درخت حوزه‌های تخصصی

طی دهه های گذشته، طوفان های گردوغبار از لحاظ مکانی و زمانی همواره در حال افزیش بوده اند. طوفان های گردوغبار خاورمیانه سبب رسیدن آسیب های بی شماری در حوزه سلامت اجتماعی، اقتصادی، زیست محیطی و دیگر موارد به ساکنان مناطق جنوب و جنوب غرب ایران شده است. در این مقاله، به منظور بررسی طوفان های گردوغبار، از داده های سنجنده MODIS استفاده شد. از محاسن داده های سنجنده MODIS، توان تفکیک طیفی و زمانی بالای آن است. در این پژوهش، از دو مجموعه داده MODIS استفاده شد؛ بخش اول، داده های توسعه مدل (رخداد 21-18 ژانویه 2018) و بخش دوم، داده های تست و ارزیابی مدل. داده های هواشناسی نیز، با توجه به بازه زمانی مورد مطالعه، جمع آوری شد. پس از پیش پردازش داده ها و آماده کردن مشاهدات میدانی، ویژگی (ورودی شبکه عصبی مصنوعی) از داده های سنجنده MODIS، به روش پیشنهادی، تولید می شود. ازطریق شبکه عصبی مصنوعی، مدلی مناسب توسعه یافت که، بدین ترتیب، می توان گردوغبار استخراج و پارامتر دید افقی را، هم زمان، برآورد کرد. خروجی مدل با خروجی شاخص NDDI مقایسه بصری شد. سپس، برای بررسی کارآیی روش پیشنهادی، مدل توسعه یافته با داده های مربوط به زمان دیگر تست و خروجی مدل با خروجی شاخص NDDI مقایسه بصری شد. در نهایت، به منظور نشان دادن نقاط قوت و ضعف روش پیشنهادی، ارزیابی دقت ازطریق مقایسه نتایج روش پیشنهادی و پارامتر دید افقی در ایستگاه های سینوپتیک انجام شد. میزان خطای کلی، به ترتیب، 10%، 10%، 15% و 10% درمورد پردازش تصاویر هجدهم ژانویه، نوزدهم ژانویه، بیستم ژانویه و 21اُم ژانویه 2018 و 20% و 25% درمورد پردازش تصاویر 26اُم ژانویه 2019 و 28اُم اکتبر 2018 به دست آمد. با اتصال به پایگاه داده سازمان هواشناسی کشوری، روش پیشنهادی دارای قابلیت به کارگیری در سیستم خودکار استخراج گردوغبار است.

تهیة اطلاعات دقیق و به روز از منابع جنگلی یکی از عوامل اساسی در مطالعه و مدیریت پایدار این منابع است و این اطلاعات را می توان به آسانی و با صرف هزینه و زمان کمتر، از راه طبقه بندی داده های دورسنجی تهیه کرد. در این مطالعه به منظور ارزیابی عملکرد الگوریتم های ماشین بردار پشتیبان و حداکثر احتمال در تهیه نقشه کاربردی اراضی جنگل های رودخانه ای، از داده های ماهواره لندست 8 استفاده شد. برای این کار، پنجره ای از تصاویر چندطیفی سنجندة OLI جنگل های رودخانة مارون بهبهان، در استان خوزستان، انتخاب شد. پس از عملیات پیش پردازش، شامل رفع خطای رادیومتریک و تصحیح اتمسفریک، طبقه بندی تصاویر به روش نظارت شده و با استفاده از الگوریتم های حداکثر احتمال و ماشین بردار پشتیبان و با هفت کلاس کاربری جنگل، مرتع، کشاورزی، آیش، رودخانه، مسکونی و جاده، و همچنین سه کلاس کاربری جنگل، رودخانه و دیگر مناطق، روی مجموعة باندهای اصلی صورت پذیرفت. برای ارزیابی عملکرد الگوریتم ماشین بردار پشتیبان، از سه گروه نمونة تعلیمی با تعداد 241، 141 و 41 نمونه و همچنین از چهار هستةخطی، چندجمله ای، شعاعی و حلقوی استفاده شد. نتایج حاصل نشان داد که تهیة نقشة طبقه بندی جنگل های رودخانه ای مارون و تفکیک کاربری ها با استفاده از تصاویر سنجندة OLI امکان پذیر است و بهترین نتیجه مربوط به طبقه بندی، با استفاده از الگوریتم - PolynomialSVM در باندهای اصلی سنجندة OLI و با سه کلاس کاربری و صحت کلی 24/99 و ضریب کاپای 97/0 است. همچنین مشخص شد که با کاهش تعداد کلاس ها از هفت به سه، کاربری صحت طبقه بندی افزایش می یابد ولی با کاهش تعداد نمونه ها تا حد میانگین، تغییر محسوسی در کیفیت طبقه بندی رخ نمی دهد و در صورت کاهش زیاد تعداد نمونه ها، از صحت طبقه بندی نیز کاسته می شود.

حوضه آبخیز تکاب، یکی از مهم ترین حوضه های آبخیز دریاچه ارومیه است. این حوضه آبخیز، کاملا مرتفع و کوهستانی بوده و رواناب ناشی از ذوب برف آن، اهمیت بسیار زیادی دارد. تجمع برف در ماه های زمستان یک سال، در ماه های بهار سال بعدی پر اهمیت تلقی می شود و آب حاصل از ذوب برف، برای تاسیسات آبی از اهمیت ویژه ای برخوردار است. به طوری که سیلاب های قابل توجهی را در زمانی که ذوب برف با بارندگی گرم بهاره همراه باشد، به وجود می آورد. بنابراین پیش بینی ذوب برف، لازم و ضروری به نظر می رسد و بدون در نظر گرفتن این عامل مدیریت منابع و مخازن و برنامه ریزی منابع آبی و هیدرولوژی رودخانه ها میسر نخواهد بود. برای شبیه سازی جریان در حوضه آبخیز تکاب از مدل رواناب ذوب برف SRM، از سال های آبی 83-84 و برای اعتبار سنجی آن از سال های آبی 84-85 استفاده شد. با توجه به اینکه تصاویر سنجنده ی MODIS از قدرت تفکیک زمانی مناسب در برف سنجی برخوردار هستند، برای برآورد سطح تحت پوشش برف از این تصاویر استفاده شده است. نتایج حاصل از تحقیق، نشان داد که استفاده از نقشه های پوشش برفی به دست آمده از تصاویر MODIS در پیش بینی رواناب حوضه مفید است. همچنین نتایج نشان می دهد که مدل، قابلیت و توانایی شبیه سازی جریان رواناب حاصل از ذوب برف را دارا است. برای ارزیابی مدل از دو شاخص ضریب تعیین و تفاضل حجمی استفاده شده است که در این مطالعه به ترتیب برابر 75/0و 84/27 درصد هستند. مقادیر بدست آمده، نشان می دهند که مدل در برآورد رواناب حاصل از ذوب برف این حوضه دقت بالایی دارد و نشانگر قابلیت کاربرد مدل برای حوضه های دیگر منطقه است

داده های اخذ شده توسط سنجنده های ماهواره ای، به طور معمول به سه دسته تصاویر با قدرت تفکیک مکانی پایین، متوسط و بالا تقسیم می شوند. بسیاری از تصاویر با قدرت تفکیک مکانی پایین و متوسط و قدرت تفکیک زمانی بالا، به راحتی در دسترس کاربران هستند، در حالی که تصاویر با قدرت تفکیک مکانی بالا، در اکثر مواقع دارای قدرت تفکیک زمانی بالایی نیستند و یا به صورت تجاری و با هزینه بالا در دسترس هستند. علاوه بر این، تصاویر با قدرت تفکیک مکانی بالا معمولا فاقد باندهای حرارتی بوده و لذا در مدل کردن فرآیند های طبیعی، مانند تبخیر- تعرق با محدودیت مواجه هستند. تولید نقشه های تبخیر- تعرق روزانه، با قدرت تفکیک مکانی بالا، همواره یکی از چالش های محققان سنجش ازدور بوده است. هدف این مطالعه، امکان سنجی تولید نقشه های تبخیر- تعرق روزانه با قدرت تفکیک مکانی 30 متر است. این تحقیق بر روی زمین های کشت و صنعت امیرکبیر اجرا شده است. برای این منظور ابتدا از بین باندهای 36 گانه تصویر مادیس، باندهایی که از لحاظ طیفی، تقریبا معادل با تصویر لندست 8 بودند، شناسایی شدند. سپس با استفاده از الگوریتم های SADFAT و STARFM و تصاویر لندست 8 و مادیس، باندهای مرئی و مادون قرمز با قدرت تفکیک زمانی روزانه و قدرت تفکیک مکانی 30 متر تولید شدند و در نهایت با استفاده از الگوریتم سبال، نقشه های تبخیر- تعرق واقعی از باندهای شبیه سازی شده تولید شدند. مقایسه تبخیر- تعرق های شبیه سازی شده با تبخیر- تعرق های به دست آمده با روش فائو- پنمن- مانتیث نشان دهنده و است. همچنین مقایسه تبخیر- تعرق شبیه سازی سازی شده با تبخیر- تعرق حاصل از تصویر لندست 8، در همان روز نشان دهنده و است که نشان دهنده عملکرد خوب چهارچوب پیشنهادی برای ریز مقیاس نمایی در این مطالعه است.

در این مطالعه سامانه همرفتی عمیق روز ۲۷ مارس ۲۰۰۷ و سطوح جهیده (OT) مرتبط با آن که در برخی مناطق غرب و جنوب غرب ایران منجر به رخداد توفان و بارش های شدید شد، با استفاده از تصاویر SEVIRI مورد بررسی قرار گرفت. توسعه و اضمحلال سامانه با کاربرد تصاویر RGB حاصل از باندهای مریی، فروسرخ میانی و پنجره فروسرخ پایش شد. همچنین با کاربرد تصویر باند مریی، پدیده-های OT شناسایی شدند و توانایی روش های اختلاف دمای درخشندگی باندهای بخار آب، ازن و دی اکسیدکربن با IRW، برای شناسایی OT ارزیابی شد. درنهایت برای درک شرایط رخداد سامانه همرفتی مورد بررسی که با پدیده OT همراه بوده است، نقشه های انرژی پتانسیل همرفتی، روباد سطح پایین و جریان باد و همچنین نمودار هوف مولر رطوبت نسبی و رطوبت ویژه تفسیر شدند. نتایج نشان داد بیش تر پدیده های OT سطوحی با دمای ۲۰۸ تا ۲۱۵ درجه کلوین دارند که با معیار بیشینه دمای OT مطابقت دارد؛ اما چند پدیده OT با سطوحی اندکی گرم تر از ۲۱۵ درجه کلوین نیز مشاهده شده اند. در هر سه روش اختلاف دمای درخشندگی باندهای فروسرخ، برخی پیکسل ها به اشتباه به عنوان OT شناسایی شدند و برخی پدیده های OT بر اساس آستانه های تعیین شده، شناسایی نشدند، که به دلیل قدرت تفکیک مکانی نسبتاً ضعیف تصاویر مورد استفاده است. با وجود این که با کاربرد این تصاویر و روش ها تعداد و محل دقیق این پدیده ها را نمی توان به درستی تعیین نمود، اما می توان رخداد یا عدم رخداد آن ها را به طورکلی مورد بررسی قرار داد که می تواند برای تعیین ویژگی های فضایی و زمانی و همچنین شرایط رخداد پدیده OT که اثرات اقلیمی و جوی مهمی دارند، مفید و پرکاربرد باشد. بررسی شرایط رخداد سامانه مورد مطالعه نشان داد در روز رخداد این سامانه و روز قبل آن روباد سطح پایین در منطقه حضور داشته و در تزریق هوای گرم و مرطوب به منطقه نقش مؤثری داشته است.

پیدایش و گسترش ابزارهای پیشرفته سنجش از دور و ژئوفیزیک در زمینه اکتشاف منابع معدنی در دهه های اخیر، نشان دهنده اهمیت این صنعت است. در این پژوهش، از سنجنده هایETM + ، ASTER، داده های هایپریون EO-1 و داده های مغناطیس سنجی هوابرد به صورت همزمان به منظور پتانسیل یابی منابع معدنی، پهنه بندی نواحی دگرسانی و شناسایی بخش های پنهان کانی زایی معدنی از شمال شرقی مشکین شهر تا نواحی شمال غربی شهرستان سراب استفاده شده است. با استفاده از داده های مغناطیسی هوابرد، نقشه برگردان به قطب شده، نقشه مشتق قائم، نقشه زاویه کجی، نقشه گرادیان افقی کل، نقشه سیگنال تحلیلی و نقشه ادامه فراسو تا ارتفاع 1000 متری از سطح زمین برای منطقه مورد مطالعه تهیه شده است. همچنین با استفاده از داده های دورسنجی روش های نقشه برداری زاویه طیفی، آنالیز مولفه اصلی به ترتیب به عنوان روش های طیف مبنا و آمار پایه و روش فیلتر تطبیقی ترکیبی تعدیل شده برای منطقه مورد مطالعه تهیه و مورد بررسی قرار گرفته است. با توجه به شواهد زمین شناسی و نتایج حاصل از این پژوهش، اعم از چشمه های آب گرم، گسل های فعال و فراوان و گنبدهای ولکانیکی، دگرسانی ها و مناطق مستعد که دارای پتانسیل بالایی از منابع معدنی هستند، شناسایی و ارزیابی شدند. دگرسانی های سیلیسی و کائولینیتی در شمال مشکین شهر، در نیمه شمال غربی سبلان (دره موئیل) و در شمال غربی سراب از مهم ترین آنومالی های معدنی در این منطقه محسوب می شوند که با معادن فعال سیلیس، کائولن، سرب و مس در منطقه مورد مطالعه انطباق کامل دارند در نهایت از تمامی محدوده های پتانسیل یابی در منطقه مورد مطالعه، نمونه و آنالیز XRD تهیه شد که نتایج روش ها با یکدیگر همخوانی و مطابقت کاملی دارند. به همین دلیل استفاده از روش های یاد شده برای دسترسی به نتایج مناسب تر، برای انطباق نتایج داده ها با هم ضروری به نظر می رسد.

در این تحقیق، طرح روشی مناسب جهت شناسایی تغییرات در زمین های کشاورزی، با استفادة هم زمان از روش شیء گرا و روش ترکیب رنگی به صورت نظارت شده، بررسی شده است. بدین منظور، از تصاویر چندزمانة سنجنده های 7Landsat استفاده شده است. درواقع در این روش، برخلاف روش های رایج که تصاویر با هم مقایسه می شوند و سپس تغییرات شناسایی می شود، برای شناسایی تغییرات از ترکیب تصاویر و درنتیجه، آشکارشدن تغییرات با رنگ هایی متفاوت با رنگ اولیه استفاده شده و مقایسه ای جداگانه صورت نگرفته است. ایدة اصلی عرضة روشی شیءگراست که در آن، با استفاده از دو تصویر، یک تصویر هم مرجع شدة چندزمانه، شامل کل لایه های دو تصویر، تهیه شده است. سپس با انتخاب پارامترهای مناسب قطعه بندی، تک تصویر ایجادشده قطعه بندی و پس از آن، با استفادة هم زمان از روش ترکیب رنگی و روش های طبقه بندی شیء گرا، به نواحی تغییریافته و تغییرنیافته طبقه بندی شده است. درواقع، روش ترکیب رنگی با ایجاد نواحی رنگی متفاوت با تصاویر اولیه، قطعه های تغییریافته را به صورت بصری مشخص می کند و با انتخاب چند نمونه از آن قطعه ها از سوی کاربر خبره، با اعمال طبقه بندی شی ءگرا، این قطعه ها در کل تصویر شناسایی می شوند. درنهایت، با انتخاب نمونه های آموزشی فقط از یک تصویر، نواحی برچسب خورده و نواحی تغییریافتة نهایی به دست آمده است. نتایج بیانگر آن است که این روش به علت استفاده از اطلاعات مکانی افزون بر اطلاعات طیفی، از جهت کاهش نمونه های آموزشی، افزایش دقت (تقریباً 3٪) و افزایش درصد اطمینانِ طبقه بندی بر روش های معمولی شناسایی تغییرات، که از مقایسة دو تصویر چندزمانه استفاده می کنند، برتری دارد.

آشکارسازی صحیح و آنی تغییرات پوشش و کاربری اراضی از موضوعات مهم حوزة برنامه ریزی و مدیریت اراضی به شمار می آید. یکی از روش های متداول شناسایی تغییرات، آنالیز تصاویر سنجش از دوری با تکنیک هایی نظیر حد آستانه گذاری تصویر اختلاف است. روش های متداول حد آستانه گذاری، عموماً مبتنی بر جست وجوی فراگیر و مستلزم صرف هزینة محاسباتی بالایی هستند. از طرفی، ماهیت تک بعدی آنها سبب می شود تا در حل مسائل چندبعدی همچون حد آستانه گذاری تصاویر چندطیفی سنجش از دوری زمان محاسبات به طور نمایی افزایش یابد. راهکار پیشنهادی این پژوهش برای کاهش زمان محاسبات تکنیک های متداول حد آستانه گذاری، استفاده از الگوریتم بهینه سازی توده ذرات است که تکنیک سریع و کارآمدی را برای شناسایی تغییرات معرفی می کند. روش پیشنهادی همراه با چندین روش متداول حد آستانه گذاری روی دو سری دادة تصاویر دوزمانة سنجنده TM پیاده سازی شد. برای ارزیابی قابلیت تکنیک ارائه شده در این پژوهش از سه پارامتر زمان محاسبات، صحت آشکارسازی تغییرات و پایداری الگوریتم در برآورد حد آستانة بهینه استفاده شد. نتایج ارزیابی نشان می دهند که الگوریتم پیشنهادی ضمن حفظ صحت آشکارسازی تغییرات، سبب کاهش زمان محاسبات در حدود 15 درصد و 98 درصد در مقایسه با دو تکنیک حد آستانه گذاری OTSU و کمینه سازی مجموع واریانس داخل کلاسی شده است. همچنین با مقایسة مقادیر جدول توزیع نرمال استاندارد با آمارة آزمون برآوردشده، ثبات الگوریتم پیشنهادی در برآورد حد آستانة بهینه در سطح اطمینان 90 درصد پذیرفته شد. نتایج حاصل از تحقیق بیانگر قابلیت بالای تکنیک پیشنهادی در حد آستانه گذاری سریع، پایدار و کارآمد تصویر اختلاف به منظور آشکارسازی خودکار و نظارت نشدة تغییرات در تصاویر ماهواره ای چندزمانه است.

در مطالعات زمین شناسی و کانی شناسی، وجود پوشش گیاهی سالم و خشک در پیکسل های حاوی اطلاعات طیفی اجتناب ناپذیر است. بنابراین، بازیابی اطلاعات در حد زیرپیکسل، مانند برآورد میزان حضور یک کانی در یک پیکسل از تصاویر سنجش از دور ابرطیفی، مسئله ای مهم محسوب می شود. در این پژوهش، روش عمق پیوستار اصلاح شده اثر پوشش گیاهی (VCCD)، برای کاهش اثر پوشش گیاهی سالم و خشک در تخمین میزان کانی های هدف، با استفاده از داده های طیف سنجی، آزمایشگاهی کانی شناسی و تصاویر هایپریون (Hyperion) اصلاح و در منطقه اوغلانسر در شمال غرب ایران مورد صحت سنجی قرار گرفت. تخمین پوشش گیاهی سالم و خشک در سطح پیکسل، به ترتیب، با شاخص SAVI و عمق عارضه جذبی در ۲۱۰۲ نانومتر انجام شد. اصلاح عمق حذف پیوستارشده (CRBD)، با روش VCCD، تا آستانه حداکثری حضور پوشش گیاهی سالم برابر با ۶۰ و برای گیاه خشک در بازه 60-56 و ترکیب گیاه سالم و خشک در بازه ۷6-۷2% امکان پذیر است. تأثیر وجود نویزهای تصادفی و تغییر نوع پوشش گیاهی در عملکرد روش اصلاح شده بررسی شد و نتایج نشان داد که روش VCCD توسعه یافته، در مقایسه با وجود نویزهای تصادفی در طیف ها و تغییر نوع پوشش گیاهی، حساسیت بیشتری ندارد. بعد از اصلاح ضرایب مدل و پس از تأیید کارآیی آن، روش پیشنهادی برای اصلاح CRBD و کاهش اثر پوشش گیاهی، روی تصویر Hyperion، اجرا شد. طبق نتایج، حضور پوشش گیاهی سالم و خشک در کانی های کائولینیت و مسکویت منجر به تخمین کمتر از مقدار واقعی می شود. میزان بهبود در صحت برآورد کانی با اعمال روش VCCD درمورد کانی های کائولینیت و مسکویت، به ترتیب، معادل 0.25 و 0.13 ضریب تعیین و میزان خطا 0.0108 و 0.0125 است.

شناسایی، ماموریتی برای کسب اطلاعات در مورد فعالیت ها، منابع، توانمدی ها و موقعیت دشمن است. شناسایی اهداف نظامی می تواند اطلاعاتی پیرامون وضعیت فعالیت ها، استقرار نیروها، آرایش نظامی و بسیاری از اطلاعات گوناگون دیگر از یک محدوده نظامی را در اختیار فرماندهان قرار دهد. در سال های اخیر پیشرفت تکنولوژی در زمینه سنجش از دور امکان تهیه تصاویر مختلف با قدرت تفکیک طیفی و مکانی بالا را فراهم نموده است. تلفیق تصاویر فراطیفی و تصاویر با قدرت تفکیک مکانی بالا می تواند کمک موثری به شناسایی، استخراج و تولید نقشه از عناصر سازنده یک محیط را فراهم نماید. هدف از تحقیق حاضر، شناسایی اهداف نظامی با استفاده از تلفیق تصاویر فراطیفی و تصاویر با قدرت تفکیک مکانی بالا می باشد. برای این منظور، پنجره ای از تصاویر سنجنده های هایپریون،ALI و OrbView3، انتخاب گردید. در ابتدا نسبت به پیش پردازش داده فراطیفی هایپریون از لحاظ باندهای غیرقابل استفاده، نوارهای بد عمود، تصحیح اتمسفری و تصحیح هندسی اقدام شد. در ادامه تصویر هایپریون در فرایند دو مرحله ای با باندهای پانکروماتیک تصاویر ALI و OrbView3 با استفاده از الگوریتم های Gram schmidt ، Pc Spectral و IHS تلفیق شد. نتایج تلفیق نشان داد، روش Gram schmidt بهترین عملکرد را از نظر طیفی و مکانی داشته است. در ادامه تحقیق از تبدیل MNF به منظور کاهش ابعاد تصویر و کاهش نویزها بهره گرفته شد و از الگوریتم PPI خالص ترین پیکسل ها به منظور استخراج پروفیل طیفی با مقایسه با طیف های مرجع به صورت بصری و دقیق به دست آمد. در ادامه از الگوریتم های BANDMAX ، نقشه بردار زاویه طیفی و دایورجنس اطلاعات طیفی جهت شناسایی اهداف استفاده شد. نتایج ارزیابی شناسایی اهداف نشان داد که روش BANDMAX با دقت کلی 89.77 و ضریب کاپای 0.81 نسبت به دو الگوریتم دیگر عملکرد بهتری داشته است.

اسکان موقت پس از زمین لرزه از مهم ترین موضوع ها در مدیریت بحران به شمار می آید، و انجام صحیح آن با کاهش گسترده تلفات جانی و مالی ناشی از پس لرزه ها همراه است. هدف از انجام این تحقیق ارزیابی توانایی و مقایسه عملکرد دو الگوریتم شاخص هوش جمعی با نام های الگوریتم زنبورها (Bess) و الگوریتم اجتماع ذرا (PSO)- در بهینه سازی تخصیص مکان های اسکان موقت است که یکی از موضوعات مهم مکانی به شمار می آید. در الگوریتم بهینه سازی اجتماع ذرات از رفتار اجتماعی پرندگان الهام گرفته می شود. این الگوریتم مورد استفاده گسترده در مقوله های بهینه سازی پیوسته قرار گرفته است ولی در مقوله های گسسته چندان به آن توجه نشده است. در این تحقیق با بررسی نقاط ضعف و قوت نسخه های مختلف الگوریتم پرندگان گسسته (DPSO) موجود، نوع جدیدی از این الگوریتم ارائه شده است که در حل مسائل گسسته توانایی بالایی دارد. الگوریتم زنبور عسل از فرایند جست و جوی غذای زنبورها در طبیعت الهام گرفته است. این الگوریتم در پژوهش حاصر برای حل مسئله اسکان موقت شرح و بسط داده شد و در نهایت نتایج حاصل از هر دو الگوریتم مذکور، از داده های شبیه سازی شده و به منظور ارزیابی دقت عملکرد الگوریتم ها از داده های منطقه 7 تهران به عنوان داده های واقعی استفاده شد. مقایسه اعداد همگرایی هر یک از دو الگوریتم در داده های واقعی، عملکرد بسیار بهتر الگوریتم ابداعی را در کمینه سازی تابع هدف مسئله نشان می دهد. در نهایت به منظور ارزیابی کیفیت و دقت الگوریتم از تست تکرارپذیری برای نتایج حاصل از اجرای هر الگوریتم روی داده ها استفاده شد. نتایج حاصل از این آزمون ها نمایانگر عملکرد دقیق هر یک از دو الگوریتم در بهینه سازی تخصیص افراد به مناطق امن است.

اکوتوریسم یا طبیعت گردی گرایشی از صنعت گردشگری است که طی سالهای اخیر توجه بسیاری از مسولین و مردم را به خود جلب کرده و یکی از اهرمهای توسعه اقتصادی و اجتماعی بسیاری از کشورهای توسعه یافته و در حال توسعه بوده است. از آنجا که فعالیت غیر نظام مند اکوتوریسم می تواند اثرات منفی بر محیط زیست داشته باشد، ارزیابی فعالیتهای اکوتوریسمی با استفاده از چارچوب ها و روش های معتبر علمی من جمله DPSIRمی تواند در برنامه ریزی های مدیران این صنعت، موثر و مفید واقع گردد. هدف اصلی این پژوهش ارزیابی وضعیت اکوتوریسم در منطقه رودبار قصران و لواسانات با استفاده از چارچوب DPSIR می باشد. هر کدام از پنج بخش این مدل ارزیابی مورد بررسی و تحلیل قرار گرفت و یافته ها در قالب جداولی ارائه گردیدند. طبق نتایج به دست آمده از طبقه بندی تصاویر سال های 2004 و 2016، فضاهای ساخته شده از 3625 متر مربع به 8744 متر مربع افزایش یافته است. از جمله دلایل این امر را افزایش جمعیت، نزدیکی به پایتخت و سهولت در رفت و آمد در نتیجه گسترش خانه های دوم و افزایش ساخت و ساز اماکن مرتبط با خدمات گردشگران دانست. ارزیابی های صورت گرفته و نتایج بدست آمده از این تحقیق می تواند به عنوان یک ساختار پشتیبان تصمیم برای مدیران و برنامه ریزان در این حوزه و اتخاذ استراتژی های مناسب جهت پیاده سازی اکوتوریسم پایدار، مورد استفاده قرار گیرند.

طوفان های گردوغبار یکی از مهم ترین چالش های اخیر در منطقه غرب آسیا محسوب می شود. این پدیده به علت خشکسالی شدت بیشتری یافته و آثار منفی فراوانی در زندگی مردم منطقه گذاشته است. ازآنجاکه این منطقه در کمربند خشک و گردوغباری جهان قرار گرفته، ضروری است تا ابعاد گوناگون ریزگردها به خوبی واکاوی شود. پیش بینی و مدلسازی این پدیده می تواند از به خطر افتادن جان میلیون ها انسان جلوگیری کند. بنابراین، ارائه مدلی منطقه ای برای بررسی ابعاد گوناگون این پدیده ضروری است. المان های هواشناسی و اقلیمی مؤثر در پدیده ریزگرد همواره درحال تغییرند بنابراین، باید از مدل های مکانی- زمانی برای مدلسازی و بصری سازی آن بهره برد. بدین منظور، در این مطالعه با استفاده از قابلیت های مدلسازی مکانی- زمانی سیستم اطلاعات مکانی (GIS) و داده های به دست آمده از سنجش از دور (RS) همچون سرعت باد، رطوبت خاک، بافت خاک و مدل ارتفاعی زمین مدلی برای برآورد میزان گردوغبار برخاسته از سطح زمین طراحی و توسعه داده شد. مدل طراحی شده که DustEM (Dust Emission Model) نامیده شده است، میزان انتشار جریان های افقی ریزگرد را محاسبه می کند. در این مطالعه مدلسازی برای بازه زمانی سال 2001 تا 2007 صورت گرفت و نتایج به دست آمده از آن با داده های AOD سنجنده MODIS ارزیابی شد. به منظور شناسایی مناطق با فعالیت ریزگرد بالا، خروجی مدل در سه طبقه مناطق با فعالیت کم، متوسط و زیاد با استفاده از حد آستانه های 3/0 و 6/0 برای شاخص AOD طبقه بندی شد و این مدل به صورت مکانی- زمانی مناطق بحرانی را شناسایی می کند. میانگین شاخص صحت برای دوره مورد مطالعه % 6/73 به دست آمد که بیانگر دقت بالای مدل در شناسایی مناطق بحرانی است.

داده های طیفی محدوده مرئی – مادون قرمز که باحداقل هزینه و صرف وقت تهیه می شوند ، کاربرد وسیعی در برآورد خصوصیات فیزیکی و شیمیایی خاک دارند. مطالعه حاضر با هدف بررسی توانایی این روش در برآورد مقدار ماده آلی، کربنات ها و درصد گچ سطح خاک صورت پذیرفته است. بر اساس تکنیک هایپرکیوب، محل 115 پروفیل شناسایی و سپس نمونه برداری از افق های خاک انجام گرفت و مقدار ماده آلی، درصد گچ و آهک خاک با روش های استاندارد اندازه گیری شد. آنالیز طیفی خاک های مورد نظر با استفاده از دستگاه طیف سنج زمینی با دامنه طول موج 400-2500 نانومتر انجام شد. پس از ثبت طیف ها انواع روش های پیش پردازش مورد ارزیابی قرار گرفت و سپس از رگرسیون حداقل مربعات جزئی (PLSR) و رگرسیون مولفه اصلی((PCR برای برای پیش بینی پارامترهای مورد نظر استفاده شد. جهت ارزیابی مدل 80 درصد داده ها برای کالیبراسیون مدل و 20 درصد برای صحت سنجی مدل به صورت تصادفی انتخاب شدند. پیش پردازش های مختلف از جمله: مشتق اول و دوم به همراه فیلتر ساواتزکی و گلای، متغیر نرمال استاندارد و تصحیح پخشیده چندگانه با هم مقایسه شدند. نتایج این بررسی نشان داد بهترین نتایج مدل سازی مربوط به روش PLSR با پیش پردازش مشتق اول+فیلتر ساویتزکی و گلای برای برآورد گچ،کربنات و ماده آلی خاک بدست آمد. با توجه به مقادیر درصد انحراف نسبی(RPD)، پیش بینی مدل برای درصد گچ و ماده آلی در کلاس خوب و برای کربنات ها در کلاس ضعیف می باشد.

از فضاهای شهری جرم زا تحت عنوان فضاهای بی دفاع شهری نیز یاد می شوند که نسبت به سایر فضاهای شهری قابلیت بیشتری برای بروز جرم دارند. هدف از این پژوهش شناسایی فضاهای بی دفاع و جرم خیز در محله های پردیس شهر اهواز با استفاده از روش توصیفی-تحلیلی موردی و پیمایشی و تهیه نقشه شاخص های مورد مطالعه (میزان روشنایی، نوع کاربری، میزان و موقعیت جرائم، فاصله از معابر اصلی) در محیط ArcGIS می باشد. نتایج پژوهش نشان می دهد که با توجه به بافت خالی و میزان جرائم اتفاق افتاده و سیستم روشنایی ضعیف منطقه، 54/89 درصد از محدودة منطقه را فضاهای خیلی بی دفاع و بی دفاع و فقط 44/10 درصد از فضای منطقه را فضاهای ایمن و خیلی ایمن در برگرفته است که پراکنش این فضاهای ایمن بیشتر در نزدیکی معابر اصلی و خیابان هایی واقع شده که بیشترین میزان روشنایی را در شب دارا می باشد.

با توجه به وسعت جهانی منابع آب، اندازه گیری های زمینی از پارامترهای کیفی امکان پذیر نیست، همچنین نمونه برداری سنتی از آب و آنالیزهای آزمایشگاهی بسیار پرهزینه و زمان بر است. در مطالعات صورت گرفته، برآورد کدورت و غلظت کلروفیل آ به عنوان مهم ترین پارامترهای کیفی آب با استفاده از شبکه های عصبی مصنوعی با دقت مناسب توسط پژوهشگران انجام شده است. با توجه به مشکلاتی که در تهیه تعداد بالایی از داده های آموزشی در محیط های آبی وجود دارد استفاده از شبکه های ترکیبی مقاوم تری نظیر شبکه عصبی موجکی پیشنهادشده است. در این تحقیق انواع مختلفی از توابع موجک به عنوان تابع محرک شبکه مورداستفاده قرار گرفت و بهترین شبکه به منظور برآورد غلظت کلروفیل آ و کدورت به ترتیب شبکه های عصبی موجکی با تابع محرک مورلت و کلاه مکزیکی به دست آمد، داده های مورداستفاده محصول بازتاب اقیانوسی سنجنده مادیس است، به دلیل به کارگیری تصاویر چند زمانه نرمال سازی رادیومتریک داده ها انجام شد و نتایج نسبت به زمانی که از تصاویر نرمال نشده استفاده شده است، به صورت قابل توجهی بهبود یافت. در حالت چندزمانه علاوه بر افزایش تعداد داده های آموزشی، قابلیت تعمیم پذیری شبکه به سایر روزهایی که در آن تعداد داده میدانی کافی موجود نیست، فراهم شده است و دقت شبکه در این حالت در مقایسه باحالت تک زمانه افزایش یافت، درنهایت RMSE برای بهترین مدل به منظور برآورد کدورت و غلظت کلروفیل به ترتیب 047/0 و 071/0 به دست آمد که در مقایسه با دقت اندازه گیری میدانی 1/0، قابل قبول بوده و می تواند جایگزین مناسبی برای اندازه گیری های میدانی باشد.

فعالیت های طبیعی و انسانی در مناطق ساحلی، باعث تغییرات پویای کاربری و پوشش زمین می شود. رشد سریع جمعیت در این مناطق، باعث تسریع در روند تغییر کاربری ها و پوشش طبیعی زمین و انتقال به کاربری های مسکونی و توسعه زیرساخت ها می شود. این پژوهش، به منظور بررسی و مدل سازی تغییرات کاربری زمین در حوزه تالاب انزلی بین سال های 1975 تا 2015، با استفاده از تصاویر ماهواره ای و پیش بینی تغییرات احتمالی کاربری زمین در سال 2045 با استفاده از مدل LCM انجام شده است. به منظور دستیابی به تغیی رات کمی و کیف ی رخ داده در منطقه مورد مطالعه، نقشه های کاربری حوزه آبخیز تالاب انزلی از تصاویر ماهواره لندست سال های 1975، 1989، 2000 و 2015 استفاده شده است. بر این اساس، شش طبقه کاربری کشاورزی، مرتع، جنگل، اراضی تالابی، اراضی مسکونی و تالاب با استفاده از روش طبقه بندی الگوریتم حداکثر احتمال م دنظ ر ق رار گرف ت. ارزیابی صحت نقشه های کاربری زمین مستخرج از تصاویر ماهواره ای به دو صورت دقت کلی و ضریب کاپا به ترتیب برابر 87 درصد و 0.71 با استفاده از 323 نقطه از طریق الگوریتم نمونه گیری لایه ای تصادفی محاسبه شد. تجزیه و تحلیل ماتریس تشخیص تغییرات نشان می دهد که در طی دوره زمانی 1975 تا 2015 کل تغییرات و انتقال کاربری های مختلف به یکدیگر 76648.14 هکتار است. بیشترین تغییرات بین کاربری های مختلف در طی این زمان مربوط به انتقال کاربری های مختلف به کاربری کشاورزی به میزان 49827.69 هکتار است که این میزان معادل 65 درصد کل تغییرات کاربری های مختلف است. در تغییر کاربری های صورت گرفته به کشاورزی، کاربری های جنگل (64 درصد)، مرتع(16 درصد)، اراضی تالابی (10 درصد)، تالاب(8 درصد) و مناطق مسکونی (2 درصد) بیشترین سهم را دارند. در طول مدت مطالعه، گسترش کاربری مسکونی همواره روندی مثبت و منطبق بر افزایش جمعیت داشته است. مدل سازی پتانسیل انتقال با استفاده از شبکه عصبی مصنوعی و استفاده از 7 متغیر و 8 زیر مدل انجام شد. نتایج مدل سازی با استفاده از شبکه عصبی در اکثر سناریوها صحت بالایی (60.14 تا 88.73 درصد) را نشان داد. به منظور بررسی صحت مدل سازی ضریب کاپای استاندارد (0.8948) و مقادیر خطای Null Successes (77.9 درصد), Hits (3.1 درصد), Misses (15.9 درصد), False Alarms (3.1 درصد) محاسبه و وضعیت صحت برای موقعیت و کمیت پیکسل های هر طبقه به دست آمد. نسبت Hits به کل پیکسل های تغییر کرده (14.2) بیانگر قابل قبول بودن نتایج مدل در پیش بینی تغییرات کاربری زمین است. مقایس ه نتایج حاص ل از تبدیل و تغییر کلاس ک اربری ه ای زمین در دوره زم انی 2015 ت ا 2045 (پیش بینی شده) در منطقه، نش ان می دهد اگر روند بهره برداری از س رزمین با ش یوه مدیریت فعلی ادامه یابد، 10036.26 هکتار اراضی جنگلی به اراضی کشاورزی (67.69 درصد)، مرتع(32.04 درصد)، مناطق مسکونی(0.16 درصد) و اراضی تالابی تبدیل می شود و با احتساب انتقال سایر کاربری ها به کاربری جنگل در مجموع در طول این مدت، شاهد کاهش 9963.36 هکتار جنگل خواهیم بود. به طور کلی در این مدت اراضی کشاورزی، مرتع و مناطق مسکونی افزایش یافته و کاربری های جنگل، تالاب و اراضی تالابی کاهش خواهد داشت.

شواهد نشان می دهد که سنجش از دور ارزش خود را به منزلة ابزاری قدرتمند در سراسر جهان تثبیت کرده است. سنجش از دور می تواند هزینه ها را کاهش دهد و زمان اجرای طرح ها را کوتاه کند؛ به ویژه با داشتن دیدی جامع از مناطق  بزرگ که دسترسی به آنها دشوار است. هدف از پژوهش حاضر پیش بینی فرسایش خندقی، با استفاده از داده های سنجش از دور و مدل مکسنت (Maxent) در حوضة الوند، در بخش غربی استان کرمانشاه است. حوضة الوند، به دلیل وسعت و آلوده بودن به مین و هم مرزبودن با کشورعراق، با مشکل دسترسی مواجه است. از سوی دیگر، قالب بودن اراضی مارنی و نبود پوشش گیاهی مناسب باعث چیرگی فرسایش خندقی در منطقه شده است. بر همین اساس، در پژوهش حاضر، با کار ترکیبی حاصل از بازدید میدانی و سنجش از دور که در محیط گوگل ارث انجام گرفت، لایة تحلیل مکانی مورد نیاز مدل مکسنت تهیه و پهنة مناطق خندقی رقومی سازی شد و به صورت متغیرهای مستقل، به مدل معرفی شد. همچنین، برای تجزیه و تحلیل سطح زمین، مدل رقومی ارتفاعی رادار سنجندة الوس به کار رفت و پانزده لایة محیطی با دقت تفکیک دَه متر به منزلة متغیرهای وابسته تهیه شدند. با استفاده از این مدل کمی و آماری، سه هدف ذیل تحقق یافت: 1. میزان تأثیر هر لایة محیطی با استفاده از آزمون Jackknife به دست آمد؛ 2. روند بیشترین و کمترین تأثیر هر پارامتر، با استفاده از رگرسیون لجستیک، بررسی شد؛ 3. نقشة پتانسیل فرسایش خندقی برای کل منطقه تهیه شد. سپس اعتبار سنجی مدل، با استفاده از منحنی ROC و محاسبة مساحت زیرمنحنی(AUC) ، صورت گرفت. نتایج به دست آمده نشان داد مؤثرترین شاخص در ایجاد فرسایش خندقی مربوط به شاخص ارتفاع، فاصلة عمودی از سطح کانال و تجمع جریان است و اعتبارسنجی برابر  با AUC=0.899  است که سطح خوب نتایج را نشان می دهد.

روش های اتوماتیک شناسایی و استخراج عارضه ساختمان از منابع گوناگون اطلاعاتی همچون تصاویر هوایی و ماهواره ای و داده های لیدار دارای کاربردهای بسیار وسیع و مهم مانند به روزرسانی نقشه ها، مدلسازی و آنالیز رشد و پیشرفت در مناطق شهری و نیمه شهری به دست می آید. هدف اصلی مقاله طرح روش جدید اتوماتیک استخراج ساختمان با تلفیق داده های لیدار و تصویر هوایی است. برا ی این منظور در مرحله اول، انواع روش های شناسایی ساختمان (SVM 1 ، MD 2 و ANN 3 ) در دو سطح پیکسل پایه و شیء مبنا بررسی و ارزیابی شد. نتایج حاصل از شناسایی حاکی از توانایی بالای روش SVM، در مقایسه با دیگر روش ها، در دو سطح پیکسل پایه و شیء مبناست که دقت کلی 95.9٪ و خطای نوع اول 6.2٪ و خطای نوع دوم 3.2٪ را نشان می دهد که در حالت پیکسل مبنا به منزله روش منتخب شناسایی است. در مرحله دوم، براساس روش منتخب شناسایی مرز دقیق ساختمان بازسازی می شود. بنابراین با استفاده از قطعه بندی برمبنای طیفی و هندسی، لبه هر ساختمان به صورت قطعات مجزا تفکیک شد. سپس لبه های هر ساختمان براساس معادلات کمترین مربعات بازسازی می شود. نتایج روش پیشنهادی استخراج ساختمان با دقت کلی 96.85٪ ، خطای نوع اول 5.9٪ و خطای نوع دوم 2.5٪ برای الگوریتم پیشنهادی استخراج است.