سنجش از دور و GIS ایران

زمین مرجع سازی تصاویر ماهواره ای با توان تفکیک بالا، با استفاده از معادلات ریاضی مناسب یکی از مهم ترین مراحل استخراج اطلاعات مکانی سه بعدی دقیق است. به منظور زمین مرجع سازی تصاویر ماهواره ای، ابتدا باید مجموعه ای عوارض کنترلی مانند نقاط، خطوط و یا سطوح در دو فضا استخراج شوند. سپس عوارض متناظر از بین کل عوارض استخراج شده تعیین و به طور مستقیم برای حل تابع انتقال بین دو فضا مشخص شوند. ازآنجاکه دقت تصحیح هندسی تصاویر دقت زمین مرجع سازی را تحت تأثیر مستقیم قرار می دهد، در این مقاله این مسئله براساس استفاده از عوارض کنترلی خطی و نیز تلفیق آن با نقاط کنترلی در حل معادلة رشنال بررسی شده است. همچنین اثر آنها در حذف خطاهای سیستماتیک بررسی شده است. نتایج به دست آمده نشان می دهد که دقت حل معادلة رشنال با استفاده از خطوط کنترلی پایین و درحدود 3 پیکسل است. همچنین دیاگرام بردار باقی مانده ها نیز وجود میزان چشمگیر خطاهای سیستماتیک در نتایج نهایی را نشان می دهد. دلیل این امر، افزون بر دقت و توزیع خطوط کنترلی، ماهیت خطوط به منزلة اطلاعات کنترلی نیز محسوب می شود. از سوی دیگر تلفیق خطوط و نقاط کنترلی به منظور حل معادله سبب ارتقای دقت تا 1 پیکسل و حذف بسیاری از خطاهای سیستماتیک می شود. ازاین رو، نتایجْ قابلیت بالای تلفیق خطوط و نقاط کنترلی در ارتقای دقت و نیز کاهش خطاهای سیستماتیک 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.

ازآنجاکه درختان نقش اساسی در تغییرات دی اکسید کربن و شرایط آب وهوایی دارند، تخمین زیست تودة موجود در درختان بسیار اهمیت دارد. روش های راداری که پارامترهای ساختاری را در تخمین زیست توده در نظر نمی گیرند منجر به نتایجی با سطح اشباع پایین می شوند. ارتفاع از پارامترهای ساختاری است و یکی از عوامل مهم تأثیرگذار در بهبود تخمین ارتفاع استفاده از کوهرنس بهینه است. در این مقاله، از داده های شبیه سازی شده در باندهای P و L برای تخمین ارتفاع به روش های تفاضلی، اندازه همدوسی، ترکیبی و Polarization Coherence Tomography (PCT) استفاده شده است. روش تفاضلی باعث تخمین ارتفاع کمتر از مقدار واقعی به اندازة 14 متر در باند P و 11 متر در باند L شده است؛ درحالی که روش اندازة همدوسی، به نسبت روش تفاضلی، نتایج بهتری به دست می آورد و اختلاف مقادیر میانگین ارتفاعات در این روش با مقادیر واقعی در باند P، 8 متر و در باند L، 2 متر است. روش های ترکیبی و PCT نتایجی نزدیک به هم دارند و اختلاف میانگین مقادیر ارتفاعات به دست آمده با مقدار واقعی کمتر از 2 متر است اما نتایج حاصل از روش PCT به دلیل استفاده از کوهرنس بهینه، از روش ترکیبی بهتر است. روش بهینه سازی کوهرنس به روش PSO که در این مقاله پیشنهاد شده است نتایجی بهتر از روش های دیگر حاصل کرده است و اختلاف میانگین مقادیر ارتفاعات به دست آمده با مقدار واقعی به کمتر از 5/0 متر می رسد.

پدیدة جزیرة حرارتی شهری، با توجه به دگرگونی های هواسپهری همراه با افزایش شهرنشینی، طی سال های واپسین شدت یافته است. الگوهای فضایی- زمانی ترکیبات بیوفیزیکی که دربرگیرندة پوشش گیاهی، سطح نفوذناپذیر و نوع خاک در شهرند جزایر حرارتی شهری را تحت تأثیر چشمگیری قرار می دهند. هدف از این پژوهش مطالعة نقش پارامترهای بیوفیزیکی شهری در شکل گیری و خوشه ای شدن جزایر حرارتی شهری مشهد مقدس است. به منظور دستیابی به هدف مطرح شده، تصاویر حسگرهای OLI و TIRS ماهوارة لندست 8 برای اوت سه سال 2013، 2014 و 2015 استفاده شد. برای استخراج مقادیر UHI از LST، از یک رویکرد نوآورانة شیء گرا استفاده شد؛ به طوری که پس از محاسبة دمای سطح زمین (LST) با استفاده از شاخص محلی همبستگی مکانی (LISA) خوشه های گرم و سرد جزایر حرارتی مشهد استخراج شدند. برای ارزیابی ترکیبات بیوفیزیکی شهر مشهد نیز سه شاخص NDVI، NDBI و NDBal به کار برده شد. نتایج نشان داد در تحلیل همبستگی دوبه دو پارامترهای بیوفیزیکی با دمای سطح زمین، با شدت مقدار LST، ناهمگنی فضایی خوشه ها به شکل غیرخطی افزایش می یابد. تحلیل های مکانی سه نوع جزیرة حرارتی شهری را آشکار کرده است: جزایر حرارتی پیرامونی، جزایر حرارتی کانونی و جزایر حرارتی خطی. تحلیل خودهمبستگی فضایی با شاخص های موران و گری نشان از مقداری کاهشی دارد که مبین ازبین رفتن نظم فضایی دمای سطح زمین شهر مشهد است. همبستگی مکانی با شاخص موران محلی بر افزایش وسعت جزایر حرارتی گرم در طول دوره های مورد مطالعه تأکید داشته است.

دما یکی از شاخص ترین پارامتر های اقلیمی و از اصلی ترین عوامل اثرگذار در برنامه ریزی شهر ها محسوب می شود زیرا هدایت کنندة نوع تسهیلات اختصاص یافته در شهر ها و حتی تعیین کننده ساختار، شکل و بافت شهری است. دمای سطح فاکتور اصلی در تعادل انرژی کره زمین بوده و به عنوان ورودی مدل های تغییرات آب وهوایی و جزایر حرارتی شهری به کار می رود. دمای کلان شهرها در مقایسه با مناطق شهری و روستایی اطراف بیش تر و مشهودتر است که به این پدیده «جزیرة حرارتی شهری» گفته می شود. کلان شهر کرج سومین کلان شهر بزرگ و دومین شهر مهاجرپذیر ایران (پس از کلان شهر تهران) است و به علت داشتن چنین جایگاهی، بررسی حرارتی آن بیش از پیش احساس می شود. در این تحقیق دمای سطح زمین در کلان شهرکرج با استفاده از تصاویر ماهوارة لندست8 (چهار تصویر) در سال های 2013 و 2014، به کمک روش های گوناگون استخراج شد. روش های مورد استفاده شامل پنجرة تکی، سبال، استفان- بولتزمن، تک کانالی (توسعه داده شده توسط مونیوس و سوبرینو[1]، 2003)، تک کانالی (توسعه داده شده توسط مونوس و همکاران، 2014)، پنجره مجزا و دفتر علوم لندست است. در نهایت، با استفاده از شاخص آماری میانگین خطای مطلق روش های گوناگون مقایسه شد و بهترین روش، به واسطه نزدیکی به دادة زمینی انتخاب شد. نتایج نشان داد بهترین روش مورد استفاده روش سبال باند 11 با مقدار میانگین خطای مطلق 98/7 است؛ ضمن آن که در حالت کلی، باند 11 ماهوارة لندست 8، به منظور استخراج دمای سطح زمین نتایج قابل اعتمادتری نسبت به باند 10 تولید می کند. همچنین بررسی نتایج در تاریخ های مختلف مشخص کرد تصاویر نیمة دوم سال در مقایسه با نیمة اول سال، تخمین دقیق تر و نتایج نزدیک تری به واقعیت تولید می کنند.

انتخاب مناسب ترین روش درون یابی به منظور تخمین ویژگی های خاک منطقه نقش مهمی در استراتژی های آب و مدیریت کشاورزی ایفا می کند. همچنین ازآنجاکه ویژگی های خاک در زمان و مکان تغییر می کند، تحلیل متغیرهای فضایی خصوصیات خاک برای نشان دادن اکوسیستم های خاص اهمیت دارد. هدف از این تحقیق بررسی دقت پنج روش درون یابی فاصلة وزنی معکوس، چندجمله ای عام، چندجمله ای موضعی، تابع شعاع محور و کریجینگ برای تخمین پارامترهای EC و PH خاک است. بدین منظور، 48 پروفیل در 15 دهستان موجود در بخش درودزن، واقع در استان فارس حفر شد. تمامی مقادیر EC و PH مربوط به عمق 30-0 سانتیمتر اول خاک است. برای بالابردن دقت مطالعه، روش های درون یابی در مدل ها و توان های گوناگون مقایسه شد. ترسیم نیم تغییرنما در GS + نشان داد داده های PH و EC بهترین برازش را به ترتیب در مدل گوسن و کروی دارند. همچنین براساس مقادیر به دست آمده از معیارهای ارزیابی خطا شامل RMSE، MSE، MAE، R 2 و MBE بهترین روش درون یابی با کمترین خطا به منظور تهیة نقشه های پراکنش مکانی پارامترهای EC و PH خاک انتخاب شد. نتایج برتریِ روش LPI با توان دو و روش IDW با توان یک برای فاکتور PH را نشان می دهد. همچنین روش کریجینگ در مدل گوسن و IDW با توان یک به ترتیب بیشترین دقت را برای پارامتر EC در منطقة مورد مطالعه نشان دادند. افزون بر این، نتایج نشان داد دقت روش RBF و GPI به نسبت سایر روش ها پایین تر است.

یکی از موضوعات مهم در محاسبة شاخص های گیاهی کمیتی است که شاخص براساس آن محاسبه می شود. نوع کمیت انتخابی می تواند مقدار پیکسل، بازتابش و بازتابندگی باشد. بررسی تفاوت مقادیر شاخص های گیاهی محاسبه شده از این کمیت ها چه بسا راهگشای ساده ترکردن محاسبات مربوط به شاخص ها و نیز وضوح بخشیدن به نتایج حاصل از انتخاب هریک از کمیت ها شود. در تحقیقات گذشته، معمولاً یک شاخص گیاهی خاص بررسی شده است و اثر پوشش زمین در محاسبة مقدار آن شاخص براساس سه کمیت مقدار پیکسل، بازتابش و بازتابندگی در نظر گرفته نشده است. در تحقیق حاضر، شاخص های گیاهی تولیدشده از سه دادة یادشده مقایسه می شوند. برای این منظور، 10 شاخص PD43، GVI، RVI، SAVI، EVI، NDVI، DVI، NDWI، GRVI و VARI از روی تصویر LANDSAT 8تولید شد. این شاخص ها برای کل تصویر و همچنین برای پوشش های گوناگون آب، خاک، گیاه و منطقة شهری به طور جداگانه محاسبه شده اند. پس از محاسبة شاخص های گیاهی مورد نظر براساس سه کمیت تابشی، ضریب همبستگی خطی میان این مقادیر برای هر شاخص گیاهی محاسبه شد. مقایسه ها براساس پارامتر همبستگی انجام شده است که نتایج حاصل همبستگیِ بالا بین شاخص های هر سه کمیت تابشی را نشان می دهد. بیشترین ضریب همبستگی به دست آمده برابر با 1 است که در همة کلاس های پوششی برای بسیاری از شاخص ها تکرار شده است. کمترین میزان همبستگی برای کلاس منطقة مسکونی برابر با 0.8339 مربوط به شاخص PD43، برای کلاس گیاه برابر با 0.9489 مربوط به شاخص NDWI، برای کلاس آب برابر با 0.8696 مربوط به شاخص DVI، برای کلاس خاک برابر با 0.916 مربوط به شاخص GVI و برای کل تصویر برابر با 0.9257 مربوط به شاخص DVI است. با توجه به نتایج، در جایی که مقدار دقیق این شاخص ها مهم نباشد این شاخص ها را می توان با کنارگذاردن چند استثنای معدود، بدون نیاز به محاسبة مقدار شاخص براساس کمیته ای رادیانس و بازتابندگی فقط با استفاده از مقادیر پیکسل محاسبه کرد