مطالب مرتبط با کلیدواژه

مدل رقومی ارتفاع (DEM)


۱.

استفاده از مدل زیر پیکسل جاذبه attraction)) به منظور طبقه بندی لندفرم ها(مقاله علمی وزارت علوم)

کلیدواژه‌ها: مدل جاذبه لندفرم قدرت تفکیک مکانی مدل رقومی ارتفاع (DEM) شاخص موقعیت توپوگرافی (TPI)

حوزه های تخصصی:
تعداد بازدید : ۷۸۸ تعداد دانلود : ۴۲۸
از مهم ترین موضوعات در علم ژئومورفولوژی کمی افزایش قدرت تفکیک مکانی به منظور افزایش میزان اطلاعات در مدل رقومی ارتفاع (DEM) است. مدل های مختلفی به منظور افزایش قدرت تفکیک مکانی تاکنون استفاده شده اند. از بین مدل های مختلف مدل جاذبه به عنوان جدیدترین مدل، دارای دقت بسیار بالایی می باشد. در این تحقیق از مدل جاذبه برای اولین بار به منظور افزایش قدرت تفکیک مکانی DEM در جنوب شهرستان داراب (قلاتویه) استفاده شد. در این تحقیق از دو مدل همسایگی پیکسل های مماس و مدل همسایگی چهارگانه برای تخمین مقادیر زیر پیکسل ها بر روی DEM استفاده شد. هر مدل دارای پیکسل های همسایه متفاوت هستند که به کمک آن ها مقادیر جاذبه هر زیر پیکسل محاسبه می شود. پس از تولید تصاویر خروجی برای زیر پیکسل ها در مقیاس های 2، 3، 4 با همسایگی های متفاوت، بهترین مقیاس با مناسب ترین نوع همسایگی با استفاده از نقاط کنترل زمینی تعیین شد و مقادیر RMSE برای آن ها محاسبه شد. از بین مقیاس ها با همسایگی های مختلف مشخص شد که فاکتور مقیاس 3 و مدل همسایگی چهارگانه نسبت به بقیه روش ها دارای بیشترین دقت با کمترین میزان RMSE 8/07)) برای DEM 90 متر (8/09) می باشد. نتایج حاصل از بررسی میزان RMSE نشان می دهد که مدل چهارگانه نتایج بهتری نسبت به مدل مماس نشان می دهد و میانگین RMSE خروجی های این مدل کمتر از مدل همسایگی مماس است. در حالت S=2 مدل همسایگی و چهارگانه به طور استثنا نتایج یکسانی ارائه می کنند که موجب می شود RMSE این دو مدل در این حالت مقدار یکسانی را ارائه می کند که این مقدار همچنین کمترین مقدار مربوطه در بین سایر شاخص های مقیاس (3و4) است. درنهایت از بهترین مدل رقومی ارتفاع حاصل از مدل جاذبه، به عنوان داده ورودی برای تهیه لندفرم های منطقه موردمطالعه با استفاده از روش TPI استفاده شد. نتایج نشان داد مساحت لندفرم های قله کوه، یال های مرتفع، یال های شیب میانی، تپه های کوچک موجود در دشت، شیب های بالایی، مساها، شیب های باز، دشت و دره های u شکل در لندفرم حاصل از مدل جاذبه نسبت به DEM 90 متری افزایش یافت. درحالی که مساحت لندفرم های دره های باریک، آبراهه ها، زهکش های شیب میانی، دره های کم عمق، زهکش های مناطق مرتفع و یال های موضعی، تپه های موجود در دره کاهش یافت. با استفاده از این تحقیق مشخص شد که استفاده از مدل رقومی ارتفاع (DEM) حاصل از الگوریتم جاذبه نسبت به DEM 90 متری دارای جزئیات بیشتری می باشد و اطلاعات بیشتری را از منطقه موردمطالعه نشان می دهد.
۲.

استفاده از مدل زیر پیکسل جاذبه به منظور افزایش قدرت تفکیک مکانی مدل رقومی ارتفاع (DEM)(مقاله علمی وزارت علوم)

کلیدواژه‌ها: مدل جاذبه قدرت تفکیک مکانی مدل رقومی ارتفاع (DEM) زیر پیکسل

حوزه های تخصصی:
  1. حوزه‌های تخصصی جغرافیا جغرافیای طبیعی آب و هواشناسی
  2. حوزه‌های تخصصی جغرافیا فنون جغرافیایی سنجش از راه دور GIS
تعداد بازدید : ۷۱۳ تعداد دانلود : ۴۱۲
افزایش قدرت تفکیک مکانی به منظور افزایش میزان اطلاعات در مدل رقومی ارتفاع (DEM) از جمله مهمترین موضوعات در ژئومورفولوژی کمی محسوب می شود. تاکنون مدل های مختلفی به منظور افزایش قدرت تفکیک مکانی ارائه شده است که از بین مدل ها، مدل جاذبه به عنوان جدیدترین مدل، دارای دقت بسیار بالایی می باشد. این مدل برای اولین بار به منظور افزایش قدرت تفکیک مکانی بر روی تصاویر ماهواره ای استفاده شده است. در این تحقیق از مدل جاذبه برای اولین بار به منظور افزایش قدرت تفکیک مکانی DEM استفاده شد. در بررسی حاضر، از دو مدل همسایگی پیکسل های مماس (Touching) و مدل همسایگی چهارگانه (Quadrant) به منظور تخمین مقادیر زیر پیکسل ها استفاده گردید. در مدل جاذبه احتیاجی به کالیبره کردن و آموزش الگوریتم همانند الگوریتم های یادگیری ماشین نیست، این امر موجب می شود که زمان محاسبات برای اجرای الگوریتم کم شود. پس از تولید تصاویر خروجی برای زیر پیکسل ها، در مقیاس های 2، 3 و4 با همسایگی های متفاوت، بهترین مقیاس با مناسب ترین نوع همسایگی با استفاده از نقاط کنترل زمینی تعیین شد و مقادیر RMSE برای آن ها محاسبه شد. تعداد کل نقاط کنترل زمین مستخرج از عملیات نقشه برداری، 2118 نقطه بود. مقدار RMSE برای هر DEM به صورت جداگانه محاسبه شد. نتایج نشان داد که با استفاده از مدل جاذبه صحت تصاویر خروجی بهبود بخشیده شده و همچنین قدرت تفکیک مکانی آن ها نیز افزایش پیدا کرده است. بر اساس نتایج از بین مقیاس ها با همسایگی های مختلف، مقیاس 3 و مدل همسایگی چهارگانه نسبت به سایر روش ها دارای بیشترین دقت با کمترین میزان RMSE (54/5) برای DEM 30 متر و DEM  90 متر (13/9) می باشد.
۳.

بررسی نقش ناهمواری ها در شکل گیری نواحی و خرده نواحی آب و هوایی استان همدان(مقاله علمی وزارت علوم)

کلیدواژه‌ها: تحلیل عاملی استان همدان تحلیل خوشه ای پهنه بندی اقلیمی مدل رقومی ارتفاع (DEM)

حوزه های تخصصی:
تعداد بازدید : ۷۰۲۱ تعداد دانلود : ۵۶۹
شرایط اقلیمی هر محل در پراکندگی انسان، حیوان و گیاه نقش مهمی را ایفا می کند. لذا هرگونه فعالیت یا برنامه ریزی در زمینه های مختلف اقتصادی، کشاورزی و صنعتی در سطح زمین بدون شناخت اقلیم امکان پذیر نمی باشد، به همین دلیل پهنه بندی اقلیمی و شناخت مهمترین عوامل و عناصر تأثیرگذار بر هر ناحیه، یکی از راه های شناخت شناسنامه ی اقلیمی نواحی است. فقدان اطلاع از خرده اقلیم های نواحی، برنامه ریزی های اقتصادی و کشاورزی انسان را با شکست مواجه می سازد. به طور کلی اقلیم یک منطقه، متوسط وضعیت هوا در آن منطقه است و دسترسی به متوسط وضعیت هوا در یک مکان خاص، نیازمند آمار و اطلاعات درازمدت هواشناسی است. برای دریافت شناخت صحیح و جامع از اقلیم استان همدان، پهنه بندی اقلیمی با روش های نوین آماری مانند تحلیل عاملی و تحلیل خوشه ای طی دوره 20 ساله (1372- 1392) انجام شد. برای این منظور تعداد 23 متغیر اقلیمی از 8 ایستگاه هواشناسی انتخاب گردید. سپس با استفاده از مدل رقومی ارتفاع، بین پارامترهای هواشناسی و لایه مزبور یک رابطه رگرسیونی چند متغیره اعمال گردید که در نهایت یک ماتریس پهنه ای به ابعاد 23 ×88 به دست آمد و مبنای ناحیه بندی قرارگرفت. بررسی اقلیم استان با روش تحلیل عاملی نشان می دهد که اقلیم استان ساخته ی 5 عامل است، این عوامل به ترتیب اهمیت عبارتند از: دما و تغییرپذیری آن، دیدافقی، بارش، تندر و تابش. نتایج حاصل از تحلیل خوشه ای بر روی 5 عامل اقلیمی، وجود 6 ناحیه را در استان همدان نشان می دهد. یافته ها حاکی از آن است که عوامل اول و دوم به تنهایی 63 درصد رفتار اقلیمی را در استان تبیین می نمایند.
۴.

پیش بینی شبکه های آبراهه با استفاده از مدل زیر جاذبه و الگوریتم ژنتیک در محیط GIS(مقاله علمی وزارت علوم)

کلیدواژه‌ها: مدل رقومی ارتفاع (DEM) مدل جاذبه الگوریتم ژنتیک آبراهه

حوزه های تخصصی:
تعداد بازدید : ۶۰۷ تعداد دانلود : ۲۶۷
آبراهه ها، زهکش در یک حوضه آبخیز محسوب می شوند که تاثیر زیادی بر روی ویژگی های فیزیوگرافی، هیدرولوژی، فرسایش و رسوب یک حوضه آبخیز دارند. هدف از این مطالعه، استفاده از مدل جاذبه به منظور افزایش قدرت تفکیک مکانی مدل رقومی ارتفاع (DEM) و استفاده از الگوریتم ژنتیک به منظور پیش بینی آبراهه ها در آینده و مقایسه نتایج آن با خطوط آبراهه مستخرج از DEM با قدرت تفکیک ۳۰ متر است. برای استخراج DEM های با قدرت تفکیک بالاتر، در مدل جاذبه برای تولید زیرپیکسل ها از مقیاس ۳ و مدل همسایگی چهارگانه که دارای دقت بالاتری هستند استفاده شد. از DEM حاصل از مدل جاذبه، به عنوان داده ورودی برای پیش بینی و استخراج آبراهه های منطقه مورد مطالعه با استفاده از الگوریتم ژنتیک در آینده استفاده شد. در الگوریتم ژنتیک، بهینه سازی و پیش بینی شبکه های رودخانه بر اساس تابع «نیروی جریان» و با ایجاد تغییرات در بالا آمادگی ها و رسوب گذاری ها در منطقه مورد مطالعه انجام شد. نتایج حاصل از مدل جاذبه نشان داد که مقیاس ۲ با مدل همسایگی ۲ گانه دارای دقت بالاتری نسبت به دیگر همسایگی ها برای استخراج DEM با قدرت تفکیک بالاتر است. همچنین نتایج حاصل از الگوریتم ژنتیک، نشان دهنده تغییر درجه آبراهه های منطقه مورد مطالعه در طول زمان نسبت به وضع موجود است، به طوری که درجه تعدادی از آبراهه های درجه اول در آینده به درجه ۳ تغییر خواهد کرد که علت آن فرسایش آبراهه های درجه کمتر و اضافه شدن به آبراهه های درجه بالاتر است. از نتایج این تحقیق، می توان برای پیشنهاد محل های مناسب ایجاد بندهای انحرافی و یا محل های مناسب برای احداث سازه های مختلف با توجه به تغییرات در مورفومتری آبراهه ها در آینده، استفاده کرد.