سنجش از دور و GIS ایران

استفاده از توابع کسری، در غیاب اطلاعات افمریز مدار ماهواره و هندسه داخلی سنجنده، یکی از بهترین روش ها برای زمین مرجع سازی تصاویر ماهواره ای و استخراج اطلاعات مکانی از تصاویر ماهواره ای است. تعداد زیاد ترم ها و عدم تفسیرپذیری آنها، باعث شده تا تعدد نقاط کنترل مورد نیاز و ایجاد خطای پارامتر های اضافه، به عنوان مهم ترین ضعف های توابع کسری وابسته به زمین شناخته شوند. استفاده از الگوریتم های بهینه سازی، یکی از راهکار های مناسب رفع این ضعف ها است. به همین دلیل از الگوریتم های بهینه سازی مختلف، برای کشف ترکیب بهینه ترم های توابع کسری وابسته به زمین استفاده شده است. از آنجا که سازوکار هریک از این الگوریتم ها با یکدیگر متفاوت است، میزان کارایی و خصوصیات مختلف این الگوریتم ها در کشف ترکیب بهینه ترم های توابع کسری وابسته به زمین متفاوت است اما تفاوت های موجود به صورت جامع، مورد مقایسه و تحلیل قرار نگرفته است. در این مقاله، به منظور بررسی کامل و جامع توانایی های سه الگوریتم بهینه سازی ژنتیک، ژنتیک بهبودیافته و ازدحام ذرات بهبودیافته در کشف ترکیب بهینه ترم های توابع کسری از دیدگاه های مختلف از جمله دقت، سرعت، تعداد نقاط کنترل مورد نیاز و قابلیت اطمینان به نتایج بدست آمده، از 4 تصویر ماهواره ای متعلق به سنجنده های GeoEye-1، IKONOS-2، SPOT-3-1ª و SPOT-3-1B استفاده شده است. اختلاف دقت کمتر از 4/0 پیکسل در نتایج هر یک از الگوریتم های بهینه سازی، 10 تا 12 برابر بودن سرعت الگوریتم ژنتیک بهبودیافته نسبت به دو الگوریتم دیگر، به ترتیب برتری 25/45 و 27 درصدی درجه آزادی الگوریتم بهینه سازی ازدحام ذرات بهبودیافته نسبت به الگوریتم ژنتیک بهبودیافته و ژنتیک و پراکندگی نسبتا یکسان نتایج هر یک از الگوریتم ها در 10 بار اجرای برنامه، حاکی از آن است که دقت هر سه الگوریتم بهینه سازی نسبتا یکسان، سرعت الگوریتم ژنتیک بهبودیافته بیشتر، تعداد نقاط کنترل مورد نیاز الگوریتم ازدحام ذرات بهبودیافته کمتر از دو الگوریتم دیگر و قابلیت اطمینان به نتایج هر یک از الگوریتم های بهینه سازی به منظور کشف ترکیب بهینه ترم های توابع کسری وابسته به زمین، یکسان است.

تأمین آب و مدیریت صحیح منابع آب، یکی از چالش های جدی مدیران و تصمیم گیران این حوزه است. مسأله تصمیم گیری و تلاش برای یافتن یک راهکار مناسب در حوضه های کم آب جهت حل مشکل کم آبی، به تخصیص بهینه و اولویت بندی مصرف آب بین بخش های کشاورزی، شرب و صنعت و تأمین نیازهای زیست محیطی منطقه توجه دارد. این تحقیق با ارائه چارچوبی سیستماتیک و مدل سازی با استفاده از نرم افزار WEAP، به بررسی اثرات شکل های مختلف توسعه بر سیستم می پردازد. جهت بررسی موردی، این مدل در حوضه آبریز دریاچه ارومیه به کار گرفته شد. سیاست های موجود برای حل مشکلات این حوضه (ارائه شده توسط ستاد احیای دریاچه ارومیه)، به انتقال آب از دریاچه خزر به این دریاچه تأکید دارند که فعالیتی پر هزینه بوده و اثرات زیست محیطی و مشکلات متعددی دربر خواهد داشت. در این مطالعه این سناریو به همراه تعدادی از دیگر سناریوهای پیشنهاد شده توسط این ستاد، با استفاده از جعبه ابزار حامی تصمیم گیری مبتنی بر تصمیم گیری چندمعیاره مورد ارزیابی قرار گرفته و انتخاب بهترین سناریو به کمک این ابزار و بر مبنای روش TOPSIS انجام گرفت. در ادامه به منظور تعیین نحوه تخصیص بهینه آب به بخش های مصرفی و بر اساس دیدگاه همکاری ذینفعان در حل مشکل این حوضه، با پیشنهاد 4 سناریو مبتنی بر ائتلاف های مختلف ذینفعان، از نظریه بازی ها استفاده شد و نتایج نشان داد که با تخصیص آب به ذینفعان و تشکیل بازی کاملاَ همکارانه و استفاده از روش ارزش شاپلی، سود همه ذینفعان افزایش می یابد و سناریوی کاملا همکارانه می تواند به عنوان جایگزینی برای سناریوی انتقال آب به این حوضه مطرح شود.

شناسایی عوارض موجود در تصاویر، یکی از مسائل اساسی در حوضه تفسیر تصاویر به ویژه در تصاویر سنجش از دوری، به شمار می آید. یکی از روش های کارآمد و به روز در این زمینه، به کارگیری شیوه های یادگیری عمیق، جهت استخراج و تفسیر است. یک عارضه، مجموعه ای از الگوهای منحصربه فرد است که با عوارض مجاور خود متفاوت است، این تفاوت معمولاً در یک یا چند ویژگی به طور هم زمان اتفاق می افتد که می توان به تفاوت در شکل، رنگ و درجه خاکستری اشاره نمود. در این راستا، روش یادگیری عمیق با توانایی تحلیل مفاهیم انتزاعی سطح بالا، می تواند انتخاب مناسبی در این زمینه باشد. در روش پیشنهادی، ابتدا یک پایگاه داده مطابق با شرایط محیطی و جغرافیایی کشور از برخی از فرودگاه های ایران تشکیل شد. سپس با استفاده از شبکه های عصبی کانولوشنی به تولید مدل یادگیرنده بهینه اقدام شد. برای این کار، در قسمت پردازش داده های خام در کنار استفاده از روش انتقال آموزشی، بردارهایی جهت دسته بندی عوارض موردنظر استخراج و به یک مدل ماشین بردار پشتیبان طبقه بندی کننده، تحویل داده می شوند. در ادامه، مقادیر خروجی با مقادیر به دست آمده از تصویر آزمایشی برای هر عارضه، مقایسه و در یک روند تکرارشونده تحلیل و جهت تطابق ساختاری بررسی می شوند. نتایج استخراج شده از اعمال مدل پیشنهادی بر روی چند سری داده آزمایشی، ارزیابی و با روش های مشابه مقایسه شد که درنهایت با مقادیر 21/98 درصد برای معیار Precision و 1/99 درصد برای معیار F1-Measure، قادر به شناسایی عوارض هدف است

فعالیت فیزیکی، یکی از مهمترین جنبه های زندگی است که مزایای زیست محیطی، اقتصادی، اجتماعی و سلامتی بسیاری را با خود به همراه دارد. با توجه به اهمیت فضای عمومی شهرها در وقوع این فعالیت ها، موضوع توسعه محیط مصنوعی، به عنوان چارچوبی که بتواند فعالیت های فیزیکی را ترویج دهد، به یکی از مسائل مطرح در گفتمان شهرسازی تبدیل شده است. پژوهش حاضر، با هدف سنجش عینی کیفیت های تاثیرگذار محیطی بر فعالیت های فیزیکی ساکنان، در چهار محدوده منتخب، به شعاع 500 متر از بافت های چهارگانه شهر سنندج، انجام شده است. با مروری بر پژوهش های پیشین، مولفه های تاثیرگذار محیطی بر این فعالیت ها شناسایی و داده های مربوط به هریک از آنها با استفاده از لایه های شبکه معابر و کاربری اراضی در سیستم اطلاعات جغرافیایی تهیه و در فرمول ارزیابی مربوط به هر معیار، جاگذاری شده اند. ارزیابی های فوق، به صورت ترکیبی و در شاخص های اسمارتراک و شاخص قابلیت پیاده مداری، مورد بررسی قرار گرفته اند. سپس با مقایسه تطبیقی نتایج حاصل از شاخص های یاد شده، محدوده های مورد بررسی به لحاظ پیاده مداری دسته بندی شده اند؛ داده های مربوط به فعالیت های فیزیکی 421 نفر از ساکنان نیز با استفاده از پرسشنامه، جمع آوری شده و در نرم افزار SPSS و از طریق آزمون واریانس، میانگین آنها محاسبه، سپس با استفاده از تحلیل رگرسیون، ارتباط بین آنها با کیفیت های پیاده مداری محیط بررسی شده است. نتایج حاصل از این تحقیق، نشان دهنده اثرات بالقوه کیفیت های محیط بر فعالیت های فیزیکی ساکنان است.

جزیره حرارتی، نتیجه آب و هوای شهری و یکی از چالش های مهم زیست محیطی در قرن بیست و یکم است. هدف از این پژوهش، ارزیابی توأمان عوارض بیوفیزیکی و دمای سطح زمین با رویکرد تکاملی فرکتال ویژه (FNEA)، به منظور استخراج جزیره حرارتی شهری در تهران است. نخست، با استفاده از تصاویر سنجنده TIRS ماهواره لندست 8، در ماه اوت سالهای 2013، 2014 و 2015 مقادیر دمای سطح زمین (LST) محاسبه و جزایر حرارتی شهری با اتخاذ رویکرد تکاملی فرکتال ویژه (FNEA) استخراج شد. همچنین به منظور ارزیابی نقش عوامل بیوفیزیکی در شکل گیری جزایر حرارتی شهری، شاخص های BI، MNDWI، NDBI ،NDVI، SAVI و UI محاسبه و مورد ارزیابی قرار گرفتند. نتایج نشان داد بین پوشش گیاهی و جزایر حرارتی شهری، همبستگی خطی منفی وجود دارد. همچنین یک رابطه مثبت قوی، بین سطح غیر قابل نفوذ با جزایر حرارتی شهری در کلان شهر تهران به دست آمد. جزایر حرارتی کلان شهر تهران با رویکرد FNEA به 5 دسته جزایر حرارتی سرد، سرد درجه دوم، مناطق حرارتی متوسط، جزایر حرارتی گرم درجه دوم و جزایر حرارتی گرم دسته بندی شدند که به طور متوسط جزایر حرارتی گرم، 95 کیلومترمربع و جزایر حرارتی سرد 73 کیلومترمربع از کل مساحت کلان شهر تهران را به خود اختصاص داده اند. مهم ترین کانون های حرارتی شناسایی شده نیز به ترتیب در 1- منطقه 21 به جهت تمرکز شدید اکثر کارخانه ها، کارگاه های صنعتی و انبارها؛ 2- منطقه 9 به دلیل قرارگیری فرودگاه مهرآباد، پایانه های حمل ونقل مسافری و گذرگاه اصلی دسترسی؛ 3- منطقه 22 و شمال منطقه 19 به جهت تمرکز زمین های لم یزرع و 4- منطقه 13 (زمین های بدون پوشش اطراف فرودگاه سابق دوشان تپه) و مناطق جنوبی تهران (به دلیل وجود کارگاه های آموزشی و صنعتی) قرارگرفته اند.

کشاورزی، محور توسعه است و سطح زیر کشت محصولات زراعی و باغی در بخش کشاورزی یک پارامتر مهم مدیریتی است. ارزیابی و تعیین دقیق سطح این پارامتر، برنامه ریزان را در توسعه کشاورزی یاری می دهد. به منظور غلبه بر محدودیت های کار میدانی در برآورد سطح زیر کشت محصولات کشاورزی، استفاده از تصاویر ماهواره ای به دلیل دید وسیع و یکپارچه، چند طیفی و به روز بودن گزینه مناسبی به نظر می رسد. در این تحقیق داده های ماهواره IRS-P6 به منظور برآورد سطح زیر کشت باغات در اراضی دشت شارویران شهرستان مهاباد مورد تجزیه و تحلیل قرار گرفت. به منظور استخراج بهتر اطلاعات، شاخص های مختلف با استفاده از روش های نسبت گیری باندی و تحلیل مولفه های اصلی تهیه شدند. طبقه بندی داده ها به روش نظارت شده و با الگوریتم های مختلف به دو صورت 7 کلاسه (طبقات کاربری اراضی) و 2 کلاسه (باغ و غیرباغ) انجام شد. صحت نقشه های حاصل از طبقه بندی در مقایسه با نقشه های واقعیت زمینی ارزیابی شد. بهترین صحت کلی و ضریب کاپا به ترتیب برابر %75/97 و 95/0 با الگوریتم حداکثر احتمال در طبقه بندی 2 کلاسه حاصل شد. نتایج نشان داد که داده های IRS-P6 برای شناسایی و پایش سطح زیر کشت باغات از لحاظ هزینه، زمان و دقت بسیار مناسب هستند