سنجش از دور و GIS ایران

مقاله حاضر به منظور بررسی قابلیت سیستم پیشنهادی استخراج نیمه خودکار راه از تصاویر ماهواره ای با حد تفکیک های مکانی مختلف به منظور بهنگام کردن نقشه های متوسط و کوچک مقیاس پایگاه داده GIS سازمان راهداری و حمل ونقل جاده ای کشور تهیه گردیده است. هدف پژوهش حاضر حفظ و یا افزایش دقت و سرعت استخراج اطلاعات در مقایسه با عملیات زمینی و استفاده از GPS است. افزون بر این، میزان موفقیت این سیستم در استخراج اشکال مختلف راه اعم از راه مستقیم، مارپیچ، تقاطع و میدان مورد بررسی قرار گرفته است. داده های ورودی سامانة مورد نظر شامل تصاویر پانکروماتیک و Pansharpened ماهواره های Ikonos و D1-IRS (به ترتیب دارای قدرت تفکیک مکانی 1، 4 و 5 متر) و تصاویر Pansharpened ماهواره 7-Landsat (دارای قدرت تفکیک مکانی 15 متر) است. در روش پیشنهادی، ضمن انجام خوشه بندی FCM در فضای طیفی و بهبود کیفیت راه های کشف شده به وسیله اپراتورهای مورفولوژی با حذف نویز و پوشش گپ ها، اقدام به کشف عارضة راه شده است. روش مذکور با انجام خوشه بندی در فضای تصویر، موقعیت نقاط اصلی شبکة راه ها را شناسایی کرده و در پایان با بهره گیری از الگوریتم MST در تئوری گراف و انتخاب تابع وزن مناسب (فاصله اقلیدسی) اقدام به اتصال این نقاط و تشکیل محور مرکزی راه در فرمت برداری برای ورود به GIS کرده است. رسیدن به میانگین دقت کلی بیش از 98 درصد در طبقه بندی تصویر به دو کلاس راه و غیرراه و حصول میانگین خطای RMS حدود 68/0 پیکسل ـ از مقایسة محور راه استخراج شده با واقعیت زمینی آن ـ نشانگر موفقیت کلی سامانة معرفی شده برای استخراج نیمه خودکار راه به شمار می آید.

برای احداث خط انتقال نیرو لازم است عوامل فنی، اقتصادی و زیست محیطی مورد توجه قرار گیرند. مسیر خط انتقال نیرو، افزون بر اینکه بر روی هزینه های نصب، راه اندازی و نگهداری آن تأثیر می گذارد، در میزان تأثیرات منفی آن بر روی محیط زیست نیز نقش دارد. لذا تعیین مسیر بهینه برای خط انتقال جدید، مسئله ای چندهدفه است که ممکن است اهداف آن ناسازگار باشند. در واقع مسیر با حداقل هزینه ممکن است تأثیرات منفی فراوانی بر روی محیط زیست داشته باشد. در نوشتار حاضر روشی برمبنای GIS برای تعیین مسیر خط انتقال نیرو ارائه می گردد که در آن از نوعی الگوریتم ژنتیک چندهدفه برای بهینه سازی مسیر استفاده شده است. الگوریتم NSGA-II، با تعدادی قید و دو هدف که شامل تأثیرات زیست محیطی و هزینه است، برای انتخاب مسیر بهینه خط انتقال نیرو 400 کیلوولت در مرودشت پیاده سازی شده است. در این تحقیق، نحوه ترکیب الگوریتم NSGA-II با GIS برای تعیین مسیرهای بهینه متعدد برای خطوط انتقال نیرو بیان شده است؛ به طوری که امکان انتخاب و تصمیم گیری نهایی از بین راه حل های موجود، برای تصمیم گیران مختلف وجود دارد. در اغلب مطالعات پیشین تنها یک مسیر به عنوان مسیر نهایی ارائه شده که با استفاده از ترکیب تأثیرات عوامل مختلف تعیین گردیده است. افزون بر این، با ترکیب تأثیرات عوامل مختلف، احتمالاً تأثیر برخی از عوامل به وسیله برخی دیگر خنثی می شود. امّا با به کارگیری روش پیشنهادی دو تابع که دارای واحدهای متفاوت هستند، تا انتهای فرایند بهینه سازی با هم ترکیب نمی شوند. در این مقاله، سه گزینه که هر یک شامل سه دکل کششی هستند، به عنوان نمونه مورد مقایسه قرار گرفته اند و برای هر کدام طول مسیر و مقادیر اهداف اول و دوم مشخص شده است.

مدیریت درست و هوشمند منابع جنگلی مستلزم به کارگیری داده های دقیق و روزآمد است. عکس های هوایی یکی از منابع مناسب برای این امر به شمار می آیند. در پژوهش حاضر، برای تهیه نقشه تراکم تاج پوشش جنگل از الگوهای بافت عکس های هوایی و مدل های شبکه عصبی مصنوعی، متوازی السطوح، حداقل فاصله و حداکثر احتمال استفاده گردید. منطقه مورد مطالعه در غرب کشور و ناحیه زاگرس مرکزی واقع شده است. مقدار میانگین مربعات خطا برای عکس های هوایی ارتوفتوشده با قدرت تفکیک مکانی 56/0 متر برابر با 2/0 پیکسل به دست آمد. ارتوفتوها با رعایت تعادل رادیومتریکی به ارتوفتوموزاییک برای ایجاد دید کلی از منطقه تبدیل گردیدند. باندهای مختلف حاصل از تجزیه و تحلیل بافتی با ماتریس هم وقوعی به ابعاد 3 3 تهیه گردیدند. در الگوی بافت، پنجره 10 10 پیکسلی به دلیل همگنی در سطح نمونه ها برای آموزش بهینة خوارزمیک ها مناسب تشخیص داده شد. در این بررسی امکان تفکیک 4 کلاس از تراکم تاج پوشش جنگل های مورد مطالعه با صحت بالاتر بر روی تصاویر بافت به نسبت تصویر خام مقدور گردید. نتایج حاصل از ارزیابی نقشه های خروجی نشان داد که شبکه عصبی مصنوعی با صحت کلی و ضریب کاپا به ترتیب 85 درصد و 8/0 در طبقه بندی تصاویر حاصل از تجزیه و تحلیل بافتی در مقایسه با دیگر روش های مورد استفاده در این تحقیق بهتر عمل می کنند.

در تحقیق حاضر روش نرمال سازی خودکاری برمبنای رگرسیون با استفاده از پیکسل های تغییرنیافته، مدل سازی هیستوگرام تصویر هدف و محاسبه ضرایب تبدیل خطی برای دسته های مختلف پیکسل ها از لحاظ درجات روشنایی در هر باند، ارائه شده است. در مرحله تعیین پیکسل های تغییرنیافته، روش جدیدی معرفی شده است که این مرحله را به صورت خودکار انجام می دهد و صحت بالایی نیز دارد. در مرحله دسته بندی پیکسل ها نیز براساس درجات روشنایی، روش جدیدی پیشنهاد شده است که تعداد و بازه های لازم برای دسته بندی را به طور خودکار و جداگانه براساس اطلاعات هیستوگرام تصویر هدف، برای هر باند تعیین می کند تا تأثیرات مختلف اتمسفر و سایر عوامل را روی درجات خاکستری مختلف مدل کند. ایده مورد نظر روی دو تصویر سنجنده TM پیاده سازی شد. نتایج ارزیابی نشان داد در صورتی که از روش پیشنهادی در مرحله تعیین خودکار پیکسل های تغییرنیافته استفاده شود، صحت کلی آشکارسازی تغییرات از 15/95 درصد به 14/96 درصد در مقایسه با روش های متداول بهبود می یابد و همچنین خطای کمترین مربعات نرمال سازی، در مقایسه با حالتی که برای کل تصویر از یک برازش خطی استفاده شود، در باندهای 1، 2، 3، 4، 5 و 7 به ترتیب 44/26، 13/50، 54/38، 27/5، 75/3 و 31/3 و در مقایسه با حالتی که از مقادیر پیش فرض برای دسته بندی پیکسل ها براساس درجات خاکستری و برازش جداگانه خطی برای هر دسته استفاده شود، به ترتیب 82/30، 9/45، 53/30، 19/4، 82/2 و 32/0 کاهش می یابد.

تولید مراتع در سطح گسترده با روش های مرسوم هزینه بر است و زمان زیادی را طلب می کند. با توجه به معمول شدن استفاده از داده های ماهواره ای برای برآورد تولید مراتع در نقاط مختلف جهان، مطالعه حاضر به منظور ارزیابی داده های ماهواره IRS برای برآورد تولید گیاهان مرتعی در منطقه تنگ صیاد (استان چهارمحال و بختیاری) انجام گردید. داده های ماهواره ای در تاریخ 9 اردیبهشت 1386 و نمونه های گیاهی در نزدیک ترین زمان به تاریخ تصویربرداری برداشت شدند. سی واحد نمونه برداری در تیپ های مختلف گیاهی به صورت تصادفی مشخص شد و در هر واحد 12 پلات تصادفی مشخص گردید و تولید گروه های مختلف گیاهی گندمیان، گیاهان پهن برگ علفی (فرب ها) و بوته ها اندازه گیری شد. تصاویر ماهواره ای در 4 باند تهیه و تصحیحات لازم انجام شد و 23 شاخص معمول گیاهی به کمک ترکیب باندهای تصحیح شده محاسبه شدند. ضرایب همبستگی شاخص های گیاهی با تولید گندمیان، پهن برگان علفی و بوته ها، مجموع تولید گندمیان و پهن برگان علفی و مجموع تولید سه گروه گیاهی محاسبه شدند. نتایج نشان داد که شاخص گیاهی DVI بالاترین ضریب همبستگی را با تولید گندمیان و مجموع تولید گندمیان و پهن برگان علفی دارد، در حالی که شاخص NDVI بیشترین همبستگی را با تولید کل گیاهان منطقه نشان می دهد. همچنین شاخص NDVI بالاترین ضریب تبیین را برای تخمین تولید گیاهان مورد بررسی نشان داد. این مطالعه امکان برآورد تولید گندمیان و مجموع تولید گندمیان و پهن برگان علفی را با عدم قطعیت مورد قبولی به کمک داده های ماهواره ای نشان داد. رشد سبزینه ای محدود پهن برگان علفی و بوته ها در ابتدای فصل رشد به حدی نیست که به وسیله سنجنده ثبت گردد، لذا برآورد تولید این نوع گیاهان در این زمان با عدم قطعیت بسیاری همراه است. همچنین این مطالعه نشان داد که برای تخمین تولید گیاهان پهن برگ علفی، شاخص GNDVI و نسبت باند دوم به چهارم یا پنجم IRS را می توان به کار برد.

استفاده روزافزون از داده های شبکه ای (رستری) در مطالعات علوم زمینی و با برآوردهای هیدرولوژیک، ضرورت استخراج هر چه دقیق تر این داده ها را به کمک روش های مبتنی بر علوم ریاضی و به ویژه زمین آماری دوچندان کرده است. از آنجا که داده های رستری معمولاً از میان یابی داده های نقطه ای و یا پردازش تصاویر ماهواره ای تهیه می شوند، لذا استفاده از تحلیل همسایگی در استخراج و یا تدقیق آنها تقریباً اجتناب ناپذیر می نماید. از سویی در هر تحلیل همسایگی، انتخاب و یا معرفی پنجره (وسعت) همسایگی مناسب (از نظر شکل و اندازه) از موارد درخور توجه است. از آنجا که اغلب از اشکال مربعی و یا دایره ای (به صورت پیش فرض) برای پنجره همسایگی استفاده می گردد، لذا در تحقیق حاضر به شرایط پذیرش این پیش فرض و همچنین به نحوه تعیین شکل مناسب پنجره همسایگی پرداخته شده است. برای این منظور، استفاده از شکل نیم تغییر نمای سطحی (استخراج شده از روش زمین آماری) پیشنهاد گردیده است. اعتبارسنجی روش پیشنهادی نیز با تعیین نواحی مسطح در حوضه رود زرد خوزستان و همچنین استخراج شبکه آبراهه ای در حوضه معرف والنات گالچ (WGEW) واقع در ایالت آریزونای امریکا به انجام رسیده است. نتایج نشان دادند که استفاده از شکل مناسب (بیضوی) برای پنجره همسایگی در استخراج لایه شکل زمین (landform) حوضه رود زرد، منجر به تغییر 28 درصدی (93 کیلومترمربع) وسعت نواحی مسطح در مقایسه با استفاده از پنجره مربعی شکل می گردد، که قطعاً این تغییر وسعت برای اهداف مدیریتی اراضی این حوضه تأثیرگذار خواهد بود. همچنین، استفاده از شکل پنجره همسایگی پیشنهادی در حوضه WGEW نیز منجر به انطباق 96 درصدی شبکه آبراهه ای موجود (واقعی) با شبکه آبراهه ای استخراجی از لایه شکل زمین، در مقایسه با استفاده از پنجره دایره ای شکل گردیده است.

در مقاله حاضر یک روش بدون نظارت برای آشکارسازی تغییرات در تصاویر ماهواره ای رادار با روزنه ترکیبی (SAR) معرفی می شود. اساس این روش جست وجوی بهینه در فضای جواب های ممکن با اتکا بر الگوریتم ژنتیک است. برای این منظور یک تابع هزینه براساس معیار کمترین میانگین مربعات خطا و با در نظرگرفتن تصویرِ نسبت به دست آمده از تصاویر مشاهده شدة غیرهم زمان از ناحیه جغرافیایی یکسان، معرفی می شود. به منظور کاهش مدت زمان همگرایی الگوریتم به جواب بهینه، از پنجرة متحرک با ابعاد مناسب به منظور انتخاب نواحی مختلف از تصویرِ نسبت با احتمال وجود پیکسل های تغییریافته، استفاده می شود. این کار افزون بر ایجاد امکان مدیریت حجم محاسباتی و زمان اجرای الگوریتم، توانایی مدیریت نویز لکه ای را نیز فراهم می کند. به این ترتیب که می توان نواحی یکنواخت نویزی محصور در یک پنجرة انتخاب را تشخیص داد و آن را از فرایند آشکارسازی حذف کرد. علاوه بر این، استفاده از روش های پیش پردازشی کاهش نویز مانند اعمال فیلتر تطبیقی وینر، برای بهبود روند آشکارسازی استفاده شده است. نتایج به دست آمده از پیاده سازی الگوریتم توسعه یافته، حاکی از کاهش زمان اجرای الگوریتم و مدیریت آن با حفظ دقت مطلوب، در مقایسه با روش پیشین آشکارسازی تغییرات به کمک الگوریتم ژنتیک است. به منظور بررسی عملکرد الگوریتم از دو مجموعه داده استفاده می شود. مجموعه اول شامل تصاویر شبیه سازی شده با در نظر گرفتن نویز لکه ای و مجموعه دوم شامل تصاویر سنجنده ASAR ماهواره Envisat، دریافت شده از منطقه تأثیرگرفته از سونامی اخیر کشور ژاپن است. استفاده از روش پیشنهادی در آشکارسازی تغییرات به روش پیکسل مبنا و بر روی مجموعه داده فوق، دقت آشکارسازی در حدود 94 درصد در مقایسه با کل پیکسل های تصویر را به دست داد.