اطلاعات جغرافیایی (سپهر)

با توجه به اهمیت بهبود بهره وری انرژی ساختمان ها به منظور ذخیره بالقوه انرژی و کاهش هزینه های تولید و مصرف انرژی مربوط به ساختمان، توجیه و منطقی سازی انرژی مصرفی ساختمان ها با توجه به افزایش هزینه های انرژی و دستورالعمل های مربوط به عملکرد انرژی به موضوع بسیار مهمی در صنعت ساختمان سازی و خصوصاً ساختمان های موجود با بافت قدیمی تبدیل شده است. در این راستا نماهای جانبی ساختمان به موجب اجزایی مانند درب، دیوار و پنجره بیشترین نقش را در اتلاف حرارتی یک ساختمان ایفا می کنند؛ بنابراین تشخیص و تعیین محل های اتلاف حرارتی در نمای ساختمان به منظور ذخیره بالقوه انرژی و کاهش هزینه های مصرف انرژی امری ضروری است. در این تحقیق روشی برای بصری سازی و تعیین محل های اتلاف حرارتی نمای ساختمان به منظور بهبود بهره وری انرژی ساختمان ارائه شده است. در روش پیشنهادی تحقیق با توجه سازگاری اورتوفتوموزاییک مادون قرمز حرارتی تولیدشده با الگوریتم های پردازش تصاویر رقومی و همچنین فراهم نمودن تحلیل های عددی و تفسیری ویژگی های حرارتی، از اورتوفتوموزاییک مادون قرمز حرارتی حاصل از پهپاد فتوگرامتری و الگوریتم قطعه بندی منطقه مبنا به منظور تشخیص و تعیین محل های اتلاف حرارتی نمای ساختمان استفاده شده است. در این راستا پس از تعیین محل های اتلاف حرارتی نمای ساختمان برای ارزیابی محل های اتلاف حرارتی تعیین شده از معیارهای ارزیابی صحت و پوشش به عنوان دو معیار شناخته شده به منظور ارزیابی مدل در یادگیری ماشین استفاده شده است. بر اساس معیارهای ارزیابی صحت و پوشش به ترتیب مقادیر 90 درصد و 87 درصد حاصل شده است. در این راستا نتایج بیانگر افزایش دقت روش پیشنهادی در تعیین محل های اتلاف حرارتی بر اساس معیارهای ارزیابی صحت و پوشش نسبت به تحقیقات مرتبط با موضوع پژوهش می باشد.

جابجایی اندک پدید ه ها در محیط مصداقی از تغییرات سه بعدی تلقی شده که احتمالاً شباهت رادیومتریکی عوارض متناظر را بر هم نمی زند. جابجایی اندک عوارض در صحنه، فرونشست یا برآمدگی سطح زمین، اثرات مربوط به اعمال فشار و کشش محلی به مواد در صنعت و مواردی از این دست را می توان در زمره تغییرات هندسی قلمداد کرد که نمود رادیومتریکی محسوسی در تصاویر ندارند.در چنین شرایطی، شناسایی خودکار نقاط متناظر در تصاویر اخذ شده قبل و بعد از تغییرات هندسی، منجر به تشخیص نقاط تغییریافته بعنوان عوارض مشابه در دو مقطع زمانی می گردد. مثلث بندی همزمان نقاط متناظر شناسایی شده در بلوک های عکسی قبل و بعد از تغییرات هندسی، مستلزم تفکیک مختصات سه بعدی مجهول برای نقاط تغییریافته در دومقطع است. عدم لحاظ شدن این موضوع، نقص در طراحی مدل ریاضی قلمداد شده که اصلاح آن نیازمند شناسایی نقاط متناظر تغییریافته است. در این مقاله، روشی تکراری مبتنی بر پایش بردار باقیمانده های مربوط به مشاهدات تصویری هر نقطه ی سه بعدی در روند مثلث بندی پیشنهاد شده که قادر به شناسایی نقاط تغییریافته است. سازوکار این روش پیشنهادی بر پایه مقایسه ی نسبی شاخص های آماری مستخرج از بردار خطا در دو حالت مثلث بندی همزمان و مستقل تصاویر اخذ شده در بلوک های عکسی قبل و بعد از تغییرات هندسی است. در این روش پس از شناسایی نقاط تغییریافته، مدل ریاضی مربوطه در روند مثلث بندی اصلاح و برای هر نقطه ی تغییریافته دو مختصات سه بعدی برآورد می شود. نتایج اجرای روش پیشنهادی در بیش از یازده آزمایش مختلف بطور متوسط حاکی از موفقیت 85/8 درصدی در شناسایی نقاط تغییریافته با بزرگی ها و راستای های متفاوت بوده که در مقایسه با روش های مرسوم هندسی مبتنی بر تخمین پایدار هندسه ی اپی پلار بهبود 34/5 درصدی را نشان می دهد.

امروزه به روزرسانی اطلاعات در مناطق شهری اهمیت بالایی دارد، زیرا این اطلاعات، اساس بسیاری از کاربردها را فراهم می کند که شامل مطالعات تغییرات پوشش اراضی و مطالعات محیطی است. روش های متعددی برای شناسایی تغییرات با به کارگیری داده های سنجش از دوری توسعه داده شده اند و روش های جدیدی در حال ظهور هستند. در بسیاری از روش های شناسایی عوارض زمینی، این عوارض با استفاده از پیش دانسته هایی از جمله ساختار، بافت، خصوصیات بازتابی و غیره شناسایی می شوند. هدف از این تحقیق ارایه روشی برای شناسایی تغییرات ساختمان ها در دو  منطقه شهری و در بازه های زمانی 5 ساله و 3 ساله می باشد. در این تحقیق با توجه نوع داده های مورد استفاده و مناطق مورد مطالعه و تراکم ساختمان های شهری، روش شیءمبنا برای طبقه بندی عوارض و شناسایی ساختمان ها استفاده شده است. این روش شیءگرا، قطعه بندی چندمقیاسه است که با استفاده از آن توصیف گرهای مناسب طیفی، بافتی و ساختاری استخراج و با استفاده از روش های فازی، طبقه بندی می شوند و پس از طبقه بندی در دو اپک و استخراج ساختمان های حاصل از طبقه بندی، تغییرات ارتفاعی آنها محاسبه می شود. روش های شناسایی این تغییرات بر مبنای روش مبتنی بر یادگیری عمیق است و ارزیابی آن با استفاده از روش تفاضل DSM می باشد. در روش تفاضل  DSM با استفاده از یک حدآستانه ارتفاعی تغییرات شناسایی می شوند، سپس در روش مبتنی بر یادگیری عمیق با استفاده از یک شبکه عصبی کانولوشن بار دیگر با در اختیار داشتن مشخصه های ارتفاعی و داده های واقعیت زمین  ایجادشده از شناسایی تغییرات در حالت تفاضلی، این تغییرات ارتفاعی آشکار می شوند و با تغییرات شناسایی شده در روش تفاضلی ارزیابی می شوند. نتایج آزمون ها نشان داد با توجه نوع داده مورد استفاده، منطقه مورد مطالعه و تراکم ساختمان های موجود، حدود 96% ساختمان ها از تصاویر هوایی در گام اول شناسایی و استخراج شدند. همچنین در گام دوم شناسایی تغییرات ساختمانی به روش شبکه عصبی با صحت کلی 90% انجام شده است.

در این تحقیق بررسی و مقایسه دقت تولیدات مختلف چهار نرم افزار تخصصی فتوگرامتری پهپادمبنا، Inpho UASmaster (UASmas) ، Photomodeler UAS (PhUAS) ،  Agisoft metashape (AgisMesh) و MapperPix4D،  برای مدل سازی سه بعدی در مناطق شهری و غیرشهری باحداقل نقاط کنترل زمینی انجام گرفت. برای این منظور، تولیدات مختلف این نرم افزارها بر روی چهار سری داده، دو سری مربوط به ایران و دو سری مربوط به دیگر کشورها، از مناطق بایر، مسکونی، فضای سبز و مناطقی با بافت یکنواخت، به صورت کمی و کیفی مورد ارزیابی قرار گرفتند. نتایج کیفی بصری نشان  داد که نرم افزار AgisMesh در مدل سازی سه بعدی انواع سطوح در همه مناطق تست بهترین نتایج داشت ولی در بازسازی لبه های ساختمان ها در مناطق شهری عملکرد ضعیفی دارد. در مقابل Pix4D در مناطق با بافت یکنواخت نتایج ضعیفی داشته ولی در تشخیص اختلاف ارتفاع و بازسازی لبهء ساختمان ها، قوی تر عمل می کند. در بررسی های کمی،  تولیدات این نرم افزارها ابتدا با استفاده از نقاط چک و سپس با انتخاب نقاط تصادفی در سه کلاس مختلف، مورد ارزیابی قرار گرفتند. نتایج نقاط چک با در نظر گرفتن خطای ریشه مربعی متوسط، به ترتیب 2/82، 2/63، 5/28 و 3/03  سانتی متر در  AgisMesh، UASmas، Pix4D و PhUAS حاصل شد. همچنین، نتایج نقاط تصادفی در سه منطقه مسکونی، بایر و فضای سبز نشان داد که UASmas به ترتیب دقت های 1/83، 1/20 و 2/74 سانتی متر، PhUAS دارای دقت های 6/90، 2/96 و 7/24 سانتی متر، Pix4D دارای دقت های 4/72، 3/46 و 3/59 سانتی متر  نسبت به AgisMesh داشتند.

امروزه تصاویر قائم از محصولات پرکاربرد در حوزه اطلاعات مکانی هستند که غالباً از تصاویر هوایی یا ماهواره ای تهیه می شوند به طوری که توجه به دقت و کیفیت تصاویر قائم به دلیل دارا بودن هم زمان اطلاعات هندسی و رادیومتریک از اهمیت بالایی برخوردار است. عوامل متعددی در کیفیت تهیه این تصاویر تاثیرگذار هستند که در این میان ابرنقاط و مدل رقومی سطحی که از آن تهیه می شوند را می توان به عنوان مهمترین موارد برشمرد. به سبب نقص ابرنقاط در لبه های ساختاری ساختمان ها تصاویر قائم حقیقی دارای اعوجاج ها و تضاریسی بر روی این لبه ها می باشند. این مشکل بر روی تصاویر قائم به دست آمده از تصاویری که با پهپادها در نواحی شهری اخذ می شوند به علت آنکه از ارتفاع پایین تری برخوردارند بیشتر است. در این حالت به سبب افزایش میزان جابجایی های مسطحاتی ناشی از عوارض مرتفع با ارتفاع پرواز پایین نسبت به هواپیماهای باسرنشین لازم است تا ابرنقاط مربوطه بهبود یافته و از مدل رقومی سطحی دقیق تری برای انجام تصحیحات استفاده شود. علاوه بر این روش های تهیه ابرنقاط که بر مبنای تناظریابی میان تصاویر است به علت وجود نواحی پنهان و تغییرات رادیومتریکی میان تصاویر همپوشان قادر به تولید ابرنقاط کامل نبوده و دارای نقص هایی به ویژه بر روی لبه های عوارض هستند. در این مطالعه علاوه بر اینکه برای تکمیل ابرنقاط استفاده از شبکه یادگیری عمیق آموزش دیده در بهبود ابرنقاط برای تهیه تصاویر قائم پیشنهادشده است موفقیت نتایج حاصل از آن با جدیدترین روش پیشنهادی بهبود تصویر قائم حکایت از بهبود حدود 62 و 55 درصدی تضاریس نقاط واقع بر لبه های ساختاری و حفظ دقت مختصاتی آن ها دارد.

رشد سریع توسعه فیزیکی و جمعیتی شهرها در دهه های اخیر موجب مشکلات اساسی در شهرها شده است. شهر کاشان نیز با توجه به قدمت و رشد بالای جمعیتی و فیزیکی از این امر مستثنی نبوده در واقع این رشد عامل نابسامانی در فضا و کالبد شهر و بخصوص ناسازگاری در بین کاربری های شهری شده و موجب پراکنده رویی، افزایش هزینه های حمل ونقل و آلودگی های محیط زیستی و به خطر انداختن توسعه پایدار شهری شده است، لذا ارزیابی کاربری های شهری از حیث شاخص سازگاری به منظور دست یابی به معیارهای متناسب و اصول برنامه ریزی توسعه پایدار شهری از مهم ترین اقدامات در این زمینه می باشد. نوع پژوهش ازنظر هدف کاربردی و از نظر روش انجام تحلیلی- تطبیقی است که با در نظر گرفتن شاخص استاندارد سرانه ها و سازگاری و بهره گیری از نرم افزار GIS به بررسی و ارزیابی کمی و کیفی کاربری ها در سطح شهر کاشان پرداخته است. از چهار سنجه شامل ارتباط کاربری های مختلف، عدم مجاورت کاربری های همجوار، تراکم جمعیت، وسعت زمین به عنوان پایه ای برای تحلیل شاخص های سازگاری کاربری اراضی استفاده شد. یافته های پژوهش نشان می دهد که بیشتر کاربری ها به لحاظ مقایسه سرانه های موجود با سرانه های استاندارد در طرح های شهری با کمبود فاحشی روبرو می باشند و از سوی دیگر تحلیل کاربری ها با شاخص سازگاری حاکی از ناهمسانی سازگاری در بین بعضی از کاربری های شهری مانند مسکونی با بیش از 40 در صد، کاربری آموزشی با بیش از 37 درصد، کاربری اداری با 36 درصد، کاربری درمانی با 27 درصد و کاربری ورزشی با 19 درصد با کاربری های همجوار خود است، لذا مسئولین شهری می بایست در برنامه های مربوطه به توسعه آینده شهر، ضمن تخصیص بهینه فضا به کاربری های مورد نیاز برای رفع کمبود فعلی، به توزیع مناسب کاربری های همجوار بر اساس مؤلفه های مکانی – فضایی توجه جدی داشته باشند.

منحنی های شدت- مدت- فراوانی بارندگی یا روابط دیگری که بتواند شدت بارندگی را به ازای یک تداوم مشخص تعیین کند از ملزومات طراحی در هر پروژه هیدرولوژیکی است، چرا که سیل طراحی بر اساس رگبار طراحی بوده و رگبار نیز دارای تداوم معینی است که می بایست شدت آن مشخص شود. پدیده تغییر اقلیم  ناشی از گرم شدن کره زمین بر مقدار و به تبع آن شدت بارش ها در مناطق مختلف جغرافیایی تاثیرگذار است. به منظور بررسی اثر گرم شدن کره زمین بر شدت بارندگی ها در ایستگاه سینوپتیک بابلسر، دوره مورد مطالعه به دو بازه زمانی 26 ساله (1968-1993) و (1994-2019) تقسیم شد. شدیدترین رگبار 10، 20، 30، 40، 50، 60، 90 دقیقه، 2، 4، 6، 9، 12، 18 و 24 ساعت هر سال از روی تمام رگبارهای رخ داده در آن سال استخراج شد. سپس با استفاده از نرم افزار EasyFit و با آزمون نکویی برازش کولموگروف- اسمیرنوف برای هر یک از 28 سری داده ها، مقادیر شدت بارندگی برای دوره بازگشت های 2، 5، 10، 25، 50 و 100 ساله به دست آمد. نتایج نشان داد که شدت بارش های 10 و 20 دقیقه ای و 18 و 24 ساعته  بازه زمانی دوم نسبت به بازه زمانی اول به ترتیب 54، 17، 35 و 35 درصد افزایش یافته در حالی که شدت بارش های 50، 60، 90 دقیقه ای و 2، 4، 6 و 9 ساعته به ترتیب 10، 26، 31، 35، 34، 20 و 10 درصد کاهش یافته است. آزمون tجفتی انجام شده با نرم افزار SPSS روی پارامترهای دما نشان داد که در بازه زمانی دوم نسبت به زمانی اول افزایش دما رخ داده است که مقدار افزایش دمای میانگین26 ساله بازه زمانی دوم نسبت به بازه زمانی اول، 16/1 درجه سانتیگراد بوده است. همچنین بر اساس آزمون من کندال انجام شده روی داده های 52 ساله پارامترهای دما، روند صعودی مشاهده شد. به عنوان نتیجه کلی می توان عنوان نمود که تغییر اقلیم باعث افزایش شدت بارش های کوتاه مدت(5/%35) و بلند مدت(35%) و کاهش شدت رگبارهای میان مدت(24%) در ایستگاه سینوپتیک بابلسر شده است.

در طی دهه های اخیر اراضی حاشیه ای شهرها که اغلب از اراضی کشاورزی مرغوب و باغات می باشند، تغییر کاربری داده شده اند که این تغییرات به عنوان یکی از عوامل مهم و مؤثر چالش های اجتماعی و زیست محیطی به شمار می آیند. امروزه فن آوری سنجش از دور و سیستم اطلاعات جغرافیایی به دلیل قابلیت هایی مانند قدرت نظارت و تفکیک زمانی و مکانی بالا، تصاویر مکرر، کاهش هزینه ها و ... به طور مؤثر برای شناسایی و تعیین مقدار تغییرات کاربری اراضی و اثرات آن بر محیط زیست و نظارت و مدیریت بهینه شهرها استفاده می شوند. این تحقیق با هدف ارزیابی گسترش  سی ساله شهر اردبیل با استفاده از تصاویر لندست می باشد. ابتدا تصاویر مربوط به سال های 1987، 2000 و 2017 تهیه شدند. سپس با استفاده از الگوریتم های ماشین بردار پشتیبان، حداکثر تشابه و شبکه عصبی مصنوعی شهر اردبیل به شش کلاس کاربری (مناطق مسکونی، اراضی کشاورزی با پوشش، اراضی آیش، اراضی بایر، جنگل شهری و آب) طبقه بندی شد. در نهایت دقت طبقه بندی هر کدام از الگوریتم های مورد استفاده بررسی شد. نتایج نشان داد که الگوریتم ماشین بردار پشتیبان دقت بالاتری نسبت به دو الگوریتم دیگر دارد. بر همین اساس، نقشه حاصل از الگوریتم ماشین بردار پشتیبان نشان داد که مساحت اراضی ساخته شده اردبیل از 20/0223 کیلومتر مربع در سال 1987 به 41/5854 کیلومتر مربع در سال 2017 افزایش داشته است. با توجه به نتایج حاصل از این تحقیق می توان بیان نمود که شهر اردبیل در بازه زمانی سی ساله گسترش نامتوازنی داشته است. بنابراین به منظور دستیابی به توسعه بهینه این شهر توصیه می شود با استفاده از نقشه های به دست آمده، در صورت امکان با زون بندی بهینه شهر، تجدید نظر کلی در تهیه طرح جامع ، برنامه ریزی و مدیریت این شهر انجام گیرد، چرا که ارزیابی روند توسعه شهری و آگاهی از الگوهای تغییرات کاربری اراضی به منظور مدیریت و برنامه ریزی بهینه شهرها ضروری می باشد.  

تعیین محل مناسب دفن زباله های شهری به دلیل تأثیر فراوان بر اقتصاد، اکولوژی و محیط زیست هر منطقه یک امر مهم در فرآیند برنامه ریزی شهری می باشد. برای تحقق این هدف سعی می شود نقاطی با کم ترین احتمال خطر برای محیط زیست و سلامت انسان مد نظر قرار گیرد. سنجش امکان یافتن محل مناسب دفن زباله ها مستلزم انتخاب روشی کارآمد می باشد. بکارگیری روش های مبتنی بر منطق ریاضی می تواند به اعمال معیارهای لازم و نیز تعیین سهم هر معیار در اثرگذاری بر انتخاب محل مناسب بیانجامد. این تحقیق تلاش دارد تا شاخص ها و مؤلفه های موثر در مکانیابی مناسب ترین محل دفن زباله های شهر کرج را با رویکرد توسعه ی پایدار شناسایی، ارزیابی و اولویت بندی کند. برای تحقق این هدف، سامانه اطلاعات جغرافیایی (GIS) و فرآیند تحلیل سلسله مراتبی (AHP) فازی با یکدیگر تلفیق شدند. نتایج حاصل از تحلیل داده های تحقیق نشان داد که معیار "توسعه شهری" با وزن 0/270 مهم ترین معیار در انتخاب محل مناسب دفن پسماند شهری بود و بعد از آن معیار "زیست محیطی" با وزن 0/226 در رتبه دوم و معیار "اجتماعی- اقتصادی" با وزن 0/152 در رتبه آخر قرار گرفتند. همچنین، رتبه بندی زیر معیارهای مهم در هر گروه نیز انجام شد که شاخص های " گسل"، "شرایط اقلیمی"، "فاصله از آب های سطحی"، "بوی نامطبوع محل دفن"، "کاربری زمین"، "دسترسی به تجهیزات و تسهیلات"، "پذیرش مردم"، و "آبراهه اصلی و چاه" بالاترین اهمیت را یافتند. در تحلیل GIS با استفاده از روش وزن دهی افزایشی ساده نیز مشخص شد که منطقه "دشت نظر آباد" و سایت جدید "حلقه دره" ارجح ترین گزینه ها برای انتخاب محل جدید دفن زباله های شهر کرج هستند.

به منظور بررسی تغییرات پوشش زمین بر دمای رویه سطحی زمین، تصاویر مودیس مربوط به پوشش سطح زمین (MCD12Q1) در فاصله زمانی سال های  2001 تا 2019 میلادی دریافت شد. محصول پوشش سطح زمین بر اساس  برنامه بین المللی ژئوسفر- زیست کره استخراج و با کمک الگوریتم درخت خوشه بندی تغییرات پوشش سطخ زمین مشخص شد. برای تهیه  انواع مؤلفه های دمای سطحی، محصول دمای سطح زمین(MOD11) نیز در مقیاس روزانه در محیط سامانه گوگل ارث انجین تهیه شد. در مرحله آخر برای آشکارسازی تأثیر پوشش های زمین، بر مؤلفه های دمای سطحی از ابزار تحلیل خود همبستگی موران جهانی، شاخص انسلین موران محلی، همچنین ضریب همبستگی پیرسون ، رابطه رگرسیونی و مقدار معناداری بین متغیرها در محیط برنامه نویسی R  اقدام شد. بر اساس نقشه های پوشش سطح زمین، پوشش بوته زارها، علفزارها، زمین های زراعی، پوشش گیاهان پراکنده و مناطق سکونتگاهی، پوشش های غالب منطقه را تشکیل می دهند. در طی 19 سال افزایش وسعت طبقه پوشش گیاهی پراکنده و بوته زارهای بی ثمر نشان دهنده تغییرات منفی در اکوسیستم منطقه است. به گونه ای که از مساحت طبقات دیگر همچون زمین های زراعی، و علف زارها  کاسته و بر وسعت این طبقات  افزوده شده است. دمای سطح زمین این منطقه، دارای ساختار فضایی بوده و به شکل خوشه ای در 3 خوشه توزیع شده است. خوشه های داغ، مناطق کم ارتفاع، خوشه های سرد، مناطق پر ارتفاع و ناخوشه ها کوهپایه ها را دربر گرفتند. در بررسی اثرات پوشش های سطح زمین بر دمای رویه سطحی زمین، در طی 19 سال، دمای شبانه روزی لایه سکونتگاه ها حدود1.12 درجه و لایه زمین های زراعی0.41 درجه سانتی گراد افزایش یافته است. در مقیاس دمای روزانه، لایه سکونتگاه ها ازافزایش دمای حدود 1 درجه برخوردار است. در مقیاس دمای سطحی شبانه، پوشش های زمین های زراعی، پوشش های گیاهی پراکنده و لایه سکونتگاه ها به ترتیب 6.2، 0.8 و 0.6 درجه سانتی گراد، افزایش دما را بخود ثبت کردند.