درخت حوزه‌های تخصصی

سامر (Sumer) و همکاران (2008 و 2013) بر پایة به کارگیری الگوریتم انطباقی فازی-ژنتیک، رویکردی نوین در آشکارسازی ساختمان ها با استفاده از تصاویر ماهواره ای با قدرت تفکیک مکانی بالا مطرح کردند. روش پیشنهادی با کاهش مشکل همگرایی زودرس در الگوریتم ژنتیک، دقت آشکارسازی عوارض را بهبود چشمگیری بخشید. نبودِ کنترل های هندسی بر خروجی این الگوریتم از محدودیت های رویکرد پیشنهادی به شمار آمده است. در این تحقیق، برای رفع این محدودیت، روش استخراج فازی ژنتیک که سامر و همکاران (2013) آن را توسعه دادند با کنترلگر هندسی پیشنهادی ادغام شد. در این الگوریتم، ابتدا نمونه های آموزشی و تست انتخاب می شوند، سپس اپراتورهای پایة پردازش تصویر روی ژن های کروموزوم ها قرار می گیرند. خروجی های موقتی حاصل از اعمال اپراتورهای پردازش تصویر بر باندهای تصویر ورودی به یک تصویر باینری با بیشترین میزان تمایز بین دو کلاس تبدیل می شوند. با محاسبة میزان مطابقت بین نمونة انتخابی و خروجی الگوریتم، مقادیر ارزش برای هریک از اعضای جامعه محاسبه می شود. در پایان چرخة هر نسل، رویکرد فازی در نظر گرفته شده در این تحقیقْ مقادیر احتمالی اصلاح شده برای عملیات لقاح و جهش را به منظور ممانعت از همگرایی نابهنگام در شروع نسل بعد تعیین می کند. این فرایند تا زمان دستیابی به تعداد مشخصی از تکرار ادامه می یابد. به منظور کنترل هندسی خروجی های الگوریتم پیشنهادی، یک الگوریتم ژنتیک تکمیلی ناحیه مبنا نیز توسعه داده شده است. با فرض مشابهت ساختمان های همجوار در یک منطقة شهری، الگوریتم تکمیلی سعی در بهینه یابی محدودة مساحتی در منطقة مورد مطالعه دارد. بدین ترتیب که نواحی با حدود خارج از محدودة مساحتی تعیین شده به منزلة عوارض کلاس «غیرساختمان» برچسب گذاری می شوند. این الگوریتم در دوازده ناحیة انتخابی با ساختمان های متراکم و پراکنده در منطقة ورزقان استان آذربایجان شرقی پیاده سازی شد. میزان کاپای محاسبه شده با به کارگیری رویکرد پیشنهادی بین 0.59 تا 0.91 است که، درمقایسه با تحقیقات مشابه، عملکرد بهتری از خود نشان می دهد. این الگوریتم در مناطق شهری و حومة شهری، به نسبت نواحی روستایی، نتایج بهتری داشت.

متغیرهای بیوفیزیکی و بیوشیمیایی پوشش گیاهی، به منزله متغیرهای ورودی، برای مدل های متفاوت چرخه کربن، آب، انرژی و مدل های اقلیمی و کشاورزی دقیق نقش مهمی ایفا می کنند. یکی از مهم ترین متغیرهای مربوط به تاج پوشش گیاه، که کاربردهای فراوانی در مدل سازی های گوناگون خاک و گیاه و اتمسفر دارد، شاخص سطح برگ (LAI) است. روش های گوناگونی برای بازیابی LAI از تصاویر ابرطیفی به کار رفته اند که، از میان آنها، روش های ناپارامتریک غیرخطی یادگیری ماشین بسیار مورد توجه قرار گرفته اند زیرا، در مواجهه با داده های دارای ابعاد زیاد، انعطاف پذیرند. بااین حال، در مطالعات پیشین، به بررسی عملکرد روش های یادگیری ماشین در بازیابی مقادیر LAI در مقادیر حاشیه ای (مقادیر خارج از دامنه نمونه گیری زمینی) و قابلیت این روش ها در تهیه نقشه متغیر توجه چندانی نشده است. در این تحقیق، عملکرد چهار روش پرکاربرد یادگیری ماشین شامل رگرسیون بردار پشتیبان، فرایند گاوسی، شبکه عصبی مصنوعی و جنگل تصادفی در بازیابی LAI از تصویر ابرطیفی ماهواره کریس پروبا بررسی شده است. نتایج نشان داد که، به رغم کارآیی هر چهار روش در بازیابی مقادیر LAI برای دامنه مقادیر اندازه گیری شده زمینی با RMSE بهتر از 0.5 و خطای نسبی کمتر از 10%، روش های فرایند گاوسی و رگرسیون بردار پشتیبان صحت بالاتری در مقایسه با سایر روش ها دارند. باوجوداین، عملکرد روش شبکه عصبی مصنوعی، در تخمین LAIهای دارای مقادیر حاشیه ای، بهتر از دیگر روش هاست و نقشه تهیه شده با این روش و تابع یادگیری GDA  تطابق بیشتری با نقشه NDVI و تصویر ابرطیفی منطقه دارد.

شناسایی عوامل مؤثر در گسترش فرسایش خاک و پهنه بندی آن یکی از عوامل اساسی، جهت مدیریت و کنترل این پدیده و تعیین راهکارهای مناسب در مقابله با گسترش آن است. هدف از این پژوهش، پهنه بندی فرسایش خاک در حوضه قلعه چای، در غرب استان آذربایجان شرقی با استفاده از فرآیند تحلیل شبکه ای و سیستم اطلاعات جغرافیایی است. بدین منظور با بررسی منابع و نظر کارشناسان، عوامل مؤثر بر فرسایش خاک از قبیل شیب، جهت شیب، لیتولوژی، کاربری اراضی، شاخص تفاوت پوشش گیاهی نرمال شده (NDVI)، بارندگی سالانه و خاک مورد ارزیابی قرار گرفته و سپس با استفاده از نرم افزار ArcGIS و ضرایب استخراج شده در فرآیند تحلیل شبکه، نقشه پهنه بندی فرسایش خاک تهیه و در پنج کلاس، فرسایشی خیلی زیاد، زیاد، متوسط، کم و خیلی کم، باز طبقه بندی شد. نتایج این تحقیق نشان داد کلاس های خطر زیاد و بسیار زیاد، در مجموع 12/37 درصد از مساحت منطقه که 56/118 کیلومترمربع را شامل می شود، در بر می گیرد. همچنین در بخش های جنوبی و مرکزی حوضه، مقدار فرسایش خاک زیاد است، این مناطق شرایط بحرانی و حادی را از نظر فرسایش نشان می دهند و با توجه به احداث و آبگیری سد قلعه چای، می بایست در اولویت اجرای برنامه های حفاظت خاک و آبخیزداری قرار گیرند.

اطلاعات پوشش اراضی یکی از مهم ترین ابزارهای مدیریت شهری است و سنجش از دور به عنوان فناوری بهینه از نظر هزینه و زمان، در تولید این گونه اطلاعات اهمیت بسیار دارد. با توجه به وجود نواحی شهری پیچیده و متراکم در کشورهای جهان سوم، روش های شئ مبنا به عنوان راهکار مناسبی در پردازش تصاویر این گونه مناطق پیشنهاد شده اند. هدف پژوهش حاضر معرفی روش شئ مبنای جدیدی برای طبقه بندی مناطق شهری پیچیده با استفاده از تصاویر بزرگ مقیاس ماهواره ای و نزدیک شدن به فرایند تولید نقشة استاندارد و مؤثر با این روش است. در این مدل به منظور انتخاب پارامترهای قطعه بندی، از روشی جدید و همچنین از مدل طبقه بندی سلسله مراتبی به همراه استراتژی قانون مبنایی برای غلبه بر اغتشاشات بین کلاسی بهره گیری شد. در این حیطه ضمن بهینه سازی فضای ویژگی در آنالیزی چندمقیاسه، از دو روش طبقه بندی قانو ن مبنا و نزدیک ترین همسایة فازی استفاده شد. روش پیشنهادی در پژوهش حاضر روی تصویر سنجندة IKONOSاز شهر شیراز پیاده سازی شد، که دقت 84 درصد با استفاده از طبقه بندی روش قانون مبنا و نیز دقت 87 درصد از روش طبقه بندی نزدیک ترین همسایة فازی به دست آمد. افزون بر این، پیاده سازی روش پیشنهادی روی تصویر IKONOSشهر یزد، قابلیت تعمیم پذیری این روش را به سایر مناطق نشان داد. کلید واژه ها : طبقه بندی پوشش اراضی، قانون مبنا، شئ مبنا، نزدیک ترین همسایة فازی، نواحی پیچیده.

سنجنده های دوقلوی MSI سنتینل -2، از لحاظ توان تفکیک مکانی، شباهت بسیاری به سنجنده OLI لندست 8 دارند که آژانس فضایی اروپا، با هدف افزایش داده های ادامه دار برای پایش سطح زمین، آنها را به فضا پرتاب کرد. در این مطالعه، قابلیت این داده ها در تفکیک واحدهای سنگی و دگرسانی، در محدوده کانسار فسفات اسفوردی، ارزیابی و با داده های لندست 8 و لندست 8 تلفیق شده، مقایسه شد. برای بارزکردن واحدهای سنگی منطقه، از روش بسط عدم همبستگی استفاده شد. به منظور مقایسه های آماری، واحدهای سنگی با استفاده از اجرای روش ماشین بردار پشتیبان و جنگل تصادفی روی دسته داده ها، رده بندی و صحت آنها با استفاده از ماتریس آشفتگی بررسی شد. علاوه بر آن، نسبت های باندی متناظر با آنچه درمورد سنجنده لندست 5 TM تعریف شده است، برای آشکارسازی نواحی دگرسان شده در منطقه، روی هر سه دسته داده اجرا و مساحت پهنه های بارزشده محاسبه و مقایسه شد. همچنین، نمودارهای پراکندگی برای تصاویر نسبت باندی تولیدشده تهیه شد. داده های MSI، در رده بندی ماشین بردار پشتیبان و جنگل تصادفی، صحت کلی و ضریب کاپای بیشتری را در مقایسه با دو دسته داده دیگر نشان دادند. نتایج نسبت باندی نیز نشان داد که داده های MSI و OLI تلفیق شده بیشترین همبستگی و مشابهت را به هم دارند. این مطالعه مشخص کرد که استفاده از داده های MSI در تهیه نقشه های سنگ شناختی و کانی شناختی، مطلوب تر از داده های OLI است. همچنین استفاده از داده های OLI تلفیق شده، در تاریخ هایی که تصاویر MSI در دسترس نیست، و یا برای تهیه نقشه های زمین شناسی پیوسته در مقیاس های قاره ای، به همراه داده های MSI کارآمد است.

عمق سکی یکی از شاخص های شفافیت پهنه های آبی است. در پژوهش حاضر برای نخستین بار مدل های رگرسیونی خطی تک متغیره و چندمتغیره به منظور پایش عمق سکی در دریای خزر با استفاده از تصاویر مریس شرح و بسط داده شده است. برخلاف مطالعات گذشته، در این تحقیق مدل ها آزمون می شوند تا دقت واقعی آنها در پایش عمق سکی مشخص گردد. اندازه گیری های میدانی عمق سکی که شامل 25 دادة مدل ساز و 12 داده آزمون است، در 25 گشت دریایی طی تیرماه تا آبان ماه سال 1384 در بخش جنوبی دریای خزر انجام شد. در این تحقیق از 25 تصویر سنجندة مریس در بازة زمانی اندازه گیری های میدانی استفاده شد. در رگرسیون تک متغیره، همبستگی بین عمق سکی و داده های بازتابش طیفی و نسبت آنها بررسی شد و روابطی که بیشترین همبستگی را داشتند انتخاب شدند. سپس با استفاده از داده های مدل ساز، بهترین مدل های خطی تک متغیره بین عمق سکی و پارامترهای بازتابشی ارائه و آزمون شد. مدل های رگرسیونی چندمتغیرة مناسب به کمک آمارة CP مالوز تعیین شدند و از میان آنها بهترین مدل با کمک داده های آزمون مشخص شد. نتایج نشان داد که جواب های مدل سازی چندمتغیره از مدل های تک متغیره بهتر و در مقایسه با دیگر مطالعات دارای ضریب همبستگی بیشتری است. در بهترین مدل چندمتغیره از داده های بازتابش در طول موج های 412، 510، 560، 681 و 779 نانومتر استفاده می شود و ضریب همبستگی و درصد خطای این مدل به ترتیب 7/0 و 7/37 درصد است. در نهایت نقشه های عمق سکی در دریای خزر از تصاویر مریس به کمک مدل مذکور استخراج شدند.

استان فارس، با توجه به واقع شدن در مناطق خشک و نیمه خشک ایران، دچار کمبود منابع آب سطحی شده است. بنابراین، به منظور بهره برداری از منابع آب زیرزمینی، تعیین کیفیت آب بسیار اهمیت دارد. با توجه به اهمیت موضوع، هدف این مطالعه تعیین میزان کیفیت مناطق جنوب شهر شیراز در استان فارس است. به منظور تهیه نقشه های پهنه بندی از نقاط نمونه برداری شده، از روش میانگین عکس فاصله (IDW) استفاده شد. در ادامه، برای همگن کردن هریک از لایه های تهیه شده، روش فازی به کار رفت. در این روش، تابع عضویت برای هریک از نقشه های پهنه بندی تعریف شد و داده ها بین 0 و 1، براساس درجه اهمیتی که در کیفیت آب دارند، قرار گرفتند. در نهایت، برای وزن دهی به لایه ها و تهیه نقشه نهایی کیفیت آب، از روش فرایند تحلیل شبکه ای (ANP) استفاده شد. نتایج نشان داد که کیفیت آب حدود ۸۰% منطقه مورد مطالعه مطلوب است؛ درحالی که کیفیت آب شرب در حدود ۴% از منطقه (بخش هایی از شمال و شرق) نامطلوب است.

توسعه روش های سنجش از دور در پهنه بندی اراضی زیر کشت محصولات کشاورزی در مقیاس گسترده مکانی و زمانی، به صورت جایگزین شیوه های پرهزینه و زمان بر جمع آوری آمار میدانی، در حال گسترش است. تا کنون، روش هایی برای شناسایی اراضی زراعی، با استفاده از تصاویر سنجنده های اپتیک و راداری، مطرح شده است. برخی از این روش ها، با تأکید بر فرایندهای حذف پیکسل های ابری، مناسب اقلیم مرطوب با روزهای متعدد ابرناکی هستند و برخی دیگر، به دلیل روش به کاررفته در آنها به منظور ترکیب تصاویر هر دو سیستم اپتیک و راداری، پیچیده گی های خاص خود را دارند. در این میان، روش های مبتنی بر استفاده از ویژگی های منحصربه فرد سری زمانی شاخص گیاهی هریک از محصولات زراعی فرایند نسبتاً ساده تری در پهنه بندی اراضی زراعی دارد. هدف از این پژوهش بهبود یکی از روش های مطرح شده برای تفکیک اراضی زیر کشت گندم دیم است که در آن از الگوریتم حذف گام به گام پیکسل های غیرگندم و تصاویر سنجنده مادیس استفاده شده بود. برای بهبود الگوریتم مذکور، طی فرایندی، از قدرت تفکیک زمانی تصاویر سنجنده مادیس و قدرت تفکیک مکانی تصاویر ماهواره لندست8 بهره گرفته شد. فرایند جدید، ضمن رفع نقاط ضعف الگوریتم سابق در تشخیص مراتع و اراضی غیرگندم از اراضی گندم دیم، به خصوص در پیکسل های ناهمگن، موجب افزایش دقت این الگوریتم در پهنه بندی اراضی گندم دیم شد؛ به طوری که روش مطرح شده توانست با مقادیر صحت کلی، شاخص کاپا و F1 به ترتیب برابر با 92.5%، 0.67 و 0.71، با دقت قابل قبولی، سطوح زیر کشت گندم دیم را تفکیک کند. 

براساس آخرین یافته ها افزایش سطح آب اقیانوس ها و دریاها متاثر از پدیده تغییر اقلیم می باشد و این افزایش سطح آب دریاهای آزاد اثرات مستقیم بر زندگی ساحل نشینان خواهد داشت. در مطالعه حاضر اثرات تغییراقلیم بر افزایش سطح آب در تنگه هرمز مورد بررسی قرار گرفته است. برای پیش بینی تغییرات سطح آب در منطقه مذکور از متغییرهای اقلیمی استفاده گردیده است که براساس روش رگرسیون گام به گام انتخاب شده اند. اثرات تغییر اقلیم با مدل چرخه عمومی جو تحت عنوان CGCH3 که شامل دو سناریوی تغییر اقلیم A1B و A2 می باشد، ارزیابی شده است. برای بررسی ارتباط بین متغیرهای اقلیمی و تغییرات سطح دریا مدل شبکه عصبی مصنوعی-موجک مورد استفاده قرار گرفته است. نتایج بیانگر میزان افزایش سطح آب دریا تا انتهای قرن حاضر در مجاورت تنگه هرمز برای سناریوی تغییر اقلیم A1B بین 64 تا 75 سانتیمتر و برای سناریوی تغییر اقلیم A2 بین 90 تا 105 سانتیمتر می باشد. همچنین نواحی ساحلی که تحت تاثیر افزایش ارتفاع آب قرار خواهند گرفت نیز بر روی نقشه مشخص گردید که نشان می دهد تغییرات سطح آب در این منطقه دارای آسیب پذیری بالایی نخواهد بود.

آشکارسازی تغییرات با رویکرد شیءگرا در تصاویر با قدرت تفکیک مکانی بالا به این دلیل که علاوه بر ویژگی های طیفی از ویژگی های مکانی، هندسی و بافتی استفاده می کند در مقایسه با رویکرد پیکسل مبنا  نتایج بسیار خوبی به همراه داشته است. با این وجود، انتخاب الگوریتم و ویژگی های بهینه همچنان به عنوان چالشی اساسی باقی مانده است. در این تحقیق، جهت بهبود آشکارسازی تغییرات با رویکرد شیءگرا از الگوریتم جنگل تصادفی ( RF ) در فضای ویژگی های بهینه استفاده شده است. در این راستا، نخست ویژگی های بافت بر روی تصاویر مربوط به دو زمان متفاوت استخراج می شود و از PCA جهت انتخاب ویژگی های بافتی مناسب استفاده می گردد. سپس، قطعه بندی چند مقیاسه در فضای ترکیب یافته از باندهای طیفی و ویژگی های بافتی مناسب در چهار سطح مختلف با استفاده از نرم افزار Ecognition انجام شده و بهترین سطح قطعه بندی تعیین می شود. در ادامه، ویژگی های بافتی، مکانی و هندسی از روی تصویر قطعه بندی شده در بهترین سطح استخراج می گردد و بر اساس محاسبه ی فاصله اقلیدسی مربوط به نمونه های آموزشی در کلاس های مختلف، ویژگی های بهینه شناسایی می شوند. کارایی الگوریتم RF شیءگرا در مقایسه با روش های متداول SVM و KNN بر اساس معیار کاپا و صحت کلی و مدت زمان محاسبات مورد بررسی قرار گرفته است. در این تحقیق، از تصاویر ماهوارهای GeoEye-1 و Quick Bird-1 مربوط به سال های 2002 و 2015 جهت آشکارسازی تغییرات در جزیره قشم استفاده شده است. بر اساس نتایج تجربی، برای الگوریتم های RF شیءگرا، SVM  و KNN صحت کلی به ترتیب 57/86، 76/83 و 75 درصد و ضریب کاپا به ترتیب97/0,  75/0 و 63/0 به دست آمد. همچنین، RF به دلیل استفاده از آستانه گذاری بر روی باندهای مختلف و تولید طبقه بندی کننده های درختی با تنوع بالا و وزن دهی مناسب، نسبت به هر یک از نتایج طبقه بندی کننده ها توانست بالاترین دقت را تولید کند.

در صنعت برق حریم خطوط برق عبارت است از، محدوده فرضی در طرفین مسیر خطوط انتقال نیروی برق که به منظور حفظ و نگهداری خطوط جهت تداوم برق رسانی و همچنین پیشگیری از آسیب های انسانی ناشی از تشعشعات برق تعیین می شود. رعایت این حریم برای کلیه اشخاص ضروری است. حریم خطوط برق از نظر فنی از سه عامل مغناطیسی، مکانیکی و الکتریکی ناشی می شود و میزان و نحوه تعیین حریم خطوط انتقال نیروی برق در کشورهای مختلف متفاوت است و در هر کشور فواصل متفاوتی با توجه به عوامل دخیل در تعیین حریم وضع شده است. در ایران میزان حریم خطوط انتقال و توزیع نیروی برق براساس تصویب نامه شماره ۲۹۰۵۲ مورخ 8/۱۰/1347 تعیین شده است. در این مقاله با استفاده از ضوابط و دستور العمل های اجرایی مسیر خطوط انتقال برق به بررسی وضعیت دکل ها و همچنین رعایت حریم های مربوطه در منطقه مورد مطالعه از شهر سمنان پرداخته شده است. نتایج حاصل نشان می دهد بلحاظ رعایت حریم مصوب، اکثر دکل های برق در منطقه مورد مطالعه در وضع نسبتا مطلوبی هستند. نمونه هایی از مستندات بررسی شده شامل رعایت حریم و عدم رعایت حریم جهت رفع تجاوز به حریم بهمراه نقشه های مربوطه ارائه شده است.

هدف این پژوهش جانمایی استقرار بادگیر در شهرستان شاهرود با توجه به پهنه بندی اقلیمی و آسایش حرارتی است. این تحقیق به لحاظ هدف، از نوع کاربردی است. در ابتدا با بررسی مبانی نظری، فهرست اولیه شاخص های موثر بر مکان یابی بادگیر تهیه و توسط فن دلفی بازنگری و تایید شد. در ادامه نیز به منظور یافتن مناطق مستعد جهت استقرار بادگیر، از مدل ترکیبی استفاده شد. همچنین از مدل اولگی به منظور تعیین آسایش حرارتی در شاهرود و تشخیص زمان های مناسب برای استفاده از بادگیر استفاده شد. این مدل در برگیرنده تکنیک فرایند تحلیل سلسله مراتبی (AHP) و سیستم اطلاعات جغرافیایی (GIS) است. ابزار مورد استفاده شامل نرم افزار ArcGIS, version 9.3 و نرم افزار Expert Choice, version 2004 بودند. از روش مقایسه زوجی برای وزن بندی شاخص ها و پهنه ها استفاده شد. شش شاخص ساعات آفتابی، باد، ارتفاع، درجه حرارت، رطوبت نسبی و بارندگی برای مکان یابی بادگیر شناسایی شد. شاخص رطوبت نسبی با وزن 38/0 بالاترین و شاخص ارتفاع با وزن 154/0 کمترین امتیاز شاخص ها را کسب کردند. ماههای اردیبهشت و خرداد در زون آسایش حرارتی قرار دارند و زمان هایی هستند که بادگیر در شهرستان شاهرود چندان کاربردی نخواهد داشت. از سوی دیگر، تیرماه، مرداد ماه و شهریور به دلیل گرمای بالا و آذر، دی، بهمن و اسفند به دلیل سرمای زیاد زمان های مناسبی برای استفاده از بادگیر می باشند. در نهایت، لایه مربوط به هر شاخص برای شهرستان شاهرود تهیه و ترسیم شد. استفاده از روش تجزیه و تحلیل سلسله مراتبی توام با استفاده از سیستم اطلاعات جغرافیایی و روش رویهم گذاری لایه ها این امکان را فراهم می آورد تا بتوان در یک پهنه جغرافیایی وسیع مکان بهینه برای انواع کاربری ها را شناسایی و تعیین نمود.

گسترش شهر نشینی و افزایش جمعیت در کلان شهرها و رشد فعالیت های صنعتی در شهر ها باعث ایجاد تغییراتی در خرد اقلیم مناطق شهری شده است. یکی از نتایج این تغییرات، جزایر گرمایی شهر است. شهر مشهد نیز، طی سال های اخیر، رشد شتابناکی داشته است. در این پژوهش، جزیره گرمایی/ سرمایی رویه پایه کلان شهر مشهد براساس آب وهوای پس زمینه بررسی شده که هدف آن شناخت رفتار زمانی و مکانی این جزیره گرمایی بوده است. بدین منظور، داده های دمای رویه زمین سنجنده های مودیس تررا و مودیس آکوا دریافت و جزیره گرمایی، براساس آن، بررسی شد. برای سنجش جزیره گرمایی، از روش نوینی استفاده شد. در این روش، نقشه های کاربری اراضی مودیس برای تعیین محدوده شهر و غیرشهر و همچنین، تعیین نوع کاربری اراضی منطقه مورد مطالعه به کار رفت. آب وهوای پس زمینه برپایه دمای دورسو مشخص شد، نماینده دمای غیرشهر طبق بیشترین تکرار دما انتخاب شد و جزیره گرمایی براساس آن محاسبه شد. بررسی جزیره گرمایی/ سرمایی در بازه روزانه نشان داد که در کلان شهر مشهد، طی روز، میانگین دما کمتر و در شب، دمای شهر بیشتر از دمای بیرون شهر است. همچنین، بررسی فصلی جزیره گرمایی/ سرمایی این کلان شهر نشان می دهد که جزیره سرمایی، روز هنگام، طی فصل های گرم سال بیشترین مقدار و در فصل های سرد کمترین مقدار را دارد و تغییرات فصلی جزیره گرمایی شبانه کمتر از جزیره سرمایی روز هنگام است. هسته جزیره سرمایی روز هنگام مشهد در محدوده حرم مطهر تا میدان شهید فهمیده به سمت حاشیه غربی شهر قرار دارد. این منطقه منطبق بر پارک ها و باغ های بزرگ شهری است. هسته جزیره گرمایی شبانه در بافت قدیمی، پرتراکم و پررفت وآمد شهر و در محدوده حرم مطهر به سمت شمال غرب قرار دارد. شدت جزیره گرمایی/ سرمایی نیز ارتباط مستقیمی با سرعت وزش باد دارد. نقش کاربری اراضی در تشدید و یا کاهش شدت جزیره گرمایی شهر مشهد به خوبی مشخص است. در توسعه شهر، می توان توجه بیشتری به کاربری اراضی شهری داشت تا دمای شهر را با استفاده درست از آن، تعدیل کرد.

در تصاویر سار تمام پولاریمتریک، امکان شناسایی و تشخیص اهداف برمبنای خصوصیات پولاریمتریک آن ها وجود دارد. بااین حال، به دلیل پیچیدگی های سنجنده، بیشتر سنجنده های سار در حالت دوپولاریمتریک فعالیت می کنند و فراوانی داده های دوپولاریمتریک بسیار بیشتر از داده های تمام پولاریمتریک است. در این تحقیق، میزان کارآیی مؤلفه های پولاریمتریک استخراج شده از حالت دوقطبی با حالت تمام پولاریمتریک مقایسه شده اند. بدین منظور، مؤلفه های آلفا و انتروپی در سه حالت HH-HV ، HH-VV، HV-VV و تمام پولاریمتریک محاسبه شده است. با هدف بررسی دقیق تر، مقادیر آلفا و انتروپی به تفکیک کلاس های پوشش زمین استخراج شده اند. مقایسه مقادیر خطای مطلق میانگین بین مقادیر آلفا در حالت تمام پولاریمتریک با مقادیر حالت دوپولاریمتریک نشان می دهد که بین حالت HH-HV، با حالت تمام پولاریمتریک، کمترین خطا وجود دارد و بیشترین خطا به حالت HH-VV متعلق است. میزان خطا بین مقادیر انتروپی حالت تمام پولاریمتریک و حالت HH-HV، HH-VV و HV-VV، به ترتیب، برابر 06/0 و 22/0 و 17/0 است. بر این اساس، حالت دوپولاریمتریک HH-HV بیشترین انطباق را با حالت تمام پولاریمتریک دارد و ترکیب باندهای هم قطب HH-VV کمترین انطباق را با حالت تمام پولاریمتریک داراست. در بین کلاس های متفاوت پوشش اراضی، مقادیر آلفای کلاس آب در حالت HH-HV بیشترین نزدیکی را با حالت تمام پولاریمتریک دارد. بین مقادیر انتروپی کلاس های متفاوت پوشش زمین در حالت HH-HV با حالت تمام پولاریمتریک، اختلاف معناداری وجود ندارد. براساس یافته های این تحقیق، نتیجه گیری می شود که ترکیب HH-HV به حالت تمام پولاریمتریک نزدیک تر است.

با افزایش جمعیت و به تبع آن افزایش نیازهای جامعه، آمایش سرزمین اهمیت ویژه ای یافته است. به دلیل پیوند آمایش سرزمین با چندین هدف متضاد، استفاده از الگوریتم های تکاملی چندهدفه درصورت تناسب الگوریتم با نوع مسئله می تواند مفید باشد. در پژوهش حاضر ضمن ارائة مدلی به منظور بهینه سازی کاربری اراضی، راه حلی مؤثر برای به کارگیری الگوریتم ژنتیک چندهدفه در انواع مسائل مربوط به آمایش سرزمین معرفی می گردد. مدل طراحی شده در پژوهش حاضر به منظور بهینه سازی کاربری اراضی از الگوریتم NSGA-II بهره می برد. خروجی های این مدل، الگوهایی برای آمایش سرزمین هستند که فرسایش منطقه را تا حد زیادی کاهش می دهند و سطح منفعت اقتصادی منطقه را بالا می برند. در این مدل، کاربری ها دارای بالاترین سازگاری، کمترین دشواری تغییر و بیشترین پیوستگی هستند. به منظور استفاده از الگوریتم ژنتیک چندهدفه در حل مسائل آمایش سرزمین در این پژوهش راهکاری ابتکاری برای تولید جمعیت اولیه و عملگر ابتکاری ترکیب متناسب با مسائل آمایش سرزمین شرح و بسط داده شد. مدل طراحی شده در منطقة رودبار جنوب واقع در استان کرمان پیاده سازی شد. نتایج به دست آمده نشان دادند که الگوهای آمایش سرزمین پیشنهادشده در این مدل می توانند درحدود 30 تا 35 درصد فرسایش منطقه را کاهش دهند؛ درعین حال سطح منفعت اقتصادی حاصل از تغییر کاربری بین 40 تا 50 درصد رشد خواهد داشت. همچنین تمامی الگوها دارای سازگاری بالا و دشواری تغییر اندک هستند. با بررسی عملکرد عملگر های ابتکاری ارائه شده، مشخص شد این عملگرها تأثیر بسزایی در روند حل مسئله داشتند. کلید واژه ها : بهینه سازی چندهدفه، الگوریتم NSGA-II، توسعة عملگرهای ابتکاری، آمایش سرزمین، توان اکولوژیک.

خشکسالی پدیده مهم آب و هوایی است که می تواند بر اساس داده های حاصل از ایستگاه های هواشناسی و داده های سنجش از دور پایش شود. روش های سنجش از دور، مزیت های نسبی قابل توجهی نسبت به سایر روش ها برای پایش خشکسالی ارائه کرده اند. همچنین شاخص های خشکسالی متعددی در سنجش از دور برای پایش خشکسالی ارائه شده است، اما هیچ یک از شاخص های متداول در سنجش از دور، تعمیم پذیری زمانی، اقلیمی و ارتفاعی ندارند و ضرورت دارد کیفیت عملکرد این شاخص ها 1-در اقلیم ها، 2-در پهنه بندی های ارتفاعی مورد بررسی قرار گیرد. این پژوهش، با اثبات این فرضیه، به تشخیص شاخص مناسب در هر اقلیم و پهنه ارتفاعی می پردازد و در هر منطقه، فصل مناسب جهت برآورد شاخص بررسی می شود. در این پژوهش، شاخص های خشکسالی VCI، VDI، TCI و TVDI با پارامتر LST، NDVI و EVI ارزیابی شده اند. برای بررسی اقلیمی و ارتفاعی شاخص ها، ابتدا در کل کشور و سپس در استان همدان پهنه بندی اقلیمی و ارتفاعی صورت گرفت و شاخص های خشکسالی برای اقلیم ها و ارتفاعات مختلف در دو شکل پیکسل-مبنا و شیء-مبنا (پلیگونی) محاسبه و با داده بارشی ماهواره TRMM مقایسه شد. عملکرد شاخص های خشکسالی با در نظر گرفتن نوع اقلیم، فصل اخذ داده، ارتفاع و وسعت منطقه جهت برآورد خشکسالی مورد بررسی قرار گرفت. نتایج متعدد این تحقیق، عدم تعمیم پذیری همه شاخص ها را از نظر اقلیمی، ارتفاعی و زمانی نشان می دهد و به عنوان نمونه، در ارزیابی پیکسلی اقلیم گرم و خشک، بیشترین همبستگی بین شاخص VCI و داده بارشی در ماه خرداد با ضریب همبستگی 0.57 بوده و در ارزیابی همین منطقه بصورت شئ-مبنا شاخص VCI مقدار 0.67 محاسبه شد

بررسی های اخیر نشان داده است که سیستم لیدار در برداشت سریع و دقیق اطلاعات سه بعدی از عوارض، در مناطق شهری توانایی بالایی دارد. از مهم ترین پردازش هایی که روی داده های لیدار صورت می گیرد، فیلترینگ آن هاست که عبارت است از تفکیک نقاط مربوط به عوارض ارتفاعی (ساختمان ها و درختان) از نقاط زمینی. تاکنون الگوریتم های فیلترینگ فراوانی طراحی شده است، اما هر یک از آن ها معایب و نواقصی دارند. مشکل اساسی این الگوریتم ها، ناتوانی شان در حذف ساختمان و عوارض بزرگ است که ناشی از عملکرد ناحیه ای آن هاست. در این تحقیق تلاش شده است تا با بهره گیری از قابلیت های تکنیک های طبقه بندی، راه حلی برای این مشکل ارائه شود. در این پژوهش ابتدا داده های لیدار به وسیله الگوریتم شیب مبنا که از شناخته شده ترین روش های فیلترینگ به شمار می آید فیلتر شدند. در ادامه، با استفاده از سه روش طبقه بندی ماشین بردار پشتیبان، شبکه عصبی مصنوعی، و حداکثر احتمال، داده های لیدار به پنج کلاس راه آسفالته، درختان، ساختمان، سیمان، و چمن طبقه بندی گردیدند. در نهایت، نقاط ساختمان های بزرگ که به وسیله الگوریتم شیب مبنا فیلتر نشده بودند، با نتایج حاصل از روش های طبقه بندی حذف گردیدند. ارزیابی ها نشان می دهند که روش حداکثر احتمال نتایج ضعیفی را ارائه می کند، اما روش های ماشین بردار پشتیبان و شبکه عصبی مصنوعی نتایج نزدیک به هم و بسیار خوبی را عرضه کرده اند. به طور کلی استفاده از این تکنیک های طبقه بندی برای بهبود نتایج الگوریتم های فیلترینگ، باعث افزایش ناچیزی در خطای نوع اول می گردد ولی سبب کاهشی شدید در خطای نوع دوم و خطای مجموع می شود. از آنجا که در فرایند فیلترینگ داده های لیدار، اهمیت خطاهای نوع دوم و مجموع بیش از خطای نوع اول است، می توان ادعا کرد که انجام این پردازش تکمیلی نتایج بسیار مفیدی را دربرداشته است. ارزیابی کمّی دقت نتایج نشان می دهد که خروجی الگوریتم با آستانه شیب o 20 پس از بهبود داده شدن با استفاده از خروجی طبقه بندی کننده شبکه عصبی مصنوعی، بهترین نتیجه را به دست داده است که در آن خطای نوع اول از 98/4 درصد به 04/5 درصد افزایش ولی خطاهای نوع دوم و مجموع به ترتیب از 043/9 درصد و 03/7 درصد به 49/4 درصد و 76/4 درصد کاهش یافته اند.

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.

آگاهی از توزیع زمانی و مکانی دمای سطح زمین (LST) Land Surface Temperature برای تعیین بیلان انرژی، در مطالعات اقلیم شناسی، بررسی وضعیت پوشش گیاهی و تعیین چگونگی ساختار شهری کاربرد بسیاری دارد. در این مطالعه، مسئله اصلی استخراج LST از منطقه مورد مطالعه و بررسی رابطه آن با ساخت وساز شهری و پوشش گیاهی است. شرایط اقلیمی به ویژه باد، چگونگی ساخت وساز شهری و پوشش گیاهی از عوامل مهم و تأثیرگذار در LST به شمار می رود. در این مطالعه، با توجه به اهمیت جزایر حرارتی در مقیاس پیکسل و توانایی چندجمله ای های درونیاب نیوتن در این زمینه، ساخت وساز شهری و پوشش گیاهی با این چندجمله ای ها استخراج، و رابطه آن با LST بررسی شده است. همچنین، آن نواحی که جزایر حرارتی را تشکیل داده اند، شناسایی شدند. از اهداف اصلی این مقاله استفاده از تکنیک های ریاضی در سنجش از دور و میزان کارآیی و دقت آنهاست. چندجمله ای های درونیاب نیوتن، با استفاده از DN دریافتی از دویست نقطه از سطح تصویر که دارای پوشش گیاهی و مناطق با ساخت وساز شهری است، دو معادله از درجه هفت ارائه کرده که با پیاده سازی این معادلات بر سطح تصویر، مناطق دارای پوشش گیاهی و ساخت وساز شهری را جداگانه استخراج کرده است. میزان خطای حاصل از استخراج پوشش گیاهی با استفاده از چندجمله ای درونیاب نیوتن، در صد نقطه برداشتی در سطح منطقه مورد مطالعه، 1/10 و برای ساخت وساز شهری 02/12 محاسبه شد. شایان ذکر است که تاکنون کار مشابهی با الگوریتم دوجمله ای های نیوتن انجام نگرفته است.

داده های سنجش از دور دارای کاربرد وسیعی در برآورد تبخیر و تعرق واقعی هستند و بدین منظور روش های مختلفی شرح و بسط یافته است. در این میان، سبال و متریک به عنوان مدل های شار انرژی و تی وی تی برپایة پوشش گیاهی توجه زیادی را به خود جلب کرده و برپایة برخی پارامترهایی هستند که برای استفاده نیاز به ارزیابی دارند. در پژوهش حاضر، 12 تصویر مودیس طی دورة سال آبی 88-1387 که محدودة مطالعاتی اهواز شمالی را (طبق طبقه بندی وزارت نیرو) می پوشاند، فراهم شد تا برای تخمین تبخیر و تعرق واقعی با استفاده از مدل های سنجش از دور به کار گرفته شود. به منظور ارزیابی و مقایسة نتایج، از تبخیر و تعرق تخمین زده شده با استفاده از مدل بیلان آبی مرسوم برای همان دوره استفاده شد. افزون بر اینها، بهترین تخمین تبخیر و تعرق واقعی با استفاده از مدل سنجش از دور برای مزارع یونجه با مقادیر متناظر در سند ملی آب مقایسه شد. نتایج به دست آمده، عملکرد بهتر سبال و سپس متریک و تی وی تی را نشان دادند. مدل بیلان آب میزان تبخیر و تعرق واقعی را 341 میلی متر بر سال و سبال آن را 2/347 میلی متر بر سال برای همان دوره نمایش داد. ارزیابی پارامترهای این مدل ها، تأثیر معنا دار کاربرد معادلات کالیبره شدة شار گرمای خاک و طول زبری مومنتوم را بر عملکرد و کاهش عدم قطعیت آنها نشان داد.