است.

علاوه بر اینکه این افزایش دما به نوبه خود اثر قابل توجهی بر روی شرایط اتمسفری، زیستی و اقتصادی دارد، تخمین میزان حرارت سطح در مناطق مختلف شهری به منظور بررسی توزیع دمایی سطح زمین و علل پیدایش آن کاربردهای فراوانی مانند تعیین نقش ترافیک وشهرک های صنعتیدر گرم شدن شهرها دارد. لذا بررسی و آنالیز پدیده جزایر حرارتی در شهرها بسیار حائز اهمیت می باشد.

تصاویر سنجش از راه دور به دلیل پوشش وسیع، بهنگام بودن و توانایی کسب اطلاعات در محدوده حرارتی طیف الکترومغناطیس، منبع اطلاعاتی مناسبی در تهیه نقشه های حرارتی و تخمین انرژی تشعشعی سطح زمین می باشند. در این مطالعه تولیدات مربوط به حرارت و پوشش های سطح زمین سنجنده MODIS ماهواره Terra برای بررسی روند مکانی-زمانی جزایر حرارتی و ارتباط این پوشش ها با تغییرات جزایر حرارتی مورد استفاده قرار گرفته است.

2-1- طرح مسئله و ضرورت تحقیق

در قرن بیستم شهرسازی با سرعت زیاد در مقیاس جهانی اتفاق افتاد. با توجه به تخمین سازمان ملل تقریبا نیمی از مردم جهان در شهرها زندگی می کنند. در جوامع غربی این رقم به بالاتر از 75 درصد هم می رسد (UN,1999).

مطابق نتایج سرشماری عمومی نفوس و مسکن سال 1385، در حدود 30 درصد از جمعیت هفتاد میلیونی ایران در سیزده شهر دارای بیش از پانصد هزار نفر جمعیت زندگی می کنند. این سیزده شهر به ترتیب عبارتند از: تهران، مشهد، اصفهان، تبریز، کرج، شیراز، اهواز، قم، کرمانشاه، ارومیه، زاهدان، رشت و کرمان. از بین این شهرها نیز سهم شش شهر دارای بیش از یک میلیون نفر جمعیت، 22درصد و سهم شهر 7،800،000 نفری تهران، به تنهایی 11 درصد می باشد. (مرکز آمار ایران).

در حالی که شهرها توسعه پیدا می کنند، تغییراتی در سیمای زمین ایجاد می شود. ساختمان ها، خیابان ها و دیگر زیر ساخت ها جایگزین خاک و پوشش گیاهی می شود. سطوحی که پیش از آن معمولا قابل نفوذ و مرطوب بودند، غیر قابل نفوذ و خشک می شوند. انرژی ورودی جذب شده خورشید، ممکن است با تغییر در سطوح طبیعی افزایش یابد (Yamaguchi,2004). این امر منجر به تغییر در توازن انرژی مناطق شهری که موجب افزایش دما (هم در سطح و هم دمای هوا) در مناطق شهری و در نهایت شکل گیری جزایر حرارتی می شود.

جزایر حرارتی شهری به خاطر اثرشان روی زندگی بسیاری از انسان ها بسیار مورد توجه قرار می گیرند. جزایر حرارتی شرایط آب و هوایی تابستان را سخت تر و استفاده از دستگاه های تهویه هوا را بیشتر می کنند. شرایط ازن تحت تأثیر گسیلش، اختلاط و پراکندگی انعکاسات شیمیایی در اتمسفر قرار می گیرد و جزایر حرارتی شهری منجر به تشدید آن می شود. علاوه بر این با افزایش دما، تولیدهیدروکربنگیاهان افزایش می یابد که خود از دلایل افزایش آلودگی هوا می باشد (Sailor, 2007). در کنار این نتایج آشکار جزایر حرارتی، این پدیده روی آب و هوای محلی مانند تغییر الگوی بادهای محلی، رشد ابر و مه، تعداد رعد و برق و میزان بارش نیز اثر گذار است.

امروزه مطالعات بر روی شرایط دمایی مناطق شهری بسیار مورد توجه می باشد. مطالعات اخیر در چهل سال گذشته توانسته اند نقش پدیده های اصلی موثر در شکل گیری و تداوم جزایر حرارتی شهری را از لحاظ کمی تعیین کنند. بطور سنتی منبع اصلی و رایج داده های اقلیمی از جمله دمای هوا، ایستگاه هایهواشناسیهستند. این ایستگاه ها فقط آمار نقاط خاصی را ارائه می کنند. در بعضی مواقع دمای هوا در یک منطقه یا شهر مقدار معینی گزارش می شود در صورتی که این مقدار مربوط به موقعیت یک نقطه ی خاص از شهر است و چه بسا با توجه به پوشش سطح زمین و دیگر شرایط، دما در نقاط مختلف همان شهر پایین تر یا بالاتر باشد. به منظور حل این مشکل، تاکنون روش های مختلفی برای محاسبه و برآورد داده های هواشناسی در حد فاصل ایستگاه ها ارائه شده است. از جمله این روش ها می توان به استفاده از رابطه دما با ارتفاع و روش های مختلف درون یابی از قبیل میانگین وزنی فاصله معکوس و صورت های مختلف کریجینگ اشاره کرد (Wang et al. 2004). روش رابطه دما با ارتفاع تنها برای مناطق کوهستانی کوچک و روش های درون یابی برای مناطق با شرایط یکنواخت متناسب است. از آنجا که دمای سطح زمین وابستگی زیادی به نوع پوشش سطح زمین دارد، روش های مختلف درون یابی، هنگامی می توانند دارای دقت قابل قبولی باشند که با استفاده از داده های ماهواره ای، پوشش سطح زمین را نیز در نظر بگیرند (Yang et al. 2004). در سال های اخیر تکنولوژی سنجش از دور با ارائه ی تصاویر با قدرت تفکیک های مختلف کاربرد فراوانی در مطالعه و پایش جزایر حرارتی شهری در مقیاس های مختلف قاره ای و منطقه ای پیدا کرده است. داده های فیزیکی کمّی که توسط ماهواره ها تولید می شود، موجب درک بیشتر ما از محیط های شهری و غیر شهری می شوند. به ویژه در طول دو دهه گذشته نیاز فراوان به اطلاعات دمای سطح زمین برای مطالعات محیطی و فعالیت های مدیریتی منابع زمینی، برآورد دمای سطح زمین توسط تکنولوژی سنجش از دور را به یکی از موضوعات جالب توجه علمی تبدیل کرده است(Sobrino, 2004).