درخت حوزه‌های تخصصی

این پژوهش به بررسی اثرات خانه های دوم گردشگری در روستای قلعه حاچ عبدالله پرداخته شده است.روش پژوهش توصیفی- تحلیلی و کتابخانه و مبتنی بر پیمایش میدانی در اشکال پرسشنامه، مشاهده و مصاحبه است.جامعه آماری تمام ساکنان روستای قلعه حاج عبدالله بوده است که در سرشماری سال 1395 برابر 950 نفر بوده اند. برای تخمین حجم نمونه از فرمول کوکران استفاده شده است که مطابق این فرمول تعداد نمونه 381 نفر برآورد شده است. همچنین از روش نمونه گیری تصادفی ساده در سطح روستا استفاده شده است.اطلاعات به دست آمده با استفاده از نرم افزار SPSS و بهره گیری از آزمون T تک نمونه ای مورد تجزیه و تحلیل قرار گرفتند. نتایج به دست آمده نشان داد که اثرات خانه های دوم گردشگری در ابعاد اجتماعی، اقتصادی و کالبدی- زیست محیطی در بردارنده نقاط مثبت و منفی و متضادی بوده است. که در بعد اجتماعی اثرات مثبت آن در قالب افزایش امنیت اجتماعی و کاهش مهاجرت های ساکنین روستا بوده است. و همچنین اثرات منفی همچون افزایش سبک زندگی شهری، نابودی آداب رسوم روستا، گسست اجتماعی را در بین ساکنین روستا در برداشته است.همچنین در بعد اقتصادی به مراتب اثرات بهتر از ابعاد اجتماعی و کالبدی بوده است. به گونه ای که ساکنان اظهارکرده اند با ایجاد و گسترش خانه های دوم وضعیت اشتغال و درآمد روستا بهبود یافته است و با افزایش داد و ستد اقتصادی در منطقه و تقویت پایه اقتصادی روستا زمینه اشتغال ساکنان فراهم شده و از شدت مهاجرت های روستاشهری کاسته شده است.ودرآخر از نظر بعدکالبدی- زیست محیطی اثرات خانه های دوم بصورت گسترش بافت مسکونی روستا و رشد قارچ گونه خانه های دوم در بین مزارع و باغات منطقه که پیامدهای آن در تغییر کاربری اراضی و تغییر چشم انداز روستا از یک حوزه کشاورزی به یک حوزه مصنوع با واحدهای ویلایی بوده است.

درسال ها یاخیر،اهمیت آب زیرزمینی به مثابه منبع مهم تأمین آب در مناطق خشک و نیمه خشک به دلیلبرداشتبی رویهازآن دوچندان شده است. برداشت بی رویه سبب افتسطحایستابیآب در بسیاری از مناطق کشور شده است و باجایگزین کردن روش ها ی آبیارینوینبه جایروشآبیاریسنتیمی تواناز روند افت سفره و درنتیجه بیابان زایی جلوگیری کرد. کیفیتآب آبیاریازمحدویت ها ی مهم توسعة آبیاریتحتفشار در مناطق خشکو نیمه خشک به شمار می آید. هدف پژوهش حاضر شناسایی مناطق مستعد آبیاری تحت فشار در دشت خالدآباد با استفاده از تکنیک های زمین آمار و GIS است. به منظور پهنه بندی کیفیت آب دشت از پارامترهای کیفی 11 چاه پیزومتری موجود در دشت استفاده شد. برای پهنه بندی نقشه های کیفی از بین روش های زمین آماری IDWو کریجینگ ، روش کریجینگ به دلیل داشتن RMSE و MAE کمتر، انتخاب شد. با روی هم انداختن لایه های کیفیت آب براساس منطق بولین، مناطق با کیفیتآب مناسب برایاجرایسیستمآبیاریتحتفشارمشخصشدند. نتایج نشان دادند که 9/21 درصد از منطقه برای آبیاری بارانی مناسب و 4/54 درصد از منطقه برای آبیاری قطره ای مناسب است. پیزومترهایاستفاده شده برای آبیاریقطره ایدرمحدودةوسیع تری قرارگرفتند.بنابرایندربخشوسیعیازمنطقة مورد مطالعه، سیستم آبیاریقطره ای درمقایسه با روش آبیاری بارانیقابلیتاجرایی و راندمان آبیاری بالاتری دارد. کلید واژه ها : GIS، کیفیت آب زیرزمینی، آبیاری تحت فشار، مکان یابی، بادرود.

تصاویر هوایی ثبت شده توسط ماهواره ها و یا پهپاد ها، معمولا شامل نواحی مربوط به منابع طبیعی و نواحی حاوی سازه های ساخت بشر است. با تفکیک این نواحی از یکدیگر، قادر خواهیم بود اطلاعات مهمی نظیر آرایش ساختاری سطوح و شکل آنها را استخراج و نقشه های هواییِ برچسب دار ایجاد کنیم. دست یابی به چنین اطلاعاتی می تواند کاربرد های بسیار مفیدی در زمینه های نظامی، شهری و زیست محیطی داشته باشد. از آنجایی که پردازش حجم عظیمی از تصاویر به دست آمده از ماهواره ها و پهپاد ها بصورت دستی امکان پذیر نیست، لذا استفاده از روش های خودکارِ مبتنی بر هوش مصنوعی در این حوزه، بسیار مورد توجه قرار گرفته است. تاکنون پژوهش های متعددی در این باره انجام شده است که از اهم آنها می توان به شناسایی ساختمان ها، وسایل نقلیه، جاده ها و همچنین تشخیص ساختار پوشش گیاهی در تصاویر هوایی اشاره کرد. در این مقاله، قصد داریم با معرفی مجموعه ای از ویژگی های آماری مبتنی بر رنگ که به سادگی قابل استخراج از تصاویر هوایی هستند و با استفاده از یک مدل مبتنی بر یادگیری، راهکاری کارآمد برای تشخیص دقیق و سریع سازه های ساخت بشر و تفکیک آنها از منابع طبیعی ارایه دهیم. نتایج آزمایش های انجام گرفته بر روی بانک تصاویر ماساچوست که به صورت عمومی، قابل دسترس است، نشان دهنده دقت مناسب و سرعت عمل بالای راهکار پیشنهادی است. به طوری که، دقت و میانگین سرعت پردازش به دست آمده به ترتیب برابر با ٪۰۷/۹۰ و 96/0 ثانیه است.

ایران در یکی از بحرانی ترین مناطق دنیا به نام خاورمیانه قرار گرفته است. این منطقه به دلیل موقعیت مناسب و ذخایر فراوان انرژی، همواره مورد توجه کشورهای خارجی و در رأس آن ها آمریکا بوده است. همین امر سبب دخالت های فراوان آمریکا و تاسیس پایگاه های متعدد نظامی در اطراف ایران به خصوص بعد از حادثه 11 سپتامبر شده است. رصد اطلاعاتی مستمر این پایگاه ها و تاسیسات مربوط به آن ها یکی از مهم ترین راه های بازدارندگی است که می تواند توسط دانش سنجش از دور صورت گیرد. یکی از تکنیک های سنجش از دور، رادار روزنه مصنوعی است که در سال های اخیر مورد توجه قرار گرفته و این درحالی است که ماهواره سنتینل-1 که در سال 2014 توسط سازمان فضایی اروپا پرتاب شد نیز از همین تکنیک استفاده می کند. یکی از کاربردهای این ماهواره که در این مقاله معرفی شده است، شناسایی سامانه های پاتریوت MIM-104 است. این امر از طریق نمایش ترکیبی قطبیدگی های VV و VH توسط دو تصویر اخذ شده در گذرهای شب و روز ماهواره از یک نقطه صورت می پذیرد که به صورت خطوط X مانند که محل قرارگیری سامانه های پاتریوت است، نمایش داده می شود. پردازش تصاویر مربوط به این ماهواره نیز توسط سامانه Google Earth Engine صورت گرفته که موجب صرفه جویی قابل توجه در زمان تحلیل و بالا رفتن دقت نتایج به علت به حداقل رسیدن خطای انسانی می شود. نتایج نشان داد که در مناطق اطراف ایران و به خصوص در کشورهای عربی حاشیه خلیج فارس، حداقل 16 سامانه فعال پاتریوت وجود دارد که بیانگر توسعه فراوان آن در سال های اخیر بوده و لزوم رصد مداوم این سامانه ها را نشان می دهد.

با توجه به اینکه الگوریتم های متنوعی برای طبقه بندی تصاویر ماهواره ای در سنجش از دور توسعه یافته اند، انتخاب الگوریتم مناسب طبقه بندی در دستیابی به نتایج صحیح نقش بسیاری ایفا می کند. به همین منظور در پژوهش حاضر، با مقایسه کارآیی صحت طبقه بندی دو الگوریتم حداکثر احتمال و ماشین های بردار پشتیبان، الگوریتم دقیق تر تعیین، و از آن برای بررسی روند تغییرات کاربری اراضی استفاده شد. تحقیق حاضر در حوزه آبخیز سیمینه رود و با استفاده از تصاویر سنجنده های TM، ETM + و OLI انجام گرفت. نتایج تحقیق نشان داد که الگوریتم ماشین بردار پشتیبان، درمقایسه با الگوریتم حداکثر احتمال، تصاویر ماهواره ای را بهتر طبقه بندی کرده است و از میان کرنل های ماشین بردار، کرنل تابع پایه شعاعی (RBF) کارآیی بهتری داشته است. بنابراین، از الگوریتم ماشین بردار پشتیبان با کرنل تابع پایه شعاعی برای تهیه نقشه کاربری اراضی دوره های مورد بررسی و تغییرات کاربری استفاده شد. بررسی روند تغییرات کاربری اراضی، با استفاده از این کرنل، مشخص کرد که در طی دوره های بررسی شده، مساحت کاربری های زراعت آبی از 30.535 هکتار به 67.210 هکتار، زراعت دیم از 79.909 هکتار به 123.383 هکتار و مناطق مسکونی از 474 هکتار به 1934 هکتار افزایش یافته است درحالی که مراتع از 259.811 هکتار به 178.398هکتار، و منابع آب از 240 هکتار به 41 هکتار روند کاهشی دارند.

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.

ﺑﺎ ﮔﺴﺘﺮش ﺷﻬﺮ ﭼﻬﺎرداﻧﮕﻪ از ﻧﻈﺮ وﺳﻌﺖ و ﺟﻤﻌﯿﺖ، اراﺋﻪ و ﺗﻮزﯾﻊ ﺧﺪﻣﺎت ﺷﻬﺮی ﺑﻪ اﻣﺮی ﺗﺨﺼﺼﯽ و ﭘﯿﭽﯿﺪه ﺗﺒﺪﯾﻞ ﺷﺪه ﮐﻪ ﻧﯿﺎزﻣﻨﺪ ﺑﺮﻧﺎﻣﻪ رﯾﺰی ﻫﺎی ﻓﻨﯽ و اﺻﻮﻟﯽ اﺳﺖ و در اﯾﻦ راﺳﺘﺎ ﻣﻬﻤﺘﺮﯾﻦ اﺑﺰار ﻣﻮرد ﻧﯿﺎز در اﺧﺘﯿﺎر داﺷﺘﻦ اﻃﻼﻋﺎت ﺟﺎﻣﻊ از ﺷﻬﺮ و اﻣﮑﺎن دﺳﺘﺮﺳﯽ ﺳﺮﯾﻊ ﺑﻪ آﻣﺎرﻫﺎی اﻃﻼﻋﺎﺗﯽ اﺳﺖ ﮐﻪ ﺧﻮد ﻧﯿﺎزﻣﻨﺪ ﯾﮏ ﺳﯿﺴﺘﻢ اﻃﻼﻋﺎﺗﯽ ﻗﻮی ﻣﯽ ﺑﺎﺷﺪ ﮐﻪ ﺑﻪ ﻋﻨﻮان ﻣﻬﻤﺘﺮﯾﻦ اﺑﺰار در دﺳﺖ ﻣﺪﯾﺮان و ﺗﺼﻤﯿﻢ ﮔﯿﺮان اﺟﺮاﯾﯽ ﻣﯽ ﺗﻮاﻧﺪ ﮐﻤﮏ ﻫﺎی ﺑﺴﯿﺎر زﯾﺎدی در رﻓﻊ ﻣﺸﮑﻼت و ﺑﺮآورده ﻧﻤﻮدن ﻧﯿﺎزﻫﺎی ﺷﻬﺮ ﺑﮑﻨﺪ. ﯾﮑﯽ از ﻣﻬﻤﺘﺮﯾﻦ ﺑﺤﺚ ﻫﺎ در ﻣﺪﯾﺮﯾﺖ ﺷﻬﺮ، ﻣﺪﯾﺮﯾﺖ اﻣﻼک و زﻣﯿﻦ ﻫﺎ ﺷﻬﺮی ﻣﯽ ﺑﺎﺷﺪ. داﺷﺘﻦ اﻃﻼﻋﺎت دﻗﯿﻖ، ﮐﺎﻣﻞ و ﺑﻪ روز ﺷﺎﻣﻞ اﻃﻼﻋﺎت ﻣﮑﺎﻧﯽ (ﻣﮑﺎن ﻣﺮﺟﻊ) و اﻃﻼﻋﺎت ﺗﻮﺻﯿﻔﯽ و ﻫﻤﭽﻨﯿﻦ ﺗﺠﺰﯾﻪ و ﺗﺤﻠﯿﻞ ﺑﺮ روی ﻫﺮ ﻧﻮع از اﻃﻼﻋﺎت ﻣﺮﺑﻮط ﺑﻪ ﻗﻄﻌﻪ زﻣﯿﻦ ﻫﺎ و ﺳﺎﺧﺘﻤﺎن ﻫﺎ ﻣﯽ ﺗﻮاﻧﺪ ﻣﺰاﯾﺎی ﺑﺴﯿﺎر داﺷﺘﻪ ﺑﺎﺷﺪ. اﻣﺮوزه ﺳﯿﺴﺘﻢ اﻃﻼﻋﺎت ﺟﻐﺮاﻓﯿﺎﯾﯽ (GIS) ﺑﺎ در اﺧﺘﯿﺎر ﻗﺮار دادن اﻣﮑﺎﻧﺎت ﻣﺨﺘﻠﻒ ﺟﻤﻊ آوری، ﭘﺮدازش و ﺗﺠﺰﯾﻪ و ﺗﺤﻠﯿﻞ اﻃﻼﻋﺎت ﺑﻪ ﻋﻨﻮان اﺑﺰاری ﻧﻮﯾﻦ و ﻗﺪرﺗﻤﻨﺪ ﻣﯽ ﺗﻮاﻧﺪ در ﺧﺪﻣﺖ ﻣﺪﯾﺮان ﺷﻬﺮی در اﻣﺮ ﻣﺪﯾﺮﯾﺖ و ﺑﺮﻧﺎﻣﻪ رﯾﺰی ﺷﻬﺮی ﻗﺮار ﮔﯿﺮد. در اﯾﻦ ﺗﺤﻘﯿﻖ ﺳﻌﯽ ﺷﺪه اﺳﺖ ﮐﻪ ﺑﻪ ﻣﺰاﯾﺎی اﺳﺘﻔﺎده از GIS در ﻣﺪﯾﺮﯾﺖ اﻣﻼک ﺷﻬﺮ ﭼﻬﺎرداﻧﮕﻪ ﭘﺮداﺧﺘﻪ و در اﻧﺘﻬﺎ ﻧﯿﺰ ﭼﻨﺪ ﻧﻤﻮﻧﻪ از ﻻﯾﻪ ﻫﺎی و ﻧﻘﺸﻪ ﻫﺎی اﻃﻼﻋﺎﺗﯽ ﻣﺨﺘﻠﻒ اﺳﺘﺨﺮاج و اراﺋﻪ ﺷﻮد. ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺑﺮرﺳﯽ ﻫﺎی ﺑﻌﻤﻞ آﻣﺪه ﻣﺸﺎﻫﺪه ﮔﺮدﯾﺪ ﮐﻪ در ﺻﻮرت اﺳﺘﻔﺎده ﻫﻤﺰﻣﺎن از اﻃﻼﻋﺎت ﻫﻨﺪﺳﯽ و ﺗﻮﺻﯿﻔﯽ ﻣﯽ ﺗﻮان روﻧﺪ اﺟﺮای ﮐﺎداﺳﺘﺮ در ﻣﻨﺎﻃﻖ ﻣﺨﺘﻠﻒ ﺷﻬﺮی را ﺑﺼﻮرت دﻗﯿﻘﺘﺮی ﺑﻪ ﻣﻮرد اﺟﺮاء ﮔﺬارد.

گردآوری داده ها و ثبت محوطه های باستانی در باستان شناسی با روش بررسی میدانی، هزینه بر بوده و نیاز به نیروی انسانی و صرف وقت بسیار دارد. بر این اساس، استفاده از روش هایی که بتواند بدون نیاز به مشاهده مستقیم، احتمال وجود محوطه های باستانی را پیش بینی کند، نقش چشم گیری در صرفه جویی در زمان و هزینه های بررسی های میدانی باستان شناختی خواهد داشت. مسئله اصلی این پژوهش، ارزیابی میزان توانایی مدل رگرسیون لجستیک در پیش بینی پراکندگی محوطه های باستانی دشت هرسین- بیستون است. متغیرهای پیش بینی کننده برای این پژوهش شامل متغیرهای محیطیِ شیب، ارتفاع، فاصله تا رودخانه، پوشش گیاهی و متغیرهای فرهنگیِ فاصله تا شهرهای امروزی، تراکم روستاهای امروزی و فاصله تا جاده های اصلی می شوند و متغیر وابسته، متراکم ترین پهنه به لحاظ وجود محوطه های باستانی پیش از تاریخ است. نتایج نشان داد که مدل رگرسیون لجستیک در پیش بینی پراکندگی محوطه های باستانی در دشت هرسین- بیستون در دوره های مختلف موفق بوده است. همچنین معرفی پهنه های پرتراکم به لحاظ وجود محوطه های باستانی به عنوان متغیر وابسته به مدل در مناطقی که به لحاظ ریخت شناختی، دشت محسوب می شوند، کارآمد تر از معرفی صرفاً نقاط GPS محوطه های باستانی است و به ترتیب متغیر فرهنگیِ تراکم روستاها در عصر مس وسنگ، تراکم روستاها، فاصله تا شهرها و فاصله از جاده های اصلی کنونی در عصر مفرغ، فاصله از شهرهای کنونی و فاصله از جاده های اصلی کنونی در عصر آهن، بیشترین تأثیر را در پیش بینی پراکندگی محوطه های باستانی داشته است.

در این مقاله، روش جدیدی برای مدل سازی کمی آثار سلامت محیط ناشی از سناریوهای ترافیکی پیشنهاد شده است. برای این منظور، دو مدل مبتنی بر سیستم های استنتاج فازی سلسله مراتبی عرضه شده است. در توسعة مدل مورد استفاده برای ارزیابی تأثیر سیستم حمل و نقل در غلظت ذرات معلق، از داده های مربوط به یک مدل پراکنش استفاده شده است. مدل رگرسیون کاربری اراضی فازی 1حاصل افزون بر مزایایی همچون امکان مدل سازی تغییرات غلظت آلاینده با رزولوشن بالا، حجم پردازش مناسب و لحاظ کردن برهمکنش میان انتشار و فرایندهای آب وهوایی، امکان استفاده از داده های توصیفی و غیرقطعی را نیز دارد. برای توسعة مدل مورد استفاده در ارزیابی تأثیر غلظت ذرات معلق ناشی از ترافیک در سلامت، از یک متریک حاصل از مطالعات اپیدمیولوژیک استفاده شده است. مدل پیشنهادی قابلیت های متریک مذکور را، با ایجاد امکان مدل سازی عدم قطعیت ارتباط میان پارامترها و عدم قطعیت مقادیر پارامترها، بهبود داده است. برای افزایش کارآیی هر دو مدل، از ساختار سلسله مراتبی مبتنی بر مسئله و تولید و تنظیم هم زمان توابع عضویت و مجموعة قواعد ازطریق یادگیری استفاده شده است. برای بررسی کارآیی روش پیشنهادی، تأثیر سه سناریوی ترافیکی در سلامت محیطی در شهر اصفهان ارزیابی شده است. از میان سناریوهای یادشده، طرح مناطق کم انتشار و طرح زوج و فرد، به ترتیب، بیشترین و کمترین مزایای مرتبط با سلامت محیطی را دارند. نتایج حاصل نشان می دهد روش پیشنهادی برای ارزیابی سلامت محیطی، در مقایسه با روش های مشابه، دقت و کارآیی مطلوبی دارد.

کلیه اسناد املاک قدیمی کشور که کاغذی هستند می بایستی به نقشه های رقومی و زمین مرجع تبدیل گردند. در رقومی سازی قطعات جهت ورود به سامانه حدنگاری، لازم است که فرم رقومی چندضلعی ازنظر مساحت و ابعاد محیطی با سند (قبلی) مطابقت داشته باشد. در فرایند رقومی سازی ویژگی های هندسی عوارض نظیر مساحت پلی گون ها تغییر می یابد. حفظ مطابقت طول ها و مساحت، مانع از بروز مغایرت در اسناد و ایجاد اختلافات ثبتی و معاملاتی می گردد. جهت رفع این مشکل در این تحقیق، در فرایند رقومی سازی با ثابت نگه داشتن طول های اضلاع برای حفظ مساحت پلی گون ها، زوایای رئوس پلی گون ها به عنوان مشاهده در نظر گرفته می شود و روشی مبتنی بر سرشکنی کمترین مربعات با استفاده از معادلات شرط ارائه می گردد. در این فرایند، مختصات جهانی به محل های ثابت نقشه رقومی شده نسبت داده می شود و با حفظ طول اضلاع و با کمترین تغییر موقعیت رئوس، مساحت درج شده در سند جهت مطابقت لازمه تأمین می گردد. برای بررسی این روش، یک نقشه کاغذی حاوی شش قطعه با مساحت های حدود هزار مترمربع در مقیاس 1:1000 اسکن گردید و رقومی سازی با تکیه بر حفظ مساحت و طول های پلی گون ها صورت گرفت. نتایج نشان می دهد که میانگین، حداکثر و حداقل مقدار جابه جایی رئوس توسط روش سرشکنی به طور متوسط به ترتیب برابر 31/19، 96/26 و 50/10 سانتی متر است که با توجه به مقیاس نقشه و قوانین حدنگاری قطعات زراعی و اراضی ملی ازنظر ثبتی قابل قبول بوده و تدقیق صورت گرفته در رقومی سازی با توجه به مطابقت ایجادشده مقبول و مطلوب است.

بررسی های اخیر نشان داده است که سیستم لیدار در برداشت سریع و دقیق اطلاعات سه بعدی از عوارض، در مناطق شهری توانایی بالایی دارد. از مهم ترین پردازش هایی که روی داده های لیدار صورت می گیرد، فیلترینگ آن هاست که عبارت است از تفکیک نقاط مربوط به عوارض ارتفاعی (ساختمان ها و درختان) از نقاط زمینی. تاکنون الگوریتم های فیلترینگ فراوانی طراحی شده است، اما هر یک از آن ها معایب و نواقصی دارند. مشکل اساسی این الگوریتم ها، ناتوانی شان در حذف ساختمان و عوارض بزرگ است که ناشی از عملکرد ناحیه ای آن هاست. در این تحقیق تلاش شده است تا با بهره گیری از قابلیت های تکنیک های طبقه بندی، راه حلی برای این مشکل ارائه شود. در این پژوهش ابتدا داده های لیدار به وسیله الگوریتم شیب مبنا که از شناخته شده ترین روش های فیلترینگ به شمار می آید فیلتر شدند. در ادامه، با استفاده از سه روش طبقه بندی ماشین بردار پشتیبان، شبکه عصبی مصنوعی، و حداکثر احتمال، داده های لیدار به پنج کلاس راه آسفالته، درختان، ساختمان، سیمان، و چمن طبقه بندی گردیدند. در نهایت، نقاط ساختمان های بزرگ که به وسیله الگوریتم شیب مبنا فیلتر نشده بودند، با نتایج حاصل از روش های طبقه بندی حذف گردیدند. ارزیابی ها نشان می دهند که روش حداکثر احتمال نتایج ضعیفی را ارائه می کند، اما روش های ماشین بردار پشتیبان و شبکه عصبی مصنوعی نتایج نزدیک به هم و بسیار خوبی را عرضه کرده اند. به طور کلی استفاده از این تکنیک های طبقه بندی برای بهبود نتایج الگوریتم های فیلترینگ، باعث افزایش ناچیزی در خطای نوع اول می گردد ولی سبب کاهشی شدید در خطای نوع دوم و خطای مجموع می شود. از آنجا که در فرایند فیلترینگ داده های لیدار، اهمیت خطاهای نوع دوم و مجموع بیش از خطای نوع اول است، می توان ادعا کرد که انجام این پردازش تکمیلی نتایج بسیار مفیدی را دربرداشته است. ارزیابی کمّی دقت نتایج نشان می دهد که خروجی الگوریتم با آستانه شیب o 20 پس از بهبود داده شدن با استفاده از خروجی طبقه بندی کننده شبکه عصبی مصنوعی، بهترین نتیجه را به دست داده است که در آن خطای نوع اول از 98/4 درصد به 04/5 درصد افزایش ولی خطاهای نوع دوم و مجموع به ترتیب از 043/9 درصد و 03/7 درصد به 49/4 درصد و 76/4 درصد کاهش یافته اند.

. در این تحقیق تلاش شده است، وضعیت دسترسی منطقه مورد مطالعه بر طبق استانداردهای موجود بررسی شده و پس از تعیین کمبود فضای سبز از این نظر و با در نظر گرفتن سایر عوامل شهری مؤثر در مکانیابی، با ارائه الگویی مناسب، به دنبال توزیع بهینه ی فضای سبز در منطقه ۲ با استفاده از GIS می باشد. برای نیل به این هدف ابتداداده های مکانی گرد آوری شده و س پس پایگ اه اطلاع اتی GISتشکیل شده و نقشه های تهیه شده برای هر یک از معیارها ،ب ه ی ک لای ه ی اطلاع اتی در مح یط GISتبدیل شد، سپس به منظور الگوسازی به هر کدام از لایه های اطلاعاتی بر اساس میزان اهمیت آنها در مکان یابی فضای سبز، وزن مناسبی اختصاص داده شد. برای این منظور از معیارهای واقع شدن در زمین های با کاربری مناسب مانند زمین های بایر، نزدیکی به مراکز آموزشی، مراکز فرهنگی و مراکز جمعیتی، دسترسی به شبکه ارتباطی و پمپ بنزین های شهری استفاده شد. سپس برای هر کدام از عوامل تأثیرگذار در مکانیابی پارکها و فضای سبز، لایه هایی اطلاعاتی در محیط GIS تهیه گردید و برای هر یک از لایه ها وزن دهی صورت گرفت.سپس به منظور الگوسازی، به هر یک از لایه های اطلاعاتی بر اساس میزان اهمیت آنها در مکانیابی پارک ها و فضای سبز با استفاده از مدل AHP، وزن مناسبی اختصاص داده شد. نتایج حاصل از تلفیق لایه های اطلاعاتی، زمین های منطقه را برای انتخاب مکان های مناسب برای فضای سبز به 5 کلاس طبقه بندی نمودیم و مشخص شد زمین های ب ا درج ه ی خیل ی خ وب و خوب در حواشی رودخانه، نزدیک مراکز مسکونی، آموزشی و شبکه ارتباطی منطقه واقع شده اند

یکی از موضوعات مهم در محاسبة شاخص های گیاهی کمیتی است که شاخص براساس آن محاسبه می شود. نوع کمیت انتخابی می تواند مقدار پیکسل، بازتابش و بازتابندگی باشد. بررسی تفاوت مقادیر شاخص های گیاهی محاسبه شده از این کمیت ها چه بسا راهگشای ساده ترکردن محاسبات مربوط به شاخص ها و نیز وضوح بخشیدن به نتایج حاصل از انتخاب هریک از کمیت ها شود. در تحقیقات گذشته، معمولاً یک شاخص گیاهی خاص بررسی شده است و اثر پوشش زمین در محاسبة مقدار آن شاخص براساس سه کمیت مقدار پیکسل، بازتابش و بازتابندگی در نظر گرفته نشده است. در تحقیق حاضر، شاخص های گیاهی تولیدشده از سه دادة یادشده مقایسه می شوند. برای این منظور، 10 شاخص PD43، GVI، RVI، SAVI، EVI، NDVI، DVI، NDWI، GRVI و VARI از روی تصویر LANDSAT 8تولید شد. این شاخص ها برای کل تصویر و همچنین برای پوشش های گوناگون آب، خاک، گیاه و منطقة شهری به طور جداگانه محاسبه شده اند. پس از محاسبة شاخص های گیاهی مورد نظر براساس سه کمیت تابشی، ضریب همبستگی خطی میان این مقادیر برای هر شاخص گیاهی محاسبه شد. مقایسه ها براساس پارامتر همبستگی انجام شده است که نتایج حاصل همبستگیِ بالا بین شاخص های هر سه کمیت تابشی را نشان می دهد. بیشترین ضریب همبستگی به دست آمده برابر با 1 است که در همة کلاس های پوششی برای بسیاری از شاخص ها تکرار شده است. کمترین میزان همبستگی برای کلاس منطقة مسکونی برابر با 0.8339 مربوط به شاخص PD43، برای کلاس گیاه برابر با 0.9489 مربوط به شاخص NDWI، برای کلاس آب برابر با 0.8696 مربوط به شاخص DVI، برای کلاس خاک برابر با 0.916 مربوط به شاخص GVI و برای کل تصویر برابر با 0.9257 مربوط به شاخص DVI است. با توجه به نتایج، در جایی که مقدار دقیق این شاخص ها مهم نباشد این شاخص ها را می توان با کنارگذاردن چند استثنای معدود، بدون نیاز به محاسبة مقدار شاخص براساس کمیته ای رادیانس و بازتابندگی فقط با استفاده از مقادیر پیکسل محاسبه کرد

با افزایش جمعیت و به تبع آن افزایش نیازهای جامعه، آمایش سرزمین اهمیت ویژه ای یافته است. به دلیل پیوند آمایش سرزمین با چندین هدف متضاد، استفاده از الگوریتم های تکاملی چندهدفه درصورت تناسب الگوریتم با نوع مسئله می تواند مفید باشد. در پژوهش حاضر ضمن ارائة مدلی به منظور بهینه سازی کاربری اراضی، راه حلی مؤثر برای به کارگیری الگوریتم ژنتیک چندهدفه در انواع مسائل مربوط به آمایش سرزمین معرفی می گردد. مدل طراحی شده در پژوهش حاضر به منظور بهینه سازی کاربری اراضی از الگوریتم NSGA-II بهره می برد. خروجی های این مدل، الگوهایی برای آمایش سرزمین هستند که فرسایش منطقه را تا حد زیادی کاهش می دهند و سطح منفعت اقتصادی منطقه را بالا می برند. در این مدل، کاربری ها دارای بالاترین سازگاری، کمترین دشواری تغییر و بیشترین پیوستگی هستند. به منظور استفاده از الگوریتم ژنتیک چندهدفه در حل مسائل آمایش سرزمین در این پژوهش راهکاری ابتکاری برای تولید جمعیت اولیه و عملگر ابتکاری ترکیب متناسب با مسائل آمایش سرزمین شرح و بسط داده شد. مدل طراحی شده در منطقة رودبار جنوب واقع در استان کرمان پیاده سازی شد. نتایج به دست آمده نشان دادند که الگوهای آمایش سرزمین پیشنهادشده در این مدل می توانند درحدود 30 تا 35 درصد فرسایش منطقه را کاهش دهند؛ درعین حال سطح منفعت اقتصادی حاصل از تغییر کاربری بین 40 تا 50 درصد رشد خواهد داشت. همچنین تمامی الگوها دارای سازگاری بالا و دشواری تغییر اندک هستند. با بررسی عملکرد عملگر های ابتکاری ارائه شده، مشخص شد این عملگرها تأثیر بسزایی در روند حل مسئله داشتند. کلید واژه ها : بهینه سازی چندهدفه، الگوریتم NSGA-II، توسعة عملگرهای ابتکاری، آمایش سرزمین، توان اکولوژیک.

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.

همه ساله حوادث متعددی در جهان به وقوع می پیوندد حوادثی ک ه ب ه ط ور ناگه انی روی م ی ده د و موجب وارد آمدن خسارت به انسان ومحیط طبیعی می شود؛ به عنوان مخاطرات طبیعی شناخته می شوند.این مخاطرات به دلیل غیر منتظره ی خود، در بیشتر موارد خسارت جانی ومالی بسیاری بر جای می گذارد. زمین لغزش و زلزله مخاطرات محیطی می باشدکه وقوع آنها باعث تلفات وخسارت های زیادی می شود زلزله ها با توجه به(دوره بازگشت) احتمال وقوع آنها وجود دارد. از این رو تشخیص مناطق مستعد زلزله وزمین لغزش، برای به کارگیری روش های پیشگیری یا مقابله با ناپایداری مناطق به منظور کاهش خطر و ریسک حاصل از آنها، بسیار اهمیت دارد. هدف از این مطالعه،مکان یابی شهرها با تاکید بر محدودیت های ژئومورفولوژیکی است. به این منظور، ابتدا از میان مهم ترین عوامل مؤثر برزلزله و زمین لغزش، 6عامل مقدار شیب، جهت شیب، جنس مصالح زمین شناسی، فاصله از گسل، شتاب زمین لرزه و میزان بارندگی که تهیه داده هایشان برای همه استان تهران امکان پذیر بود، بر پایه قضاوت مهندسی در محیط GISکلاسه بندی شدند.در روش AHP برپایه لایه ها وزیر لایه ها اطلاعاتی،وزن دهی وبا هم تلفیق شدند وسپس نقشه پهنه بندی خطر احتمال زلزله وزمین لغزش در محیط GISتهیه شد. بنابراین نقشه خطر زمین لغزش وزلزله به طراحان و مهندسان در جهت انتخاب مکان یابی مناسب برای اجرای طرح های توسعه کمک بزرگی می کند که مکان یابی مناسب برای اجرای توسعه پایدار بدون در نظر گرفتن محدودیت ها و برنامه ریزی و مدیریت آن ممکن نخواهد بود. نتایج این تحقیق نشان می دهد که این استان بیشترین تهدید را از لحاظ محدودیت های ژئومورفولوژیکی زمین لغزش وزلزله را دارد.

مناطق معدنی سرچشمه و دره زار در منطقه ایران مرکزی و کمربند ولکانو- پلوتونیکی ارومیه- دختر قرار گرفته است. سنگ های آتشفشانی ائوسن که تحت تأثیر نفوذی های الیگومیوسن قرار گرفته اند این منطقه را پوشش می دهد. کانه زایی مس — بیشتر از نوع پورفیری و همراه با دگرسانی های وسیع — همراه با اقلیم نیمه خشک، به دلیل پوشش گیاهی کم، میزان ناچیز هواویز و بخار آب جوّی و نیز رخ نمون واضح سنگ ها این منطقه را برای آزمایش نتایج سنجش از دور ماهواره ای مناسب کرده است. کالیبراسیون IARR برای نرمال کردن تصاویر به کمک یک طیف میانگین صحنه به کار می رود. تداخل سیگنال اثری در تصویربرداری استر است که با نشت سیگنال از باند 4 به درون باندهای 5 و 9 ایجاد می شود. در این مقاله، از باندهای طیفی مرئی- فروسرخ نزدیک و فروسرخ موج کوتاه محصولات استر، شامل سطح 1 L1B و سطح 2 AST_07XT استفاده شد. دسته دادة L1B با استفاده از کالیبراسیون بازتاب نسبی میانگین درونی به دادة بازتابش سطح زمین تبدیل شد؛ درصورتی که دستة داده های AST_07XT خود با چنین ماهیتی و با استفاده از تصحیح تداخل سیگنال در اختیار کاربر قرار می گیرند. به منظور ارزیابی و شناسایی بهترین روش کالیبراسیون، الگوریتم انطباق سیمای طیفی (SFF) روی این دستة داده ها اجرا و تصویرهای خروجی براساس نقشة زمین شناسی منطقه و مشاهدات میدانی با یکدیگر مقایسه شدند. از روش Z Profile برای استخراج طیف های خالص تصویر هر دو دستة داده استفاده شد. طیف نمونه های صحرایی با دستگاه طیف سنج (ASD) اندازه گیری شد، سپس طیف های مستخرج از نمونه ها به نُه باند استر بازنویسی شدند. کتابخانة طیفی JPL1 به صورت مرجعی برای تحلیل طیف های خالص تصویر و طیف های حاصل از نمونه های صحرایی مرتبط با کانی های شاخص دگرسانی منطقه استفاده شد. بدین ترتیب، کائولینیت را کانی شاخص دگرسانی فیلیک- آرژیلیک، آلونیت را کانی شاخص دگرسانی آرژیلیک پیشرفته و کانی اپیدوت را برای بارز سازی دگرسانی پروپیلیتیک به کار رفتند. نتایج حاصل از این پردازش نشان داد که دستة دادة L1B کالیبره شده به روش IARR به دلیل ازبین بردن محدودیت هایی، شامل آثار بخار آب جوی و سیماهای جذبی و بازتابی اضافی، به نسبت دستة دادة استاندارد AST_07XT تصحیح شده با تداخل سیگنال نتایج بهتری را برای بارزسازی دگرسانی های فیلیک- آرژیلیک، آرژیلیک پیشرفته و پروپیلیتیک منطقه به دست می دهد.

آشکارسازی تغییرات با رویکرد شیءگرا در تصاویر با قدرت تفکیک مکانی بالا به این دلیل که علاوه بر ویژگی های طیفی از ویژگی های مکانی، هندسی و بافتی استفاده می کند در مقایسه با رویکرد پیکسل مبنا  نتایج بسیار خوبی به همراه داشته است. با این وجود، انتخاب الگوریتم و ویژگی های بهینه همچنان به عنوان چالشی اساسی باقی مانده است. در این تحقیق، جهت بهبود آشکارسازی تغییرات با رویکرد شیءگرا از الگوریتم جنگل تصادفی ( RF ) در فضای ویژگی های بهینه استفاده شده است. در این راستا، نخست ویژگی های بافت بر روی تصاویر مربوط به دو زمان متفاوت استخراج می شود و از PCA جهت انتخاب ویژگی های بافتی مناسب استفاده می گردد. سپس، قطعه بندی چند مقیاسه در فضای ترکیب یافته از باندهای طیفی و ویژگی های بافتی مناسب در چهار سطح مختلف با استفاده از نرم افزار Ecognition انجام شده و بهترین سطح قطعه بندی تعیین می شود. در ادامه، ویژگی های بافتی، مکانی و هندسی از روی تصویر قطعه بندی شده در بهترین سطح استخراج می گردد و بر اساس محاسبه ی فاصله اقلیدسی مربوط به نمونه های آموزشی در کلاس های مختلف، ویژگی های بهینه شناسایی می شوند. کارایی الگوریتم RF شیءگرا در مقایسه با روش های متداول SVM و KNN بر اساس معیار کاپا و صحت کلی و مدت زمان محاسبات مورد بررسی قرار گرفته است. در این تحقیق، از تصاویر ماهوارهای GeoEye-1 و Quick Bird-1 مربوط به سال های 2002 و 2015 جهت آشکارسازی تغییرات در جزیره قشم استفاده شده است. بر اساس نتایج تجربی، برای الگوریتم های RF شیءگرا، SVM  و KNN صحت کلی به ترتیب 57/86، 76/83 و 75 درصد و ضریب کاپا به ترتیب97/0,  75/0 و 63/0 به دست آمد. همچنین، RF به دلیل استفاده از آستانه گذاری بر روی باندهای مختلف و تولید طبقه بندی کننده های درختی با تنوع بالا و وزن دهی مناسب، نسبت به هر یک از نتایج طبقه بندی کننده ها توانست بالاترین دقت را تولید کند.

پهنه بندی کیفیت آب رودخانه نخستین و مهم ترین مرحله در مدیریت کیفیت آب است، که ذهن تحلیلگر را با روند و چگونگی تغییرات آلودگی برحسب زمان، مکان و شرایط خاص آشنا می سازد. پژوهش حاضر درصدد است با استفاده از شبکه های عصبی مصنوعی و سامانه اطلاعات جغرافیایی به پهنه بندی کیفیت آلودگی آب رودخانه سیمینه رود بپردازد. داده های کیفی استفاده شده در تحقیق، حاصل نمونه برداری از رودخانة سیمینه رود در سه فصل بهار و پاییز 1387 و بهار 1388 است که با استفاده از مدل QUAL2K شبیه سازی شد. خروجی مدل با داده های مشاهده ای مقایسه گردید و پارامترهای نیترات، اکسیژن محلول و هدایت الکتریکی ِ مربوط به فصل پاییز 1387 به عنوان داده های هدف انتخاب شدند. داده های ورودی شامل داده های مربوط به کاربری اراضی، زمین شناسی، قابلیت فرسایش و مراکز جمعیتی مربوط به حوضة سیمینه رود هستند که به همراه داده های هدف بعد از آماده سازی در محیط GIS به مدل شبکة عصبی معرفی شدند. در این تحقیق از پنج ساختار مختلف مدل FFBP شبکة عصبی استفاده شد و نتیجة ساختار منتخب با خروجی های حاصل از مدل رگرسیون چندمتغیره مقایسه گردید، که برتری مدل شبکة عصبی مذکور را نشان داد. نتیجه تحقیق حاضر نشان می دهد که شبکه های FFBP با ساختار 3-40-40-4 بهترین کارایی را دارند، و شبکه عصبی در پهنه بندی کیفیت آلودگی آب قابلیت بالایی دارد.

با توجه به شرایط طبیعی کشورایران،عدم توجه به موضوع سیلاب ها میتواند خسارات های جبران ناپذیری به بار آورد که در این میان برآورد سیلاب و پهنه بندی نواحی سیل گیر اهمیت بسیار زیادی در کنترل خطرات دارد. به دلیل قرار گیری حوضه کن در شمال تهران و قرارگیری در دامنه ها وشیب های تند و خصوصیات بارش و پوشش گیاهی وقوع سیلاب یکی از دغدغه های عمده در این منطقه می باشد. همچنین ساخت وسازها وایجاد رستوران ها در حاشیه رودخانه ها و تخریب پوشش گیاهی باعث کاهش مقدار آب نفوذی و افزایش آب سطحی گردیده است. حجم زیاد آب ازسمتی بر بزرگی طغیان سیل می افزاید و از طرفی با افزایش فرسایش، رسوباتی به وجود می آورد که با برجای گذاشتن آن ها ظرفیت بستر اصلی رود کاهش می یابد. علت اصلی وقوع این سیلاب ها بارش باران های شدید و گاهی نیز ذوب برف است که باعث طغیان رودخانه و جاری شدن آب در زمین های حاشیه ای رود می شود. در این تحقیق کوشش شده که نواحی سیل گیر حوضه کن در شمال استان تهران با استفاده از مدل تصمیم گیری فازی مورد مطالعه و پهنه بندی قرار گیرد. پس از بررسی معیارهای مورد نیاز فازی سازی هریک از آنها انجام شده است و برای پهنه بندی با استفاده از عملگر های gama ، or و and تلفیق لایه های اطلاعاتی فازی صورت گرفته است و برای شناسایی مناطق سیل گیر حوضه آبریز کن عملگر گاما (0.8) به خوبی نواحی سیل گیر را بارزسازی کرده است. عملگر and ، حداکثر درجه عضویت اعضا را استخراج می کند و از دقت بالایی در مکانیابی برخوردار نمی باشد. عمگر or نیز عملگر اشتراک مجموعه هاست. که حداقل درجه عضویت اعضا را استخراج می کند در نتیجه برای تحقیق حاضر عملگر گاما در ارتباط با پهنه بندی خطر حوضه آبریز کن ، بسیار مطلوب عمل کرده است.