درخت حوزه‌های تخصصی

ادغام تصویر، فرآیند تلفیق اطلاعات مناسب از مجموعه ای تصاویر در یک تصویر است، به طوری که تصویر ادغام شده حاوی اطلاعات مفیدتر و کامل تر از هر یک داده های ورودی خواهد بود. هدف از ادغام تصاویر سنجش ازدوری، ترکیب اطلاعات به دست آمده از سنجنده هایی باقدرت های تفکیک مکانی، طیفی و زمانی متفاوت به منظور به دست آوردن تصویری با جزئیات اطلاعاتی بیشتر نسبت به هرکدام از داده های انفرادی است. هدف از تحقیق حاضر، ارزیابی عملکرد تبدیل موجک گسسته در ادغام تصاویر فراطیفی با تصاویر دارای قدرت تفکیک مکانی بالا است. برای این منظور، پنجره ای از تصاویر سنجنده های هایپریون،ALI و OrbView3، انتخاب گردید. ابتدا تصویر هایپریون، به لحاظ باندهای غیرقابل استفاده و نویزهای استریپ، تصحیح شد. از باند پانکروماتیک سنجنده ALI، به منظور تصحیح هندسی و ثبت تصویر هایپریون استفاده گردید. در ادامه تصویر هایپریون با استفاده از عملیات بازنمونه برداری به صورت تصویری با اندازه پیکسل 10 متر تبدیل شده و با استفاده از الگوریتم Gram-Schmit، با تصویر ALI، ادغام شد. دوباره با استفاده از تصویر OrbView3، بر روی تصویر ادغام شده، عملیات ثبت تصویر انجام گرفته سپس هر دو تصویر با استفاده از عملیات بازنمونه برداری به اندازه پیکسل 4 متر تبدیل شدند. تصویر OrbView3، با استفاده از موجک گسسته هار، در چهار سطح تجزیه شده و جهت ادغام مورداستفاده قرار گرفت. نتایج تحقیق نشان داد که با هر بار افزایش سطح تجزیه تصویر، صحت و دقت ادغام افزایش پیدا می کند.

هدف این مقاله ارزیابی توانمندی استخراج پارامترهای جنگلی همچون ارتفاع درختان با تکنیک های تداخل سنجی راداری با روزنة ترکیبی است. هدف عمده از تصاویر پلاریمتری راداری، در کاربردهای جنگلی، جداسازی مراکز فاز ناشی از توپوگرافی سطح زمین و تاج درختان است. یکی از روش های بسیار مرسوم در این زمینه به کارگیری ساختار دولایه ای مبتنی بر مدل پرکاربرد پراکنش حجمی نامنظم روی سطوح (RVOG) است. این مدل در یک دستگاه معادلات غیرخطی پارامترهای گوناگون — مانند توپوگرافی زمین، ارتفاع درخت، ضریب میرایی موج و نسبت دامنه — پراکنش سطحی به حجمی را تخمین می زند. با این حال به دلیل وابستگی شدید نتایج مدل به مقادیر اولیة مجهولات و به دلیل زمان بربودن و پیچیدگی حل دستگاه غیرخطی برای تمامی سلول های تصویر، بیشتر اوقات مسئله براساس فرضیات خاصی در ارتباط با مدل های پراکنش حل می شود. با وجود این، نتایج این روش ها نیز تحت تأثیر فرضیات قرار می گیرند و غالباً نمی توانند منجر به تعیین مناسب پارامترها شوند. ازاین رو برای حل مسائل پیش رو در این مقاله، با درنظرگرفتن ساختار دولایه ای جنگل، روشی مدل مبنا در تعیین توپوگرافی سطح زمین و ارتفاع درختان مطرح می شود. روش در نظر گرفته شده بدون هیچ پیش فرضی در ارتباط با پارامترهای مجهول، سعی در تخمین بهینة آنها دارد و یافته های پژوهش نشان می دهد که این مدل کارآیی بهتری از دو روش مرسوم مدل معکوس و SPIRIT دارد؛ به طوری که شاخص RMSE تخمین ارتفاع درختان از مقدار 26/13 و 41/11 متر به ترتیب در روش مدل معکوس و SPIRIT به مقدار 34/7 متر در روش عرضه شده کاهش یافته است.

اساس برنامه ریزی و مدیریت صحیح داشتن آمار و اطلاعات دقیق و به هنگام است. یکی از مهم ترین آمار و اطلاعات بخش کشاورزی میزان تولید سالیانه هر محصول یا سطح زیرکشت است. یکی از ابزارهایی که در کمترین زمان و با هزینه پایین و دقت مناسب، می تواند سطح زیرکشت محصولات را محاسبه کند دانش و فنّاوری سنجش از دور است. در این تحقیق، از دو روش طبقه بندی شبکه عصبی مصنوعی و ماشین بردار پشتیبان استفاده شده و سطح زیرکشت محصولات غالب منطقه، شامل هشت کلاس، از تصاویر سری زمانی سنتینل 2 برآورد شده است. براساس نتایج به دست آمده، صحت کلی هریک از روش های شبکه عصبی مصنوعی و ماشین بردار پشتیبان به ترتیب برابر با 97.74 و 97.96%، با ضریب کاپای 0.97 برای برآورد سطح زیرکشت محصولات بوده است. بنابراین، نتایج این دو روش مورد قبول واقع شده است. با توجه به صحت کلی، می توان نتیجه گرفت که دو روش طبقه بندی نتایج تقریباً یکسانی در منطقه دارد. علاوه براین، طبق نتایج صحت کاربر، می توان بیان کرد درمورد چهار محصول یونجه، برنج، پیاز و خربزه، عملکرد روش ماشین بردار پشتیبان بهتر از روش شبکه عصبی است و درمورد گندم دیم و آبی، جارو و مرتع، روش شبکه عصبی بهتر از ماشین بردار پشتیبان در منطقه عمل می کند.

وجود اسپکل در تصاویر رادار با روزنه مصنوعی به دلیل سیستم تصویربرداری همدوس، باعث ایجاد اثر دانه دانه ای در تصویر شده و برخی پردازش های شی گرا همانند قطعه بندی، خوشه بندی و یا شناسایی هدف را تحت تاثیر قرار می دهد. از اینرو روش های مختلفی جهت کاهش اثر اسپکل ارائه شده است.از یک نقطه نظر کلی اغلب الگوریتم های ارائه شده در یکی از روش های حوزه مکان، روش های مبتنی بر تبدیل و نیز روش های بهینه سازی طبقه بندی شده و البته محدود نمی گردند. از جمله محدودیت های موجود در روش های مورد استفاده اغلب می توان به عدم حفظ بافت و ساختار تصویر و نیز وابستگی اجرای الگوریتم به یک یا چند پارامتر تنظیم کننده اشاره نمود، که همین موضوع استفاده از این روش ها را در کاربردهای عملی با چالش رو به رو می سازد. از اینرو در پژوهش حاضر با در نظر گرفتن رفتار فرکانسی تصاویر SAR، روشی بر مبنای فیلترینگ تطبیقی طیف اندازه در حوزه فرکانس ارائه شده است که ضمن حفظ بافت های ظریف تصویر، به طور قابل ملاحظه ای اثر اسپکل را کاهش می دهد. علاوه بر آن الگوریتم پیشنهادی به صورت خودکار اجرا شده و نیازی به برآورد پارامترهای تنظیمی ندارد. همچنین در تصاویر با پیچیدگی بافت زیاد و در روش های کانوولوشن مکانی که نیاز به تنظیم ابعاد کرنل دارد، مرتبه محاسباتی پایین تری خواهد داشت. نتایج ارزیابی نشان می دهد که الگوریتم پیشنهادی در مقایسه با فیلترهای مکانی تطبیقی، ضمن بهبود 50 درصدی شاخص تعداد منظرهای معادل در تصاویر SAR، مقدار شاخص حفظ لبه را نیز به طور میانگین برای تصاویر SAR و شبیه سازی SAR حدوداً 50 و 30 درصد بهبود می بخشد.

امروزه موجودیت فضای سبز و گسترش آن به عنوان ریه های تنفسی شهر بسیار حائز اهمیت است و این تا آن حد است که بعنوان یکی از شاخص های توسعه یافتگی در جوامع مطرح بوده و نبود آن به معنی عدم وجود سلامت و تندرستی در شهرها تلقی می شود. مقاله حاضر به روش توصیفی تحلیلی و کاربردی بوده و با استفاده از سیستمهای اطلاعات جغرافیایی GIS و لایه های اطلاعاتی فازی شده مورد نظر و انجام مراحل مختلف جهت مدلسازی و فرآیند تحلیل سلسله مراتبی AHP و بدست آوردن وزن لایه های اطلاعاتی و تشکیل مدل نهایی تلفیق فازی به بررسی چگونگی توزیع فضایی و مکانیابی فضای سبز شهری شهر نهاوند استان همدان پرداخته است. مکانهای بهینه جهت این امر مشخص شد. سپس با انتخاب سه منطقه بعنوان مکانهای بهتر و در نظر گرفتن میدان خروجی شهر ، مسیرهای مناسب و بهینه را در جهت رسیدن به این مکانهای جدید پیشنهادی مشخص شد. این روش مدلسازی بهینه فازی برای مسیریابی و مکانیابی را تحلیل نموده است.

هدف از مطالعه حاضر ارزیابی و مدیریت ریسک اماکن ورزشی مرتبط با پهنه بندی آلودگی هوا با استفاده از سیستم اطلاعات جغرافیایی(GIS)می باشد . این تحقیق به لحاظ زمان اجرا از نوع مقطعی و به لحاظ خروجی ها از نوع کاربردی است و به لحاظ تجزیه و تحلیل از نوع توصیفی – تحلیلی و نیز تطبیقی است. در این مطالعه اماکن ورزشی شمال غرب شهر تهران به صورت کل شمار بررسی گردید. به منظور درون یابی داده ها، از روش کریجینگ استفاده شد.پس از برآورد میانگین غلظت داده های آلاینده ها، با استفاده از روش کریجینگ توسط نرم افزار ArcGIS برای تمامی ایستگاهها پهنه بندی انجام گردید. مبنای سنجش میزان آلاینده ها، براساس شاخص کیفیت هوا (AQI)، تنظیم گردید. یافته ها نشان داد که شاخص کیفیت هوا در سرتاسر محدوده مطالعاتی دارای وضعیت سالم بوده ولیکن هیچ منطقه ایی از مناطق مطالعاتی پاک (50-0) گزارش نشده است.بررسی آلاینده ها نشان داد که پراکنش آلاینده ها از الگوی متوازنی تبعیت نمی کند .در ارتباط با ارزیابی ریسک با استفاده از روش ویلیام فاین رتبه ریسک 1۵۰ بوده که نشانگر وضعیت اضطراری و «سطح ریسک متوسط» است و لازم است تا توجهات لازم در اسرع وقت صورت گیرد.توسعه شهرها، تراکم جمعیت و منابع متحرک دودزا که عمدتا مصرف سوخت آنها فسیلی است از مهمترین موارد آلاینده هستند . بنابراین برای کاهش آلودگی هوای بایست ساخت وسازهای شهری، طراحی شبکه ها و محورهای ارتباطی را مورد توجه قرار داد.

ترمیم چندضلعی های نادرست برای استفاده در نرم افزارهای سیستم اطلاعات جغرافیایی، کاری نیمه خودکار و وقت گیر است. ترمیم خودکار چند ضلعی، تفسیر چند ضلعی های مبهم و نادرست و از بین بردن کلیه اشکالات موجود براساس تعریف ها و استاندارهای جهانی است که کاربردهای زیادی در نرم افزارهای مرتبط با سیستم اطلاعات جغرافیایی دارد. با توجه به پیچیدگی محاسبات و حجم داده ها در کار با مه داده ها ، همیشه رقابتی بین سرعت و میزان حافظه مصرفی وجود دارد. در این مقاله ضمن معرفی استاندارد مشخصات عوارض ساده در چندضلعی ها، با استفاده از مثلث بندی دلونی و توابع جی.تی.اس در جاوا و با کمک بانک اطلاعات H2روشی ارائه شده است که چندضلعی ها را در قالب یک فایل CSV از ورودی دریافت کرده و با اعمال الگوریتم های کارا چندضلعی های موجود را بررسی و به شکل خودکار ترمیم می کنیم. چندضلعی های موجود در مجموعه داده های مکانی به شکل خودکار و در زمانی بهینه و با مصرف حداقل حافظه بررسی و در صورت نیاز ترمیم می شوند. نتایج نشان می دهد این روش نسبت به نمونه های پیشین، باعث بهبود نسبی در سرعت اجرا و در هنگام کار با داده های بزرگ صرفه جویی متوسط بیش از 50 درصد در حافظه اصلی را نشان می دهد

تاکنون الگوریتم های متفاوتی برای ادغام رنگی تصاویر با قدرت تفکیک مکانی بالا ارائه شده است. برای انتخاب الگوریتم ادغام رنگی مناسب، به معیاری برای مقایسه نیاز است که بتواند بهبود هر الگوریتم را در مقایسه با الگوریتم دیگر مشخص سازد. برای ارزیابی کیفیت طیفی الگوریتم ها، معیارهای آماری متعددی ارائه گردیده است. یکی از محدودیت های معیارهای ارائه شده آن است که مستقلاً برای هر پیکسل تصویر محاسبه می شود و به همسایگی پیکسل و جزئیات تصویر توجهی نمی شود. در معیارهای ارزیابی کیفیت مکانی نیز فقط از همسایگی 33 استفاده می شود. در این تحقیق، دو دسته معیار در ترکیب با هم پیشنهاد شده است که هم کیفیت طیفی و هم کیفیت مکانی تصاویر ادغام شده را در سطح پیکسل و همسایگی آن ارزیابی می کنند. یکی از روش های پیشنهادی ارزیابی کیفیت طیفی و مکانی تصاویر ادغام شده، مبتنی بر تبدیل موجک و دیگری مبتنی بر فیلترهای استخراج نقطه، خط، و لبه در همسایگی 55 هر پیکسل است. روش های پیشنهادی در 13 نوع پوشش شهری متفاوت از تصاویر سنجندة Geo Eye-1 بررسی کمّی شده اند. نواحی گوناگون شهری به گونه ای انتخاب شده اند که پوشش ها و نوع ساختمان های متفاوت شهری را در بر گیرند. نتایج نشان می دهد که روش پیشنهادی ارزیابی کیفیت مکانی و طیفی بین الگوریتم های ادغام رنگی تمایز خوبی (حدود 8 برابر) قائل می شود. این قابلیت سبب می شود تا انتخاب الگوریتم بهینه ادغام رنگی برای هر نوع پوشش شهری، صحیح تر صورت گیرد.

تعیین سرانه فضای سبز تا حد زیادی بستگی به خصوصیات بیوکلیماتیک منطقه و شهر دارد. براساس مطالعات و بررسیهای وزارت مسکن و شهرسازی، سرانه فضاهای سبز شهری در شهرهای ایران بین 7 تا 12 مترمربع برای هر نفر برای گذران اوقات فراغت، بازی و تفریح است . امروزه معمولا تعادلی از نظر سطح فضای سبز و مناطق باز موجود بین شبکه های شهری و الگوهای طبیعی سرزمین کمتر مشاهده می شود . این امر ممکن است باعث مشکلات زیست محیطی جهانی خاصی مانند شکل گیری جزایر گرمایی شهری شود. در این میان فضای سبز نقش تعیین کننده ای دارد. شهر هفشجان از جمله شهرهایی است که از توزیع مناسب فضای سبز برخوردار نیست و برخی از محلات آن فاقد فضای سبز است. به منظور تعیین مکان بهینه برای ایجاد فضای سبز باید از اصولی چون «مرکزیت، سلسله مراتب و دسترسی» تبعیت کند. بعد از گردآوری داده های مکانی و نقشه های موجود و تشکیل پایگاه اطلاعاتی در محیط جی آی اس توابع فازی لارج و اسمال و توابع بولین هر یک از معیارها استانداردسازی شد. با وزن دهی مناسب و با روی هم گذاری این لایه های فازی شده، تلفیق فازی، انجام شد و مکان های مناسب مشخص شد. در نهایت زمین هایی که درجه ی تناسب آنها مناسب تر بوده اند برای ایجاد فضای سبز انتخاب شده اند. این مکان ها نزدیک به مراکز مسکونی، آموزشی، شبکه ی ارتباطی، هستند و از پارامترهای دیگر مانند فضای سبز موجود، فاصله ی زیادی دارند.

تهیة نقشة دقیق از ساختارهای زمین شناسی، در مدیریت سرزمین اهمیت بسزایی دارد. بسیاری از این ساختارها در مناطق خشک و بیابانی منشأ رسوبات بادی، غبار و ذرات معلق در هوا به شمار می آیند. افزایش روزافزون توان تفکیک سنجنده ها و دسترسی آسان به آنها، کمک شایانی به مطالعة مناطق بیابانی کرده است. هدف پژوهش حاضر، تعیین مهم ترین عوامل مؤثر در تفکیک رخساره های کویری براساس روش میانگین هندسی و تجمیع لایه های اطلاعاتی سنجندة ASTERاست. به منظور انجام پژوهش حاضر از تصویر ماهواره ای استر مربوط به تاریخ 23 ژوئن سال 2010 استفاده شد.ابتدا 40 نمونه از خاک سطحی منطقة مطالعاتی برداشت شد ومؤلفه های مختلف خاک شناسی (آنیون ها، کاتیون ها، بافت، رطوبت و pH) در آزمایشگاه تجزیه و تحلیل شدند.به منظور بررسی اثر توپوگرافی بر شکل رخساره ها از مدل رقومی ارتفاع بهره گرفته شد. ارزش پیکسل ها در باندهای مختلف در محل نمونه های آموزشی (26 نمونه) استخراج شد و سپس با استفاده از روش رگرسیون چندگانة خطی اقدام به برپایی مدل های همبستگی شد. با استفاده از مدل های رگرسیونی در محل نقاط شاهد (14 نمونه)، مقادیر تخمینی در این نقاط محاسبه و صحت مدل ها ارزیابی گردید. با اعمال مدل ها روی باندهای مرتبط، نقشة مربوط به هر مؤلفه تهیه و پس از استانداردسازی با استفاده از روش تفکیک تراکمی طبقه بندی شدند. صحت طبقه بندی نقشه های تولیدشده براساس نقشة واقعیت زمینی برآورد گردید. سپس با استفاده از روش میانگین هندسی و تجمیع، لایه های اطلاعاتی تلفیق شدند. درنهایت، ارزیابی صحت نقشه های خروجی نیز صورت گرفت. نتایج تحقیق حاضر حاکی از نبود رابطة معنادار بین مؤلفه های سدیم، کربنات، هدایت الکتریکی خاک و توپوگرافی با داده های ماهواره ای در منطقة مطالعاتی است. همچنین نتایج نشان دادند که گرچه براساس مدل های تخمینی رس، سیلت، قلیایی بودن، رطوبت و استفاده از رویکرد ادغام رخساره هایی که بازتاب طیفی مشابه دارند می توان حداکثر تا 4 رخساره را در منطقة مطالعاتی تفکیک کرد، اما براساس روش میانگین هندسی و با استفاده از اثر جداگانة مؤلفة آهک و اثر متقابل مؤلفه های بیکربنات آهک، پتاسیم آهک، و بیکربنات آهک پتاسیم با صحت کلی بیش از 53 درصد می توان 5 رخساره را تفکیک کرد. کلید واژه ها : رخساره، میانگین هندسی، تجمیع،ژئوموفولوژی، پلایا، طبس.

نظارت بر تغییرات مکانی و زمانی تبخیر تعرق برای مدیریت آبیاری و نیاز آبی گیاهان زراعی، به ویژه در مناطق کم آب، بسیار مهم است. هدف از پژوهش حاضر برآورد تبخیر و تعرق واقعی با استفاده از الگوریتم سبال (SEBAL) و مقایسه آن با تبخیر و تعرق استاندارد فائو 56، به منظور تعیین باغات پسته تحت تنش خشکی در استان یزد است. بدین منظور، از یک سری زمانی تصاویر ماهواره ای لندست 8 با پانزده تصویر در سال 2015 استفاده شد. در ابتدا، تبخیر و تعرق در دوره های پانزده روزه فنولوژی پسته به دست آمد و سپس، با جمع تبخیر و تعرق در دوره های پانزده روزه، میزان تبخیر و تعرق در چهار مرحله اصلی فنولوژی پسته و کل یک دوره رشد سالیانه تعیین شد. تبخیر و تعرق استاندارد نیز به روش فائو 56 و با استفاده از رابطه KC-NDVI به دست آمد و به منزله استانداردی برای مقایسه تبخیر و تعرق واقعی سبال در نظر گرفته شد. براساس نتایج، الگوریتم سبال قابلیت مناسبی در تعیین میزان تبخیر و تعرق در منطقه مورد مطالعه دارد. با اینکه داده های معتبر لایسیمتر برای مقایسه نتایج الگوریتم سبال با آن در منطقه یادشده وجود نداشت؛ مقایسه نتایج با روش استاندارد فائو 56 نشان داد این دو روش مطابقت خوبی با یکدیگر دارند و میانگین ضریب تبیین (R2)، خطای جذر میانگین مربعات (RMSE ) و میانگین خطای مطلق (MAE) میان نتایج الگوریتم سبال و رویکرد فائو KC-NDVI به ترتیب 0.8، 16.7 و 14.5 میلی متر بین دوره های پانزده روزه فنولوژی پسته به دست آمد. میانگین میزان تبخیر و تعرق واقعی و استاندارد در طول یک فصل رشد پسته، در سطح منطقه مورد بررسی، به ترتیب 950 و 1086 میلی متر است. مقایسه تبخیر و تعرق واقعی و استاندارد نشان داد، در بخش اعظم این منطقه، تبخیر و تعرق واقعی کمتر از شرایط استاندارد است.

به منظور ارزیابی قابلیت تصاویر سنجندة OLI ماهوارة لندست8 در تهیة نقشة تراکم تاج پوشش جنگل های زاگرس، ابتدا پنجره ای از تصاویر سنجندة مذکور از جنگل های منطقة حفاظت شدة مانشت با مساحت 2300 هکتار در استان ایلام انتخاب شد.برای تهیة نمونه های تعلیمی و برآورد صحت طبقه بندی ها، نقشة واقعیت زمینی به شکل نمونه ای از طریق نمونه برداری به روش منظم-تصادفی با 100 قطعه نمونة مربعی شکل (36/0 هکتاری) روی شبکه ای با ابعاد 500×400 متر تهیه شد. در هر قطعه نمونه، سطح تاج پوشش تمامی درختان اندازه گیری شد و درصد تاج پوشش در هر قطعه نمونه به دست آمد. پس از انتخاب نمونه های تعلیمی و مجموعة باندهای مناسببا استفاده از معیار واگرایی تبدیل شده، طبقه بندی داده ها به روش نظارت شده و با استفاده از خوارزمی های حداقل فاصله از میانگین و حداکثر احتمال انجام شد.نتایج حاصل از طبقه بندی با استفاده از معیار های تعیین صحت نشان دادند که خوارزمیِ حداقل فاصله از میانگین با صحت کلی و ضریب کاپای 80 درصد و 68/0 در مقایسه با خوارزمیِ حداکثر احتمال با صحت کلی و ضریب کاپای 60 درصد و 35/0 در طبقه بندی تراکم تاج پوشش بهتر عمل می کند. بازبودن تاج پوشش و همچنین اختلاط بازتاب خاک و پوشش گیاهی در این منطقه مانع دستیابی به نتایج مطلوب تر گردید. به طور کلی نتایج پژوهش حاضر، قابلیت نسبتاً مناسب داده های سنجندة OLI را در طبقه بندی تراکم تاج پوشش جنگل های زاگرس نشان می دهند. کلید واژه ها : استان ایلام، جنگل های زاگرس، سنجندة OLI، لندست8.

هدف از این تحقیق تعیین مناطق دارای پتانسیل حضور چشمه آب زیرزمینی و اولویت بندی عوامل مؤثر در آن، با استفاده از روش حداکثر آنتروپی (مدل MaxEnt)، سیستم اطلاعات جغرافیایی و سنجش از دور است. در تحقیق حاضر، از چهارده شاخص تأثیرگذار در پتانسیل آب زیرزمینی شامل شاخص های توپوگرافیکی، زمین شناسی، اقلیمی، هیدرولوژیکی و کاربری اراضی و همچنین، شاخص جدید ارتفاع از سطح نزدیک ترین زهکش (HAND) استفاده شده است. ابتدا، شاخص ها به دو بخش شاخص های توپوگرافیکی و سایر عوامل شامل زمین شناسی، اقلیمی، هیدرولوژیکی و کاربری اراضی تقسیم شدند و نقشه پتانسیل آب زیرزمینی براساس آنها تهیه شد. سپس، از تلفیق شاخص ها، نقشه نهایی پتانسیل آب زیرزمینی به دست آمد. از مجموع 2547 چشمه، با استفاده از روش فاصله ماهالانوبیس، 60% به منزله داده های آزمون و 40% به منزله داده های اعتبارسنجی طبقه بندی شدند. نتایج نشان داد که به ترتیب، براساس شاخص های توپوگرافیکی، سایر عوامل و تلفیق تمامی شاخص ها 38.5%، 27.4% و 34.7% حوزه دارای پتانسیل آب زیرزمینی است. همچنین، طبق نمودار جکنایف لایه های ارتفاع، کاربری اراضی، شیب، موقعیت شیب نسبی، شاخص HAND و لیتولوژی به ترتیب مهم ترین عوامل مؤثر در پتانسیل چشمه آب زیرزمینی بودند. سطح زیر منحنی (AUC) براساس نمودار ROC نشان دهنده دقت 83%، 83% و 85% (خیلی خوب) در مرحله آموزش و 82%، 81% و 84% (خیلی خوب) در مرحله اعتبارسنجی، مطابق با شاخص های توپوگرافیکی، سایر عوامل و تلفیق تمامی شاخص ها بود. با توجه به اینکه شاخص HAND جزء شاخص های تأثیرگذار در آب زیرزمینی محسوب می شود؛ نقش تعیین کننده و مهمی در تعیین مناطق دارای پتانسیل چشمه آب زیرزمینی دارد.

شاخص سطح برگ استخراج شده (LAI) از تصاویر سنجش از دور پارامتر مهمی، به منظور مدل سازی مکانی تولید پوشش گیاهی، محسوب می شود. معمولاً شاخص های پوشش گیاهی که با بازتاب طول موج های قرمز و مادون قرمز نزدیک محاسبه می شوند، در برآورد LAI با استفاده از روش های آماری، به کار می روند اما بسیاری از این شاخص ها در مقادیر متفاوت LAI به اشباع می رسند. برای رفع این محدودیت، بازتاب محدوده لبه قرمز استفاده شده است؛ بنابراین، باید قابلیت شاخص های متفاوت پوشش گیاهی استخراج شده از داده های سنجش از دور، برای برآورد LAI ذرت علوفه ای، ارزیابی شود. بدین منظور پنج مرحله نمونه برداری میدانی، با فاصله زمانی نزدیک به گذر ماهواره سنتینل 2، از سوی مرکز تحقیقات فضایی پژوهشگاه فضایی ایران، اجرا شد و در مجموع، 234 نمونه از مزارع ذرت علوفه ای شرکت کشت و صنعت مگسال قزوین برداشت شد. سپس سیزده شاخص پوشش گیاهی متفاوت، با استفاده از سری زمانی تصاویر سنتینل 2، محاسبه شد و برای برآورد آماری مقادیر LAI به کار رفت. نتایج نشان داد که شاخص EVI با ضریب همبستگی 76/0 برای برآورد شاخص سطح برگ ذرت علوفه ای بهترین عملکرد را داشته است. علاوه براین، مقدار RMSE روش های رگرسیون غیرخطی بیشتر از روش های خطی بوده است.

شناسایی لندفرم های غالب مناظر طبیعی در انواع برنامه ریزی های شهری، آمایش، گردشگری و ... کاربرد و اهمیت فراوان دارد. در این پژوهش، لندفرم های حوضة یزد اردکان، به دو روش بصری و خودکار، شناسایی و سپس مقایسه شدند. در روش شناسایی خودکار لندفرم ها، از قطعه بندی تصویر با دو الگوریتم قدرت تفکیک چندگانه و تباین پیکسلی، در قالب مفاهیم شیء پایه، استفاده شد. نتایج نشان داد قطعه بندی به روش قدرت تفکیک چندگانه، به دلیل لحاظ کردن معیار شکل در تشخیص ساختار و مرز طبیعی لندفرم ها مانند مخروط افکنه، مناسب به نظر می رسد ولی قطعه بندی به روش تباین پیکسلی، در شناسایی میکرولندفرم مانند کانال های گیسویی در سطح مخروط افکنه، مناسب است. نتایج حاصل از مقایسه شناسایی بصری و خودکار لندفرم ها نشان داد، در روش بصری، فقط امکان شناسایی لندفرم های بزرگ همچون توده های کوهستانی، انواع دشت سرها، کفة اردکان و به سختی تلماسه ها وجود داشت. ولی در روش خودکار مبتنی بر شیء، نه تنها لندفرم های مذکور بلکه لندفرم های کوچک تر مثل تپه های عرضی، مخروط افکنه ها، هزاردره ها، کوه های منفرد نیز شناسایی شدند. برای ارزیابی دقت مدل های شناسایی خودکار لندفرم ها، از دو روش کیفی و کمّی استفاده شد؛ در ارزیابی کیفی، از تکنیک هم پوشانی به منظور بررسیِ چشمی میزان تطابق و رویِ هم قرارگیری نقشه حاصل از مدل با تصاویر گوگل ارث و در ارزیابی کمّی، از ماتریس درهمی استفاده شد. نتایج ارزیابی ها نشان دادند که الگوریتم قدرت تفکیک چندگانه در شناسایی و قطعه بندی لندفرم ها دارای صحت کلی و ضریب کاپای است. همچنین، خطاهای کُمیسیون و اُمیسیون نشان دادند که کمترین خطاهای شناسایی مربوط به لندفرم هایی با بافت نرم، مانند دشت، است ولی بیشترین خطاهای شناسایی به لندفرم هایی با بافت خشن، مثل کوهستان، بازمی گردد.

پایش زمین و زیست کره آن در هر مقیاسی جهت نیل به یک توسعه پایدار لازم و ضروری است. ازاین رو، جنگل ها، به عنوان یک منبع طبیعی ارزشمند، نقش مهمی در کنترل تغییرات آب وهوایی و چرخه کربن دارند. به همین دلیل، زیست توده و به تبع آن ارتفاع جنگل جزء اطلاعات کلیدی جهت پایش جنگل و زمین زیر آن به شمار می آیند. در مطالعات بسیاری نشان داده شده است که سامانه تصویربرداری رادار با روزنه مجازی (SAR) می توانند کمک شایانی به این هدف نمایند. در این راستا، تکنیک جدیدی که تداخل سنجی پلاریمتریک SAR (PolInSAR) نامیده می شود، ابزاری مناسب و در دسترس جهت برآورد ارتفاع جنگل می باشد، چراکه به موقعیت و توزیع قائم اجزای ساختاری جنگل حساس است. بر این اساس، از یک نقطه نظر، روش های به کار برده شده در این حوزه را می توان به دو دسته تقسیم کرد: الف) بر اساس مدل معکوس گیری حجم تصادفی بر زمین (RVoG)، و ب) بر اساس تکنیک های تجزیه مدل مبنای داده های PolInSAR. در این تحقیق، جهت بهبود برآورد ارتفاع جنگل روشی نوین بر اساس ترکیب دو دسته روش اشاره شده پیشنهاد شده است. عملکرد و کارآمدی روش پیشنهادی توسط دو مجموعه داده شبیه سازی شده از نرم افزار PolSARProSim در باندهای L و P اثبات شد. به طوری که در باند L و در روش های تفاضلی مدل رقومی ارتفاعی (DEM)، دامنه کوهرنسی و ترکیبی (فاز و کوهرنسی) به ترتیب 69/0 متر، 84/1 متر و 38/3 متر بهبود در برآورد ارتفاع حاصل شد. همچنین در باند P و بالاخص در روش های تفاضلی DEM و دامنه کوهرنسی به ترتیب با 53/1 متر و 74/2 متر بهبود حاصل شد.

در طول 10 سال اخیر، خودکاره های سلولیبه صورت گسترده ای در شبیه سازی پدیده های مکانی مورد توجه و استفاده قرار گرفته اند. با این حال، به دلیل ماهیت قطعی و توجه نکردن به عدم قطعیت در خودکاره های سلولی کلاسیک، محدودیت های گوناگونی برای شبیه سازی این گونه پدیده ها به وجود آمده است. در پژوهش حاضر، خودکاره های سلولی کلاسیک ازطریق تلفیق آن با نظریة فازی معرفی شده اند. در این تحقیق، قوانین انتقال به صورت فازی بیان شده و بر مبنای آن مدل خودکاره های سلولی فازی ارائه شده است. مدل مذکور به منظور شبیه سازی فرایند توسعة شهری اصفهان در طول سال های 1990 تا 2009 به کار گرفته شده است. کلید واژه ها : خودکارة سلولی، نظریة مجموعة فازی، توسعة شهری، ماتریس خطا.

شاخص سطح برگ نقش مهمی در تبادل ماده و انرژی بین زمین و اتمسفر دارد. مانند سایر گیاهان، شاخص سطح برگ نیشکر معیار خوبی برای وضعیت سلامت و رشد این محصول است که به دلیل نقش آن در صنایع غذایی و انرژی، اهمیت اقتصادی بسیاری دارد. ماهواره PRISMA که در سال 2019 پرتاب شد، یکی از جدیدترین منابع داده های ابرطیفی را فراهم کرده است که به ویژه، در تهیه نقشه متغیرهای گیاهی کاربرد دارد. در پژوهش حاضر، نوع جدیدی از شبکه های عصبی مصنوعی، موسوم به شبکه عصبی تنظیم شده با روش بیزین (BRANN) که قانون بیز را برای غلبه بر مشکل بیش برازش شبکه های عصبی به کار می برد، استفاده می شود. مدل یادشده روی مجموعه ای داده، متشکل از طیف دریافت شده ازطریق ماهواره PRISMA به منزله متغیر مستقل و مقادیر اندازه گیری شاخص سطح برگ نیشکر به منزله متغیر وابسته، اجرا شد. اندازه گیری های زمینی شاخص سطح برگ نیشکر در 118 واحد نمونه برداری زمینی، روی مزارع کشت و صنعت نیشکر امیرکبیر در استان خوزستان و در هفت تاریخ متفاوت طی یک دوره رشد نیشکر در سال 1399، انجام شد. مقایسه عملکرد BRANN با یک روش متعارف شبکه عصبی، یعنی شبکه آموزش دیده با روش لونبرگ مارکوارت (LMANN) در بازیابی شاخص سطح برگ نیشکر از طیف PRISMA، حاکی از این است کهRMSE  بازیابی از 26/2 (m 2 /m 2 ) به روش LMANN به 67/0 (m 2 /m 2 )، با استفاده از روش BRANN کاهش یافته است. در این پژوهش، به منظور کاهش ابعاد داده نیز از تبدیل مؤلفه های اصلی استفاده شد. در بازیابی شاخص سطح برگ از بیست مؤلفه اصلی اول نیز RMSE از 41/1 (m 2 /m 2 ) با استفاده از روش LMANN به 71/0 (m 2 /m 2 ) طبق روش BRANN کاهش یافت. استفاده از مؤلفه های اصلی باعث کاهش چشمگیر زمان محاسباتی شد. با اجرای مدل آموزش دیده BRANN روی تصاویر PRISMA به صورت پیکسل به پیکسل، نقشه شاخص سطح برگ نیشکر تولید شد. ارزیابی این نقشه نشان داد که این نقشه تغییرات مکانی شاخص سطح برگ نیشکر را به خوبی نشان می دهد. نتایج این تحقیق بیانگر قابلیت بالای روش BRANN و تصاویر PRISMA برای بازیابی شاخص سطح برگ نیشکر است.

مدل های خوشه بندی c-means یکی از پرکاربردترین شیوه های طبقه بندی نظارت نشده در آنالیز داده ها به شمار می رود. مدل فازی این روش، یعنی Fuzzy c-means، یکی از مشهورترین مدل هایی است که در آن هر داده با یک مقدار درجه عضویت بین 0 و 1، به هر یک از خوشه ها اختصاص داده می شود. این مدل خوشه بندی جهت طبقه بندی داده های سنجش از دوری بسیار استفاده شده است. مدل Fuzzy c-means از فاصله اقلیدسی جهت خوشه بندی استفاده کرده و برای همه خوشه ها شکل یکسانی فرض می کند. با وجود این، این مدل برای داده هایی که در آن ها کلاس ها دارای شکل و حجم متفاوت اند، مناسب به نظر نمی رسد. برای رفع این مشکل، مدل Gustafson-Kessel جهت خوشه بندی داده های پیچیده ارائه شده است. این مدل برمبنای به کارگیری یک ماتریس کوواریانس فازی برای هر خوشه عمل می کند و شکل هندسی، حجم و جهت گیری یکسانی برای همه خوشه ها در نظر نمی گیرد. در این تحقیق، از هر دو مدل خوشه بندی مذکور جهت داده های سنجش از دوری فراطیفی واقعی حاصل از سنجنده های Hyperion، ROSIS و CASI استفاده شده است. نتایج حاصل از مدل های خوشه بندی Fuzzy c-means و Gustafson-Kessel به پارامتری به نام فازی کننده وابسته است که در این تحقیق، مقدار بهینه آن با محاسبه و بررسی دقت طبقه بندی هر یک از این مدل ها، در ازای فازی کننده های مختلف به دست آمده است. نتایج به دست آمده در ازای مقدار بهینه فازی کننده، نشان می دهد که مدل Gustafson-Kessel دقت و صحت طبقه بندی را حدود 5/12% برای داده های Hyperion و حدود 45/8% برای داده های ROSIS افزایش می دهد. همچنین، ارزیابی دیداری نتایج دو مدل خوشه بندی روی داده های CASI نشان می دهد که مدل Gustafson-Kessel عملکرد بهتری دارد. البته در مقابل، باید گفت مدل Gustafson-Kessel هزینه زمانی بیشتری را صرف می کند و همچنین، جهت تعیین پارامتر مربوط به حجم خوشه ها، به دانش قبلی نیاز دارد.

پدیده های زمین گردشگری جزء مهمترین منابع و سرمایه های ملی هستند که در صورت برنامه ریزی مناسب جهت بهره برداری از مزایای آنها می توانند منافع مادی و معنوی فراوانی را عاید کشور کنند با توجه به اینکه قسمت اعظم فضای پیراشهری شهرستان های استان سمنان در قلمرو مناطق خشک و بیابانی قرار دارد، شناخت دقیق و اصولی و توانایی های بیابان ها و کویرها و راه های بهره برداری از آنها، از ضروریات اساسی توسعه اقتصادی و اجتماعی استان است در بین شهرستان های استان سمنان شهرستان گرمسار از ظرفیت های بالقوه و بالفعل عمده ای از زمین گردشگری کویر برخودار است که هم بعنوان فرصت و هم بعنوان تهدید توسعه از آن نام می برند سهم گردشگران و علاقمندان جاذبه های فرهنگی تاریخی شهرستان بیشتر است (حدود47 درصد) که این خود نیازمند مدیریت و برنامه ریزی گردشگری پایدار برای جاذبه های فرهنگی تاریخی آن است. مناطق و سایتهای کویری گرمساردر جنوب و غرب شهرستان واقع شده اند که مهمترین ژئو سایت های زمین گردشگری کویرو اکوتوریسم بیابان شهرستان می توان به پارک ملی کویر، معادن و اشکال مختلف نمکی ، تپه های ماسه ای وریگ جن و جاده سنگفرشی و کاروانسراهای کویری اشاره کرد. بطور کلی قابلیت زمین گردشگری معادن و اشکال نمکی در منطقه خوب ارزیابی می گردد تطبیق ویژگی های گردشگری و مقاصد گردشگری کویر گرمسار حاکی از انگیزه و نوع گردشگری بیابان، گردشگری علمی و ماجراجویانه با علاقمندی و نسبت گردشگران متوسط و تطابق با مدل گردشگری در مرحله اکتشاف(باتلر) در مرحله علاقمندی و چارچوب استراتزی برای پارک ملی کویر،راهبرد کراچ و ریچی و برای معادن نمک ، راهبرد پورتر و برای تپه ماسه ای استراتژی پون پیشنهاد می گردد