فیلترهای جستجو:
فیلتری انتخاب نشده است.
نمایش ۲٬۰۶۱ تا ۲٬۰۸۰ مورد از کل ۲٬۲۹۳ مورد.
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
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.
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.
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.
تفسیر هندسی گسل ها و شکستگی های سطحی میدان نفتی سیاه مکان (فرو افتادگی دزفول، جنوب غرب ایران) با تکنیک های سنجش از دور حرارتی(مقاله علمی وزارت علوم)
حوزههای تخصصی:
امروزه، علم سنجش از دور به طور گسترده ای در علوم مرتبط با زمین به کار می رود. یکی از این شاخه ها شناسایی، تحقیق و تفسیر ساختارهای سطح زمین است. مطالعه سیستم های شکستگی ، شناخت هندسه و نحوه گسترش مکانی آن ها، می تواند به توسعه میادین نفتی، کمک قابل توجهی کند. در این تحقیق، با استفاده از داده های ماهواره ای Landsat 8، الگوریتم STA و تکنیک های پردازش سنجش از دور، تجزیه و تحلیل هندسی ساختارهای سطحی میدان نفتی سیاه مکان مورد بررسی قرار گرفته است. سپس، دمای سطح زمین(LST)، با روش دفتر علوم لندست برای محدوده میدان نفتی محاسبه شده، در نهایت به بررسی ارتباط توزیع شکستگی های سطحی با الگوی توزیع دمای سطحی محدوده مطالعاتی پرداخته شده است. نتایج نشان می دهد که شکستگی های موازی سطح محوری (SA) و برشی (SO1) که به ترتیب، دارای روند N-S و NW-SE هستند، بیشترین فراوانی را دارند. براساس نقشه چگالی ، تراکم خطواره ها در نواحی میانی، متمایل به جنوب شرقی میدان، دارای بیشترین مقدار است. از آنجایی که منابع زیرزمینی در امتداد خطواره های تکتونیکی نزدیک سطح قرار دارند، این ساختار ها در تصاویر ماهواره ای خنک تر و تاریک تر از مناطق اطراف دیده می شوند. خطواره های ساختاری با نقشه دمای سطحی، انطباق نشان می دهد؛ به طوری که خطواره ها، اغلب در مناطق با دمای سطحی متوسط و متوسط به پایین قرار گرفته اند. از این رو، دماهای کمتر با محدوده های دارای تراکم شکستگی بالا مطابقت نشان می دهند.
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.
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.
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.
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.
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)
حوزههای 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.
بررسی کارایی شاخص های پوشش گیاهی در تحلیل خشکسالی کشاورزی با استفاده از تکنیک سنجش از دور در حوزه آبخیز کرخه(مقاله علمی وزارت علوم)
حوزههای تخصصی:
خشکسالی یکی از بلایای طبیعی است که ممکن است در هر اقلیمی رخ دهد. در دهه های اخیر کشور ایران به به طور پیاپی تحت تأثیر خشکسالی های شدید و گسترده قرار داشته و آثار زیانباری بر بخش های مختلف اقتصادی از جمله بخش کشاورزی، محیط زیست و منابع آب کشور تحمیل کرده است. امروزه برای شناسایی و تحلیل خشکسالی های کشاورزی از شاخص های پوشش گیاهی که به کمک فن آوری سنجش از دور بدست می آیند استفاده می شود. بر این اساس، هدف از این پژوهش بررسی کارایی شاخص های پوشش گیاهی NDVI ، EVI و VCI در شناسایی و تحلیل خشکسالی کشاورزی در حوزه آبخیز کرخه می باشد. برای محاسبه این نمایه ها تصاویر سنجنده مودیس) ماهواره Terra، محصولMOD13A2 ) طی مدت 17 سال در دوره آماری 2000-2017 استفاده شد. دقت نمایه های یاد شده با شاخص ZSI محاسبه شده در 11 ایستگاه باران سنجی واقع در حوضه کرخه برای دوره آماری 1379-1396 مورد ارزیابی قرار گرفت. براساس مقادیر NDVI، EVI و VCI محاسبه شده، کمترین و بیشترین مقدار پوشش گیاهی به ترتیب در سال های 1379 و 1380 مشاهده شد. اما بررسی ZSI نشان داد که از سال 1379 تا 1387 اکثر ایستگاه ها با خشکسالی مواجه بوده اند و شدیدترین خشکسالی در سال 1387 رخ داده است. از سال 1389 تا انتهای دوره در اکثر ایستگاه ها شرایط نسبتاً نرمال مشاهده شد. بنابراین طبق نتایج بدست آمده همزمانی خشکسالی هواشناسی و کشاورزی در تمام سال ها وجود ندارد و نباید انتظار داشت که با افزایش بارندگی، NDVI، EVI و VCI نیز ترسالی و افزایش پوشش گیاهی را نشان دهند.
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.
مقایسة دسته داده های کالیبره شده به روش IARR و داده های تصحیح شده به روش تداخل سیگنال استر در بارزسازی زون های دگرسانی. مطالعة موردی: مناطق معدنی سرچشمه و دره زار کرمان، جنوب شرق ایران(مقاله علمی وزارت علوم)
حوزههای تخصصی:
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.
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
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 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.
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.
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.
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.