کلید واژه ها:
داده های سنجش از راه دور چند منبعی ; فرونشست زمین ؛ پوشش گیاهی سطحی ؛ مدل GM (1,1) ; تجزیه و تحلیل کمی ; شیشان کولفیلد
چکیده گرافیکی
۱٫ مقدمه
۲٫ مواد و روشها
۲٫۱٫ منطقه مطالعه
۲٫۲٫ داده ها
۲٫۳٫ پردازش داده ها
۲٫۴٫ مواد و روش ها
ضریب تغییرات آماری است که می تواند میزان پراکندگی داده ها را منعکس کند. این شاخص به یک شاخص مهم برای اندازه گیری ثبات کیفیت داده ها تبدیل شده است و می تواند برای نشان دادن نوسانات و پایداری پوشش گیاهی مورد استفاده قرار گیرد [ ۱۸ ، ۱۹ ]. فرمول این است:
که در آن C v ضریب تغییرات است، انحراف معیار است، میانگین مقدار NDVI، n تعداد کل سالها و X i مقدار NDVI هر پیکسل است. هر چه ضریب تغییرات بیشتر باشد، پایداری پوشش گیاهی منطقه ضعیف تر است. یعنی اختلال در رشد پوشش گیاهی قوی تر است.
روش تحلیل روند عمدتاً از رگرسیون خطی و روش حداقل مربع برای یافتن شیب برازش بهینه دادههای سری زمانی طولانی استفاده میکند و میتواند برای توصیف روند انحطاط و رشد پوشش گیاهی استفاده شود [ ۱ ، ۵ ، ۸ ]. این می تواند تغییرات سالانه NDVI را منعکس کند. فرمول به شرح زیر است:
جایی که S نشان دهنده شیب روند NDVI است، NDVI i حداکثر مقدار NDVI سالانه است. S > 0 نشان می دهد که NDVI منطقه ای در حال افزایش است، S < 0 نشان می دهد که NDVI منطقه ای در حال کاهش است.
مدل دوگانگی پیکسلی یک روش تخمین سنجش از دور بر اساس شاخص پوشش گیاهی و تجزیه پیکسلی مخلوط است. فرض بر این است که هر پیکسل از پوشش گیاهی و خاک تشکیل شده است، و مقدار بازتاب هر پیکسل را می توان به صورت مجموع وزنی خطی پوشش گیاهی و خاک بیان کرد [ ۱۲ ]. بیان برای محاسبه پوشش گیاهی به شرح زیر است:
در جایی که f c پوشش گیاهی است، خاک NDVI تقریباً مقدار NDVI خاک لخت یا پیکسل غیر گیاهی است، NDVI veg مقدار NDVI پیکسل گیاهی خالص است. بر اساس جدول آمار فراوانی NDVI و ویژگیهای پوشش گیاهی پراکنده در برخی مناطق، مقادیر ۵% و ۹۵% فراوانی تجمعی به ترتیب به عنوان خاک NDVI و گیاه NDVI در نظر گرفته شد [ ۳ ، ۱۱ ].
- (۱)
-
فرض کنید دنباله خام x (۰) = { x (۰) (۱) , x (۰) (۲) ,…, x (۰) ( n )} و سپس جمع کنید تا شکل
- (۲)
-
دنباله متوسط را در نظر بگیرید
- (۳)
-
معادله دیفرانسیل خاکستری و مدل معادله آلبینیسم هستند
- (۴)
-
ماتریس-بردار را معرفی کنید
- (۵)
-
برای به دست آوردن حداقل مقدار از روش حداقل مربع استفاده می شود
- (۶)
-
ایجاد فرمول پیش بینی
۳٫ نتایج و تجزیه و تحلیل
۳٫۱٫ وضعیت استقرار زمینی
۳٫۲٫ تجزیه و تحلیل پوشش گیاهی سطحی
۳٫۳٫ تجزیه و تحلیل پایداری
۳٫۴٫ تحلیل روند
۳٫۵٫ پیش بینی پوشش گیاهی
۴٫ بحث
۵٫ نتیجه گیری ها
- (۱)
-
فرونشست زمین به طور مداوم از سال ۲۰۰۸ تا ۲۰۱۰ تا ۲۰۱۹ تا ۲۰۲۰ در میدان زغال سنگ شیشان رخ داده است. چهار منطقه فرونشست جدی در Qingxu-Jiaocheng، Wanbailin District، Gujiao City و Wenshui توسط فناوری SBAS-InSAR به دست آمد، حداکثر نرخ فرونشست در مناطق فوق ۱۰۳- میلی متر در سال، ۷۵- میلی متر در سال، ۹۰- میلی متر بود. /year، و -۱۳۳ میلی متر در سال، به ترتیب. با مقایسه نرخ تغییر شکل در دوره ها و مناطق مختلف، نه تنها می تواند به درک شرایط سطحی مناطق مختلف کمک کند، بلکه زمینه ای برای مدیریت جامع در مناطق فرونشست معدن زغال سنگ فراهم می کند.
- (۲)
-
مقدار NDVI مرکز فرونشست حدود ۱۰ درصد کوچکتر از مناطق لبه فرونشست و مناطق غیر فرونشست بود. نسبت پوشش گیاهی با نوسانات زیاد در مرکز فرونشست ۶۰/۶ درصد، حدود ۵/۲ برابر لبه فرونشست (۲۴/۲ درصد) و مناطق غیر فرونشست (۷۵/۲ درصد) بود. این در حالی است که نسبت تخریب جدی در مرکز فرونشست، لبه فرونشست و پهنه های غیرنشست ۵٫۶۴، ۲٫۷۱ درصد و ۱٫۱۰ درصد بوده است. روند تخریب پوشش گیاهی در مرکز فرونشست بیشترین شدت را داشت. نتایج فوق نشان میدهد که پوشش گیاهی در مرکز فرونشست تحت تأثیر قرار میگیرد و هر چه پوشش گیاهی سطحی به مرکز فرونشست نزدیکتر باشد، روند تخریب و نوسان قویتر است.
- (۳)
-
پوشش گیاهی به طور کلی روند صعودی گوه ای را در زغال سنگ شیشان نشان داد و مدل GM (1،۱) نیز این روند را آشکار کرد. در مقایسه با پوشش گیاهی در سال ۲۰۲۱، باقیمانده مقادیر پیشبینیشده ۰٫۰۴۷، ۰٫۰۴۷ و ۰٫۰۱۹ بود که ثبات روند توسعه را حفظ کرد. در همان زمان، قانون به دست آمده با استفاده از NDVI و پوشش گیاهی سازگار بود. یعنی پوشش گیاهی سطحی در مرکز فرونشست رشد ضعیفی داشت.
منابع
- وانگ، ام. فو، جی. وو، زی. Pang، Z. تغییرات فضایی و زمانی NDVI در فصل رشد پوشش گیاهی در منطقه منبع رودخانه زرد، چین. ISPRS Int. J. Geo-Inf. ۲۰۲۰ ، ۹ ، ۲۸۲٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- ژانگ، ام. وانگ، جی. تغییرات زمانی-مکانی لی، S. و عوامل اصلی تأثیر انسانی پوشش کسری پوشش گیاهی در یک منطقه معدن زغال سنگ روباز در مقیاس بزرگ از سال ۱۹۹۲ تا ۲۰۱۵٫ J. Clean. تولید ۲۰۱۹ ، ۲۳۲ ، ۹۴۰-۹۵۲٫ [ Google Scholar ] [ CrossRef ]
- لی، اس. وانگ، جی. ژانگ، ام. Tang, Q. مشخص کردن و نسبت دادن تغییرات پوشش گیاهی در پایگاه زغال سنگ شمال شانشی چین از سال ۱۹۸۷ تا ۲۰۲۰٫ Resource. خط مشی ۲۰۲۱ , ۷۴ , ۱۰۲۳۳۱٫ [ Google Scholar ] [ CrossRef ]
- یو، ایکس. مو، سی. ژانگ، دی. ارزیابی مزایای احیای زمین در مناطق معدنی با استفاده از ارزیابی جامع فازی. پایداری ۲۰۲۰ ، ۱۲ ، ۲۰۱۵٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- پنگ، ال. دنگ، دبلیو. لیو، ی. درک نقش شهرنشینی در پویایی پوشش گیاهی در مناطق کوهستانی جنوب غربی چین: مکانیسم، الگوی فضایی و زمانی، و پیامدهای سیاست. ISPRS Int. J. Geo-Inf. ۲۰۲۱ ، ۱۰ ، ۵۹۰٫ [ Google Scholar ] [ CrossRef ]
- لی، اچ. یانگ، ایکس. ژانگ، ک. درک فرآیندهای جهانی تخریب زمین با بیوفیزیک پیچیده و اقتصاد اجتماعی از دیدگاه شاخص گیاهی تفاوت عادی شده (۱۹۸۲-۲۰۱۵). گلوب. تغییر سیاره ۲۰۲۱ ، ۱۹۸ ، ۱۰۳۴۳۱٫ [ Google Scholar ] [ CrossRef ]
- کای، اس. آهنگ، X. هو، آر. Guo, D. پاسخهای وابسته به اکوسیستم پوشش گیاهی در فلات تبت به عوامل آب و هوایی و دورههای تأخیر آنها. ISPRS Int. J. Geo-Inf. ۲۰۲۱ ، ۱۰ ، ۳۹۴٫ [ Google Scholar ] [ CrossRef ]
- اسلام، س. Ma, M. نظارت جغرافیایی اثرات دمای سطح زمین بر پویایی پوشش گیاهی در منطقه جنوب شرقی بنگلادش از سال ۲۰۰۱ تا ۲۰۱۶٫ ISPRS Int. J. Geo-Inf. ۲۰۱۸ ، ۷ ، ۴۸۶٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- شارما، آی. Tongkumchum، P. Ueranantasun، A. تجزیه و تحلیل رگرسیون شاخص گیاهی تفاوت نرمال شده (NDVI) برای مقایسه الگوهای فصلی و روند ۱۵ ساله پوشش گیاهی از شرق به غرب نپال. نات. محیط زیست نظرسنجی فنی. ۲۰۲۱ ، ۲۰ ، ۲۶۷-۲۷۳٫ [ Google Scholar ] [ CrossRef ]
- سانز، ای. Saa-Requejo، A. دیاز-آمبرونا، CH; رویز-راموس، ام. رودریگز، آ. ایگلسیاس، ای. استیو، پی. سوریانو، بی. Tarquis، AM شاخص گیاهی تفاوت نرمال شده پاسخ های زمانی به دما و بارندگی در مراتع خشک. Remote Sens. ۲۰۲۱ , ۱۳ , ۸۴۰٫ [ Google Scholar ] [ CrossRef ]
- دو، ایکس. ما، ایکس. هوو، تی. ژو، جی. ژائو، سی. ارزیابی اثرات زیست محیطی انتقال آب زیست محیطی در طول ۳۱ سال برای یک دریاچه پایانی در آسیای مرکزی. Catena ۲۰۲۲ , ۲۰۸ , ۱۰۵۷۲۵٫ [ Google Scholar ] [ CrossRef ]
- ژو، ال. وانگ، اس. دو، م. یانگ، جی. زو، ی. Wu, J. یک رویکرد یکپارچه برای تشخیص و پیشبینی وضعیت سبز شدن در یک منطقه بیابانی معمولی در چین و تجزیه و تحلیل عوامل انسانی و اقلیمی آن. ISPRS Int. J. Geo-Inf. ۲۰۲۰ ، ۹ ، ۳۶۴٫ [ Google Scholar ] [ CrossRef ]
- نیش، ا. دونگ، جی. کائو، ز. ژانگ، اف. لی، ی. تنوع تمپو-مکانی پوشش گیاهی و عوامل مؤثر بر مناطق معدنی در مقیاس بزرگ در مغولستان داخلی شرقی، چین. بین المللی جی. محیط زیست. Res. بهداشت عمومی ۲۰۲۰ ، ۱۷ ، ۴۷٫ [ Google Scholar ] [ CrossRef ] [ PubMed ] [ نسخه سبز ]
- وو، کیو. لیو، ک. آهنگ، سی. وانگ، جی. که، ال. ما، ر. دنگ، ایکس. تشخیص از راه دور آسیبهای پوشش گیاهی و شکل زمین توسط استخراج زغال سنگ در فلات تبت. Sustainability ۲۰۱۸ , ۱۰ , ۳۸۵۱٫ [ Google Scholar ] [ CrossRef ][ Green Version ]
- لیو، اس. لی، دبلیو. کیائو، دبلیو. وانگ، کیو. هو، ی. Wang, Z. تأثیر شرایط طبیعی و فعالیتهای معدنی بر تغییرات پوشش گیاهی در مناطق معدنی خشک و نیمهخشک. Ecol. اندیک. ۲۰۱۹ ، ۱۰۳ ، ۳۳۱-۳۴۵٫ [ Google Scholar ] [ CrossRef ]
- چن، دبلیو. لی، دبلیو. یانگ، ز. وانگ، Q. تجزیه و تحلیل تغییرات ناشی از استخراج از سطح جدول آب و مزایای بالقوه برای پوشش گیاهی زیست محیطی: مطالعه موردی معدن زغال سنگ Jinjitan در منطقه معدن Yushenfu، چین. هیدروژئول. J. ۲۰۲۱ ، ۲۹ ، ۱۶۲۹-۱۶۴۵٫ [ Google Scholar ] [ CrossRef ]
- یانگ، ی. Erskine، PD; Lechner, AM; مولیگان، دی. ژانگ، اس. Wang, Z. تشخیص پویایی اختلال و بازیابی پوشش گیاهی در منطقه استخراج سطحی از طریق تصاویر Landsat و الگوریتم LandTrendr. جی. پاک. تولید ۲۰۱۸ ، ۱۷۸ ، ۳۵۳-۳۶۲٫ [ Google Scholar ] [ CrossRef ]
- یانگ، ز. لی، جی. زیپ، CE; شن، ی. میائو، اچ. Donovan، PF شناسایی انواع اختلالات و مسیر در مناطق معدن با استفاده از تصاویر سنجش از دور چند زمانی. علمی کل محیط. ۲۰۱۸ ، ۶۴۴ ، ۹۱۶-۹۲۷٫ [ Google Scholar ] [ CrossRef ]
- لی، اچ. خو، اف. لی، کیو. نظارت سنجش از دور آسیب زمین و بازسازی در مناطق معدنی خاکی کمیاب در ۶ شهرستان در جنوب جیانگشی بر اساس تصاویر متوالی چند منبعی. جی. محیط زیست. مدیریت ۲۰۲۰ , ۲۶۷ , ۱۱۰۶۵۳٫ [ Google Scholar ] [ CrossRef ]
- وانگ، اس. هوانگ، جی. یو، اچ. جی، سی. شناسایی مناطق کلیدی چشم انداز در منطقه معدن زغال سنگ یک استپ نیمه خشک در چین: مطالعه موردی معدن زغال سنگ روباز Yimin. پایداری ۲۰۲۰ ، ۱۲ ، ۲۲۳۹٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- چن، جی. یانگ، ی. لیو، ایکس. وانگ، M. ویژگی های توزیع فضایی فلزات سنگین در خاک سطحی منطقه استخراج زغال سنگ Xilinguole بر اساس Semivariogram. ISPRS Int. J. Geo-Inf. ۲۰۲۱ ، ۱۰ ، ۲۹۰٫ [ Google Scholar ] [ CrossRef ]
- پادمنابان، ر. بوومیک، AK; Cabral, P. رویکرد سنجش از دور برای پایش محیطی در یک منطقه معدن احیا شده. ISPRS Int. J. Geo-Inf. ۲۰۱۷ ، ۶ ، ۴۰۱٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- لیو، جی. کاربرد فناوری RS برای بررسی فاجعه زمین شناسی در شیشان تایوان. پایان نامه کارشناسی ارشد، دانشگاه صنعتی تایوان، تایوان، چین، ۲۰۰۶٫ موجود به صورت آنلاین: https://kns.cnki.net/kcms/detail/detail.aspx?FileName=2006152795.nh&DbName=CMFD2006 (دسترسی در ۲ فوریه ۲).
- خورشید، B. زمان-رویداد جدی شکلگیری و تکامل لایههای زغالدار شیشان، تایوان و عوامل زمینشناسی. Ph.D. پایان نامه، دانشگاه صنعتی تایوان، تایوان، چین، ۲۰۱۴٫ [ Google Scholar ] [ CrossRef ]
- ما، دی. گوان، ی. ژائو، اس. نظارت بر تغییر شکل سطح در منطقه زغالسنگ شیشان در استان شانشی بر اساس فناوری SBAS-InSAR. زغال سنگ. ۲۰۲۱ ، ۴۰ ، ۱۳۰-۱۳۵٫ [ Google Scholar ] [ CrossRef ]
- براردینو، پی. فورنارو، جی. لناری، ر. Sansosti، E. یک الگوریتم جدید برای نظارت بر تغییر شکل سطح بر اساس تداخلنگارهای SAR دیفرانسیل پایه کوچک. IEEE Trans.Geosci. از راه دور. Sens. ۲۰۰۲ , ۴۰ , ۲۳۷۵-۲۳۸۳٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- پپه، آ. Lanari, R. در گسترش الگوریتم جریان حداقل هزینه برای باز کردن فاز تداخلنگارهای SAR دیفرانسیل چند زمانی. IEEE Trans.Geosci. Remote Sens. ۲۰۰۶ , ۴۴ , ۲۳۷۴-۲۳۸۳٫ [ Google Scholar ] [ CrossRef ]
- چعبانی، ع. Deffontaines، B. کاربرد تکنیک SBAS-DInSAR برای نظارت بر تغییر شکل در شهر تونس و دشت مورناگ. Geomat. نات. خطرات خطر. ۲۰۲۰ ، ۱۱ ، ۱۳۴۶-۱۳۷۷٫ [ Google Scholar ] [ CrossRef ]
- لوش، ای. Sagan، V. SBAS تجزیه و تحلیل تغییر شکل سطح زمین ناشی از تزریق فاضلاب در شرق مرکزی اوکلاهاما، ایالات متحده. Remote Sens. ۲۰۱۸ , ۱۰ , ۲۸۳٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- تائو، کیو. دینگ، ال. هو، ال. چن، ی. لیو، تی. عملکرد روش های LS و SVD برای راه حل های مدل تغییر شکل SBAS InSAR. بین المللی J. Remote Sens. ۲۰۲۰ , ۴۱ , ۸۵۴۷–۸۵۷۲٫ [ Google Scholar ] [ CrossRef ]
- بلورانی، م. درویشی، م. ونگ، کیو. لیو، X. نقشهبرداری آسیب شهری پس از جنگ با استفاده از InSAR: مورد شهر موصل در عراق. ISPRS Int. J. Geo-Inf. ۲۰۲۱ ، ۱۰ ، ۱۴۰٫ [ Google Scholar ] [ CrossRef ]
- لیو، اس. Deng, J. محدوده مناسب برای GM (1،۱). سیستم Eng.-تئوری عمل. ۲۰۰۰ ، ۵ ، ۱۲۱-۱۲۴٫ [ Google Scholar ]
- ژانگ، دی. جیانگ، اس. شی، ک. نقص نظری فرمول پیشبینی خاکستری و بهبود آن. سیستم Eng.-تئوری عمل. ۲۰۰۲ ، ۸ ، ۱۴۰-۱۴۲٫ [ Google Scholar ]
- زی، ن. لیو، اس. GM گسسته (۱،۱) و مکانیسم مدل پیش بینی خاکستری. سیستم Eng.-TheoryPact. ۲۰۰۵ ، ۱ ، ۹۳-۹۹٫ [ Google Scholar ]
- زی، ن. وانگ، آر. مروری تاریخی بر مدلهای پیشبینی خاکستری. جی. گری سیست. ۲۰۱۷ ، ۲۹ ، ۱-۲۹٫ [ Google Scholar ]
- لیو، ی. ژائو، سی. ژانگ، Q. یانگ، سی. نظارت بر تغییر شکل پیچیده سطح و وارونگی مکانیسم بر روی Qingxu-Jiaocheng، چین با تصاویر SAR چند سنسوری. جی. جئودین. ۲۰۱۸ ، ۱۱۴ ، ۴۱-۵۲٫ [ Google Scholar ] [ CrossRef ]
- لی، ایکس. تحقیق روند تغییر پوشش گیاهی با فناوری سنجش از دور در منطقه فرونشست سطحی معدن زغال سنگ BinChang. پایان نامه کارشناسی ارشد، دانشگاه علم و صنعت شیان، شیان، چین، ۲۰۱۳٫ موجود به صورت آنلاین: https://kns.cnki.net/KCMS/detail/detail.aspx?dbname=CMFD201401&filename=1014000407.nh (دسترسی در ۱۶ فوریه ۲۰۲۲).
- چن، اس. یین، دی. کائو، اف. لیو، ی. رن، ک. مروری بر فناوری یکپارچه کاهش فرونشست سطح در مناطق معدنی چین. نات. خطرات ۲۰۱۶ ، ۸۱ ، ۱۱۲۹-۱۱۴۵٫ [ Google Scholar ] [ CrossRef ]
- لیو، اس. لی، دبلیو. کیائو، دبلیو. لی، ایکس. وانگ، کیو. او، J. روش پهنه بندی برای الگوهای زمین شناسی مهندسی محیطی ناشی از معدن با در نظر گرفتن درجه تأثیر فعالیت های معدنی بر آبخوان فریاتیک. جی هیدرول. ۲۰۱۹ , ۵۷۸ , ۱۲۴۰۲۰٫ [ Google Scholar ] [ CrossRef ]
- تسفایه، ع.ا. بیدار، BG ارزیابی خاصیت اشباع شاخص های پوشش گیاهی مشتق شده از Sentinel-2 در اکوسیستم مخلوط محصول-جنگل. تف کردن Inf. Res. ۲۰۲۱ ، ۲۹ ، ۱۰۹-۱۲۱٫ [ Google Scholar ] [ CrossRef ]
- ژن، ز. چن، اس. یین، تی. چاوانون، ای. لورت، ن. گیلو، جی. هنکه، م. Qin، W. کائو، ال. لی، جی. و همکاران استفاده از ضریب تعدیل منفی خاک شاخص گیاهی تنظیم شده خاک (SAVI) برای مقاومت در برابر اثرات اشباع و تخمین شاخص سطح برگ (LAI) در مناطق با پوشش گیاهی متراکم. Sensors ۲۰۲۱ , ۲۱ , ۲۱۱۵٫ [ Google Scholar ] [ CrossRef ]
- تانگ، اس. ژانگ، جی. بائو، ی. لای، س. لیان، ایکس. لی، ن. بائو، ی. تجزیه و تحلیل روند پویای پوشش گیاهی در فلات مغولستان بر اساس توان هرست و عوامل موثر از ۱۹۸۲-۲۰۱۳٫ J. Inf. علمی ۲۰۱۸ ، ۲۸ ، ۵۹۵-۶۱۰٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- آی، ال. وانگ، اس. Zhang، Z. تکامل مکانی-زمانی و پیشبینی پوشش گیاهی در بخش مرکزی مرتع Xilingol در طول سالهای ۱۹۷۷-۲۰۱۷٫ گاو نر حفظ آب خاک ۲۰۱۹ ، ۳۹ ، ۲۴۹–۲۵۶٫ [ Google Scholar ] [ CrossRef ]
- لی، ایکس. کانگ، جی. وانگ، پی. لیو، ی. فو، Q. ژئوشیمی و کانی شناسی زغال سنگ کربنیفر پسین (شماره ۸) از معدن Jialequan، Xishan Coalfield، استان شانشی، چین: شواهدی برای کنترل های زمین شناسی عناصر کمیاب. عرب جی. ژئوشی. ۲۰۲۰ ، ۱۳ ، ۱-۱۷٫ [ Google Scholar ] [ CrossRef ]
- لیو، دی. شائو، ی. لیو، ز. ریدل، بی. ساوتر، ا. نیمایر، دبلیو. Bian, Z. ارزیابی InSAR و TomoSAR برای نظارت بر تغییر شکلهای ناشی از استخراج معدن در یک منطقه کوهستانی با SAR مبتنی بر ماهواره با وضوح بالا. Remote Sens. ۲۰۱۴ ، ۶ ، ۱۴۷۶-۱۴۹۵٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
بدون دیدگاه