درخت حوزه‌های تخصصی

سابقه و هدف: شناسایی و نقشه کردن محصولات زراعی اطلاعات مهمی برای مدیریت زمین های کشاورزی و برآورد سطح زیر کشت محصولات زراعی فراهم می کند. تصاویر اپتیک و راداری، منابع ارزشمندی برای طبقه بندی زمین های کشاورزی است. ویژگی های مستخرج از تصاویر اپتیک حاوی اطلاعاتی در مورد امضای بازتابی محصولات مختلف است. در مقابل، یک تصویر راداری فراهم کننده اطلاعاتی در مورد خصوصیات ساختاری و سازوکارهای پراکنش محصولات است. ترکیب این دو منبع قادر به ایجاد یک مجموعه داده مکمل با تعداد چشمگیری از ویژگی های زمانی طیفی، بافت و قطبیده برای طبقه بندی زمین های کشاورزی است. مواد و روش ها: این پژوهش به بررسی اهمیت باندهای لبه قرمز برای تفکیک محصولات زراعی شامل گندم، جو، یونجه، لوبیا، باقلا، کتان، ذرت، چغندر قند و سیب زمینی با استفاده از روش جنگل تصادفی و ماشین بردار پشتیبان می پردازد. بدین منظور سری زمانی تصاویر سنتینل-1 و 2 در سال 2019 از شمال غرب شهر اردبیل در پلتفرم ارت انجین فراخوانی شد. ترکیب های متفاوت باندها برای بررسی تأثیرات اطلاعات طیفی و زمانی، شاخص های گیاهی و اطلاعات بازپراکنش برای طبقه بندی محصولات بررسی شد. با استفاده از روش انتخاب ویژگی جنگل تصادفی ویژگی های مهم شناسایی و به عنوان ورودی الگوریتم جنگل تصادفی و ماشین بردار پشتیبان معرفی شدند. نتایج و بحث : جنگل تصادفی برای تمامی سناریوها بهترین نتیجه را به دست آورد. نتایج نشان داد افزودن طول موج های لبه قرمز و شاخص های مشتق شده از آن باعث شد محصولاتی همچون جو، لوبیا، باقلا و کتان نسبت به سایر محصولات با صحت بالاتری تفکیک شود. بهترین نتیجه در میان ترکیبات مختلف ویژگی ها مربوط به تلفیق سری زمانی ویژگی های طیفی تصاویر سنتینل-2 با سری زمانی تصاویر سنتینل-1 بود. صحت کلی 67/84 درصد و ضریب کاپا 31/ 82 درصد به دست آمد. نتایج نشان داد باندهای لبه قرمز و شاخص های پوشش گیاهی مبتنی بر آن به تنهایی قابلیت جداسازی محصولات زراعی را از همدیگر دارند. نتیجه گیری: پیشنهاد می شود برای دستیابی به صحت بالاتر در تفکیک محصولات زراعی انتخاب باندهای طیفی هدفمند مورد توجه قرار گیرد. ترکیبی از تصاویر راداری و اپتیک همیشه از روش طبقه بندی براساس تک سنجنده بهتر عمل می کند و به افزایش اطلاعات طبقه بندی منجر می شود.

سابقه و هدف: یکی از مهم ترین قدم ها به سمت توسعه پایدار حفاظت از تمامیت اراضی است؛ به طوری که سالیانه بخشی از اراضی، به دلایل متعدد، تغییر کاربری می یابند و خروج این گونه اراضی از مسیر تولید لطمات جبران ناپذیری درپِی دارد. ازآنجاکه شدت تغییر کاربری اراضی در استان مازندران، ازجمله جلگه هراز، به منزله یکی از مهم ترین مسائل زیست محیطی، در مقیاس های کلان زمانی و مکانی رخ می دهد، بارزسازی و پایش تغییرات کاربری به منظور شناخت اولیه و ارزیابی روند تغییرات آنها می تواند روشی مفید برای مدیریت و برنامه ریزی به شمار رود. با توجه به اینکه جلگه هراز، در دهه های اخیر، از بحران تغییرات مخرب کاربری اراضی در امان نبوده است، لزوم پایش، بارزسازی و روندیابی این تغییرات یکی از مهم ترین فاکتورهای مدیریتی در این منطقه محسوب می شود.مواد و روش ها: بررسی تغییرات کاربری اراضی نیازمند تلفیق لایه ها در بازه زمانی معین است. هدف این پژوهش بررسی تغییر کاربری های اراضی جلگه هراز از 1980 تا 2021 است. بر این اساس، برای سنجش تغییرات، از داده های لندست استفاده شد. با اعمال تصحیحات اتمسفری، هندسی و رادیومتری، عملیات بارزسازی تصاویر اجرا و با بهره گیری از روش طبقه بندی نظارت شده، الگوریتم حداکثر احتمال و اعمال توابع تحلیل مؤلفه مبنا، نقشه ها تولید شدند. نوع تغییرات کاربری از تابع تفاضل تصاویر شناسایی و صحت نقشه ها، با استفاده از آزمون صحت کلی و آماره کاپا، تعیین شد. نتایج و بحث: نتایج نشان داد، از 1980 تا 1990، چهار کیلومترمربع از مساحت اراضی جنگلی کاسته شد و مساحت مراتع نیز از 450 به 436 کیلومترمربع کاهش یافت. از سال 2000 تا 2010، مساحت اراضی جنگلی از 272 به 270 کیلومترمربع و مراتع نیز از 432 به 420 کیلومترمربع رسیده است. درنَهایت، طی سال های 2011 تا 2021، از مساحت اراضی جنگلی نُه کیلومترمربع و مرتع نیز پنج کیلومترمربع کاسته شده است. نتایج بررسی روند تغییرات کاربری های اراضی منطقه حاکی از آن است که مساحت اراضی جنگلی و مرتعی کاهش یافته و به مساحت اراضی کشاورزی و مناطق مسکونی افزوده شده است.نتیجه گیری: با توجه به نتایج به دست آمده و اهداف تعریف شده، می توان اذعان کرد کاربری های منطقه، طی دوره آماری درنظر گرفته شده (2021-1980)، با تغییرات مساحت روبه رو بودند و تغییر محسوسی را نیز نشان دادند. بنابراین دخالت های عوامل انسانی نقش اصلی را در تغییرات کاربری اراضی دارد. این نتایج می تواند به برنامه ریزان، در شناخت عوامل مؤثر در تغییر کاربری و اتخاذ تصمیمات صحیح مدیریتی در سطوح گوناگون، کمک کند.

مقدمه: سیستم های پاسخ اضطراری هوشمند از فنّاوری های مدرن مانند اینترنت اشیاء (IoT) استفاده می کنند تا بهبود عملکرد واحدهای واکنش اضطراری را فراهم کنند. این سیستم ها به منظور بهبود کیفیت خدمات، کاهش هزینه ها و افزایش نظارت بر فرایند واکنش اضطراری طراحی شده اند. از جمله اهداف اصلی این سیستم ها می توان به بهینه سازی مسیر واکنش اضطراری از طریق ارتباط با اشیا و جمع آوری داده های مکانی اشاره کرد. این سیستم ها با استفاده از مدل های مسیریابی مبتنی بر اینترنت اشیاء، قادر به بهینه سازی مسیر واکنش اضطراری هستند و باعث بهبود تجربه کاربران می شوند. به عبارت دیگر، این سیستم ها از اطلاعات جمع آوری شده توسط اینترنت اشیاء برای بهبود فرایند اضطراری استفاده می کنند. سیستم های پاسخ اضطراری هوشمند نقش مهمی در بهبود کارایی واحدهای واکنش اضطراری و ارتقای سطح خدمات در مواقع اضطراری دارند. این سیستم ها به صورت کامل در دسترس اند و باعث افزایش بهره وری و کارایی در مواقع اضطراری می شوند. مواد و روش ها: یک زیرساخت داده های مکانی برای یکپارچه سازی سیستم و افزایش تلاش های واکنش اضطراری ایجاد شده است که امکانات بسیار مهمی برای بهبود خدمات پزشکی فوری فراهم می کند. این زیرساخت شامل یک پورتال است که مسیر بهینه از محل حادثه تا مرکز پزشکی را به دقت بر روی نقشه نمایش می دهد تا به تیم پزشکی کمک کند با سرعت و کارایی بیشتر به فرد مجروح برسند. علاوه براین، این پورتال امکان انتقال اطلاعات حسگر مانند علائم حیاتی فرد مصدوم را به تلفن همراه پزشک در آمبولانس از طریق بلوتوث فراهم می کند که این اطلاعات به طور هم زمان برای ارزیابی بیشتر به اشتراک گذاشته می شوند تا در صورت اضطرار، به سرعت و با دقت مناسب به فرد مجروح کمک کنند. این سامانه باعث افزایش کارایی و سرعت در واکنش به حوادث اضطراری می شود و امکان دسترسی سریع و بهینه به خدمات پزشکی را فراهم می کند. به طور خلاصه، این زیرساخت داده های مکانی بهبود چشمگیری در عملکرد واکنش به حوادث اضطراری درمانی داشته و امکان ارائه خدمات بهبودیافته و بهینه تر در حوادث اضطراری را فراهم کرده است. نتایج و بحث: مراکز پزشکی اهمیت موضوع بهداشت و درمان را اولویت خود می دانند. برای تعیین این اولویت ها و بهبود فرایند تخصیص منابع، از یک مدل وزن دهی سلسله مراتبی آنلاین استفاده می کنند. این مدل به بهینه سازی تخصیص منابع براساس اطلاعات بهداشتی بی درنگ مصدومان کمک می کند. در یک مورد آزمایشی که برای این مدل انجام شد، یک مصدوم با موفقیت در منطقه 5 تهران تحت درمان قرار گرفت. استفاده کارآمد از اینترنت اشیاء و زیرساخت داده های مکانی، این مرکز پزشکی را قادر به بهبود و بهینه سازی خدمات درمانی خود کرد. این نتایج نشان دهنده اهمیت اطلاعات مکانی در کنار داده های پزشکی و فنّاوری اینترنت اشیاء در بهبود خدمات پزشکی و افزایش کیفیت درمان است.نتیجه گیری: سیستم های واکنش اضطراری سنتی بیشتر براساس مکانیسم های سنتی و فاقد فنّاوری مدرن مانند اینترنت اشیاء و یکپارچه سازی داده های مکانی عمل می کنند. به همین دلیل، این سیستم ها ممکن است با مشکلاتی همچون تأخیر در ارسال کارکنان اورژانس به محل حادثه و کمبود اطلاعات دقیق و سریع از بیمار مواجه شوند. اگر فنّاوری های مدرن مانند هوش مصنوعی، اینترنت اشیاء و سیستم های اطلاعات جغرافیایی به این سیستم ها اضافه شوند، می توانند مشکلاتی را که در سیستم های سنتی واکنش اضطراری وجود دارد، حل کنند. این فنّاوری ها امکان پاسخ سریع تر و کارآمدتر به بحران ها را فراهم می کنند و به سازمان های ذی ربط از جمله سازمان مدیریت بحران کمک می کند تا تصمیمات بهتری برای تخصیص منابع در شرایط اضطراری بگیرند و عملکرد کلی خود را بهبود بخشند. با استفاده از داده های جمع آوری شده توسط این فنّاوری ها، سازمان های اضطراری می توانند بهبودی محسوسی در پاسخ به شرایط اضطراری ایجاد کنند و هزینه های زمانی، مالی و انسانی را کاهش دهند. به طور کلی، این رویکرد جدید به سیستم های واکنش اضطراری امکان پذیری بهتری در مواجهه با بحران های مختلف و بهبود کارایی واکنش به اضطرار را فراهم می آورد.

تغییر اقلیم به عنوان یکی از مهم ترین چالش های پیش روی بشر می باشد. این پدیده تاکنون تاثیرات قابل توجهی را بر تولیدات کشاورزی در اکثر نقاط جهان مخصوصا مناطق خشک و نیمه خشک بر جای گذاشته است. همچنین، در اکثر مناطق دنیا طی دهه های اخیر، متوسط درجه حرارت افزایش یافته است. امروزه در تحقیقات مختلف، شاخص های سنجش از دور به عنوان یکی از روش های نوین در شناسایی تغییر اقلیم استفاده می شوند. یکی از شاخص های مهم سنجش از دور، ویژگی های فنولوژی پوشش گیاهی است که در مطالعات اخیر توانایی خوبی در شناسایی و تخمین پوشش گیاهی نشان داده است. در مطالعه حاضر، با استفاده از سری زمانی 5 روزه شاخص نرمال شده پوشش گیاهی (NDVI) از تصاویر NOAA-AVHRR و پارامترهای فنولوژی گیاه، تغییرات پوشش گیاهی مناطق مراتع و اراضی دیم حوضه دریاچه ارومیه در طول سال های 2013-1984 مورد بررسی قرار گرفت. داده های اقلیمی دما و بارش از ایستگاه های هواشناسی حوضه دریاچه ارومیه اخذ و در مقایسه با نتایج تصاویر ماهواره ای استفاده گردید. نتایج تحلیل سری زمانی در طی سی سال دوره آماری در حوضه دریاچه ارومیه نشان داد، پارامتر شروع فصل رشد در منطقه اشنویه، سقز و سراب در سال 2013 نسبت به سال 1984 زودتر آغاز شده است. اما در منطقه مراغه دیرتر آغاز شده است. پارامتر پایان فصل رشد در اشنویه، سقز و تکاب زودتر به پایان رسیده است. همچنین پارامتر اوج رشد در شهرستان های مذکور پوشش گیاهی زودتر به حداکثر مقدار خود رسیده است. طول فصل رشد در شهرستان های اشنویه، مراغه و سقز به ترتیب کوتاه تر شده است. نتایج تحلیل های آماری بدست آمده از تصاویر ماهواره ای و داده های اقلیمی نشان داد که تغییرات پارامترهای فنولوژی به مکان وابسته می باشد و همچنین شب های سرد و روزهای گرم در ابتدای فصل رشد به ترتیب کاهش و افزایش یافته است. اما در انتهای فصل رشد روزهای گرم افزایش داشته است. این تغییرات باعث افزایش شیب منحنی فنولوژی رشد گیاه در زمان پیری گیاه شده است و در نهایت طول فصل رشد را کاهش داده است. 

سابقه و هدف: فنولوژی گیاهان نقش مهمی در اکوسیستم های گیاهی ایفا می کند و شاخصی مهم در تغییرات بوم شناختی به شمار می رود. با توجه به گسترش شهرنشینی، فضای سبز شهری گاهی نقشی حیاتی در این مناطق مسکونی دارد. ازطرف دیگر، استفاده از گیاهان در سطح شهرها و خدمات فضای سبزی که آنها ارائه می دهند، توجه زیادی را هم در سطح عمومی و هم در مطالعات جدید به خود جلب کرده است. ارزش فضای سبز شهری به دلیل مزایای متعدد آن برای سلامتی انسان و محیط بوم شناختی شهرها حائز اهمیت است. ازاین رو، با توجه به اهمیت نقش گیاهان در اکوسیستم شهری و نقش آن در سلامت جامعه، مطالعه و پایش چرخه فنولوژیکی گیاهان در فصل های مختلف سال در مناطق شهری در مقیاس های مکانی– زمانی مختلف ضروری است.مواد و روش ها: در این پژوهش، با استفاده از دو شاخص پرکاربرد NDVI و EVI محاسبه شده از تصاویر سنجنده OLI ماهواره لندست-8 و تصاویر محصول MOD13Q1 سنجنده مودیس ماهواره ترا، چرخه فنولوژی گیاهان در سطح کلان شهر اهواز در دوره زمانی 2015 تا دسامبر 2019 تحلیل شد. تصاویر ماهواره ای از طریق پلتفرم گوگل ارت انجین فراخوانی و تهیه شد. سپس، با توجه به نوع پوشش گیاهی، چرخه فنولوژیکی گیاهان براساس شاخص های پوشش گیاهی به دست آمد و با چرخه فنولوژیکی به دست آمده از بررسی های زمینی مقایسه شد. با توجه به احتمال وجود نویز و پیکسل هایی با اختلاط طیفی، برای هموارسازی چرخه فنولوژیکی گیاهان از فیلتر Savitzky–Golay استفاده شد.نتایج: نتایج به دست آمده حاکی از روند افزایش مقادیر هر دو شاخص NDVI و EVI به ترتیب با 03/0 و 04/0 در سنجنده OLI و 01/0 (در سال) در محصول سنجنده مودیس است. این تغییرات در ماه های ژانویه، مارس، اکتبر، نوامبر و دسامبر در هر دو سنجنده افزایشی بوده است که به معنای شرایط بهتر زیستی گیاه است. زمان دوره های فنولوژی گیاهان در هر دو سنجنده متفاوت بود. بیشترین اختلاف در هر دو سنجنده در سال های 2018 و 2019 مشاهده شد. با توجه به مناسب تر بودن شرایط محیطی در این دو سال در مقایسه با سایر سال ها، می توان نتیجه گرفت که با افزایش میزان کلروفیل گیاه، میزان اختلاف بین نتایج این دو سنجنده بیشتر می شود. دوره های انتقال فصل رشد به دست آمده از سنجنده OLI جزئیات بیشتری را در مقایسه با مجموعه داده های با وضوح متوسط مودیس نشان داد. در سنجنده مودیس در مقایسه با سنجنده OLI زمان شروع دوره های فصل رشد، زودتر بود. این تفاوت ها گویای تغییرات بیشتر پوشش گیاهی است که استفاده از تصاویر با قدرت تفکیک بالا قابلیت تشخیص بهتری نسبت به سنجنده های با قدرت تفکیک مکانی متوسط و پایین دارند. به طور کلی، نتایج قابل قبولی از تغییرات چرخه فنولوژیکی گیاهان در سطح یک منطقه شهری با انواع مختلف پدیده های زمینی که سبب ناهمگنی بیشتر در پیکسل های تصاویر سنجنده های ماهواره ای می شود، مشاهده شد.نتیجه گیری: نتایج مقایسه دوره های فصل رشد در سنجنده OLI و مودیس (به ترتیب) با واقعیت زمینی نشان می دهد کمترین اختلاف در شروع فصل رشد با 7 و 10 روز بوده است. بیشترین اختلاف بین نتایج به دست آمده از سنجنده های OLI و مودیس (به ترتیب) با واقعیت زمینی در اوج فصل رشد با 20 و 35 روز و پایان فصل رشد 20 روز دیرتر و 20 زودتر بوده است. طول فصل رشد در سنجنده مودیس حدود چهار ماه و در سنجنده OLI حدود پنج ماه مشاهده شد که نتایج لندست به واقعیت زمینی نزدیک تر است. این تفاوت را می توان به افزایش تعداد پیکسل های مخلوط با توجه به قدرت تفکیک مکانی تصاویر سنجنده مودیس نسبت داد. نتایج این پژوهش، می تواند راهگشای بررسی تغییرات چرخه های فنولوژیکی در پاسخ به تغییرات محیطی با استفاده از تصاویر سنجش از دور در مناطق شهری باشد.

سابقه و هدف: زمین یک منبع طبیعی حیاتی برای بقای انسان و اساس همه خدمات بوم سازگان است. بااین حال، تخریب اراضی در قالب تغییر کاربری و پوشش زمین، مشکلی جدی در جهان بوده است. مهاجرت روستایی به شهر در کشورهای در حال توسعه و همچنین تبدیل بسیاری از روستاهای مجاور به مناطق شهری، تا حد زیادی باعث افزایش سریع وسعت سکونتگاه های شهری شده است. شواهد نشان می دهد شمال ایران در حال تجربه تغییرات سریع کاربری اراضی است که پایداری منطقه را در طول سه دهه اخیر به خطر انداخته است. این مقاله با هدف شناسایی و مقایسه تغییرات رشد و گسترش شهر آمل واقع در استان مازندران در سه دهه از سال 1365 تا 1395 انجام شد. رشد شهری با افزایش مطلق جمعیتی که در شهرها زندگی می کنند و گسترش شهری با تغییرات پوشش زمین در طول زمان تعریف می شود.مواد و روش ها: برای تولید تصاویر تغییرات پوشش زمین در سال های مختلف، با استفاده از داده های تصاویر سری زمانی لندست (سنجنده های TM، ETM+ و OLI/TIRS)، از مدل اختلاط زدایی خطی براساس استخراج اعضای انتهایی استفاده شده و دو طبقه اراضی شهری و غیرشهری برای هر مقطع زمانی شناسایی شده است. برای بررسی صحت طبقه بندی، به صورت توأم از تصاویر با وضوح بالای ارائه شده در نرم افزار گوگل ارت و مشاهده میدانی با استفاده از GPS استفاده شده است. به منظور تحلیل توزیع فضایی پوشش اراضی از ابزار تحلیل خودهمبستگی فضایی موران و به منظور تحلیل روند تغییرات فضایی اراضی شهری از ابزار تحلیل روند در نرم افزار ArcGIS استفاده شده است. نتایج و بحث: یافته ها نشان می دهد افزایش دوبرابری جمعیت شهر در این سه دهه، نه تنها با گسترش افقی به میزان 60 درصد در اراضی سبز و باز پیرامونی همراه بوده است، بلکه افزایش تراکم ساختمانی و تعداد طبقات را نیز در پی داشته است. صحت سنجی طبقه بندی پوشش اراضی، با استفاده از ماتریس خطای ابهام با محاسبه صحت کلی بالای 90 درصد و ضریب کاپای بالای 80 درصد برای تصاویر به دست آمده، دقت بالا و بسیار خوبی را نشان می دهد. براساس یافته های تحلیل خودهمبستگی فضایی موران، توسعه شهر آمل به طور کامل از ساختاری خوشه ای تبعیت می کند. با محاسبه اختلاف داده های پوشش زمین در دوره 20 ساله 1375-1395 مشخص شد، 28 درصد از مساحت کل شهر معادل 890 هکتار، بیشترین تغییر را که شامل تغییرات بنیادین در کاربری و پوشش زمین می شود، داشته است. گسترش شهر آمل نیز به طور کلی از مرکز به پیرامون بوده است، به طوری که کمترین تغییرات در قسمت های مرکزی شهر و بیشترین تغییرات نیز در قسمت های شمالی و شرقی شهر رخ داده است.نتیجه گیری: رشد جمعیت و گسترش شهری نه تنها، تخریب منابع طبیعی و محیط زیست را در پی دارد، بلکه با افزایش مشکلات مدیریت شهری در تأمین زیرساخت ها و خدمات نیز همراه است. ازهمین رو، هدف برنامه ریزی باید دستیابی به توسعه بهینه ای باشد که هم در سطح کلان، با توزیع نقش های شهری به صورت مکملی و تقویت نقش روستاها، از افزایش مهاجرت از روستاها به شهرها جلوگیری کند و هم در سطوح محلی، بر توزیع متوازن جمعیت شهر و رشد درون زا تأکید کند.

سابقه و هدف: در سال های اخیر استفاده از تصاویر ابرطیفی به دلیل غنای بالای طیفی در زمینه های مختلف مطالعات زمین به خصوص در سنجش از دور بسیار افزایش یافته است. طبقه بندی این تصاویر به منظور استخراج اطلاعات از آنها همواره با چالش هایی مختلفی همچون چگونگی مدیرت ابعاد این داده ها و صحت کم طبقه بندی در هنگام وجود تعداد محدودی از نمونه های آموزشی همراه است. افرایش صحت طبقه بندی این تصاویر با هدف مطالعات دقیق پدیده ها و تغییرات سطح زمین همواره از موضوعات مورد مطالعه جامعه علمی سنجش از دور بوده است. در سال های اخیر استفاده از ویژگی های مکانی به منظور افزایش صحت طبقه بندی تصاویر ابرطیفی بسیار رایج شده است. تاکنون روش های مختلفی برای طبقه بندی طیفی-مکانی تصاویر ابرطیفی معرفی شده است و پژوهش های مربوطه در راستای معرفی روش هایی با ساختار ساده تر و صحت بالاتر نیز در جریان است. به دلیل وجود رابطه های پیچیده میان باندهای مختلف تصویر ابرطیفی با الهام از پژوهش های موجود در شاخه بینایی ماشین در این پژوهش روشی توسعه داده شده است که می تواند روابط پیچیده میان ویژگی های طیفی و مکانی در یک تصویر ابرطیفی را مدل سازی کند. هدف اصلی این مقاله ارائه روشی جدید و کارا مبتنی بر ترکیب ویژگی های مستخرج از ماتریس محلی کرنل وزن دار ویژگی های طیفی و فرکتالی به منظور تولید ویژگی برای طبقه بندی تصاویر ابرطیفی است. مواد و روش ها: به منظور طبقه بندی تصاویر ابرطیفی در پژوهش حاضر ابتدا یک مرحله کاهش بعد بر روی تصویر ابرطیفی انجام می شود. در مرحله بعد ویژگی های مکانی مبتنی بر بعد فرکتال جهت دار تولید می شوند و مجدداً این ویژگی ها کاهش بعد پیدا می کنند. در مرحله بعد ویژگی های مستخرج از ماتریس محلی کرنل وزن دار از هر دو دسته ویژگی های طیفی و فرکتالی تولید می شوند. این ویژگی های ثانویه وابستگی های محلی غیرخطی میان ویژگی های طیفی و فرکتالی را که در روش های پیشین طبقه بندی مورد توجه نبوده است، در فرایند تولید ویژگی لحاظ می کنند که در نهایت سبب افزایش صحت طبقه بندی می شوند. سپس این دو دسته بردار ویژگی جدید برای هر پیکسل با هم الصاق می شود و یک بردار غنی از اطلاعات طیفی– مکانی را تشکیل می دهد. در نهایت به منظور تعیین برچسب هر پیکسل، بردار ویژگی حاصل از الگوریتم ماشین بردار پشتیبان طبقه بندی می شود. آزمایش های این پژوهش بر دو تصویر مرجع ابرطیفی واقعی ایندین پاین و دانشگاه پاویا انجام شده است. نتایج و بحث: تحلیل نتایج نشان می دهد که روش پیشنهادی با در نظر گرفتن ویژگی های مستخرج از ماتریس محلی کرنل وزن دار ویژگی های طیفی– فرکتالی موجب افزایش 20 و 18 درصدی صحت طبقه بندی در مقایسه با طبقه بندی با ویژگی های طیفی تنها به ترتیب در تصاویر ایندین پاین و دانشگاه پاویا شده است. این نتیجه تأیید می کند که در نظر گرفتن اطلاعات مکانی به طور مؤثر سبب افزایش چشمگیر صحت طبقه بندی حتی زمانی که نمونه های آموزشی اندکی در دسترس باشد، می شود. همچنین رویکرد پیشنهادی این پژوهش در مقایسه با چندین پژوهش دیگر در این حوزه به صحت های بالاتری رسیده است. نتیجه گیری: عملکرد بهتر روش پیشنهادی در مقایسه با دیگر روش های رقیب به دلیل در نظر گرفتن وابستگی های محلی غیرخطی میان ویژگی های طیفی و فرکتالی است که تاکنون در پژوهش های پیشین مورد توجه نبوده است. در پژوهش های آتی در نظر داریم که رویکرد پیشنهادی را درگام اول از نظر زمانی و در گام بعدی با در نظر گرفتن تعداد بیشتری از ویزگی های مبتنی بر هندسه فرکتال از نظر صحت بهبود دهیم.

سابقه و هدف: همه گیری کووید 19 به منزله پدیده ای جغرافیایی درنظر گرفته می شود که تجزیه وتحلیل فضایی و تأثیر جغرافیایی آن، در تصمیم گیری و جنبه های زندگی روزمره، بسیار اهمیت می یابد. سامانه اطلاعات جغرافیایی و تکنیک های مکانی می توانند نقش مهمی در تجزیه و تحلیل کلان داده های شیوع این بیماری در سطح جهانی ایفا کنند. مطالعات انجام شده باکمک تکنیک های تحلیل فضایی توانسته اند میزان اهمیت متغیرهای اجتماعی و بهداشتی را در میزان ابتلا و موارد مرگ ومیر ناشی از بیماری کووید 19 نشان دهند؛ هرچند درمورد تأثیر متغیرهای هواشناسی در این زمینه، مطابق با متفاوت بودن نتایج پژوهش های پیشین، همچنان ابهاماتی وجود دارد. با توجه به تنوع اقلیمی ایران، با انجام دادن پژوهش هایی در این زمینه به منظور آشکارسازی عوامل مهم و اثرگذار فضایی، می توان گام های مؤثری برداشت. بنابراین هدف این مطالعه مدل سازی و تعیین عوامل تأثیرگذار در پراکنش بیماری کووید 19، براساس داده های موجود و دردسترس است.مواد و روش ها: در این مطالعه، با استفاده از روش های رگرسیون فضایی عمومی و محلی، عوامل تأثیرگذار در پراکنش میزان ابتلا به بیماری کووید 19 بررسی شد. برای این منظور، 73 شهرستان که آمار تعداد مبتلایان به بیماری کووید 19 آنها (طی دوره ای کوتاه، از دهم اسفند 98 تا بیستم خرداد 99 به تفکیک شهرستان ها) دردسترس بوده است، انتخاب شدند. عوامل ارتفاع، تراکم جمعیت و میانگین سنی، نسبت جمعیت بالای 55 سال به جمعیت کل و همچنین پارامترهای هواشناسی شامل رطوبت، دما، فشار و سرعت باد انتخاب و رابطه آنها با این بیماری، به کمک روش های آمار فضایی، بررسی شد. براساس روش رگرسیون گام به گام تراکم جمعیت، فشار هوا، میانگین سن و سرعت باد به منزله پیش بینی کننده های معنی دار تعیین شدند و بروز بیماری با استفاده از تکنیک OLS مدل سازی شد. سپس با توجه به ناایستابودن رابطه متغیرهای مستقل با متغیر وابسته، هم در بعد فضایی و هم در بعد داده ها، تکنیک GWR به کار رفت و برای افزایش تغییرپذیری فضایی و برطرف کردن مشکل هم راستایی خطی، از روش تحلیل مؤلفه های اصلی و نرم افزار SPSS بهره برده شد.نتایج و بحث: نتایج نشان داد مدل عمومی ارائه شده به طور کلی به لحاظ آماری معنی دار است و مقادیر واریانس توجیه شده با مدل تصادفی نیست اما رابطه متغیرهای مستقل با متغیر وابسته، هم در بعد فضایی و هم در بعد داده ها، ناایستاست. همچنین مشخص شد توزیع باقی مانده ها تاحدی از توزیع نرمال انحراف نشان می دهد که چه بسا به دلیل وجود ناایستایی در مدل باشد. بنابراین تکنیک رگرسیون وزن دار جغرافیایی برای مدل سازی به کار گرفته شد. به منظور اجرای آن و افزایش تغییرپذیری فضایی برای رفع مشکل هم راستایی خطی (به دلیل وجود الگوی خوشه ای در متغیرهای هواشناسی)، روش تحلیل مؤلفه های اصلی استفاده شد و عوامل هواشناسی به یک فاکتور کاهش یافت. این عامل نزدیک به 70٪ تغییرات این متغیرها را توجیه می کند. کاهش عوامل متغیرهای میانگین سن و نسبت جمعیت بالای 55 سال نیز به یک عامل باعث بهبود نتایج شد. بنابراین تراکم جمعیت، عامل هواشناسی و عامل سن به منزله متغیرهای پیش بینی کننده در مدل سازی با تکنیک GWR درنظر گرفته شدند. افزایش 10درصدی ضریب تعیین تعدیل شده مدل وزن دار جغرافیایی (63٪) نشان از بهبود نسبی نتایج این مدل درقیاس با مدل عمومی دارد. نتایج آزمون خودهمبستگی فضایی موران نشان داد، با اینکه از شدت الگوی خوشه ای باقی مانده ها در این مدل درمقایسه با مدل OLS کاسته شده است، همچنان در سطح اطمینان 99٪ معنی دار است. تحلیل نقاط داغ در سطح اطمینان 95٪ نشان داد بخش های غربی استان کردستان، بخش های شمالی و غربی استان خوزستان نقاط داغ (الگوی خوشه ای کم برآورد معنی دار) و بخش های شرقی استان همدان و بخش های شمالی استان بوشهر نقاط سرد (الگوی خوشه ای بیش برآورد معنی دار) هستند. بنابراین دست کم یک متغیر تأثیرگذار در بروز این بیماری درنظر گرفته نشده است. با توجه به اینکه متغیرهای احتمالی درنظر گرفته نشده همچون عوامل فرهنگی، بهداشتی و ژنتیکی دردسترس نبوده اند و یا ممکن است اندازه گیری آنها سخت بوده باشد، از بررسی آنها صرف نظر شد.نتیجه گیری: نتایج این مطالعه اهمیت و میزان تأثیر عوامل جمعیت شناختی و محیطی را در میزان ابتلا به بیماری کووید 19 روشن کرده است و می تواند برای ادامه مطالعاتی در این زمینه راه گشا باشد.

سابقه و هدف: ایران به دلیل تنوع محیطی بالا، رتبه بالایی در بحران های ناشی از سوانح طبیعی دارد. با رشد سریع شهرها و تغییرات اقلیمی، سیل به عنوان یکی از این سوانح طبیعی خسارات اجتماعی– اقتصادی، بهداشتی و آسیب های محیط زیستی شدیدی را در بسیاری از مناطق به وجود آورده است. لذا، پیش بینی فضایی سیل به قدری حیاتی است که عدم شناسایی مناطق مستعد سیل در یک حوضه آبریز ممکن است آثار مخرب آن را افزایش دهد. در سال های اخیر، با پیشرفت ابزارهای سنجش از دور، اطلاعات جغرافیایی، یادگیری ماشین و مدل های آماری، ایجاد نقشه های پیش بینی سیل با دقت بالا کاملاً امکان پذیر شده است. به همین منظور، در این پژوهش، با استفاده از تصاویر ماهوارهSentinel و استفاده از رویکرد نوین مدل همادی با شش مدل یادگیری ماشین به پیش بینی مکان های مستعد سیل در حوضه آبریز کارون پرداخته شد. مواد و روش ها: در این پژوهش از رادار دیافراگم مصنوعی (SAR) به دست آمده از تصاویر Sentinel-1 برای شناسایی مناطقی که تحت تأثیر سیل قرار گرفته اند، استفاده شد. ابتدا تاریخ های بارندگی شدید و وقوع سیل در منطقه مورد مطالعه از منابع اطلاعاتی مختلف شناسایی شدند. سپس تصاویر Sentinel-1 مربوط به قبل و بعد از رویداد سیل از طریق پایگاه داده Copernicus تهیه شد. پردازش این داده ها با استفاده از پلتفرم SNAP انجام شد. شناسایی مناطق تحت تأثیر سیل با بهره گیری از روش حد آستانه صورت گرفت. برای این منظور از شاخص تفاوت نرمال شده آب (NDWI) تولیدشده از تصاویر Sentinel-2 و همچنین طبقات پوشش زمین که بدنه های آبی دائمی را نشان می دهند، استفاده شد تا آستانه ای که مناطق سیل زده را شناسایی می کند، تعیین شود. سپس لایه پلیگونی سیل به لایه نقطه ای تبدیل و در مجموع ۷۰ نقطه وقوع سیل ایجاد شد. با توجه به مرور مطالعات پیشین و ویژگی های محلی، هفت عامل اصلی که به طور چشمگیری بر وقوع سیلاب در منطقه تأثیر دارند، شناسایی شدند. این عوامل شامل شاخص نرمال شده تفاوت پوشش گیاهی (NDVI)، شاخص رطوبت توپوگرافی (TWI)، شیب، جهت جریان، تجمع جریان، فاصله از رودخانه و بارندگی ماهانه هستند. مدل رقومی ارتفاع (DEM) منطقه نیز از پایگاه داده SRTM تهیه شده و تفکیک فضایی همه عوامل با لایه DEM یکسان تنظیم شد. سپس، با استفاده از الگوریتم های مختلف یادگیری ماشین، مدلی ترکیبی توسعه داده شد که نتایج دقیق تری در پیش بینی مناطق مستعد سیل ارائه می دهد. مدل های منفرد شامل مدل خطی تعمیم یافته (GLM)، رگرسیون درختی پیشرفته (BRT)، مدل ماشین بردار پشتیبان (SVM)، مدل جنگل تصادفی (RF)، مدل رگرسیون سازشی چندمتغیره (MARS) و مدل بیشینه بی نظمی (MAXENT) هستند. نتایج و بحث: نتایج این مطالعه نشان می دهد که شمال شرق شهرستان الیگودرز، بخش هایی از دورود و ازنا در استان لرستان، خادم میرزا، شهرکرد و کیار در استان چهارمحال بختیاری، دنا و بویراحمد در استان کهکیلویه و بویراحمد، شهرستان سمیرم در استان اصفهان، و مناطق جنوبی حاشیه رودخانه کارون در استان خوزستان بیشترین پتانسیل وقوع سیل را در این حوضه دارند. ارزیابی عملکرد مدل ها نشان می دهد که مدل های جنگل تصادفی (RF) و بیشینه بی نظمی (MaxEnt) بالاترین دقت را در بین مدل های منفرد داشته اند. این مدل ها با ترکیب اطلاعات محیطی و داده های وقوع سیل، قادر به ارائه نقشه های حساسیت به سیل با دقت بالا هستند. از این نقشه ها می توان به عنوان ابزار مدیریتی مهمی برای کاهش اثرات مخرب سیل و جلوگیری از توسعه مناطق آسیب پذیر استفاده کرد.نتیجه گیری: به طور کلی، این پژوهش نشان می دهد که استفاده از رویکرد همادی با ترکیب مدل های یادگیری ماشین می تواند نتایج قابل اطمینان تری در پیش بینی مناطق مستعد سیل فراهم کند. نتایج این پژوهش برای مدیران و برنامه ریزان کارآمد است و می تواند از توسعه در مناطق آسیب پذیر جلوگیری کند و در نتیجه به کاهش زیان های اقتصادی و جانی در آینده کمک کند.

سابقه و هدف: آلودگی هوا یکی از مهم ترین بحران هایی است که امروزه اکثر کشور ها با توجه به پیشرفت صنعت و فنّاوری با آن رو به رو هستند. کشور ایران و به ویژه شهر تهران نیز از این پدیده مستثنا نیست. تأثیر آلودگی هوای شهری بر محیط زیست و سلامت انسان نگرانی های فزاینده ای را برای محققان، سیاست گذاران و شهروندان برانگیخته است. برای کاهش تأثیرات منفی آلودگی هوا بر سلامت، اندازه گیری به موقع آن در وضوح زمانی و مکانی بالا اهمیت فراوانی دارد. ازطرفی، ایستگاه های سنجش آلودگی هوا در سطح شهر به رغم صحت بالا در اندازه گیری آلاینده ها، به دلیل محدودیت های زمانی و مکانی و اندازه گیری نقطه ای قابلیت تعمیم پذیری ندارند. راهکار مکمل و بعضاً جایگزین استفاده از سنجش ازدور و داده های ماهواره ای است که با توجه به هزینه بهینه و پوشش وسیع روشی مناسب برای پایش آلودگی هوا به شمار می رود. آلاینده های دی اکسید نیتروژن (NO2) و ازن (O3) از مهم ترین شاخص های آلودگی هوا هستند که در این پژوهش برای مدل سازی توزیع غلظت آن ها در سطح شهر تهران با توان تفکیک مکانی برابر (تقریباً یک کیلومتر) و صحتی بالاتر از داده های ماهواره ای تلاش خواهد شد.   مواد و روش ها: به منظور مدل سازی توزیع غلظت دو آلاینده NO2 و O3 با دقت و توان تفکیک مناسب، از روش نوآورانه مبتنی بر روش درون یابی کریجینگ استفاده شده است. این روش با بهره گیری هم زمان از مزایای داده های ایستگاهی سنجش آلودگی از شرکت کنترل کیفیت هوای تهران، که با بهره گیری از 21 ایستگاه سنجش آلودگی هوای فعال که در نقاط مختلف شهر تهران مستقر است، بالاترین دقت در اندازه گیری پارامترها را دارند و داده های ماهواره ی سنتینل 5P، که از توان تفکیک مکانی بالا برخوردارند، مدل سازی را انجام می دهد. با توجه به قابلیت های سامانه گوگل ارت انجین، نقشه های توزیع غلظت دو آلاینده در کل مناطق 22 گانه شهر تهران به صورت ماهانه و همچنین داده های ماهواره ای نقطه ای دو آلاینده در مختصات مکانی ایستگاه های زمینی، به صورت ساعتی، روزانه و ماهانه به مدت یک سال از تاریخ 1 فروردین 1400 تا 1 فروردین 1401 در سامانه گوگل ارت تهیه و جمع آوری شد. پس از بررسی همبستگی بین داده های ماهواره ای و داده های ایستگاه های سنجش زمینی و حذف بایاس از داده های ماهواره ای، مراحل مختلف مدل سازی نوآورانه درون یابی کریجینگ به منظور مدل سازی توزیع غلظت دو پارامتر به کار گرفته شد.   نتایج و بحث: به منظور صحت سنجی داده های خروجی حاصل از مدل سازی توزیع آلاینده ها، 70 درصد ایستگاه ها به عنوان داده های آموزش (Train) و 30 درصد ایستگاه ها به عنوان داده های آزمون (Test) انتخاب شدند. این نقاط به صورت تصادفی و برای هر ماه از سال 1400 انتخاب شدند. مدل سازی نقشه نهایی توزیع آلاینده ها با استفاده از داده های آموزش و صحت سنجی مدل سازی انجام شده با استفاده از داده های آزمون انجام شد. این کار با استفاده از محاسبه میانگین خطای بین داده های پیش بینی شده توسط مدل و داده های ایستگاهی مستخرج از شرکت کنترل کیفیت هوای تهران (با واحد ppb) و همچنین محاسبه شاخص RMSE صورت گرفته است. نتایج نشان می دهد که میانگین خطای ماهانه مدل پیشنهادی، نسبت به داده های ماهواره سنتینل 5P از 16.8 به 1.73 درصد برای آلاینده NO2 و از 21.9 به 2.53 درصد برای آلاینده O3  کاهش یافته است. همچنین خطای جذر میانگین مربعات (RMSE) این مدل نسبت به داده های ایستگاهی سنجش آلودگی برای آلاینده NO2 و O3 به ترتیب برابر با ppb 2.79 و ppb 0.86 است. این در حالی است که در حالت مشابه شاخص RMSE نقشه خروجی ماهواره سنتینل 5P نسبت به داده های ایستگاهی سنجش آلودگی برای آلاینده NO2 و O3 به ترتیب برابر با ppb 10.083 و ppb 6.238 است. نتیجه گیری: با توجه به اینکه مدل تلفیقی پیشنهادی عملکرد بسیار مطلوبی در مدل سازی غلظت توزیع غلظت آلاینده های مورد نظر در طول سال 1400 با دقت و توان تفکیک مکانی تقریباً یک کیلومتری داشته است، به کارگیری هم زمان داده های ماهواره ای و زمینی در برآورد آلاینده ها توصیه می شود. 

سابقه و هدف: مشکلات موجود در زندگی شهری مانند کم رنگ شدن نقش محیط به عنوان محلی برای حضور شهروندان و فعالیت بدنی آنها، افزایش وسایل نقلیه و در نتیجه کم تحرکی و افزایش بیماری های غیرواگیر، نگرانی جامعه جهانی را درباره سلامت عمومی در پی داشته است. هدف پژوهش، ارزیابی ذهنی و عینی معیارهای تأثیرگذار محیطی بر سلامت عمومی ساکنان در سه بعد جسمی، روانی و اجتماعی، در محله آغه زمان شهر سنندج است.مواد و روش ها: جمع آوری داده های ذهنی و عینی پژوهش از لحاظ زمانی به صورت متوالی صورت گرفته، در این راستا چهار فاز پژوهش تعریف شده است. فاز اول ارزیابی ذهنی کیفی ساکنان از سلامت روانی و اجتماعی، فاز دوم گردآوری داده های ذهنی کمّی ساکنان از سلامت جسمی، فاز سوم ارزیابی عینی کمّی محیط و فاز چهارم بررسی همبستگی بین متغیرهای پژوهش است. داده های ذهنی با استفاده از پرسش نامه و داده های عینی با استفاده از سیستم اطلاعات جغرافیایی به دست آمده است. برای تحلیل رابطه بین معیارهای محیطی محله و فعالیت های بدنی و تعیین رابطه بین متغیرها از تحلیل رگرسیون در نرم افزار SPSS استفاده شده است. داده های عینی از قبیل نوع بلوک بندی و نمونه الگوی فضایی شکلی محله، لایه کاربری اراضی و شبکه معابر و ... از طریق سیستم اطلاعات جغرافیایی محاسبه شد و در شاخص نحو فضا وارد شد تا میزان پیاده مداری محله مشخص شود. در نهایت روابط و تأثیر معیارهای محیطی بر سلامت عمومی با استفاده از تحلیل رگرسیون در نرم افزار  Lisrel مشخص شده است.نتایج و بحث: نتایج نشان داده که دو معیار آسایش و آرامش محیط با امتیاز 23 و تعاملات اجتماعی و فرهنگ همسایگی با امتیاز 21 به ترتیب بیشترین تأثیر را بر سلامت روانی و اجتماعی دارند. همچنین معیارهای محیطی مانند اختلاط کاربری با آماره 671/5، کیفیت های بصری و زیبایی شناختی با آماره 961/7 و زیرساخت های ویژه پیاده و دوچرخه با آماره 475/8 به ترتیب بیشترین تأثیر را بر فعالیت های بدنی کاری، تفریحی و ورزشی و به تبع آن سلامت جسمی دارند. با توجه به داده های به دست آمده خیابان نمکی با امتیاز 21 بیشترین میزان اتصال و هم پیوندی، عمق و کنترل را با کل محله دارد و بالاترین سطح پیاده مداری را در سطح محله به خود اختصاص داده است.نتیجه گیری: نتایج کلی نشان می دهد که با توجه به تأثیر و ارتباط مستقیم معیارهای محیطی طراحی شهری بر فعالیت های بدنی و از طرف دیگر وجود ارتباط مثبت و معنادار بین فعالیت های بدنی و سلامت عمومی، مشخص شد که سلامت عمومی ساکنان با معیارهای محیطی طراحی شهری ارتباط دارد، لیکن این ارتباط نه به طور مستقیم، بلکه با مداخله فعالیت های بدنی اتفاق می افتد.

سابقه و هدف: تصمیم گیری و مدیریت مؤثر درزَمینه توسعه پایدار منابع طبیعی نیازمند دسترسی به اطلاعات دقیق و به روز اقلیمی است. این اطلاعات امکان بررسی نقش تغییرات اقلیمی را در موضوعات گوناگون مهیا می کنند و براساس آن، می توان راهکار های مدیریتی مؤثری را تدوین کرد. در این راستا، پارامتر دما یکی از مهم ترین شاخص های اقلیمی است که نقش محوری را در تحلیل ها و پژوهش های محیطی ایفا می کند. با توجه به نقش اساسی دما در موضوعات گوناگون، دسترسی به داده های دمایی دقیق و جامع اهمیت بسیاری دارد. این داده ها باید به گونه ای باشند که بتوانند تصویری واضح و کامل از الگوهای دمایی، در طول زمان، ارائه دهند. اما متأسفانه، داده های اقلیمی اغلب با مشکلاتی مانند انقطاع آماری و خطاهای اندازه گیری مواجه اند. این مشکلات ممکن است به تصمیم گیری های نادرست و برنامه ریزی های ناکارآمد منجر شوند. در این پژوهش، با استفاده از روش های آماری، سعی شده است داده های دمایی موجود و انقطاع های آماری آنها با استفاده از روش هایی ازجمله مختصات جغرافیایی (گرافیکی)، نسبت نرمال، ضریب همبستگی وزنی و میانگین حسابی که در تکمیل داده های اقلیمی شناخته شده و پرکاربردند، تحلیل و ارزیابی شود. انتخاب روش مناسب از میان این روش ها می تواند دقت تخمین داده های دمایی را افزایش دهد و در تصمیم گیری های مبتنی بر داده های جامع تر و معتبرتر، نقش اساسی داشته باشد. درنَهایت، هدف از این پژوهش معرفی بهترین روش برای تخمین اطلاعات و رفع انقطاع آماری است که پژوهشگران، مدیران و سیاست گذاران را درزَمینه توسعه پایدار و درک بهتر شرایط اقلیمی و اتخاذ تصمیماتی هوشمندانه تر و مؤثرتر، یاری خواهد کرد.مواد و روش ها: در این پژوهش، به منظور رفع خلأ آماری، روش های شناخته شده و محبوب آمار کلاسیک شامل روش مختصات جغرافیایی، نسبت نرمال، ضریب همبستگی وزنی و میانگین حسابی، در تخمین داده های دمایی کشور ارزیابی شد. به منظور بررسی بهترین روش برای تکمیل اطلاعات مفقودی، از اطلاعات 125 ایستگاه استفاده شد. این ایستگاه ها دارای اطلاعات کامل (بدون هیچ گونه مفقودی)، درطول 21 سال (2020-2000 م.) بودند. ازآنجاکه محاسبات گسترده و زمان بر بودند، با انتخاب 10٪ این ایستگاه ها به صورت تصادفی با پراکندگی مکانی مناسب، عملیات پرکردن اطلاعات روی ایستگاه های منتخب انجام شد. اطلاعات ایستگاه های منتخب، در هر مرحله و به صورت جداگانه، حذف و براساس پنج ایستگاه مجاور خود، بازسازی شدند و به منظور ارزیابی روش های مذکور، از معیار های ارزیابی آماری ضریب تبیین (R2)، جذر میانگین مربعات خطا (RMSE) و میانگین انحراف مطلق (MAD) استفاده شد.نتایج و بحث: با ارزیابی نتایج حاصل از بررسی مقادیر محاسباتی ازطریق روش نسبت نرمال درمقابل مقادیر مشاهداتی، مشخص شد تمامی ایستگاه های مورد بررسی همبستگی بالایی دارند؛ این نکته بیانگر مقبولیت روش نسبت نرمال برای تخمین داده هاست. با توجه به مقادیر متوسط حاصل از ارزیابی نتایج، روش نسبت نرمال، ضریب همبستگی وزنی، مختصات جغرافیایی و میانگین حسابی به ترتیب، با مقدار RMSE معادل 05/3، 28/3، 30/3 و 51/3 درجه سلسیوس، اولویت بندی می شوند. بنابراین روش نسبت نرمال در میان سایر روش های مورد مطالعه از مقبولیت بیشتری برخوردار است و ازاین رو، در رفع مشکلاتی اعم از فقدان اطلاعات، خطای موجود در داده ها و همچنین گسترش دوره زمانی مطالعاتی، می توان از آن بهره برد.نتیجه گیری: در میان روش های مورد بررسی، روش نسبت نرمال به صورت کلی مقبولیت و کیفیتی بیشتر از دیگر روش ها دارد که توصیه می شود در پژوهش های آتی، در محدوده مطالعاتی مشابه، از این روش استفاده شود. در مراتب بعدی، به ترتیب روش مختصات جغرافیایی، همبستگی وزنی و میانگین حسابی قرار دارند. شایان توجه است، با اینکه سایر روش ها در مراتب اهمیت بعدی واقع شده اند، همچنان در برخی ایستگاه ها کارآیی مناسبی نشان می دهند؛ بنابراین در شرایط متفاوت، روش های متنوعی می تواند نیاز به ترمیم داده ها را رفع کند و با توجه به محدوده مورد مطالعه، باید بهترین روش انتخاب شود و به کار رود.

سابقه و هدف: تب دانگ، یکی از بیماری های واگیر و ویروسی است که از طریق دو گونه پشه آئدس اجیپتی و پشه آئدس آلبوپیکتوس منتقل می شود و به سرعت در جهان در حال گسترش است. افزایش دمای کره زمین، تغییرات اقلیمی و الگوی بارندگی و نیز گسترش شهرنشینی در اغلب نقاط دنیا بر گستره انتشار گونه های مذکور مؤثر بوده و باعث گسترش مناطقی جدید برای حضور این گونه ها شده است. این در حالی است که بخشی از کشور ایران در برابر این گونه و حضور آن آسیب پذیر تلقی شده و لازم است گستره انتشار احتمالی آن برای اجرای برنامه کنترل جمعیت این گونه مشخص شود. مدل های مطلوبیت زیستگاه مجموعه ای از مدل های الگوریتم مبنا هستند که قادرند پراکنش مکانی برای استقرار انواع گونه ها را پیش بینی کنند. هدف اصلی این پژوهش مدل سازی توزیع مکانی ناقلین این بیماری در ایران است که با توجه به نبود داده های ناقلین کافی در کشور، از داده های ناقلین موجود در سطح جهان و همچنین در سطح قاره آسیا، در دو مقیاس مختلف استفاده شد. از مهم ترین جنبه های نوآوری این پژوهش می توان به استفاده از لایه هتروژنتی به عنوان یک عامل کمکی برای تحلیل نقاط حضور و کاهش خودهمبستگی مکانی و به کارگیری و مقایسه دو مدل پراکنش گونه متکی به داده های حضور برای انتخاب روش مدل سازی بهینه اشاره کرد. مواد و روش ها: مدل های مورد استفاده در این پژوهش شامل روش آنتروپی بیشینه (MaxEnt) و یک نوع الگوریتم ژنتیک تحت عنوان گارپ (GARP) هستند. این مدل ها می توانند ارتباطات غیرخطی و اثرگذار بین گونه ها و متغیرهای محیطی را تشخیص دهند و آن ها را برای توسعه مدل های پیش بینی به کار گیرند. همچنین لایه های اطلاعاتی مورد نیاز شامل لایه نقاط حضور گونه ها و لایه های متغیرهای مستقل زیست محیطی هستند. در مجموع 2780 نقطه حضور برای هر دو گونه (1926: گونه آئدس اجیپتی و 854: گونه آئدس آلبوپیکتوس) با مراجعه به پایگاه های اطلاعاتی مختلف جمع آوری شد. به منظور کاهش خودهمبستگی مکانی بین داده های نقاط حضور ناقلین تب دانگ، لایه هتروژنتی توپوگرافی با استفاده از SDM toolbox در ArcGIS ساخته شد و نقاطی که از نظر ارتفاع دارای شرایط یکسانی هستند از فرایند مدل سازی حذف شدند. به منظور بررسی میزان همبستگی متغیرهای زیستی از تابع PCA در ArcGIS استفاده شد و متغیرهایی که میزان همبستگی بین آنها بالای 75/0 بود، از تحلیل حذف و متغیرهای تراکم جمعیت، اقلیم، تراکم پوشش گیاهی، ارتفاع و کربن آلی خاک لحاظ وارد مدل شدند. در نهایت با استفاده از روش آنتروپی بیشینه (MaxEnt) و یک نوع الگوریتم ژنتیک تحت عنوان گارپ (GARP) میزان مطلوبیت زیستگاهی در سطح جهان با قدرت تفکیک مکانی 5 کیلومتر برای هر دو گونه مدل سازی شد. با توجه به دقت بالای روش MaxEnt، با استفاده از این روش، مطلوبیت زیستگاهی قاره آسیا با قدرت تفکیک 900 متر برای هر دو گونه مدل سازی شد. نتایج و بحث: مقادیر سطح زیر منحنی (AUC) برای گونه آئدس اجیپتی 942/0 و برای گونه آئدس آلبوپیکتوس 948/0 محاسبه شد. نتایج پژوهش نشان داد که استان های شمالی و جنوبی کشور مطلوبیت زیستگاهی بالاتری را برای هر دو گونه دارند، با این تفاوت که گونه آئدس اجیپتی در قسمت های جنوبی به سمت شرق در حاشیه دریایی عمان دارای احتمال پراکندگی بالاتری است. در پیاده سازی روش MaxEnt برای گونه آئدس آلبوپیکتوس، استان های موجود در غرب ایران نیز مطلوب تعیین شدند که این مهم در مقیاس کوچک تر به صورت درست مدل سازی نشده بود. در بهمن 1399 متأسفانه تعداد کمی پشه و تخم پشه آئدس اجیپتی در شهرستان بندر لنگه کشف شد که دقیقاً این پژوهش آن را پیش بینی کرده بود. نتیجه گیری: از نتایج این مطالعه می توان در راستای برنامه ریزی برای مدیریت جمعیت این حشرات ناقل برای کنترل بیماری هم زمان با پایش جمعیت ها در فصول اپیدمی استفاده کرد.

سابقه و هدف: سنجش از دور منبع داده ای قدرتمند برای نقشه برداری از مناطق شهری و نظارت بر پویایی شهرنشینی است. از بین داده های سنجش ازدوری، تصاویری که در شب اخذ می شوند راهی مؤثر برای نظارت بر فعالیت های انسانی، در مقیاس جهانی، فراهم کرده است؛ زیرا این تصاویر با توجه به ویژگی ها و قابلیت هایشان می توانند مناطق شهری و سایر فعالیت های انسانی را که ویژگی اصلی شان استفاده از نور در شب است، با اندازه گیری صحیح مکانی، از پس زمینه بدون نور جدا کنند. این تصاویر با نظارت مستمر و مداوم از منظره شبانه جهانی، منبع و نتایج ارزشمندی از فعالیت های انسانی را، از گذشته تا امروز، فراهم می کند و تجزیه وتحلیل سری زمانی این داده ها برای کشف، تخمین و نظارت بر پویایی اجتماعی و اقتصادی در کشورها، به ویژه مناطق فرعی که آمار رسمی مورد اعتمادی درباره آنها وجود ندارد، بسیار ارزشمند است. با توجه به پیشرفت سنجنده های ماهواره ای نور شب در سال های اخیر و تحقیقات جدید انجام شده درزَمینه داده های نور شب، هدف از این تحقیق بررسی پیشرفت های سنجنده شبانه، معرفی انواع داده ها و محصولات دردسترس، بررسی و بیان مزایا و معایب هریک و همچنین مروری بر روش ها و راه حل های مطرح شده در تحقیقات پیشین است تا مشکلات و محدودیت های این تصاویر حل شود.مواد و روش ها: هدف اصلی از این تحقیق معرفی و بررسی کلی داده های نور شب، مزایا و چالش های هریک و روش های بیان شده به منظور تصحیح مشکلات و چالش هاست. مطالعات درزَمینه تصاویر نور شب DMSP اغلب بر دو بعد مکانی و زمانی تمرکز دارد. در بعد مکانی، نواقص ذاتی این مجموعه داده، یعنی مقادیر اشباع شده مقادیر رقومی در مناطق مرکزی شهری و تأثیرات شکوفایی در مناطق حومه شهری و روستایی درخور توجه است. در بعد زمانی، به دلیل فقدان کالیبراسیون در پردازنده، به فرایندهای اضافی روی محصولات سالیانه داده های پایدار نور شب DMSP برای بررسی پویایی های شهری نیاز است؛ روش های کنونی تصحیحات مشکلات مکانی در دو دسته طیفی و غیرطیفی قرار می گیرد. روش های مطرح شده برای تصحیح مشکلات زمانی این سنجنده نیز، در دو دسته کالیبراسیون سالیانه داده های نور شب و تنظیم الگوی زمانی، بررسی شده است. تصاویر ماهیانه NPP-VIIRS محصولی است که علاوه بر مقادیر نورهای ثابت، مانند چراغ های شهرها و مسیر های حمل ونقل، مقادیری نویزی مانند شعله های گاز و سوختن زیست توده و نویز پس زمینه را نیز شامل می شود؛ به همین دلیل، پیش از استفاده لازم است پردازش شود. همچنین ازآنجا که دقت موقعیت یابی داده های لوجیا کمتر از وضوح مکانی آن است، جابه جایی تصویر در برخی مکان ها ممکن است به 650 متر برسد؛ ازاین رو تصحیح هندسی در این تصویر انجام می شود. انواع این روش ها در این مقاله بررسی شده است.بحث و بررسی: طی مقایسه ای کلی، می توان نتیجه گرفت که در بررسی عملکرد داده های نور شب گوناگون، داده های نور پایدار شبانه DMSP، به رغم مشکلات و محدودیت های موجود، دارای سری زمانی طولانی تری درقیاس با داده های نور شب دیگر است زیرا دوره زمانی 1992 تا 2013 را دربرمی گیرد و همچنان، در بسیاری تحقیقات درزَمینه بررسی پویایی شهری و برآورد روند کلی رشد شهر، کاربرد دارد. درمقایسه، NPP-VIIRS از مزایایی برخوردار است و به نور کمتر نیز حساسیت نشان می دهد اما زمان عبور این ماهواره ساعت 1:30 بامداد است؛ در این ساعت شب، بسیاری از چراغ ها خاموش می شوند و به همین علت ممکن است، درمواردی که فقط از داده نور شب برای بررسی مناطق شهری استفاده می شود، مناسب نباشد. همچنین طی بررسی های انجام شده، این تصویر در تحقیقات درزَمینه فعالیت های اقتصادی کاربرد بیشتری داشته است و حساسیت نداشتن آن به نور آبی از LED ها در توانایی سنجنده، در تعیین کمّیت نورهای مصنوعی ساطع شده از زمین، تأثیر می گذارد.نتیجه گیری: این بررسی با هدف معرفی انواع داده های نور شب سنجش ازدوری و بررسی آنها انجام شده است و به طور خلاصه می توان گفت، درحال حاضر، تحقیقات درزَمینه تصحیح مشکلات مکانی اشباع و شکوفایی به دو دسته طیفی و غیرطیفی تقسیم می شوند. دسته های غیرطیفی اغلب فقط با استفاده از داده نور شب و در برخی موارد، با استفاده از داده های غیرسنجش ازدوری ترکیب می شوند. بررسی روش های طیفی نشان می دهد که اغلب این روش ها از شاخص های طیفی مربوط به پوشش گیاهی و دمای سطح زمین استفاده می کنند. درحال حاضر، تصحیح تصاویر DMSP از بعد زمانی با کالیبراسیون بین داده ها، به طور خاص، با استفاده از روش مناطق مرجع ثابت یا پیکسل های مرجع انجام شدنی است. از معتبرترین روش های مطرح شده در این زمینه، روش منطقه مرجع است. پس از پایان مأموریت سنجنده DMSP-OLS، سنجنده VIIRS معرفی شده است. برخلاف داده سالیانه این ماهواره، داده ماهیانه آن به علت وجود نویزهای پس زمینه، نورهای سرگردان و مواردی ازاین دست، نیاز به تصحیح دارد. طبق بررسی های انجام شده براساس مطالعات موجود در روند تحقیقات، می توان گفت بیشتر مطالعات و روش ها سعی در حذف نویزها با استفاده از چارچوبی مشخص، اما با فرض های متفاوت، دارند. درنَهایت، با توجه به چالش ها و محدودیت های فعلی ماهواره های نور شب، چند پیشنهاد اصلی برای پیشرفت و توسعه در این زمینه مطرح می شود؛ ادغام داده های DMSP-OLS با داده های NPP-VIIRS یا با وضوح بالاتر داده های لوجیا می تواند بیشتر مورد مطالعه قرار گیرد تا یک سری زمانی طولانی تر برای تحقیقات آینده، به منظور بررسی پویایی شهری و موارد مشابه، ایجاد شود.

سابقه و هدف: نقشه پوشش زمین یکی از پارامترهای اساسی در تحلیل های جغرافیایی و برنامه ریزی های مکانی محسوب می شود. به طور کلی، تصویر ماهواره ای، الگوریتم طبقه بندی و نمونه آموزشی سه پارامتر اصلی در تهیه نقشه های پوشش زمین به شمار می روند و مهم ترین نقش را درزَمینه صحت، هزینه و منابع محاسباتی مورد نیاز برای تهیه این نقشه ها ایفا می کنند. کیفیت نمونه آموزشی تأثیر شایان توجهی در صحت نتایج طبقه بندی دارد. بر این اساس، هدف اصلی این پژوهش تهیه نمونه های آموزشی معتبر، با استفاده از روش انتقال نمونه های آموزشی برای پایش تغییرات پوشش زمین در شمال غرب ایران، بین سال های 2002 تا 2022 است.مواد و روش ها: منطقه مورد مطالعه، با مساحتی بالغ بر 7653 کیلومترمربع، در شمال غرب ایران واقع شده است. ازلحاظ جغرافیایی، این محدوده در مختصات 35 59 °44 تا 25 01 °46 طول شرقی و 46 02 °38 تا 47 48 °38 عرض شمالی قرار دارد. داده های مورد استفاده در این پژوهش شامل تصاویر ماهواره ای و داده های مرجع زمینی است و تصاویر به کاررفته در این پژوهش شامل تصاویر ماهواره ای سری لندست می شود. روش پژوهش پنج مرحله کلی را دربرمی گیرد. در مرحله اول، تصاویر ماهواره ای لندست از سایت سازمان زمین شناسی امریکا دریافت و مراحل پیش پردازش تصاویر (تصحیح رادیومتریک و هندسی) روی آنها انجام شد. در مرحله دوم، با استفاده از تصاویر دارای قدرت تفکیک مکانی بالا (تصاویر سامانه Google Earth) و برداشت زمینی، نمونه های آموزشی مورد نظر تهیه شدند. مرحله سوم شامل انتقال نمونه های آموزشی است. برای این کار، در ابتدا، با استفاده از دو پارامتر فاصله اقلیدسی (ED) و فاصله زاویه طیفی (SAD)، شباهت طیفی نمونه های آموزشی در سال های مرجع و هدف بررسی شد. در ادامه، با تعیین آستانه مورد نظر، نمونه های آموزشی انتقال یافته از نمونه های انتقال نیافته تفکیک شدند. در انتهای مرحله سوم، صحت نمونه های آموزشی انتقال یافته ارزیابی شد؛ بدین منظور داده های مرجع تهیه شده از سامانه Google Earth به کار رفت. در مرحله چهارم، با استفاده از نمونه های آموزشی انتقال یافته، تصاویر ماهواره ای در سال های گوناگون طبقه بندی شد و درنَهایت در مرحله پنجم، با به کارگیری شاخص های حاصل از ماتریس خطا، صحت تصاویر طبقه بندی شده ارزیابی شد.نتایج و بحث: نتایج به دست آمده نشان داد آستانه 9/0 تا 1/1 مناسب ترین آستانه برای تفکیک نمونه های آموزشی انتقال یافته از نمونه های آموزشی انتقال نیافته در سال های گوناگون است. بر این اساس، می توان گفت بین صحت و درصد نمونه های آموزشی انتقال یافته رابطه ای معکوس وجود دارد و با افزایش درصد نمونه های آموزشی انتقال یافته، از صحت آنها کاسته می شود. بررسی صحت نمونه های آموزشی انتقال یافته، براساس هریک از پارامترها (فاصله زاویه طیفی و فاصله اقلیدسی)، نشان داد صحت نمونه های آموزشی انتقال یافته براساس پارامتر فاصله زاویه طیفی بیشتر از نمونه های آموزشی انتقال یافته براساس پارامتر فاصله اقلیدسی است. همچنین استفاده از نمونه های انتقال یافته، براساس هر دو پارامتر، باعث افزایش 45/10درصدی صحت درمقایسه با حالتی شده است که از پارامتر فاصله اقلیدسی برای انتقال نمونه های آموزشی استفاده شده و نیز افزایش 5درصدی صحت را درقیاس با وضعیتی دربرداشته که از پارامتر فاصله زاویه طیفی برای انتقال نمونه های آموزشی استفاده شده است. بررسی درصد انتقال نمونه های آموزشی در کلاس های کاربری گوناگون نشان داد، به طور میانگین، 6/80٪ از نمونه های آموزشی کلاس آب، 4/75٪ از نمونه های آموزشی کلاس اراضی بایر، 2/71٪ نمونه های آموزشی کلاس اراضی انسان ساخت، 6/64٪ نمونه های آموزشی کلاس مرتع، 2/60٪ از نمونه های آموزشی کلاس اراضی زراعی و 4/54٪ نمونه های آموزشی کلاس تالاب از سال مرجع (1401) به هریک از سال های هدف (1381، 1387، 1392 و 1396) انتقال پیدا کرده اند. همچنین ارزیابی صحت نمونه های آموزشی انتقال یافته در کلاس های کاربری گوناگون نشان داد کلاس های آب، اراضی انسان ساخت، اراضی بایر، مرتع، اراضی زراعی و تالاب، به ترتیب، بیشترین صحت را در نمونه های آموزشی انتقال یافته دارا بودند. بررسی تغییرات پوشش زمین بین سال های 1381 تا 1401 نشان داد روند تغییرات مساحت کلاس های اراضی بایر، آب و تالاب از سال 1381 تا 1401 کاهشی و روند تغییرات مساحت اراضی انسان ساخت، در این بازه زمانی، افزایشی بوده است؛ همچنین کلاس های مرتع و اراضی زراعی، در این بازه زمانی، دارای روند تغییرات ثابت نبوده و روند تغییرات آنها در سال های گوناگون، متفاوت بوده است. اما درحالت کلی، مساحت این دو کلاس طی سال 1401، درقیاس با سال 1381 افزایش یافته است.نتیجه گیری: پیشنهاد می شود در مطالعات آتی، از سایر تصاویر ماهواره ای (ازجمله تصاویر ماهواره ای سنتینل 2) نیز به منظور انتقال نمونه های آموزشی استفاده شود تا تأثیر باندهای طیفی و تصاویر ماهواره ای گوناگون، در انتقال نمونه های آموزشی، ارزیابی شود. همچنین بررسی اثربخشی روش انتقال نمونه های آموزشی در انتقال نمونه های آموزشی سایر پوشش های زمینی می تواند درزمره موضوعات پژوهشی در مطالعات بعدی قرار گیرد.منطقه مورد مطالعه با مساحتی بالغ بر 7653 کیلومترمربع در شمال غرب ایران واقع شده است. از لحاظ جغرافیایی محدوده مورد نظر در مختصات ´´35 ´59 °44 تا ´´25 ´01 °46 طول شرقی و ´´46 ´02 °38 تا ´´47 ´48 °38 عرض شمالی واقع شده است. داده های مورد استفاده در این پژوهش شامل تصاویر ماهواره ای و داده های مرجع زمینی می باشد. تصاویر مورد استفاده در این پژوهش شامل تصاویر ماهواره ای سری لندست می باشد.روش انجام پژوهش شامل پنج مرحله کلی می باشد. در مرحله اول تصاویر ماهواره ای لندست 5 و 8 از سایت سازمان زمین شاسی آمریکا اخذ شده و مراحل پیش پردازش تصاویر (تصحیح رادیومتریک و هندسی) بر روی آن ها انجام شد. در مرحله دوم با استفاده از تصاویر با قدرت تفکیک مکانی بالا (تصاویر سامانه Google Earth) و برداشت زمینی، نمونه های آموزشی مورد نظر تهیه شدند. مرحله سوم شامل انتقال نمونه های آموزشی می باشد. برای این کار در ابتدا بررسی شباهت طیفی نمونه های آموزشی در سال های مرجع و هدف با استفاده از دو پارامتر فاصله اقلیدسی و فاصله زاویه طیفی انجام شد. در ادامه با تعیین آستانه مورد نظر، نمونه های آموزشی انتقال یافته از نمونه های انتقال نیافته تفکیک شدند. در انتهای مرحله سوم، ارزیابی صحت نمونه های آموزشی انتقال یافته انجام شد، برای این کار از داده های مرجع تهیه شده از سامانه Google Earth استفاده شد. در مرحله چهارم با استفاده از نمونه های آموزشی انتقال یافته، طبقه بندی تصاویر ماهواره ای در سال های مختلف انجام شد و در نهایت در مرحله پنجم با استفاده از شاخص های حاصل از ماتریس خطا، ارزیابی صحت تصاویر طبقه بندی شده انجام شد.نتایج به دست آمده نشان داد، آستانه 0/9 تا 1/1 (اختلاف انحراف معیار از میانگین) مناسب ترین آستانه برای تفکیک نمونه های آموزشی انتقال یافته از نمونه های آموزشی انتقال نیافته در سال های مختلف می باشد. بر این اساس می توان گفت یک رابطه معکوس بین صحت نمونه های آموزشی انتقال یافته و درصد نمونه های آموزشی انتقال یافته وجود دارد و با افزایش درصد نمونه های آموزشی انتقال یافته از صحت آن ها کاسته می شود.بررسی صحت نمونه های آموزشی انتقال یافته بر اساس هر یک از پارامترها (فاصله زاویه طیفی و فاصله اقلیدسی) نشان داد نمونه های آموزشی انتقال یافته بر اساس پارامتر فاصله زاویه طیفی از صحت بیشتری نسبت به نمونه های آموزشی انتقال یافته بر اساس پارامتر فاصله اقلیدسی برخوردار می باشند. همچنین استفاده از نمونه های انتقال یافته بر اساس هر دو پارامتر باعث افزایش 10/45 درصدی صحت نسبت به حالتی شده است که از پارامتر فاصله اقلیدسی برای انتقال نمونه های آموزشی استفاده شده است و افزایش 5 درصدی صحت نسبت به حالتی شده است که از پارامتر فاصله زاویه طیفی برای انتقال نمونه های آموزشی استفاده شده است.بررسی درصد انتقال نمونه های آموزشی در کلاس های کاربری مختلف نشان داد به طور میانگین 80/6 درصد از نمونه های آموزشی کلاس آب، 75/4 درصد از نمونه های آموزشی کلاس اراضی بایر، 71/2 درصد از نمونه های آموزشی کلاس اراضی انسان ساخت، 64/6 درصد از نمونه های آموزشی کلاس مرتع، 60/2 درصد از نمونه های آموزشی کلاس اراضی زراعی و 54/4 درصد از نمونه های آموزشی کلاس تالاب از سال مرجع (1401) به هر یک از سال های هدف (1381، 1387، 1392 و 1396) انتقال پیدا کرده اند. همچنین ارزیابی صحت نمونه های آموزشی انتقال یافته در کلاس های کاربری مختلف نشان داد کلاس های آب، اراضی انسان ساخت، اراضی بایر، مرتع، اراضی زراعی و تالاب، به ترتیب از بیشترین صحت در نمونه های آموزشی انتقال یافته برخوردار بودند.طبقه بندی تصاویر ماهواره ای با استفاده از تصاویر لندست بین سال های 1381 تا 1401 انجام شد. بر این اساس، پوشش های سطحی زمین در شش کلاس کاربری مختلف طبقه بندی شد. نتایج ارزیابی صحت طبقه بندی نشان داد صحت کلی تصاویر طبقه بندی شده در سال های 1401، 1396، 1392، 1387 و 1381 به ترتیب 94/95، 91/93، 90/74، 89/45 و 88/94 درصد است. بررسی صحت طبقه بندی کلاس های کاربری مختلف بر اساس دو پارامتر صحت تولیدکننده و صحت کاربر نشان داد، کلاس آب از بیشترین صحت تولید کننده و کاربر در میان کلاس های مختلف برخوردار است، به طوری که صحت تولیدکننده و کاربر آن در تصویر طبقه بندی شده سال 1401 به ترتیب 98/2 و 99/34 درصد می باشد. از طرفی کمترین صحت تولیدکننده و کاربر در کلاس تالاب به دست آمد؛ به طوری که، صحت تولیدکننده و کاربر آن در تصویر طبقه بندی شده سال 1401 به ترتیب 90/1 و 91/25 درصد است.بررسی تغییرات پوشش زمین بین سال های 1381 تا 1401 نشان داد، روند تغییرات مساحت کلاس های اراضی بایر، آب و تالاب از سال 1381 تا 1401 کاهشی و روند تغییرات مساحت اراضی انسان ساخت در این بازه زمانی افزایشی بوده است، همچنین کلاس های مرتع و اراضی زراعی دارای روند تغییرات ثابت در این بازه زمانی نبوده و روند تغییرات آن ها در سال های مختلف متفاوت بوده است. اما در حالت کلی مساحت این دو کلاس در سال 1401 نسبت به سال 1381 افزایش یافته است. بررسی تغییرات مساحت اراضی انسان ساخت در این بازه زمانی نشان دهنده افزایش محسوس مساحت این کلاس کاربری می باشد؛ به طوری که مساحت آن از 20/38 کیلومتر مربع در سال 1381 به 123/98 کیلومتر مربع در سال 1401 افزایش یافته است.پیشنهاد می شود در مطالعات آتی از سایر تصاویر ماهواره ای (از جمله تصاویر ماهواره ای سنتینل-2) نیز به منظور انتقال نمونه های آموزشی استفاده شود تا تأثیر باندهای طیفی و تصاویر ماهواره ای مختلف در انتقال نمونه های آموزشی مورد ارزیابی قرار گیرد. همچنین بررسی اثربخشی روش انتقال نمونه های آموزشی در انتقال نمونه های آموزشی سایر پوشش های زمینی می تواند از جمله موضوعات پژوهشی در مطالعات بعدی محسوب شود.

سابقه و هدف: در سال های اخیر استفاده از کلان داده های تلفن همراه در مطالعات حمل ونقلی بسیار مورد توجه متخصصان قرار گرفته است. منشأ ایجاد سفرهای شهری، نیاز افراد به انجام دادن فعالیت است. ازطرفی، سطح فعالیت های شهری و الگوی آن نیز در زمان ها و مکان های مختلف متغیر است. داده های تلفن همراه، به عنوان نوعی از داده های پیوسته مکانی– زمانی، حضور افراد در مکان ها و زمان های مختلف را ثبت می کنند و بنابراین این داده ها با نرخ نفوذ بالا به منظور شناسایی سطح فعالیت شهری و استخراج الگوی فعالیت افراد در زمان های مختلف، مناسب و پرکاربرد هستند. در این پژوهش، با توجه به اهمیت ساختار فرهنگی، مذهبی، گردشگری و همچنین وجود مراکز درمانی کلان شهر شیراز، این شهر به عنوان منطقه مطالعاتی در نظر گرفته شده است. لذا تحلیل الگوی مکانی و زمانی سفرهای شهری با به کارگیری داده های پیوسته مکانی– زمانی همچون داده های تلفن همراه، می تواند به بهبود مدیریت سیستم حمل ونقل و برنامه ریزی و سیاست گذاری صحیح این شهر کمک شایان توجهی کند. مواد و روش ها: متغیر مورد بررسی در این مطالعه، تراکم سطح فعالیت در یک برش زمانی و یک واحد مکانی مشخص است. فعالیت به معنای تعداد افرادی است که به منظور انجام فعالیتی با هدف معین ناحیه ای را ترک و یا به ناحیه ای وارد می شوند. تراکم سطح فعالیت نیز بیانگر میزان فعالیت در واحد مساحت هر ناحیه ترافیکی است. به منظور بررسی تراکم سطح فعالیت افراد در سطح ۳۲۱ ناحیه ترافیکی شهر شیراز، داده های تلفن همراه به مدت یک هفته (۰۳/۰۴/۱۴۰۰ تا ۰۹/۰۴/۱۴۰۰) در شهر شیراز جمع آوری شد. پس از پاکسازی و آماده سازی داده ها، نقاط توقف افراد و محل خانه آن ها شناسایی شد. ضمن به کارگیری ضریب تعمیم مناسب، سطح فعالیت در نواحی ترافیکی در بازه های زمانی یک ساعته در روزهای کاری، نیمه کاری و غیرکاری برآورد شد. در ادامه میزان خودهمبستگی مکانی سطح فعالیت، با استفاده از شاخص خودهمبستگی مکانی Moran’s I عمومی و محلی در روزهای کاری، نیمه کاری و غیرکاری بررسی شد. سپس، با استفاده از تحلیل های اکتشافی سری زمانی فعالیت های شهری و تحلیل یکنواختی سری زمانی (SNHT)، الگوی زمانی سطح فعالیت ها، بازه زمانی آغاز فعالیت ها، بازه اوج میان روز، بازه اوج عصر و سایر مشخصه های سری زمانی بررسی شد.  نتایج: در تحلیل مکانی میزان خودهمبستگی مکانی سطح فعالیت، با استفاده از شاخص خودهمبستگی مکانی Moran’s I عمومی و محلی در روزهای کاری، نیمه کاری و غیرکاری بررسی و وجود خودهمبستگی مکانی مثبت و معنادار فعالیت در واحد مساحت نواحی ترافیکی (P-Value < 0.001) تأیید شد. لذا سطح فعالیت نواحی، متأثر از روابط مکانی در محدوده مطالعاتی است و نواحی مهم با تراکم فعالیت بالا در مناطق مرکزی شهری شناسایی شدند. نتایج تحلیل های سری زمانی اکتشافی نمایانگر تغییرات ساعتی در الگوی زمانی سطح فعالیت هاست. همچنین در روزهای کاری فعالیت های بیشتری نسبت به روزهای غیرکاری و نیمه کاری انجام می شود. سری زمانی در نیمی از روز نیمه کاری کاملاً مشابه با روزهای کاری است و پس از ساعات اداری با کاهش سطح فعالیت روندی بین روزهای کاری و روز غیر کاری تجربه می کند. با بررسی سری زمانی فعالیت ها بازه اوج میان روز در ساعت 12 تا ساعت 14 و بازه اوج عصر در ساعت 20 تا ساعت 22 رخ می دهد. همچنین کمترین سطح فعالیت روزانه بین ساعت ۳ تا ۶ صبح تشخیص داده شد. با استفاده از آزمون یکنواختی سری زمانی نیز بازه زمانی آغاز فعالیت ها در روزهای کاری و نیمه کاری در ساعت 8 صبح و در روزهای غیرکاری ساعت 9 صبح شناسایی شد. شایان ذکر است به منظور اعتبارسنجی جمعیت ساکن شناسایی شده و ضرایب تعمیم، همبستگی مکانی بین جمعیت برآوردشده از داده های تلفن همراه و جمعیت واقعی هریک از نواحی ترافیکی بررسی شد که برابر با ۸۲/۰ است و از نظر آماری معنادار و قابل قبول است. نتیجه گیری: نتایج این مطالعه می تواند در فرایند برنامه ریزی و سیاست گذاری صحیح، مدیریت تقاضا و حضور افراد در مکان های پرتراکم شهر و در بازه زمانی دلخواه و همچنین تحلیل های مرتبط با اثرات زیست محیطی حمل و نقل شهری تأثیرگذار باشد. با در دسترس بودن داده های تلفن همراه با دقت مناسب در سایر مراکز فعالیتی با مقیاس های مختلف (یک محدوده ترافیکی، محدوده شهر، استان و حتی کل کشور)، می توان الگوهای مختلف فعالیت شهری و از جمله نتایج این مطالعه را استخراج کرد.

سابقه و هدف: در سالیان اخیر افزایش جمعیت جهان و گسترش شهرنشینی، به ایجاد تغییرات گسترده ای در کاربری و پوشش اراضی منجر شده است. این فرایند پیامدهای زیان بار متعددی مانند افزایش دمای سطح زمین، جنگل زدایی و بیابان زایی، کاهش کیفیت خدمات اکوسیستم، کاهش تنوع زیستی و تهدید امنیت غذایی خواهد داشت. ازاین رو پایش و مدل سازی این تغییرات ضروری است و می توان با مدیریت بهینه اراضی گام مهمی در بهره وری صحیح از منابع طبیعی و توزیع امکانات برداشت. نظر به این مهم که حوضه آبریز رودخانه ارس در طول زمان دچار تحولات بسیاری به خصوص در اراضی انسان ساخت شده است، تمرکز پژوهش حاضر بر مدل سازی تغییرات کاربری/ پوشش اراضی در این حوزه است.مواد و روش ها: در این راستا ابتدا نقشه های کاربری اراضی منطقه برای سال های 2000 و 2020 از پروژه Globeland30 مرکز ملی ژوماتیک چین استخراج شدند. در ادامه نیز با توجه به سناریوی رشد اراضی انسان ساخت و به کمک روش های BWM و MEREC که از جمله روش های نوین تحلیل های تصمیم گیری چندمعیاره مبتنی بر GIS به شمار می روند، دو نقشه برای نمایش پتانسیل رشد اراضی انسان ساخت منطقه تهیه شده است. در انتها این دو نقشه و نقشه های کاربری اراضی ورودی های مدل CA-Markov را تشکیل داده و فرایند مدل سازی یک بار با ترکیب BWM+ CA-Markov و بار دیگر با ترکیب CA-Markov MEREC+ برای سال 2040 انجام شده است.نتایج و بحث: بررسی نتایج نشان داد که در خروجی مدل ترکیبی BWM + CA-Markov وسعت اراضی انسان ساخت از 603 کیلومتر مربع در سال 2020 به بیش از 930 کیلومتر مربع در سال 2040 افزایش یافته است. درحالی که این رقم در خروجی مدل MEREC + CA-Markov حدود 829 کیلومتر مربع است. ازطرفی نتایج نهایی حاصل از اشتراک خروجی مدل های ترکیبی مذکور نیز نشان داد که وسعت این اراضی از 603 کیلومترمربع در سال 2020 به 930 کیلومترمربع در سال 2040 افزایش خواهد یافت.نتیجه گیری: رشد فزاینده اراضی انسان ساخت در این حوضه می تواند به تخریب منابع زیست محیطی و تهدید اکوسیستم منجر شود. نتایج این پژوهش مدیران مربوطه را در راستای مدیریت بهینه شرایط پیش رو و فراهم آوردن زیرساخت های مقتضی یاری می رساند.

فنّاوری سنجش ازدور فراطیفی، در دو دهه گذشته شاهد پیشرفت چشمگیری بوده است. یکی از تحلیل هایی که در خصوص تصاویر فراطیفی انجام می گیرد، آشکارسازی هدف است. در این پژوهش به آشکار سازی بام های دارای پوشش خاص به عنوان هدف، در یک محیط شهری پرداخته شده است. هم زمان با رشد شهرنشینی و توسعه مناطق شهری نیاز مدیران و برنامه ریزان به نقشه های بسیار دقیق از مناطق شهری به طور چشمگیری افزایش یافته است. ازآنجاکه یک محیط شهری دارای ویژگی های پیچیده ای از نظر فیزیکی، هندسی و عناصر به کارگرفته شده در ساختمان هاست، داده های فراطیفی کمک مؤثری به شناسایی، استخراج و تولید نقشه از عناصر سازنده یک محیط شهری می کنند. در خصوص آشکارسازی طیفی هدف، از دو دهه پیش تاکنون تحقیقات مستمر و متعددی صورت پذیرفته است. با توجه به مطالعات صورت گرفته، تاکنون، الگوریتم هرمی در مقایسه با سایر الگوریتم های استخراج اطلاعات مکانی در تصاویر فراطیفی به بهترین نتایج دست یافته است، ازاین رو در این پژوهش سعی می شود با ارائه روشی جدید و دقیق ساختمان های با پوشش خاص در تصاویر فراطیفی آشکارسازی شود.مواد و روش ها: برای انجام این پژوهش از داده های تصویری سنجنده CASI استفاده شده است. تصاویر مورد پردازش در این پژوهش شامل تصاویری با 32 باند طیفی و قدرت تفکیک 2 متر هستند که در تاریخ مه سال 2001 از منطقه شهری تولوز واقع در جنوب فرانسه برداشت شده است. در روش پیشنهادی ابتدا دو الگوریتم طبقه بندی شبکه عصبی پرسپترون چندلایه (MLP) و ماشین بردار پشتیبان (SVM) بر روی تصویر فراطیفی پیاده سازی شده، سپس از نقشه حاصل از ترکیب دو الگوریتم مذکور برای انتخاب نشانه برای الگوریتم قطعه بندی هرمی مبتنی بر نشانه استفاده می شود. در نهایت به کمک قانون تصمیم رأی اکثریت نقشه قطعه بندی هرمی مبتنی بر نشانه با نقشه حاصل از ادغام طبقه بندی های MLP و SVM ترکیب می شود.نتایج و بحث: در این پژوهش به منظور پیاده سازی الگوریتم SVM از کرنل پایه شعاعی گوسین استفاده شد. مقادیر دو پارامتر جریمه (C) و عرض تابع گوسی () در الگوریتم SVM به کمک روش ارزیابی متقاطع تعیین شد. الگوریتم طبقه بندی MLP با 3 لایه پنهان که شامل 5، 6 و 8 نورون هست پیاده سازی شد و ارزیابی آن با 500 تکرار انجام گرفت و برای انتخاب نشانه ها، آنالیز برچسب گذاری مؤلفه های متصل براساس 8 پیکسل همسایگی بر روی نقشه حاصل از ترکیب MLP و SVM صورت پذیرفت. براساس نتایج به دست آمده نقشه حاصل از روش پیشنهادی شامل مناطق یکنواخت تر و دارای ساختارهای به هم پیوسته بیشتری برای آشکارسازی ساختمان هاست که این اهمیت استفاده از اطلاعات مکانی در کنار اطلاعات طیفی را نشان می دهد. فنّاوری سنجش ازدور فراطیفی، در دو دهه گذشته شاهد پیشرفت چشمگیری بوده است. یکی از تحلیل هایی که در خصوص تصاویر فراطیفی انجام می گیرد، آشکارسازی هدف است. در این پژوهش به آشکار سازی بام های دارای پوشش خاص به عنوان هدف، در یک محیط شهری پرداخته شده است. هم زمان با رشد شهرنشینی و توسعه مناطق شهری نیاز مدیران و برنامه ریزان به نقشه های بسیار دقیق از مناطق شهری به طور چشمگیری افزایش یافته است. ازآنجاکه یک محیط شهری دارای ویژگی های پیچیده ای از نظر فیزیکی، هندسی و عناصر به کارگرفته شده در ساختمان هاست، داده های فراطیفی کمک مؤثری به شناسایی، استخراج و تولید نقشه از عناصر سازنده یک محیط شهری می کنند. در خصوص آشکارسازی طیفی هدف، از دو دهه پیش تاکنون تحقیقات مستمر و متعددی صورت پذیرفته است. با توجه به مطالعات صورت گرفته، تاکنون، الگوریتم هرمی در مقایسه با سایر الگوریتم های استخراج اطلاعات مکانی در تصاویر فراطیفی به بهترین نتایج دست یافته است، ازاین رو در این پژوهش سعی می شود با ارائه روشی جدید و دقیق ساختمان های با پوشش خاص در تصاویر فراطیفی آشکارسازی شود. مواد و روش ها: برای انجام این پژوهش از داده های تصویری سنجنده CASI استفاده شده است. تصاویر مورد پردازش در این پژوهش شامل تصاویری با 32 باند طیفی و قدرت تفکیک 2 متر هستند که در تاریخ مه سال 2001 از منطقه شهری تولوز واقع در جنوب فرانسه برداشت شده است. در روش پیشنهادی ابتدا دو الگوریتم طبقه بندی شبکه عصبی پرسپترون چندلایه (MLP) و ماشین بردار پشتیبان (SVM) بر روی تصویر فراطیفی پیاده سازی شده، سپس از نقشه حاصل از ترکیب دو الگوریتم مذکور برای انتخاب نشانه برای الگوریتم قطعه بندی هرمی مبتنی بر نشانه استفاده می شود. در نهایت به کمک قانون تصمیم رأی اکثریت نقشه قطعه بندی هرمی مبتنی بر نشانه با نقشه حاصل از ادغام طبقه بندی های MLP و SVM ترکیب می شود. نتایج و بحث: در این پژوهش به منظور پیاده سازی الگوریتم SVM از کرنل پایه شعاعی گوسین استفاده شد. مقادیر دو پارامتر جریمه (C) و عرض تابع گوسی () در الگوریتم SVM به کمک روش ارزیابی متقاطع تعیین شد. الگوریتم طبقه بندی MLP با 3 لایه پنهان که شامل 5، 6 و 8 نورون هست پیاده سازی شد و ارزیابی آن با 500 تکرار انجام گرفت و برای انتخاب نشانه ها، آنالیز برچسب گذاری مؤلفه های متصل براساس 8 پیکسل همسایگی بر روی نقشه حاصل از ترکیب MLP و SVM صورت پذیرفت. براساس نتایج به دست آمده نقشه حاصل از روش پیشنهادی شامل مناطق یکنواخت تر و دارای ساختارهای به هم پیوسته بیشتری برای آشکارسازی ساختمان هاست که این اهمیت استفاده از اطلاعات مکانی در کنار اطلاعات طیفی را نشان می دهد. نتیجه گیری: در این پژوهش راهبرد استفاده از اطلاعات مکانی در کنار اطلاعات طیفی برای بهبود آشکارسازی هدف در آنالیز تصاویر فراطیفی بررسی شد. برای این منظور از الگوریتم طیفی– مکانی هرمی مبتنی بر نشانه که در فرایند طبقه بندی تصاویر استفاده می شود، برای آشکارسازی بام ساختمان ها استفاده شد. در روش پیشنهادی از دو نقشه طبقه بندی در انتخاب نشانه ها و قانون تصمیم رأی اکثریت در مورد الگوریتم قطعه بندی هرمی اولیه به کار گرفته شد. در ترکیب  نقشه های طبقه بندی MLP و SVM به منظور استفاده در انتخاب نشانه ها و قانون تصمیم رأی اکثریت از احتمال شرطی و انتخاب بالاترین احتمال تعلق هر پیکسل به یک کلاس استفاده می شود.

سابقه و هدف: نقطه تزریق انرژی از شبکه انتقال به شبکه توزیع، پست های 20/63 کیلوولت هستند. تعیین محل احداث پست، از نظر فنی و اقتصادی برای شرکت های برق منطقه ای و شرکت های توزیع برق اهمیت ویژه ای دارد. هدف این پژوهش، تعیین محدوده بهینه احداث پست 20/63 کیلوولت است و تفاوت روش تحقیق این پژوهش با دیگر مطالعات مشابه، استفاده از معیارهای مرتبط با شرکت توزیع برق و لحاظ کردن تأثیر و ارتباطات درونی معیارها با یکدیگر است.مواد و روش ها: در این پژوهش از روش فرایند تحلیل شبکه ای و توابع فازی در بستر GIS استفاده شده است. با بررسی منابع و نظر سنجی از کارشناسان خبره، تعداد 13 معیار به عنوان عوامل اصلی و تأثیرگذار در تعیین محل احداث پست تعیین و سپس با استفاده از نرم افزار ArcGIS، نقشه های  معیارها تهیه شد. به منظور همگن کردن لایه های اطلاعاتی، داده ها با استفاده از توابع عضویت فازی بین 0 و 1 قرار گرفتند. وزن نهایی معیارها با استفاده از روش ANP تعیین و در نقشه فازی خود اعمال شدند. برای تحلیل نهایی موضوع پژوهش، از عملگر گاما با مقادیر گامای 7/0، 8/0 و 9/0 استفاده شد. به منظور انتخاب بهینه گامای فازی، داده ها در نرم افزار SPSS و با استفاده از آزمون ضریب همبستگی گاما، تجزیه وتحلیل شدند که در نتیجه، مقدار ضریب همبستگی و انحراف از معیار محاسبه شد.نتایج و بحث: نتایج حاصل از محاسبه انحراف معیار نشان داد که دقت گامای 7/0 از دو گامای دیگر بالاتر است. در نقشه نهایی به دست آمده، محدوده شهر کهک، محدوده بهینه برای احداث پست 20/63 کیلوولت در سطح استان قم است.

سابقه و اهداف: کیفیت هوای پاک، به منزله یکی از ضروری ترین نیازهای موجودات زنده، براَثر فعالیت های طبیعی و انسانی به مخاطره افتاده است. در سال های اخیر، طوفان های گردوغبار ازلحاظ مکانی و زمانی همواره درحال افزیش بوده و سبب آسیب های بی شمار درحوزه سلامت اجتماعی، اقتصادی و زیست محیطی، برای ساکنان مناطق جنوب و جنوب غرب ایران، شده است. در پژوهش حاضر، به منظور بررسی طوفان های گردوغبار و تشخیص عمق دید افقی، داده های سنجنده مادیس به کار رفته است. مواد و روش ها: از مزایای داده های سنجنده مادیس می توان به توان تفکیک طیفی و زمانی بالا اشاره کرد. همچنین داده های ایستگاه های هواشناسی با توجه به بازه زمانی مورد مطالعه جمع آوری شده است. پس از پیش پردازش داده ها و آماده سازی مشاهدات میدانی، به منظور استخراج ویژگی های مورد نیاز برای انجام دادن مدل سازی ها، ازطریق روش تفاضلی بین باندهای منتخب هر تصویر داده های سنجنده مادیس، به همراه ویژگی های استخراج شده از سنسورهای ایستگاه های هواشناسی زمینی استفاده شده است. با بررسی های بیشتر و ارزیابی های صورت گرفته و استفاده از دیدگاه های خبرگان هواشناسی، 36 ویژگی تفاضلی از باندهای گوناگون تصاویر مادیس و شش ویژگی از داده های ایستگاه های هواشناسی زمینی، یعنی درمجموع 42 ویژگی، استخراج شده است. در ادامه، ازطریق تکنیک های انتخاب ویژگی، بهترین ویژگی ها شناسایی و با به کارگیری روشی جدید با نام ML-Based GMDH، که حاصل بهبود شبکه عصبی GMDH ازطریق تغییر توابع جزئی با مدل های یادگیری ماشین است، برای تشخیص غلظت گردوغبار و دید افقی استفاده شد. برای دستیابی به دقت مناسب نیز ابرپارامترهای این مدل به صورت ابتکاری، با استفاده از الگوریتم بهینه سازی TLBO، تنظیم شدند. در ادامه، روش های یادگیری ماشین Basic GMDH SVM، MLP، MLR، RF و مدل گروهی آنها نیز، برای مقایسه با رویکرد اصلی، اجرایی شد؛ طبق نتایج، روش ML-Based GMDH تنظیم شده با  TLBOبا ایجاد بهبود درقیاس با روش های یادگیری ماشین ذکرشده، دقت بهتری را در تشخیص غلظت گردوغبار فراهم کرده است. نتایج و بحث: روش SVM-PSO به منزله روش برتر در مرحله انتخاب ویژگی، روش RF به منزله روش برتر در میان روش های پایه دسته بندی و روش های Ensemble SVM و Ensemble RF به منزله روش های برتر در مرحله گروهی و دسته بندی انتخاب شدند. همچنین مشاهده شد، با استفاده از رویکرد گروهی، بهبود مطلوبی در تشخیص دسته دید افقی پدید آمد. در رویکرد دوم، روشی با عنوان ML-Based GMDH که حاصل بهبود شبکه عصبی GMDH ازطریق تغییر توابع جزئی با مدل های یادگیری ماشین است، استفاده شد که کاربرد آن در تقریب غلظت گردوغبار است. همچنین، برای دستیابی به دقت مناسب، ابرپارامترهای این مدل با الگوریتم بهینه سازی TLBO با دقت بسیار بالا تنظیم شدند. نتایج حاصل نشان دادند این روش، با ایجاد بهبود درمقایسه با بهترین روش های انتخابی از رویکرد اول، دقت مناسبی را در تقریب غلظت گردوغبار و عمق دید افقی فراهم کرده است.