חישה מרחוק ככלי להערכת יציבות הקרקע וחיזוי נגר עילי - מקרה בוחן: חבל עזה: חבל עזה

מאמר זה מציג מודל לחיזוי נגר עילי ויציבות הקרקע. מורכבותם של מודלים יישומיים לייצוג מערכות מרחביות מחייב הבנה של התופעות המתרחשות במרחב, תוך מתן משקל ממשי לרמות הרגישות והוודאות הכוללים. כיום מספר רב של מודלים מתמטיים סביבתיים מוקדשים ליישומיים הידרולוגיים ולמתן מענה מהיר ומדויק למקבלי ההחלטות בתחום. אחד הכלים המבטיחים בתחום זה הנו Monte Carlo Analysis (MCAT) Toolbox המושתת על ספריות אלגוריתמים בסביבת MATLAB. כלי זה מקנה ניתוח כמותי וחזותי למערכת הידרולוגית על בסיס הנתונים הנדגמים בשטח. מאמר זה מציג מודל לחיזוי נגר עילי ויציבות הקרקע הייעודי לחבל עזה. השיטה משלבת אמצעי חישה מרחוק, נתונים הידרולוגיים, ונתונים אקלימיים ומיושמת באמצעות מודל ייעודי ואינטגרטיבי MCAT באזור צחיח למחצה. המודל המיושם במאמר זה מציג מערכת תשתיתית חדשנית לחיזוי נגר עילי וחוזק קרקעות. ממצאי המודל מצביעים על רגישות גבוהה למדדים פיזיקליים המעודדת שימוש רחב בתוצרי חישה מרחוק בכלל והדמאות היפרספקטרליות בפרט. המודל המוצג מצליח להתגבר על המגבלות של שיטות מידול קיימות בעזרת נתונים פיזיקליים ממשיים, ויחד עם זאת נשאר נאמן למערכת גנרית שאינה תלויה במרחב וזמן. The growing complexity of models designated for characterizing real-world systems makes it difficult to understand model behavior, sensitivities and uncertainties. The problem of selecting appropriate objective functions for the identification of a conceptual runoff model is investigated, focusing on the value of the model in an operational setting. In addressing the problem of model structure, multi-source remote sensing database has been used assessing the trade-offs between meeting different modelling objectives and the associated parameter uncertainty. The Monte Carlo Analysis Toolbox (MCAT) is a MATLAB library of visual and numerical analysis tools for the evaluation of hydrological models. The MCAT contains tools for evaluating performance, sensitivity, and predictive uncertainty as well as testing of hypotheses with respect to the model structure. Moreover, MCAT provides a quantitative spatial tool based on physical in-situ data. This study describes a new physical-mathematical model for predicting surface runoff and top-soil stability. The suggested method incorporates multi-source remote sensing images, hydrological and climate data into a dedicated and integrative MCAT model for semi-arid areas. The model presents an innovative infrastructural system that overcomes the limitations of existing modeling methods using real physical data provided by multi-source generic remote sensing data independent of space and time.