فیلترهای جستجو:
فیلتری انتخاب نشده است.
نمایش ۲٬۰۶۱ تا ۲٬۰۸۰ مورد از کل ۲٬۳۲۰ مورد.
حوزههای تخصصی:
اطلاعات پوشش اراضی یکی از مهم ترین ابزارهای مدیریت شهری است و سنجش از دور به عنوان فناوری بهینه از نظر هزینه و زمان، در تولید این گونه اطلاعات اهمیت بسیار دارد. با توجه به وجود نواحی شهری پیچیده و متراکم در کشورهای جهان سوم، روش های شئ مبنا به عنوان راهکار مناسبی در پردازش تصاویر این گونه مناطق پیشنهاد شده اند. هدف پژوهش حاضر معرفی روش شئ مبنای جدیدی برای طبقه بندی مناطق شهری پیچیده با استفاده از تصاویر بزرگ مقیاس ماهواره ای و نزدیک شدن به فرایند تولید نقشة استاندارد و مؤثر با این روش است. در این مدل به منظور انتخاب پارامترهای قطعه بندی، از روشی جدید و همچنین از مدل طبقه بندی سلسله مراتبی به همراه استراتژی قانون مبنایی برای غلبه بر اغتشاشات بین کلاسی بهره گیری شد. در این حیطه ضمن بهینه سازی فضای ویژگی در آنالیزی چندمقیاسه، از دو روش طبقه بندی قانو ن مبنا و نزدیک ترین همسایة فازی استفاده شد. روش پیشنهادی در پژوهش حاضر روی تصویر سنجندة IKONOSاز شهر شیراز پیاده سازی شد، که دقت 84 درصد با استفاده از طبقه بندی روش قانون مبنا و نیز دقت 87 درصد از روش طبقه بندی نزدیک ترین همسایة فازی به دست آمد. افزون بر این، پیاده سازی روش پیشنهادی روی تصویر IKONOSشهر یزد، قابلیت تعمیم پذیری این روش را به سایر مناطق نشان داد. کلید واژه ها : طبقه بندی پوشش اراضی، قانون مبنا، شئ مبنا، نزدیک ترین همسایة فازی، نواحی پیچیده.
مقایسه کارآیی الگوریتم های ماشین بردار پشتیبان و حداکثر احتمال در آشکارسازی تغییرات کاربری اراضی (مطالعه موردی: حوضه آبخیز سیمینه رود)(مقاله علمی وزارت علوم)
حوزههای تخصصی:
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.
یک مدل ترکیبی رگرسیون کاربری اراضی فازی برای ارزیابی کمی آثار سلامت محیطی ناشی از سناریوهای ترافیکی، نمونة مطالعاتی: شهر اصفهان(مقاله علمی وزارت علوم)
حوزههای تخصصی:
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.
کاربرد داده های مریس در تخمین عمق شفافیت در دریای خزر با روش های رگرسیون خطی تک متغیره و چندمتغیره(مقاله علمی وزارت علوم)
حوزههای تخصصی:
عمق سکی یکی از شاخص های شفافیت پهنه های آبی است. در پژوهش حاضر برای نخستین بار مدل های رگرسیونی خطی تک متغیره و چندمتغیره به منظور پایش عمق سکی در دریای خزر با استفاده از تصاویر مریس شرح و بسط داده شده است. برخلاف مطالعات گذشته، در این تحقیق مدل ها آزمون می شوند تا دقت واقعی آنها در پایش عمق سکی مشخص گردد. اندازه گیری های میدانی عمق سکی که شامل 25 دادة مدل ساز و 12 داده آزمون است، در 25 گشت دریایی طی تیرماه تا آبان ماه سال 1384 در بخش جنوبی دریای خزر انجام شد. در این تحقیق از 25 تصویر سنجندة مریس در بازة زمانی اندازه گیری های میدانی استفاده شد. در رگرسیون تک متغیره، همبستگی بین عمق سکی و داده های بازتابش طیفی و نسبت آنها بررسی شد و روابطی که بیشترین همبستگی را داشتند انتخاب شدند. سپس با استفاده از داده های مدل ساز، بهترین مدل های خطی تک متغیره بین عمق سکی و پارامترهای بازتابشی ارائه و آزمون شد. مدل های رگرسیونی چندمتغیرة مناسب به کمک آمارة CP مالوز تعیین شدند و از میان آنها بهترین مدل با کمک داده های آزمون مشخص شد. نتایج نشان داد که جواب های مدل سازی چندمتغیره از مدل های تک متغیره بهتر و در مقایسه با دیگر مطالعات دارای ضریب همبستگی بیشتری است. در بهترین مدل چندمتغیره از داده های بازتابش در طول موج های 412، 510، 560، 681 و 779 نانومتر استفاده می شود و ضریب همبستگی و درصد خطای این مدل به ترتیب 7/0 و 7/37 درصد است. در نهایت نقشه های عمق سکی در دریای خزر از تصاویر مریس به کمک مدل مذکور استخراج شدند.
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.
کالیبراسیون دمای سطح زمین به منظور برآورد دقیق دمای هوای نزدیک به سطح زمین، با استفاده از مدل های ریاضی و مشاهدات ایستگاه های هواشناسی(مقاله علمی وزارت علوم)
حوزههای تخصصی:
دمای سطح زمین پارامتری بسیار مهم و کلیدی در بررسی های زیست محیطی، تغییرات آب وهوایی، رطوبت خاک، درصد تبخیر و تعرق و جزایر گرمایی شهری شمرده می شود. هدف از پژوهش حاضر محاسبه دمای سطح زمین، با استفاده از تصاویر ماهواره لندست 8 و کالیبراسیون آن، با استفاده از مدل های ریاضی غیرخطی است. در این پژوهش، به منظور محاسبه دمای سطح زمین، از الگوریتم پنجره مجزا استفاده شده است. در ادامه، از کالیبراسیون دمای حاصل از این الگوریتم به کمک توابع ریاضی رشنال، دمای نزدیک سطح زمین به دست آمده است. الگوریتم پنجره مجزا، برای برآورد دمای سطح زمین، از رادیانس طیفی و گسیل مندی سطح زمین استفاده می کند. به منظور تخمین رادیانس طیفی، از باندهای حرارتی سنجندهTIRS ماهواره لندست 8 استفاده شده است. گسیل مندی سطح زمین نیز، به کمک شاخص کسر گیاهی و شاخص پوشش گیاهی (NDVI)، برای باندهای حرارتی سنجنده TIRS محاسبه شده است. همچنین، در این پژوهش، با کمک سری زمانی دمای هوای ایستگاه های هواشناسی، دمای حاصل از مدل پنجره مجزا با استفاده از توابع رشنال کالیبره شد تا دمای هوای نزدیک سطح زمین با دقت بالایی برآورد شود. نتایج مدل پیشنهادی نشان می دهد که کالیبراسیون دمای منتج از مدل پنجره مجزا، با استفاده از توابع رشنال، باعث کاهش میزان خطای RMSE در دو مرحله کالیبراسیون از 13.464 درجه سانتی گراد، به ترتیب، به 13.169 درجه سانتی گراد و در نهایت، به 0.668 درجه سانتی گراد شده است. با توجه به نتایج و بررسی ها، می توان گفت که درجه و تعداد ترم های موجود در معادلات رشنال در نتایج کالیبراسیون تأثیر بسیاری دارند و انتخاب بهترین مدل می تواند دقت این توابع را افزایش دهد.
تخمین تولید محصول کلزا مبتنی بر سری زمانی داده های سنجش از دور(مقاله علمی وزارت علوم)
حوزههای تخصصی:
شاخص های طیفی پوشش گیاهی به منزله ابزاری مناسب برای تخمین میزان تولید محصولات کشاورزی استفاده می شوند. بااین حال، تعداد محدود تصاویر از عوامل اصلی کاهش کارآیی شاخص ها به منظور تخمین تولید شمرده می شود. از سوی دیگر، ارزیابی توانایی شاخص ها در تخمین تولید از راه ترکیب داده های مادیس و لندست، در مواردی که تعداد داده های لندست کم باشد، کمتر مورد توجه قرار گرفته است. هدف تحقیق حاضر، در گام نخست، معرفی شاخص ها یا شاخص منتخب در تخمین تولید کلزا و در گام بعدی، استفاده از تکنیک های تلفیق داده برای افزایش کارآیی شاخص منتخب است. کلزا ازجمله محصولات کشاورزی است که، به دلیل گل دهی در دوره رشد، ویژگی های طیفی خاصی دارد. در این تحقیق، پایگاه داده ای از میزان تولید محصول کلزا و سری زمانی داده های لندست و مادیس کشت و صنعت مغان تهیه و سپس ده شاخص متفاوت به قصد تخمین تولید کلزا ارزیابی شد. در ادامه، رابطه میزان تولید با شاخص پیشنهادی بررسی و مشخص شد که شاخصNDYI ، در طول زمان گل دهی، دقتی بیشتر از سایر شاخص ها دارد (r = 0.73). با تلفیق داده های سری زمانی لندست و مادیس مبتنی بر الگوریتم مدل تطبیقی ادغام بازتابندگی مکانی و زمانی بهبودیافته (ESTARFM)، همبستگی و RMSE (kg/ha) به ترتیب 7% و 0.11 افزایش و کاهش یافت. تحقیق حاضر نشان داد که استفاده از تکنیک های تلفیق داده امکانِ افزایش کارآیی شاخص های طیفی را به منظور تخمین تولید محصول فراهم می کند.
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.
ارزیابی قابلیت داده های MSI سنتینل-2 و OLI لندست 8 در تفکیک واحدهای سنگی و کانی های دگرسان منطقه کانسار فسفات اسفوردی، ایران مرکزی(مقاله علمی وزارت علوم)
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.
ارزیابی دورسنجی اثرات کاربری اراضی بر گرادیان دمای سطح زمین با استفاده از تصاویر لندست: مطالعه موردی: حوضه آبخیز خارستان(مقاله پژوهشی دانشگاه آزاد)
منبع:
کاربرد سیستم اطلاعات جغرافیایی و سنجش از دور در برنامه ریزی دوره ۱۰ بهار ۱۳۹۸ شماره ۱
85 - 106
حوزههای تخصصی:
عوامل متعددی بر گرادیان دمای سطح زمین تاثیر گذارند در این میان یکی از عوامل متاثر از فعالیت های انسانی تغییرات کاربری اراضی است که می-تواند منجر به تغییرات دمایی سطح زمین شود. تغییرات دمایی سطح زمین کلیمای طبیعی منطقه را متاثر می سازد لذا درک تغییرات و بیلان آن در شناخت اثرات غیر مستقیم دخالت انسان در اکوسیستم ها و مدیریت آن ضروری است. تحقیق حاضر بررسی کاربری اراضی، خصوصیات دمای سطح زمین در هر کاربری و همچنین همبستگی بین تغییرات دمای سطح زمین و شاخص تفاضلی نرمال شده پوشش گیاهی (NDVI) است. در این مطالعه به منطور بررسی کاربری اراضی، دمای سطح زمین و NDVI از تصاویر ماهواره لندست 5 (TM) در 1990، 2010 و ETM7 2000 و 8OLI برای 2017 استفاده شد. کاربری اراضی با استفاده از روش طبقه بندی نطارت شده بررسی شد. نتایج نشان داد مقدار دمای سطح زمین در هر کاربری متفاوت و بیشترین مقدار آن در اراضی دارای خاک لخت و مناطق مسکونی و کمترین در اراضی باغی مشاهده شد. تفاوت دمای سطح در میان مناطق مسکونی و دارای پوشش گیاهی در سال های 1990، 2000، 2010 و 2017 به ترتیب 58/3 ، 27/2، 02/3 و12/2 درجه سانتیگراد بود. همچنین تفاوت دما بین مناطق دارای خاک لخت و دارای پوشش گیاهی در این چهار دوره به ترتیب به 3/3 ، 8/0، 08/1 و 38/2 درجه سانتیگراد بود. در این پژوهش رابطه بین NDVI و دمای سطح زمین نشان دهنده همبستگی منفی بود، به طوری که مناطق با NDVI کم نسبت به مناطق با NDVI بالا دمای بیشتری داشتند. رابطه بین تغییرات پوشش گیاهی با تغییرات دمای سطح زمین نشان داد که بین این دو پارامتر همبستگی معنی داری (R=0.63) وجود دارد. بنابراین می توان بیان داشت که کاربری های اراضی با پوشش گیاهی بیشتر دمای کمتری نسبت به کاربری با پوشش کمتر دارند.
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.
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.
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
حوزههای 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.
تشخیص و بررسی استرس گندم با استفاده از تصاویر ماهواره ای (مطالعه موردی : دشت مغان)(مقاله پژوهشی دانشگاه آزاد)
حوزههای تخصصی:
در این پژوهش هدف بررسی توانمندی و قابلیت سنجش ازدور و تصاویر ماهواره ای در بررسی تغییرات طیفی گیاه گندم و تشخیص امراض و استرس آن در منطقه دشت مغان در شهرستان پارس آباد هست. دستیابی به چنین قابلیتی می تواند در پیش بینی به موقع امراض و آفت ها و هم چنین جلوگیری از گسترش آن و استفاده به موقع از قارچ کش ها و سموم دفع آفات نباتی مفید واقع شود. در راستای نیل به این هدف خصوصیات طیفی گندم و گیاهان دیگر موجود با استفاده از ماهواره های IRS و لندست 8 موردبحث و بررسی قرار می گیرد. گیاه گندم دارای گونه های مختلفی هست که در این منطقه گندم آتیلا و گندم کوهی بیشتر کشت می شود که در این تحقیق رفتارهای طیفی آن ها مورد ملاحظه قرار می گیرد. در این پژوهش از 146 نقطه کنترل زمینی استفاده شد که بیشترین درصد منطقه ازلحاظ درجه استرس به طبقه 2 و کمترین آن به درجه صفر یا طبقه سالم تعلق گرفت. پس از اعمال تصحیحات اتمسفری و هندسی بر روی تصاویر ماهواره ای موجود ؛ نسبت های باندی مختلفی به منظور شناسایی بهترین ترکیب باندی و تفکیک پذیری کلاس های سالم و درجه های استرس یک ، دو و سه مدنظر قرار گرفت. جهت نیل به این هدف از شاخص های استرس و سبزینگی پوشش گیاهی مختلفی استفاده شد. از بین شاخص ها، شاخص GNDVI بیشترین کارایی را داشت و توانست 81% وضعیت مناطق را درست برآورد کند. شاخص GVI دارای بیشترین مقدار ضریب کاپا و صحت کلی به ترتیب با 94/0 و 3/95 است که نشان از کاربرد بالای این شاخص در درجه بندی استرس گیاه گندم می باشد. هم چنین این شاخص بیشترین مساحت را به درجه استرس یک اختصاص داد.
موقعیت یابی مناسب جهت توسعه فیزیکی شهر با استفاده از مدل AHP و منطق فازی در محیط GIS (نمونه موردی: شهر شهرکرد)(مقاله پژوهشی دانشگاه آزاد)
منبع:
کاربرد سیستم اطلاعات جغرافیایی و سنجش از دور در برنامه ریزی دوره ۱۰ تابستان ۱۳۹۸ شماره ۲
72 - 82
حوزههای تخصصی:
توسعه روزافزون شهرها باعث بروز مشکلات بسیار جدی در زندگی روزمره بشر می شود. از سویی نمی توان توسعه شهری را محدود ساخت بلکه باید آن را متناسب با نیازهای امروز و فردای بشر آماده نمود، به گونه ای که از وارد آمدن آسیب به محیط زیست جلوگیری شود. در ای ن پ ژوهش س عی ش ده اس ت ب ا شناس ایی ویژگ ی ه ای محیط ی، خصوص اً ویژگ ی ه ای ژئومورفول وژیکی و ارزی ابی آن، مک ان ه ای بهین ه ب رای توس عه ش هری شهرکرد مش خص ش ود. بدین منظور از 13 ش اخص اس تفاده گردید و ب ا اس تفاده از تلفی ق دو م دل منط ق ف ازی و AHP ابت دا ه ر ک دام از لای ه ه ا در مح یط نرم افزار ArcGIS ف ازی ش دند و بع د از ض رب وزن لایه ه ای حاص ل از AHP در ه ر ک دام از لای ه ه ا، عملگ رهای ض رب، جم ع ف ازی و گام ای ف ازی اجرا شد. در نهای ت گام ای بهین ه در ArcGIS ب ه 5ک لاس تناس ب تقس یم بن دی گردید. نتایج تحقیق نشان می دهد که 5/16درص د منطق ه م ورد مطالع ه در ک لاس بسیار مناسب ق رار دارد و 9 درص د از منطق ه در ک لاس بسیار نامناسب ق رار م ی گی رد. نقشه حاصل از مدل مذکور نواحی با احتمال گسترش ف ضایی برمبن ای روند گذشته را مشخص نموده و نواحی مناسب برای گسترش آتی را نیز ارائه ک رده است. ب ر این مبنا نواحی شرقی، شمالی و جنوب شرقی شهر شهرکرد مناسب ترین نواحی برای گسترش آتی شهر می باشند.
برآورد و پهنه بندی فرسایش خاک با استفاده از فرآیند تحلیل شبکه ای وGIS (مطالعه موردی: حوضه قلعه چای)(مقاله علمی وزارت علوم)
حوزههای تخصصی:
شناسایی عوامل مؤثر در گسترش فرسایش خاک و پهنه بندی آن یکی از عوامل اساسی، جهت مدیریت و کنترل این پدیده و تعیین راهکارهای مناسب در مقابله با گسترش آن است. هدف از این پژوهش، پهنه بندی فرسایش خاک در حوضه قلعه چای، در غرب استان آذربایجان شرقی با استفاده از فرآیند تحلیل شبکه ای و سیستم اطلاعات جغرافیایی است. بدین منظور با بررسی منابع و نظر کارشناسان، عوامل مؤثر بر فرسایش خاک از قبیل شیب، جهت شیب، لیتولوژی، کاربری اراضی، شاخص تفاوت پوشش گیاهی نرمال شده (NDVI)، بارندگی سالانه و خاک مورد ارزیابی قرار گرفته و سپس با استفاده از نرم افزار ArcGIS و ضرایب استخراج شده در فرآیند تحلیل شبکه، نقشه پهنه بندی فرسایش خاک تهیه و در پنج کلاس، فرسایشی خیلی زیاد، زیاد، متوسط، کم و خیلی کم، باز طبقه بندی شد. نتایج این تحقیق نشان داد کلاس های خطر زیاد و بسیار زیاد، در مجموع 12/37 درصد از مساحت منطقه که 56/118 کیلومترمربع را شامل می شود، در بر می گیرد. همچنین در بخش های جنوبی و مرکزی حوضه، مقدار فرسایش خاک زیاد است، این مناطق شرایط بحرانی و حادی را از نظر فرسایش نشان می دهند و با توجه به احداث و آبگیری سد قلعه چای، می بایست در اولویت اجرای برنامه های حفاظت خاک و آبخیزداری قرار گیرند.
ارزیابی تغییرات عملکرد و ردپای آب محصول ذرت با مدل گیاهی AquaCrop-GIS(مقاله علمی وزارت علوم)
حوزههای تخصصی:
برآورد پتانسیل تولید هر گیاه تابعی از شرایط اقلیمی، پتانسیل های ژنتیکی گیاه و دیگر عوامل گوناگون محیطی و مدیریتی است. ارزیابی توانمندی مناطق، در به فعلیت رساندن پتانسیل های ژنتیکی گیاهان، از نکات مهم برنامه ریزی های کلان در کشاورزی به حساب می آید. با توجه به جایگاه استان قزوین در تولید محصول ذرت و اهمیت کشت این محصول در استان، برآورد هرچه دقیق تر میزان عملکرد این محصول استراتژیک بسیار ضرورت دارد. در همین زمینه، با مطالعه یک دوره داده برداری یازده ساله، عملکرد محصول ذرت با مدل گیاهی جدید AquaCrop-GIS برآورد شد. پهنه بندی شاخص های کلیدی محصول از طریق مدل در سطح استان شبیه سازی شد. با بررسی نتایج این پارامترهای کلیدی، مشخص شد ایستگاه های مطالعاتی قزوین و معلم کلایه با میزان تبخیر و تعرق مرجع کمتر دارای بهره وری آب بیشتری است. در ادامه با استفاده از عملکرد محاسباتی، اجزای ردپای آب و ردپای آب کل محصول در محدوده ایستگاه های مطالعاتی تخمین زده شد. با بررسی معادلات رگرسیونی میان اجزای ردپای آب و ردپای آب کل محصول با عملکرد محصول در هر ایستگاه، مشخص شد روابط ردپای آب آبی با عملکرد به نسبت دیگر اجزای ردپای آب درمورد تمامی ایستگاه ها، از میزان ضریب تعیین (43/0= R 2 ، 51/0= R 2 ، 43/0= R 2 ، 77/0= R 2 و 79/0 = R 2 به ترتیب درمورد ایستگاه های قزوین، آوج، معلم کلایه، تاکستان و بویین زهرا) و سطح معنی داری برخوردار است. به طورکلی ضریب تعیین این روابط در ایستگاه بویین زهرا با 88/0= R 2 ، 79/0= R 2 ، 56/0= R 2 و 53/0= R 2 به ترتیب برای ردپای آب سبز، آبی، خاکستری و ردپای آب نسبت به سایر ایستگاه ها، بیشتر برآورد شد؛ به این معنی که کاهش عملکرد در این ایستگاه تأثیر بسزایی بر افزایش ردپای آب کل محصول داشت.
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.
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.
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