فیلترهای جستجو:
فیلتری انتخاب نشده است.
نمایش ۹۲۱ تا ۹۴۰ مورد از کل ۱٬۱۹۱ مورد.
حوزههای تخصصی:
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
ارزیابی آماری برآورد بارش مبتنی بر تکنیک سنجش از دور در استان های البرز، قزوین، زنجان، کردستان و همدان(مقاله علمی وزارت علوم)
حوزههای تخصصی:
تخمین بارش در محاسبات بیلان انرژی، مطالعات هیدرولوژیکی و هواشناسی از اهمیت چشمگیری برخوردار است. با توجه به اهمیت داده های بارش در علوم مختلف و عدم وجود شبکه باران سنجی گسترده و مناسب، لازم است داده های بارش به نحوی برآورد شوند. یکی از راههای برآورد بارش، استفاده از داده های ماهواره ای است. در این پژوهش، به ارزیابی داده های بارش مدل GLDAS، CRU، GPCP، TRMM، CMAP و NCEP-NCAR با داده های ایستگاهی در استان های البرز، قزوین، زنجان، کردستان و همدان پرداخته شد. نتایج نشان داد که در این مناطق، بارش GPCP، TRMM، CMAPو NCEP-NCAR نتایج خوبی داشتند و از میان آنها GPCP وTRMM نتیجه بهتری را ارائه کرده اند. در ارزیابی GPCP با میانگین ایستگاه های منطقه مورد مطالعه در پیکسل 3 در سال 2003، ضریب تبیین (R 2 )، ضریب کارایی مدل(EF)، خطای اریب میانگین (MBE)، میانگین مطلق خطا (MAE) و ریشه میانگین مربعات خطا (RMSE) به ترتیب برابر 96/0، 94/0، 13/3، 30/5 و 58/6 میلی متر بر ماه به دست آمد. همچنین داده های بارش مدل GLDAS با داده های ایستگاهی مورد ارزیابی قرار گرفت و نتایج نشان داد که در مناطقی که بارش زیاد است، مانند ایستگاه رشت و نوشهر مدل GLDAS از دقت خوبی برخوردار نیست
توزیع مکانی - زمانی دما و تبخیر تعرق مرجع با استفاده از داده های CRU در خراسان رضوی و پیش نگری تغییرات آتی برمبنای مدل های اقلیمی CMIP5(مقاله علمی وزارت علوم)
حوزههای تخصصی:
تبخیر تعرق گیاه مرجع متغیری است که مهم ترین جزء چرخه هیدرولوژی محسوب می شود. با توجه به ارتباط مستقیم تبخیر تعرق مرجع با متغیرهای اقلیمی، انتظار می رود افزایش دمای هوا و تغییرات فراسنج های مرتبط با دما در روند و مقدار ETo تأثیر بگذارد. در این مطالعه، ضمن بررسی مهارت داده های شبکه ای CRU در برآورد میانگین سالیانه سه متغیر دمای کمینه، بیشینه و تبخیر تعرق در استان خراسان رضوی، پیش نگری تغییر در مقدار، نوسانات مکانی و روند زمانی این سه متغیر، با استفاده از برون داد چهار مدل سری CMIP5، تحت دو سناریوی واداشت تابشی (4.5 و 8.5) طی دو دوره آینده نزدیک (2050-2021) و آینده میانی (2080-2051) بررسی شد. نتایج نشان داد داده های CRU دارای مهارت مناسبی در شبیه سازی دما در منطقه اند. میانگین سالیانه دمای کمینه، در دوره 2050-2021، تحت هر دو سناریو، بیش از C ᵒ6/1 افزایش خواهد یافت که تحت RCP8.5، مساحت بیشتری از استان دچار این افزایش خواهد شد. این منطقه، طی دوره 2080-2021، با افزایش بیش از Cᵒ3 در میانگین سالیانه دمای کمینه مواجه خواهد شد. افزایش دمای بیشینه در سناریوی RCP8.5 طی دوره میانی، در تمامی استان، حدود Cᵒ4 برآورد شد. مقایسه مقادیر ETo مشاهداتی با برون داد چهار مدل اقلیمی در تمامی نقاط شبکه برای دوره پایه نشان داد، به رغم تفاوت در مقدار، نحوه پراکنش مکانی مقادیر ETo مدل با توزیع مکانی مقادیر مشاهداتی هم خوانی مناسبی دارد. براساس نتایج به دست آمده، طی دو دوره مورد بررسی، این متغیر افزایش خواهد یافت و همان طور که انتظار می رود، تحت سناریوی RCP8.5، درصد افزایش بیش از سناریوی مقابل است. [1] Reference Evapotranspiration (ETo)
کاربرد روش های زمین آمار و GIS در مکان یابی مناطق مستعد سیستم های آبیاری در مناطق خشک و نیمه خشک (مطالعة موردی: دشت خالدآباد بادرود)(مقاله علمی وزارت علوم)
حوزههای تخصصی:
درسال ها یاخیر،اهمیت آب زیرزمینی به مثابه منبع مهم تأمین آب در مناطق خشک و نیمه خشک به دلیلبرداشتبی رویهازآن دوچندان شده است. برداشت بی رویه سبب افتسطحایستابیآب در بسیاری از مناطق کشور شده است و باجایگزین کردن روش ها ی آبیارینوینبه جایروشآبیاریسنتیمی تواناز روند افت سفره و درنتیجه بیابان زایی جلوگیری کرد. کیفیتآب آبیاریازمحدویت ها ی مهم توسعة آبیاریتحتفشار در مناطق خشکو نیمه خشک به شمار می آید. هدف پژوهش حاضر شناسایی مناطق مستعد آبیاری تحت فشار در دشت خالدآباد با استفاده از تکنیک های زمین آمار و GIS است. به منظور پهنه بندی کیفیت آب دشت از پارامترهای کیفی 11 چاه پیزومتری موجود در دشت استفاده شد. برای پهنه بندی نقشه های کیفی از بین روش های زمین آماری IDWو کریجینگ ، روش کریجینگ به دلیل داشتن RMSE و MAE کمتر، انتخاب شد. با روی هم انداختن لایه های کیفیت آب براساس منطق بولین، مناطق با کیفیتآب مناسب برایاجرایسیستمآبیاریتحتفشارمشخصشدند. نتایج نشان دادند که 9/21 درصد از منطقه برای آبیاری بارانی مناسب و 4/54 درصد از منطقه برای آبیاری قطره ای مناسب است. پیزومترهایاستفاده شده برای آبیاریقطره ایدرمحدودةوسیع تری قرارگرفتند.بنابرایندربخشوسیعیازمنطقة مورد مطالعه، سیستم آبیاریقطره ای درمقایسه با روش آبیاری بارانیقابلیتاجرایی و راندمان آبیاری بالاتری دارد. کلید واژه ها : GIS، کیفیت آب زیرزمینی، آبیاری تحت فشار، مکان یابی، بادرود.
بررسی و استفاده از OpenStreetMap برای ایجاد اطلاعات جغرافیایی داوطلبانه در وقوع تصادفات(مقاله پژوهشی دانشگاه آزاد)
حوزههای تخصصی:
تصادفات و سوانح جاده ای از حوادثی می باشند که در سال های اخیر بیشترین خسارت جانی را نسبت به سوانحی مانند سیل و زلزله و غیره در کشور ما داشته اند. به طوری که روزانه شاهد مرگ یا مجروح شدن عده ای از مردم در این سوانح هستیم. عوامل مختلفی در این تصادفات دخیل می باشند که یکی از آن ها ناامن بودن راه ها و وجود مشکلات در آن ها می باشد. در این راستا، اگر اطلاعات کاملی در خصوص راه های ناامن و حادثه خیز در دسترس باشد و اقدامات لازم و کافی در خصوص رفع اشکالات انجام گیرد، قطعاً میزان تصادفات کاهش می یابند؛ بنابراین، جمع آوری داده های تصادفات و دیگر اطلاعات مربوط به نقاطی که مستعد بروز حادثه هستند، مرحله بسیار مهمی در راستای کاهش تصادفات و بهبود ایمنی راه ها می باشد. یکی از راه های به دست آوردن اطلاعات جامع و بروز، استفاده از داده های جغرافیایی داوطلبانه (VGI) می باشد. بر اساس این روش، افراد داده های خود را که با هدف مشخصی جمع آوری شده اند، در اختیار سیستم قرار می دهند. پس از این که داده های مکانی داوطلبانه یا VGI جمع آوری شدند، اشتراک گذاری این داده ها مستلزم سیستمی در قالب یک برنامه تحت وب می باشد تا کاربران بتوانند اطلاعات مربوط به حوادث و یا خطرات موجود در راه را با یکدیگر به اشتراک بگذارند. OSM یکی از پورتال های وب مکانی مناسب و به صرفه برای اشتراک گذاری و بهره مندی در مواقع بحران می باشد. ازاین رو، در این تحقیق بررسی و استفاده از OSM به همراه داده های جغرافیایی داوطلبانه به منظور بررسی وقوع تصادفات در ایران انجام گردید. چهار روش ثبت داده مکانی بررسی شده و نهایتاً شیوه Edit with iD موثرتر از سایر روش ها به لحاظ معیارهایی چون قابلیت ها، کاربرپسندی و سرعت ثبت داده ارزیابی شد. نتایج به دست آمده بیانگر کارایی OSM در ثبت اطلاعات جغرافیایی داوطلبانه مربوط به تصادفات می باشد.
تدقیق رقومی سازی قطعات ثبتی با تکیه بر حفظ مساحت و طول های چند ضلعی(مقاله علمی وزارت علوم)
حوزههای تخصصی:
کلیه اسناد املاک قدیمی کشور که کاغذی هستند می بایستی به نقشه های رقومی و زمین مرجع تبدیل گردند. در رقومی سازی قطعات جهت ورود به سامانه حدنگاری، لازم است که فرم رقومی چندضلعی ازنظر مساحت و ابعاد محیطی با سند (قبلی) مطابقت داشته باشد. در فرایند رقومی سازی ویژگی های هندسی عوارض نظیر مساحت پلی گون ها تغییر می یابد. حفظ مطابقت طول ها و مساحت، مانع از بروز مغایرت در اسناد و ایجاد اختلافات ثبتی و معاملاتی می گردد. جهت رفع این مشکل در این تحقیق، در فرایند رقومی سازی با ثابت نگه داشتن طول های اضلاع برای حفظ مساحت پلی گون ها، زوایای رئوس پلی گون ها به عنوان مشاهده در نظر گرفته می شود و روشی مبتنی بر سرشکنی کمترین مربعات با استفاده از معادلات شرط ارائه می گردد. در این فرایند، مختصات جهانی به محل های ثابت نقشه رقومی شده نسبت داده می شود و با حفظ طول اضلاع و با کمترین تغییر موقعیت رئوس، مساحت درج شده در سند جهت مطابقت لازمه تأمین می گردد. برای بررسی این روش، یک نقشه کاغذی حاوی شش قطعه با مساحت های حدود هزار مترمربع در مقیاس 1:1000 اسکن گردید و رقومی سازی با تکیه بر حفظ مساحت و طول های پلی گون ها صورت گرفت. نتایج نشان می دهد که میانگین، حداکثر و حداقل مقدار جابه جایی رئوس توسط روش سرشکنی به طور متوسط به ترتیب برابر 31/19، 96/26 و 50/10 سانتی متر است که با توجه به مقیاس نقشه و قوانین حدنگاری قطعات زراعی و اراضی ملی ازنظر ثبتی قابل قبول بوده و تدقیق صورت گرفته در رقومی سازی با توجه به مطابقت ایجادشده مقبول و مطلوب است.
آشکارسازی تغییرات مناطق شهری مبتنی بر شبکه های عصبی، ویژگی های مکانی و الگوریتم ژنتیک با استفاده از تصاویر ماهواره ای بزرگ مقیاس(مقاله علمی وزارت علوم)
حوزههای تخصصی:
آشکارسازی تغییرات پوشش اراضی برای پایش رشد شهرها و برنامه ریزی مسئولانه در مورد آنها امری ضروری است. سنجش از دور فناوری قدرتمندی است که می توان از آن در آشکار سازی تغییرات اراضی استفاده کرد. یکی از چالش های موجود در این زمینه توسعة روش های کارآمد به منظور آشکار سازی تغییرات با سطح خودکارسازی بالاست که بتواند اطلاعاتی صحیحی در مورد موقعیت جغرافیایی و ماهیت این تغییرات ارائه کند. در پژوهش حاضر با استفاده از دو تصویر GeoEye منطقة 17 شهر تهران مربوط به سال های 2004 و 2010 از ویژگی های مکانی متن تصویر، شبکه های عصبی و الگوریتم ژنتیک برای آشکار سازی تغییرات استفاده شد. شش حالت مختلف، هریک با دو رویکرد طبقه بندی مستقیم چندزمانی و مقایسة پس از طبقه بندی، از دیدگاه صحت آشکارسازی و زمان اجرای الگوریتم مورد مقایسه قرار گرفتند. بررسی های انجام شده نشان دادند که رویکرد طبقه بندی مستقیم چندزمانی در هر شش حالت نتایج بهتری ارائه کرده است. همچنین در بین شش حالت بررسی شده، عملکرد حالت ششم (روش پیشنهادی این تحقیق) از نظر صحت طبقه بندی بهتر است. در حالت ششم پس از انتخاب بهینة ویژگی ها، طبقه بندی مبتنی بر شبکه های عصبی با تعیین معماری شبکه و با چندین بار اجرا صورت می گیرد. هرچند زمان اجرای این روش درمقایسه با دیگر حالت های بررسی شده بیشتر است، اما درصورتی که صحت طبقه بندی به زمان ارجحیت داشته باشد این روش کاملاً توصیه می شود
مقایسه دقت روش های ماشین بردار پشتیبان و جنگل تصادفی در تهیه نقشه کاربری اراضی و محصولات زراعی، با استفاده از تصاویر چندزمانه سنتینل-2(مقاله علمی وزارت علوم)
حوزههای تخصصی:
نقشه های پوشش/کاربری اراضی، برای پایش تغییرات عوارض و برنامه ریزی صحیح، هرساله مورد نیاز مدیران حوزه کشاورزی، منابع طبیعی و زیست محیطی است. روش برداشت میدانی با جی پی اس (GPS) و نقشه برداری زمینی مستلزم صرف زمان و هزینه های بسیار است. بنابراین، اغلب از تصاویر ماهواره ای، که دارای پوشش سراسری و توالی برداشت، هزینه کم و اطلاعات به هنگام اند، استفاده می شود تا نقشه های پوشش/کاربری زمین به دست آید. تهیه نقشه دقیق با روش مناسب روز موضوعی کلیدی است. طی سال های اخیر، استفاده از تصاویر ماهواره ای جدید و روش های نوین طبقه بندی، به ویژه یادگیری ماشین، رشد فزاینده ای داشته و کارآیی آنها در تهیه نقشه های پوشش/کاربری اراضی بسیار موفقیت آمیز بوده است. یکی دیگر از مزایای تصاویر ماهواره ای برداشت های متوالی است و براساس آن، می توان از تغییرات پوشش گیاهی در طول زمان، برای تفکیک نوع پوشش، استفاده کرد. ماهواره سنتینل-2، با امتیاز پیکسل 10متری، یکی از ابزارهای مناسب برای تفکیک نوع پوشش محسوب می شود. در این تحقیق، برای تفکیک انواع کاربری اراضی و محصولات زراعی دشت سنجابی روانسر، از تصاویر چندزمانه سنتینل-2 و روش های طبقه بندی ماشین بردار پشتیبان و جنگل تصادفی استفاده و دقت آنها با یکدیگر مقایسه شد. بدین منظور، پس از نمونه برداری، تحلیل مؤلفه های اصلی برای چهار تاریخ دوره رشد محصولات اجرا شد و باندهای PC 1 ، PC 2 و PC 3 تصاویر با هم ترکیب شدند. دو روش روی ترکیب باند های PC 1 ، PC 2 و PC 3 تصاویر و نمونه های تعلیمی اعمال شدند. ارزیابی دقت ها نشان داد ماشین بردار پشتیبان، با صحت کلی 91.36% و ضریب کاپای 0.8927، نقشه کاربری اراضی و محصولات دقیق تری، در قیاس با روش جنگل تصادفی، تولید می کند.
تفسیر هندسی گسل ها و شکستگی های سطحی میدان نفتی سیاه مکان (فرو افتادگی دزفول، جنوب غرب ایران) با تکنیک های سنجش از دور حرارتی(مقاله علمی وزارت علوم)
حوزههای تخصصی:
امروزه، علم سنجش از دور به طور گسترده ای در علوم مرتبط با زمین به کار می رود. یکی از این شاخه ها شناسایی، تحقیق و تفسیر ساختارهای سطح زمین است. مطالعه سیستم های شکستگی ، شناخت هندسه و نحوه گسترش مکانی آن ها، می تواند به توسعه میادین نفتی، کمک قابل توجهی کند. در این تحقیق، با استفاده از داده های ماهواره ای Landsat 8، الگوریتم STA و تکنیک های پردازش سنجش از دور، تجزیه و تحلیل هندسی ساختارهای سطحی میدان نفتی سیاه مکان مورد بررسی قرار گرفته است. سپس، دمای سطح زمین(LST)، با روش دفتر علوم لندست برای محدوده میدان نفتی محاسبه شده، در نهایت به بررسی ارتباط توزیع شکستگی های سطحی با الگوی توزیع دمای سطحی محدوده مطالعاتی پرداخته شده است. نتایج نشان می دهد که شکستگی های موازی سطح محوری (SA) و برشی (SO1) که به ترتیب، دارای روند N-S و NW-SE هستند، بیشترین فراوانی را دارند. براساس نقشه چگالی ، تراکم خطواره ها در نواحی میانی، متمایل به جنوب شرقی میدان، دارای بیشترین مقدار است. از آنجایی که منابع زیرزمینی در امتداد خطواره های تکتونیکی نزدیک سطح قرار دارند، این ساختار ها در تصاویر ماهواره ای خنک تر و تاریک تر از مناطق اطراف دیده می شوند. خطواره های ساختاری با نقشه دمای سطحی، انطباق نشان می دهد؛ به طوری که خطواره ها، اغلب در مناطق با دمای سطحی متوسط و متوسط به پایین قرار گرفته اند. از این رو، دماهای کمتر با محدوده های دارای تراکم شکستگی بالا مطابقت نشان می دهند.
ارائه الگوی بهینه مکان یابی فضای سبز شهری با استفاده ازGIS (مطالعه موردی منطقه ۲ کلان شهرکرج)(مقاله پژوهشی دانشگاه آزاد)
حوزههای تخصصی:
. در این تحقیق تلاش شده است، وضعیت دسترسی منطقه مورد مطالعه بر طبق استانداردهای موجود بررسی شده و پس از تعیین کمبود فضای سبز از این نظر و با در نظر گرفتن سایر عوامل شهری مؤثر در مکانیابی، با ارائه الگویی مناسب، به دنبال توزیع بهینه ی فضای سبز در منطقه ۲ با استفاده از GIS می باشد. برای نیل به این هدف ابتداداده های مکانی گرد آوری شده و س پس پایگ اه اطلاع اتی GISتشکیل شده و نقشه های تهیه شده برای هر یک از معیارها ،ب ه ی ک لای ه ی اطلاع اتی در مح یط GISتبدیل شد، سپس به منظور الگوسازی به هر کدام از لایه های اطلاعاتی بر اساس میزان اهمیت آنها در مکان یابی فضای سبز، وزن مناسبی اختصاص داده شد. برای این منظور از معیارهای واقع شدن در زمین های با کاربری مناسب مانند زمین های بایر، نزدیکی به مراکز آموزشی، مراکز فرهنگی و مراکز جمعیتی، دسترسی به شبکه ارتباطی و پمپ بنزین های شهری استفاده شد. سپس برای هر کدام از عوامل تأثیرگذار در مکانیابی پارکها و فضای سبز، لایه هایی اطلاعاتی در محیط GIS تهیه گردید و برای هر یک از لایه ها وزن دهی صورت گرفت.سپس به منظور الگوسازی، به هر یک از لایه های اطلاعاتی بر اساس میزان اهمیت آنها در مکانیابی پارک ها و فضای سبز با استفاده از مدل AHP، وزن مناسبی اختصاص داده شد. نتایج حاصل از تلفیق لایه های اطلاعاتی، زمین های منطقه را برای انتخاب مکان های مناسب برای فضای سبز به 5 کلاس طبقه بندی نمودیم و مشخص شد زمین های ب ا درج ه ی خیل ی خ وب و خوب در حواشی رودخانه، نزدیک مراکز مسکونی، آموزشی و شبکه ارتباطی منطقه واقع شده اند
مکان گزینی مناسب بیمارستان های شهری از طریق تلفیق روش سلسله مراتبی(AHP) و مدل(Fuzzy) در محیط GIS (مورد مطالعه: منطقه19 شهر تهران)(مقاله پژوهشی دانشگاه آزاد)
منبع:
کاربرد سیستم اطلاعات جغرافیایی و سنجش از دور در برنامه ریزی دوره ۸ زمستان ۱۳۹۶ شماره ۴
21 - 38
حوزههای تخصصی:
در ایران رشد شتابان شهر نشینی به گونه ای بوده است که متناسب با آن تجهیزات فضاهای شهری به صورت مناسب مکان گزینی نشده اند، امروزه جمعیت پذیری شهرها به همراه مسائل اجتماعی - اقتصادی آنها شکل تازه ای از شهر، شهرنشینی و شهرگرایی به وجود آورده است. از آنجایی که بهداشت و درمان از ضرورت های اولیه زندگی می باشد، لذا خدمات رسانی مناسب و پویا به شهرنشینان نیازمند، استقرار مراکز خدمات درمانی در مکان مناسب در سطح شهر می باشد که نقش مهمی در تامین آسایش شهروندان ایفا می کند. از این رو موضوع مکان یابی، خدمات رسانی، و خدمات دهی بهتر این مراکز در سطح شهر مهم است. بر همین اساس هدف اصلی پژوهش حاضر مکان گزینی مناسب بیمارستان شهری در منطقه19 شهر تهران می باشد، روش پژوهش توصیفی- تحلیلی و نوع آن کاربردی می باشد. برای رسیدن به این هدف از سامانه ی اطلاعات جغرافیایی و تلفیق روش سلسله مراتبی(AHP) و مدل(Fuzzy) در محیط GIS استفاده شد، ابتدا لایه های مورد نیاز شامل، همجواری با کاربری های سازگار، دسترسی به شبکه ی ارتباطی، نزدیکی به ایستگاه های آتش نشانی، تراکم جمعیّت، فاصله از مراکز بیمارستانی موجود، فاصله از مسیل ها، فاصله از جایگاه های سوخت رسانی، فاصله از مراکز آموزشی، شیب زمین، نزدیکی به مرکز شهر و نزدیکی به فضای سبز در سامانه ی اطلاعات جغرافیایی تهیه شد و سپس مقایسه های زوجی به وسیله نرم افزار Expert choice انجام گرفت و در نهایت با وزن دهی معیارها و با ترکیب لایه های اطلاعاتی، مناسب ترین مکان ها برای ایجاد بیمارستان شهری در این منطقه مکان یابی شد.
مقایسه کارآیی الگوریتم های ماشین بردار پشتیبان و حداکثر احتمال در آشکارسازی تغییرات کاربری اراضی (مطالعه موردی: حوضه آبخیز سیمینه رود)(مقاله علمی وزارت علوم)
حوزههای تخصصی:
با توجه به اینکه الگوریتم های متنوعی برای طبقه بندی تصاویر ماهواره ای در سنجش از دور توسعه یافته اند، انتخاب الگوریتم مناسب طبقه بندی در دستیابی به نتایج صحیح نقش بسیاری ایفا می کند. به همین منظور در پژوهش حاضر، با مقایسه کارآیی صحت طبقه بندی دو الگوریتم حداکثر احتمال و ماشین های بردار پشتیبان، الگوریتم دقیق تر تعیین، و از آن برای بررسی روند تغییرات کاربری اراضی استفاده شد. تحقیق حاضر در حوزه آبخیز سیمینه رود و با استفاده از تصاویر سنجنده های TM، ETM + و OLI انجام گرفت. نتایج تحقیق نشان داد که الگوریتم ماشین بردار پشتیبان، درمقایسه با الگوریتم حداکثر احتمال، تصاویر ماهواره ای را بهتر طبقه بندی کرده است و از میان کرنل های ماشین بردار، کرنل تابع پایه شعاعی (RBF) کارآیی بهتری داشته است. بنابراین، از الگوریتم ماشین بردار پشتیبان با کرنل تابع پایه شعاعی برای تهیه نقشه کاربری اراضی دوره های مورد بررسی و تغییرات کاربری استفاده شد. بررسی روند تغییرات کاربری اراضی، با استفاده از این کرنل، مشخص کرد که در طی دوره های بررسی شده، مساحت کاربری های زراعت آبی از 30.535 هکتار به 67.210 هکتار، زراعت دیم از 79.909 هکتار به 123.383 هکتار و مناطق مسکونی از 474 هکتار به 1934 هکتار افزایش یافته است درحالی که مراتع از 259.811 هکتار به 178.398هکتار، و منابع آب از 240 هکتار به 41 هکتار روند کاهشی دارند.
پهنه بندی کیفیت آلودگی آب رودخانه با استفاده از شبکه های عصبی مصنوعی و سیستم اطلاعات جغرافیایی(مطالعه موردی: رودخانه سیمینه رود)(مقاله علمی وزارت علوم)
حوزههای تخصصی:
پهنه بندی کیفیت آب رودخانه نخستین و مهم ترین مرحله در مدیریت کیفیت آب است، که ذهن تحلیلگر را با روند و چگونگی تغییرات آلودگی برحسب زمان، مکان و شرایط خاص آشنا می سازد. پژوهش حاضر درصدد است با استفاده از شبکه های عصبی مصنوعی و سامانه اطلاعات جغرافیایی به پهنه بندی کیفیت آلودگی آب رودخانه سیمینه رود بپردازد. داده های کیفی استفاده شده در تحقیق، حاصل نمونه برداری از رودخانة سیمینه رود در سه فصل بهار و پاییز 1387 و بهار 1388 است که با استفاده از مدل QUAL2K شبیه سازی شد. خروجی مدل با داده های مشاهده ای مقایسه گردید و پارامترهای نیترات، اکسیژن محلول و هدایت الکتریکی ِ مربوط به فصل پاییز 1387 به عنوان داده های هدف انتخاب شدند. داده های ورودی شامل داده های مربوط به کاربری اراضی، زمین شناسی، قابلیت فرسایش و مراکز جمعیتی مربوط به حوضة سیمینه رود هستند که به همراه داده های هدف بعد از آماده سازی در محیط GIS به مدل شبکة عصبی معرفی شدند. در این تحقیق از پنج ساختار مختلف مدل FFBP شبکة عصبی استفاده شد و نتیجة ساختار منتخب با خروجی های حاصل از مدل رگرسیون چندمتغیره مقایسه گردید، که برتری مدل شبکة عصبی مذکور را نشان داد. نتیجه تحقیق حاضر نشان می دهد که شبکه های FFBP با ساختار 3-40-40-4 بهترین کارایی را دارند، و شبکه عصبی در پهنه بندی کیفیت آلودگی آب قابلیت بالایی دارد.
کاربرد داده های مریس در تخمین عمق شفافیت در دریای خزر با روش های رگرسیون خطی تک متغیره و چندمتغیره(مقاله علمی وزارت علوم)
حوزههای تخصصی:
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.
یکپارچه سازی سیستم اطلاعات مکانی (GIS)، شبکة عصبی پرسپترون چندلایه (MLP) و مدل بارش-رواناب (SWAT) با درنظرگرفتن تغییرات کاربری ها برای پیش بینی دبی ورودی و حجم رسوب (مطالعة موردی: سد ستارخان)(مقاله علمی وزارت علوم)
حوزههای تخصصی:
هدف از مطالعات رسوب گذاری در یک سد مخزنی یافتن دیدی کلی درمورد میزان حجم ازدست رفتة مخزن است. در این میان، بررسی و پیش بینی حجم رسوب واردشده به مخزن اهمیت ویژه ای دارد. در این پژوهش، با استفاده از روش آماری ریزمقیاس کردن، بارش و دما در محدودة حوضة آبریز سد ستارخان با مساحت 950 کیلومترمربع، واقع در استان آذربایجان شرقی، در بلند مدت پیش بینی شده اند. با توجه به اطلاعات بارش و دمای پیش بینی شده، به کمک مدل [1]SWAT، رسوب ورودی به سد شبیه سازی شده است. مقایسة نتایج این مدل و مقادیر مشاهداتی نشان می دهد گرچه مدل SWAT با دقت بالای 80% می تواند روند جریان رسوب ورودی به مخزن را شبیه سازی کند، قادر به شبیه سازی مقادیر واقعی رسوب نیست. برای رفع این اختلاف، باید پارامتر فرسایش نیز، برای رسیدن به نتیجة مطلوب، در محاسبات لحاظ شود. بنابراین ابتدا با کمک مدل شبکة عصبی پرسپترون چندلایه (MLP) بارش مورد نظر پیش بینی شده و سپس نقشة کاربری به منظور تعیین میزان تأثیر کاربری و، به تبع آن، فرسایش در محیط GIS تهیه شده است. ترکیب پارامتر کاربری در محیط GIS و بارش پیش بینی شده می تواند خروجی SWAT را به مقدار واقعی نزدیک تر کند. نتایج حاصل نشان می دهد که با یکپارچه سازی و استفاده از مدل های به کاررفته و قابلیت های GIS می توان نتایج و برآورد میزان حجم رسوب را با دقت بالای 95% محاسبه کرد.
تخمین تولید محصول کلزا مبتنی بر سری زمانی داده های سنجش از دور(مقاله علمی وزارت علوم)
حوزههای تخصصی:
شاخص های طیفی پوشش گیاهی به منزله ابزاری مناسب برای تخمین میزان تولید محصولات کشاورزی استفاده می شوند. بااین حال، تعداد محدود تصاویر از عوامل اصلی کاهش کارآیی شاخص ها به منظور تخمین تولید شمرده می شود. از سوی دیگر، ارزیابی توانایی شاخص ها در تخمین تولید از راه ترکیب داده های مادیس و لندست، در مواردی که تعداد داده های لندست کم باشد، کمتر مورد توجه قرار گرفته است. هدف تحقیق حاضر، در گام نخست، معرفی شاخص ها یا شاخص منتخب در تخمین تولید کلزا و در گام بعدی، استفاده از تکنیک های تلفیق داده برای افزایش کارآیی شاخص منتخب است. کلزا ازجمله محصولات کشاورزی است که، به دلیل گل دهی در دوره رشد، ویژگی های طیفی خاصی دارد. در این تحقیق، پایگاه داده ای از میزان تولید محصول کلزا و سری زمانی داده های لندست و مادیس کشت و صنعت مغان تهیه و سپس ده شاخص متفاوت به قصد تخمین تولید کلزا ارزیابی شد. در ادامه، رابطه میزان تولید با شاخص پیشنهادی بررسی و مشخص شد که شاخصNDYI ، در طول زمان گل دهی، دقتی بیشتر از سایر شاخص ها دارد (r = 0.73). با تلفیق داده های سری زمانی لندست و مادیس مبتنی بر الگوریتم مدل تطبیقی ادغام بازتابندگی مکانی و زمانی بهبودیافته (ESTARFM)، همبستگی و RMSE (kg/ha) به ترتیب 7% و 0.11 افزایش و کاهش یافت. تحقیق حاضر نشان داد که استفاده از تکنیک های تلفیق داده امکانِ افزایش کارآیی شاخص های طیفی را به منظور تخمین تولید محصول فراهم می کند.
طبقه بندی شئ مبنای تصاویر بزرگ مقیاس ماهواره ای از مناطق شهری پیچیده برای تولید نقشة پوشش اراضی برمبنای یک مدل سلسله مراتبی جدید(مقاله علمی وزارت علوم)
حوزههای تخصصی:
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.
کالیبراسیون دمای سطح زمین به منظور برآورد دقیق دمای هوای نزدیک به سطح زمین، با استفاده از مدل های ریاضی و مشاهدات ایستگاه های هواشناسی(مقاله علمی وزارت علوم)
حوزههای تخصصی:
دمای سطح زمین پارامتری بسیار مهم و کلیدی در بررسی های زیست محیطی، تغییرات آب وهوایی، رطوبت خاک، درصد تبخیر و تعرق و جزایر گرمایی شهری شمرده می شود. هدف از پژوهش حاضر محاسبه دمای سطح زمین، با استفاده از تصاویر ماهواره لندست 8 و کالیبراسیون آن، با استفاده از مدل های ریاضی غیرخطی است. در این پژوهش، به منظور محاسبه دمای سطح زمین، از الگوریتم پنجره مجزا استفاده شده است. در ادامه، از کالیبراسیون دمای حاصل از این الگوریتم به کمک توابع ریاضی رشنال، دمای نزدیک سطح زمین به دست آمده است. الگوریتم پنجره مجزا، برای برآورد دمای سطح زمین، از رادیانس طیفی و گسیل مندی سطح زمین استفاده می کند. به منظور تخمین رادیانس طیفی، از باندهای حرارتی سنجندهTIRS ماهواره لندست 8 استفاده شده است. گسیل مندی سطح زمین نیز، به کمک شاخص کسر گیاهی و شاخص پوشش گیاهی (NDVI)، برای باندهای حرارتی سنجنده TIRS محاسبه شده است. همچنین، در این پژوهش، با کمک سری زمانی دمای هوای ایستگاه های هواشناسی، دمای حاصل از مدل پنجره مجزا با استفاده از توابع رشنال کالیبره شد تا دمای هوای نزدیک سطح زمین با دقت بالایی برآورد شود. نتایج مدل پیشنهادی نشان می دهد که کالیبراسیون دمای منتج از مدل پنجره مجزا، با استفاده از توابع رشنال، باعث کاهش میزان خطای RMSE در دو مرحله کالیبراسیون از 13.464 درجه سانتی گراد، به ترتیب، به 13.169 درجه سانتی گراد و در نهایت، به 0.668 درجه سانتی گراد شده است. با توجه به نتایج و بررسی ها، می توان گفت که درجه و تعداد ترم های موجود در معادلات رشنال در نتایج کالیبراسیون تأثیر بسیاری دارند و انتخاب بهترین مدل می تواند دقت این توابع را افزایش دهد.
ارزیابی قابلیت داده های MSI سنتینل-2 و OLI لندست 8 در تفکیک واحدهای سنگی و کانی های دگرسان منطقه کانسار فسفات اسفوردی، ایران مرکزی(مقاله علمی وزارت علوم)
حوزههای تخصصی:
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.
ارزیابی عملکرد توصیفگرهای موضعی در تصاویر ماهواره ای(مقاله علمی وزارت علوم)
حوزههای تخصصی:
توصیفگرها توزیع درجات خاکستری تصویر را در ناحیه اطراف عوارض توصیف می کنند و در تعیین مطابقت آنها، در کاربردهای گوناگونی همچون مرتبط سازی تصویر و تولید مدل سه بعدی در فتوگرامتری و سنجش از دور، نقش اساسی دارند. روش های گوناگونی برای ایجاد توصیفگر ارائه شده که ویژگی ها و کاربردهای متفاوتی دارند. شناخت ویژگی های الگوریتم ها و چگونگی عملکرد آنها در شرایط گوناگون نیازی اساسی برای استفاده مناسب از آنها در موارد گوناگون است. در این تحقیق عملکرد ده توصیفگر مطرح شامل SI، SC، SIFT، PIIFD، SURF، DAISY، LSS، LBP، LIOP و BRISK در انواع مختلف از تصاویر ماهواره ای اپتیکی با تنوع گسترده ای از اعوجاجات شامل اختلاف مقیاس، دوران، روشنایی و تغییر منظر مورد ارزیابی قرار می گیرد. هشتاد جفت تصویر ماهواره ای در سه دسته گوناگون شامل شبیه سازی شده، چندزمانه و چندسنسوری انتخاب می شود و نتایج با استفاده از چهار معیار اساسی Recall، Precision، دقت هندسی و کارآیی مقایسه می شود. الگوریتمی که در همه حالت ها و برای همه تصاویر بهتر از دیگر الگوریتم ها باشد، وجود ندارد اما به طور میانگین، توصیفگر های DAISY و SIFT بهترین عملکرد، و الگوریتم های SI و SC نیز بدترین نتایج را در تصاویر ماهواره ای دارند.