ویژگی بافت

در این مقاله سعی گردیده است، تا ضمن بیان اهمیت مفهوم سرمایه اجتماعی مهم ترین شاخص های سنجش سرمایه اجتماعی در سطح محله معرفی و اندازه گیری شوند. شاخص های پیوند همسایگی، اعتماد در سطح محله، مشارکت در امور محله، کنترل اجتماعی غیر رسمی و احساس تعلق به محله مهم ترین شاخص ها در نظر گرفته شدند. هدف اصلی تحقیق حاضر شناسایی عوامل موثر بر شکل گیری سرمایه اجتماعی در سطح محله می باشد. میزان همگونی (در درآمد، تحصیلات و بعد خانوار) در محله، ثبات مسکونی، شرکت در مراسم مذهبی محله و ویژگی های بافت محله به عنوان عوامل موثر بر شکل گیری سرمایه اجتماعی در این سطح انتخاب گردید. روش تحقیق مطالعه حاضر از نوع پیمایشی بوده، داده های این پژوهش با استفاده از پرسش نامه و به روش نمونه گیری چند مرحله ای به دست آمده است.جامعه آماری ساکنان محله های منطقه 9 مشهد بودند که تعداد 381 نفر در 8 محله انتخاب گردیدند. یافته های این تحقیق نشان می دهد که میانگین سرمایه اجتماعی افراد در سطح محله در یک طیف 5 قسمتی 2.99 است. همچنین از بین عوامل موثر بر شکل گیری سرمایه اجتماعی شرکت در مراسم مذهبی در محله بالاترین تاثیر را دارد، وجود رابطه بین سرمایه اجتماعی با ثبات مسکونی و ویژگی های محل زندگی افراد نیز تایید شد. بین همگونی افراد در محله و سرمایه اجتماعی رابطه مثبت وجود داشت اما به لحاظ آماری معنادار نیست

نسل جدید سنجنده های راداری فضایی با حد تفکیک مکانی بالا، امکان استفاده از این تصاویر را به منظور استخراج خودکار عوارض، به ویژه عارضه راه فراهم آورده اند. در پژوهش حاضر، استخراج عارضه راه از تصاویر راداری و اپتیک با حد تفکیک بالا با یکدیگر مقایسه شدند. بدین منظور از تصاویر آیکونوس و TerraSAR-X استفاده شد و بین تصاویر هم مرجع سازی انجام گرفت. سپس ویژگی های بافت استخراج شدند و طبقه بندی با استفاده از شبکة عصبی بازپس خور خطا انجام پذیرفت. با مقایسة نتایج حاصل از اجرای الگوریتم با داده های مرجعی که عامل انسانی آنها را تهیه کرده است، برای داده های TerraSAR-X و آیکونوس، به ترتیب مقادیر 10/46 و 72/57 درصد برای پارامتر RCC، 58/46 و 27/93 درصد برای پارامتر BCC و مقادیر 61/0 و 31/0 برای پارامتر RMSE به دست آمد. مقایسه تصویر خروجی حاصل از دو الگوریتم نشان می دهد که هرکدام از تصاویر اپتیک و راداری نواقصی در استخراج راه دارند. به عنوان مثال، الگوریتم های اپتیک به مناطقی از تصویر که ویژگی های طیفی و بافتی مشابه با راه دارند ازجمله محل پارکینگ ها و سقف بام های بزرگ حساس هستند، درصورتی که این مناطق در تصاویر راداری ظاهری روشن و بافتی متفاوت دارند. بنابراین تصاویر راداری در مناطقی با بافت شهری به ویژه توأم با راه های کم عرض و کوچه ها مناسب اند. از طرفی دیگر تصاویر راداری در مناطقی با پوشش گیاهی انبوه به خوبی عمل نمی کنند، درحالی که تصاویر اپتیک کاملاً قادر به تمایز این مناطق از راه ها هستند. در نتیجه با توجه قابلیت های مکمل این تصاویر در استخراج راه، تلفیق ویژگی های این دو منبع به منظور رفع نواقص و افزایش دقت الگوریتم های حاضر، روشی کارآمد در توسعه الگوریتم ها به نظر می رسد.