مهندسی فناوری اطلاعات مکانی
سال:1397 | دوره:6 | شماره:1 |تعداد مقالات:10

در این مقاله به منظور شناسایی و استخراج عوارض مختلف شهری به صورت خودکار از تصاویر فتوگرامتری روشی ارائه شده که در آن از ترکیب داده های لیدار و ابرطیفی استفاده می شود. مهمترین مشکل تصاویر ابرطیفی تعداد زیاد باندها و وابستگی بالای بین آن ها و نیز نسبت سیگنال به نویز متفاوت در باندهای مختلف می باشد، در این تحقیق به منظور کاهش ابعاد فضای داده، کمینه کردن نویز و وابستگی طیفی بین باندها، جهت دست یافتن به نتایج بهتر، از روش کاهش نویز کمینه (MNF) استفاده می شود، با اعمال این روش تصاویر ابرطیفی با 144 باند به 19 تصویر تبدیل یافته مناسب کاهش می یابند. سپس از ابر نقاط لیدار تصاویر ارتفاعی و شدت بازگشت های اول و آخر لیزر تولید می شوند. در نهایت 19 تصویر تبدیل یافته حاصل از تصاویر ابرطیفی با 4 تصویر تولید شده از داده های لیدار در سطح پیکسل باهم ادغام می شوند و تصویری با 23 ویژگی مناسب به وجود می آید. به منظور شناسایی و استخراج هر کدام از عوارض منطقه، هفت ماشین یادگیری بردار پشتیبان (SVM) اجرا می شوند و نهایتاً با ادغام اطلاعات در سطح تصمیم که با رأی گیری بین 7 جواب به دست آمده، انجام می شود، کلاس مربوط به هر پیکسل مشخص می گردد. در ادامه از عملگر انسداد مورفولوژی ریاضی برای ترمیم ساختمان ها و از تبدیل هاف برای بازسازی شبکه ی حمل و نقل استفاده می شود تا عوارض ساخت دست بشر دارای ساختاری منظم تر بشوند و حضور پیکسل های منفرد نیز کاهش یابد. روش فوق روی یک مجموعه داده مربوط به محوطه دانشگاه هیوستن آمریکا پیاده سازی شده است. این مجموعه داده همراه با داده های جانبی شامل نمونه های آموزشی و آزمایشی دقیق، توسط انجمن سنجش از دور و علوم زمین مهندسان برق و الکترونیک در سال 2012 برداشت شده و پیشتر در یک مسابقه ی بین المللی ادغام داده مورد استفاده قرار گرفته اند.

مسئله جایابی حسگرها با بیشینه پوشش همواره به عنوان یکی از مراحل بنیادین توسعه زیرساخت های ارتباطی و مکانی موردتوجه پژوهشگران علوم مهندسی بوده است. در این پژوهش، به ارائه یک رویکرد کاملاً جدید برای جایابی ربات های پرنده با بیشینه پوشش در محیط های سه بعدی برداری پرداخته می شود. بدین منظور، نخست، یک الگوریتم هندسی برای تشخیص نواحی تحت پوشش توسعه داده شده است. به منظور بیشینه سازی میزان پوشش حسگرها نیز از الگوریتم بهینه سازی چرخه آب بهره گیری شده است. سپس، به منظور پیشگیری از همگرایی زودرس به نقاط زیر بهینه و ارتقاء کارایی و توان جستجوی الگوریتم در حل مسئله، به طراحی و توسعه یک الگوریتم بهبودیافته چرخه آب با پارامترهای کمتر و عملگرهای دینامیک پرداخته شده است. با در نظر گرفتن چندین سناریو با قیود مکانی مختلف، کارایی الگوریتم پیشنهادی در مقایسه با سایر روش ها از منظر میزان استحکام، زمان اجرا، میانگین و بهترین مقادیر پوشش، انحراف از معیار، سرعت همگرایی و آزمون آماری ویلکاکسون بررسی گردید. ارزیابی و تحلیل نتایج نشان دهنده عملکرد برتر رویکرد پیشنهادی با نرخ موفقیت 73 درصد و سطح پوشش 80 درصد در یک فضای سه بعدی برداری است

اریب تفاضلی کد (DCB) ماهواره ها و گیرنده های سیستم تعیین موقعیت جهانی (GPS)، یکی از مهم ترین منابع خطا در تعیین موقعیت و مدل سازی محتوی الکترونی کلی (TEC) یونسفر با استفاده از مشاهدات کد GPS می باشد. سرویس بین المللی سیستم های ماهواره ای ناوبری جهانی (IGS)، مقدار این کمیت را برای ماهواره های GPS و گیرنده های شبکه IGS، در قالب مدل سازی جهانی یونسفر، محاسبه و منتشر می کند. تعیین کمیت DCB گیرنده های GPS در شبکه های منطقه ای و محلی به صورت مستقل از مدل سازی یونسفر، دارای کاربردهای بسیاری می باشد. در این مقاله، DCB گیرنده های شبکه دائم GPS ایران (IPGN) به روشی جدید و مستقل از مدل سازی منطقه ای یونسفر محاسبه شده است. ایده ی این روش بر مبنای استفاده از تغییرات فاصله ی هندسی بین ماهواره ها و گیرنده های GPS استوار است. بدین منظور از مشاهدات تفاضلی یگانه بین دو گیرنده و یک ماهواره استفاده می گردد. در این روش اختلاف TEC بین مشاهدات تفاضلی یگانه به صورت تابعی خطی از اختلاف فاصله ی بین دو گیرنده و ماهواره در نظر گرفته می شود. سپس سری زمانی تغییرات فاصله بین دو گیرنده و ماهواره بررسی و در زمانی که اختلاف این دو فاصله صفر می شود، می توان نتیجه گرفت که اثر اختلاف TEC مربوط به دو ایستگاه در معادلات تقریباً ناچیز بوده و این اختلاف از معادلات حذف می گردند. بنابراین اختلاف باقیمانده در معادلات، مربوط به اختلاف DCB دو گیرنده خواهد بود. روش پیشنهادی ابتدا بر روی شبکه ای متشکل از ایستگاه های IGS پیاده سازی و مقادیر حاصل برای DCB گیرنده ها با مقادیر منتشر شده توسط مراکز مختلف محاسباتی و همکار IGS مقایسه گردید. حداکثر اختلاف بین DCB برآورد شده و DCB منتشره توسط IGS کمتر از 6/0 نانوثانیه و مربع خطای باقیمانده RMSE)) برابر4/0نانوثانیه می باشدکه حاکی از کارآیی بالای این روش در محاسبه پارامتر DCB گیرنده های GPS می باشد. سپس مقادیر DCB گیرنده های شبکه دائم GPS ایران با استفاده از روش ارائه شده محاسبه گردید. که می تواند به عنوان یک محصول مورد استفاده کاربران قرار گیرد.

اهمیت شبکه حمل و نقل در بخش اقتصاد، صنعت، سیاست و حتی نظامی سبب شده که زیربنای توسعه پایدار در هر منطقه باشد. شبکه حمل و نقل شهری قبل و بعد از زلزله، در عملیات امداد و نجات، جابجایی و تخلیه آسیب دیدگان تأثیر قابل توجهی خواهد داشت؛ بنابراین طراحی شبکه هندسی حمل و نقل شهری و برنامه ریزی برای کاهش آسیب ها ی احتمالی امری ضروری به نظر می رسد. شهر کرمان به دلیل موقعیت جغرافیایی خاص و محصور بودن به وسیله گسل ها در برابر زلزله آسیب پذیر است؛ بنابراین در این تحقیق سعی شده که ابتدا آسیب پذیری شبکه حمل و نقل شهرکر مان را در برابر زلزله بر اساس معیارهای مقاومت زمین و با استفاده از روش سیستم اطلاعات مکانی-تحلیل سلسله مراتبی پهنه بندی و بعد از تعریف پایگاه داده زمین مرجع برای مسیرهای شهری، جهت خدمات رسانی و تخلیه سریع تر آسیب دیدگان در زمان و یا بعد از زلزله، شبکه هندسی حمل و نقل منطقه طراحی گردد. در جداول توصیفی لایه معابر شهری، فیلدهای آسیب پذیر بودن معابر به همراه فیلد های نام، کد شناسایی، یک طرفه و دوطرفه بودن، طبقه بندی و طول خیابان ها ایجاد و اطلاعات توصیفی مربوطه وارد گردید که می توان با به کار بردن تحلیل های شبکه در زمان موردنیاز، به راحتی بهترین مسیر تخلیه نجات آسیب دیدگان را با در نظر گرفتن محدودیت آسیب پذیری مسیرها، تعیین نمود. نتایج نهایی حاکی از این است که آسیب پذیری شبکه حمل و نقل شهر کرمان در مناطق 1و3 بیشتر به چشم می خورد و دلیل آن را می توان، تجمع تأسیسات آسیب پذیر شهری و مقاومت کم زمین، در این نواحی دانست؛ بنابراین در برنامه ریزی ها، باید این مناطق در اولویت قرار گیرند.

دمای سطح زمین یکی از پارامترهای کلیدی و موثر بر مطالعات محیطی می اشد. به دلیل وجود محدودیت های بودجه ای و تکنیکی، سنجنده ای که در محدوده حرارتی قدرت تفکیک زمانی و مکانی بالایی داشته باشد، وجود ندارد. از آن جا که قدرت تفکیک مکانی و زمانی بالا به همراه یکدیگر به افزایش قابلیت اطمینان در تحلیل و وضوح تصویر منجر می شود، بنابراین بهترین راه فائق آمدن به این مشکل تلفیق تصاویر با قدرت تفکیک مکانی و زمانی بالا می باشد. لذا هدف از این مقاله، تهیه ی تصاویر دمای سطح با قدرت تفکیک مکانی لندست و قدرت تفکیک زمانی مادیس است که بدین منظور از روش SADFAT که جهت تلفیق این تصاویر توسعه داده شده است، استفاده گردید. جهت اجرای روش و ارزیابی نتایج آن از هفت تصویر ماهواره ای لندست 8 در محدوده ی طرح توسعه نیشکر واقع در جنوب استان خوزستان مربوط به 3 خرداد، 19خرداد، 20 تیر، 5 مرداد، 21 مرداد، 6 شهریور و 22 شهریور سال 1394 و تصاویر مادیس روزانه ی تاریخ های ذکر شده استفاده شد. جهت ارزیابی از شاخص ضریب همبستگی، خطای جذر میانگین مربعی، میانگین خطای مطلق و شاخص کیفیت جهانی تصویر استفاده گردید. نتایج بررسی ها نشان می دهد که مقادیر شاخص های ضریب همبستگی، خطای جذر میانگین مربعی، میانگین خطای مطلق و شاخص کیفیت جهانی تصویر بین دمای سطح مشاهده شده و پیش بینی شده به ترتیب بین 99/0-85/0، 32/1-73/0، 73/1-58/0 و 9973/0-9124/0 متغیر است. نتایج پژوهش بیانگر دقت بالا و قابل قبول روش SADFAT جهت تهیه ی روزانه ی تصاویر دمای سطح با قدرت تفکیک مکانی لندست در منطقه مورد مطالعه می باشد.

تغییرات کاربری به عنوان عاملی پایه در تغییرات محیط زیست عمل کرده و به یک بحران تبدیل شده است. شناسایی و ارزیابی تغییرات الگوهای کاربری اراضی یک امر ضروری است، که اگر به هنگام و با دقت بالا انجام گیرد، می تواند به برنامه ریزان و مدیران سازمان های مربوطه در اخذ تصمیمات آگاهانه تر در جهت استفاده بهینه از منابع و جلوگیری از وقوع بحران کمک نماید. این امر با آشکارسازی تغییرات میسر می گردد. تصاویر فراطیفی، به علت دارا بودن توان تفکیک طیفی بالا، نتایج بهبود یافته ای از آشکارسازی تغییرات و همچنین جزئیات بیشتری از فرآیند آشکارسازی تغییرات را فراهم می نمایند. یکی از چالش های رایج روش های متداول آشکارسازی تغییرات، تاثیرپذیری از شرایط محیطی و دستگاهی است. این امر موجب تشخیص نادرست یکسری از پیکسل ها در فرایند آشکارسازی تغییرات می گردد. بدین منظور، در این پژوهش یک روش آشکارسازی تغییرات کاربری اراضی با استفاده از الگوریتم نگارنده زاویه طیفی، فنون هسته مبنا و الگوریتم بیشینه سازی امید در تصاویر فراطیفی پیشنهاد شده است. در ابتدا یکسری داده آموزشی به منظور بهینه نمودن پارامترهای هسته در طی یک فرآیند خودکار توسط الگوریتم نگارنده زاویه طیفی و الگوریتم بیشینه سازی امید ریاضی استخراج می گردد. در ادامه، داده از فضای تصویر به فضای هیلبرت توسط الگوریتم هسته پایه نگارنده زاویه طیفی انتقال می یابد. نهایتاً، نقشه تغییر با استفاده از الگوریتم بیشینه سازی امیدریاضی به دست می آید. از مهم ترین مزایای این روش: خودکار بودن، عدم نیاز به تنظیم پارامترهای دانش مبنا، نرخ کم هشدارهای اشتباه و دقت بالا و حجم پایین محاسبات می توان اشاره نمود. برای بررسی توانایی روش پیشنهادی، تصاویر ابرطیفی دریافت شده از مزارع کشاورزی هرمیستن واقع در آمریکا توسط سنجنده هایپریون استفاده و مورد ارزیابی قرارگرفته است. نتایج به دست آمده نشان دهنده بهبود قابل توجه آشکارسازی تغییرات با به کارگیری روش پیشنهادی در مقایسه با مدل استاندارد نگارنده زوایه طیفی است، به طوری که دقت کلی بالای 94%، ضریب کاپا 84/0، نرخ هشدارهای اشتباه کلی کمتر از 6% و هزینه محاسباتی و زمانی نسبتاً پایین حکایت می کند.

فتوگرامتری بردکوتاه در دهه های اخیر در حوزه های مختلفی از علوم همچون صنعت، میراث فرهنگی، پزشکی و عمران، در کاربردهای موفقی مورد استفاده قرار گرفته است. این روش به عنوان ابزاری جهت سنجش تغییر شکل در قطعات صنعتی، مزیت های بسیاری همچون قابلیت اندازه گیری بلادرنگ، سهولت در انجام مشاهدات، قابلیت دستیابی به دقت های بالا و ایجاد آرشیوی از مشاهدات جهت پردازشهای آتی را دارا می باشد. در این مقاله از فتوگرامتری بردکوتاه برای اندازه گیری بدنه یک اتومبیل قبل و بعد از برخود به مانع (تست ضربه) جهت تعیین میزان تغییر شکل بر روی آن، استفاده شده است. برای این کار یک سیستم اندازه گیری در قالب اجزاء اصلی طراحی شبکه و ساختار فنی سیستم، برداشت مشاهدات، سرشکنی و محاسبات، طراحی گردیده است. جهت امکان دستیابی به صحت و دقت های بالا در جابجایی سنجی، در بخش سرشکنی و محاسبات از متد CPDA که توسط نگارنده معرفی گردیده، در این حوزه استفاده شده است. نتایج نشان دهنده قابلیت این روش در دستیابی به دقت کمتر از 1 میلیمتر در اندازه گیری تغییر شکل بدنه اتومبیل می باشد. همچنین این روش از نظرهزینه، سرعت و سهولت اندازه گیری نسبت به سایر روش ها در این حوزه برتری دارد.

با توجه به صلب بودن طرح های جامع و تفضیلی در برنامه ریزی کاربری اراضی شهری، توجه به تغییرات کاربری ها و مدلسازی آنها کمک شایانی در برآورد تأثیر تغییرات خواهد نمود. بررسی تأثیر تغییر کاربری های شهری در چینش سایر کاربری ها و معیارهای طراحی مانند سازگاری، وابستگی، مناسبت و سرانه ها به لحاظ محاسباتی مسئله ای چندهدفه بوده و جزء مسائل سخت رده بندی می شود. زیرا به دلیل تنوع بالای کاربری ها در محیط شهری و روابط پیچیده ی حاکم بر انواع کاربری ها می توان چینش های مختلفی از کاربری ها ارائه داد. در این تحقیق هدف اصلی به دست آوردن تأثیر تغییر یک یا چند کاربری بر روی چینش سایر کاربری ها با در نظر گرفتن سه تابع هدف سازگاری، وابستگی، مناسبت و سرانه ها به صورت همزمان می باشد. به این منظور از الگوریتم تکاملی چند هدفه بر مبنای تجزیه (MOEA/D Multi-Objective Evolutionary Algorithm based on Decomposition) که یک الگوریتم بر مبنای تجزیه ی تابع بهینگی می باشد، استفاده شده است. نتایج حاکی از جواب های قابل قبول این الگوریتم از نظر تست های الگوریتم های فرا ابتکاری می باشد. همچنین نتایج نشانگر بهینه بودن چینش ها نسبت به وضع موجود است. نکته ی قابل توجه در مورد نتایج این الگوریتم این است که زمان اجرای الگوریتم نسبت به الگوریتم های بهینه سازی چندهدفه ی رایج در این زمینه مانند الگوریتم ژنتیک چندهدفه با مرتب سازی نامغلوب یا( NSGA-II (Non-dominated Sorting Genetic Algorithm-II به مراتب کمتر است. همچنین بازه ی جستجوی الگوریتم نیز بیش از الگوریتم NSGA-II می باشد.

تصاویر ماهواره ای جهت پایش و ارزیابی تغییرات پوشش های زمینی در بازه های زمانی به کار می روند. همسانی رادیومتریکی و هندسی بین تصاویر چندزمانه و چند سنجنده اخذ شده، به علت تغییرات در سنجنده، شرایط جوی، زاویه تابش خورشید و زاویه دید سنجنده، به ندرت ممکن است وجود داشته باشد و می تواند باعث ایجاد مشکل در آشکارسازی تغییرات شود. همسان سازی رادیومتریکی و هندسی تصاویر چند زمانه و چند سنجنده ای که از یک منطقه از سطح زمین برای آشکارسازی تغییرات و اختلافات نسبی عوارض زمینی اخذ شده اند بسیار ضروری می باشد. از داده های زمینی جهت کالیبراسیون رادیومتریک مطلق و یا عوارض شبه پایدار (PIF) جهت نرمال سازی رادیومتریک نسبی تصاویر چند زمانه می توان استفاده نمود، اما جمع آوری داده های زمینی هزینه بر بوده و اخذ همزمان آنها با گذر ماهواره با مشکلاتی همراه است و همچنین انتخاب عوارض شبه پایدار نیز بصورت بصری بوده و نیاز به نظارت کاربر دارد. در این تحقیق به منظور نرمال سازی رادیومتریکی و هندسی دو تصویر چند زمانه از منطقه یخچالی علم چال، روشی ارائه شده است. در این تحقیق، انتخاب عوارض شبه پایدار به صورت خودکار و آماری می باشد و تصاویر ماهواره ای به یک سطح رادیومتریکی مرجع تبدیل می شوند. جهت هم مختصات سازی تصاویر، ابتدا نویز در آنها حذف شده و به صورت تکراری با استفاده از روش تناظریابی تصاویر، دو تصویر هم مختصات گردیدند. به منظور ارزیابی نتایج از مقایسه هیستوگرام تصاویر، پارامترهای آماری و نقاط مستقل چک استفاده گردید. نتایج نشان دهنده نزدیکی پارامترهای آماری دو تصویر همسان شده به یکدیگر می باشد، همچنین با استفاده از نقاط چک مقدار جذر میانگین مربع خطاها روش هم مختصات سازی برابر 52/0 به دست آمد.

جو سامانه گازی طبیعی پویا و پیچیده ای است که زندگانی در سیاره زمین به آن وابسته است. غلظت ذرات معلق موجود در جو از مهمترین شاخص های آلودگی هوا محسوب شده و به همین علت از توجه زیادی برخودار است. تهران یکی از آلوده ترین شهرهای جهان می باشد که عوامل متعددی در آلودگی هوای آن دخالت دارند. بنابراین تعیین مقدار آلودگی در مناطق مختلف شهر می تواند منجر به راهکارهایی جهت کاهش اثرات منفی آن شود. ایستگاه های سنجش آلودگی هوا در سطح شهر مقادیر آلودگی را در محدوده ایستگاه با دقت بسیار خوب اندازه گیری می کنند، اما به دلیل هزینه های بالای نصب و نگهداری، امکان نصب تعداد زیادی از آنها در سطح شهر وجود ندارد. همچنین در مناطقی که از ایستگاه ها فاصله دارند برای محاسبه میزان آلودگی نیاز به تخمین می باشد. دی اکسید نیتروژن یکی از مهمترین اجزاء آلودگی هوا در کلان شهرها می باشد که در این پژوهش برای تعیین آن در سطح شهر با استفاده از سنجش از دور تلاش خواهد شد. برای این منظور از تصاویر سنجنده OMI که میزان این آلودگی را بصورت روزانه و در مناطق مختلف ارائه می کند استفاده شده است. این تصاویر مقادیر آلودگی را در پیکسل هایی با ابعاد بزرگ ارائه می کنند که برای مناطق شهری مناسب نمی باشد. در این پژوهش با استفاده همزمان از تصاویر OMI و مادیس 500 متری سعی در برقراری ارتباط بین بازتابندگی و میزان آلودگی در باندهای مختلف شده است. بر این اساس ابتدا ارتباط میزان آلودگی و بازتابندگی در چندین منطقه صنعتی و شهر بزرگ بررسی شد. سپس ترکیب های خطی معادلات مختلف در باندهای مختلف مادیس در نظر گرفته شد و بهترین ترکیب معادله-باند با استفاده از داده های آزمون مشخص گردید. در انتها روش به دست آمده در سطح شهر تهران پیاده سازی و تصاویر توزیع آلودگی برای روزهای مختلف به دست آمد. به منظور ارزیابی نتایج به دست آمده از داده های ایستگاه های زمینی استفاده شد که جذر میانگین مربع خطاها برابر 29/0 و جذر میانگین مربع خطاهای نسبی برابر 3/44 درصد به دست آمد. خطای مدل برای مقادیر زیاد آلودگی در حدود 15 درصد و برای مقادیر کم آلودگی تا 100 درصد می باشد. همچنین با استفاده از تجمیع تصاویر به دست آمده در روزهای مختلف مناطق بحرانی و دارای آلودگی زیاد در سطح شهر مشخص گردید.