درخت حوزه‌های تخصصی

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

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

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

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

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

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

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.

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

تناظریابی از موضوعات چالش برانگیز در سنجش از دور و فتوگرامتری به شمار می آید. این فرایند به منظور طبقه بندی چندطیفی، مانیتورینگ محیط، بازرسی تغییرات، موزاییک کردن تصاویر و نظایر اینها کاربرد وسیعی در سنجش از دور دارد. روش های زیادی برای تناظریابی ارائه شده اند، که یکی از آنها تناظریابی سراسری با استفاده از شبکه عصبی هاپفیلد است. مهم ترین تحقیقات انجام شده در این روش در حوزة شناسایی هدف و مربوط به تصاویر برد کوتاه است، و تاکنون روی تصاویر هوایی و ماهواره ای پیاده سازی نشده اند. هدف اصلی پژوهش حاضر پیاده سازی روش تناظریابی با استفاده از شبکه عصبی هاپفیلد روی انواع تصاویر هوایی و ماهواره ای است. برای انجام تناظریابی مستقل از افاین، از شبکه عصبی هاپفیلد مرتبه 4 استفاده می شود و نتایج عملی روی دو جفت تصویر ماهواره ای بیانگر کارایی بالای این روش است.

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

تبخیر و تعرق یکی از اجزای مهم بیلان انرژی و آب است. کارآمدترین روش محاسبه میزان تبخیر و تعرق واقعی در مقیاس وسیع، استفاده از تصاویر ماهواره ای و سنجش از دور می باشد. اجرای الگوریتم های محاسبه تبخیر و تعرق مانند سبال نیازمند محاسبه تبخیر تعرق مرجع و در نتیجه بدست آوردن مقادیر دما و رطوبت هوا و سرعت باد است. معمولا در محاسبات مربوط به تبخیر و تعرق از اطلاعات بدست آمده از نزدیکترین ایستگاه (های) هواشناسی به منطقه موردمطالعه استفاده می شود که می تواند همراه با خطا باشد. به همین دلیل در این مطالعه، از سنسورهای اینترنت اشیا جهت اندازه گیری دقیق دمای هوا در ارتفاع 2 متری از سطح زمین و همچنین رطوبت هوا و سرعت باد در منطقه مورد مطالعه استفاده شده است. منطقه مورد مطالعه در این تحقیق، مزارع شرکت کشت و صنعت مغان در استان اردبیل است. در این تحقیق تعداد 23 نود در تعدادی از مزارع شرکت کشت و صنعت مغان نصب و راه اندازی گردید. الگوریتم بیلان انرژی سطح زمین (سبال) جهت محاسبه میزان تبخیروتعرق با تصاویر لندست 8 سال 1394 مورداستفاده قرار است.

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

مناطق معدنی سرچشمه و دره زار در منطقه ایران مرکزی و کمربند ولکانو- پلوتونیکی ارومیه- دختر قرار گرفته است. سنگ های آتشفشانی ائوسن که تحت تأثیر نفوذی های الیگومیوسن قرار گرفته اند این منطقه را پوشش می دهد. کانه زایی مس — بیشتر از نوع پورفیری و همراه با دگرسانی های وسیع — همراه با اقلیم نیمه خشک، به دلیل پوشش گیاهی کم، میزان ناچیز هواویز و بخار آب جوّی و نیز رخ نمون واضح سنگ ها این منطقه را برای آزمایش نتایج سنجش از دور ماهواره ای مناسب کرده است. کالیبراسیون IARR برای نرمال کردن تصاویر به کمک یک طیف میانگین صحنه به کار می رود. تداخل سیگنال اثری در تصویربرداری استر است که با نشت سیگنال از باند 4 به درون باندهای 5 و 9 ایجاد می شود. در این مقاله، از باندهای طیفی مرئی- فروسرخ نزدیک و فروسرخ موج کوتاه محصولات استر، شامل سطح 1 L1B و سطح 2 AST_07XT استفاده شد. دسته دادة L1B با استفاده از کالیبراسیون بازتاب نسبی میانگین درونی به دادة بازتابش سطح زمین تبدیل شد؛ درصورتی که دستة داده های AST_07XT خود با چنین ماهیتی و با استفاده از تصحیح تداخل سیگنال در اختیار کاربر قرار می گیرند. به منظور ارزیابی و شناسایی بهترین روش کالیبراسیون، الگوریتم انطباق سیمای طیفی (SFF) روی این دستة داده ها اجرا و تصویرهای خروجی براساس نقشة زمین شناسی منطقه و مشاهدات میدانی با یکدیگر مقایسه شدند. از روش Z Profile برای استخراج طیف های خالص تصویر هر دو دستة داده استفاده شد. طیف نمونه های صحرایی با دستگاه طیف سنج (ASD) اندازه گیری شد، سپس طیف های مستخرج از نمونه ها به نُه باند استر بازنویسی شدند. کتابخانة طیفی JPL1 به صورت مرجعی برای تحلیل طیف های خالص تصویر و طیف های حاصل از نمونه های صحرایی مرتبط با کانی های شاخص دگرسانی منطقه استفاده شد. بدین ترتیب، کائولینیت را کانی شاخص دگرسانی فیلیک- آرژیلیک، آلونیت را کانی شاخص دگرسانی آرژیلیک پیشرفته و کانی اپیدوت را برای بارز سازی دگرسانی پروپیلیتیک به کار رفتند. نتایج حاصل از این پردازش نشان داد که دستة دادة L1B کالیبره شده به روش IARR به دلیل ازبین بردن محدودیت هایی، شامل آثار بخار آب جوی و سیماهای جذبی و بازتابی اضافی، به نسبت دستة دادة استاندارد AST_07XT تصحیح شده با تداخل سیگنال نتایج بهتری را برای بارزسازی دگرسانی های فیلیک- آرژیلیک، آرژیلیک پیشرفته و پروپیلیتیک منطقه به دست می دهد.

تهیه نقشه های کاربری اراضی با دقت بالا همواره یکی از اهداف مهم محققین در زمینه مدیریت اراضی بوده است. هدف از این پژوهش ارائه روش نوینی جهت تهیه نقشه های کاریری اراضی با استفاده از پردازش تصاویر ماهواره ای بوده است. به همین منظور از تصاویر ماهواره لندست 8 به عنوان تصویر پایه و نقشه مدل رقومی ارتفاعی، داده های حاصل از تجزیه به مولفه های اصلی و شاخص های طیفی جهت استخراج نقشه کاربری اراضی در منطقه مطالعاتی استفاده گردید. پس از پیش پردازش ها و آماده سازی داده های مورد نیاز، اقدام به تهیه نمونه های آموزشی گردید. در این پژوهش نمونه های آموزشی در دو بخش به کار گرفته شدند؛ در بخش اول از آنها به عنوان ورودی جهت طبقه بندی تصویر با الگوریتم های نظارت شده حداکثر احتمال و ماشین بردار پشتیبان استفاده گردید. در بخش دوم جهت طبقه بندی با روش درخت تصمیم گیری، از این نمونه ها جهت تعیین محدوده بازتاب طیفی هر کاربری در طیف امواج الکترومغناطیس (باندهای تصویر، PCA، شاخص های طیفی و DEM) استفاده گردید. سپس با استفاده از این داده ها و شروط دودویی درخت تصمیم گیری، هر کاربری مشخص گردید و نقشه کاربری آن استخراج گردید. پس از تهیه نقشه های ذکر شده، به منظور تلفیق نتایج طبقه بندی و حصول دقت بالاتر، از روش حداکثر رای گیری به منظور تهیه نقشه تلفیقی جدید کاربری اراضی منطقه استفاده گردید. به منظور ارزیابی دقت نقشه های تولیدی از پارامترهای آماری منتج از ماتریس ابهام شامل دقت کلی، ضریب کاپا، صحت کاربر و صحت تولیدکننده استفاده گردید. بر اساس نتایج حاصله، روش تلفیقی با دقت کلی 37/93 درصد و ضریب کاپا 91/0 دارای بیشترین دقت بوده است. دقت کلی نقشه کاربری روش درخت تصمیم گیری، ماشین بردار پشتیبان و حداکثر احتمال نیز به ترتیب 61/89، 01/88 و 6/87 درصد بوده اند. با توجه به اینکه در طبیعت پوشش/کاربری خالص به ندرت مشاهده می گردد و بیشتر پوشش/کاربری ها به صورت ترکیبی وجود دارند، لذا بهتر است از روش های نوینی که همه ابعاد پدیده ها را پوشش می دهند استفاده گردد. در این پژوهش اطلاعات حاصل از طبقه بندی نظارت شده و همچنین اطلاعات حاصل از روش منطقی درخت تصمیم گیری با یکدیگر تلفیق شده و نتایج حاصله به خوبی بیانگر بهبود دقت نهایی طبقه بندی بودند.

الگوریتم خوشه بندی K-Means یکی از پرکاربردترین روش های طبقه بندی نظارت نشده در پردازش تصاویر سنجش از دور است. در الگوریتم K-Means استاندارد، از معیار عدم شباهتِ فاصله اقلیدسی، به منظور اندازه گیری عدم شباهتِ بین داده ها و خوشه ها استفاده می شود. فاصله اقلیدسی، یک معیار عدم شباهتِ قطعی است که بردار طیفی پیکسل ها و مراکز خوشه ها را به صورت نقاطی در یک فضای چندبعدی در نظر می گیرد و فاصله هندسی بین آن ها را اندازه گیری می کند. تصاویر فراطیفی همواره دارای عدم قطعیت هستند، به همین دلیل استفاده از یک معیار عدم شباهت آماری (غیرقطعی)، جهت خوشه بندی آن ها مناسب تر به نظر می رسد. بر این اساس در این مقاله، با به کارگیری یک معیار عدم شباهت آماری، یک روش نظارت نشده جدید برای خوشه بندی تصاویر فراطیفی طراحی و پیاده سازی شده است. روش خوشه بندی پیشنهادی، برای برآورد عدم شباهت بین مرکز خوشه ها و پیکسل ها، از یک معیار عدم شباهت آماری، به نام دیورژانس اطلاعات طیفی، به جای فاصله اقلیدسی استفاده می کند. دیورژانس اطلاعات طیفی، توزیع احتمال طیف ها را از طریق نرمال کردن امضای طیفی، مدل سازی می کند. سپس فاصله بین توزیع احتمال طیف یک پیکسل و توزیع احتمال طیف هر مرکز خوشه را برآورد می کند. آزمون های انجام شده بر روی داده های تصویری فراطیفی واقعی حاصل از سه سنجنده HyMap، HYDICE و Hyperion نشان می دهد که روش خوشه بندی پیشنهادیِ مبتنی بر دیورژانس اطلاعات طیفی، نتایج طبقه بندی را بهبود می بخشد، به طوری که ضریب کاپای نتایج طبقه بندی تصاویر فراطیفی مورد استفاده به ترتیب، حدود 7%، 56% و 10% افزایش یافته است.

برای محاسبه دبی اوج سیلاب در حوضه های فاقد آمار یکی از روش های مورد استفاده، روش های تجربی است. از روش-های تجربی که در این تحقیق استفاده شده است، روش فولر بوده که محاسن آن نسبت به سایر روش های تجربی ارائه دوره های مختلف سیلاب می باشد. در این تحقیق، مقایسه تکنیک های بهینه سازی برنامه ریزی خطی و الگوریتم ژنتیک در بهینه سازی ضرایب فرمول تجربی فولر بترتیب در محیط برنامه نویسی اکسل و متلب برای حوضه های منتخب منطقه هدف قرار داده شده است. بدین منظور آمار دبی حداکثر 24 ساعته 9 ایستگاه موجود در استان آذربایجان غربی با طول دوره آماری 21 سال مورد بررسی قرار گرفت. مقایسه نتایج برتری روش الگوریتم ژنتیک و سپس برنامه ریزی خطی را نشان داد. همچنین نتایج نشان می دهد که استفاده از روش های جستجوی هوشمند عملکرد روش های مرسوم را به میزان قابل توجهی بهبود می بخشد.

زیرساخت ها به عنوان یکی از بنیان های اساسی در جوامع امروزی تعریف می شود به طوری که زندگی جوامع بشری و رضایت مندی شهروندان تا حدی زیادی به عملکرد ایمن و قابل اطمینان زیرساخت ها وابسته است. این در حالی است که ایمن سازی و حفاظت کامل از تمام دارایی ها و زیرساخت ها در برابر شرایط و عوامل تهدیدکننده برای دولت ها و یا کارفرمایان بخش خصوصی با توجه به محدودیت منابع و امکانات، موضوعی چالش برانگیز محسوب می شود. بنابراین، ضرورت دارد زیرساخت ها و دارایی های حائز اهمیت بر مبنای شاخص ها و معیارهای کارآمد شناسایی، تعیین و طبقه بندی گردند. هدف اصلی این تحقیق، شناسایی و احصاء شاخص های حیاتی بودن زیرساخت هاو دارایی ها است. این پژوهش، با رویکردی جامع و روش تحقیق کیفی داده بنیاد برگرفته از نظریه استراوس و کوربین (1998) به تحلیل محتوی به منظور شناسایی شاخص های حیاتی بودن زیرساخت ها پرداخته است. داده ها به روش مصاحبه، مطالعات کتابخانه ای و اسنادی با پیمایش متون و منابع موجود جمع آوری شده است. حجم نمونه برای مصاحبه از خبرگان در چارچوب اشباع نظری نهایی گردید و از راهبرد نظریه داده بنیاد مشتمل بر کدگذاری باز، محوری و انتخابی و نیز الگوی مبنایی این نظریه برای تدوین مدل استفاده شده است. یافته ها منجر به شناسایی شرایط علّی، زمینه ای، مداخله گر، راهبردها و پیامدها و مدل پارادایم کدگذاری محوری شاخص های حیاتی بودن زیرساخت ها شد. نتیجه بررسی های و مطالعات انجام شده، منتج به شناسایی تعداد 26 شاخص در قالب 5 گروه اصلی شده است.

فعالیت فیزیکی، یکی از مهمترین جنبه های زندگی است که مزایای زیست محیطی، اقتصادی، اجتماعی و سلامتی بسیاری را با خود به همراه دارد. با توجه به اهمیت فضای عمومی شهرها در وقوع این فعالیت ها، موضوع توسعه محیط مصنوعی، به عنوان چارچوبی که بتواند فعالیت های فیزیکی را ترویج دهد، به یکی از مسائل مطرح در گفتمان شهرسازی تبدیل شده است. پژوهش حاضر، با هدف سنجش عینی کیفیت های تاثیرگذار محیطی بر فعالیت های فیزیکی ساکنان، در چهار محدوده منتخب، به شعاع 500 متر از بافت های چهارگانه شهر سنندج، انجام شده است. با مروری بر پژوهش های پیشین، مولفه های تاثیرگذار محیطی بر این فعالیت ها شناسایی و داده های مربوط به هریک از آنها با استفاده از لایه های شبکه معابر و کاربری اراضی در سیستم اطلاعات جغرافیایی تهیه و در فرمول ارزیابی مربوط به هر معیار، جاگذاری شده اند. ارزیابی های فوق، به صورت ترکیبی و در شاخص های اسمارتراک و شاخص قابلیت پیاده مداری، مورد بررسی قرار گرفته اند. سپس با مقایسه تطبیقی نتایج حاصل از شاخص های یاد شده، محدوده های مورد بررسی به لحاظ پیاده مداری دسته بندی شده اند؛ داده های مربوط به فعالیت های فیزیکی 421 نفر از ساکنان نیز با استفاده از پرسشنامه، جمع آوری شده و در نرم افزار SPSS و از طریق آزمون واریانس، میانگین آنها محاسبه، سپس با استفاده از تحلیل رگرسیون، ارتباط بین آنها با کیفیت های پیاده مداری محیط بررسی شده است. نتایج حاصل از این تحقیق، نشان دهنده اثرات بالقوه کیفیت های محیط بر فعالیت های فیزیکی ساکنان است.

افزایش جمعیت و محدود بودن اراضی قابل استفاده، در کنار تغییرات سریع جوامع و توسعه کاربری ها، بر اهمیت برنامه ریزی صحیح زمین و تصمیم گیری هدفمند در تخصیص آن به بهترین کاربری می افزاید. فرایند تخصیص کاربری معمولاً در سه مرحله ی تناسب، تقاضا و تخصیص انجام می شود. در اغلب تحقیقات موجود، به مدل سازی افزایش مساحت کاربری ها در طول برنامه ریزی اکتفا شده است. هدف از انجام تحقیق حاضر ارائه مدلی برای تخصیص کاربری است که بتواند فرایندهای محیطی و تأثیراتی را که به صورت هم زمان منجر به افزایش و کاهش سطح کاربری می گردد مدل سازی کند. در این مدل، برای مدل سازی افزایش مساحت کاربری به مؤلفه های تناسب محیطی، دسترسی، همسایگی و محدودیت و برای مدل سازی کاهش مساحت کاربری به مؤلفه های فرسایش و شوری خاک پرداخته شده است. در مدل توسعه داده شده از روش های اتوماسیون سلولی، میانگین وزن دار خطی، فرایند تحلیل سلسله مراتبی و مدل زنجیره مارکوف استفاده شد. این مدل در شهرستان برخوار و میمه واقع در استان اصفهان پیاده سازی شد و با در نظر گرفتن نقشه کاربری سال 1377 به عنوان نقشه ی مبنا، نقشه کاربری سال 1384 به عنوان نقشه افق در دو حالت مختلف تهیه شد. دقت های 609/0 و 510/0 بدین معنی است که مدل توسعه داده شده در مقایسه با مدل های پیشین دارای دقت بهتری است. در نهایت با استفاده از مدل توسعه داده شده، پیش بینی نقشه کاربری برای سال 1394 انجام گرفت. نتایج پژوهشی حاضر را می توان با تغییراتی برای سایر مناطق نیز مدنظر قرار داد.

با توجه به تأثیر خشکسالی در کیفیت و کمّیت آب، هدف از این مطالعه بررسی خشکسالی با استفاده از شاخص های خشکسالی و ارتباط آن با میزان کیفیت آب در مناطق شمالی استان فارس ایران است. برای این منظور، شاخص های خشکسالی PCI، TVDI، NDVI در سال های 2000 تا 2020 استفاده شد. در ادامه، نقشه های پهنه بندی عناصر آب (Ca، Cl، EC، K، Na، Mg) با استفاده از روش کریجینگ تولید شد. سپس با به کارگیری روش شبکه های عصبی (MLP)، میزان عناصر آب با استفاده از شاخص های خشکسالی پیش بینی شد. نتایج نشان داد که با توجه به مقادیر شاخص های خشکسالی، روند تغییرات خشکسالی در منطقه از سال 2000 تا 2020 افزایشی بوده و بخش های جنوبی منطقه در وضعیت حادتری به نسبت دیگر بخش ها قرار دارد. نتایج حاصل از نقشه های پهنه بندی عناصر آب هم نشان داد که در بخش های جنوبی، غلظت املاح بیشتر از بخش های شمالی است. طبق نتایج حاصل از همبستگی بین شاخص های خشکسالی و مقادیر عناصر آب، Ca همبستگی بالایی (820/0 R=) با شاخص TVDI دارد و عناصر Cl، EC، K، Na، Mg نیز دارای همبستگی معنی داری (80/0 R>) با شاخص PCI است. نتایج حاصل از روش MLP، برای پیش بینی وضعیت کیفیت آب با استفاده از شاخص های خشکسالی، نشان داد که در مناطق جنوبی میزان املاح بیشتر و در نتیجه، کیفیت آب کمتر است. میزان دقت مدل در پیش بینی عناصر Cl، EC، K، Na، Mg، TH،TDS  با استفاده از شاخص PCI برابر با 85/0 R 2 = و درمورد عنصر Ca، با استفاده از شاخص TVDI برابر با 71/0 R 2 = است.