فیلترهای جستجو:
فیلتری انتخاب نشده است.
نمایش ۲٬۰۶۱ تا ۲٬۰۸۰ مورد از کل ۲٬۲۹۱ مورد.
حوزههای تخصصی:
سنجنده های دوقلوی MSI سنتینل -2، از لحاظ توان تفکیک مکانی، شباهت بسیاری به سنجنده OLI لندست 8 دارند که آژانس فضایی اروپا، با هدف افزایش داده های ادامه دار برای پایش سطح زمین، آنها را به فضا پرتاب کرد. در این مطالعه، قابلیت این داده ها در تفکیک واحدهای سنگی و دگرسانی، در محدوده کانسار فسفات اسفوردی، ارزیابی و با داده های لندست 8 و لندست 8 تلفیق شده، مقایسه شد. برای بارزکردن واحدهای سنگی منطقه، از روش بسط عدم همبستگی استفاده شد. به منظور مقایسه های آماری، واحدهای سنگی با استفاده از اجرای روش ماشین بردار پشتیبان و جنگل تصادفی روی دسته داده ها، رده بندی و صحت آنها با استفاده از ماتریس آشفتگی بررسی شد. علاوه بر آن، نسبت های باندی متناظر با آنچه درمورد سنجنده لندست 5 TM تعریف شده است، برای آشکارسازی نواحی دگرسان شده در منطقه، روی هر سه دسته داده اجرا و مساحت پهنه های بارزشده محاسبه و مقایسه شد. همچنین، نمودارهای پراکندگی برای تصاویر نسبت باندی تولیدشده تهیه شد. داده های MSI، در رده بندی ماشین بردار پشتیبان و جنگل تصادفی، صحت کلی و ضریب کاپای بیشتری را در مقایسه با دو دسته داده دیگر نشان دادند. نتایج نسبت باندی نیز نشان داد که داده های MSI و OLI تلفیق شده بیشترین همبستگی و مشابهت را به هم دارند. این مطالعه مشخص کرد که استفاده از داده های MSI در تهیه نقشه های سنگ شناختی و کانی شناختی، مطلوب تر از داده های OLI است. همچنین استفاده از داده های OLI تلفیق شده، در تاریخ هایی که تصاویر MSI در دسترس نیست، و یا برای تهیه نقشه های زمین شناسی پیوسته در مقیاس های قاره ای، به همراه داده های MSI کارآمد است.
مقایسه توانایی طبقه بندی کننده های ماشین بردار پشتیبان، شبکه عصبی و حداکثر احتمال در بهبود نتایج الگوریتم های فیلترینگ داده های لیدار(مقاله علمی وزارت علوم)
حوزههای تخصصی:
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.
طراحی مدل بهینه سازی کاربری اراضی مبتنی بر الگوریتم ژنتیک چندهدفه با رویکرد آمایش سرزمین (مطالعة موردی: رودبار جنوب – استان کرمان)(مقاله علمی وزارت علوم)
حوزههای تخصصی:
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.
پیش بینی احتمال مکانی وقوع برف با استفاده از داده های سنجش از دور و زنجیرة مارکوف مرتبة یک(مقاله علمی وزارت علوم)
حوزههای تخصصی:
ارزیابی و برآورد ذخایر برفی در مطالعات بیلان آب و بهره برداری بهینه از منابع آب در مناطق خشک و نیمه خشکی چون ایران که دارای ریزش های فصلی برف هستند، اهمیت فراوانی دارد. در حوضه های آبریز حوالی دامنه های برف گیر نظیر زاگرس که سیلاب های بهاره سهم عمدة جریان های سطحی را تشکیل می دهند، پیش بینی احتمالاتی ذخیرة برفی پایان سال ضروری است. در پژوهش حاضر، پیش بینی احتمالی وقوع برف در حوضة آبریز رودخانه های کرخه، دز، کارون و بخشی از حوضة مارون با استفاده از مدل زنجیرة مارکوف مرتبة یک بررسی شد. برای این منظور از داده های سطح برف استخراج شده از تصاویر ماهواره ای سنجندة NOAA-AVHRR در طول سال های آبی 1367 تا 1383 استفاده شد. حالت های ممکن در نقشه های برف به صورت وجود (عدد یک) و نبود برف (عدد صفر) تعریف شد. سپس با اعمال فرایند زنجیرة مارکوف، پیش بینی احتمال مکانی وقوع برف برای اسفندماه سال های 83-1379 صورت گرفت. نتایج نشان دادند که پیش بینی احتمالاتی سطح برف در اسفندماه تطبیق مناسبی با نقشه های حداکثر پوشش سطحی برف به دست آمده از تصاویر ماهواره ای دارد. وضعیت پوشش سطح در بیش از 60 درصد سطح حوضه با احتمال 100 درصد و در 80 درصد سطح حوضه، با احتمال 50 تا 90 درصد به درستی پیش بینی شده است. افزون بر این، به منظور ارزیابی کمی عملکرد مدل پیش بینی از روش جداول وابستگی استفاده شد. نتایج ارزیابی مدل برمبنای سه معیار احتمال ردیابی (POD)، نسبت هشدار غلط (FAR) و موفقیت بحرانی (CSI)، نیز توانمندی مدل زنجیرة مارکوف را در پیش بینی سطوح برفی نشان می دهند. کلید واژه ها : احتمال وقوع برف، زنجیرة مارکوف مرتبة یک، ماتریس احتمالات انتقال.
بهبود آشکارسازی تغییرات شئ گرا در تصاویر با قدرت تفکیک مکانی بالا بر مبنای روش جنگل تصادفی در فضای ویژگی های بهینه(مقاله علمی وزارت علوم)
حوزههای تخصصی:
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.
ارزیابی تصاویر IRS-P6 برای برآورد سطح زیر کشت باغات(مقاله علمی وزارت علوم)
حوزههای تخصصی:
کشاورزی، محور توسعه است و سطح زیر کشت محصولات زراعی و باغی در بخش کشاورزی یک پارامتر مهم مدیریتی است. ارزیابی و تعیین دقیق سطح این پارامتر، برنامه ریزان را در توسعه کشاورزی یاری می دهد. به منظور غلبه بر محدودیت های کار میدانی در برآورد سطح زیر کشت محصولات کشاورزی، استفاده از تصاویر ماهواره ای به دلیل دید وسیع و یکپارچه، چند طیفی و به روز بودن گزینه مناسبی به نظر می رسد. در این تحقیق داده های ماهواره IRS-P6 به منظور برآورد سطح زیر کشت باغات در اراضی دشت شارویران شهرستان مهاباد مورد تجزیه و تحلیل قرار گرفت. به منظور استخراج بهتر اطلاعات، شاخص های مختلف با استفاده از روش های نسبت گیری باندی و تحلیل مولفه های اصلی تهیه شدند. طبقه بندی داده ها به روش نظارت شده و با الگوریتم های مختلف به دو صورت 7 کلاسه (طبقات کاربری اراضی) و 2 کلاسه (باغ و غیرباغ) انجام شد. صحت نقشه های حاصل از طبقه بندی در مقایسه با نقشه های واقعیت زمینی ارزیابی شد. بهترین صحت کلی و ضریب کاپا به ترتیب برابر %75/97 و 95/0 با الگوریتم حداکثر احتمال در طبقه بندی 2 کلاسه حاصل شد. نتایج نشان داد که داده های IRS-P6 برای شناسایی و پایش سطح زیر کشت باغات از لحاظ هزینه، زمان و دقت بسیار مناسب هستند
یکپارچه سازی سیستم اطلاعات مکانی (GIS)، شبکة عصبی پرسپترون چندلایه (MLP) و مدل بارش-رواناب (SWAT) با درنظرگرفتن تغییرات کاربری ها برای پیش بینی دبی ورودی و حجم رسوب (مطالعة موردی: سد ستارخان)(مقاله علمی وزارت علوم)
حوزههای تخصصی:
هدف از مطالعات رسوب گذاری در یک سد مخزنی یافتن دیدی کلی درمورد میزان حجم ازدست رفتة مخزن است. در این میان، بررسی و پیش بینی حجم رسوب واردشده به مخزن اهمیت ویژه ای دارد. در این پژوهش، با استفاده از روش آماری ریزمقیاس کردن، بارش و دما در محدودة حوضة آبریز سد ستارخان با مساحت 950 کیلومترمربع، واقع در استان آذربایجان شرقی، در بلند مدت پیش بینی شده اند. با توجه به اطلاعات بارش و دمای پیش بینی شده، به کمک مدل [1]SWAT، رسوب ورودی به سد شبیه سازی شده است. مقایسة نتایج این مدل و مقادیر مشاهداتی نشان می دهد گرچه مدل SWAT با دقت بالای 80% می تواند روند جریان رسوب ورودی به مخزن را شبیه سازی کند، قادر به شبیه سازی مقادیر واقعی رسوب نیست. برای رفع این اختلاف، باید پارامتر فرسایش نیز، برای رسیدن به نتیجة مطلوب، در محاسبات لحاظ شود. بنابراین ابتدا با کمک مدل شبکة عصبی پرسپترون چندلایه (MLP) بارش مورد نظر پیش بینی شده و سپس نقشة کاربری به منظور تعیین میزان تأثیر کاربری و، به تبع آن، فرسایش در محیط GIS تهیه شده است. ترکیب پارامتر کاربری در محیط GIS و بارش پیش بینی شده می تواند خروجی SWAT را به مقدار واقعی نزدیک تر کند. نتایج حاصل نشان می دهد که با یکپارچه سازی و استفاده از مدل های به کاررفته و قابلیت های GIS می توان نتایج و برآورد میزان حجم رسوب را با دقت بالای 95% محاسبه کرد.
ارزیابی عملکرد توصیفگرهای موضعی در تصاویر ماهواره ای(مقاله علمی وزارت علوم)
حوزههای تخصصی:
توصیفگرها توزیع درجات خاکستری تصویر را در ناحیه اطراف عوارض توصیف می کنند و در تعیین مطابقت آنها، در کاربردهای گوناگونی همچون مرتبط سازی تصویر و تولید مدل سه بعدی در فتوگرامتری و سنجش از دور، نقش اساسی دارند. روش های گوناگونی برای ایجاد توصیفگر ارائه شده که ویژگی ها و کاربردهای متفاوتی دارند. شناخت ویژگی های الگوریتم ها و چگونگی عملکرد آنها در شرایط گوناگون نیازی اساسی برای استفاده مناسب از آنها در موارد گوناگون است. در این تحقیق عملکرد ده توصیفگر مطرح شامل SI، SC، SIFT، PIIFD، SURF، DAISY، LSS، LBP، LIOP و BRISK در انواع مختلف از تصاویر ماهواره ای اپتیکی با تنوع گسترده ای از اعوجاجات شامل اختلاف مقیاس، دوران، روشنایی و تغییر منظر مورد ارزیابی قرار می گیرد. هشتاد جفت تصویر ماهواره ای در سه دسته گوناگون شامل شبیه سازی شده، چندزمانه و چندسنسوری انتخاب می شود و نتایج با استفاده از چهار معیار اساسی Recall، Precision، دقت هندسی و کارآیی مقایسه می شود. الگوریتمی که در همه حالت ها و برای همه تصاویر بهتر از دیگر الگوریتم ها باشد، وجود ندارد اما به طور میانگین، توصیفگر های DAISY و SIFT بهترین عملکرد، و الگوریتم های SI و SC نیز بدترین نتایج را در تصاویر ماهواره ای دارند.
پهنه بندی کیفیت آلودگی آب رودخانه با استفاده از شبکه های عصبی مصنوعی و سیستم اطلاعات جغرافیایی(مطالعه موردی: رودخانه سیمینه رود)(مقاله علمی وزارت علوم)
حوزههای تخصصی:
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.
ارزیابی آماری برآورد بارش مبتنی بر تکنیک سنجش از دور در استان های البرز، قزوین، زنجان، کردستان و همدان(مقاله علمی وزارت علوم)
حوزههای تخصصی:
تخمین بارش در محاسبات بیلان انرژی، مطالعات هیدرولوژیکی و هواشناسی از اهمیت چشمگیری برخوردار است. با توجه به اهمیت داده های بارش در علوم مختلف و عدم وجود شبکه باران سنجی گسترده و مناسب، لازم است داده های بارش به نحوی برآورد شوند. یکی از راههای برآورد بارش، استفاده از داده های ماهواره ای است. در این پژوهش، به ارزیابی داده های بارش مدل GLDAS، CRU، GPCP، TRMM، CMAP و NCEP-NCAR با داده های ایستگاهی در استان های البرز، قزوین، زنجان، کردستان و همدان پرداخته شد. نتایج نشان داد که در این مناطق، بارش GPCP، TRMM، CMAPو NCEP-NCAR نتایج خوبی داشتند و از میان آنها GPCP وTRMM نتیجه بهتری را ارائه کرده اند. در ارزیابی GPCP با میانگین ایستگاه های منطقه مورد مطالعه در پیکسل 3 در سال 2003، ضریب تبیین (R 2 )، ضریب کارایی مدل(EF)، خطای اریب میانگین (MBE)، میانگین مطلق خطا (MAE) و ریشه میانگین مربعات خطا (RMSE) به ترتیب برابر 96/0، 94/0، 13/3، 30/5 و 58/6 میلی متر بر ماه به دست آمد. همچنین داده های بارش مدل GLDAS با داده های ایستگاهی مورد ارزیابی قرار گرفت و نتایج نشان داد که در مناطقی که بارش زیاد است، مانند ایستگاه رشت و نوشهر مدل GLDAS از دقت خوبی برخوردار نیست
ارزیابی و بهینه سازی روش سالومونسون و همکاران در برآورد سطح پوشش برف حوزه های کرج و لتیان(مقاله علمی وزارت علوم)
حوزههای تخصصی:
هدف از این مقاله تعیین سهم پوشش برف حوزه های کرج و لتیان با استفاده از تصاویر MODIS، به روش سالومونسون و همکاران و شناسایی منابع خطای این روش است. اهمیت سطح پوشش برف به دلیل تأثیرگذاری بر بیلان تابش، بیلان آب و مدل سازی انجام تحقیقات گوناگون را ضروری ساخته است. در این تحقیق برای بررسی سطح برف از داده های MODIS و برای ارزیابی دقت، از تصاویر LISIII-IRS استفاده شده است. تا کنون روش های متفاوتی برای استخراج سهم برف پیکسل ها به کار گرفته شده که در تحقیق حاضر از روش سالومونسون و همکاران به دلیل دقت مناسب و نیاز نداشتن به اطلاعات اولیه از منطقه استفاده شده و عوامل ایجاد خطا در آن شناسایی شده است. افزون بر این، ضرایب معادلة سالومونسون و همکاران با استفاده از داده های منطقه ای ایران بهینه سازی شده و دقت حاصل از مدل با ضرایب بهینه، در منطقه ای جدید ارزیابی شده است. نتایج ارزیابی دقت نشان داده اند که روش سالومونسون و همکاران می تواند سهم برف پیکسل های MODIS را با خطای RMS 20/0 پیکسل برآورد کند. ضرایب کاپا و دقت کلی این روش به ترتیب 84/0، 12/92 است، که دقت مناسب آن را نشان می دهد. نتایج تحقیق نشان می دهند که به دلیل خطای بالاتر روش سالومونسون و همکاران، باید در نواحی حاشیة رودهای ایران که عموماً دارای پوشش درختی کم تراکم و باغ های پراکنده اند، از این روش صرف نظر شود. لازم است برای حذف مناطق آبی از ماسک های مناسب استفاده شود. بهینه سازی ضرایب مدل توانسته است دقت برآورد مدل را بهبود بخشد، به طوری که مقدار خطای RMS مدل با ضرایب اصلاح شده در منطقه ای جدید 258/0 پیکسل به دست آمده، درحالی که معادلة سالومونسون و همکاران در همین منطقه خطای RMS عدد 266/0 پیکسل را نشان داده است. کلید واژه ها : روش سالومونسون و همکاران، زیرپیکسل، سطح پوشش برف، شاخص تفاضلی نرمال شدة برف.
تأثیر پهنه بندی اقلیمی و ارتفاعی بر همبستگی شاخص های خشکسالی سنجش از دور با داده بارشی و معرفی شاخص های محلی(مقاله علمی وزارت علوم)
حوزههای تخصصی:
خشکسالی پدیده مهم آب و هوایی است که می تواند بر اساس داده های حاصل از ایستگاه های هواشناسی و داده های سنجش از دور پایش شود. روش های سنجش از دور، مزیت های نسبی قابل توجهی نسبت به سایر روش ها برای پایش خشکسالی ارائه کرده اند. همچنین شاخص های خشکسالی متعددی در سنجش از دور برای پایش خشکسالی ارائه شده است، اما هیچ یک از شاخص های متداول در سنجش از دور، تعمیم پذیری زمانی، اقلیمی و ارتفاعی ندارند و ضرورت دارد کیفیت عملکرد این شاخص ها 1-در اقلیم ها، 2-در پهنه بندی های ارتفاعی مورد بررسی قرار گیرد. این پژوهش، با اثبات این فرضیه، به تشخیص شاخص مناسب در هر اقلیم و پهنه ارتفاعی می پردازد و در هر منطقه، فصل مناسب جهت برآورد شاخص بررسی می شود. در این پژوهش، شاخص های خشکسالی VCI، VDI، TCI و TVDI با پارامتر LST، NDVI و EVI ارزیابی شده اند. برای بررسی اقلیمی و ارتفاعی شاخص ها، ابتدا در کل کشور و سپس در استان همدان پهنه بندی اقلیمی و ارتفاعی صورت گرفت و شاخص های خشکسالی برای اقلیم ها و ارتفاعات مختلف در دو شکل پیکسل-مبنا و شیء-مبنا (پلیگونی) محاسبه و با داده بارشی ماهواره TRMM مقایسه شد. عملکرد شاخص های خشکسالی با در نظر گرفتن نوع اقلیم، فصل اخذ داده، ارتفاع و وسعت منطقه جهت برآورد خشکسالی مورد بررسی قرار گرفت. نتایج متعدد این تحقیق، عدم تعمیم پذیری همه شاخص ها را از نظر اقلیمی، ارتفاعی و زمانی نشان می دهد و به عنوان نمونه، در ارزیابی پیکسلی اقلیم گرم و خشک، بیشترین همبستگی بین شاخص VCI و داده بارشی در ماه خرداد با ضریب همبستگی 0.57 بوده و در ارزیابی همین منطقه بصورت شئ-مبنا شاخص VCI مقدار 0.67 محاسبه شد
ترکیب شاخص های EVI و SPI برای پهنه بندی مناطق حساس به خشک سالی (مطالعه موردی: استان کردستان)(مقاله علمی وزارت علوم)
حوزههای تخصصی:
ارزیابی خشک سالی، ازنظر زمانی و مکانی، برای برنامه ریزی های کاهش خسارات در استان کردستان اهمیت بسیاری دارد. در این تحقیق، از شاخص بارش استانداردشده و همچنین، شاخص پوشش گیاهی بارزشده استخراجی از تصاویر ماهواره ای، به منزله پارامتر تعیین کننده خشک سالی، استفاده شده است. به این منظور، داده های آماری ایستگاه های هواشناسی شامل حداکثر دمای ماهیانه، مجموع بارش سالیانه و نیز تصاویر سنجنده مادیس به کار رفته است. با مقایسه پارامترهای هواشناسی شامل میانگین دمای سالیانه، میزان بارش سالیانه و همچنین مقایسه نقشه های شاخص بارش استاندارد و شاخص پوشش گیاهی بارزشده، وضعیت خشک سالی منطقه در دوره زمانی هفده ساله ای بررسی شده است. نتایج بررسی دو شاخص بارش استانداردشده و پوشش گیاهی بارزشده نشان می دهد که خشک سالی ناشی از تغییرات بارشی دارای راستای غرب به شرق است و پدیده خشک سالی در مناطق شرقی شدت بیشتری دارد. در این راستا، مناطق جنوبی حساسیت بالاتری نشان داده اند که در مجموع، مناطق جنوبی، به ویژه جنوب شرق استان، بیشترین آسیب پذیری را در پدیده خشک سالی داشته اند. مناطق دارای حساسیت بسیار بالای خشک سالی حدود 10% مساحت اراضی استان را پوشش می دهد و این درحالی است که 91% از مساحت مناطق با حساسیت بسیار زیاد خشک سالی در کاربری کشت گندم دیم قرار دارد.
تعیین پارامترهای مؤثر زمینه ای در پیش بینی آنی موقعیت کشتی با استفاده از یادگیری عمیق(مقاله علمی وزارت علوم)
حوزههای تخصصی:
حدود ۸۰% از حمل ونقل جهانی در بستر دریا انجام می شود؛ بنابراین، به منظور حفظ ایمنی عبورومرور کشتی ها، پیش بینی دقیق حرکت آنها اهمیت ویژه ای دارد. ازآن جاکه پارامترهای زمینه ای گوناگونی در حرکت کشتی ها تأثیر می گذارد، یکی از چالش های اصلی در حوزه محاسبات زمینه آگاه حرکت کشتی ها شناسایی پارامترهای زمینه ای بهینه مؤثر در حرکت کشتی است که ضرورت تحقیق حاضر را می رساند. در این راستا، با استفاده از شبکه عصبی حافظه طولانی کوتاه مدت و انتخاب پارامتر به شیوه پوشانه (Wrapper)، اقدام به شناسایی پارامترهای زمینه ای بهینه برای پیش بینی حرکت کشتی شد. به این منظور، داده های سیستم شناسایی خودکار کشتی ها، جمع آوری شده در دسامبر سال ۲۰۱۷ از ساحل شرقی آمریکا، به کار رفت. تمامی ترکیبات ممکن از سه پارامتر زمینه ای سرعت، جهت و احتمال حضور کشتی در هر نقطه از دریا، با روش پوشانه، در مدل پیش بینی یادشده ارزیابی شد. در ارزیابی ها، ۷۰% از داده ها برای آموزش و مابقی برای اعتبارسنجی متقابل به کار رفت. طبق نتایج، پارامترهای سرعت و احتمال حضور به منزله پارامترهای زمینه ای بهینه شناسایی شد؛ به صورتی که دقت مدل با ورودی های بهینه 26.98% بهتر از مدلی است که در تمام پارامترهای زمینه ای در دسترس به منزله ورودی به کار رفته و نیز 16.14% بهتر از مدل بدون زمینه است؛ بنابراین، شناسایی پارامترهای زمینه ای بهینه از میان پارامترهای در دسترس و استفاده از آنها می تواند به بهبود دقت کمک کند
ارزیابی تأثیر شرایط پارامتری مختلف روش های ماهواره ای SEBAL، METRIC و TVT در برآورد تبخیر-تعرق واقعی (مطالعة موردی: اهواز شمالی)(مقاله علمی وزارت علوم)
حوزههای تخصصی:
داده های سنجش از دور دارای کاربرد وسیعی در برآورد تبخیر و تعرق واقعی هستند و بدین منظور روش های مختلفی شرح و بسط یافته است. در این میان، سبال و متریک به عنوان مدل های شار انرژی و تی وی تی برپایة پوشش گیاهی توجه زیادی را به خود جلب کرده و برپایة برخی پارامترهایی هستند که برای استفاده نیاز به ارزیابی دارند. در پژوهش حاضر، 12 تصویر مودیس طی دورة سال آبی 88-1387 که محدودة مطالعاتی اهواز شمالی را (طبق طبقه بندی وزارت نیرو) می پوشاند، فراهم شد تا برای تخمین تبخیر و تعرق واقعی با استفاده از مدل های سنجش از دور به کار گرفته شود. به منظور ارزیابی و مقایسة نتایج، از تبخیر و تعرق تخمین زده شده با استفاده از مدل بیلان آبی مرسوم برای همان دوره استفاده شد. افزون بر اینها، بهترین تخمین تبخیر و تعرق واقعی با استفاده از مدل سنجش از دور برای مزارع یونجه با مقادیر متناظر در سند ملی آب مقایسه شد. نتایج به دست آمده، عملکرد بهتر سبال و سپس متریک و تی وی تی را نشان دادند. مدل بیلان آب میزان تبخیر و تعرق واقعی را 341 میلی متر بر سال و سبال آن را 2/347 میلی متر بر سال برای همان دوره نمایش داد. ارزیابی پارامترهای این مدل ها، تأثیر معنا دار کاربرد معادلات کالیبره شدة شار گرمای خاک و طول زبری مومنتوم را بر عملکرد و کاهش عدم قطعیت آنها نشان داد.
رویکرد ژنتیک تکمیلی ناحیه مبنا برای آشکارسازی ساختمان ها با استفاده از تصاویر ماهواره ای با قدرت تفکیک مکانی بالا(مقاله علمی وزارت علوم)
حوزههای تخصصی:
سامر (Sumer) و همکاران (2008 و 2013) بر پایة به کارگیری الگوریتم انطباقی فازی-ژنتیک، رویکردی نوین در آشکارسازی ساختمان ها با استفاده از تصاویر ماهواره ای با قدرت تفکیک مکانی بالا مطرح کردند. روش پیشنهادی با کاهش مشکل همگرایی زودرس در الگوریتم ژنتیک، دقت آشکارسازی عوارض را بهبود چشمگیری بخشید. نبودِ کنترل های هندسی بر خروجی این الگوریتم از محدودیت های رویکرد پیشنهادی به شمار آمده است. در این تحقیق، برای رفع این محدودیت، روش استخراج فازی ژنتیک که سامر و همکاران (2013) آن را توسعه دادند با کنترلگر هندسی پیشنهادی ادغام شد. در این الگوریتم، ابتدا نمونه های آموزشی و تست انتخاب می شوند، سپس اپراتورهای پایة پردازش تصویر روی ژن های کروموزوم ها قرار می گیرند. خروجی های موقتی حاصل از اعمال اپراتورهای پردازش تصویر بر باندهای تصویر ورودی به یک تصویر باینری با بیشترین میزان تمایز بین دو کلاس تبدیل می شوند. با محاسبة میزان مطابقت بین نمونة انتخابی و خروجی الگوریتم، مقادیر ارزش برای هریک از اعضای جامعه محاسبه می شود. در پایان چرخة هر نسل، رویکرد فازی در نظر گرفته شده در این تحقیقْ مقادیر احتمالی اصلاح شده برای عملیات لقاح و جهش را به منظور ممانعت از همگرایی نابهنگام در شروع نسل بعد تعیین می کند. این فرایند تا زمان دستیابی به تعداد مشخصی از تکرار ادامه می یابد. به منظور کنترل هندسی خروجی های الگوریتم پیشنهادی، یک الگوریتم ژنتیک تکمیلی ناحیه مبنا نیز توسعه داده شده است. با فرض مشابهت ساختمان های همجوار در یک منطقة شهری، الگوریتم تکمیلی سعی در بهینه یابی محدودة مساحتی در منطقة مورد مطالعه دارد. بدین ترتیب که نواحی با حدود خارج از محدودة مساحتی تعیین شده به منزلة عوارض کلاس «غیرساختمان» برچسب گذاری می شوند. این الگوریتم در دوازده ناحیة انتخابی با ساختمان های متراکم و پراکنده در منطقة ورزقان استان آذربایجان شرقی پیاده سازی شد. میزان کاپای محاسبه شده با به کارگیری رویکرد پیشنهادی بین 0.59 تا 0.91 است که، درمقایسه با تحقیقات مشابه، عملکرد بهتری از خود نشان می دهد. این الگوریتم در مناطق شهری و حومة شهری، به نسبت نواحی روستایی، نتایج بهتری داشت.
پهنه بندی مناطق در معرض پیشروی سطح آب دریا در اثر تغییر اقلیم (مطالعه موردی: بندر شهید رجایی)(مقاله پژوهشی دانشگاه آزاد)
منبع:
کاربرد سیستم اطلاعات جغرافیایی و سنجش از دور در برنامه ریزی دوره ۸ زمستان ۱۳۹۶ شماره ۴
85 - 101
حوزههای تخصصی:
براساس آخرین یافته ها افزایش سطح آب اقیانوس ها و دریاها متاثر از پدیده تغییر اقلیم می باشد و این افزایش سطح آب دریاهای آزاد اثرات مستقیم بر زندگی ساحل نشینان خواهد داشت. در مطالعه حاضر اثرات تغییراقلیم بر افزایش سطح آب در تنگه هرمز مورد بررسی قرار گرفته است. برای پیش بینی تغییرات سطح آب در منطقه مذکور از متغییرهای اقلیمی استفاده گردیده است که براساس روش رگرسیون گام به گام انتخاب شده اند. اثرات تغییر اقلیم با مدل چرخه عمومی جو تحت عنوان CGCH3 که شامل دو سناریوی تغییر اقلیم A1B و A2 می باشد، ارزیابی شده است. برای بررسی ارتباط بین متغیرهای اقلیمی و تغییرات سطح دریا مدل شبکه عصبی مصنوعی-موجک مورد استفاده قرار گرفته است. نتایج بیانگر میزان افزایش سطح آب دریا تا انتهای قرن حاضر در مجاورت تنگه هرمز برای سناریوی تغییر اقلیم A1B بین 64 تا 75 سانتیمتر و برای سناریوی تغییر اقلیم A2 بین 90 تا 105 سانتیمتر می باشد. همچنین نواحی ساحلی که تحت تاثیر افزایش ارتفاع آب قرار خواهند گرفت نیز بر روی نقشه مشخص گردید که نشان می دهد تغییرات سطح آب در این منطقه دارای آسیب پذیری بالایی نخواهد بود.
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
حوزههای 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.
مدل سازی تخریب مراتع نیمه استپی استان اصفهان با استفاده از تصاویر مودیس(مقاله علمی وزارت علوم)
حوزههای تخصصی:
گیاهان، یکی از مهم ترین اجزای اکوسیستم هستند که تحت تاثیر عوامل طبیعی و انسانی قرار می گیرند. به طوری که مطالعه تولید خالص اولیه، یکی از مهم ترین موضوعات در بوم شناسی به حساب می آید. مهمترین هدف این تحقیق مدل سازی توزیع مکانی و زمانی تولید خالص اولیه (مدل CASA) و تاثیر تابش موثر نور خورشید (LUE) و همچنین اندازه گیری تخریب اراضی با شاخص تاثیر بارندگی ( RUE ) در مراتع نیمه استپی استان اصفهان است. برای انجام این مطالعه، تصاویر - NDVI ۱۶ روزه مودیس، داده های هواشناسی، نقشه پوشش اراضی و داده های زمینی به کار گرفته شد و نتایج نشان داد که نرخ NPP از ماه مارس (C/m2/mo 44/11) تا ماه می (C/m2/mo/07/41) افزایش داشته است، در حالیکه سیر نزولی را از اوایل ماه ژوئن (C/m2/mo 2/2) به دلیل خشکی خاک نشان می دهد. اقلیم، تیپ گیاهی و وضعیت مرتع نقش مهمی درNPP سالیانه داشتند، لذا بیشترین و کمترین NPP به ترتیب در Astragalus- Daphnae 85/38 gC/m2 y-1) 85/38 ) و Artemisia sieberi – Scariola gC/m2 y-1) 4 ) همراه با حداکثر ( g C (MJ)-1 13/0) و حداقل تاثیر تابش موثر نور خورشید g C (MJ)-1) LUE 005/0 ) مشاهده شد. مقدار (RUE)، در مراتع تخریب یافته کاهش داشت. علاوه بر این از همبستگی بین داده های زمینی و مدل CASA در اقلیم نیمه خشک گرم و مراتع تخریب یافته، کاسته شد. بنابراین توجه به وضعیت مرتع، تیپ گیاهی و اقلیم در پایش NPP و مدیریت مراتع ضروری است.
تهیة نقشة نهشته های مناطق بیابانی با استفاده از داده های چندطیفی ASTER(مقاله علمی وزارت علوم)
حوزههای تخصصی:
تولید و به دست آوردن آمار و اطلاعات دقیق و واقعی از منابع معدنی دغدغة همیشگی مدیران است. برای تولید این نوع آمار و اطلاعات روش های گوناگونی وجود دارد که ازجمله می توان به روش های سنتی همراه با پیمایش های زمینی و روش های پیشرفتة سنجش از دور اشاره کرد. سنجش و تولید اطلاعات با استفاده از داده های ماهواره ای و روش های دورکاوی، به ویژه در مناطق کویری و بیابانی به دلیل شرایط نامساعد آنها، افق جدیدی را به روی مدیران گشوده که راهکاری است برای غلبه بر مشکلات روش های مرسوم سنتی. هدف پژوهش حاضر ارزیابی تکنیک های سنجش از دور و GIS در تهیة نقشة املاح تبخیری در منطقة شرقی دشت سمنان با استفاده از تصاویر ماهواره ای ASTER است. برای این منظور ابتدا نمونه برداری به روش تصادفی منظم از منطقه انجام شد و سپس پردازش هایی از قبیل بسط تصویر، ایجاد تصاویر رنگی کاذب، تجزیة مؤلفه های اصلی، تبدیل تسلدکپ، ادغام و نسبت گیری طیفی روی تصاویر صورت گرفت. مقادیر گچ، نمک و سولفات سدیم و منیزیم خاک با ارزش طیفی استخراج شده از باندهای اصلی و فرعی تلاقی داده شدند و روابط همبستگی و رگرسیونی بین داده های ماهواره ای و زمینی مورد بررسی قرار گرفتند. نتایج تحقیق نشان دادند که باندهای حرارتی PCA9, PCA10, PCA12 می توانند در تفکیک املاح گچ، هالیت و سولفات مفید باشند. درنهایت، ازطریق طبقه بندی حداکثر احتمال روی باندهای مذکور، نقشه های گچ، هالیت و سولفات محدودة مطالعاتی با صحت کلِ به ترتیب 33/73، 67/66، 67/66 درصد و با ضریب کاپای به ترتیب 61/0، 53/0 و 55/0 تهیه شدند. کلید واژه ها : املاح تبخیری، گچ، نمک، سولفات، سنجش از دور.