شناسایی عوامل کلیدی(پیشران‌های) شهروندی زیست محیطی(مطالعه موردی شهروندان تبریزی)

در جهان امروز، شهروندی از جمله مفاهیمی هست که از یک طرف با محیط اجتماعی و فرهنگی در ارتباط بوده و از طرف دیگر به عنوان پدیده غالب جهانی شدن بر زیست مشترک انسانی و تعاملات فرهنگی، سیاسی، اقتصادی و اجتماعی دارد. هدف کلی تحقیق حاضر «تعیین عوامل کلیدی(پیشران‌های) شهروندی زیست‌محیطی» می‌باشد. روش این تحقیق، آینده پژوهی است. ابتدا از روش دلفی استفاده شده است. در این تحقیق؛ برای تحلیل عوامل کلیدی(پیشران‌های) شهروندی زیست محیطی شهروندان تبریزی تعداد 20 متغیر با استفاده از تکنیک دلفی انتخاب شدند. سپس نتیجه تاثیر بعد از گرفتن میانگین از کلیه تعاملات وارد نرم افزار میک‌مک شد و مورد تحلیل قرار گرفت. یافته‌های تحقیق نشان داد که عوامل شناسایی شده اولیه(پیشران‌های) شهروندی زیست‌محیطی شهروندان تبریزی به ترتیب طبق میزان تاثیرگذاری عبارتند از: آگاهی یا سواد زیست‌محیطی، نگرش زیست‌محیطی، رفتار زیست محیطی، نگرانی زیست‌محیطی و دو متغیر مصرف مسئولانه زیست‌محیطی و اخلاق زیست‌محیطی عوامل دو وجهی هستند. این متغیرها در نمودار حول و حوش خط قطری ناحیه شمال شرقی نمودار قرار دارند و ظرفیت بسیار بالایی جهت تبدیل شدن به بازیگران کلیدی سیستم را دارا هستند.

Identifying key elements of environmental citizenship (Case study: Citizens of Tabriz)

Introduction Reference evaporation and transpiration is one of the important elements of the hydrological cycle, which plays an important role in agricultural studies, water resource management plans, irrigation and drainage network design and water structures (Nuri et al., 2013, Volume twenty, number five, page 12). Due to the small amount of precipitation and the limitation of water resources in Iran, the correct management of water resources is very important and it is necessary to be careful in using water.Data and MethodIn order to carry out this research, daily climatic data during the years 2014 to 2015 of East Azerbaijan (four stations of Maragheh, Midane, Jolfa and Ahar) were prepared from the regional meteorological organization. After normalization and determination of correlation, the data were used in MATLAB software with artificial neural network method with LunbergMarquardt training to 7030 combination for training and simulation. The input data for the simulation of evaporation and transpiration (temperature, sunshine hours, humidity, wind speed) and the work evaluation criteria are RMSE, R2 and MAE, which we gave priority to the data with less error. Results and DiscussionIn this research, the method based on artificial intelligence (ANN) and three experimental models (Penman Monteith Fau (PMF56), Blaney Kridel (BC) and Kimberly Penman (KP) were used to model the nonlinear transpiration evaporation system of the reference plant. The results showed that the artificial intelligence method has better accuracy and speed in estimating ET0 compared to experimental methodsConclusionThe results showed that the artificial intelligence method has better accuracy and speed. Also, comparing the method of artificial neural networks with classical methods, the results indicate the appropriateness of the performance of artificial neural networks.