عباس کیانی

این مقاله در صدد یافتن ماهیت حقوقی قرارداد پیش فروش ساختمان بوده و به جهت اینکه در قانون مربوط، صحبت از مالکیت به عمل آمده، پس از طرح مسئله، در مباحث مقدماتی، بالضروره به تبیین مفهوم مالکیت و تعریف بیع در قانون مدنی ایران و فقه امامیه پرداخته شده است. در ادامه مباحث، دکترین حقوق درمورد قرارداد پیش فروش ساختمان و مطابقت آن با هریک از نهادهای حقوقی تعهد به بیع، بیع مشروط، بیع معدوم به تبع موجود، بیع معلّق، عقد صلح و قرارداد خصوصی تملیکی ارائه شده است و درنهایت، ضمن خدشه در لزوم شرطیت قبض تمامی ثمن در بیع سلم، این نتیجه به عمل آمد که قرارداد مزبور با بیع سلم قابل تحلیل و توجیه است. البته با ذکر اینکه واحد ساختمانی حسب انشاء طرفین با سه حالت مختلف «از ابتدا»، «در حین احداث و تکمیل» و «پس از اتمام عملیات ساختمانی» (مندرج در ماده 1) به مالکیت پیش خریدار درآید: در حالت اول به صورت منجّز، در حالت دوم به صورت معلّق ( همراه با شرط تملیک تدریجی) و به نسبت اقساط پرداختی و در حالت سوم نیز به صورت معلق و به محض پرداخت آخرین قسط ثمن.

از مسائلی که در ایقاعات بما هی ایقاعات شایان بررسی است امکان یا عدم امکان اندراج شرط در ضمن ایقاعات است. این موضوع پیچیده نه تنها در قانون مدنی ایران مسکوت مانده، بلکه از نظر فقهی نیز محل مناقشه است. ایقاعی که شرطی ضمن آن شده است ایقاع مشروط یا ایقاع مقرون به شرط نامیده می شود که نباید آن را با ایقاع معلّق اشتباه گرفت. جستار حاضر ضمن تبیین مفهوم شرط، به بررسی امکان یا عدم امکان اندراج شرط در ضمن ایقاع و آثار آن پرداخته است و پس از رد دلایل مخالفان ایقاع مشروط، این نتیجه را به دست می دهد که بر خلاف نظر برخی فقیهان، شرط ضمن ایقاع امری است ممکن که با طبیعت ایقاع و نفوذ آن هیچ منافاتی ندارد. شرط ضمن ایقاع با توجه به «اصل آزادی شروط» مشمول عموم ادلّه شرط قرار می گیرد و نمی توان گفت که ایقاعات امور بسیطی اند که ضمنیت در آن ها متصوّر نیست

آشکارسازی لبه یکی از مفاهیم کاربردی در پردازش تصاویر سنجش ازدور است. هدف آشکارسازی لبه، نشان گذاری نقاطی از تصویر است که در آنها میزان روشنایی به شدت تغییر می کند. تغییرات شدید خصوصیات تصویر معمولاً نمایندة رویدادهای مهم و تغییر در خصوصیات محیط هستند و در کاربردهای مختلفی نظیر بخش بندی تصاویر ماهواره ای کاربرد دارند. بسیاری از روش های کلاسیک تشخیص لبه بر مشتق پیکسل های تصویر اصلی متکی هستند، مانند اپراتورهای گرادیان، لاپلاسین و لاپلاسین از اپراتور گاوسی. در تصاویر سنجش از دوری به علت بالابودن میزان تغییرات، اپراتورهای کشف با ضعف در تشخیص صحیح محدودة عوارض و حفظ پیوستگی و انسجام محدودة آنها همراه اند. در پژوهش حاضر به منظور حل این مشکلات، سیستمی دانش پایه برای کشف لبه براساس خصوصیات تصاویر سنجش از دوری ارائه می شود. در این روش ابتدا به صورت منطقه ای و با استفاده از سیستم دانش پایه، حدود آستانة مناطق مختلف تصویر تعیین می شود و سپس با استفاده از شانون آنتروپی مرز بین این مناطق استخراج می شود. این کار موجب حفظ پیوستگی لبه های کشف شده خواهد شد. از مزایای این روش بررسی ویژگی های تصویر به شکل جزئی و کلی به صورت همزمان است. این سیستم قابلیت انعطاف با نوع نیاز و خواست کاربر را برحسب میزان جزئیات و کاربرد مورد نظر دارد. در نهایت به منظور ارزیابی روش، نتایج به دست آمده با الگوریتم های استاندارد سوبل، پرویت و LoG مقایسه شدند و نشان داده شد که این روش به شکل کارآمدی قادر به شناسایی لبه های تصاویر مختلف است.

شناسایی عوارض موجود در تصاویر، یکی از مسائل اساسی در حوضه تفسیر تصاویر به ویژه در تصاویر سنجش از دوری، به شمار می آید. یکی از روش های کارآمد و به روز در این زمینه، به کارگیری شیوه های یادگیری عمیق، جهت استخراج و تفسیر است. یک عارضه، مجموعه ای از الگوهای منحصربه فرد است که با عوارض مجاور خود متفاوت است، این تفاوت معمولاً در یک یا چند ویژگی به طور هم زمان اتفاق می افتد که می توان به تفاوت در شکل، رنگ و درجه خاکستری اشاره نمود. در این راستا، روش یادگیری عمیق با توانایی تحلیل مفاهیم انتزاعی سطح بالا، می تواند انتخاب مناسبی در این زمینه باشد. در روش پیشنهادی، ابتدا یک پایگاه داده مطابق با شرایط محیطی و جغرافیایی کشور از برخی از فرودگاه های ایران تشکیل شد. سپس با استفاده از شبکه های عصبی کانولوشنی به تولید مدل یادگیرنده بهینه اقدام شد. برای این کار، در قسمت پردازش داده های خام در کنار استفاده از روش انتقال آموزشی، بردارهایی جهت دسته بندی عوارض موردنظر استخراج و به یک مدل ماشین بردار پشتیبان طبقه بندی کننده، تحویل داده می شوند. در ادامه، مقادیر خروجی با مقادیر به دست آمده از تصویر آزمایشی برای هر عارضه، مقایسه و در یک روند تکرارشونده تحلیل و جهت تطابق ساختاری بررسی می شوند. نتایج استخراج شده از اعمال مدل پیشنهادی بر روی چند سری داده آزمایشی، ارزیابی و با روش های مشابه مقایسه شد که درنهایت با مقادیر 21/98 درصد برای معیار Precision و 1/99 درصد برای معیار F1-Measure، قادر به شناسایی عوارض هدف است

طبقه بندی پوشش اراضی در تصاویر سنجش ازدور یکی از پرکاربردترین روش های استخراج اطلاعات مکانی می باشد که می تواند با تولید کلاس های تصویری عوارض سطح زمین به منظور اتوماسیون و تسریع در جهت رفع نیازهای اساسی به منظور در اختیار داشتن اطلاعات مکانی بهنگام از منابع با هدف مدیریت، ساماندهی و بهره برداری از محیط مفید واقع گردد. به دلیل مشابهت رفتار پیکسل ها، طبقه بندی تصاویر هوایی در مناطق پیچیده و متراکم شهری صرفاً با استفاده از اطلاعات طیفی و بافتی منجر به ناکارآمدی طبقه بندی می شود. به عبارتی در طبقه بندی رایج بیشتر با استفاده از خصوصیات طیف و ویژگی های پیکسل های تصویر به شناسایی عوارض و کلاس ها پرداخته می شود. درصورتی که بتوان تطابق مکانی و مفهومی پیکسل ها را نیز در نظر گرفت، به این ترتیب می توان تمایز بیشتری بین کلاس های تصویری قائل شد و فرآیند ماشینی را به تفسیر ذهنی و انسانی نزدیک نمود و بر کارایی سیستم افزود. تمرکز اصلی تحقیق حاضر استفاده از مفاهیم سیستم های خبره در طبقه بندی به منظور آنالیز شئ گرای تصاویر در سطوح مقیاس کلاسی است. بدین منظور با وارد نمودن قوانین دانش پایه به منظور کنترل هدفمند و قانونمندسازی روند توأمان قطعه بندی و تفسیر تصویر، با در نظر گرفتن ویژگی های هندسی کلاس های هدف بهبود دقت را منجر گردد. جهت بررسی کارایی تکنیک پیشنهادی، ارزیابی و مقایسه روش پیشنهادی با چند روش دیگر بر روی تصاویر ماهواره ا ی IRS در منطقه ی شهری جزیره کیش صورت پذیرفته است. نتایج حاصل از این تحقیق نشان می دهد ویژگی های هندسی و مفهومی می توانند به عنوان منبع اطلاعاتی مکمل، سبب بهبود نتایج طبقه بندی در منطقه شهری با عوارض ناهمگون طیفی گردند. طوری که در بررسی مورد اشاره صحت کلی و ضریب کاپا به ترتیب 8 درصد و 5/11 درصد افزایش پیدا کرده اند.

مطالعات متعددی که طی چندین دهه اخیر درمورد پدیده آتش سوزی انجام شده، مجموعه گسترده ای از داده های ورودی و روش های اجرا و ارزیابی را فراهم کرده است. بااین حال این مجموعه گسترده نتایج و تحقیقات، به صورت ساختاریافته، به منظور ارائه نقشه راه به کاربران جدید این حوزه و راهنمایی در زمینه کاربردها و شرایط گوناگونی فراهم آمده است که تا کنون تحلیل نشده اند. به عبارتی دیگر، خلأ تحقیقی منسجم درمورد عملکرد نسبی فرایندهای گوناگون سنجش از دور در این حوزه، به منظور تولید اطلاعات متفاوت و مرتبط با کاربری ها، احساس می شود. برای رفع این خلأ، در این تحقیق، تحلیلی نسبتاً جامع از مطالعات انجام شده درباره آتش سوزی در نشریات سنجش از دور صورت پذیرفته است. چند عامل کلی مورد ارزیابی در مطالعات پیش، حین و پس از آتش سوزی، تغییر در داده های ورودی، بررسی الگوریتم ها و توسعه آنها بودند زیرا تحلیلگران می توانند این عوامل را کنترل کنند تا دقت نهایی تحلیل ها و نتایج حاصل را بهبود بخشند. یکی از مسائل مهم در موضوع آتش سوزی، پس از شناسایی و کشف آتش، با توجه به تغییرات دائمی ایجادشده در ساختار و ترکیب پوشش گیاهی، بررسی نحوه بازیابی پوشش گیاهی و میزان رشد آن طی سالیان پس از آتش سوزی است. براساس بررسی انجام شده درباره مطالعات آتش سوزی در کشور، حدود 48% از این پژوهش ها به شناسایی و گسترش آتش سوزی و حدود 52% دیگر به احیا و بازیابی پرداخته اند. در بررسی تحقیقات درباره مطالعات شناسایی، مشخص شد که تقریباً 5% از آنها با استفاده از روش های یادگیری و 43% دیگر با روش های سنتی انجام شدند. درعین حال از سهم مرتبط با مطالعات احیا نیز، تقریباً 21% به بررسی پوشش گیاهی و 31% به بررسی خاک زیر سطح آتش پرداختند. یافته های این تحقیق می تواند به محققان، برای تصمیم گیری در انتخاب داده ها و الگوریتم های مورد استفاده، با توجه به هدف مطالعه، در شاخه های گوناگون مطالعات مرتبط با آتش سوزی کمک مؤثری برساند. بااین حال تحلیلگران می توانند، علاوه بر این دستورالعمل های کلی، ترجیحات شخصی یا مزایای الگوریتم ویژه ای را که ممکن است به برنامه ای خاص مربوط باشد، در نظر بگیرند.

با بهبود حد تفکیک مکانی تصاویر سنجش از دور، اطلاعات دقیق تری از صحنه تصویر همچون ساختارهای بافت، فراهم شده است. این منابع داده، به دلیل جزئیات بسیار، دارای واریانس درون کلاسی زیاد و واریانس بین کلاسی اندک اند؛ ازاین رو استخراج اطلاعات پوشش زمین از آنها به فرایندی چالش برانگیز تبدیل شده است. در این تصاویر، تفسیر بصری زمان بر و پرهزینه است و تفسیر اتوماتیک آنها لزوماً به دقت بالا منجر نمی شود و رسیدن به دقت تفسیر مطلوب نیازمند طراحی الگوریتم های اتوماتیک است؛ به صورتی که توانایی مقابله با مشکلات ناشی از پیچیدگی صحنه تصویر را داشته باشند. برای غلبه بر این مشکل، روش آنالیز عارضه مبنای تصویر که به مورفولوژی صحنه تصویر حساس است، به ویژه در مطالعه ای شهری که تراکم ساختارهای شکل گرفته به دست انسان بالاست، ممکن است کارآمد باشد. در طبقه بندی عارضه مبنا، پیکسل های بیانگر یک عارضه در ترکیب با یکدیگر، تجزیه و تحلیل می شوند؛ در نتیجه، فضای مسئله به نسبت طبقه بندی پیکسل مبنا کاهش می یابد و مزیت این امر افزایش سرعت محاسبات است. درعین حال به دلیل اندازه متنوع اشیای تصویری، طبقه بندی نظارت شده عارضه مبنا در ایجاد مجموعه آموزشی بهینه با چالش هایی مواجه است. در تحقیق حاضر، به منظور طبقه بندی عارضه مبنا، از الگوریتم آدابوست استفاده شده است. برای غلبه بر مشکل فقدان تناسب فضای ویژگی ناشی از تعداد اندک نمونه های آموزشی و توزیع نامتناسب آنها در مقایسه با ابعاد بالای فضای ویژگی (شامل ویژگی های طیفی، مکانی و هندسی)، دو راهبرد دنبال شده است. در یک رویکرد برای تولید مجموعه آموزشی بهینه، مکانیسم یادگیری فعال با الگوریتم آدابوست ادغام شده و در رویکردی دیگر به منظور کاهش ابعاد فضای ویژگی، براساس همبستگی بین ویژگی ها (افزونگی) و همبستگی بین ویژگی ها و کلاس ها (مطابقت)، زیرمجموعه ویژگی منتخب استخراج شده است. روش پیشنهادی روی مجموعه داده استاندارد وهینگن کشور آلمان اجرا و نتایج حاصل از آن با طبقه بندی پیکسل مبنا مقایسه شده است. به منظور بررسی معنی داری اختلاف های حاصل شده در نتایج ارزیابی ها نیز، آزمون آماری مک نمار به کار رفته است. نتایج تجربی نشان دادند که رویکرد عارضه مبنای پیشنهادی، در قیاس با رویکرد پیکسل مبنا، به طور متوسط 6% دقت کلی و 7% ضریب کاپا را بهبود داده است. همچنین سرعت محاسبات در روش آدابوست عارضه مبنای پیشنهادی، در مقایسه با رویکرد پیکسل مبنا افزایش چشمگیری یافته است. این نتایج بیانگر عملکرد بهینه رویکرد پیشنهادی، هم از نظر دقت و هم از نظر سرعت محاسبات است.

فیلترینگ مدل های رقومی سطح (DSM) برای برنامه های کاربردی مانند برنامه ریزی محیطی، به روزرسانی نقشه یا تشخیص ساختمان موردتوجه است . فیلتراسیون زمین، حذف نقاط متعلق به اشیاء بالاتر از سطح زمین به منظور بازیابی نقاط زمینی است که برای تولید مدل رقومی ارتفاع (DSM) استفاده می شود. ابرهای نقطه ای لایدار موفقیت های بسیاری در ارائه ی عوارض داشته اند اما از آنجا که اخذ داده های لایدار هنوز یک فرآیند پرهزینه است، استفاده از ابرهای نقطه تولیدشده از فرآیند فتوگرامتری برای تولید DEM یک راه حل مناسب است. بااین حال، بیشتر الگوریتم های فیلترینگ برای داده های لایدار طراحی شده و به تنظیم تعدادی از پارامترهای پیچیده برای دستیابی به دقت بالا نیاز خواهند داشت. درعین حال زمان پردازش، میزان تأثیرگذاری درصحنه های مختلف و میزان اتوماسیون این روش ها نیز حائز اهمیت است. پیچیدگی های صحنه و توپوگرافی، برای نمونه در مناطق شهری فرآیند فیلتراسیون زمین را با چالش بیشتری مواجه می کند. برای کسب نتایج بهینه کاربران باید پارامترهای مختلف را تا زمانی که نتیجه مطلوب فیلترینگ را پیدا کنند امتحان نمایند، که فرآیندی وقت گیر و پرهزینه است. به علت عدم وجود بررسی جامع از میزان کارایی، اتوماسیون و پیچیدگی های محاسباتی روش های فیلترینگ مختلف بر روی ابر نقاط حاصل از فتوگرامتری، در این پژوهش الگوریتم های مختلف مطرح و پرتکرار در این زمینه ی مطالعاتی با یکدیگر مقایسه شدند. درعین حال، روش های موردمطالعه از منظر کیفیت فیلترینگ کلاس ها، زمان پردازش ها (مدت زمان اجرایی)، پیچیدگی های صحنه و تعداد پارامترهای الگوریتم (بیانگر میزان دخالت کاربر در پردازش داده ها برای میزان اتوماسیون) مورد تحلیل قرار گرفت. نتایج این تحلیل می تواند در راستای شناخت بهتر عملکرد اجرایی روش های فیلترینگ بر روی ابر نقاط حاصله از تصاویر باقدرت تفکیک بالا (DSM های حاصله از تصاویر هوایی و پهپاد) مثمرثمر باشد و به عنوان یک راهنما در جهت کمک به محققان برای تصمیم گیری در انتخاب الگوریتم مورداستفاده با توجه به پارامترهای زمان، سخت افزار، منطقه و میزان دقت خروجی مفید باشد.

تحقیق حاضر با هدف بررسی استفاده از فناوری واقعیت مجازی در زمان شیوع اپیدمی کووید 19 در صنعت گردشگری (مطالعه موردی: موزه ایران باستان) انجام شد. این تحقیق از نظر هدف کاربردی، به لحاظ ماهیت و روش توصیفی-همبستگی و از شاخه ی میدانی بود. جامعه آماری این پژوهش کلیه افراد گردشگر سایت مجازی موزه ایران باستان می باشد که تعداد آنها جز جوامع نامحدود بود. با استفاده از فرمول تعیین حجم نمونه کوکران، به روش نمونه گیری تصادفی ساده، تعداد 384 نفر از جامعه آماری به عنوان نمونه انتخاب شدند که از این تعداد 379 نفر به پرسشنامه ها به درستی پاسخ دادند. اطلاعات و داده ها به دو روش کتابخانه ای و میدانی گردآوری شدند. به منظور نمره گذاری پرسشنامه برای هر گزینه طیف پنج تایی لیکرت (کاملاً مخالفم تا کاملاً موافقم) در نظر گرفته شد. جهت بررسی پایایی پرسشنامه ها آلفای کرونباخ محاسبه گردید که حاکی از پایایی مطلوب پرسشنامه ها بود. برای تجزیه و تحلیل داده ها در بخش آمار توصیفی از نرم افزار SPSS ویراست 24 و در بخش استنباطی از معادلات ساختاری و نرم افزار PLS3 استفاده شد. نتایج حاکی از آن است که تجربه ناب بر قصد بازدید گردشگران از طریق متغیرهای پاسخ عاطفی و پاسخ شناختی و دلبستگی به گردشگری واقعیت مجازی در موزه ایران باستان در زمان شیوع اپیدمی کوئید 19، تأثیر مثبت، مستقیم و معناداری دارد.

گسترش شهرها یک فرآیند پویاست و به روزرسانی نقشه های شهری به منظور ارائه خدمات بسیار مهم است. داده های سنجش ازدوری منبع قدرتمندی برای استخراج مناطق ساخته شده می باشند؛ یکی از داده هایی که می تواند پویایی مناطق شهری را تشخیص دهد داده های نور شب است. ازآنجایی که مناطق شهری در هنگام شب توسط نورهای مصنوعی موجود در منازل و خیابان ها روشن می شوند، درنتیجه به خوبی از پس زمینه متمایز خواهند شد. ازاین روی مطالعه حاضر در تلاش است رشد و گسترش مناطق شهری را با استفاده از نمونه های آموزشی با کیفیت و اتوماتیک از روی ترکیبی از تصاویر نور شب و اپتیک، در یک بازه 24 ساله با دقت بالایی شناسایی و استخراج کند. دراین راستا برای تولید نمونه های آموزشی با کیفیت، شاخص نور شب تحت عنوان [1]VTNUI توسعه داده شده است که با ترکیب ویژگی های مختلف بدست آمده از تصاویر لندست و نور شب در محدوده های شهری و در نظر گرفتن روابط بین مناطق، پدیده اشباع[2] و شکوفایی[3] تصاویر نور شب در محدوده شهری را کاهش داد. سپس با بررسی حد آستانه های خودکار بر روی شاخص توسعه داده شده نمونه های آموزشی با کیفیت تولید شد تا طبقه بندی دقیق تری از مناطق شهری ارائه شود. ازاین روی ابتدا از نمونه های آموزشی اولیه به دست آمده با استفاده از حد آستانه خودکار بر روی تصاویر نور شب طبقه بندی اولیه صورت پذیرفت سپس نمونه ها با اعمال حد آستانه خودکار بر روی شاخص معرفی شده پالایش شدند و طبقه بندی نهایی صورت گرفت. درنهایت بر اساس تحلیل سری زمانی، روند رشد منطقه بررسی شده است. به منظور بررسی اثربخشی روش پیشنهادی، دو منطقه دارای اقلیم متفاوت انتخاب شد و بررسی های مختلف بصری و کمی برای ارزیابی صورت پذیرفت. نتایج طبقه بندی نهایی برای بابل و کرمان به ترتیب با میانگین ضریب کاپا 0/93 و 0/74 و میانگین دقت کلی 97/76 و 87/63 برای تمام سال های مورد بررسی به دست آمده است. [1] vegetation and Temperature -NTL urban index[2] saturation[3] blooming

افزایش بی رویه جمعیت در بسیاری از جوامع ازجمله ایران منجر به تغییرات سریع چشم اندازهای شهری شده است. در برنامه ریزی های شهری استفاده از تصاویر سنجش ازدوری و بکارگیری شاخص های طیفی نقش بسزایی در تسریع روند نظارت شهری دارد. بررسی این امر نیازمند به ارزیابی عملکرد شاخص ها در شرایط مختلف متناسب با کاربرد است که می تواند یکی از چالش های کاربران دراین زمینه باشد. هدف از این پژوهش، یک مطالعه تطبیقی و تحلیل راه کارهای مناسب جهت بکارگیری شاخص های مطرح شهری با کمک تصاویر ماهواره ای و تحلیل عملکردآنهاست. در این راستا، ابتدا شاخص های طیفی از تصاویر لندست 8، سنتینل2و1 استخراج و سپس به جهت جداسازی مناطق ساخته شده، الگوریتم حد آستانه خودکار بر روی تصاویر اعمال شد. نتایج حاکی از آن است که به طورکلی تصاویر سنتینل-2 عملکرد بهتری نسبت تصاویر لندست از خود نشان دادند. از بین شاخص های طیفی، شاخص UI برای تصاویر لندست و سنتینل-2 در رفسنجان با دقت کلی (28/86 و 19/98)، شاخص NBI برای تصاویر لندست و سنتینل-2 در شهر آمل با دقت کلی (21/87 و 48/97)، شاخص UI در لندست و IBI در سنتینل-2 برای اصفهان با دقت کلی (73/78 و 69/91) دارای بهترین عملکرد بوده اند. همچنین با هدف ارزیابی عملکرد شاخص های ضعیف با اعمال حد آستانه دستی این نتیجه حاصل شد که اغلب موارد حد آستانه دستی باعث افزایش دقت خواهد شد. در یک بررسی دیگر با بکارگیری تصاویر سنتینل-1 با حد آستانه نظارت شده توسط کاربر اقدام به شناسایی مناطق ساخته شده شد که نتایج برای سه شهر آمل، رفسنجان و اصفهان به ترتیب دقت های کلی 24/89، 03/80 و 10/76 حاصل شد. یافته های این تحقیق نشان داد که دقت عملکرد شاخص ها با توجه به پارامترهایی مانند نوع اقلیم، سنسورهای مختلف و حدآستانه می تواند متغیر باشد. لذا نتایج این تحلیل می تواند با به عنوان یک الگوی راهبردی محققان را در جهت شناخت و درک بهتر شاخص ها با در نظرگرفتن پارامترهای مختلف یاری کند.