درخت حوزه‌های تخصصی

یکی از مهمترین کاربردهای سیستم های اطلاعات مکانی، در مبحث مدیریت حمل و نقل است. در این زمینه قابلیت های تجزیه و تحلیل شبکه در سیستم های اطلاعات مکانی از جمله محاسبه کوتاهترین مسیر، می تواند مفید واقع گردد. گراف و تئوری های آن نقش مهمی در انجام آنالیزهای شبکه GIS دارند. برای حل برخی از مشکلات گراف یا ساده سازی آنالیزها در گراف، می توان تغییراتی در ساختار آن ایجاد کرد. شبیه سازی به وسیله گراف نشان می دهد که توانایی جابه جایی سیستم تا حد زیادی به توپولوژی شبکه حمل و نقل بستگی دارد. به طور کلی یک شبکه برنامه ریزی شده می تواند وسایل نقلیه بیشتری را در خود جا دهد و توانایی جابه جایی کلی آن بسیار بیشتر از یک شبکه در حال رشد خود سازمان دهی شده است. تاکنون نظریه های متعدد و بسیار کاربردی از جمله الگوریتمهای محاسبه کوتاه ترین مسیر برای حل مسائل گوناگون در گرافها ارایه و استفاده شده اند. اما برای بعضی از مسائل مهم و کاربردی راه حل و تئوری مناسبی بر مبنای گراف ارایه نشده است. به همین علت، همانند بسیاری از نظریه های دیگر که در آنها راه حلهایی بر مبنای فضاهای دوگان ارایه شده، در گرافها نیز چنین فضاهایی تعریف و استفاده شده اند. به این صورت که ابتدا مساله موجود در گراف اولیه را به یک فضای دوگان مناسب برده و پس از حل، نتایج به فضای اولیه برگردانده می شود. در این مقاله نشان داده خواهد شد که از مفاهیم دوگان گراف و با تغییر در ساختار و شکل گراف اولیه می توان مسایل با پیچیدگی بسیار زمانی را در گراف اولیه به مسایلی ساده تر و قابل حل تر تبدیل کرد. همچنین، به بحث و بررسی چند کاربرد متنوع در زمینه یافتن کوتاهترین مسیر در مسائل حوزه حمل پرداخته خواهد شد.

در سال های اخیر به دلیل برتری از نظر هزینه و زمان نسبت به سایر روش ها شاهد پیشرفت روزافزون کاربرد پرنده های بدون سرنشین در کاربردهای متنوعی از جمله علوم زمین، منابع طبیعی، مطالعات محیطی، برنامه ریزی شهری می باشیم. در کنار این مزایا، استفاده از پرنده های بدون سرنشین با چالش هایی مانند هندسه ناپایدار تصویربرداری، عدم استفاده از دوربین های متریک و متغیر بودن پارامترهای تصاویر همراه است. در این پژوهش تکنیک های علم بینایی کامپیوتر برای پردازش تصاویر تهیه شده توسط هواپیمای بدون سرنشین بررسی و کارایی این تصاویر و تکنیک ها برای تولید مدل رقومی ارتفاع با قدرت تفکیک مکانی بالا بررسی شده است. بدلیل وجود شرایط ذکر شده برای تصویربرداری و عدم وجود پارامترهای توجیه داخلی و خارجی از عملگر SIFT برای استخراج نقاط گره ای در مناطق مشترک تصاویر استفاده شده است. توجیه نسبی و مطلق تصاویر به ترتیب با استفاده از نقاط گره ای و نقاط کنترل زمینی انجام شده است. از الگوریتم تناظریابی سه بعدی متراکم، ابر نقاط متراکم ایجاد و با درونیابی به روش مثلث بندی نامنظم، سطح رقومی منطقه تشکیل شده است. در نهایت با استفاده از نقاط چک زمینی، دقت زمین مرجع کردن و مدل رقومی سطح نهایی ارزیابی شده است. تعداد 5853 نقطه گره ای به صورت اتوماتیک توسط عملگر SIFT استخراج و تصاویر با دقت مسطحاتی 12/21 سانتی متر زمین مرجع شدند. سپس با تولید میلیون ها نقطه و مثلث بندی نامنظم، مدل رقومی ارتفاعی با دقت ارتفاعی 25/19 سانتی متر تولید شد. نتایج این پژوهش نشان می دهد که بدلیل هندسه ناپایدار تصویربرداری و متغیر بودن پارامترها برای تصاویر، تلفیق الگوریتم SIFT با تکنیک های بینایی کامپیوتر در پردازش تصاویر پهباد برای استخراج نقاط گره ای و توجیه دقیق تصاویر ضروری است.

کمبود شدید منابع آب در استان خراسان جنوبی باعث شده که کشاورزان به استفاده از پساب تصفیه خانه های فاضلاب برای آبیاری مزارع روی آورند. ازآنجاکه بررسی تأثیر آبیاری با پساب بر شوری خاک مستلزم دسترسی به مشخصات شوری خاک پیش و پس از تأسیس تصفیه خانه می باشد و اطلاعات شوری خاک تنها در زمان حال در دسترس است، لذا برای اطلاع از روند تغییر شوری درگذشته گزینه ی استفاده از تصاویر ماهواره ای به عنوان یک پایگاه اطلاعاتی مفید و در دسترس انتخاب گردید. برای این منظور تصاویر مربوط به تصفیه خانه و زمین های کشاورزی اطراف برای سال های مختلف جمع آوری شد و با استفاده از نرم افزار سنجش ازدوری Pci-Geomatica فرآیند های لازم برای تحلیل تصاویر ماهواره ی انجام شد. ازآنجایی که تصاویر ماهواره ای دارای داده های خام می باشند و به تنهایی قابل تفسیر و بررسی نمی باشند، لذا به کارگیری شاخص های مربوط به شوری برای رسیدن به این هدف انجام شد. با بررسی همبستگی مقادیر به دست آمده از شاخص های مختلف با مقادیر واقعی EC، مشخص شد شاخصSI-1 با ضریب تبیین ۸۴/۰ بالاترین همبستگی را با مقادیر واقعی شوری دارد. سپس با برقراری رابطه ای معنادار بین این شاخص و مقادیر EC می توان رابطه ی جامعی برای استخراج داده های مربوط به شوری از روی تصاویر ماهواره ای به دست آورد. نتایج حاصل از این تحقیق نشان داد که آبیاری با پساب اثر مخربی بر شوری خاک نداشته و در اکثر موارد موجب کاهش 3% تا 5% شوری خاک در نقاط نمونه برداری شده است.

در مقالة حاضر به منظور بررسی کاربرد مدل های عامل مبنا در شبیه سازی پدیدة جدایی گزینی سکونتی، مدلی رستری با ترکیب GIS و تکنیک های Agent-Based و برمبنای نظریة Schelling ارائه شد و روی داده های ناحیه ای از تهران ارزیابی گردید. با مطالعة سوابق، دلایل و روند شکل گیری این پدیده در شهرهای مختلف دنیا و تهران، نوع غالب جدایی گزینی در تهران اجتماعی اقتصادی تشخیص داده شد. در فرض اولیه، افراد جامعه به چهار گروه اجتماعی اقتصادی تقسیم شدند و برای هر یک از آنها ویژگی ها و رفتارهایی تعیین شد. پارامترهای مؤثر بر جدایی گزینی در قالب مجموعه ای از عوامل اقتصادی، اجتماعی و محیطی با روش AHP وزن دهی شدند و میزان تأثیر آنها در تصمیم گیری های هر گروه تعیین گردید. نقشه های مربوط به هر شاخل در محیط ArcGIS تولید و طبق سلسله مراتب چینش زیرمعیارها با یکدیگر تلفیق شدند. مدل پیشنهادی با برنامه نویسی در محیط Netlogo تکمیل شد. اطلاعات مکانی در قالب نقشه های تولید شده، در محیط Netlogo فراخوانی و آنالیزهای مربوط به تصمیم گیری عامل ها در قالب توابع موجود در این محیط انجام شد. الگوی جدایی گزینی در منطقة مطالعه شده در بازة سال های 1365 تا 1385 شبیه سازی شد. تأثیر دو پارامتر مهم شعاع همسایگی و سطح رضایت عامل ها در این الگو بررسی شد و مدل با استفاده از این دو و پارامترهای دیگری چون نرخ رشد جمعیت، اندازة پیکسل ها، قیمت املاک، تعداد عامل ها، سهم هر گروه از عامل ها از کل جمعیت، مقادیر عدم تجانس گروه های مختلف نسبت به هم و پرستیژ محله ها کالیبره شد. اعتبارسنجی مدل به روش تعیین درصد پیکسل های صحیح برآورد شده انجام گرفت و صحتی معادل 5/62 درصد را نشان داد. کلید واژه ها : جدایی گزینی سکونتی، مدل عامل مبنا، شبیه سازی.

رواناب یکی از اجزای ضروری محاسبة فرایندهای منابع آب و مسئله ای اصلی در هیدرولوژی است. مدل های مفهومی زیادی برای پیش بینی میزان رواناب مطرح شده اند که عمدتاً نیازمند داده های توپوگرافی و هیدرولوژیکی هستند. روش های مرسوم گذشته برای نواحی ای که داده های هیدرولوژیکی کافی ندارند، نامناسب اند. تخمین رواناب، فرایندی غیرخطی و از نظر ز مانی و مکانی به طور کامل تصادفی است و شبیه سازی آن با مدل ساده به راحتی امکان پذیر نیست. امروزه استفاده از شبکه های عصبی مصنوعی در مواردی که کمبود داده ها محسوس است، روش مناسبی به شمار می آید. در پژوهش حاضر از داده های بارش، دما و دبی ایستگاه های حوضة کن در بازة زمانی 1375 تا 1385 و همچنین خصوصیات فیزیوگرافی حوضة مورد مطالعه به عنوان ورودی شبکة عصبی برای پیش بینی رواناب استفاده شد. بدین منظور به صورت تصادفی 80 درصد داده ها برای آموزش و 20 درصد داده ها برای تست و اعتبارسنجی شبکه اختصاص داده شدند. به منظور انتخاب شبکة بهینه، از دو نوع تابع انتقال، 12 تابع آموزشی، و تعدادی نرون مخفی مختلف بین 1 تا 9 نرون استفاده شد. نتایج پژوهش پس از آزمون شبکه با لایه های پنهان و با توابع یادگیری مختلف آشکار ساختند که استفاده از داده های بارش، دما و دبی، و تابع آموزشی LM و تابع انتقال Tansig و چهار نرون مخفی، بهترین ساختار را برای تخمین رواناب به دست می دهد. شبکة عصبی با این ساختار می تواند رواناب را با دقت (0.68≤R2≤0.78 و 0.53≥RMSE 0.03≤) برآورد کند. کلید واژه ها : تخمین رواناب، شبکة عصبی مصنوعی، الگوریتم پس انتشار خطا، حوضة کن، سامانة اطلاعات جغرافیایی.

نواحی ترافیکی که برای نمایش مکان های تولید و جذب سفر به کار گرفته می شوند در بسیاری از برنامه ریزی های حمل ونقل کاربرد گسترده ای دارند. از آنجا که نحوة تعیین این نواحی روی نتایج حاصل از تحلیل و مدل سازی های حمل ونقل تأثیر فراوانی دارد، طراحی مناسب آن بسیار مهم است. در این مقاله با استفاده از سامانه اطلاعات مکانی روشی کارآمد برای طراحی مناسب این نواحی ارائه شده است. با استفاده از روش ارائه شده می توان معیارهای مختلفی را برای ایجاد نواحی ترافیکی همگن در نظر گرفت و تعداد و اندازه شان را کنترل کرد. در روش پیشنهادی این مقاله از تکنیک k-means برای خوشه بندی واحدهای مکانی پایه و ایجاد نواحی ترافیکی همگن استفاده شده است. برای جلوگیری از ایجاد فضای خالی و همپوشانی میان نواحی و نیز ممانعت از تشکیل نواحی با اندازه های خیلی بزرگ یا کوچک، قیدهایی به تکنیک k-means افزوده شده است. اما ایجاد نواحی همگن بدون درنظرگرفتن فشردگی شکل هندسی، سبب پیچیدگی شکل هندسی نواحی می گردد. به منظور برطرف ساختن این مشکل یک الگوریتم هندسی برای ایجاد نواحی با شکل هندسی فشرده شرح و بسط داده شده است. در نهایت از روش پیشنهادی برای طراحی مجدد نواحی ترافیکی شهر تهران و مقایسة نتایج آن با نواحی ترافیکی موجود استفاده شده است. نتایج حاصل نشان می دهد که نواحی طراحی شده در این مقاله بسیار همگن تر از نواحی موجود است. اگرچه با اعمال الگوریتم فشردگی شکل هندسی، از میزان همگنی نواحی ایجادشده کاسته می شود، اما باز هم از نواحی موجود همگن ترند.

ظرفیت حمل بار و مسافر در یک شبکه ریلی، تابعی از پارامترهای مختلف است. با توجه به هزینه بسیار بالای احداث خطوط ریلی، استفاده بهینه از ظرفیت شبکه ریلی می تواند کمک شایانی به ارتقاء سطح بهره برداری شبکه کند. بنابراین هدف از این پژوهش، محاسبه مکان مند ظرفیت شبکه ریلی کشور، بر مبنای پارامترهای تأثیرگذار است. در این مقاله، با استفاده از داده های سیر و حرکتی قطارها، اقدام به طراحی و تولید نرم افزار مکان مند محاسبه ظرفیت خطوط شد؛ سپس خروجی های حاصل، با داده های روزانه و برخط عملکرد قطارهای باری ارزیابی و مقایسه شد. در ادامه، میزان استفاده از ظرفیت هر مسیر و میزان ظرفیت باقی مانده در هر بلاک و مسیر نیز مشخص شد. بر اساس تحلیل ها، کمیت ظرفیت در مسیرهای منتخب دو خطه مسافری سمنان-شاهرود، تک خطه باری یزد-بافق و تک خطه ترکیبی اراک-دورود به ترتیب 2.6 برای مسیر رفت و 2.9 برای برگشت، 13.6 و 12.7 زوج قطار محاسبه شدند. با توجه به روال فعلی محاسبات، محاسبه برخط، با اتصال به پایگاه داده های مرتبط، انجام محاسبات مکان مند و امکان تبادل وب سرویس مکانی با نرم افزارهای مختلف، می تواند باعث افزایش سرعت و دقت در محاسبه ظرفیت شبکه ریلی شود. از طرفی، در معادله محاسبه ظرفیت (معادله اسکات) که در ایران استفاده می شود، تاکنون مرسوم بوده است ضریب تعدیل قطار مسافری توسط متخصصان سیر و حرکت تعیین شود، در حالی که در این مقاله، از آنجا که اطلاعات هر مسیر، قابل دسترس است، این ضریب از نسبت تعداد قطارهای مسافری به حداکثر تعداد آن در طول دوره مورد نظر محاسبه می شود. ضریب به دست آمده، با ضریب تعیین شده توسط کارشناسان، مقایسه شده و نتیجه قابل قبول بود. در نهایت با دسترسی به خروجی ها در محیط GIS، راهکارهای مدیریتی جهت استفاده بهینه از ظرفیت باقیمانده، ارتقاء ظرفیت بخش هایی از شبکه و رفع گلوگاه های شبکه ریلی پیشنهاد شد.

یکی از چالش های بسیار مهم در تهیه نقشه پوشش اراضی با استفاده از تصاویر سنجش از دور، مشکل مربوط به پیکسل های مخلوط است. با توسعه روش های تجزیه اختلاط طیفی و طبقه بندی کننده های نرم، امکان برآورد سهم کلاس ها در سطح زیرپیکسل فراهم می آید و برچسب های چندگانه به پیکسل ها اختصاص داده می شود. با وجود این، تولید نقشه پوششی در سطح زیرپیکسل نیازمند جانمایی مکانی زیرپیکسل ها است. در سال های اخیر، روش های تهیه نقشه در سطح زیرپیکسل توسعه یافته اند و با استفاده از نتایج طبقه بندی کننده های نرم و بهره گیری از مفاهیم وابستگی مکانی، آرایش مکانی زیرپیکسل ها را بهینه سازی می کنند. در این تحقیق، دقت کلی الگوریتم شبیه سازی تبرید برای تهیه نقشه پوششی در سطح زیرپیکسل مورد ارزیابی قرار گرفته و همچنین، مکانیزم جدیدی در این روش، برای تولید پاسخ های جدید در هر مرحله از الگوریتم پیشنهاد شده و با نتایج روش موجود مقایسه شده است. از دیگرسو، پارامترهای مؤثر بر عملکرد الگوریتم مانند ضریب بزرگنمایی، نوع تابع خنک سازی و تکرارهای ایستا و پویا در عملکرد الگوریتم بررسی شده اند. در فرایند ارزیابی دقت کلی الگوریتم، دو روش مستقل از خطای طبقه بندی نرم و وابسته به این خطا لحاظ شده است. براساس نتایج، افزایش ضریب بزرگنمایی موجب کاهش دقت الگوریتم شبیه سازی تبرید شده و همچنین، تابع خنک سازی هندسی به لحاظ دقت و زمان اجرای الگوریتم، به منزله تابع بهینه انتخاب شده است. از طرف دیگر، تکرارهای پویا نیز، در مقایسه با حالت ایستا دقت بیشتری داشته است. روش پیشنهادی برای تولید پاسخ های جدید در الگوریتم شبیه سازی تبرید دستاورد مهم تحقیق به شمار می آید که دقت کلی را به نسبت روش موجود، افزایش داده و همچنین، زمان اجرای الگوریتم را تا 50% کاهش داده است. بیشترین دقت کلی الگوریتم براساس روش پیشنهادی و مستقل از خطای طبقه بندی نرم 97/94% برآورد شد.

در سال های اخیر، شبکه های حسگر بی سیم در کاربردهای متعددی مورد مطالعه قرار گرفته اند. یکی از مسائل مهم مورد مطالعه در این شبکه ها، جایابی بهینه حسگرها به منظور دستیابی به بیشینه مقدار پوشش شبکه در ارتباط با کاربرد تعریف شده شبکه حسگر در شهرهای هوشمند است. اطلاعات متنی (CI) حسگرها از جمله مشخصات و وضعیت حسگر در شبکه، نحوه ارتباط بین حسگرها، اطلاعات محیط پیرامونی آن ها در جانمایی و انجام مأموریت حسگر و نیز پدیده های فیزیکی مرتبط با شبکه حسگر در شهرهای هوشمند که می توانند موجب اختلال در انجام مأموریت محول شده به شبکه حسگرها شوند، به همراه ارتباطات بین آن ها، از عواملی هستند که مطالعه آن ها به جایابی بهینه شبکه های حسگر منجر می شود. پیچیدگی محیط مورد سنجش توسط حسگرها، با وجود موانع گوناگون، ممکن است به عدم پوشش مناطق مختلف در شبکه های حسگر منجر شود. از این رو، یک مسئله اساسی در یک شبکه حسگر، بهینه سازی پوشش مکانی آن است. در گذشته، چندین الگوریتم بهینه سازی محلی و سراسری توسعه یافته در این رابطه، به کار گرفته می شدند. در این مقاله، برای بهینه سازی جانمایی شبکه حسگرها از یک الگوریتم محیط آگاه با مزیت درنظرگرفتن انواع مختلف اطلاعات متنی یا محیطی و براساس کاربردهای خاص شبکه، به صورت مستقل از هر CI، استفاده شده است. درنهایت، نتایج به دست آمده در آزمایش انواع مختلف CI، بیانگر کارآمدی الگوریتم پیشنهادی در جانمایی بهینه سنسورها با استفاده از جنبه های مختلف اطلاعات متنی است.

توسعه روش های جدید و هوشمند برای جلوگیری از وقوع تصادف یا کاهش شدت تصادفات در راه های برون شهری یکی از اهداف اصلی مطالعات ایمنی راه است. هدف این تحقیق تلفیق قابلیت های سیستم های اطلاعات مکانی (GIS) با روش های مبتنی بر محاسبات نرم، جهت برآورد شدت تصادفات و تعیین فاکتورهای مؤثر بر آن در راه های دو خطه برون شهری است. روش پیشنهادی با ارائه مدل درخت دسته بندی و رگرسیون فازی (FCART) و ایجاد پایگاه داده مکانمند متشکل از داده های تصادفات و اطلاعات راه و محیط مجاور آن در محور قزوین- رشت (ایران) بررسی می شود. نتایج با استفاده روش اعتبارسنجی ده قسمتی بر رویدادهایی که شدت تصادفات آنها معلوم است، ارزیابی و با مدل درخت دسته بندی و رگرسیون (CART) مقایسه می شود. نتایج نشان می دهد که مدل درخت دسته بندی و رگرسیون فازی در مقایسه با درخت تصمیم CART فرایند استنتاج قوی تر ی دارد و شدت تصادفات را با صحت بیشتری پیش بینی می کند. تحلیل حساسیت روش پیشنهادی ضمن کشف تأثیرات مکانی طرح هندسی و عوارض و کاربری های مجاور راه بر شدت تصادفات، نقص فنی خودرو، کمربند ایمنی و شرایط آب وهوایی را نیز مهم ترین فاکتورهای تأثیر گذار در شدت تصادف می شمارد. این مطالعه به متخصصان ایمنی راه کمک می کند تا عوامل مکانی تأثیرگذار در سطوح متفاوت شدت تصادفات را شناسایی کنند و اقدامات پیشگیرانه لازم را برای کاهش شدت یا جلوگیری از وقوع تصادفات انجام دهند.

استفاده از توابع کسری، در غیاب اطلاعات افمریز مدار ماهواره و هندسه داخلی سنجنده، یکی از بهترین روش ها برای زمین مرجع سازی تصاویر ماهواره ای و استخراج اطلاعات مکانی از تصاویر ماهواره ای است. تعداد زیاد ترم ها و عدم تفسیرپذیری آنها، باعث شده تا تعدد نقاط کنترل مورد نیاز و ایجاد خطای پارامتر های اضافه، به عنوان مهم ترین ضعف های توابع کسری وابسته به زمین شناخته شوند. استفاده از الگوریتم های بهینه سازی، یکی از راهکار های مناسب رفع این ضعف ها است. به همین دلیل از الگوریتم های بهینه سازی مختلف، برای کشف ترکیب بهینه ترم های توابع کسری وابسته به زمین استفاده شده است. از آنجا که سازوکار هریک از این الگوریتم ها با یکدیگر متفاوت است، میزان کارایی و خصوصیات مختلف این الگوریتم ها در کشف ترکیب بهینه ترم های توابع کسری وابسته به زمین متفاوت است اما تفاوت های موجود به صورت جامع، مورد مقایسه و تحلیل قرار نگرفته است. در این مقاله، به منظور بررسی کامل و جامع توانایی های سه الگوریتم بهینه سازی ژنتیک، ژنتیک بهبودیافته و ازدحام ذرات بهبودیافته در کشف ترکیب بهینه ترم های توابع کسری از دیدگاه های مختلف از جمله دقت، سرعت، تعداد نقاط کنترل مورد نیاز و قابلیت اطمینان به نتایج بدست آمده، از 4 تصویر ماهواره ای متعلق به سنجنده های GeoEye-1، IKONOS-2، SPOT-3-1ª و SPOT-3-1B استفاده شده است. اختلاف دقت کمتر از 4/0 پیکسل در نتایج هر یک از الگوریتم های بهینه سازی، 10 تا 12 برابر بودن سرعت الگوریتم ژنتیک بهبودیافته نسبت به دو الگوریتم دیگر، به ترتیب برتری 25/45 و 27 درصدی درجه آزادی الگوریتم بهینه سازی ازدحام ذرات بهبودیافته نسبت به الگوریتم ژنتیک بهبودیافته و ژنتیک و پراکندگی نسبتا یکسان نتایج هر یک از الگوریتم ها در 10 بار اجرای برنامه، حاکی از آن است که دقت هر سه الگوریتم بهینه سازی نسبتا یکسان، سرعت الگوریتم ژنتیک بهبودیافته بیشتر، تعداد نقاط کنترل مورد نیاز الگوریتم ازدحام ذرات بهبودیافته کمتر از دو الگوریتم دیگر و قابلیت اطمینان به نتایج هر یک از الگوریتم های بهینه سازی به منظور کشف ترکیب بهینه ترم های توابع کسری وابسته به زمین، یکسان است.

در چند دهه اخیر در ایران، در نتیجه تاثیرات تغییر اقلیم و رشد جمعیت، سطح و عمق آب در تالاب ها بسیار کاهش یافته است. بنابراین ضرورت دارد که عوامل اصلی این تغییرات شناسایی شود و در صورت امکان اقدامات لازم برای کاهش نرخ تغییرات صورت پذیرد. پیشرفت روز افزون تکنولوژی سنجش از دور، فرصت بی نظیری برای پایش روند تغییرات در محیط های طبیعی فراهم می کند. سری ماهواره لندست از دهه 1970، طولانی ترین آرشیو تصاویر سنجش از دور است. تصاویر ماهواره ای، داده ها را در سطح وسیع تر و در فواصل زمانی کوتاه تر با هزینه کمتر فراهم می کند. تالاب انزلی یکی از مهم ترین تالاب های بین المللی ایران است که در کنوانسیون رامسر به ثبت رسیده است. در چند دهه اخیر با افزایش جمعیت و رشد و گسترش مناطق مسکونی و زمین های زراعی، تغییرات اقلیمی منطقه و همچنین تغییرات شدید تراز آبی دریای خزر، این تالاب به سوی خشکیده شدن پیش رفته است. در تحقیق حاضر با استفاده از تصاویر لندست به بررسی تغییرات عمق تالاب پرداخته شده است. تغییرات عمق با توجه به داده های بارش و دما وتغییرات تراز آب دریای خزر در بازه ی 30 ساله از سال 1988 تا سال 2018 تشریح شده است. نتایج نشان می دهد که تغیرات عمق تالاب بیشتر از تغییرات تراز آب دریای خزر متاثر است و تغییرات بارش و دما، دلایل اصلی کاهش عمق تالاب انزلی نیستند.

چکیده در رابطه های تجربی برای محاسبه زمان تمرکز، شدت بارش حوضه یکنواخت فرض شده است. تغییرات در شدت، مدت و توزیع فضایی از ویژگی های ذاتی بارش های همرفتی شمرده می شود. در این پژوهش، با استفاده از تصاویر و داده های رادار هواشناسی، شدت و مقدار و پراکنش بارش، با تفکیک مکانی پانصد متر شعاعی و تفکیک زمانی پانزده دقیقه، محاسبه شد. سیل هشتم خرداد 1393 در سه حوضه سرمو، زرین گل و رامیان بررسی شد. ابتدا محدوده هریک از حوضه ها در محیط GIS به دست آمد و به صورت برنامه اجرایی برای نرم افزار رادار تعریف شد و سپس، به کمک تصاویر و داده های رادار هواشناسی، شدت و نحوه پراکنش بارش در حوضه های انتخابی واکاوی شد. نتایج نشان داد شدت، مدت و پراکنش بارش تعیین کننده مقدار رواناب حوضه بود. زمان سیل با زمان تمرکز و بیشینه رواناب حوضه اختلاف داشت. واکاوی تصاویر رادار نشان داد که بیشینه رواناب، علاوه بر مجموع بارش حوضه، به پراکنش بارش نیز مرتبط بود. اگر مجموع و پراکنش بارش هم سو بودند، شدت سیلاب افزایش و اگر شدت و مجموع بارش ناهم سو بودند، شدت سیلاب کاهش داشت. در پیش بینی زمان سیلاب و رواناب بیشینه، استفاده از داده های رادار دقتی بیشتر از روش های تجربی داشت.

زلزله یکی از مخرب ترین سوانح طبیعی است که در هر زمانی با شدت های مختلف رخ می دهد. زلزله های شدید در محیط های مسکونی باعث تخریب ساختمان ها، راه های اصلی و از همه مهم تر، باعث تلفات جانی می شوند. آشکارسازی ساختمان های تخریب شده ناشی از چنین سانحه ای در زمان مناسب مسئله ای حیاتی برای مدیریت بحران و امدادرسانی به شمار می رود. این پژوهش با هدف تشخیص ساختمان های تخریب شده بر اثر زلزله، با استفاده از تصاویر ماهواره ای با قدرت تفکیک بسیار بالا انجام شده است. جهت نیل به این هدف از تصاویر ماهواره ای با قدرت تفکیک بسیار بالا (VHR) مربوط به قبل و بعد از وقوع زلزله در شهر پورتو پرنس کشور هائیتی در سال 2010 و نقشه تخریب مشاهده شده از منطقه استفاده شده است. در این پژوهش پس از محاسبه ویژگی های بافتی تصاویر، با استفاده از تحلیل همبستگی، توصیفگرهای بافتی بهینه انتخاب شدند. سپس با استفاده از مقادیر بافت های برگزیده و سیستم استنتاج فازی، وضعیت تخریب ساختمان ها طبقه بندی شد. در نهایت، نقشه تخریب به دست آمده، با استفاده از مدل پیشنهادی، با نقشه تخریب منطقه مقایسه شد. دقت نهایی مدل پیشنهادی با استفاده از شاخص Kappa، 82% و همچنین، دقت مدل در تشخیص ساختمان های تخریب شده با استفاده از شاخص Jaccard، %89.69 به دست آمد.

مطالعات متعددی که طی چندین دهه اخیر درمورد پدیده آتش سوزی انجام شده، مجموعه گسترده ای از داده های ورودی و روش های اجرا و ارزیابی را فراهم کرده است. بااین حال این مجموعه گسترده نتایج و تحقیقات، به صورت ساختاریافته، به منظور ارائه نقشه راه به کاربران جدید این حوزه و راهنمایی در زمینه کاربردها و شرایط گوناگونی فراهم آمده است که تا کنون تحلیل نشده اند. به عبارتی دیگر، خلأ تحقیقی منسجم درمورد عملکرد نسبی فرایندهای گوناگون سنجش از دور در این حوزه، به منظور تولید اطلاعات متفاوت و مرتبط با کاربری ها، احساس می شود. برای رفع این خلأ، در این تحقیق، تحلیلی نسبتاً جامع از مطالعات انجام شده درباره آتش سوزی در نشریات سنجش از دور صورت پذیرفته است. چند عامل کلی مورد ارزیابی در مطالعات پیش، حین و پس از آتش سوزی، تغییر در داده های ورودی، بررسی الگوریتم ها و توسعه آنها بودند زیرا تحلیلگران می توانند این عوامل را کنترل کنند تا دقت نهایی تحلیل ها و نتایج حاصل را بهبود بخشند. یکی از مسائل مهم در موضوع آتش سوزی، پس از شناسایی و کشف آتش، با توجه به تغییرات دائمی ایجادشده در ساختار و ترکیب پوشش گیاهی، بررسی نحوه بازیابی پوشش گیاهی و میزان رشد آن طی سالیان پس از آتش سوزی است. براساس بررسی انجام شده درباره مطالعات آتش سوزی در کشور، حدود 48% از این پژوهش ها به شناسایی و گسترش آتش سوزی و حدود 52% دیگر به احیا و بازیابی پرداخته اند. در بررسی تحقیقات درباره مطالعات شناسایی، مشخص شد که تقریباً 5% از آنها با استفاده از روش های یادگیری و 43% دیگر با روش های سنتی انجام شدند. درعین حال از سهم مرتبط با مطالعات احیا نیز، تقریباً 21% به بررسی پوشش گیاهی و 31% به بررسی خاک زیر سطح آتش پرداختند. یافته های این تحقیق می تواند به محققان، برای تصمیم گیری در انتخاب داده ها و الگوریتم های مورد استفاده، با توجه به هدف مطالعه، در شاخه های گوناگون مطالعات مرتبط با آتش سوزی کمک مؤثری برساند. بااین حال تحلیلگران می توانند، علاوه بر این دستورالعمل های کلی، ترجیحات شخصی یا مزایای الگوریتم ویژه ای را که ممکن است به برنامه ای خاص مربوط باشد، در نظر بگیرند.

بیشتر الگوریتم های طبقه بندی داده های سنجش از دور براساس ویژگی ها و اطلاعات طیفی پیکسل ها عمل می کنند. این مسئله باعث نادیده گرفتن اطلاعات مکانی سودمند و قابل استخراج بسیاری، مانند بافت تصاویر می شود. محیط شهری بافت ناهمگنی دارد که شناسایی انواع کاربری ها را به فرایندی دشوار و پیچیده تبدیل کرده است. در این پژوهش تأثیر استفاده از بافت تصویر تک باند سنجنده ALI (Advanced Land Imager) بر دقت طبقه بندی تصاویر ابرطیفی سنجنده هایپریون«Hyperion» در محیط های شهری بررسی شد. طبقه بندی با استفاده از روش جنگل های تصادفی[1] و در پنج سناریوی مختلف انجام شد: سناریوی شماره 1: طبقه بندی اطلاعات طیفی تصویر ادغام شده به روش [1]CNT(بدون لحاظ کردن اطلاعات بافت)؛ سناریوهای 2، 3، 4 و 5: طبقه بندی تصویر CNT با افزوده شدن بردارهای ویژگی بافت حاصل از روش ماتریس هم وقوعی در اندازه های پنجره 3، 5، 7 و 9 هستند. براساس یافته های این تحقیق، افزودن بافت به طیف تصویر ادغامی به روش CNT دقت طبقه بندی را بهبود چشمگیری داد، به گونه ای که دقت کلی بر اثر افزودن بافت با حدود ده درصد افزایش، از 80.47% به 90.74% رسید. بسیاری از پوشش های کاربری مانند جاده، بافت مسکونی، صنایع کوچک و پراکنده و صنایع متمرکز نیز در زمینه دقت تولیدکننده و مصرف کننده رشد چشمگیری را شاهد بودند. پارامتر خطای OOB[1] با 11% کاهش، از 19.86 به 8.87% رسید. بردارهای ویژگی مانند میانگین و کنتراست نیز، توانستند از لحاظ میزان اهمیت در رتبه های بالا قرار گیرند. همچنین، افزایش اندازه پنجره منجر به بهبود بیشتر دقت طبقه بندی شد، به گونه ای که اندازه پنجره 9 بهترین عملکرد را در پی داشت.

محیط شهری تاثیرات مختلفی بر فضاهای شهری وزندگی شهروندان می گذارد که تأثیر بر افزایش جرائم و کاهش احساس امنیت شهروندان مهم ترین تاثیرات آن است. پدیده ی سرقت و نامنی شهری به نوعی با نظم و امنیت کشور در ارتباط است و به دلیل همراه داشتن لطمات روحی و جسمانی برای مال باختگان، به ایجاد ناامنی در جامعه منجر می شود. یکی از راهبرد های پیشگیرانه از جرم و به تبع آن سرقت، پیشگیری از جرم از طریق طراحی محیطی و توجه به محیط جغرافیایی جرم است.هدف پژوهش حاضر، بررسی شرایط محیطی در وقوع جرم سرقت بوده است. روش تحقیق ،توصیفی تحلیلی بر پایه مطالعات کتابخانه ای و میدانی بوده است. یافته های تحقیق بر اهمیت نقش مکان در شهر شاهرود در میزان و فراوانی جرم سرقت تاکید دارد بیش ترین سرقت ها مربوط به شهرک های حاشیه شهر، مثل شهرک فدک، کوثر، بهشتی، پردیس و دو شهرک در داخل شهر به نام شهرک ولی عصر و شهرک انقلاب رخ می دهد که نقش و تأثیر کالبد و فیزیک شهرها و طراحی مناسب فضاها و مجتمع های زیستی شهری تأثیر مستقیمی بر کاهش و پیشگیری از جرم داشته است. لذا با توجه به رابطه بین فضاهای بی دفاع و جرم سرقت، با کاهش فضاهای بی دفاع و توجه به مکان جرم و طراحی مناسب محیط، می توان از وقوع برخی از جرائم جلوگیری به عمل آورد.

در اجتماعات کنونی اداره نمودن مواد زائد جامد یکی از عمده ترین نگرانی های انسان است. افزایش حجم زباله ها و تنوع و گوناگونی زباله ها بر پیچیدگی چگونگی جمع آوری و دفع زباله ها افزوده است. دفع زباله ها اگر به صورت صحیح و بهداشتی انجام نشود باعث آلودگی آب، خاک و هوا و ... خواهد شد. طبق گزارشات شهرداری شهر رینه، جمعیت ثابت شهر رینه طبق آخرین سرشماری که در سال 1395 انجام شده است، 982 نفر است که این میزان جمعیت در 4 ماه از سال به حدود 3000 تا 4000 نفر می رسد و به طور میانگین میزان زباله ی تولیدی شهر رینه 3 تا 3.5 تن در روز است. در شهر رینه به منظور نابودی زباله های جامد شهری، از روش دفن و سوزاندن استفاده می شود، بنابراین انتخاب امحا مناسب به منظور دفن بهداشتی زباله ها از اهمیت زیادی برخوردار است. در پژوهش حاضر سعی شده است تا با در نظر گرفتن فاکتورهای مختلف اکولوژیک بهترین محل به منظور دفن بهداشتی زباله ها مشخص گردد تا کمترین آسیب به محیط زندگی وارد گردد. بدین منظور با استفاده از انجام تحلیل های محلی در محیط ArcGIS، محل دفن پسماندهای شهری مشخص گردید. برای این منظور داده های رقومی مورد نیاز جمع آوری گردید و با استفاده از روش تحلیل سلسله مراتبی AHP، معیارها ارزش گذاری شدند و سپس به محیط ArcGIS برده شدند و محل دفن بهداشتی پسماندهای شهری مشخص گردید.

اندازه گیری موجودی سرپای جنگل یکی از متغیرهای کمّی مهم است که نقش بسیاری در برنامه ریزی و مدیریت جنگل دارد. در این تحقیق، تلاش شد تا این ویژگی در بخشی از جنگل های کوهستانی شمال ایران (نوشهر)، بااستفاده از داده های لیدار فضایی برآورد شود. بدین منظور، طی پیش پردازش های اولیه روی داده های ICESat/GLAS از دو مأموریت متفاوت (L3K و L3I)، ضمن حذف داده های نامطلوب، سنجه های گوناگونی همچون گستره شکل موج (W ext )، گستره لبه پیشتاز (H lead )، گستره لبه پشتی (H trail ) و سنجه های ارتفاع در چارک های انرژی ( 25 H، 50 H، 75 H و 100 H) از شکل موج ها (waveform) استخراج شد. همچنین، با استفاده از روش تحلیل مؤلفه های اصلی (PCA) روی شدت سیگنال های شکل موج، ضمن حذف نویزها و فشرده سازی اطلاعات، مؤلفه های جدیدی تولید و به کار گرفته شد. با توجه به کوهستانی و شیب دار بودن منطقه و تأثیر آن در ویژگی های شکل موج، از مدل رقومی ارتفاع برای استخراج شاخص زمینی (TI) که بیانگر اطلاعات مربوط به توپوگرافی زمین است، استفاده شد. به منظور توسعه مدل های رگرسیونی و اعتبارسنجی آنها، حجم سرپا در 60 قطعه نمونه زمینی به قطر هفتاد متر اندازه گیری شد. سپس مدل های رگرسیون چندگانه و شبکه عصبی مصنوعی براساس دو دسته متغیر شامل سنجه های استخراج شده از شکل موج و مؤلفه های حاصل از PCA برای برآورد حجم سرپا توسعه داده شدند و به روش اعتبارسنجی متقابل پنج گردشی ارزیابی شدند. به طورکلی، هر دو روش رگرسیون چندگانه و شبکه عصبی مصنوعی نتایج تقریباً مشابهی داشتند. در این میان، روش شبکه عصبی مصنوعی براساس مؤلفه های حاصل از PCA قادر بود موجودی سرپای جنگل را با m 3 /ha9/119=RMSE و 73/0= برآورد کند (6/26=RMSE%). یکی از نکات مثبت این مدل درمقایسه با دیگر مدل ها، وابسته نبودن متغیرهای ورودی به کاررفته ( 1 PC، 2 PC، 3 PC و W ext )، به شناسایی صحیح قله زمین است که در مناطق شیب دار مشکل و با خطا همراه است. نیاز نداشتن به داده کمکی (مدل رقومی ارتفاع) و برآورد صحیح تر حجم جنگل در قطعه نمونه های تنک با موجودی سرپای کم از دیگر نکات مثبت این مدل است.

افزایش نیاز به زمین و محدودیت عرضة آن، نحوة استفاده از زمین را به چالشی اساسی در عرصة برنامه ریزی شهری تبدیل کرده است. در این میان، چینش مناسب و بهینة کاربری ها در کنار یکدیگر از چالش های اصلی برنامه ریزی کاربری اراضی شهری به شمار می آید. هدف اصلی پژوهش حاضر، به کارگیری الگوریتم بهینه سازی چندهدفة تجمعی ذرات (MOPSO) به منظور دستیابی به چینش بهینة کاربری های شهری در سطح ریزدانه است. در تدوین مدل پیشنهادی، از سامانة اطلاعات مکانی (GIS) به عنوان مولد گزینه ها و سناریوهای مکانی بررسی شده استفاده گردید. به این منظور پارامترهای روش به کار گرفته شده با کاربرد مورد نظر سازگار شدند و گزینه های تصمیم سازی برمبنای توابع هدف و شروط مسئله ایجاد گردید. سپس با نمایش جواب های بهینه و تفاوت میان آنها، به کاربر امکان تصمیم گیری داده شد. این مدل در یک محدوده از منطقة هفت تهران اجرا شد و نتایج آن به دست آمد، که نشان دهندة تکرارپذیری و ثبات روش به کار گرفته شده است. در چینش کاربری ها در سطح ریزدانه با توجه به تعدد قطعات و تنوع کاربری ها و نیاز به برآورده کردن هم زمان چند هدفِ گاه ناسازگار با هم، استفاده از MOPSO می تواند تا حد زیادی پیچیدگی های مربوط به انتخاب و ارزیابی گزینه های تصمیم گیری را حل کند. ریزدانه بودن مدل ارائه شده، حالت دینامیک آن در پشتیبانی از تصمیم گیری مکانی، و ایجاد حالت های گوناگون از چینش کاربری ها برای تصمیم گیری براساس توابع هدف، از نوآوری های پژوهش حاضر است. کلید واژه ها : چینش بهینة کاربری شهری، سیستم اطلاعات مکانی، الگوریتم بهینه سازی چندهدفة تجمعی ذرات (MOPSO)، تصمیم گیری چندهدفه.