فیلتر های جستجو:
فیلتری انتخاب نشده است.
نمایش ۱۶۱ تا ۱۸۰ مورد از کل ۲٬۲۷۱ مورد.
حوزه های تخصصی:
چکیده در رابطه های تجربی برای محاسبه زمان تمرکز، شدت بارش حوضه یکنواخت فرض شده است. تغییرات در شدت، مدت و توزیع فضایی از ویژگی های ذاتی بارش های همرفتی شمرده می شود. در این پژوهش، با استفاده از تصاویر و داده های رادار هواشناسی، شدت و مقدار و پراکنش بارش، با تفکیک مکانی پانصد متر شعاعی و تفکیک زمانی پانزده دقیقه، محاسبه شد. سیل هشتم خرداد 1393 در سه حوضه سرمو، زرین گل و رامیان بررسی شد. ابتدا محدوده هریک از حوضه ها در محیط GIS به دست آمد و به صورت برنامه اجرایی برای نرم افزار رادار تعریف شد و سپس، به کمک تصاویر و داده های رادار هواشناسی، شدت و نحوه پراکنش بارش در حوضه های انتخابی واکاوی شد. نتایج نشان داد شدت، مدت و پراکنش بارش تعیین کننده مقدار رواناب حوضه بود. زمان سیل با زمان تمرکز و بیشینه رواناب حوضه اختلاف داشت. واکاوی تصاویر رادار نشان داد که بیشینه رواناب، علاوه بر مجموع بارش حوضه، به پراکنش بارش نیز مرتبط بود. اگر مجموع و پراکنش بارش هم سو بودند، شدت سیلاب افزایش و اگر شدت و مجموع بارش ناهم سو بودند، شدت سیلاب کاهش داشت. در پیش بینی زمان سیلاب و رواناب بیشینه، استفاده از داده های رادار دقتی بیشتر از روش های تجربی داشت.
ارزیابی تصاویر ماهواره ای با توان تفکیک بالا در تهیه نقشه های کاداستر زراعی به منظور یکپارچه سازی اراضی (مطالعه موردی : تصویر آیکونوس ارومیه)(مقاله پژوهشی دانشگاه آزاد)
حوزه های تخصصی:
نقشه های کاداستر، نقشه هایی هستند که برای تهیه و به روزرسانی شان باید بانک اطلاعاتی آن ها را تهیه کرده و یا در اختیار داشته باشیم. بانک های اطلاعاتی از یک سو شامل اطلاعات توصیفی و مکانی زمین مرجع بوده و از سوی دیگر شامل تکنیکهای جمع آوری، به هنگام سازی، پردازش و توزیع داده ها می باشند. مزایای استفاده از تصاویر ماهواره ای، زمان بر بودن و حجم کاری بالای استفاده از تصاویر هوایی در تولید و به روزرسانی نقشه های توپوگرافی و همچنین مسائل مربوط به پرواز بر روی مناطق مرزی کشور، لزوم بررسی و مطالعه بیشتر بر روی تصاویر ماهوارهای را بیش از پیش بر ما روشن می گرداند. در این تحقیق، ابتدا یک بررسی منظم در پتانسیل سنجی تصویر ماهواره ای IKONOS، به منظور استخراج لایه های اطلاعاتی نقشه های کاداستر (بزرگ مقیاس) و سیستم های اطلاعات زمینی بیان گردید. استخراج مرز املاک زراعی بر مبنای عملیات استخراج لبه های تصویر، شناسایی بصری و طبقه بندی تصویر است.در ارزیابی دقت هندسی تصویر IKONOS بصورت تئوری، نتیجه اینگونه بود که دقت هندسی این تصویر مطلوب نقشه های 1:5000 می باشد.بهترین ترکیب بدست آمده در ارزیابی دقت هندسی تصویر IKONOS با استفاده از معادلات چندجمله ای دو بعدی درجه3 مربوط به انتخاب 95 نقطه کنترل و 5 نقطه چک با مقدار RMSE=0.56M مطلوب نقشه های 1:2000 بوده وبهترین ترکیب با استفاده از معادلات رشنال با 95 نقطه کنترل و 5 نقطه چک در استفاده از 13جمله به دقت RMSE=0.4M مطلوب نقشه های 1:1000 و بهترین ترکیب با استفاده از معادلات SPLine با 80 نقطه کنترل و 20 نقطه چک به دقت RMSE=2.6M مطلوب نقشه های 1:5000 می باشد. از نظر محتوایی، تصویر IKONOSدر رویت، تشخیص و استخراج لایه اطلاعاتی مرز املاک زراعی موجود در مناطق مختلف تصویر برای تهیه نقشه های بزرگ مقیاس یا کاداستر ملکی زراعی مناسب است.
تحلیلی بر تغییرات و پیش بینی روند کاربری اراضی شهر ارومیه با استفاده از مدل SVM و شبکه های عصبی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
رشد جمعیت شهرنشین با افزایش فضاهای شهری و به طورکلی، با رشد اندازه شهرها همراه بوده است. این امر به صورت ساخت وساز بیشتر و تغییر اراضی موجود به نفع فضاهای ساخته شده بروز می یابد. موقعیت خاص شهر ارومیه در مجاورت دریاچه ارومیه و شرایط نامساعد این دریاچه لزوم توجه به برنامه ریزی صحیح کاربری اراضی را، در این شهر، ناگزیر می کند. یکی از ابزارهای مورد نیاز برای برنامه ریزی مناسب، در این زمینه، بهره گیری از تکنیک های سنجش از دور است. پژوهش حاضر با هدف ارزیابی این تغییرات (دوره 2015-1989) و پیش بینی روند آتی آن صورت گرفته است. از روش های SVM و شبکه عصبی برای ارزیابی تغییرات در پنج کلاس استفاده شده است. ضریب تعیین (0.73) و منحنی راک (82.55%) نیز بیانگر دقت بالای مدل شبکه عصبی برای پیش بینی تغییرات گسترش شهری اند. با توجه به دقت بالای این مدل، که می تواند نتایج واقعی تری ارائه دهد، از نتایج این نوع طبقه بندی در پیش بینی تغییرات برای افق 2045 استفاده شده است. اراضی ساخته شده در سال 1989 برابر با 7469.1 هکتار بوده که در سال 2002 و 2015، به ترتیب، به 9217.3 و 9436.9 هکتار رسیده است. در سال 2045، براساس مدل پیش بینی شبکه عصبی، برابر با 22449.6 هکتار خواهد بود که 13012.7 هکتار افزایش را در اراضی ساخته شده نشان می دهد. نتایج حاصل گویای این است که تمامی این ساخت وسازها برمبنای نیاز واقعی شهر نبوده و پدیده اسپرال (گستردگی شهری) اتفاق افتاده است.
معرفی روشی جدید به منظور تلفیق مکانی زمانی محصولات دمای سطح زمین سنجنده های ASTER و مادیس برمبنای تبدیل موجک دوبعدی ایستا(مقاله علمی وزارت علوم)
حوزه های تخصصی:
پایش دمای سطح زمین (LST)، که یکی از پارامترهای مهم زیست محیطی محسوب می شود، تا کنون با استفاده از سنجنده های سنجش از دوری دارای توان تفکیک زمانی بالا، همچون سنجنده مادیس (توان تفکیک زمانی روزانه و توان تفکیک مکانی یک کیلومتر)، به طور گسترده ای صورت گرفته است. یکی از مهم ترین مشکلات این سنجنده ها پایین بودن توان تفکیک مکانی آنهاست که کارآیی شان را، در مواردی همچون شناخت آتش در مناطق جنگلی و مطالعه جزایر گرمایی شهری، محدود کرده است. در مقابل، سنجنده هایی با توان تفکیک مکانی بالا، همچون سنجنده ASTER (توان تفکیک مکانی 90 متر و توان تفکیک زمانی شانزده روز در محصول دمای سطح زمین)، توان تفکیک زمانی پایینی دارند که این منجر به ضعف آنها در پایش تغییرات سریع می شود. درواقع، به دلیل محدودیت های فنی، تا کنون سنجنده ای وجود نداشته است که، در دو بعد مکانی و زمانی، توان تفکیک بالا داشته باشد. برای حل این مشکل، روش های کم هزینه و کارآمد ادغام مکانی زمانی مطرح شده اند. از مهم ترین روش های مطرح در ادغام مکانی زمانی، روش های ESTARFM و STDFA شمرده می شوند. در این تحقیق، به منظور تلفیق داده های سنجنده های مادیس و ASTER از دمای سطح زمین در بخشی از شهر تهران، روشی جدید (SWT-STDFA) برمبنای روش STDFA مطرح و موجک دوبعدی ایستا تبدیل شد. نتایج حاصل از تلفیق نیز با نتایج دو روش ESTARFM و STDFA مقایسه شدند. همچنین، در ادامه، با توجه به وجود نقشه طبقه بندی تهیه شده براساس شاخص گیاهی تفاضلی نرمال شده در الگوریتم های STDFA و SWT-STDFA، درمورد تأثیر استفاده از شاخص های گیاهی تفاضلی نرمال شده سبز (GNDVI) و شاخص گیاهی تعدیل شده چندطیفی خاک (SAVI) در دقت تصویر مجازی خروجی بحث شده است. نتایج تحقیق نشان دهنده دقت بالای روش پیشنهادی با ریشه میانگین مربع خطاهای 3.03 کلوین، انحراف معیار 2.21 کلوین، میانگین قدرمطلق خطاهای 1.72 کلوین و ضریب همبستگی 0.92 بین تصویر دمای سطح واقعی منطقه و تصویر مجازی پیش بینی شده در مقایسه با دو روش دیگر است. افزایش شاخص های گیاهی GNDVI و SAVI در طبقه بندی دو روش STDFA و SWT-STDFA نیز تأثیری چندانی در دقت تصویر تلفیقی مجازی خروجی نداشته است.
توزیع مکانی - زمانی دما و تبخیر تعرق مرجع با استفاده از داده های CRU در خراسان رضوی و پیش نگری تغییرات آتی برمبنای مدل های اقلیمی CMIP5(مقاله علمی وزارت علوم)
حوزه های تخصصی:
تبخیر تعرق گیاه مرجع متغیری است که مهم ترین جزء چرخه هیدرولوژی محسوب می شود. با توجه به ارتباط مستقیم تبخیر تعرق مرجع با متغیرهای اقلیمی، انتظار می رود افزایش دمای هوا و تغییرات فراسنج های مرتبط با دما در روند و مقدار ETo تأثیر بگذارد. در این مطالعه، ضمن بررسی مهارت داده های شبکه ای CRU در برآورد میانگین سالیانه سه متغیر دمای کمینه، بیشینه و تبخیر تعرق در استان خراسان رضوی، پیش نگری تغییر در مقدار، نوسانات مکانی و روند زمانی این سه متغیر، با استفاده از برون داد چهار مدل سری CMIP5، تحت دو سناریوی واداشت تابشی (4.5 و 8.5) طی دو دوره آینده نزدیک (2050-2021) و آینده میانی (2080-2051) بررسی شد. نتایج نشان داد داده های CRU دارای مهارت مناسبی در شبیه سازی دما در منطقه اند. میانگین سالیانه دمای کمینه، در دوره 2050-2021، تحت هر دو سناریو، بیش از C ᵒ6/1 افزایش خواهد یافت که تحت RCP8.5، مساحت بیشتری از استان دچار این افزایش خواهد شد. این منطقه، طی دوره 2080-2021، با افزایش بیش از Cᵒ3 در میانگین سالیانه دمای کمینه مواجه خواهد شد. افزایش دمای بیشینه در سناریوی RCP8.5 طی دوره میانی، در تمامی استان، حدود Cᵒ4 برآورد شد. مقایسه مقادیر ETo مشاهداتی با برون داد چهار مدل اقلیمی در تمامی نقاط شبکه برای دوره پایه نشان داد، به رغم تفاوت در مقدار، نحوه پراکنش مکانی مقادیر ETo مدل با توزیع مکانی مقادیر مشاهداتی هم خوانی مناسبی دارد. براساس نتایج به دست آمده، طی دو دوره مورد بررسی، این متغیر افزایش خواهد یافت و همان طور که انتظار می رود، تحت سناریوی RCP8.5، درصد افزایش بیش از سناریوی مقابل است. [1] Reference Evapotranspiration (ETo)
مکانیابی مراکز اقامتی گردشگری با استفاده از مدل ANP-VIKOR (مطالعه موردی شهرستان رودسر)(مقاله پژوهشی دانشگاه آزاد)
منبع:
کاربرد سیستم اطلاعات جغرافیایی و سنجش از دور در برنامه ریزی دوره ۱۱ تابستان ۱۳۹۹ شماره ۲
26-36
حوزه های تخصصی:
از راهبردهای توسعه پایدار، توسعه فعالیتهای گردشگری می باشد. تعیین ارزش های گردشگری و استعدادهای طبیعی منطقه به همراه برنامه ریزی صحیح میتواند منجر به توسعه درآمدهای اقتصادی از طریق گردشگری گردد. یکی از مهم ترین راهکارهای بهرهمندی از منابع طبیعی و انسانی و بهرهبرداری علمی، بدون آسیب زدن به محیط زیست، مکانیابی بهینه اماکن تفریحی و اقامتی می باشد. شهرستان رودسر به دلیل موقعیت گردشگری، جاذبههای طبیعی و تاریخی به عنوان یکی از مکانهای مهم گردشگری شناخته شده است که جهت رضایتمندی این گردشگران متناسب با هر قشر و طبقهای در هر زمانی از سال تسهیلات و خدمات لازم جهت اسکان گردشگران مهیا باشد که در صورت رضایت مشتریان امکان سفر دوباره به شهر و اقامت مجدد در هتل وجود دارد. پژوهش حاضر از نوع توصیفی-تحلیلی و روش گردآوری اطلاعات کتابخانهای و میدانی است.در این تحقیق سعی میگردد با استفاده از مدل ANP-VIKOR مراکز اقامتی گردشگری در شهرستان رودسر مکانیابی گردد. مدل ANP-VIKOR ح التی تعم یم یافت ه از فرآیند تحلیل سلسله مراتبی اس ت و مجموعه معیارهایی هستند که برای مقایسه تعاملهایی که ممک ن است در شبکه وجود داشته باشد، استفاده می شوند. در فرآیند مکانیابی با استفاده از تحلیل سلسله مراتبی، بعد از تعیین سطوح سلسله مراتب شامل هدف، معیار، زیرمعیار و گزینهها، مقایسه زوجی بین مجموعهها برای وزندهی انجام میگیرد. در عین وزندهی به مجموعهها، تجزیه و تحلیل سازگاری قضاوتها نیز صورت میگیرد. در روش پیشنهادی با شناسایی متغیرها، تشکیل ماتریس، نرمال سازی لایهها، بدست آوردن وزن معیارها و اعمال وزن لایه ها، تعیین ایدهآل مثبت و منفی و محاسبه مقدار به مکانیابی هتلها پرداخته شد. نتایج نشان داد مهم-ترین معیار مکانیابی هتلها ارتفاع از سطح دریا و کمترین وزن هم متعلق به معیار انتقال نیرو است.
کاهش اثر اسپکل در تصاویر رادار با روزنه مصنوعی بر مبنای فیلترینگ تطبیقی طیف اندازه در حوزه فرکانس(مقاله علمی وزارت علوم)
حوزه های تخصصی:
وجود اسپکل در تصاویر رادار با روزنه مصنوعی به دلیل سیستم تصویربرداری همدوس، باعث ایجاد اثر دانه دانه ای در تصویر شده و برخی پردازش های شی گرا همانند قطعه بندی، خوشه بندی و یا شناسایی هدف را تحت تاثیر قرار می دهد. از اینرو روش های مختلفی جهت کاهش اثر اسپکل ارائه شده است.از یک نقطه نظر کلی اغلب الگوریتم های ارائه شده در یکی از روش های حوزه مکان، روش های مبتنی بر تبدیل و نیز روش های بهینه سازی طبقه بندی شده و البته محدود نمی گردند. از جمله محدودیت های موجود در روش های مورد استفاده اغلب می توان به عدم حفظ بافت و ساختار تصویر و نیز وابستگی اجرای الگوریتم به یک یا چند پارامتر تنظیم کننده اشاره نمود، که همین موضوع استفاده از این روش ها را در کاربردهای عملی با چالش رو به رو می سازد. از اینرو در پژوهش حاضر با در نظر گرفتن رفتار فرکانسی تصاویر SAR، روشی بر مبنای فیلترینگ تطبیقی طیف اندازه در حوزه فرکانس ارائه شده است که ضمن حفظ بافت های ظریف تصویر، به طور قابل ملاحظه ای اثر اسپکل را کاهش می دهد. علاوه بر آن الگوریتم پیشنهادی به صورت خودکار اجرا شده و نیازی به برآورد پارامترهای تنظیمی ندارد. همچنین در تصاویر با پیچیدگی بافت زیاد و در روش های کانوولوشن مکانی که نیاز به تنظیم ابعاد کرنل دارد، مرتبه محاسباتی پایین تری خواهد داشت. نتایج ارزیابی نشان می دهد که الگوریتم پیشنهادی در مقایسه با فیلترهای مکانی تطبیقی، ضمن بهبود 50 درصدی شاخص تعداد منظرهای معادل در تصاویر SAR، مقدار شاخص حفظ لبه را نیز به طور میانگین برای تصاویر SAR و شبیه سازی SAR حدوداً 50 و 30 درصد بهبود می بخشد.
مکان یابی بهینه دفن پسماندهای زباله های شهری با استفاده از مدل منطق فازی (مطالعه موردی شهر میانراهان( استان کرمانشاه)(مقاله پژوهشی دانشگاه آزاد)
منبع:
کاربرد سیستم اطلاعات جغرافیایی و سنجش از دور در برنامه ریزی دوره ۱۱ پاییز ۱۳۹۹ شماره ۳
38 - 51
حوزه های تخصصی:
با توجه به رشد روزافزون جمعیت شهری تولید زباله جامد در مقیاس بزرگ امروزه یک موضوع مهم در جهان بوده است. عدم وجود یک سیاست ملی مطمئن برای مدیریت پسماند جامد (SWM) عواقب منفی زیست محیطی منفی را در ایران ایجاد کرده است. مدیریت پسماندها و انتخاب مکان مناسب دفن زباله فرایندی است که نیاز به داشتن دانشی درمورد شمار زیادی از پارامترها، و مقرارت دارد. هدف از این مطالعه مکان گزینی اراضی مناسب جهت دفن بهداشتی مواد زائد جامد در شهر میانراهان در استان کرمانشاه بر پایه معیارها و ضوابط طبیعی و انسانی می باشد. به منظور رسیدن به این هدف از 8 معیار طبیعی و اجتماعی از جمله شیب، زمین شناسی ،گسل ،لایه-های کاربری اراضی، پراکندگی چاه ها، عمق آب زیرزمینی، فاصله از مراکز سکونتگاهی، فاصله از جاده به کار گرفته شده است پس از آماده سازی و استاندارد سازی لایه ها و استفاده از روش مدل منطق فازی و انجام عملگر(AND) اقدام به پهنه بندی مکان مناسب دفن زباله شده است که با توجه به نتایج به دست آمده و تقسیم بندی نقشه نهایی سه منطقه که شامل: منطقه کاملا مناسب با مساحت 2 کیلومترمربع، منطقه مناسب با مساحت 7 کیلومتر مربع و منطقه کاملا نامناسب با مساحت 722 کیلومترمربع محاسبه شده است که 98 درصد منطقه جز منطقه کاملا نامناسب به دست آمده است، که عمده مناطق مناسب و کاملا مناسب در حدود 2 درصد منطقه را شامل شده که در قسمت شرق و جنوب شرق بخش دینور در مسیر جاده سنقر- کرمانشاه قرار گرفته است
ارزیابی و مدیریت ریسک اماکن ورزشی مرتبط با پهنه بندی آلودگی هوا با استفاده از سیستم اطلاعات جغرافیایی(GIS)(مقاله پژوهشی دانشگاه آزاد)
منبع:
کاربرد سیستم اطلاعات جغرافیایی و سنجش از دور در برنامه ریزی دوره ۱۱ زمستان ۱۳۹۹ شماره ۴
34 - 53
حوزه های تخصصی:
هدف از مطالعه حاضر ارزیابی و مدیریت ریسک اماکن ورزشی مرتبط با پهنه بندی آلودگی هوا با استفاده از سیستم اطلاعات جغرافیایی(GIS)می باشد . این تحقیق به لحاظ زمان اجرا از نوع مقطعی و به لحاظ خروجی ها از نوع کاربردی است و به لحاظ تجزیه و تحلیل از نوع توصیفی – تحلیلی و نیز تطبیقی است. در این مطالعه اماکن ورزشی شمال غرب شهر تهران به صورت کل شمار بررسی گردید. به منظور درون یابی داده ها، از روش کریجینگ استفاده شد.پس از برآورد میانگین غلظت داده های آلاینده ها، با استفاده از روش کریجینگ توسط نرم افزار ArcGIS برای تمامی ایستگاهها پهنه بندی انجام گردید. مبنای سنجش میزان آلاینده ها، براساس شاخص کیفیت هوا (AQI)، تنظیم گردید. یافته ها نشان داد که شاخص کیفیت هوا در سرتاسر محدوده مطالعاتی دارای وضعیت سالم بوده ولیکن هیچ منطقه ایی از مناطق مطالعاتی پاک (50-0) گزارش نشده است.بررسی آلاینده ها نشان داد که پراکنش آلاینده ها از الگوی متوازنی تبعیت نمی کند .در ارتباط با ارزیابی ریسک با استفاده از روش ویلیام فاین رتبه ریسک 1۵۰ بوده که نشانگر وضعیت اضطراری و «سطح ریسک متوسط» است و لازم است تا توجهات لازم در اسرع وقت صورت گیرد.توسعه شهرها، تراکم جمعیت و منابع متحرک دودزا که عمدتا مصرف سوخت آنها فسیلی است از مهمترین موارد آلاینده هستند . بنابراین برای کاهش آلودگی هوای بایست ساخت وسازهای شهری، طراحی شبکه ها و محورهای ارتباطی را مورد توجه قرار داد.
بررسی عوامل موثر محیطی در پیشگیری از وقوع سرقت مورد مطالعه : شاهرود(مقاله پژوهشی دانشگاه آزاد)
منبع:
کاربرد سیستم اطلاعات جغرافیایی و سنجش از دور در برنامه ریزی دوره ۱۱ تابستان ۱۳۹۹ شماره ۲
37-54
حوزه های تخصصی:
محیط شهری تاثیرات مختلفی بر فضاهای شهری وزندگی شهروندان می گذارد که تأثیر بر افزایش جرائم و کاهش احساس امنیت شهروندان مهم ترین تاثیرات آن است. پدیده ی سرقت و نامنی شهری به نوعی با نظم و امنیت کشور در ارتباط است و به دلیل همراه داشتن لطمات روحی و جسمانی برای مال باختگان، به ایجاد ناامنی در جامعه منجر می شود. یکی از راهبرد های پیشگیرانه از جرم و به تبع آن سرقت، پیشگیری از جرم از طریق طراحی محیطی و توجه به محیط جغرافیایی جرم است.هدف پژوهش حاضر، بررسی شرایط محیطی در وقوع جرم سرقت بوده است. روش تحقیق ،توصیفی تحلیلی بر پایه مطالعات کتابخانه ای و میدانی بوده است. یافته های تحقیق بر اهمیت نقش مکان در شهر شاهرود در میزان و فراوانی جرم سرقت تاکید دارد بیش ترین سرقت ها مربوط به شهرک های حاشیه شهر، مثل شهرک فدک، کوثر، بهشتی، پردیس و دو شهرک در داخل شهر به نام شهرک ولی عصر و شهرک انقلاب رخ می دهد که نقش و تأثیر کالبد و فیزیک شهرها و طراحی مناسب فضاها و مجتمع های زیستی شهری تأثیر مستقیمی بر کاهش و پیشگیری از جرم داشته است. لذا با توجه به رابطه بین فضاهای بی دفاع و جرم سرقت، با کاهش فضاهای بی دفاع و توجه به مکان جرم و طراحی مناسب محیط، می توان از وقوع برخی از جرائم جلوگیری به عمل آورد.
استخراج گردوغبار از تصاویر ماهواره ای MODIS با استفاده از شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
طی دهه های گذشته، طوفان های گردوغبار از لحاظ مکانی و زمانی همواره در حال افزیش بوده اند. طوفان های گردوغبار خاورمیانه سبب رسیدن آسیب های بی شماری در حوزه سلامت اجتماعی، اقتصادی، زیست محیطی و دیگر موارد به ساکنان مناطق جنوب و جنوب غرب ایران شده است. در این مقاله، به منظور بررسی طوفان های گردوغبار، از داده های سنجنده MODIS استفاده شد. از محاسن داده های سنجنده MODIS، توان تفکیک طیفی و زمانی بالای آن است. در این پژوهش، از دو مجموعه داده MODIS استفاده شد؛ بخش اول، داده های توسعه مدل (رخداد 21-18 ژانویه 2018) و بخش دوم، داده های تست و ارزیابی مدل. داده های هواشناسی نیز، با توجه به بازه زمانی مورد مطالعه، جمع آوری شد. پس از پیش پردازش داده ها و آماده کردن مشاهدات میدانی، ویژگی (ورودی شبکه عصبی مصنوعی) از داده های سنجنده MODIS، به روش پیشنهادی، تولید می شود. ازطریق شبکه عصبی مصنوعی، مدلی مناسب توسعه یافت که، بدین ترتیب، می توان گردوغبار استخراج و پارامتر دید افقی را، هم زمان، برآورد کرد. خروجی مدل با خروجی شاخص NDDI مقایسه بصری شد. سپس، برای بررسی کارآیی روش پیشنهادی، مدل توسعه یافته با داده های مربوط به زمان دیگر تست و خروجی مدل با خروجی شاخص NDDI مقایسه بصری شد. در نهایت، به منظور نشان دادن نقاط قوت و ضعف روش پیشنهادی، ارزیابی دقت ازطریق مقایسه نتایج روش پیشنهادی و پارامتر دید افقی در ایستگاه های سینوپتیک انجام شد. میزان خطای کلی، به ترتیب، 10%، 10%، 15% و 10% درمورد پردازش تصاویر هجدهم ژانویه، نوزدهم ژانویه، بیستم ژانویه و 21اُم ژانویه 2018 و 20% و 25% درمورد پردازش تصاویر 26اُم ژانویه 2019 و 28اُم اکتبر 2018 به دست آمد. با اتصال به پایگاه داده سازمان هواشناسی کشوری، روش پیشنهادی دارای قابلیت به کارگیری در سیستم خودکار استخراج گردوغبار است.
ارزیابی و تحلیل حریم خطوط فشار قوی برق در شهر سمنان با استفاده از تصاویر هوایی(مقاله پژوهشی دانشگاه آزاد)
منبع:
کاربرد سیستم اطلاعات جغرافیایی و سنجش از دور در برنامه ریزی دوره ۱۱ زمستان ۱۳۹۹ شماره ۴
54 - 63
حوزه های تخصصی:
در صنعت برق حریم خطوط برق عبارت است از، محدوده فرضی در طرفین مسیر خطوط انتقال نیروی برق که به منظور حفظ و نگهداری خطوط جهت تداوم برق رسانی و همچنین پیشگیری از آسیب های انسانی ناشی از تشعشعات برق تعیین می شود. رعایت این حریم برای کلیه اشخاص ضروری است. حریم خطوط برق از نظر فنی از سه عامل مغناطیسی، مکانیکی و الکتریکی ناشی می شود و میزان و نحوه تعیین حریم خطوط انتقال نیروی برق در کشورهای مختلف متفاوت است و در هر کشور فواصل متفاوتی با توجه به عوامل دخیل در تعیین حریم وضع شده است. در ایران میزان حریم خطوط انتقال و توزیع نیروی برق براساس تصویب نامه شماره ۲۹۰۵۲ مورخ 8/۱۰/1347 تعیین شده است. در این مقاله با استفاده از ضوابط و دستور العمل های اجرایی مسیر خطوط انتقال برق به بررسی وضعیت دکل ها و همچنین رعایت حریم های مربوطه در منطقه مورد مطالعه از شهر سمنان پرداخته شده است. نتایج حاصل نشان می دهد بلحاظ رعایت حریم مصوب، اکثر دکل های برق در منطقه مورد مطالعه در وضع نسبتا مطلوبی هستند. نمونه هایی از مستندات بررسی شده شامل رعایت حریم و عدم رعایت حریم جهت رفع تجاوز به حریم بهمراه نقشه های مربوطه ارائه شده است.
ارزیابی قابلیت الگوریتم های طبقه بندی نظارت شده در تهیه نقشه پوشش گیاهی ( مطالعه موردی: آبیک)(مقاله پژوهشی دانشگاه آزاد)
حوزه های تخصصی:
چکیده به منظور مدیریت صحیح اکوسیستم های مرتعی و پوشش گیاهی، باید ارتباط بین اجزای آنها را شناخت. یکی از اجزای اصلی این اکوسیستم ها پوشش گیاهی و ترکیب آن بوده که تحت کنترل عوامل محیطی قرار دارد. به عبارت دیگر، الگوی توزیع پوشش گیاهی بوسیله بسیاری از عوامل محیطی تأثیر می پذیرد. .امروزه کسب وآگاهی در رابطه با پوشش گیاهی و سلامت آن نقش مهمی در مدیریت خاک و گیاهان ایفا می کند. همچنین در حال حاضر استفاده از نقشه های پوشش گیاهی یکی از ارکان مهم در تولید اطلاعات جهت برنامه ریزی های منطقه ای است. لذا با استفاده از دانش سنجش از دور و بررسی دقیق عناصر میتوان پی به شناخت پوشش گیاهی و انواع آن و پراکندگی آن با استفاده از تصاویر ماهواره ای برد. لذا در تحقیق حاضر برای ارزیابی پوشش گیاهی و پراکندگی آن برای منطقه آبیک از دو الگوریتم طبقه بندی نظارت شده شامل Maximum likehood و Spactral angel mapper استفاده شده است. صحت کلی برای الگوریتم MLC و SAM به ترتیب 91.86 و 68.85 و ضریب کاپا MLC و SAM به ترتیب 0.89 و 0.62 ارزیابی شده است. بنابراین الگوریتم MLC روش مناسب تری برای ارزیابی و تخمین پراکندگی پوشش گیاهی منطقه آبیک شناخته شد و براین اساس الگوریتم MLC دارای صحت بالاتری نسبت به الگوریتم SAM است. ناگفته نماند که همبستگی بین پوشش گیاهی و عوامل محیطی یکی از مهمترین مسائل تأثیرگذار در شکل گیری ساختار جوامع گیاهی و پراکنش آنها در هر ناحیه و منطقه ای مورد مطالعه ای می باشد و به طبع شرایط خاص هر منطقه متفاوت است و باید بررسی های دقیق برای شناخت پوشش گیاهی و مدیریت آن انجام پذیرد.
مقایسه دقت روش های ماشین بردار پشتیبان و جنگل تصادفی در تهیه نقشه کاربری اراضی و محصولات زراعی، با استفاده از تصاویر چندزمانه سنتینل-2(مقاله علمی وزارت علوم)
حوزه های تخصصی:
نقشه های پوشش/کاربری اراضی، برای پایش تغییرات عوارض و برنامه ریزی صحیح، هرساله مورد نیاز مدیران حوزه کشاورزی، منابع طبیعی و زیست محیطی است. روش برداشت میدانی با جی پی اس (GPS) و نقشه برداری زمینی مستلزم صرف زمان و هزینه های بسیار است. بنابراین، اغلب از تصاویر ماهواره ای، که دارای پوشش سراسری و توالی برداشت، هزینه کم و اطلاعات به هنگام اند، استفاده می شود تا نقشه های پوشش/کاربری زمین به دست آید. تهیه نقشه دقیق با روش مناسب روز موضوعی کلیدی است. طی سال های اخیر، استفاده از تصاویر ماهواره ای جدید و روش های نوین طبقه بندی، به ویژه یادگیری ماشین، رشد فزاینده ای داشته و کارآیی آنها در تهیه نقشه های پوشش/کاربری اراضی بسیار موفقیت آمیز بوده است. یکی دیگر از مزایای تصاویر ماهواره ای برداشت های متوالی است و براساس آن، می توان از تغییرات پوشش گیاهی در طول زمان، برای تفکیک نوع پوشش، استفاده کرد. ماهواره سنتینل-2، با امتیاز پیکسل 10متری، یکی از ابزارهای مناسب برای تفکیک نوع پوشش محسوب می شود. در این تحقیق، برای تفکیک انواع کاربری اراضی و محصولات زراعی دشت سنجابی روانسر، از تصاویر چندزمانه سنتینل-2 و روش های طبقه بندی ماشین بردار پشتیبان و جنگل تصادفی استفاده و دقت آنها با یکدیگر مقایسه شد. بدین منظور، پس از نمونه برداری، تحلیل مؤلفه های اصلی برای چهار تاریخ دوره رشد محصولات اجرا شد و باندهای PC 1 ، PC 2 و PC 3 تصاویر با هم ترکیب شدند. دو روش روی ترکیب باند های PC 1 ، PC 2 و PC 3 تصاویر و نمونه های تعلیمی اعمال شدند. ارزیابی دقت ها نشان داد ماشین بردار پشتیبان، با صحت کلی 91.36% و ضریب کاپای 0.8927، نقشه کاربری اراضی و محصولات دقیق تری، در قیاس با روش جنگل تصادفی، تولید می کند.
طبقه بندی مبتنی بر هدف با استفاده از قطعه بندی هرمی و الگوریتم ژنتیک وزن دار(مقاله پژوهشی دانشگاه آزاد)
منبع:
کاربرد سیستم اطلاعات جغرافیایی و سنجش از دور در برنامه ریزی دوره ۱۱ پاییز ۱۳۹۹ شماره ۳
68 - 77
حوزه های تخصصی:
اخیرا، یک روش موثر برای طبقه بندی طیفی-مکانی با استفاده از قطعه بندی هرمی (HSEG) رشد یافته از نشانه های انتخاب شده ارائه شده است. هدف این مقاله بهبود این روش برای طبقه بندی تصاویر فراطیفی در مناطق شهری است. ابتدا الگوریتم ژنتیک وزن دار (WG) برای بدست آوردن باندهای بهینه داده های فراطیفی استفاده می شود. الگوریتم HSEG مبتنی بر نشانه سپس بر ویژگی های بدست آمده پیاده سازی می شوند. در ادامه، ویژگی های زمینه ای از تصاویر قطعه بندی شده استخراج می شوند. برای ویژگی های مکانی، ویژگی های مساحت، آنتروپی، شکل، مجاورت و رابطه به عنوان اجزای بالقوه در فضای ویژگی در نظر گرفته شده اند. سرانجام ، با استفاده از هر دو ویژگی طیفی و مکانی، اشیا تصویر توسط یک طبقه بندی کننده مبتنی بر قانون طبقه بندی می شوند. آزمون ها بر روی دو مجموعه داده اعمال شد: Berlin و Quebec City، که دو مجموعه داده شناخته شده و بنچ مارک در تصاویر فراطیفی هستند. ارزیابی نتایج نشان داد که روش پیشنهادی به ترتیب برای این مجموعه داده ها به ترتیب از 16٪ و 9٪ دقت کلی بهتری نسبت به الگوریتم HSEG اولیه به دست می آورد.
استخراج پوشش گیاهی از تصاویر ماهواره ای لندست با استفاده از الگوریتم موجک هار گویا(مقاله علمی وزارت علوم)
حوزه های تخصصی:
هدف این مطالعه، ارائه یک الگوریتم محاسباتی-تقریبی بر پایه موجک های هار گویا، برای تخمین پوشش گیاهی از تصویر لندست، به کمک بازتاب این پدیده در باند مادون قرمز نزدیک است. این باند در ترکیب رنگی RGB، در بخش R قرارگرفته است. این الگوریتم، با استفاده از DN پوشش گیاهی در 200 پیکسل انتخابی باند R (باند مادون قرمز) از سطح تصویر منطقه مورد مطالعه، سعی در استخراج عوارض و پوشش های گیاهی کل منطقه مورد مطالعه را دارد. این تعداد پیکسل انتخابی به صورت یکنواخت و پراکنده از سطح تصویر و فقط از عوارض پوشش گیاهی انتخاب گردیده است. با توجه به پذیرش داده های ورودی در این الگوریتم در فرمت ماتریس، در ابتدا ماتریس های بازتاب پوشش گیاهی برای 4 و 8 موجک با استفاده از 200 پیکسل مفروض ساخته می شوند. این ماتریس ها، با بلوک بندی تصویر لندست منطقه، به ترتیب، به 16 و 64 قسمت به دست می آیند. هر عضو این ماتریس ها، نشان دهنده میانگین پوشش گیاهی منطقه در بلوک متناظر آن از تصویر منطقه است. سپس با معرفی یک معادله کارآمد ریاضی، به استخراج پوشش گیاهی کل منطقه مورد مطالعه و بازسازی باند هر پیکسل از سطح تصویر می پردازیم. از جمله مزیت های این روش، به دلیل انجام محاسبات ماتریسی، افزایش سرعت و دقت محاسبات در حد مقیاس پیکسل خواهد بود. در این مطالعه استخراج پوشش گیاهی با 4 و 8 موجک هار گویا شده، با میزان دقت به ترتیب 75 و 87.5 درصد انجام گردیده است. با افزایش تعداد موجک ها، دقت الگوریتم موجک هار گویا افزایش می یابد، اما از دلایل موجود جهت عدم افزایش تعداد موجک ها، افزایش خطای گرد کردن و افزایش هزینه محاسباتی بوده است، به طوری که با افزایش تعداد موجک ها، زمان و حافظه صرف شده به صورت نمایی افزایش می یابند. در سنجش از دور، برای استخراج پوشش گیاهی تکنیک هایی نظیر طبقه بندی ارائه شده است که در به وسیله آنها می توان کلاس پوشش گیاهی را با نرم افزارهای سنجش از دوری استخراج نمود. اما تفاوت اصلی و اساسی بین روش ارائه شده در این مقاله و تکنیک های موجود، میزان دقت استخراج پوشش گیاهی در ابعاد پیکسل است. در تکنیک های پردازشی و تحلیلی (در خصوص استخراج و کلاسبندی پوشش گیاهی) در سنجش از دور، بسیاری از پیکسل های حاوی پوشش گیاهی که به صورت منفرد یا خوشه ای (اما به تعداد کم) هستند، در سایر کلاس ها نظیر زمین بایر یا زمین شهری ادغام خواهند شد، که الگوریتم موجک های هار گویا شده فاقد این نقیصه می باشد.
شناسایی اهداف با استفاده از تلفیق تصاویر فراطیفی و تصاویر با قدرت تفکیک مکانی بالا(مقاله پژوهشی دانشگاه آزاد)
حوزه های تخصصی:
شناسایی، ماموریتی برای کسب اطلاعات در مورد فعالیت ها، منابع، توانمدی ها و موقعیت دشمن است. شناسایی اهداف نظامی می تواند اطلاعاتی پیرامون وضعیت فعالیت ها، استقرار نیروها، آرایش نظامی و بسیاری از اطلاعات گوناگون دیگر از یک محدوده نظامی را در اختیار فرماندهان قرار دهد. در سال های اخیر پیشرفت تکنولوژی در زمینه سنجش از دور امکان تهیه تصاویر مختلف با قدرت تفکیک طیفی و مکانی بالا را فراهم نموده است. تلفیق تصاویر فراطیفی و تصاویر با قدرت تفکیک مکانی بالا می تواند کمک موثری به شناسایی، استخراج و تولید نقشه از عناصر سازنده یک محیط را فراهم نماید. هدف از تحقیق حاضر، شناسایی اهداف نظامی با استفاده از تلفیق تصاویر فراطیفی و تصاویر با قدرت تفکیک مکانی بالا می باشد. برای این منظور، پنجره ای از تصاویر سنجنده های هایپریون،ALI و OrbView3، انتخاب گردید. در ابتدا نسبت به پیش پردازش داده فراطیفی هایپریون از لحاظ باندهای غیرقابل استفاده، نوارهای بد عمود، تصحیح اتمسفری و تصحیح هندسی اقدام شد. در ادامه تصویر هایپریون در فرایند دو مرحله ای با باندهای پانکروماتیک تصاویر ALI و OrbView3 با استفاده از الگوریتم های Gram schmidt ، Pc Spectral و IHS تلفیق شد. نتایج تلفیق نشان داد، روش Gram schmidt بهترین عملکرد را از نظر طیفی و مکانی داشته است. در ادامه تحقیق از تبدیل MNF به منظور کاهش ابعاد تصویر و کاهش نویزها بهره گرفته شد و از الگوریتم PPI خالص ترین پیکسل ها به منظور استخراج پروفیل طیفی با مقایسه با طیف های مرجع به صورت بصری و دقیق به دست آمد. در ادامه از الگوریتم های BANDMAX ، نقشه بردار زاویه طیفی و دایورجنس اطلاعات طیفی جهت شناسایی اهداف استفاده شد. نتایج ارزیابی شناسایی اهداف نشان داد که روش BANDMAX با دقت کلی 89.77 و ضریب کاپای 0.81 نسبت به دو الگوریتم دیگر عملکرد بهتری داشته است.
مدل سازی برآورد زیست توده چوبی روی زمینی جنگل های شاخه زاد بلوط زاگرس با استفاده از داده های راداری ماهواره سنتینل -1(مقاله علمی وزارت علوم)
حوزه های تخصصی:
برآورد میزان زیست توده در توده های جنگلی با روش های سنجش از دوری اهمیت بسیاری دارد. هم زمان نبودن دریافت داده های ماهواره ای و اطلاعات میدانی و کاربرد معادلات آلومتریک جهانی، برای محاسبه وزن زیست توده درختان جنگلی داخل کشور، از مهم ترین دلایل عدم قطعیت در نتایج و تحلیل های حاصل از مطالعات مشابه قبلی به شمار می روند. به حداقل رساندن این مشکلات و بررسی قابلیت و عملکرد داده ها در توسعه مدل مناسب برآورد زیست توده جنگل، در منطقه بانکول بخش کارزان شهرستان سیروان، استان ایلام، با استفاده از داده های راداری ماهواره سنتینل 1، اخذشده در تاریخ 6 تیرماه 1396، هدف این تحقیق بود. اندازه قطر میانگین تاج پوشش درختان در 53 قطعه نمونه زمینی مربعی، مربوط به فرم رویشی شاخه زاد، به ابعاد 30×30 متر که در بازه زمانی 2 تا 20 خرداد 1396، به کمک دستگاه موقعیت یاب جهانی تفاضلی و به روش تعیین موقعیت کینماتیک آنی روی زمین اجرا و برداشت شدند، وارد روند برآورد زیست توده شد. میانگین زیست توده برداشت شده میدانی 10.63 تن درهکتار بود. پس از استخراج ویژگی های راداری، آن دسته از ویژگی ها که بیشترین میزان همبستگی را با مقادیر زیست توده داشتند انتخاب و از بین آنها، با به کارگیری الگوریتم ژنتیک و با استفاده از دو مدل رگرسیون K نزدیک ترین همسایه و رگرسیون بردار پشتیبان، مناسب ترین ترکیب ویژگی ها شناسایی و سپس، مقادیر زیست توده مدل سازی شد. اعتبارسنجی مدل ها با استفاده از 26 قطعه نمونه تست، انجام گرفت. همبستگی بین ویژگی های حاصل از داده های راداری و مقادیر زیست توده نشان داد که ویژگی های VH، Mean VV، Mean VV GLCM (Correlation) و Mean VH GLCM (Dissimilarity) بیشترین حساسیت را به مقادیر زیست توده داشتند. استفاده از مدل های رگرسیون نشان داد که روش رگرسیون بردار پشتیبان، با RMSE نسبی 0.08، از روش رگرسیون K نزدیک ترین همسایه، با RMSE نسبی 0.10، دقیق تر عمل کرده است. از بین ترکیب های ویژگی مورد بررسی نیز، بهترین ترکیب در حالت استفاده از رگرسیون K نزدیک ترین همسایه، دارای RMSE به میزان تقریبی 0.99 تن درهکتار (معادل10%) و ضریب تعیین 0.23 و در حالت استفاده از رگرسیون بردار پشتیبان، دارای RMSE به میزان 0.87 تن درهکتار (معادل 8%) و ضریب تعیین 0.14 بود. مدل های نهایی حاصل از ترکیب ویژگی های بهینه استخراج شده از داده راداری در طول موج باند C و روش های رگرسیونی پارامتری و غیرپارامتری مورد بررسی در این تحقیق به تنهایی قادر به بهبود اثر اشباع شدگی در داده، برای برآورد زیست توده در جنگل های مورد مطالعه، نبودند و منجر به پیشنهاد مدل برآوردکننده ای با صحت قابل قبول نشد.
بررسی اثر پوشش گیاهی در عملیات پی جویی و اکتشاف کانی های معدنی در داده های ابرطیفی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در مطالعات زمین شناسی و کانی شناسی، وجود پوشش گیاهی سالم و خشک در پیکسل های حاوی اطلاعات طیفی اجتناب ناپذیر است. بنابراین، بازیابی اطلاعات در حد زیرپیکسل، مانند برآورد میزان حضور یک کانی در یک پیکسل از تصاویر سنجش از دور ابرطیفی، مسئله ای مهم محسوب می شود. در این پژوهش، روش عمق پیوستار اصلاح شده اثر پوشش گیاهی (VCCD)، برای کاهش اثر پوشش گیاهی سالم و خشک در تخمین میزان کانی های هدف، با استفاده از داده های طیف سنجی، آزمایشگاهی کانی شناسی و تصاویر هایپریون (Hyperion) اصلاح و در منطقه اوغلانسر در شمال غرب ایران مورد صحت سنجی قرار گرفت. تخمین پوشش گیاهی سالم و خشک در سطح پیکسل، به ترتیب، با شاخص SAVI و عمق عارضه جذبی در ۲۱۰۲ نانومتر انجام شد. اصلاح عمق حذف پیوستارشده (CRBD)، با روش VCCD، تا آستانه حداکثری حضور پوشش گیاهی سالم برابر با ۶۰ و برای گیاه خشک در بازه 60-56 و ترکیب گیاه سالم و خشک در بازه ۷6-۷2% امکان پذیر است. تأثیر وجود نویزهای تصادفی و تغییر نوع پوشش گیاهی در عملکرد روش اصلاح شده بررسی شد و نتایج نشان داد که روش VCCD توسعه یافته، در مقایسه با وجود نویزهای تصادفی در طیف ها و تغییر نوع پوشش گیاهی، حساسیت بیشتری ندارد. بعد از اصلاح ضرایب مدل و پس از تأیید کارآیی آن، روش پیشنهادی برای اصلاح CRBD و کاهش اثر پوشش گیاهی، روی تصویر Hyperion، اجرا شد. طبق نتایج، حضور پوشش گیاهی سالم و خشک در کانی های کائولینیت و مسکویت منجر به تخمین کمتر از مقدار واقعی می شود. میزان بهبود در صحت برآورد کانی با اعمال روش VCCD درمورد کانی های کائولینیت و مسکویت، به ترتیب، معادل 0.25 و 0.13 ضریب تعیین و میزان خطا 0.0108 و 0.0125 است.
آنالیز مقایسه ای بازیابی شاخص سطح برگ با استفاده از روش های یادگیری ماشین مبتنی بر داده های ابرطیفی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
متغیرهای بیوفیزیکی و بیوشیمیایی پوشش گیاهی، به منزله متغیرهای ورودی، برای مدل های متفاوت چرخه کربن، آب، انرژی و مدل های اقلیمی و کشاورزی دقیق نقش مهمی ایفا می کنند. یکی از مهم ترین متغیرهای مربوط به تاج پوشش گیاه، که کاربردهای فراوانی در مدل سازی های گوناگون خاک و گیاه و اتمسفر دارد، شاخص سطح برگ (LAI) است. روش های گوناگونی برای بازیابی LAI از تصاویر ابرطیفی به کار رفته اند که، از میان آنها، روش های ناپارامتریک غیرخطی یادگیری ماشین بسیار مورد توجه قرار گرفته اند زیرا، در مواجهه با داده های دارای ابعاد زیاد، انعطاف پذیرند. بااین حال، در مطالعات پیشین، به بررسی عملکرد روش های یادگیری ماشین در بازیابی مقادیر LAI در مقادیر حاشیه ای (مقادیر خارج از دامنه نمونه گیری زمینی) و قابلیت این روش ها در تهیه نقشه متغیر توجه چندانی نشده است. در این تحقیق، عملکرد چهار روش پرکاربرد یادگیری ماشین شامل رگرسیون بردار پشتیبان، فرایند گاوسی، شبکه عصبی مصنوعی و جنگل تصادفی در بازیابی LAI از تصویر ابرطیفی ماهواره کریس پروبا بررسی شده است. نتایج نشان داد که، به رغم کارآیی هر چهار روش در بازیابی مقادیر LAI برای دامنه مقادیر اندازه گیری شده زمینی با RMSE بهتر از 0.5 و خطای نسبی کمتر از 10%، روش های فرایند گاوسی و رگرسیون بردار پشتیبان صحت بالاتری در مقایسه با سایر روش ها دارند. باوجوداین، عملکرد روش شبکه عصبی مصنوعی، در تخمین LAIهای دارای مقادیر حاشیه ای، بهتر از دیگر روش هاست و نقشه تهیه شده با این روش و تابع یادگیری GDA تطابق بیشتری با نقشه NDVI و تصویر ابرطیفی منطقه دارد.