سنجش از دور و GIS ایران

برای حل برخی از مشکلات، یا برای ساده سازی آنالیزها در گراف، می توان تغییراتی را در ساختار آن ایجاد کرد. دوگان گراف یکی از مصادیق این تغییر محسوب می شود. دوگان گراف خطی یکی از انواع تعریف شده دوگان گراف است که برای بیان گراف های دارای گره های وزن دار پیشنهاد شده است. در این مقاله مفهومی به عنوان حساب دوگان گراف خطی، بر مبنای این دوگان گراف معرفی شده است. برای این منظور، دوگان خطی ( ) و دوگان خطی معکوس ( ) معرفی، و نحوه استخراج آنها شرح داده می شود. همچنین نشان داده خواهد شد که این چارچوب می تواند کاربردهای فراوانی داشته باشد. یکی از مهم ترین کاربردهای آن، یافتن دور همیلتونی در گراف است. به عبارت دیگر، با استفاده از تبدیلات بین دوگان گراف و گراف اولیه می توان دورهای همیلتونی را، که تا کنون یافتن آنها در گراف بسیار دشوار بوده است، به دورهای اویلری تبدیل کرد. بدین وسیله حل مسائل بسیار ساده تر خواهد شد. دور همیلتونی کاربردهای فراوانی در حوزه GIS و علوم مرتبط با اطلاعات مکانی دارد. از آن جمله می توان به طراحی مسیر در حمل و نقل، مدیریت بحران، مخابرات و شبکه های آب و برق و گاز اشاره کرد. در این زمینه، نمونه موردی کوچکی که روش ابداعی در این مقاله در آن به اجرا درآمده نیز آورده شده است.

یکی از مراحل اصلی آمایش سرزمین، تعیین توان بوم شناختی یا اکولوژیکی سرزمین است. تعیین مقدار دقیق توان هر عرصه از سرزمین برای کاربری های مختلف غیرعملی است. با به کارگیری منطق فازی به عنوان منطق مدل سازی ریاضی فرایندهای غیردقیق و مبهم، می توان بستری را برای مدل سازی عدم اطمینانِ مطرح در تعیین توان اکولوژیکی فراهم ساخت. در این تحقیق تعریف و مبانی مدل ارزیابی توان اکولوژیکی مخدوم به عنوان مبنا مدنظر قرار گرفته و مدل مذکور با استفاده از منطق فازی پیاده سازی شده است. فازی سازی نقشه های منابع اکولوژیکی و مدل های اکولوژیکی، درواقع استنتاج فازی به منظور جمع بندی نقشه ها و قطعی سازی از مراحل اصلی تعیین توان اکولوژیکی سرزمین با استفاده از منطق فازی محسوب می شوند. ارزیابی توان اکولوژیکی برای طبقات مختلف کشاورزی، مرتع و توسعه شهری، روستایی و صنعت و بررسی و تحلیل نقاط قوت و ضعف منطق فازی در پیاده سازی مدلی مبتنی بر منطق بولین، از خروجی های این تحقیق به شمار می رود. مقایسه نتایج پیاده سازی مدل ارزیابی توان اکولوژیکی مخدوم با دو منطق بولین و فازی در شهرستان برخوار و میمه، نشان می دهد که با به کارگیری استنتاج گرهای فازی می توان ارزیابی توان اکولوژیکی را، به خصوص در اطراف مرز عوارض و کلاس های تشکیل دهنده نقشه های منابع اکولوژیکی، نزدیک تر به واقعیت انجام داد. مدل ارائه شده، مستقل از تعداد کاربری ها و معیارهاست و می توان آن را با تغییرات لازم برای سایر مناطق، به کار گرفت.

با توسعه شهرنشینی، مقادیر زیادی از مساحت مناطق کشاورزی و جنگلی جای خود را به خانه ها، مناطق صنعتی و دیگر زیرساخت ها داده اند. محدوده های شهری دارای بیلان انرژی و آبی متفاوتی در قیاس با نواحی غیرشهری اند. این تفاوت و تغییر در این دو مفهوم باعث از بین رفتن توازن انرژی و رواناب در محیط های شهری می گردد که خود مشکلات زیست محیطی جدی را (مانند سیل و آلودگی های حرارتی) برای ساکنان شهر به دنبال می آورد. علاوه بر این، در برخی از نواحی شهری تغییرات کاربری ها و افزایش جمعیت و در پی آن افزایش تردد خودروها و همچنین وجود صنایع، موجب افزایش دمای برخی مناطق شهری نسبت به دیگر مناطق می شوند. بنابراین در مناطق شهری، بسته به پوشش زمین، مناطقی با درجه حرارت بیشتر از سایر نواحی به وجود می آید، که این پدیده را جزیره حرارتی شهرها می نامند. در این تحقیق، جزایر حرارتی شهر تهران ـ که مهم ترین مرکز جمعیتی و یکی از مهم ترین مراکز صنعتی ایران به شمار می آید و در طول چند دهه اخیر رشد شهری سریعی داشته است ـ مورد مطالعه قرار گرفته است. هدف اصلی از انجام این تحقیق، استخراج جزایر حرارتی در مناطق شهری با استفاده از داده های ماهواره ای و تعیین اثر نوع پوشش و کاربری زمین بر دمای سطح زمین است. برای رسیدن به این هدف، طبقه بندی پوشش اراضی شهری شهر تهران بر اساس تغییر در خصوصیات بیوفیزیکی (ویژگی های بیولوژیکی و خواص فیزیکی) آن، در سطح طبقه بندی زیرپیکسل و استخراج کسر خاک، پوشش گیاهی و سطوح نفوذناپذیر با استفاده از تصاویر ETM+ انجام شد. برای محاسبه درصد هر یک از این سطوح از روش جداسازی طیفی (LSU) استفاده شد. در پایان، با تحلیل آماری هر یک از جزایر حرارتی شهر تهران به تفکیک، نقش هر یک از پوشش ها و کاربری های اراضی در ایجاد آنها مورد بررسی قرار گرفت. نتایج نشان دادند که سطوح نفوذناپذیر از طریق جذب و ذخیره انرژی خورشیدی اثر گرمایشی دارند، در حالی که پوشش گیاهی از طریق ایجاد توازن گرمایی به وسیله تبخیر و تعرق و تولید سایه، دارای اثر خنک کننده اند.

یکی از معضلات اساسی شهرهای بزرگ جهان پدیده آلودگی هواست. کشور ایران و به خصوص تهران نیز از اثر این پدیده مصون نیست، به طوری که سالانه خسارات مالی و جانی و اجتماعی عمده ای متاثر از آلودگی به بار می آیند. از آنجا که مهم ترین آلاینده های این شهر مونواکسید کربن (CO) و ذرات معلق با قطر کوچک تر از 10 میکرومتر (PMto) اند، در تحقیق حاضر ابتدا روش های مختلف درون یابی برای تولید نقشه های کیفیت هوای حاصل از این دو آلاینده مورد ارزیابی قرار گرفتند و سپس با استفاده از آماره خطای میانگین مربعات (MSE) روش درون یابی بهینه انتخاب شد و نقشه های کیفیت هوای حاصل از این دو آلاینده برای همه روزهای سال 1384 تولید گردید. نیز از آنجا که آلودگی هوا با عوامل متعددی از قبیل توپوگرافی، اقلیم، جمعیت، شبکه حمل ونقل و صنعت ارتباط دارد، با استفاده از روش رگرسیون کاربری اراضی (LUR) مهم ترین عوامل موثر در تولید هر یک از این دو آلاینده تعیین گردید و در ادامه با استفاده از همین روش به مدل سازی این دو آلاینده در فصل بهار پرداخته شد. با توجه به آماره خطای میانگین مربعات (MES) معلوم شد که برای درون یابی داده های آلاینده مونواکسیدکربن، روش کوکریجینگ همراه با سه پارامتر دما، جهت باد و سرعت باد که ناهمسان گردی آن به وسیله جهت باد تعیین شود، مناسب ترین روش به شمار می آید؛ در حالی که برای آلاینده ذرات معلق روش Spline نتایج بهتری را ارائه می دهد. همچنین نتایج حاصل از مدل رگرسیون کاربری اراضی (LUR) نشان داد که مهم ترین عامل موثر بر روی آلاینده مونواکسیدکربن حجم ترافیک است، در حالی که مهم ترین عامل موثر بر روی آلاینده PMto وجود اماکن صنعتی است.

اکتشاف معادن جدید دارای اهمیت زیادی برای انسان هاست. سامانه های اطلاعات جغرافیایی (GIS) می توانند به شکل موثری در جمع آوری، وزن دهی، تجزیه و تحلیل و نمایش اطلاعات مکانی در جهت کمک به فرایندهای اکتشافی عمل کنند. موفقیت اکتشافات معدنی بستگی زیادی به عواملی چون تعیین عناصر تاثیرگذار، تعیین میزان تاثیر آنها و تعیین مدل های مناسب برای تلفیق عناصر مذکور دارد. هنگام تلفیق اطلاعات به منظور نشان دادن میزان اهمیت نسبی این عوامل، از اعدادی به نام وزن استفاده می شود و این اعداد تاثیر مستقیم و بسزایی در نتایج هر مدل تلفیق اطلاعات دارند. روش های وزن دهی به دو دسته عمده دانش ـ مبنا و داده ـ مبنا تقسیم می شوند. در این مقاله، دو روش وزن دهی معرفی شده و مورد ارزیابی قرار گرفته اند که عبارت اند از: پردازش تحلیلی سلسله مراتب و شبکه های عصبی مصنوعی، که روش نخست در زمره روش های دانش ـ مبنا جای دارد و روش دوم در حوزه روش های داده ـ مبنا قرار می گیرد. به منظور ارزیابی مدل ها، اطلاعات یک کانسار مس در علی آباد یزد مورد استفاده قرار گرفت. مطالعات اکتشافی این کانسار شامل مطالعات زمین شناسی، ژئوشیمیایی و ژئوفیزیکی به همراه 26 چاه اکتشافی حفر شده در قالب نقشه های مختلف، آماده شد و برای وزن دهی مورد استفاده قرار گرفت. نتیجه هر روش مورد استفاده، تهیه نقشه پتانسیل معدنی است. در آزمون روش ها، روش شبکه های عصبی مصنوعی، روش دقیق تری برشمرده شده است، زیرا این روش توانست پتانسیل ماده معدنی را در تمامی چاه ها به درستی پیش بینی کند، در حالی که موفقیت روش پردازش تحلیلی سلسله مراتب در این زمینه حدود 88 درصد بوده است. این تحقیق نشان داد که شبکه های عصبی مصنوعی قابلیت انطباق پذیری زیادی با داده ها دارند.

داده های تهیه شده از طریق درون یابی در بسیاری از پروژه های اجرایی و مهندسی و مطالعات در زمینه های مختلف مانند زمین شناسی، هواشناسی، مدیریت بحران، منابع طبیعی و محیط زیست مورد استفاده قرار می گیرند. رایج ترین معیارها بیان کننده میزان دقت درون یابی، برآورد خطای جذر میانگین مربعات (RMSE) و نمایش بزرگی خطا در نقاط نمونه با ارتفاع معلوم اند که به علت مکانی نبودن یا فراگیر نبودن اطلاعات، شاخص های مذکور قابلیت استفاده محدودی دارند، زیرا RMSE میانگین خطای درون یابی در نقاط محدودی را نشان می دهد و نمایش بزرگی خطا در نقاط نمونه با ارتفاع معلوم نیز برای آگاهی از میزان خطا و قابلیت اطمینان درون یابی در هر نقطه و موقعیت دلخواه قابل استفاده نیست. بدین ترتیب، به نظر می رسد که ایجاد روش های موثرتر و کاربردی تر برای ارزیابی و نمایش مکانی دقت خروجی درون یابی در کنار RMSE ضرورت دارد. در این مقاله، ضمن بیان برخی از محدودیت های خطای جذر میانگین مربعات (RMSE)، روشی کاربردی مبتنی بر مثلث بندی نقاط با ارتفاع معلوم برای مدل سازی و تهیه نقشه خطای درون یابی ارائه شده است. در این روش ویژگی های هندسی مثلث های محاط بر نقاط مجهول ـ مانند محیط، مساحت و اختلاف ارتفاع بین رئوس برای مدل سازی و پیش بینی خطا ـ مورد استفاده قرار می گیرند. کارایی روش پیشنهادی با استفاده از مطالعه موردی، بررسی گردیده و رابطه معنی داری بین خطای واقعی و خطای برآورد شده با مدل، مشاهده شده است. تولید لایه قابلیت اطمینان درون یابی نه تنها برای ارزش گذاری و استفاده موثر از نقشه های حاصل از درون یابی می تواند مفید باشد، بلکه برای نمونه برداری تکمیلی و ترمیم نقاط ضعف نقشه های تولید شده با درون یابی نیز می تواند قابل استفاده باشد.

یکی از پرکاربردترین روش های طبقه بندی نظارت شده، روش بیشترین احتمال است که در آن، به منظور طبقه بندی از پارامترهایی آماری مانند ماتریس واریانس کوواریانس استفاده می شود. در تصاویر ماهواره ای ابرطیفی، به علت محدودیت نمونه های آموزشی و ابعاد بالای طیفی (زیاد بودن تعداد باندها)، احتمال یکتا شدن ماتریس های برآورد شده و یا کاهش دقت طبقه بندی وجود دارد. به منظور حل این مشکل از روش های مختلفی همچون کاهش تعداد ویژگی ها (کاهش تعداد باندهای استفاده شده) و یا ترکیب طبقه بندی کننده ها استفاده می گردد. در این پژوهش از تلفیق این دو روش استفاده شده است، بدین ترتیب که برای کاهش ابعاد، روش استخراج ویژگی غیرپارامتریک وزن دار به علت مزایای متعدد آن به کار رفته است؛ و در مورد ترکیب طبقه بندی کننده ها برای ایجاد ترکیبات مناسب از طبقه بندی کننده ها، از روش تغییر ویژگی های ورودی و روش استخراج ویژگی بر مبنای کلاس استفاده شده است. همچنین در ترکیب خروجی طبقه بندی کننده ها، از روش های سطح اندازه گیری استفاده شده است. تصویر ابرطیفی مورد استفاده در این پژوهش، تصویر سنجنده AVIRIS مربوط به منطقه ای جنگلی / کشاورزی در شمال ایالت ایندیانا در امریکاست. پس از پیاده سازی روش استخراج ویژگی غیرپارامتریک وزن دار، دقت طبقه بندی کلی 67/85 درصد حاصل گردید. در ترکیب طبقه بندی کننده ها، دقت طبقه بندی کلی 26/89 درصد و در روش پیشنهادی دقت طبقه بندی کلی 34/89 درصد به دست آمد، که در قیاس با دو روش تشکیل دهنده آن، دقت طبقه بندی بهبود یافته است. به رغم کم بودن میزان بهبود دقت، به علت کاهش پیچیدگی محاسبات و همچنین امکان انجام محاسبات موازی، روش پیشنهادی در این پژوهش مناسب تر به نظر می رسد.