سنجش از دور و GIS ایران

مدیریت بهینة منابع طبیعی نیازمند در اختیار داشتن اطلاعات بهنگام و صحیح است. نقشة کاربری اراضی یکی از مهم ترین منابع اطلاعاتی در مدیریت منابع طبیعی قلمداد می شود. هدف از انجام پژوهش حاضر، مقایسه دو روش طبقه بندی پیکسل پایه و شیء گرا در تهیه نقشه کاربری اراضی با استفاده از تصاویر ETM+ در شهرستان ملکشاهی در استان ایلام است. در این پژوهش پس از تهیة تصویر ذی ربط و اعمال تصحیحات هندسی و رادیومتریک روی تصویر با استفاده از دو روش مذکور، نقشة کاربری اراضی استخراج گردید. برای ارزیابی دقت طبقه بندی از شاخص های دقت کل، ضریب کاپا، دقت تولیدکننده و دقت استفاده کننده بهره گرفته شد. نتایج به دست آمده نشان داد که وضوح تصویر روش طبقه بندی شیء گرا بالاتر از روش طبقه بندی پیکسل پایه است. نتایج برآورد دقت نشان می دهد که روش شیء گرا در هر دو شاخص صحت کل و ضریب کاپا با مقادیر به ترتیب 93 درصد و 96 درصد، دقیق تر از روش پیکسل پایه است. براساس نتایج به دست آمده کاربری های جنگل و مرتع حدود 98 درصد از سطح این شهرستان را می پوشاند. در این تحقیق پیشنهاد می شود که از روش طبقه بندی شیء گرا در تهیة نقشه های کاربری اراضی استفاده شود.

انسان از دیرباز برای حل مسائل پیچیده، از جهان زندة پیرامونش الهام گرفته است. این امر آشکارا در توسعة الگوریتم های مختلف تقریبی، از نظریة تکاملی داروین تا الگوریتم های مختلف هوش جمعی، دیده می شود. مسئلة فروشنده دوره گرد از مسائلی است که می توان آن را با الگوریتم هوش جمعی به چالش کشید. در پژوهش حاضر ابتدا با ارزیابی و تنظیم صحیح پارامترهای مؤثر در الگوریتم بهینه سازی کلونی مورچه ها، الگوریتم هوش جمعی بهبود می یابد. سپس روشی ترکیبی برای حل دودویی مسئله فروشندة دوره گرد در مقیاس بزرگ و برمبنای الگوریتم بهبود یافته کلونی مورچه ها و عملگرهای الگوریتم ژنتیک ارائه می شود. به منظور بررسی کیفیت جواب های به دست آمده، نتایج روش پیشنهادی با نتایج دو الگوریتم بهینه سازی کلونی مورچه ها و الگوریتم ژنتیک در مسیریابی بین مراکز استان ها مقایسه می شود. این مقایسه بهبود در جواب ها، کاهش زمان اجرای الگوریتم، و کاهش حجم لازم برای ذخیره سازی جواب های به دست آمده در شرایط گوناگون را نشان می دهد. با توجه به پایداری و بهینگی نتایج حاصل از الگوریتم مورچة بهبود یافته و اهمیت افزایش خدمات در سامانه اطلاعات مکانی، کاربرد الگوریتم پیشنهادی در صنعت توریسم مطرح می شود.

انتخاب جاذبه های گردشگری و تعیین بهترین مسیر برای بازدید از آنها، گام اصلی در برنامه ریزی گردشگری به شمار می آید. در مقالة حاضر یک سامانه توصیه گر گردشگری شخصی تحت وب طراحی و پیاده سازی گردید که برنامه ریزی گردشگری را برای هر فرد مطابق با علایق و اولویت های او در محدوده زمانی مشخص انجام می دهد. مزیت اصلی این سامانه توجه همزمان آن به علایق کاربر، مسیر و مدیریت زمانی در برنامه ریزی گردشگری است. در ساخت این سامانه از تلفیق روش های مبتنی بر سامانه حامی تصمیم گیری مکانی و توابع تحلیل مکانی و همچنین از فناوری های مختلف برای تحت وب قراردادن آن استفاده گردید. در این پژوهش ابتدا مکان های گردشگری مطابق با علایق گردشگر با استفاده از یکی از روش های تصمیم گیری چندصفته به نام Topsis رتبه بندی شد، سپس با استفاده از روش k-means مکان های گردشگری منتخب به تعداد روزهای بازدید دسته بندی گردید و برای هر روز از بازدید برنامه ریزی روزانه با استفاده از مسئله فروشنده دوره گرد (TSP) انجام شد. به منظور ارزیابی، این سامانه برای مکان های گردشگری منطقه 1 شهر تهران پیاده سازی گردید. نتایج اجرا نشان می دهد که این سامانه با انتخاب جاذبه های گردشگری مطابق با علایق کاربر و محدوده های زمانی موجود و تعیین بهترین مسیر برای بازدید از مکان ها و همچنین با در اختیار قرار دادن اطلاعات مختلف دربارة مکان های گردشگری، کمک شایانی به گردشگران می کند.

تپه های ماسه ای گاوخونی (ارگ ورزنه)، تپه هایی فعال و نیمه فعال در جنوب غربی استان اصفهان و غرب تالاب بین المللی گاوخونی هستند. این تپه ها در افزایش طوفان های ماسه ای و خسارت دیدن جاده ها در این ناحیه بسیار مؤثرند. در مطالعة حاضر، تغییرات تپه های ماسه ای با استفاده از تصاویر ماهواره ای MSS، TM، ETM+ و LISSIII طی 32 سال مشخص گردید. در مرحله پیش پردازش، تمامی تصاویر با خطای RMS کمتر از یک پیکسل تصحیح هندسی شدند. نقشه های کاربری و پوشش اراضی منطقه با استفاده از تکنیک های پردازش تصویر شامل آنالیز مؤلفه اصلی، ترکیب رنگی کاذب، شاخص گیاهی NDVI و طبقه بندی نظارت شده به روش حداکثر احتمال تولید شدند. برآورد صحت نقشه های طبقه بندی شده نشان داد که بین تصویر ماهواره ای و داده های زمینی بیش از 89 درصد همخوانی وجود دارد. مقایسة توزیع مکانی تپه های ماسه ای تقریباً 5086 هکتار (از 14475 به 19561 هکتار) افزایش یافته است. این افزایش در نواحی بین تپه ای و تقریباً در بخش مرکزی و جنوبی ارگ مشاهده شد.

یکی از اصولی ترین روش های کاهش تأثیر زمین لرزه در مناطق شهری، شناسایی نواحی مستعد، درجه بندی میزان ریسک مناطق، و ارزیابی خسارت ها و تلفات انسانی در زلزله با شدت های مختلف است. شهر تبریز با داشتن جمعیت زیاد، قرارگیری روی گسل فعال، و سابقه زلزله با دوره بازگشت در ادوار گذشته، پتانسیل وقوع زمین لرزه را دارد. با توجه به اینکه بیشترین پهنه های مسکونی منطقه 8 شهرداری تبریز را پلاک های ریزدانه با مسیرهای دسترسی تنگ و باریک و مصالح بی دوام و ناپایدار اشغال کرده اند، این منطقه برای مطالعه انتخاب شده است. در این پژوهش با استفاده از هفت معیار کاربری اراضی، تعداد طبقات ساختمانی، کیفیت بنا، مساحت قطعه تفکیکی، قدمت بنا، سطح اشغال بنا و نوع مصالح ساختمانی، از روش تحلیل چندمعیارة فازی (FAHP)، خسارت ساختمانی و تلفات انسانی در سه سناریوی زلزلة 6، 7 و 8 ریشتری محاسبه و تحلیل شد. نتایج پژوهش نشان می دهند که خسارت های ساختمانی از 6 تا 8 مرکالی افزایش زیادی یافته و از 5/1 درصد به 46 درصد رسیده است. تلفات انسانی نیز که بیشتر در ساختمان های مسکونی رخ می دهد از 29 نفر تا 2511 نفر در شدت های مختلف زلزله افزایش می یابد؛ که توجه مضاعف به بهسازی ساختمان های مسکونی را می طلبد.

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.

تناظریابی از موضوعات چالش برانگیز در سنجش از دور و فتوگرامتری به شمار می آید. این فرایند به منظور طبقه بندی چندطیفی، مانیتورینگ محیط، بازرسی تغییرات، موزاییک کردن تصاویر و نظایر اینها کاربرد وسیعی در سنجش از دور دارد. روش های زیادی برای تناظریابی ارائه شده اند، که یکی از آنها تناظریابی سراسری با استفاده از شبکه عصبی هاپفیلد است. مهم ترین تحقیقات انجام شده در این روش در حوزة شناسایی هدف و مربوط به تصاویر برد کوتاه است، و تاکنون روی تصاویر هوایی و ماهواره ای پیاده سازی نشده اند. هدف اصلی پژوهش حاضر پیاده سازی روش تناظریابی با استفاده از شبکه عصبی هاپفیلد روی انواع تصاویر هوایی و ماهواره ای است. برای انجام تناظریابی مستقل از افاین، از شبکه عصبی هاپفیلد مرتبه 4 استفاده می شود و نتایج عملی روی دو جفت تصویر ماهواره ای بیانگر کارایی بالای این روش است.