سنجش از دور و GIS ایران

مسیریابی یکی از مسائل بسیار پرکاربرد GIS است که هدف اصلی آن یافتن بهترین مسیر گذرنده از یک سری موقعیت های از پیش تعیین شده است. این فرایند می تواند تأثیر بسزایی در تصمیم گیری های حساس مکانی داشته باشد. به همین دلیل از دیرباز تحقیقات بسیاری در مورد بهینه سازی این مسئله با استفاده از الگوریتم های مختلف صورت گرفته است. مسئله فروشنده دوره گرد یکی از مسائل بسیار کهن در علوم کاربردی است که پیش از پیدایش GIS نیز مطرح بوده است. این مسئله با ظهور فناوری های جدید مانند GIS کاربردهای بسیاری یافته و روش های جدیدی نیز برای حل آن پیشنهاد شده است. الگوریتم های تکاملی (ژنتیک) یکی از روش هایی هستند که برای حل مسائل بهینه سازی مختلف به کار گرفته می شوند. تحقیقات نشان داده است که تلفیق روش های جست وجوی محلی (Local Search) با عملگرهای ژنتیک می تواند منجر به نتایج بهتری در حل مسئله فروشنده دوره گرد شود. در نوشتار حاضر، روشی تازه و ابتکاری برای حل مسئله مسیریابی ارائه و پیاده سازی شده است. در این روش با بهره گیری از مفهوم مرکز هندسی به برازش چندضلعی ها با رئوس شهرها، به گونه ای پرداخته شده است که مسیر نهایی محدب ترین چندضلعی باشد. این الگوریتم با رویکردی پوششی با جهت بیرونی ـ درونی بزرگ ترین دایره محیطی شهرها را به کوچک ترین چندضلعی محدب ممکن تبدیل می کند. همچنین با استفاده از جست وجوی محلی مبتنی بر الگوریتم ژنتیک و روش نزدیک ترین همسایه (NN)، به حل مسئله مسیریابی فروشنده دوره گرد پرداخته شده است. ارزیابی نتایج حاصل از روش پیشنهادی با نتایج حاصل از روش های ژنتیکی، جست وجوی محلی و نزدیک ترین همسایه حاکی از این بود که روش پیشنهادی، سرعت و دقت بالایی را در تولید مسیرهای نهایی ارائه می کند. بررسی نتایج نهایی ژنتیک با روش ابتکاری نشان دادکه این الگوریتم همواره نمی تواند به جواب های بهتری برسد. مثلاً در تعداد 25 بار اجرای جداگانة جست وجوی ژنتیک، 3/69 درصد از جواب ها از جواب روش پیشنهادی، بهتر نبودند. از طرف دیگر روش پیشنهادی می تواند چندین هزار برابر سریع تر از الگوریتم قدرتمند ژنتیک جواب های نهایی را تولید کند.

یکی از پارامترهای فیزیکی دست یافتنی از داده های سنجش از دور، بازتابندگی سطح در نواحی مختلف طیف بازتابی الکترومغناطیسی است. تقریباً همه پیکسل های شهری تصویر شده به وسیله سنجنده هایی با قدرت تفکیک مکانی پایین یا متوسط، پیکسل های مختلط اند. بازتابندگی پیکسل مختلط، ترکیبی از بازتابندگی چندین عارضة جداست که درون میدان دید سنجنده قرار گرفته اند. یکی از روش های معمول برای توصیف محیط های شهری استفاده از روش های طبقه بندی و مدل های جداسازی است. از پرکاربردترین مدل های جداسازی نیز تحلیل اختلاط طیفی است، که بازتابندگی پیکسل مختلط را به صورت ترکیب خطی از بازتابندگی و درصد حضور هر یک از مواد موجود در آن پیکسل بیان می کند. تحلیل اختلاط طیفی به دو مدل جداسازی طیفی و مکانی تقسیم می شود. هدف در مدل جداسازی مکانی، تعیین طیف بازتابندگی کلاس های شهری است. در این مقاله، با استفاده از اطلاعات مکانی تصویر IKONOS با قدرت تفکیک مکانی 4 متر و تعداد 4 باند و اطلاعات طیفی تصویر Hyperion با قدرت تفکیک مکانی 30 متر و تعداد 242 باند و روش جداسازی مکانی خطی، طیف بازتابندگی برخی از مواد شهری تعیین گردید. برای ارزیابی نتایج، مقایسة پیکسل بازسازی شدة تصویر Hyperion و پیکسل واقعی به کار گرفته شد. پس از تعیین طیف مواد شهری، تصویری با قدرت تفکیک مکانی 4 متر و 136 باند تهیه گردید که تا حد ممکن تغییرپذیری مواد شهری در آن در نظر گرفته شده است.

ضرورت آگاهی از وضعیت منابع آب و نزولات جوی در مناطق مختلف برای اجرای طرح های آبی از یک سو، و فقدان شبکه ای مطلوب از ایستگاه های اندازه گیری پارامترهای هواشناسی از سوی دیگر، اهمیت استفاده از روش های غیرمستقیم را برای تخمین پارامترهای اقلیمی در بسیاری از مناطق کشور آشکار می سازد. پیش بینی تغییرات اقلیمی حاکم بر هر منطقه و مدل سازی های اقلیمی و هیدرولوژیکی، مستلزم در دسترس بودن اطلاعات درازمدت و هم زمانِ بارش در قالب های مکانی و زمانی در ایستگاه های باران سنجی است. به دلیل عدم کفایت ایستگاه های ثبت بارندگی در گذشته، دسترسی به این اطلاعات در بسیاری از مناطق کشور با محدودیت هایی همراه است و پیاده سازی این مدل ها در مناطق مذکور عملاً ناممکن می نماید. استفاده از شبکه های عصبی مصنوعی (ANN) امکان برآورد این اطلاعات را در ایستگاه های پراکندة باران سنجی، و در درازمدت حتی در سال هایی که منطقه فاقد ایستگاه های ثبت بارش بوده است، فراهم می کند. در این تحقیق برای برآورد آمار میانگین بارندگی ماهانه و فصلی و سالانه در 305 ایستگاه هواشناسی موجود در سه استان اردبیل و آذربایجان شرقی و آذربایجان غربی در دو دهه پیش از تأسیس این ایستگاه ها، از 36600 داده ثبت شدة آمار بارندگی ماهانه در دورة ده ساله 2004-1995 استفاده شد. این داده ها به عنوان ورودی برای آموزش شبکه های عصبی با الگوریتم پس انتشار خطا به کار گرفته شدند. طول و عرض جغرافیایی، ارتفاع، شیب، عدد ماه و میانگین بارندگی ماهانه 5 ایستگاه نزدیک تر به هر ایستگاه نیز به عنوان پارامترهای ورودی شبکه انتخاب شدند. ابتدا شبکه عصبی برای دوره ده ساله 2004-1995 آموزش داده شد و دقتی معادل (84/0=R) به دست آمد. پس از آموزش شبکه عصبی، اقدام به برآورد داده های میانگین بارندگی ماهانه و فصلی و سالانه در دوره زمانی 1994-1975 در ایستگاه های موجود در منطقه مطالعاتی گردید. دقت شبکه عصبی در این برآورد معادل 7/0، 78/0 و 88/0 به ترتیب برای تخمین مقادیر میانگین بارندگی ماهانه و فصلی و سالانه در سطح منطقه مورد مطالعه بود. میزان این دقت برای هر سه استان به صورت مجزا اعتبارسنجی شد و بیشترین دقت در استان آذربایجان غربی (معادل 78/0) به دست آمد. سپس اقدام به تولید نقشه های درون یابی شده میانگین بارندگی ماهانه و فصلی و سالانه در سطح منطقه مطالعاتی، با استفاده از تخمینگر زمین آماری کریجینگ براساس داده های برآوردشده با تکنیک شبکه های عصبی و داده های موجود ثبت شده در ایستگاه ها در دوره زمانی 2004-1975 گردید. نتایج این تحقیق امکان دسترسی به آمار پیوسته و درازمدت بارندگی و همچنین بررسی تغییرات توزیع مکانی بارندگی را در منطقه شمال غرب کشور از گذشته تا امروز میسر می سازد.

الگوهای دمایی در کاربری های مختلف و میزان تأثیرگذاری آنها بر دامنه های دمایی در شناخت میکروکلیمای شهری بسیار اهمیت دارد. فعالیت های بشری و تغییر در سیمای طبیعی شهر موجب ایجاد تفاوت هایی از نظر دما بین مناطق مرکزی شهر و حومه آن می شود، که با استفاده از تصاویر ماهواره ای می توان آنها را سنجش و اندازه گیری و پایش کرد. هدف از این پژوهش مطالعه تغییرات زمانی و مکانی الگوهای حرارتی شهری شیراز از طریق تصاویر ماهواره ای و تعیین مکان های دارای دمای بالا و بررسی نقطه ای به منظور ترسیم نقشه و تحلیل کاربری شهری است. روش تحقیق، استفاده از تصاویر ماهواره LANDSAT سنجنده ETM+، با قدرت تفکیک 60 متر از باند 2-6 (High Gain) در نادیر سنجنده +ETM و باند 6 سنجنده TM به منظور استخراج الگوی حرارتی شهر و همچنین تهیه نقشه های کاربری برای پایش تغییرات کاربری شهر شیراز در بازه زمانی 24 ساله بوده است. نتایج در این پژوهش نشان داد سطوح بایر خاکی فاقد پوشش گیاهی حاشیه شهر بیشترین میزان دما را دارند و در کاربرهای شهری نیز دمای بافت های فشرده و فرسوده شهری بیش از دیگر مناطق مسکونی است. بدین ترتیب حلقه های دمایی با مناطق آلوده و پرترافیک شهری انطباق دارند؛ و سردترین مناطق نیز با کاربری پوشش گیاهی منطبق اند. ناگفته نماند که تغییرات کاربری در دوره آماری حاکی از روندی کاهشی برای کاربری بایر به نفع کاربری شهری است.

ارزیابی دقیق زیست توده به منظور مدیریت جنگل و درک نقش آن به عنوان منبع کربن، اهمیت بسیار دارد. از آنجا که 50 درصد زیست توده جنگل ها مشتمل بر کربن است، لذا برآورد مقدار زیست توده جنگل ها، از جنبه بررسی مقدار انرژی ذخیره شده در جنگل ها و همچنین تغییرات آب و هوایی در کانون توجه قرار می گیرد. بهترین راه برای برآورد دقیق زیست توده، ایجاد مدل های تخمین براساس داده های محلی جمع آوری شده است. امروزه استفاده از تکنیک های سنجش از دور با کمک داده های محدود زمینی، تحولی شگرف را در تدوین و بهره برداری از اطلاعات مربوط به زیست توده جنگل شکل داده است. نبود معادلات محلی زیست توده و ابهام در برآورد دقیق آن براساس معادلات جهانی، این مقاله را به سمت تکوین و توسعه معادلات زیست توده برای جنگل های گیلان ـ واقع در شمال ایران ـ رهنمون ساخته است. در این مقاله بدین منظور به نمونه برداری از جنگل و اندازه گیری پارامترهای مختلف همچون ارتفاع و قطر درخت در 28 پلات با ابعاد 30 30 متر (900 متر مربع) در منطقه مورد مطالعه پرداخته می شود؛ و با استفاده از روش غیرمخرب، مقدار زیست توده مربوط به این پلات ها محاسبه می گردد. سپس با بهره گیری از تصاویر نوری و راداری ماهواره ALOS، بین اطلاعات سنجش از دور و مقدار زیست توده جنگل، از طریق معادلات رگرسیون چندمتغیره، ارتباط برقرار می شود. گفتنی است که بهترین مدل تخمین با استفاده از آنالیز رگرسیون چندمتغیره، براساس گونه درخت با ضریب تعیین 731/0 و (ton/he) 88/13=RMSE برآورد شده است.

در این تحقیق 14 شاخص طیفی با استفاده از باندهای انعکاسی محاسبه شد و میزان همبستگی این شاخص ها با تاج پوشش گیاهی در چهار تیپ مرتعی و یک تیپ جنگلی مورد ارزیابی قرار گرفت. درصد تاج پوشش گیاهی با استفاده از روش قدم ـ نقطه و به شکل شعاعی (6000 نقطه در هر تیپ) اندازه گیری شد. میزان همبستگی تاج پوشش گیاهی با شاخص های گیاهی به تفکیک در هر یک از تیپ های گیاهی و کلیه آنها (جنگل و تیپ های مرتعی) با استفاده از نرم افزارهای SPSS و Erdas Imagine مورد تجزیه و تحلیل قرار گرفت. گروه های مختلفی از شاخص های گیاهی از جمله براساس شیب خط خاک، فاصله از خط خاک، و شاخص های گیاهی تبدیلات راست گوشه و نیز شاخص های حساس به آب گیاهان با استفاده از داده های بازتابندگی سنجنده TM ماهواره لندست استخراج گردیدند. نتایج نشان داد که تیپ های گیاهی براساس خصوصیات شان با یکی از شاخص های گیاهی دیگر همبستگی بیشتری دارند و میزان همبستگی بین تاج پوشش گیاهی و شاخص های گیاهی در هر یک از تیپ های گیاهی دارای صحت بالایی (تا حدود 81 درصد) است (001/0p<). این میزان همبستگی به هنگام در نظر گرفتن تیپ های گیاهی مختلف با هم، به دلیل وجود خصوصیات طیفی متفاوت در گیاهان مختلف و همچنین عارضه های زمینه کاهش یافت. این خود نشان دهنده تنوع در خصوصیات طیفی گیاهان به دلیل اختلافات ساختاری و زیستی و همچنین خاک زمینه است، که در انتخاب شاخص مناسب برای پهنه بندی و تفکیک تیپ های گیاهی باید در نظر گرفته شود.

از آنجایی که درصد تراکم تاج پوشش از متغیرهای مهم زیست سنجی در مدیریت جنگل به شمار می آید، یافتن راهکاری مناسب برای برآورد آن اهمیت زیادی دارد. مطالعه این مشخصه در جنگل در داده های سنجش از دور، به دلیل فراهم آمدن امکان دید از بالا، با صحت و دقتی بالاتر از اندازه گیری های میدانی همراه است. یکی از پرکاربردترین روش های مورد استفاده بدین منظور روی داده های سنجش از دور، شبکه نقطه چین است. این پژوهش با هدف ارزیابی صحت و دقت روش یادشده، با استفاده از تصاویر هوایی UltraCam-D انجام گرفته است. منطقه ای به مساحت 30 هکتار از جنگل های زاگرس در استان کهگیلویه و بویراحمد به عنوان منطقه مورد مطالعه انتخاب گردید و آماربرداری کامل شد. سپس شبکه های نقطه چین مختلف براساس درصد اشتباه آماربرداری (از 55 تا 20 درصد) در سامانه اطلاعات مکانی تهیه و به کار گرفته شدند. مقایسه آماری نتایج به دست آمده، مشخص ساخت که تغییر در تعداد نقاط شبکه ها تأثیری بر صحت آن ندارد و نتایج به دست آمده از تمام شبکه ها (جز 9 و 14 درصد) فاقد اختلاف معنی دار با واقعیت زمینی اند؛ گو اینکه با افزایش تعداد نقاط، بر میزان دقت نتایج نیز افزوده می شود. به طور کلی می توان گفت که شبکه نقطه چین کارایی لازم را در برآورد درصد تراکم تاج پوشش دارد ولی بین صحت و دقت آن ارتباط مستقیمی به چشم نمی خورد.