درخت حوزه‌های تخصصی

سنجش از راه دور GIS

ادبیات اقتصاد تاریخ تربیت بدنی جغرافیا حقوق روانشناسی زبان شناسی علم اطلاعات و دانش‌شناسی علوم اجتماعی علوم اسلامی علوم انسانی علوم تربیتی علوم سیاسی فلسفه و منطق مدیریت مطالعات زنان هنر و معماری
جغرافیای انسانی جغرافیای طبیعی رشته های جغرافیای عمومی فنون جغرافیایی گروه های ویژه نقد و بررسی کتاب
روش های کمی در جغرافیا سنجش از راه دور GIS نقشه کشی (کارتوگرافی)
ترتیب بر اساس: جدیدترینپربازدید‌ترین
فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۹۰۱ تا ۹۲۰ مورد از کل ۱٬۱۴۲ مورد.
۹۰۱.

بررسی عملکرد الگوریتم های تخمین غلظت گاز گلخانه ای CO2، براساس داده های ماهواره گوست (GOSAT) و ایستگاه های زمینی(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال دوازدهم پاییز ۱۳۹۹ شماره ۳ (پیاپی ۴۷) 23 - 36

کلید واژه ها: ماهواره گوست دی اکسید کربن (CO2) گازهای گلخانه ای الگوریتم بازیابی

حوزه های تخصصی:
تعداد بازدید : ۴۱۳ تعداد دانلود : ۲۹۵
افزایش سطح غلظت گازهای گلخانه ای و به تبع آن، گرم شدن کره زمین و تغییرات آب وهوایی یکی از مهم ترین چالش های قرن بیست ویکم شناخته شده است. این پژوهش عملکرد الگوریتم های موجود در بازیابی غلظت گازهای گلخانه ای دی اکسید کربن را، براساس داده های مشاهداتی ماهواره نظارت بر گازهای گلخانه ای گوست (GOSAT)، در مقایسه با داده های مرجع به دست آمده از شبکه سطحی (TCCON)، در هشت سایت منتخب در دوره زمانی 2015-2011 بررسی می کند. الگوریتم های مورد ارزیابی عبارت اند از الگوریتم NIES، ACOS و RemoTeC (SRFP). این الگوریتم ها بر بازیابی فراوانی ستونی از گازهای مورد نظر متمرکز شده اند تا از مقادیر مولکولی هوای خشک اتم دی اکسید کربن (XCO2) بهره بگیرند. برای ارزیابی محصولات هر الگوریتم با مقدار معادل مشاهداتی زمینی آن، از شاخص های آماری اریبی (Bias)، جذر میانگین مربع خطاها (RMSE)، خطای مطلق (MAE)، انحراف معیار (SD) و ضریب همبستگی پی یرسون (CR) در هر ایستگاه استفاده شده است. نتایج بررسی مقادیر داده شده نشان می دهد که، در بیشتر ایستگاه های زمینی مورد نظر، به ترتیب الگوریتم های NIES، ACOS، RemoTeC (SRFP) دارای کمترین خطای RMSE، MAE، و کمترین خطای اریبی بوده اند. همچنین، کمترین مقادیر همبستگی (بین هر الگوریتم و شبکه سطحی) متعلق به الگوریتم (SRFP) و بیشترین مقادیر آن، درمورد بیشتر ایستگاه ها، متعلق به الگوریتم NIES در یک میانگین پنج ساله (2015-2011) است. 
۹۰۲.

توزیع مکانی - زمانی دما و تبخیر تعرق مرجع با استفاده از داده های CRU در خراسان رضوی و پیش نگری تغییرات آتی برمبنای مدل های اقلیمی CMIP5(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال دوازدهم بهار ۱۳۹۹ شماره ۱ (پیاپی ۴۵) 55-72

کلید واژه ها: تغییر اقلیم تبخیر تعرق داده های شبکه ای CRU مدل اقلیمی

حوزه های تخصصی:
تعداد بازدید : ۴۱۱ تعداد دانلود : ۳۶۴
تبخیر تعرق گیاه مرجع متغیری است که مهم ترین جزء چرخه هیدرولوژی محسوب می شود. با توجه به ارتباط مستقیم تبخیر تعرق مرجع با متغیرهای اقلیمی، انتظار می رود افزایش دمای هوا و تغییرات فراسنج های مرتبط با دما در روند و مقدار ETo تأثیر بگذارد. در این مطالعه، ضمن بررسی مهارت داده های شبکه ای CRU در برآورد میانگین سالیانه سه متغیر دمای کمینه، بیشینه و تبخیر تعرق در استان خراسان رضوی، پیش نگری تغییر در مقدار، نوسانات مکانی و روند زمانی این سه متغیر، با استفاده از برون داد چهار مدل سری CMIP5، تحت دو سناریوی واداشت تابشی (4.5 و 8.5) طی دو دوره آینده نزدیک (2050-2021) و آینده میانی (2080-2051) بررسی شد. نتایج نشان داد داده های CRU دارای مهارت مناسبی در شبیه سازی دما در منطقه اند. میانگین سالیانه دمای کمینه، در دوره 2050-2021، تحت هر دو سناریو، بیش از C ᵒ6/1 افزایش خواهد یافت که تحت RCP8.5، مساحت بیشتری از استان دچار این افزایش خواهد شد. این منطقه، طی دوره 2080-2021، با افزایش بیش از Cᵒ3 در میانگین سالیانه دمای کمینه مواجه خواهد شد. افزایش دمای بیشینه در سناریوی RCP8.5 طی دوره میانی، در تمامی استان، حدود Cᵒ4 برآورد شد. مقایسه مقادیر ETo مشاهداتی با برون داد چهار مدل اقلیمی در تمامی نقاط شبکه برای دوره پایه نشان داد، به رغم تفاوت در مقدار، نحوه پراکنش مکانی مقادیر ETo مدل با توزیع مکانی مقادیر مشاهداتی هم خوانی مناسبی دارد. براساس نتایج به دست آمده، طی دو دوره مورد بررسی، این متغیر افزایش خواهد یافت و همان طور که انتظار می رود، تحت سناریوی RCP8.5، درصد افزایش بیش از سناریوی مقابل است. [1] Reference Evapotranspiration (ETo)
۹۰۳.

ارزیابی تناسب اراضی مبتنی بر روش های تصمیم گیری چند معیاره مکانی جهت استقرار نیروگاه های بادی در استان خراسان رضوی(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال یازدهم پاییز ۱۳۹۸ شماره ۳ (پیاپی ۴۳) 59-78

کلید واژه ها: نیروگاه بادی سیستم اطلاعات مکانی (GIS) فرآیند تحلیل شبکه (ANP) میانگین وزنی مرتب شده (OWA) آزمون تصمیم گیری و آزمایش ارزیابی (DEMATEL)

حوزه های تخصصی:
تعداد بازدید : ۴۰۹ تعداد دانلود : ۳۵۶
تعیین تناسب اراضی، برای استقرار توربین های بادی به منظور بهره برداری مناسب از پتانسیل های موجود و بالقوه انرژی بادی، به عنوان یکی از منابع انرژی تجدید پذیر، در مناطق مختلف کشور دارای اهمیت است. تعیین مناطق با تناسب بالا جهت استقرار توربین های بادی تأثیر زیادی در کارایی تجهیزات و وسایل تولید برق بادی دارد. تاکنون تحقیقات صورت گرفته در منطقه خراسان رضوی، تنها به تحلیل آماری داده های سرعت و جهت باد بسنده کرده و معیارهای مکانی تأثیرگذار در محل احداث نیروگاه بادی را کمتر مدنظر قرار داده است. این تحقیق به دنبال تحلیل تناسب اراضی، برای احداث نیروگاه بادی با استفاده از معیارهای محیطی (شامل شیب، ارتفاع، فاصله از گسل، فاصله از رودخانه، فاصله از مناطق حفاظت شده)، فنی (شامل متوسط سرعت باد، پیوستگی باد و تراکم باد) و اقتصادی (شامل فاصله از شهر، فاصله از روستا، فاصله از فرودگاه، فاصله از منابع طبیعی و فاصله از جاده) و با استفاده از روش های تصمیم گیری چند معیاره ANP، ANP-DEMATEL و ANP-OWA است. هدف، ارزیابی نتایج هر یک از مدل ها و تولید نقشه تناسب اراضی برای احداث نیروگاه بادی در سناریوهای مختلف تصمیم گیری است. بر این اساس، ابتدا با استفاده از توابع تحلیلی سامانه اطلاعات مکانی، کل محدوده برای هر یک از معیارها پهنه بندی شده و سپس نقشه تناسب اراضی با استفاده از هر یک از روش های تصمیم گیری چندمعیاره ذکرشده، تولید و با یکدیگر مقایسه شده اند. با بررسی نقشه های تناسب اراضی مشخص شد که در سناریوهای مختلف تصمیم گیری، ناحیه جنوب شرقی استان دارای بیشترین پتانسیل برای احداث نیروگاه بادی است. نتایج این تحقیق، ابزار مناسبی برای تصمیم گیری درباره انتخاب مکان مناسب، به منظور احداث نیروگاه بادی در اختیار این صنعت قرار می دهد.
۹۰۴.

تشخیص سازه های ساخت بشر در تصاویر هوایی با استفاده از ویژگی های آماری مبتنی بر رنگ و یادگیری ماشین(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال یازدهم پاییز ۱۳۹۸ شماره ۳ (پیاپی ۴۳) 21-42

کلید واژه ها: تصویر هوایی منابع طبیعی سازه های ساخت بشر یادگیری ماشین ویژگی های آماری

حوزه های تخصصی:
تعداد بازدید : ۴۰۹ تعداد دانلود : ۳۳۹
تصاویر هوایی ثبت شده توسط ماهواره ها و یا پهپاد ها، معمولا شامل نواحی مربوط به منابع طبیعی و نواحی حاوی سازه های ساخت بشر است. با تفکیک این نواحی از یکدیگر، قادر خواهیم بود اطلاعات مهمی نظیر آرایش ساختاری سطوح و شکل آنها را استخراج و نقشه های هواییِ برچسب دار ایجاد کنیم. دست یابی به چنین اطلاعاتی می تواند کاربرد های بسیار مفیدی در زمینه های نظامی، شهری و زیست محیطی داشته باشد. از آنجایی که پردازش حجم عظیمی از تصاویر به دست آمده از ماهواره ها و پهپاد ها بصورت دستی امکان پذیر نیست، لذا استفاده از روش های خودکارِ مبتنی بر هوش مصنوعی در این حوزه، بسیار مورد توجه قرار گرفته است. تاکنون پژوهش های متعددی در این باره انجام شده است که از اهم آنها می توان به شناسایی ساختمان ها، وسایل نقلیه، جاده ها و همچنین تشخیص ساختار پوشش گیاهی در تصاویر هوایی اشاره کرد. در این مقاله، قصد داریم با معرفی مجموعه ای از ویژگی های آماری مبتنی بر رنگ که به سادگی قابل استخراج از تصاویر هوایی هستند و با استفاده از یک مدل مبتنی بر یادگیری، راهکاری کارآمد برای تشخیص دقیق و سریع سازه های ساخت بشر و تفکیک آنها از منابع طبیعی ارایه دهیم. نتایج آزمایش های انجام گرفته بر روی بانک تصاویر ماساچوست که به صورت عمومی، قابل دسترس است، نشان دهنده دقت مناسب و سرعت عمل بالای راهکار پیشنهادی است. به طوری که، دقت و میانگین سرعت پردازش به دست آمده به ترتیب برابر با ٪۰۷/۹۰ و 96/0 ثانیه است.
۹۰۵.

کاربرد شبکه کانولوشنی LSTM در طبقه بندی محصولات کشاورزی با استفاده از سری زمانی NDVI(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال چهاردهم بهار ۱۴۰۱ شماره ۱ (پیاپی ۵۳) 89 - 106

کلید واژه ها: یادگیری عمیق حافظه کوتاه مدت بلند سری زمانی سنتینل 2 طبقه بندی محصولات کشاورزی

حوزه های تخصصی:
تعداد بازدید : ۴۰۸ تعداد دانلود : ۱۷۱
تغییرات رشد محصولات کشاورزی در فواصل زمانی نسبتاً کوتاه، ناهم زمانی کشت محصولات مشابه، شباهت طیفی میان محصولات گوناگون در برخی از زمان های دوره کشت و کمبود داده های زمینی، طبقه بندی محصولات زراعی در تصاویر ماهواره ای را به کاری چالش برانگیز مبدل می کند. تغییر مقدار درصد پوشش و سبزینگی، در طول فصل رشد، از برجسته ترین ویژگی پوشش های گیاهی ازجمله محصولات کشاورزی است که می توان بر آن نظارت کرد. این کار با استفاده از سری زمانی شاخص های گیاهی انجام می شود که اطلاعات بسیار مفیدی از توالی ویژگی های فنولوژیک محصولات کشاورزی در اختیار ما قرار می دهد. استفاده از روش های یادگیری عمیق با توانایی یادگیری اطلاعات متوالی حاصل از این سری ها می تواند، در طبقه بندی محصولات کشاورزی و کاهش وابستگی به داده های زمینی، مفید باشد. شبکهLong-Short Term Memory (LSTM) یکی از انواع شبکه های عصبی بازگشتی در تجزیه و تحلیل داده های متوالی است که توانایی یادگیری توالی های بلندمدت در سری زمانی را دارد؛ بنابراین در این مطالعه، پس از محاسبه شاخص NDVI از باندهای ماهواره سنتینل 2 در نُه تاریخ متفاوت و تشکیل سری زمانی آن شاخص برای ورود به شبکه، دو ناحیه متفاوت در دشت مغان در نظر گرفته شد که محصولات کشت شده در آنها، طی عملیات زمینی، برداشت شده بود. در ناحیه اول، شبکه کانولوشنی LSTM برای طبقه بندی محصولات آموزش دید و در ناحیه دیگر، کارآیی این شبکه آموزش دیده در طبقه بندی محصولات ارزیابی شد و دقت کلی 82% و ضریب کاپای 8/0 به دست آمد. افزایش تعداد نمونه های زمینی و انتخاب مرز دقیق محصولات، می تواند کارایی روش مورد استفاده را افزایش دهد.
۹۰۶.

سنجش از دور اهداف زیر سطحی با استفاده از سامانه های پر قدرت گرم کننده ی الکترومغناطیسی یونسفری (هارپ)(مقاله علمی وزارت علوم)

نویسنده:
منبع: سپهر دوره ۲۶ زمستان ۱۳۹۶ شماره ۱۰۴

کلید واژه ها: امواج الکترومغناطیسی پر قدرت هارپ سنجش از دور اهداف زیرسطحی یونسفر

حوزه های تخصصی:
تعداد بازدید : ۴۰۹ تعداد دانلود : ۳۲۶
برای پنهان سازی سازه ها و تأسیسات زیرسطحی، شناخت عملکرد و توان فناوری های سنجش از دور نوین و پیشرفته از ضروریات اساسی است. یکی از این فناوری ها در سامانه های پر قدرت گرم کننده ی الکترومغناطیسی یونسفری بکار گرفته شده است که از امواج الکترومغناطیسی پر قدرت در محدوده فرکانسی 3 تا 10 مگاهرتز استفاده می کند. هارپ با ساطع کردن این امواج به منطقه ای از یونسفر موجب گرم شدن آن منطقه شده و این گرمایش منجر به گسیل امواجی با محدوده فرکانس خیلی پائین VLF و ELF می شود. هدف اصلی این تحقیق تحلیل و شناخت قابلیت سنجش از دور سامانه های پر قدرت گرم کننده ی الکترومغناطیسی یونسفری (هارپ)، در شناسایی اهداف زیرسطحی می باشد. در این پژوهش با بهره گیری از روش ترکیبی تجزیه و تحلیل داده های چندگانه بر مبنای توصیف و تحلیل داده های جمع آوری شده از منابع علمی و تئوریک، گزارشات رسمی و معتبر، بررسی نتایج آزمایشات تجربی انجام گرفته در جهان و ایران و در نهایت اخذ نظر خبرگان و صاحب نظران جامعه آماری تحقیق به روش میدانی، به سؤال اصلی تحقیق پاسخ داده شده است. نتایج حاصل از این تحقیق نشان می دهد که سامانه های پر قدرت گرم کننده ی الکترومغناطیسی یونسفری، قابلیت سنجش از دور و امکان شناسائی اهداف زیرسطحی را دارند. بر این اساس، این سامانه ها تهدیدی جدی برای شناسایی اهداف زیر سطحی محسوب می شوند؛ و لذا در ادامه تحقیق، راهکارهای دفاع غیرعامل در برابر این تهدید  نیز ارائه گردیده است.
۹۰۷.

آشکارسازی تغییرات مناطق شهری مبتنی بر شبکه های عصبی، ویژگی های مکانی و الگوریتم ژنتیک با استفاده از تصاویر ماهواره ای بزرگ مقیاس(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال هفتم تابستان ۱۳۹۴ شماره ۲ (پیاپی ۲۶)

کلید واژه ها: آشکارسازی تغییرات گسترش شهر ویژگی های مکانی شبکه های عصبی الگوریتم ژنتیک

حوزه های تخصصی:
تعداد بازدید : ۴۰۸ تعداد دانلود : ۲۴۶
آشکارسازی تغییرات پوشش اراضی برای پایش رشد شهرها و برنامه ریزی مسئولانه در مورد آنها امری ضروری است. سنجش از دور فناوری قدرتمندی است که می توان از آن در آشکار سازی تغییرات اراضی استفاده کرد. یکی از چالش های موجود در این زمینه توسعة روش های کارآمد به منظور آشکار سازی تغییرات با سطح خودکارسازی بالاست که بتواند اطلاعاتی صحیحی در مورد موقعیت جغرافیایی و ماهیت این تغییرات ارائه کند. در پژوهش حاضر با استفاده از دو تصویر GeoEye منطقة 17 شهر تهران مربوط به سال های 2004 و 2010 از ویژگی های مکانی متن تصویر، شبکه های عصبی و الگوریتم ژنتیک برای آشکار سازی تغییرات استفاده شد. شش حالت مختلف، هریک با دو رویکرد طبقه بندی مستقیم چندزمانی و مقایسة پس از طبقه بندی، از دیدگاه صحت آشکارسازی و زمان اجرای الگوریتم مورد مقایسه قرار گرفتند. بررسی های انجام شده نشان دادند که رویکرد طبقه بندی مستقیم چندزمانی در هر شش حالت نتایج بهتری ارائه کرده است. همچنین در بین شش حالت بررسی شده، عملکرد حالت ششم (روش پیشنهادی این تحقیق) از نظر صحت طبقه بندی بهتر است. در حالت ششم پس از انتخاب بهینة ویژگی ها، طبقه بندی مبتنی بر شبکه های عصبی با تعیین معماری شبکه و با چندین بار اجرا صورت می گیرد. هرچند زمان اجرای این روش درمقایسه با دیگر حالت های بررسی شده بیشتر است، اما درصورتی که صحت طبقه بندی به زمان ارجحیت داشته باشد این روش کاملاً توصیه می شود
۹۰۸.

مقایسه کارآیی الگوریتم های ماشین بردار پشتیبان و حداکثر احتمال در آشکارسازی تغییرات کاربری اراضی (مطالعه موردی: حوضه آبخیز سیمینه رود)(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال هشتم تابستان ۱۳۹۵ شماره ۲ (پیاپی ۳۰)

کلید واژه ها: تصاویر ماهواره ای الگوریتم ماشین های بردار پشتیبان حداکثر احتمال کاربری اراضی

حوزه های تخصصی:
تعداد بازدید : ۴۰۷ تعداد دانلود : ۳۷۱
با توجه به اینکه الگوریتم های متنوعی برای طبقه بندی تصاویر ماهواره ای در سنجش از دور توسعه یافته اند، انتخاب الگوریتم مناسب طبقه بندی در دستیابی به نتایج صحیح نقش بسیاری ایفا می کند. به همین منظور در پژوهش حاضر، با مقایسه کارآیی صحت طبقه بندی دو الگوریتم حداکثر احتمال و ماشین های بردار پشتیبان، الگوریتم دقیق تر تعیین، و از آن برای بررسی روند تغییرات کاربری اراضی استفاده شد. تحقیق حاضر در حوزه آبخیز سیمینه رود و با استفاده از تصاویر سنجنده های TM، ETM + و OLI انجام گرفت. نتایج تحقیق نشان داد که الگوریتم ماشین بردار پشتیبان، درمقایسه با الگوریتم حداکثر احتمال، تصاویر ماهواره ای را بهتر طبقه بندی کرده است و از میان کرنل های ماشین بردار، کرنل تابع پایه شعاعی (RBF) کارآیی بهتری داشته است. بنابراین، از الگوریتم ماشین بردار پشتیبان با کرنل تابع پایه شعاعی برای تهیه نقشه کاربری اراضی دوره های مورد بررسی و تغییرات کاربری استفاده شد. بررسی روند تغییرات کاربری اراضی، با استفاده از این کرنل، مشخص کرد که در طی دوره های بررسی شده، مساحت کاربری های زراعت آبی از 30.535 هکتار به 67.210 هکتار، زراعت دیم از 79.909 هکتار به 123.383 هکتار و مناطق مسکونی از 474 هکتار به 1934 هکتار افزایش یافته است درحالی که مراتع از 259.811 هکتار به 178.398هکتار، و منابع آب از 240 هکتار به 41 هکتار روند کاهشی دارند.
۹۰۹.

کاربرد روش های زمین آمار و GIS در مکان یابی مناطق مستعد سیستم های آبیاری در مناطق خشک و نیمه خشک (مطالعة موردی: دشت خالدآباد بادرود)(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال ششم زمستان ۱۳۹۳ شماره ۴ (پیاپی ۲۴)
حوزه های تخصصی:
تعداد بازدید : ۴۰۶ تعداد دانلود : ۲۱۲
درسال ها یاخیر،اهمیت آب زیرزمینی به مثابه منبع مهم تأمین آب در مناطق خشک و نیمه خشک به دلیلبرداشتبی رویهازآن دوچندان شده است. برداشت بی رویه سبب افتسطحایستابیآب در بسیاری از مناطق کشور شده است و باجایگزین کردن روش ها ی آبیارینوینبه جایروشآبیاریسنتیمی تواناز روند افت سفره و درنتیجه بیابان زایی جلوگیری کرد. کیفیتآب آبیاریازمحدویت ها ی مهم توسعة آبیاریتحتفشار در مناطق خشکو نیمه خشک به شمار می آید. هدف پژوهش حاضر شناسایی مناطق مستعد آبیاری تحت فشار در دشت خالدآباد با استفاده از تکنیک های زمین آمار و GIS است. به منظور پهنه بندی کیفیت آب دشت از پارامترهای کیفی 11 چاه پیزومتری موجود در دشت استفاده شد. برای پهنه بندی نقشه های کیفی از بین روش های زمین آماری IDWو کریجینگ ، روش کریجینگ به دلیل داشتن RMSE و MAE کمتر، انتخاب شد. با روی هم انداختن لایه های کیفیت آب براساس منطق بولین، مناطق با کیفیتآب مناسب برایاجرایسیستمآبیاریتحتفشارمشخصشدند. نتایج نشان دادند که 9/21 درصد از منطقه برای آبیاری بارانی مناسب و 4/54 درصد از منطقه برای آبیاری قطره ای مناسب است. پیزومترهایاستفاده شده برای آبیاریقطره ایدرمحدودةوسیع تری قرارگرفتند.بنابرایندربخشوسیعیازمنطقة مورد مطالعه، سیستم آبیاریقطره ای درمقایسه با روش آبیاری بارانیقابلیتاجرایی و راندمان آبیاری بالاتری دارد. کلید واژه ها : GIS، کیفیت آب زیرزمینی، آبیاری تحت فشار، مکان یابی، بادرود.
۹۱۰.

تحلیلی بر تغییرات و پیش بینی روند کاربری اراضی شهر ارومیه با استفاده از مدل SVM و شبکه های عصبی(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال دوازدهم زمستان ۱۳۹۹ شماره ۴ (پیاپی ۴۸) 53 - 72

کلید واژه ها: طبقه بندی شهر ارومیه شبکه عصبی SVM MLP

حوزه های تخصصی:
تعداد بازدید : ۴۰۴ تعداد دانلود : ۲۱۱
رشد جمعیت شهرنشین با افزایش فضاهای شهری و به طورکلی، با رشد اندازه شهرها همراه بوده است. این امر به صورت ساخت وساز بیشتر و تغییر اراضی موجود به نفع فضاهای ساخته شده بروز می یابد. موقعیت خاص شهر ارومیه در مجاورت دریاچه ارومیه و شرایط نامساعد این دریاچه لزوم توجه به برنامه ریزی صحیح کاربری اراضی را، در این شهر، ناگزیر می کند. یکی از ابزارهای مورد نیاز برای برنامه ریزی مناسب، در این زمینه، بهره گیری از تکنیک های سنجش از دور است. پژوهش حاضر با هدف ارزیابی این تغییرات (دوره 2015-1989) و پیش بینی روند آتی آن صورت گرفته است. از روش های SVM و شبکه عصبی برای ارزیابی تغییرات در پنج کلاس استفاده شده است. ضریب تعیین (0.73) و منحنی راک (82.55%) نیز بیانگر دقت بالای مدل شبکه عصبی برای پیش بینی تغییرات گسترش شهری اند. با توجه به دقت بالای این مدل، که می تواند نتایج واقعی تری ارائه دهد، از نتایج این نوع طبقه بندی در پیش بینی تغییرات برای افق 2045 استفاده شده است. اراضی ساخته شده در سال 1989 برابر با 7469.1 هکتار بوده که در سال 2002 و 2015، به ترتیب، به 9217.3 و 9436.9 هکتار رسیده است. در سال 2045، براساس مدل پیش بینی شبکه عصبی، برابر با 22449.6 هکتار خواهد بود که 13012.7 هکتار افزایش را در اراضی ساخته شده نشان می دهد. نتایج حاصل گویای این است که تمامی این ساخت وسازها برمبنای نیاز واقعی شهر نبوده و پدیده اسپرال (گستردگی شهری) اتفاق افتاده است.
۹۱۱.

تدقیق رقومی سازی قطعات ثبتی با تکیه بر حفظ مساحت و طول های چند ضلعی(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال دهم تابستان ۱۳۹۷ شماره ۲ (پیاپی ۳۸)

کلید واژه ها: رقومی سازی سرشکنی زوایای پلی گون حفظ مساحت قطعات ثبتی

حوزه های تخصصی:
تعداد بازدید : ۴۰۳ تعداد دانلود : ۳۴۰
کلیه اسناد املاک قدیمی کشور که کاغذی هستند می بایستی به نقشه های رقومی و زمین مرجع تبدیل گردند. در رقومی سازی قطعات جهت ورود به سامانه حدنگاری، لازم است که فرم رقومی چندضلعی ازنظر مساحت و ابعاد محیطی با سند (قبلی) مطابقت داشته باشد. در فرایند رقومی سازی ویژگی های هندسی عوارض نظیر مساحت پلی گون ها تغییر می یابد. حفظ مطابقت طول ها و مساحت، مانع از بروز مغایرت در اسناد و ایجاد اختلافات ثبتی و معاملاتی می گردد. جهت رفع این مشکل در این تحقیق، در فرایند رقومی سازی با ثابت نگه داشتن طول های اضلاع برای حفظ مساحت پلی گون ها، زوایای رئوس پلی گون ها به عنوان مشاهده در نظر گرفته می شود و روشی مبتنی بر سرشکنی کمترین مربعات با استفاده از معادلات شرط ارائه می گردد. در این فرایند، مختصات جهانی به محل های ثابت نقشه رقومی شده نسبت داده می شود و با حفظ طول اضلاع و با کمترین تغییر موقعیت رئوس، مساحت درج شده در سند جهت مطابقت لازمه تأمین می گردد. برای بررسی این روش، یک نقشه کاغذی حاوی شش قطعه با مساحت های حدود هزار مترمربع در مقیاس 1:1000 اسکن گردید و رقومی سازی با تکیه بر حفظ مساحت و طول های پلی گون ها صورت گرفت. نتایج نشان می دهد که میانگین، حداکثر و حداقل مقدار جابه جایی رئوس توسط روش سرشکنی به طور متوسط به ترتیب برابر 31/19، 96/26 و 50/10 سانتی متر است که با توجه به مقیاس نقشه و قوانین حدنگاری قطعات زراعی و اراضی ملی ازنظر ثبتی قابل قبول بوده و تدقیق صورت گرفته در رقومی سازی با توجه به مطابقت ایجادشده مقبول و مطلوب است.
۹۱۲.

ارزیابی درجه ریسک پذیری زیرساخت های شهر سمنان در برابر تهدید های نوین با رویکرد پدافند غیرعامل(مقاله پژوهشی دانشگاه آزاد)

نویسنده:
منبع: کاربرد سیستم اطلاعات جغرافیایی و سنجش از دور در برنامه ریزی دوره ۱۲ زممستان ۱۴۰۰ شماره ۴ 7 - 24

کلید واژه ها: ریسک پذیری زیرساخت شهر سمنان تهدید های نوین پدافند غیرعامل

حوزه های تخصصی:
تعداد بازدید : ۴۰۳ تعداد دانلود : ۱۲۷
شکوه و عظمت یک جامعه بستگی به حل مشکلات و رفع معضلات محتمل و قدرت مقاومت آن در مقابل حوادث اعم از طبیعی و انسان ساخت دارد، از آنجایی که زیرساخت ها حائز نقش تعیین کننده ای در فرآیند امن یک جامعه می باشند و حفظ امنیت زیرساخت ها در برابر حملات و تهدیدها، جزء اولویت های امنیتی هر کشور است به همین دلیل جوامع مختلف پیوسته به دنبال کشف و ابداع راه حل هایی بوده و هستند تا بتوانند آسیب ها را با برنامه ریزی و مدیریت مناسب کنترل یا به حداقل برسانند. در دهه های اخیر نیز نحوه مقابله با این تهدیدها، شکل علمی تری به خود گرفته و به طور مشخص میزان احتمال وقوع، خسارت وارده و چگونگی مقابله با آن ها تعیین شده است. در این راستا مقاله حاضر با استفاده از روش توصیفی- تحلیلی، پس از جمع آوری داده ها و اطلاعات موردنیاز، ابتدا میزان اهمیت و وزن هریک از زیرساخت ها با استفاده از مدل فرآیند تحلیل شبکه ای (ANP) محاسبه و سپس با آماده سازی لایه های اطلاعاتی در محیط نرم افزار Arc GIS با استفاده از توابع هم پوشانی، درجه ریسک پذیری زیرساخت های شهر سمنان در برابر حملات و تهدیدهای نظامی و امنیتی به تفکیک در چهار حوزه شبکه انرژی، شبکه ارتباطات، مراکز پشتیبان و سایر مراکز را مشخص نموده است. نتایج حاصله نشان می دهد که زیرساخت های حساس با 50.69 درصد، زیرساخت های مهم با 34.08 درصد و زیر ساخت های قابل حفاظت با 15.23 درصد در موقعیت مکانی با درجه ریسک پذیری بسیار بالا قرار دارند. نتایج کلی پژوهش نشان می دهد که 37.83 درصد کل زیرساخت های شهر سمنان در پهنه آسیب پذیری با درجه ریسک بسیار بالا پراکنده شده اند و این مسئله به دوراز اصول و ملاحظات پدافند غیرعامل بوده و تشدیدکننده میزان آسیب پذیری زیرساخت های در مواقع بحرانی ناشی از حملات و تهدیدهای نظامی و امنیتی است.
۹۱۳.

پیش بینی احتمال وجود محوطه های باستانی پیش ازتاریخ، از دوره مس و سنگ تا عصر آهن با استفاده از مدل رگرسیون لجستیک در محیط GIS، مطالعه موردی: دشت هرسین- بیستون(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال یازدهم پاییز ۱۳۹۸ شماره ۳ (پیاپی ۴۳) 43-58

کلید واژه ها: مدل رگرسیون لجستیک محوطه های باستانی پیش از تاریخ دشت هرسین - بیستون سیستم اطلاعات جغرافیایی(GIS)

حوزه های تخصصی:
تعداد بازدید : ۴۰۲ تعداد دانلود : ۲۵۶
گردآوری داده ها و ثبت محوطه های باستانی در باستان شناسی با روش بررسی میدانی، هزینه بر بوده و نیاز به نیروی انسانی و صرف وقت بسیار دارد. بر این اساس، استفاده از روش هایی که بتواند بدون نیاز به مشاهده مستقیم، احتمال وجود محوطه های باستانی را پیش بینی کند، نقش چشم گیری در صرفه جویی در زمان و هزینه های بررسی های میدانی باستان شناختی خواهد داشت. مسئله اصلی این پژوهش، ارزیابی میزان توانایی مدل رگرسیون لجستیک در پیش بینی پراکندگی محوطه های باستانی دشت هرسین- بیستون است. متغیرهای پیش بینی کننده برای این پژوهش شامل متغیرهای محیطیِ شیب، ارتفاع، فاصله تا رودخانه، پوشش گیاهی و متغیرهای فرهنگیِ فاصله تا شهرهای امروزی، تراکم روستاهای امروزی و فاصله تا جاده های اصلی می شوند و متغیر وابسته، متراکم ترین پهنه به لحاظ وجود محوطه های باستانی پیش از تاریخ است. نتایج نشان داد که مدل رگرسیون لجستیک در پیش بینی پراکندگی محوطه های باستانی در دشت هرسین- بیستون در دوره های مختلف موفق بوده است. همچنین معرفی پهنه های پرتراکم به لحاظ وجود محوطه های باستانی به عنوان متغیر وابسته به مدل در مناطقی که به لحاظ ریخت شناختی، دشت محسوب می شوند، کارآمد تر از معرفی صرفاً نقاط GPS محوطه های باستانی است و به ترتیب متغیر فرهنگیِ تراکم روستاها در عصر مس وسنگ، تراکم روستاها، فاصله تا شهرها و فاصله از جاده های اصلی کنونی در عصر مفرغ، فاصله از شهرهای کنونی و فاصله از جاده های اصلی کنونی در عصر آهن، بیشترین تأثیر را در پیش بینی پراکندگی محوطه های باستانی داشته است.
۹۱۴.

واکاوی پیامدهای خزش شهری در سکونتگاه های روستایی پیرامونی (مورد مطالعه: روستاهای جنوب کلانشهر تهران)(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال یازدهم تابستان ۱۳۹۸ شماره ۲ (پیاپی ۴۲) 1-20

کلید واژه ها: خزش شهری تغییر کاربری اراضی روستاهای پیرامونی کلانشهر تهران

حوزه های تخصصی:
تعداد بازدید : ۴۰۲ تعداد دانلود : ۳۴۶
کلانشهرها به دلیل تمرکز فوق العاده قدرت، سرمایه و جمعیت به شکل افقی به مراکز پیرامونی کشیده می شوند و این توسعه فیزیکی، اغلب به صورت ناموزون شکل گرفته و باعث بروز مشکلات زیادی همچون تغییر کاربری اراضی، دگرگونی های اجتماعی اقتصادی، طبیعی و در نتیجه بروز مسائل زیست محیطی می شود. عواملی مانند رشد شهری، ارزش زمین و تراکم توسعه از عوامل اساسی شکل گیری خزش شهری به شمار می روند که ساختار درونی شهرها را دگرگون کرده و باعث گسترش شاخص های شهری به صورت ناهمگن در نواحی پیرامونی شده و این نواحی را تبدیل به فضاهای بی برنامه می کند. در این پژوهش، الگوهای خزش شهری و تحلیل تغییرات به وجود آمده طی سه دوره به وسیله سیستم اطلاعات جغرافیایی و سنجش از دور و با استفاده از داده ها و تصاویر ماهواره ای لندست TM سال 1986 و +ETM سال 2000 و +ETM سال 2014 (1365-1379-1393) هجری شمسی انجام شد. یافته های این تحقیق نشان می دهد که طی سه دوره گذشته، ساخت و سازهای مسکونی در این ناحیه به طور چشمگیری افزایش پیدا کرده است. به طوری که مساحت این ساخت و سازها از89/4 درصد در سال 1986 به 3/10 درصد در سال 2014 افزایش پیدا کرده و در مقابل، مساحت اراضی زراعی از33/61 درصد در سال 1986 به 7/44 درصد در سال 2014 کاهش یافته است. البته ساخت و سازهای پراکنده و خزش شهری در ناحیه مورد مطالعه به صورت الگوی خزش گسسته بوده که باعث رخداد ناپایداری در بخش کشاورزی و اقتصاد روستایی ناحیه شده است. همچنین گسترش شبکه راه ها، بزرگراه ها، شبکه برق و ساخت و سازهای غیرمسکونی، خزش شهری گسسته را در ناحیه مورد مطالعه تشدید کرده است. لذا به منظور کاهش ناپایداری کشاورزی و تغییر کاربری اراضی ارزشمند کشاورزی و مرتعی، توجه به برنامه ریزی یکپارچه کاربری زمین در کنار برنامه ریزی یکپارچه شهری و روستایی، پیشنهاد می شود.
۹۱۵.

مروری بر تحقیقات اخیر در زمینه تلفیق مدل سازی اطلاعات ساختمانی (BIM) و سامانه های اطلاعات مکانی (GIS)(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال سیزدهم پاییز ۱۴۰۰ شماره ۳ (پیاپی ۵۱) 33 - 58

کلید واژه ها: سامانه های اطلاعات مکانی مدل سازی اطلاعات ساختمانی مدل سازی سه بعدی شهر هوشمند

حوزه های تخصصی:
تعداد بازدید : ۴۰۰ تعداد دانلود : ۲۱۰
امروزه فنّاوری مدل سازی اطلاعات ساختمانی، یا به اختصار BIM، به بستری مهم و کاربردی به منظور تحقق اهداف شهرهای هوشمند تبدیل شده است. بااین حال، این فنّاوری ساختمان ها را به تنهایی و بدون توجه به فضای بیرونی شان و دیگر ساختمان های شهر در نظر می گیرد و نیز فاقد ابزارهای لازم برای تحلیل های مکانی گوناگون است. در این زمینه، اشتراک ذاتی میان BIM و سامانه های اطلاعات مکانی، یا به اختصار GIS، نشان می دهد که با تلفیق آنها می توان دانش یکپارچه ای در کاربردهای گوناگون شهری، هم در فضای داخلی ساختمان و هم در فضای بیرونی آن، ایجاد کرد. اگرچه BIM و GIS هریک به منظور دست یابی به اهداف جداگانه ای ایجاد شده است، هر دو به مدیریت اطلاعات در قالب مدل سازی سه بعدی می پردازند؛ با این تفاوت که BIM اطلاعات ریزدانه را در زمینه ساختمان و فضای داخلی آن، با عنوان اطلاعات ساختمانی، تهیه می کند و نمایش می دهد و منبع غنی اطلاعات ساختمانی شناخته می شود اما، در مقابل، GIS اغلب به تهیه و نمایش اطلاعات درشت دانه در فضای بیرونی ساختمان، با عنوان اطلاعات جغرافیایی، می پردازد و دارای ابزارهای مکانی مناسب است. به طورکلی، تلفیق BIM و GIS موجب مدیریت بهتر اطلاعات مکانی در زمینه کاربردهای گوناگون شهری و در نتیجه، تصمیم سازی بهتر در حل مسائل مرتبط می شود و تحقیقات متنوعی، در این باره، در سال های اخیر انجام شده است. مقاله حاضر، ضمن بررسی اجمالی فنّاوری BIM و استانداردهای تبادل اطلاعات در BIM و GIS، برخی تحقیقات درباره تلفیق BIM و GIS از سال 2008 تا 2020 را مرور می کند. در این مقاله، تلاش شده است با استخراج و دسته بندی روش ها و زمینه های کاربردی تلفیق BIM و GIS، وضعیت کلی پژوهش ها در این زمینه مشخص و دید جامعی به آنها به محققان ارائه شود.  
۹۱۶.

تفسیر شی مبنای تصاویر سنجش ازدوری با حد تفکیک بالا بر مبنای سیستم های دانش پایه(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال دهم زمستان ۱۳۹۷ شماره ۴ (پیاپی ۴۰)

کلید واژه ها: طبقه بندی تصاویر حد تفکیک بالا سیستم دانش پایه تفسیر عارضه مبنا

حوزه های تخصصی:
تعداد بازدید : ۴۰۰ تعداد دانلود : ۳۲۸
طبقه بندی پوشش اراضی در تصاویر سنجش ازدور یکی از پرکاربردترین روش های استخراج اطلاعات مکانی می باشد که می تواند با تولید کلاس های تصویری عوارض سطح زمین به منظور اتوماسیون و تسریع در جهت رفع نیازهای اساسی به منظور در اختیار داشتن اطلاعات مکانی بهنگام از منابع با هدف مدیریت، ساماندهی و بهره برداری از محیط مفید واقع گردد. به دلیل مشابهت رفتار پیکسل ها، طبقه بندی تصاویر هوایی در مناطق پیچیده و متراکم شهری صرفاً با استفاده از اطلاعات طیفی و بافتی منجر به ناکارآمدی طبقه بندی می شود. به عبارتی در طبقه بندی رایج بیشتر با استفاده از خصوصیات طیف و ویژگی های پیکسل های تصویر به شناسایی عوارض و کلاس ها پرداخته می شود. درصورتی که بتوان تطابق مکانی و مفهومی پیکسل ها را نیز در نظر گرفت، به این ترتیب می توان تمایز بیشتری بین کلاس های تصویری قائل شد و فرآیند ماشینی را به تفسیر ذهنی و انسانی نزدیک نمود و بر کارایی سیستم افزود. تمرکز اصلی تحقیق حاضر استفاده از مفاهیم سیستم های خبره در طبقه بندی به منظور آنالیز شئ گرای تصاویر در سطوح مقیاس کلاسی است. بدین منظور با وارد نمودن قوانین دانش پایه به منظور کنترل هدفمند و قانونمندسازی روند توأمان قطعه بندی و تفسیر تصویر، با در نظر گرفتن ویژگی های هندسی کلاس های هدف بهبود دقت را منجر گردد. جهت بررسی کارایی تکنیک پیشنهادی، ارزیابی و مقایسه روش پیشنهادی با چند روش دیگر بر روی تصاویر ماهواره ا ی IRS در منطقه ی شهری جزیره کیش صورت پذیرفته است. نتایج حاصل از این تحقیق نشان می دهد ویژگی های هندسی و مفهومی می توانند به عنوان منبع اطلاعاتی مکمل، سبب بهبود نتایج طبقه بندی در منطقه شهری با عوارض ناهمگون طیفی گردند. طوری که در بررسی مورد اشاره صحت کلی و ضریب کاپا به ترتیب 8 درصد و 5/11 درصد افزایش پیدا کرده اند.
۹۱۷.

مکان گزینی مناسب بیمارستان های شهری از طریق تلفیق روش سلسله مراتبی(AHP) و مدل(Fuzzy) در محیط GIS (مورد مطالعه: منطقه19 شهر تهران)(مقاله پژوهشی دانشگاه آزاد)

نویسنده:
منبع: کاربرد سیستم اطلاعات جغرافیایی و سنجش از دور در برنامه ریزی دوره ۸ زمستان ۱۳۹۶ شماره ۴ 21 - 38

کلید واژه ها: منطقه19 شهر تهران بیمارستان شهری GIS AHP مدل(Fuzzy)

حوزه های تخصصی:
تعداد بازدید : ۳۹۹ تعداد دانلود : ۳۹۴
در ایران رشد شتابان شهر نشینی به گونه ای بوده است که متناسب با آن تجهیزات فضاهای شهری به صورت مناسب مکان گزینی نشده اند، امروزه جمعیت پذیری شهرها به همراه مسائل اجتماعی - اقتصادی آنها شکل تازه ای از شهر، شهرنشینی و شهرگرایی به وجود آورده است. از آنجایی که بهداشت و درمان از ضرورت های اولیه زندگی می باشد، لذا خدمات رسانی مناسب و پویا به شهرنشینان نیازمند، استقرار مراکز خدمات درمانی در مکان مناسب در سطح شهر می باشد که نقش مهمی در تامین آسایش شهروندان ایفا می کند. از این رو موضوع مکان یابی، خدمات رسانی، و خدمات دهی بهتر این مراکز در سطح شهر مهم است. بر همین اساس هدف اصلی پژوهش حاضر مکان گزینی مناسب بیمارستان شهری در منطقه19 شهر تهران می باشد، روش پژوهش توصیفی- تحلیلی و نوع آن کاربردی می باشد. برای رسیدن به این هدف از سامانه ی اطلاعات جغرافیایی و تلفیق روش سلسله مراتبی(AHP) و مدل(Fuzzy) در محیط GIS استفاده شد، ابتدا لایه های مورد نیاز شامل، همجواری با کاربری های سازگار، دسترسی به شبکه ی ارتباطی، نزدیکی به ایستگاه های آتش نشانی، تراکم جمعیّت، فاصله از مراکز بیمارستانی موجود، فاصله از مسیل ها، فاصله از جایگاه های سوخت رسانی، فاصله از مراکز آموزشی، شیب زمین، نزدیکی به مرکز شهر و نزدیکی به فضای سبز در سامانه ی اطلاعات جغرافیایی تهیه شد و سپس مقایسه های زوجی به وسیله نرم افزار Expert choice انجام گرفت و در نهایت با وزن دهی معیارها و با ترکیب لایه های اطلاعاتی، مناسب ترین مکان ها برای ایجاد بیمارستان شهری در این منطقه مکان یابی شد.
۹۱۸.

اﺳﺘﻔﺎده از ﺳﯿﺴﺘﻢ اﻃﻼﻋﺎت ﺟﻐﺮاﻓﯿﺎیی(GIS) در ﻣﺪﯾﺮﯾﺖ اﻣﻼک ﺷهﺮی چهاردانگه ، اسلام شهر(مقاله پژوهشی دانشگاه آزاد)

نویسنده:
منبع: کاربرد سیستم اطلاعات جغرافیایی و سنجش از دور در برنامه ریزی دوره ۱۱ بهار ۱۳۹۹ شماره ۱ 57-67

کلید واژه ها: مدیریت شهری اﻣﻼک ﺷﻬﺮی GIS ﭼﻬﺎرداﻧﮕﻪ

حوزه های تخصصی:
تعداد بازدید : ۳۹۸ تعداد دانلود : ۲۵۸
ﺑﺎ ﮔﺴﺘﺮش ﺷﻬﺮ ﭼﻬﺎرداﻧﮕﻪ از ﻧﻈﺮ وﺳﻌﺖ و ﺟﻤﻌﯿﺖ، اراﺋﻪ و ﺗﻮزﯾﻊ ﺧﺪﻣﺎت ﺷﻬﺮی ﺑﻪ اﻣﺮی ﺗﺨﺼﺼﯽ و ﭘﯿﭽﯿﺪه ﺗﺒﺪﯾﻞ ﺷﺪه ﮐﻪ ﻧﯿﺎزﻣﻨﺪ ﺑﺮﻧﺎﻣﻪ رﯾﺰی ﻫﺎی ﻓﻨﯽ و اﺻﻮﻟﯽ اﺳﺖ و در اﯾﻦ راﺳﺘﺎ ﻣﻬﻤﺘﺮﯾﻦ اﺑﺰار ﻣﻮرد ﻧﯿﺎز در اﺧﺘﯿﺎر داﺷﺘﻦ اﻃﻼﻋﺎت ﺟﺎﻣﻊ از ﺷﻬﺮ و اﻣﮑﺎن دﺳﺘﺮﺳﯽ ﺳﺮﯾﻊ ﺑﻪ آﻣﺎرﻫﺎی اﻃﻼﻋﺎﺗﯽ اﺳﺖ ﮐﻪ ﺧﻮد ﻧﯿﺎزﻣﻨﺪ ﯾﮏ ﺳﯿﺴﺘﻢ اﻃﻼﻋﺎﺗﯽ ﻗﻮی ﻣﯽ ﺑﺎﺷﺪ ﮐﻪ ﺑﻪ ﻋﻨﻮان ﻣﻬﻤﺘﺮﯾﻦ اﺑﺰار در دﺳﺖ ﻣﺪﯾﺮان و ﺗﺼﻤﯿﻢ ﮔﯿﺮان اﺟﺮاﯾﯽ ﻣﯽ ﺗﻮاﻧﺪ ﮐﻤﮏ ﻫﺎی ﺑﺴﯿﺎر زﯾﺎدی در رﻓﻊ ﻣﺸﮑﻼت و ﺑﺮآورده ﻧﻤﻮدن ﻧﯿﺎزﻫﺎی ﺷﻬﺮ ﺑﮑﻨﺪ. ﯾﮑﯽ از ﻣﻬﻤﺘﺮﯾﻦ ﺑﺤﺚ ﻫﺎ در ﻣﺪﯾﺮﯾﺖ ﺷﻬﺮ، ﻣﺪﯾﺮﯾﺖ اﻣﻼک و زﻣﯿﻦ ﻫﺎ ﺷﻬﺮی ﻣﯽ ﺑﺎﺷﺪ. داﺷﺘﻦ اﻃﻼﻋﺎت دﻗﯿﻖ، ﮐﺎﻣﻞ و ﺑﻪ روز ﺷﺎﻣﻞ اﻃﻼﻋﺎت ﻣﮑﺎﻧﯽ (ﻣﮑﺎن ﻣﺮﺟﻊ) و اﻃﻼﻋﺎت ﺗﻮﺻﯿﻔﯽ و ﻫﻤﭽﻨﯿﻦ ﺗﺠﺰﯾﻪ و ﺗﺤﻠﯿﻞ ﺑﺮ روی ﻫﺮ ﻧﻮع از اﻃﻼﻋﺎت ﻣﺮﺑﻮط ﺑﻪ ﻗﻄﻌﻪ زﻣﯿﻦ ﻫﺎ و ﺳﺎﺧﺘﻤﺎن ﻫﺎ ﻣﯽ ﺗﻮاﻧﺪ ﻣﺰاﯾﺎی ﺑﺴﯿﺎر داﺷﺘﻪ ﺑﺎﺷﺪ. اﻣﺮوزه ﺳﯿﺴﺘﻢ اﻃﻼﻋﺎت ﺟﻐﺮاﻓﯿﺎﯾﯽ (GIS) ﺑﺎ در اﺧﺘﯿﺎر ﻗﺮار دادن اﻣﮑﺎﻧﺎت ﻣﺨﺘﻠﻒ ﺟﻤﻊ آوری، ﭘﺮدازش و ﺗﺠﺰﯾﻪ و ﺗﺤﻠﯿﻞ اﻃﻼﻋﺎت ﺑﻪ ﻋﻨﻮان اﺑﺰاری ﻧﻮﯾﻦ و ﻗﺪرﺗﻤﻨﺪ ﻣﯽ ﺗﻮاﻧﺪ در ﺧﺪﻣﺖ ﻣﺪﯾﺮان ﺷﻬﺮی در اﻣﺮ ﻣﺪﯾﺮﯾﺖ و ﺑﺮﻧﺎﻣﻪ رﯾﺰی ﺷﻬﺮی ﻗﺮار ﮔﯿﺮد. در اﯾﻦ ﺗﺤﻘﯿﻖ ﺳﻌﯽ ﺷﺪه اﺳﺖ ﮐﻪ ﺑﻪ ﻣﺰاﯾﺎی اﺳﺘﻔﺎده از GIS در ﻣﺪﯾﺮﯾﺖ اﻣﻼک ﺷﻬﺮ ﭼﻬﺎرداﻧﮕﻪ ﭘﺮداﺧﺘﻪ و در اﻧﺘﻬﺎ ﻧﯿﺰ ﭼﻨﺪ ﻧﻤﻮﻧﻪ از ﻻﯾﻪ ﻫﺎی و ﻧﻘﺸﻪ ﻫﺎی اﻃﻼﻋﺎﺗﯽ ﻣﺨﺘﻠﻒ اﺳﺘﺨﺮاج و اراﺋﻪ ﺷﻮد. ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺑﺮرﺳﯽ ﻫﺎی ﺑﻌﻤﻞ آﻣﺪه ﻣﺸﺎﻫﺪه ﮔﺮدﯾﺪ ﮐﻪ در ﺻﻮرت اﺳﺘﻔﺎده ﻫﻤﺰﻣﺎن از اﻃﻼﻋﺎت ﻫﻨﺪﺳﯽ و ﺗﻮﺻﯿﻔﯽ ﻣﯽ ﺗﻮان روﻧﺪ اﺟﺮای ﮐﺎداﺳﺘﺮ در ﻣﻨﺎﻃﻖ ﻣﺨﺘﻠﻒ ﺷﻬﺮی را ﺑﺼﻮرت دﻗﯿﻘﺘﺮی ﺑﻪ ﻣﻮرد اﺟﺮاء ﮔﺬارد.
۹۱۹.

مقایسه توانایی طبقه بندی کننده های ماشین بردار پشتیبان، شبکه عصبی و حداکثر احتمال در بهبود نتایج الگوریتم های فیلترینگ داده های لیدار(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال پنجم تابستان ۱۳۹۲ شماره ۲ (پیاپی ۱۸)
حوزه های تخصصی:
تعداد بازدید : ۳۹۶ تعداد دانلود : ۳۱۵
بررسی های اخیر نشان داده است که سیستم لیدار در برداشت سریع و دقیق اطلاعات سه بعدی از عوارض، در مناطق شهری توانایی بالایی دارد. از مهم ترین پردازش هایی که روی داده های لیدار صورت می گیرد، فیلترینگ آن هاست که عبارت است از تفکیک نقاط مربوط به عوارض ارتفاعی (ساختمان ها و درختان) از نقاط زمینی. تاکنون الگوریتم های فیلترینگ فراوانی طراحی شده است، اما هر یک از آن ها معایب و نواقصی دارند. مشکل اساسی این الگوریتم ها، ناتوانی شان در حذف ساختمان و عوارض بزرگ است که ناشی از عملکرد ناحیه ای آن هاست. در این تحقیق تلاش شده است تا با بهره گیری از قابلیت های تکنیک های طبقه بندی، راه حلی برای این مشکل ارائه شود. در این پژوهش ابتدا داده های لیدار به وسیله الگوریتم شیب مبنا که از شناخته شده ترین روش های فیلترینگ به شمار می آید فیلتر شدند. در ادامه، با استفاده از سه روش طبقه بندی ماشین بردار پشتیبان، شبکه عصبی مصنوعی، و حداکثر احتمال، داده های لیدار به پنج کلاس راه آسفالته، درختان، ساختمان، سیمان، و چمن طبقه بندی گردیدند. در نهایت، نقاط ساختمان های بزرگ که به وسیله الگوریتم شیب مبنا فیلتر نشده بودند، با نتایج حاصل از روش های طبقه بندی حذف گردیدند. ارزیابی ها نشان می دهند که روش حداکثر احتمال نتایج ضعیفی را ارائه می کند، اما روش های ماشین بردار پشتیبان و شبکه عصبی مصنوعی نتایج نزدیک به هم و بسیار خوبی را عرضه کرده اند. به طور کلی استفاده از این تکنیک های طبقه بندی برای بهبود نتایج الگوریتم های فیلترینگ، باعث افزایش ناچیزی در خطای نوع اول می گردد ولی سبب کاهشی شدید در خطای نوع دوم و خطای مجموع می شود. از آنجا که در فرایند فیلترینگ داده های لیدار، اهمیت خطاهای نوع دوم و مجموع بیش از خطای نوع اول است، می توان ادعا کرد که انجام این پردازش تکمیلی نتایج بسیار مفیدی را دربرداشته است. ارزیابی کمّی دقت نتایج نشان می دهد که خروجی الگوریتم با آستانه شیب o 20 پس از بهبود داده شدن با استفاده از خروجی طبقه بندی کننده شبکه عصبی مصنوعی، بهترین نتیجه را به دست داده است که در آن خطای نوع اول از 98/4 درصد به 04/5 درصد افزایش ولی خطاهای نوع دوم و مجموع به ترتیب از 043/9 درصد و 03/7 درصد به 49/4 درصد و 76/4 درصد کاهش یافته اند.
۹۲۰.

پهنه بندی کیفیت آلودگی آب رودخانه با استفاده از شبکه های عصبی مصنوعی و سیستم اطلاعات جغرافیایی(مطالعه موردی: رودخانه سیمینه رود)(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال پنجم پاییز ۱۳۹۲ شماره ۳ (پیاپی ۱۹)

کلید واژه ها: شبکه های عصبی مصنوعی پهنه بندی رودخانة سیمینه رود آلودگی پارامترهای کیفی سامانه اطلاعات جغرافیایی

حوزه های تخصصی:
تعداد بازدید : ۳۹۴ تعداد دانلود : ۳۹۶
پهنه بندی کیفیت آب رودخانه نخستین و مهم ترین مرحله در مدیریت کیفیت آب است، که ذهن تحلیلگر را با روند و چگونگی تغییرات آلودگی برحسب زمان، مکان و شرایط خاص آشنا می سازد. پژوهش حاضر درصدد است با استفاده از شبکه های عصبی مصنوعی و سامانه اطلاعات جغرافیایی به پهنه بندی کیفیت آلودگی آب رودخانه سیمینه رود بپردازد. داده های کیفی استفاده شده در تحقیق، حاصل نمونه برداری از رودخانة سیمینه رود در سه فصل بهار و پاییز 1387 و بهار 1388 است که با استفاده از مدل QUAL2K شبیه سازی شد. خروجی مدل با داده های مشاهده ای مقایسه گردید و پارامترهای نیترات، اکسیژن محلول و هدایت الکتریکی ِ مربوط به فصل پاییز 1387 به عنوان داده های هدف انتخاب شدند. داده های ورودی شامل داده های مربوط به کاربری اراضی، زمین شناسی، قابلیت فرسایش و مراکز جمعیتی مربوط به حوضة سیمینه رود هستند که به همراه داده های هدف بعد از آماده سازی در محیط GIS به مدل شبکة عصبی معرفی شدند. در این تحقیق از پنج ساختار مختلف مدل FFBP شبکة عصبی استفاده شد و نتیجة ساختار منتخب با خروجی های حاصل از مدل رگرسیون چندمتغیره مقایسه گردید، که برتری مدل شبکة عصبی مذکور را نشان داد. نتیجه تحقیق حاضر نشان می دهد که شبکه های FFBP با ساختار 3-40-40-4 بهترین کارایی را دارند، و شبکه عصبی در پهنه بندی کیفیت آلودگی آب قابلیت بالایی دارد.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

زبان