فیلترهای جستجو:
فیلتری انتخاب نشده است.
نمایش ۹۴۱ تا ۹۶۰ مورد از کل ۱٬۲۰۹ مورد.
حوزههای تخصصی:
سپیدایی از ﭘﺎراﻣﺘﺮﻫﺎی ﻣﻮرد ﻧیﺎز در ﻣﻄﺎﻟﻌﺎت زیﺴﺖ ﻣﺤیﻄی و آب و ﻫﻮایی به شمار می رود؛ ازاین رو، بررسی رفتار زمانی و مکانی آن می تواند ابزاری برای شناخت تغییرات محیطی باشد. ﺳﻨﺠﻨﺪه مودیس سپیدایی ﺳﻄﺢ زﻣیﻦ را به طور ﻣﺴﺘﻤﺮ، در ﻣﻘیﺎﺳی ﺟﻬﺎﻧی و ﺑﺎ ﻗﺪرت ﺗﻔکیک ﻣکﺎﻧی مناسب ﺗﻮﻟیﺪ و در دسترس پژوهشگران ﻗﺮار داده است. در این پژوهش، برای واکاوی موانع برداشت/ دیدبانی سپیدایی ایران زمین، نخست داده های روزانه سپیدایی سنجنده مودیس در محدوده ایران، در بازه زمانی 1/1/1379 تا 10/10/1397 و به مدت 6867 روز، از تارنمای مودیس استخراج شد. پس از موزاییک کردن کاشی ها، فراوانی بلندمدت دیدبانی های سپیدایی ایران زمین برای هریک از فصل های سال جداگانه محاسبه شد. یافته ها نشان داد که عوامل محدودکننده دیدِ ماهواره، در زمان ها و مکان های گوناگون، متفاوت است؛ به طوری که در فصل تابستان، به ویژه در کرانه های دریای عمان، رطوبت نقش محدودکننده دارد. درحالی که در فصل زمستان، به خصوص در رشته کوه های البرز و زاگرس، ابرناکی عامل محدودکننده به حساب می آید. گذشته از عوامل رطوبت و ابرناکی، ریزگردها نیز عامل محدودکننده برداشت سپیدایی شناخته می شوند. بررسی های انجام شده روی 394 ایستگاه زمینی اثبات کرد، در زمانی که ماهواره نتوانسته است سپیدایی را اندازه گیری کند، در بیش از 70% موارد، عوامل یادشده گزارش شده است.
تحلیل تغییرات زمانی - مکانی شدت، تداوم، فراوانی و گستره خشکسالی با استفاده از داده های سنجش از دور(مقاله علمی وزارت علوم)
حوزههای تخصصی:
خشکسالی از مهم ترین بلایای طبیعی کشور است که اثرات مخرب زیست محیطی و اقتصادی فراوانی دارد. بیشتر مطالعات انجام شده به شدت خشکسالی پرداخته اند و معمولاً سایر ویژگی های آن بررسی نشده است. در این تحقیق، اولین بار، قابلیت شاخص های هواشناسی و داده های ماهواره ای با یکدیگر ادغام شده و از آن برای مطالعه تمامی ویژگی های خشکسالی، در دو حوزه داخلی و ساحلی کشور، استفاده شده است. بدین منظور، شاخص SPI با استفاده از تصاویر ماهواره ای بارش TRMM محاسبه شده و سپس مشخصه های خشکسالی مانند شدت، تداوم، بزرگی و گستره خشکسالی، به صورت مکانی، در سطح حوزه مطالعه شد. نتایج نشان دهنده همبستگی کلی 0.94 بین SPI محاسبه شده از تصویر و داده های ایستگاهی بوده است. حداکثر شدت خشکسالی در منطقه مورد مطالعه برابر با 4.19- بوده که در آذر سال 1389 اتفاق افتاده است. علاوه براین، فراوانی وقوع خشکسالی های فرین، در دو مقیاس زمانی شش و دوازده ماهه، در حوزه داخلی بیشتر از حوزه ساحلی بوده است. در بازه مورد مطالعه، در مقیاس زمانی شش ماهه، 60% از رویدادهای خشکسالی حوزه بزرگی خفیف تر از 18.3- داشته اند. نتایج نشان داد، با استفاده از تصاویر ماهواره ای، به خوبی می توان به مشخصه گستره خشکسالی دست یافت؛ درحالی که با استفاده از سایر روش ها قابل محاسبه نیست. علاوه براین، با به کارگیری تصاویر ماهواره ای، می توان مشخصه های خشکسالی را در سطح حوزه، به صورت مکانی، مطالعه کرد و چنین کاری با روش های سنتی امکان پذیر نیست. نتایج تحقیق مؤید مزیت به کارگیری داده های بارش ماهواره ای در مطالعه خشکسالی بوده است.
موقعیت یابی مناسب جهت توسعه فیزیکی شهر با استفاده از مدل AHP و منطق فازی در محیط GIS (نمونه موردی: شهر شهرکرد)(مقاله پژوهشی دانشگاه آزاد)
منبع:
کاربرد سیستم اطلاعات جغرافیایی و سنجش از دور در برنامه ریزی دوره ۱۰ تابستان ۱۳۹۸ شماره ۲
72 - 82
حوزههای تخصصی:
توسعه روزافزون شهرها باعث بروز مشکلات بسیار جدی در زندگی روزمره بشر می شود. از سویی نمی توان توسعه شهری را محدود ساخت بلکه باید آن را متناسب با نیازهای امروز و فردای بشر آماده نمود، به گونه ای که از وارد آمدن آسیب به محیط زیست جلوگیری شود. در ای ن پ ژوهش س عی ش ده اس ت ب ا شناس ایی ویژگ ی ه ای محیط ی، خصوص اً ویژگ ی ه ای ژئومورفول وژیکی و ارزی ابی آن، مک ان ه ای بهین ه ب رای توس عه ش هری شهرکرد مش خص ش ود. بدین منظور از 13 ش اخص اس تفاده گردید و ب ا اس تفاده از تلفی ق دو م دل منط ق ف ازی و AHP ابت دا ه ر ک دام از لای ه ه ا در مح یط نرم افزار ArcGIS ف ازی ش دند و بع د از ض رب وزن لایه ه ای حاص ل از AHP در ه ر ک دام از لای ه ه ا، عملگ رهای ض رب، جم ع ف ازی و گام ای ف ازی اجرا شد. در نهای ت گام ای بهین ه در ArcGIS ب ه 5ک لاس تناس ب تقس یم بن دی گردید. نتایج تحقیق نشان می دهد که 5/16درص د منطق ه م ورد مطالع ه در ک لاس بسیار مناسب ق رار دارد و 9 درص د از منطق ه در ک لاس بسیار نامناسب ق رار م ی گی رد. نقشه حاصل از مدل مذکور نواحی با احتمال گسترش ف ضایی برمبن ای روند گذشته را مشخص نموده و نواحی مناسب برای گسترش آتی را نیز ارائه ک رده است. ب ر این مبنا نواحی شرقی، شمالی و جنوب شرقی شهر شهرکرد مناسب ترین نواحی برای گسترش آتی شهر می باشند.
تعیین پارامترهای مؤثر زمینه ای در پیش بینی آنی موقعیت کشتی با استفاده از یادگیری عمیق(مقاله علمی وزارت علوم)
حوزههای تخصصی:
حدود ۸۰% از حمل ونقل جهانی در بستر دریا انجام می شود؛ بنابراین، به منظور حفظ ایمنی عبورومرور کشتی ها، پیش بینی دقیق حرکت آنها اهمیت ویژه ای دارد. ازآن جاکه پارامترهای زمینه ای گوناگونی در حرکت کشتی ها تأثیر می گذارد، یکی از چالش های اصلی در حوزه محاسبات زمینه آگاه حرکت کشتی ها شناسایی پارامترهای زمینه ای بهینه مؤثر در حرکت کشتی است که ضرورت تحقیق حاضر را می رساند. در این راستا، با استفاده از شبکه عصبی حافظه طولانی کوتاه مدت و انتخاب پارامتر به شیوه پوشانه (Wrapper)، اقدام به شناسایی پارامترهای زمینه ای بهینه برای پیش بینی حرکت کشتی شد. به این منظور، داده های سیستم شناسایی خودکار کشتی ها، جمع آوری شده در دسامبر سال ۲۰۱۷ از ساحل شرقی آمریکا، به کار رفت. تمامی ترکیبات ممکن از سه پارامتر زمینه ای سرعت، جهت و احتمال حضور کشتی در هر نقطه از دریا، با روش پوشانه، در مدل پیش بینی یادشده ارزیابی شد. در ارزیابی ها، ۷۰% از داده ها برای آموزش و مابقی برای اعتبارسنجی متقابل به کار رفت. طبق نتایج، پارامترهای سرعت و احتمال حضور به منزله پارامترهای زمینه ای بهینه شناسایی شد؛ به صورتی که دقت مدل با ورودی های بهینه 26.98% بهتر از مدلی است که در تمام پارامترهای زمینه ای در دسترس به منزله ورودی به کار رفته و نیز 16.14% بهتر از مدل بدون زمینه است؛ بنابراین، شناسایی پارامترهای زمینه ای بهینه از میان پارامترهای در دسترس و استفاده از آنها می تواند به بهبود دقت کمک کند
برآورد رطوبت سطح خاک با استفاده از داده آلوس پالسار 2(مقاله علمی وزارت علوم)
حوزههای تخصصی:
توزیع زمانی و مکانی رطوبت خاک متغیری کلیدی در برنامه ریزی هیدرولوژیکی است. در محدوده تحقیق، افزایش رطوبت خاک باعث سرعت شکل گیری رواناب می شود. هدف این تحقیق بررسی پتانسیل باند L از سنجنده پالسار 2 (PALSAR-2) ماهواره آلوس (ALOS)، در برآورد رطوبت سطح خاک، به منظور مدیریت منابع آب و کاهش مخاطرات ناشی از سیل است. با استفاده از نمونه برداری تصادفی خوشه ای، نمونه ها دریافت شد. هم زمان با دریافت داده SAR رطوبت وزنی، زبری سطح و محتوای آب گیاهی، میانگین ضرایب بازپراکنش راداری و زاویه فرود روی تصویر اندازه گیری شد. مراحل پیش پردازش، پردازش و پس پردازش داده SAR با استفاده از نرم افزار SNAP و شاخص های گیاهی و نمناکی از لندست 8 سنسور OLI در محیط ArcGIS 10/5 استخراج شد. برای دریافت زبری سطح، دو دوربین دارای زاویه مایل به کار رفت و بیست قطعه عکس، با ده نقطه کنترلی (GCP) برای هر خوشه، گرفته شد. سپس با نرم افزار Agisoft PhotoScan ابر نقاط متراکم محاسبه و سپس مش بندی به منظور تولید DTM انجام گرفت. از زبانه Analysts 3D در ArcGIS پروفیل طولی ناهمواری های سطح برای هر خوشه استخراج شد. به منظور انتخاب مدل مناسب در منطقه، سه مدل در برآورد رطوبت سطح خاک، شامل مدل های Dubois-MLR-WCM، مد نظر قرار گرفت. نتایج سه مدل در برآورد رطوبت سطح خاک در پلاریزه HH به ترتیب در مدل Dubois با و ، مدل MLR با و و مدل WCM با و به دست آمد. نتایج نشان داد مدل Dubois در اراضی بایر تا تنک برای محدوده تحقیق و شرایط مشابه مناسب تر است.
طبقه بندی مبتنی بر هدف با استفاده از قطعه بندی هرمی و الگوریتم ژنتیک وزن دار(مقاله پژوهشی دانشگاه آزاد)
منبع:
کاربرد سیستم اطلاعات جغرافیایی و سنجش از دور در برنامه ریزی دوره ۱۱ پاییز ۱۳۹۹ شماره ۳
68 - 77
حوزههای تخصصی:
اخیرا، یک روش موثر برای طبقه بندی طیفی-مکانی با استفاده از قطعه بندی هرمی (HSEG) رشد یافته از نشانه های انتخاب شده ارائه شده است. هدف این مقاله بهبود این روش برای طبقه بندی تصاویر فراطیفی در مناطق شهری است. ابتدا الگوریتم ژنتیک وزن دار (WG) برای بدست آوردن باندهای بهینه داده های فراطیفی استفاده می شود. الگوریتم HSEG مبتنی بر نشانه سپس بر ویژگی های بدست آمده پیاده سازی می شوند. در ادامه، ویژگی های زمینه ای از تصاویر قطعه بندی شده استخراج می شوند. برای ویژگی های مکانی، ویژگی های مساحت، آنتروپی، شکل، مجاورت و رابطه به عنوان اجزای بالقوه در فضای ویژگی در نظر گرفته شده اند. سرانجام ، با استفاده از هر دو ویژگی طیفی و مکانی، اشیا تصویر توسط یک طبقه بندی کننده مبتنی بر قانون طبقه بندی می شوند. آزمون ها بر روی دو مجموعه داده اعمال شد: Berlin و Quebec City، که دو مجموعه داده شناخته شده و بنچ مارک در تصاویر فراطیفی هستند. ارزیابی نتایج نشان داد که روش پیشنهادی به ترتیب برای این مجموعه داده ها به ترتیب از 16٪ و 9٪ دقت کلی بهتری نسبت به الگوریتم HSEG اولیه به دست می آورد.
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.
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.
ارزیابی و بهینه سازی روش سالومونسون و همکاران در برآورد سطح پوشش برف حوزه های کرج و لتیان(مقاله علمی وزارت علوم)
حوزههای تخصصی:
هدف از این مقاله تعیین سهم پوشش برف حوزه های کرج و لتیان با استفاده از تصاویر MODIS، به روش سالومونسون و همکاران و شناسایی منابع خطای این روش است. اهمیت سطح پوشش برف به دلیل تأثیرگذاری بر بیلان تابش، بیلان آب و مدل سازی انجام تحقیقات گوناگون را ضروری ساخته است. در این تحقیق برای بررسی سطح برف از داده های MODIS و برای ارزیابی دقت، از تصاویر LISIII-IRS استفاده شده است. تا کنون روش های متفاوتی برای استخراج سهم برف پیکسل ها به کار گرفته شده که در تحقیق حاضر از روش سالومونسون و همکاران به دلیل دقت مناسب و نیاز نداشتن به اطلاعات اولیه از منطقه استفاده شده و عوامل ایجاد خطا در آن شناسایی شده است. افزون بر این، ضرایب معادلة سالومونسون و همکاران با استفاده از داده های منطقه ای ایران بهینه سازی شده و دقت حاصل از مدل با ضرایب بهینه، در منطقه ای جدید ارزیابی شده است. نتایج ارزیابی دقت نشان داده اند که روش سالومونسون و همکاران می تواند سهم برف پیکسل های MODIS را با خطای RMS 20/0 پیکسل برآورد کند. ضرایب کاپا و دقت کلی این روش به ترتیب 84/0، 12/92 است، که دقت مناسب آن را نشان می دهد. نتایج تحقیق نشان می دهند که به دلیل خطای بالاتر روش سالومونسون و همکاران، باید در نواحی حاشیة رودهای ایران که عموماً دارای پوشش درختی کم تراکم و باغ های پراکنده اند، از این روش صرف نظر شود. لازم است برای حذف مناطق آبی از ماسک های مناسب استفاده شود. بهینه سازی ضرایب مدل توانسته است دقت برآورد مدل را بهبود بخشد، به طوری که مقدار خطای RMS مدل با ضرایب اصلاح شده در منطقه ای جدید 258/0 پیکسل به دست آمده، درحالی که معادلة سالومونسون و همکاران در همین منطقه خطای RMS عدد 266/0 پیکسل را نشان داده است. کلید واژه ها : روش سالومونسون و همکاران، زیرپیکسل، سطح پوشش برف، شاخص تفاضلی نرمال شدة برف.
برآورد و پهنه بندی فرسایش خاک با استفاده از فرآیند تحلیل شبکه ای وGIS (مطالعه موردی: حوضه قلعه چای)(مقاله علمی وزارت علوم)
حوزههای تخصصی:
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.
تشخیص و بررسی استرس گندم با استفاده از تصاویر ماهواره ای (مطالعه موردی : دشت مغان)(مقاله پژوهشی دانشگاه آزاد)
حوزههای تخصصی:
در این پژوهش هدف بررسی توانمندی و قابلیت سنجش ازدور و تصاویر ماهواره ای در بررسی تغییرات طیفی گیاه گندم و تشخیص امراض و استرس آن در منطقه دشت مغان در شهرستان پارس آباد هست. دستیابی به چنین قابلیتی می تواند در پیش بینی به موقع امراض و آفت ها و هم چنین جلوگیری از گسترش آن و استفاده به موقع از قارچ کش ها و سموم دفع آفات نباتی مفید واقع شود. در راستای نیل به این هدف خصوصیات طیفی گندم و گیاهان دیگر موجود با استفاده از ماهواره های IRS و لندست 8 موردبحث و بررسی قرار می گیرد. گیاه گندم دارای گونه های مختلفی هست که در این منطقه گندم آتیلا و گندم کوهی بیشتر کشت می شود که در این تحقیق رفتارهای طیفی آن ها مورد ملاحظه قرار می گیرد. در این پژوهش از 146 نقطه کنترل زمینی استفاده شد که بیشترین درصد منطقه ازلحاظ درجه استرس به طبقه 2 و کمترین آن به درجه صفر یا طبقه سالم تعلق گرفت. پس از اعمال تصحیحات اتمسفری و هندسی بر روی تصاویر ماهواره ای موجود ؛ نسبت های باندی مختلفی به منظور شناسایی بهترین ترکیب باندی و تفکیک پذیری کلاس های سالم و درجه های استرس یک ، دو و سه مدنظر قرار گرفت. جهت نیل به این هدف از شاخص های استرس و سبزینگی پوشش گیاهی مختلفی استفاده شد. از بین شاخص ها، شاخص GNDVI بیشترین کارایی را داشت و توانست 81% وضعیت مناطق را درست برآورد کند. شاخص GVI دارای بیشترین مقدار ضریب کاپا و صحت کلی به ترتیب با 94/0 و 3/95 است که نشان از کاربرد بالای این شاخص در درجه بندی استرس گیاه گندم می باشد. هم چنین این شاخص بیشترین مساحت را به درجه استرس یک اختصاص داد.
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.
پیش بینی احتمال مکانی وقوع برف با استفاده از داده های سنجش از دور و زنجیرة مارکوف مرتبة یک(مقاله علمی وزارت علوم)
حوزههای تخصصی:
ارزیابی و برآورد ذخایر برفی در مطالعات بیلان آب و بهره برداری بهینه از منابع آب در مناطق خشک و نیمه خشکی چون ایران که دارای ریزش های فصلی برف هستند، اهمیت فراوانی دارد. در حوضه های آبریز حوالی دامنه های برف گیر نظیر زاگرس که سیلاب های بهاره سهم عمدة جریان های سطحی را تشکیل می دهند، پیش بینی احتمالاتی ذخیرة برفی پایان سال ضروری است. در پژوهش حاضر، پیش بینی احتمالی وقوع برف در حوضة آبریز رودخانه های کرخه، دز، کارون و بخشی از حوضة مارون با استفاده از مدل زنجیرة مارکوف مرتبة یک بررسی شد. برای این منظور از داده های سطح برف استخراج شده از تصاویر ماهواره ای سنجندة NOAA-AVHRR در طول سال های آبی 1367 تا 1383 استفاده شد. حالت های ممکن در نقشه های برف به صورت وجود (عدد یک) و نبود برف (عدد صفر) تعریف شد. سپس با اعمال فرایند زنجیرة مارکوف، پیش بینی احتمال مکانی وقوع برف برای اسفندماه سال های 83-1379 صورت گرفت. نتایج نشان دادند که پیش بینی احتمالاتی سطح برف در اسفندماه تطبیق مناسبی با نقشه های حداکثر پوشش سطحی برف به دست آمده از تصاویر ماهواره ای دارد. وضعیت پوشش سطح در بیش از 60 درصد سطح حوضه با احتمال 100 درصد و در 80 درصد سطح حوضه، با احتمال 50 تا 90 درصد به درستی پیش بینی شده است. افزون بر این، به منظور ارزیابی کمی عملکرد مدل پیش بینی از روش جداول وابستگی استفاده شد. نتایج ارزیابی مدل برمبنای سه معیار احتمال ردیابی (POD)، نسبت هشدار غلط (FAR) و موفقیت بحرانی (CSI)، نیز توانمندی مدل زنجیرة مارکوف را در پیش بینی سطوح برفی نشان می دهند. کلید واژه ها : احتمال وقوع برف، زنجیرة مارکوف مرتبة یک، ماتریس احتمالات انتقال.
رویکرد ژنتیک تکمیلی ناحیه مبنا برای آشکارسازی ساختمان ها با استفاده از تصاویر ماهواره ای با قدرت تفکیک مکانی بالا(مقاله علمی وزارت علوم)
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.
تهیة نقشة نهشته های مناطق بیابانی با استفاده از داده های چندطیفی ASTER(مقاله علمی وزارت علوم)
حوزههای تخصصی:
تولید و به دست آوردن آمار و اطلاعات دقیق و واقعی از منابع معدنی دغدغة همیشگی مدیران است. برای تولید این نوع آمار و اطلاعات روش های گوناگونی وجود دارد که ازجمله می توان به روش های سنتی همراه با پیمایش های زمینی و روش های پیشرفتة سنجش از دور اشاره کرد. سنجش و تولید اطلاعات با استفاده از داده های ماهواره ای و روش های دورکاوی، به ویژه در مناطق کویری و بیابانی به دلیل شرایط نامساعد آنها، افق جدیدی را به روی مدیران گشوده که راهکاری است برای غلبه بر مشکلات روش های مرسوم سنتی. هدف پژوهش حاضر ارزیابی تکنیک های سنجش از دور و GIS در تهیة نقشة املاح تبخیری در منطقة شرقی دشت سمنان با استفاده از تصاویر ماهواره ای ASTER است. برای این منظور ابتدا نمونه برداری به روش تصادفی منظم از منطقه انجام شد و سپس پردازش هایی از قبیل بسط تصویر، ایجاد تصاویر رنگی کاذب، تجزیة مؤلفه های اصلی، تبدیل تسلدکپ، ادغام و نسبت گیری طیفی روی تصاویر صورت گرفت. مقادیر گچ، نمک و سولفات سدیم و منیزیم خاک با ارزش طیفی استخراج شده از باندهای اصلی و فرعی تلاقی داده شدند و روابط همبستگی و رگرسیونی بین داده های ماهواره ای و زمینی مورد بررسی قرار گرفتند. نتایج تحقیق نشان دادند که باندهای حرارتی PCA9, PCA10, PCA12 می توانند در تفکیک املاح گچ، هالیت و سولفات مفید باشند. درنهایت، ازطریق طبقه بندی حداکثر احتمال روی باندهای مذکور، نقشه های گچ، هالیت و سولفات محدودة مطالعاتی با صحت کلِ به ترتیب 33/73، 67/66، 67/66 درصد و با ضریب کاپای به ترتیب 61/0، 53/0 و 55/0 تهیه شدند. کلید واژه ها : املاح تبخیری، گچ، نمک، سولفات، سنجش از دور.
آنالیز مقایسه ای بازیابی شاخص سطح برگ با استفاده از روش های یادگیری ماشین مبتنی بر داده های ابرطیفی(مقاله علمی وزارت علوم)
حوزههای تخصصی:
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.
پهنه بندی اقلیمی شهرستان شاهرود براساس شاخص های جانمایی بادگیر و پارامترهای موثر بر آسایش حرارتی(مقاله پژوهشی دانشگاه آزاد)
منبع:
کاربرد سیستم اطلاعات جغرافیایی و سنجش از دور در برنامه ریزی دوره ۱۲ تابستان ۱۴۰۰ شماره ۲
7 - 26
حوزههای تخصصی:
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.
مقایسه توانایی طبقه بندی کننده های ماشین بردار پشتیبان، شبکه عصبی و حداکثر احتمال در بهبود نتایج الگوریتم های فیلترینگ داده های لیدار(مقاله علمی وزارت علوم)
حوزههای تخصصی:
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.
طراحی مدل بهینه سازی کاربری اراضی مبتنی بر الگوریتم ژنتیک چندهدفه با رویکرد آمایش سرزمین (مطالعة موردی: رودبار جنوب – استان کرمان)(مقاله علمی وزارت علوم)
حوزههای تخصصی:
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.
پهنه بندی اراضی گندم دیم با استفاده از تصاویر مادیس و لندست (مطالعه موردی: شهرستان اهر)(مقاله علمی وزارت علوم)
حوزههای تخصصی:
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.