علوم و فنون نقشه برداری
سال:1397 | دوره:8 | شماره:3 |تعداد مقالات:16

این تحقیق با هدف بررسی تاثیر عوامل مختلف در الگوی توزیع جمعیت و آسیب پذیری های محتمل بر جمعیت ساکن در حوزه های آبخیز با استفاده از قابلیت های سامانه اطلاعات مکانی (GIS) انجام شده است. حوزه آبخیز قرنقو واقع در استان آذربایجان شرقی محدوده مطالعاتی تحقیق حاضر بوده است. بر اساس روش تحقیق ابتدا با مرور منابع مهمترین عوامل موثر بر توزیع جمعیت شامل ارتفاع، شیب، گسل، بارش، کاربری اراضی، زمین لغزش، فاصله از جاده و آبراهه انتخاب و سپس داده و اطلاعات مکانی مرتبط با عوامل مذکور به همراه آمار جمعیتی، برای حوزه مطالعاتی از منابع مختلف تهیه و جمع آوری گردید. برای پردازش های مکانی از توابع مختلف GIS استفاده شد و پردازش های آماری نیز در محیط صفحه گسترده انجام شد. بر اساس نتایج حاصل، طی زمان از جمعیت مناطق کوهستانی و پرشیب حوزه کاسته شده و در عوض به جمعیت مناطق دشتی افزوده شده است. همچنین فاصله روستاهای حوزه از آبراهه های حوزه افزایش یافته و از تعداد روستاها و جمعیت حوزه در مناطق دارای شیب و زمین لغزش زیاد، کاسته شده و به نوعی جمعیت و روستاهای حوزه از مناطق آسیب پذیر حذف شده اند. گرچه اکثریت جمعیت حوزه مطالعاتی از خطرات گسل در امان می باشند اما حدود 36 درصد از جمعیت بایستی در برابر خطرات احتمالی زلزله ناشی از گسل محافظت گردند. در کل روند تغییرات جمعیتی در حوزه عمدتا در راستای کاهش تهدیدات ناشی از عوامل طبیعی و ژئومورفولوژیکی عمل نموده اند و ظاهرا بین جمعیت حوزه و عوامل طبیعی آن نوعی سازش در راستای حفظ حیات و امکان بهره برداری از منابع حوزه شکل گرفته است. در پایان پیشنهاد اتی در راستای بهبود فرآیند ارزیابی جمعیت حوزه ها ارائه شده است.

زمین لرزه ها سالانه خسارت های جانی و مالی عظیمی به مردم جهان وارد می کنند. از اینرو دانشمندان همواره به دنبال یافتن راهکاری برای شناسایی زمان و مکان این پدیده، پیش از وقوع آن هستند. این در حالی است که فعالیت های لرزه ای زمین باعث ایجاد تغییرات ناهنجاری در پارامترهای یونسفری، پیش از رخداد زمین لرزه های بزرگ می شوند. همین امر سبب شده است که امروزه بررسی تغییرات یونسفری به یکی از روش های مهم پیش بینی زمین لرزه تبدیل شود. در این مقاله برای شناسایی تغییرات یونسفری-لرزه ای از داده هایTEC حاصل از نقشه های جهانی یونسفر (GIM) استفاده شده است. روش آماری مورد استفاده برای کشف تغییرات ناهنجار یونسفری، آزمون تی دو-هتلینگ چندمتغیره می باشد. در این مقاله برای اولین بار از این روش به منظور بررسی ارتباط تغییرات یونسفری و زمین لرزه استفاده شده است. جهت بررسی کارایی این آزمون در کشف تغییرات ناهنجار یونسفری-لرزه ای 12 زمین لرزه با بزرگای گشتاوری بزرگتر و یا مساوی 6 که در سال 2010 رخ داده، مورد مطالعه قرار گرفته اند. مطابق با نتایج حاصل، این آزمون آماری موفق به شناسایی آنامولی یونسفری-لرزه ای در 9 مورد از زمین لرزه های مورد مطالعه شده است. این آنامولی ها عموما در اطراف مرکز زمین لرزه ها مشاهده شده و اغلب یک هفته پیش از زلزله ها قابل شناسایی هستند. همچنین به طور کلی نتایج نشان می دهد انجام آزمون تی دو-هتلینگ در سطح اطمینان 99% نسبت به سطح اطمینان 95% در این مطالعه کارآمدتر بوده است.

شناسایی تغییرات با استفاده از تصاویر سنجش از دور اهمیت بسیاری در استخراج اطلاعات جهت کاربردهای مختلف علم مهندسی ژئوماتیک دارد. تصحیح رادیومتریکی تصاویر چندزمانه یکی از گام های اولیه و مهم در شناسایی تغییرات محسوب می شود به طوریکه می تواند صحت نهایی نتایج بدست آمده را بهبود دهد. در این مقاله آنالیز حساسیت صحت کلی نقشه تغییرات بدست آمده از سه روش متداول (رگرسیون خطی، PIF و RCSM) و یک روش جدید تصحیح رادیومتریکی نسبت به متغیرهای آنها مورد بررسی قرار خواهد گرفت. روش های تصحیح رادیومتریکی ذکر شده در دو منطقه آلاسکا و دریاچه ارومیه و تصاویر لندست دو زمان اجرا شدند. با تغییر متغیرهای روش های تصحیح رادیومتریکی بهترین صحت کلی روش های رگرسیون خطی، PIF و RCSM به ترتیب در منطقه آلاسکا 68%، 93%، 91% و 94% و به ترتیب در منطقه دریاچه ارومیه 92%، 95%، 97% و 97% محاسبه شد. براساس این نتایج، کارایی روش پیشنهادی نسبت به سه روش دیگر بالاتر بوده است.

روش های تداخل سنجی راداری پلاریمتریک مبتنی بر پراکنش گرهای دائمی یک تکنیک موثر در افزایش تراکم و کیفیت فاز پیکسل های پراکنش گر دائمی می باشند. این روش ها با ترکیب خطی کانال های پلاریمتریک بر اساس بهینه سازی پلاریمتریک کانال بهینه ای را جستجو می کنند که در آن تراکم و کیفیت فاز پیکسل های پراکنش گر دائمی نسبت به کانال های خطی افزایش پیدا کند. در همین راستا، هدف اصلی این مقاله توسعه الگوریتم تداخل سنجی PSInSAR، که تاکنون تنها بر روی داده های تک قطبی بکار گرفته شده است، جهت بکارگیری داده های چندزمانه پلاریمتریک دوگانه با هدف بهبود این الگوریتم در شناسایی پیکسل های پراکنش گر دائمی قابل اطمینان می باشد. این بهبود بر اساس بهینه سازی پلاریمتریک با تابع هدف شاخص پراکندگی دامنه (ADI) بر روی 17 تصویر پلاریمتریک دوگانه (VV/VH) سنجنده Sentinel1-A انجام گرفت. روش بهینه سازی مورد استفاده در این تحقیق روش ESPO می باشد. نتایج نشان می دهد که تعداد پیکسل های پراکنش گر کاندید و نهایی کانال بهینه در مقایسه با کانال VV به ترتیب حدود 2. 6 و 2 برابر افزایش پیدا کرد. همچنین در این مقاله مکانیزم های پراکنشی که در بهینه سازی پلاریمتریک با داده های پلاریمتریک دوگانه قابل استخراج هستند، مورد بررسی و تفسیر فیزیکی قرار گرفتند. در نهایت نقشه فرونشست جنوب غربی تهران با پردازش سری زمانی هر دو الگوریتم PSInSAR معمولی و الگوریتم PSInSAR بهبودیافته، بدست آمد.

به تازگی روش های تجزیه ی طیفی تصاویر فراطیفی، به عنوان ابزاری قدرتمند در شناسایی عوارض موجود در پیکسل های مختلط، به طور گسترده ای مورد اقبال پژوهشگران قرار گرفته اند. از میان الگوریتم های ارائه شده برای تجزیه ی طیفی تصاویر فراطیفی، فاکتورگیری ماتریس نامنفی (NMF) به علت اعمال قید نامنفی بودن بر فراوانی های حاصل از تجزیه ی طیفی و همچنین استخراج هم زمان طیف و فراوانی اعضای خالص، بیش از سایر روش ها مورد توجه قرار گرفته است. علیرغم این توانایی ها، NMF به علت داشتن تابع هدف نامحدب دارای جواب های محلی فراوانی است که در مطالعات مختلف با افزودن قیدهایی به تابع هزینه ی آن، تلاش هایی برای دست یابی به نتایج بهینه ی سراسری صورت پذیرفته است. با این حال، روش های بر مبنای NMF همچنان دارای جواب های محلی هستند. در پژوهش حاضر با استفاده از یک روش تکراری و با تکیه بر تئوری یادگیری گروهی و ترکیب وزن دار نتایج به دست آمده از تکرارهای مختلف الگوریتم تجزیه ی طیفی L1/2-NMF، فرآیند استخراج طیف ها و فراوانی های حاصل از این الگوریتم بهبود یافته است. روش پیشنهادی روشی غیرپارامتریک و از نظر ریاضی روشن است که می توان فرآیند پیشنهادی در آن را به الگوریتم های پیشرفته تری از تجزیه ی طیفی تعمیم داد. روش پیشنهادی بر روی داده های مختلف مصنوعی و واقعی اجرا گردیده است. نتایج حاصل از آزمایش های موجود در این پژوهش، بر روی هر دو دسته از داده های فراطیفی، حاکی از کارایی این روش نسبت به روش های مشهور در شناسایی عوارض موجود در پیکسل های مختلط است.

آشکارسازی اهداف با ابعاد زیرپیکسل یکی از چالش های اساسی در پردازش تصاویر ماهواره ای می باشد. با توجه به قدرت تفکیک طیفی بالای تصاویر ابرطیفی، آشکارسازی اهداف از اهمیت ویژه ای در آنالیز این نوع داده ها برخوردار می باشد. از اینرو، انتخاب باندهای طیفی بهینه به منظور بهبود آشکارسازی اهداف زیرپیکسلی به عنوان یکی از راه کارهای مرسوم مورد توجه محققین است. نبود داده های آموزشی یکی از اصلی ترین ضعف های انتخاب باندهای بهینه برای آشکارسازی اهداف زیرپیکسلی می باشد. در این تحقیق بر مبنای الگوریتم بهینه سازی توده ذرات (PSO)، روشی جدید جهت انتخاب باند به منظور آشکارسازی اهداف زیر پیکسلی در تصاویر ابرطیفی معرفی شده است. در روش پیشنهادی، ابتدا طیف هدف مورد نظر به صورت تصادفی در یک سری پیکسل های میزبان از کل تصویر ابرطیفی کاشت می شود. سپس، با هدف کمینه سازی نرخ هشدار اشتباه در آشکارسازی هدف، به روش برآوردگر همدوسی های انطباقی (ACE)، باندهای طیفی از طریق الگوریتم PSO انتخاب می شوند. به منظور ارزیابی میزان دقت روش پیشنهادی، دو مجموعه داده ابرطیفی از سنجنده های Hymap و Hyperion استفاده شده است. نتایج تجربی به دست آمده نشان می دهند که بر اساس معیار کمترین مقدار هشدار اشتباه و مساحت زیر نمودار ROC، روش انتخاب باند پیشنهادی نسبت به حالت استفاده از تمام باندها، روش الگوریتم ژنتیک (GA)، روش ژنتیک وزن دار (WG)، و همچنین روش های متداول PSO مبنا، حداکثر نسبت زیرمجموعه (MSR) و ضریب همبستگی (CC)، از کارایی بالاتری برخوردار می باشد.

امروزه پیشرفت فناوری های تعیین موقعیت و حسگرهای موجود در ابزارک های پوشیدنی، امکان دستیابی به داده های حرکتی و مشاهدات اضافی موجودیت های مختلف را با سطح جزئیات بالا فراهم نموده و به تبع آن، رویکردهای جدیدی برای تحلیل این داده ها به منظور استخراج اطلاعات مفید از آنها توسعه داده شده است. به عنوان یکی از زمینه های کاربردی تحلیل داده های حرکتی، این مقاله به تحلیل الگوهای رفتاری حرکت افراد در حین انجام فعالیت های ورزشی می پردازد. در این راستا داده های حرکتی افراد در حین انجام فعالیت های ورزشی با لحاظ کردن مشاهدات رفتاری و عملکردی (مانند سرعت، ضربان قلب و غیره) تحلیل شده و الگوهای حرکتی آنها مورد بررسی قرار گرفته اند. بدین ترتیب، هدف این تحقیق کاوش الگوهای حرکتی ورزشکاران با تجزیه و تحلیل تغییرات در مشخصه های عملکردی آنها می باشد. در این راستا تشخیص و بررسی تاثیر مولفه های مکانی، شخصی و محیطی روی الگوهای رفتاری حرکت افراد امری ضروری بشمار می آید. این تحقیق با معرفی مجموعه ای از مولفه های مکانی، شخصی و محیطی و همچنین مشخصه های عملکردی افراد در حین پیاده روی، با استفاده از روش های مبتنی بر قطعه بندی سیگنال های حرکتی به الگو های رفتاری حرکت افراد دست یافته است و در پی آن میزان تاثیر مولفه های گوناگون بر الگوهای رفتاری حرکت توسط محاسبه شباهت بین رشته های حاصل از قطعه بندی بررسی شده است. نتایج بدست آمده از تحلیل های بصری و محاسباتی در این تحقیق حاکی از وابستگی میزان تاثیر مولفه های شخصی و محیطی بر روی الگوهای رفتاری افراد حین پیاده روی به جهت شیب مسیر پیموده شده و همچنین جنسیت شخص می باشد. علاوه بر این، جنسیت فرد به تنهایی دارای تاثیر حدود 10 درصد بر روی الگوهای رفتاری حرکت افراد در حین پیاده روی است. از این رو، با تفکیک مسیر پیموده شده بر حسب جهت شیب و همچنین بررسی زن و مرد به صورت جداگانه، میزان تاثیر هر مولفه بررسی می شود.

بدست آوردن اطلاعات مکانی دقیق در مورد میزان غلظت و نحوه پراکندگی آلاینده ها در سطح شهر از اهمیت بالایی برخوردار است. ذرات معلق با قطر کمتر از 10 میکرون از جمله آلاینده های موجود در شهرها می باشد که به دلیل داشتن اثرات مخرب جدی بر روی سلامت افراد جامعه و محیط زیست بسیار مورد بررسی و تحقیق قرار گرفته اند. بدین منظور ایستگاه های آلودگی سنجی که توانایی اندازه گیری مقادیر آلاینده های متفاوت را دارند در سطح شهر قرار داده شده اند. اگرچه این ایستگاه ها مقادیر آلاینده ها را با دقت بالایی اندازه گیری می کنند لیکن از نظر مکانی دارای پیوستگی نبوده و تنها مشاهدات نقطه ای را در اختیار می گذارند. برای بر طرف کردن این مشکل می توان از تصاویر و یا محصولات سنجش از دوری در کنار اندازه گیری های زمینی جهت تخمین مقدار آلاینده ها با پیوستگی مکانی و تولید نقشه آلودگی استفاده نمود. در این تحقیق از اطلاعات ثبت شده توسط 13 ایستگاه اندازه گیری در کنار تصاویر سنجنده مادیس برای تخمین مقدار آلاینده ذرات معلق با قطر کمتر از 10 میکرون و تولید نقشه های آلودگی شهرستان تهران استفاده شده است. در این تحقیق به جای استفاده از تصاویر عمق نوری هواویز که غالبا در زمینه آلودگی مورد استفاده قرار گرفته اند از تصاویر بازتاباندگی ظاهری سهم هواویز استفاده شده است. در این زمینه تحقیقات محدودی بر روی عملکرد تصاویر بازتابندگی ظاهری سهم هواویز صورت گرفته است که این مسئله لزوم انجام تحقیقات بیشتر برای بررسی کارایی تصاویر بازتابندگی ظاهری سهم هواویز را نشان می دهد. در این تحقیق هدف بررسی عملکرد شبکه های عصبی مصنوعی برای مدل سازی و برقراری ارتباط بین مقادیر بازتابندگی ظاهری سهم هواویز و مقادیر اندازه گیری شده زمینی می باشد. نتایج تحقیق بر روی 12 روز با بالاترین میزان همبستگی 9805/0 نشان دهنده کاربرد و توانایی بالای شبکه عصبی مصنوعی در این حوزه می باشد. علاوه بر مدل سازی روزانه یک شبکه عصبی مصنوعی با بالاترین میزان همبستگی 503/0 برای تمام روزهای مورد بررسی به صورت کلی آموزش داده شده است.

لیشمانیوز جلدی (سالک پوستی) یک بیماری انگلی و بومی است که توسط نیش پشه خاکی ماده انتقال می یابد. این بیماری در خاورمیانه و سراسر جهان مشکلی اساسی برای سلامت جامعه ایجاد نموده و خسارت های اجتماعی و اقتصادی بسیاری را به کشور ها تحمیل کرده است. گسترش این بیماری به شدت به پارامتر های مکانی، تعاملات فضایی و زیست محیطی ناقلین (پشه خاکی)، میزبان ها (انسان)، مخازن (جونده صحرائی) و محیط طبیعی وابسته است. ناهمگونی در این تعاملات، معمولا مانع از مدل سازی دقیق این بیماری برای اتخاذ مراقبت های پیش گیرانه در مناطق مستعد بیماری شده است. مدل سازی عامل مبنا (ABM) می تواند به عنوان یک فناوری نوین برای مطالعه این رفتار ها و شبیه سازی گسترش بیماری و تعاملات پیچیده استفاده شود. از توانایی های سیستم های اطلاعات مکانی (GIS) نیز می توان جهت تسهیل در گرد آوری، تحلیل و نمایش اطلاعات بیماری استفاده کرد. از این رو، مشارکت این مقاله، ترکیب GIS، ABM و یک مدل همه گیر و بهبود یافته SEIR در راستای کشف الگوی گسترش بیماری سالک پوستی است. جهت ارزیابی مدل پیشنهادی، از داده های شهرستان مراوه تپه در استان گلستان که یکی از نواحی آلوده این بیماری در کشور ایران به شمار می رود، استفاده گشت. با استفاده از شبیه سازی ها و نما های انجام شده در این پژوهش، نتایج مدل پیشنهادی نشان داد که چگونه بیماری سالک پوستی می تواند در بخش های مختلف منطقه مورد مطالعه با شرایط زیست محیطی و اجتماعی متفاوت، گسترش یابد. یافته های این تحقیق بیان گر آن است که گسترش بیماری بیشتر در نواحی خشک و کم ارتفاع، مجاور رودخانه ها و مناطق پرجمعیت اتفاق می افتد. محدود نمودن فعالیت انسان ها در روستا ها می تواند باعث کاهش شدت آلودگی گردد. به علاوه، نتایج نشان داد که گسترش زمانی این بیماری نیز دارای الگوی خاصی است؛ به طوری که بیشترین موارد بروز بیماری در نیمه دوم سال رخ می دهد. این یافته می تواند به دلیل وجود دوره نهفتگی برای این بیماری و عدم فعالیت پشه های خاکی در فصول سرد سال باشد. در نتیجه، با استفاده از الگو های به دست آمده، می توان رفتار های کنترلی را در راستای پیش گیری از این بیماری اجرا نموده و تاثیر هریک را به دست آورد. از این رو، با ارائه تصویری از نحوه انتشار این بیماری و انجام سناریوهای متفاوت، میزان تاثیر گذاری اقدامات کنترلی در کاهش و کنترل بیماری، نمایش داده شد. این پژوهش می تواند منجر به فهم بهتر پویایی گسترش بیماری های همه گیر و اتخاذ تصمیمات بهتر جهت پیش گیری و کنترل آن ها گردد.

حرکت یکی از اساسی ترین مولفه های زندگی افراد به شمار می آید که اطلاعات مفیدی درباره نحوه حرکت مردم از آن قابل استخراج است. امروزه با در دسترس بودن حجم زیاد داده های حرکتی، مطالعات فراوانی در زمینه حرکت انسان ها انجام شده است، که از آن جمله می توان به مدلسازی متغیرهای موثر بر رفتار حرکتی انسان به منظور درک بهتر نحوه حرکت مردم و حل بسیاری از مسائل اجتماعی، سیاست گذاری ها، تصمیم گیری ها، طراحی شهری، کنترل حمل و نقل و کاهش ترافیک اشاره کرد. یکی از پیش نیاز های اساسی مطالعه رفتارهای حرکتی انسانی، نحوه مدلسازی حرکت در قالب پارامترهایی است که بتوانند چگونگی حرکت را نشان دهند تا در مرحله بعد بتوان تاثیر مولفه های مختلف بر روی حرکت را به کمک آنها نشان داد. برای این منظور، این تحقیق در نظر دارد با معرفی مفهوم فضای فعالیت (قسمتی از فضا که فرد در آن فعالیت دارد) و چگونگی کمی سازی آن، از این پارامتر برای نمایش خط سیر افراد و پارامترهای مرتبط با آن و سپس مدلسازی متغیرهای موثر بر رفتار حرکتی انسانی استفاده کند. نتایج بکارگیری این رویکرد برای تحلیل تاثیر برخی متغیرهای جمعیتی-اجتماعی (مانند سن، جنسیت و شغل) و زمانی (مانند ماه های سال، روزهای هفته و تعطیلات) بر روی رفتارهای حرکتی افراد با استفاده از یک مجموعه داده موقعیتی بدست آمده از تلفن همراه افراد در کشور سوییس (که از این به بعد داده تلفن همراه نامیده می شود)، حاکی از کارکرد مطلوب آن برای هدف مورد نظر می باشد.

کاربران زیادی در سراسر دنیا از خدمات سامانه های راهیابی عابرین پیاده و وسایل نقلیه استفاده می کنند. به دلیل طراحی و ساخت سازه های بزرگ و پیچیده، راهیابی در داخل ساختمان نیز از اهمیت ویژه ای برخوردار شده است. عناصر فضاهای داخلی (شامل انواع اتاق، راهرو، دیوار، درب، آسانسور و غیره) با المان های فضاهای خارجی تفاوت زیادی دارند؛ لذا گام نخست در راهیابی داخل ساختمان استخراج گراف ناوبری این فضاها می باشد. گراف به دست آمده از فضاهای داخلی، به دلیل تنوع عوامل موثر در راهیابی افراد گوناگون، خود دارای معیارهای متنوعی می باشد. در نتیجه جمع آوری و انتساب این معیارها به گراف ناوبری و مسیریابی برپایه ویژگی ها و علایق هر کاربر مراحل بعدی مسیریابی را تشکیل می دهد. تحقیق حاضر به استخراج گراف ناوبری بازار تاریخی شهر تبریز برمبنای ضوابط استاندارد IndoorGML و مسیریابی در آن می پردازد. بازار تبریز دارای بیش از 8100 المان داخلی شامل مغازه، سرا، تیمچه، راسته، دالان، مسجد و مدرسه می باشد. پس از ترسیم دوگان گراف برای بخش های مختلف بازار با معماری های متنوع و پیچیده بر اساس پلان بازار تبریز، خلاصه سازی یال های به دست آمده و حذف یال های غیرقابل عبور برای افراد، 360 یال اصلی با طول 77/9226 متر و 312 گره استخراج شد. پنج معیار طول، عرض، شیب طولی، وجود مانع و پله برای هر یال از طریق مشاهدات میدانی جمع آوری و ذخیره شد. سپس بطور نمونه، مسیریابی برای کاربران عادی و کاربران دارای صندلی چرخ دار ارزیابی و مقایسه شد. نتایج حاکی از نامطلوب بودن 43 درصدی یال ها برای تردد افراد دارای صندلی چرخ دار و عدم دسترسی آنان به هفت درصد از بخش های اصلی بازار می باشد.

در دهه های اخیر، به منظور تخمین جابجایی سطح زمین با دقت بالا، تکنیک های تداخل سنجی راداری تفاضلی به کار گرفته شده اند. در این مقاله روشی برای افزایش تعداد پراکنش کننده های دائمی ارائه شده است، این پیکسل ها با استفاده از استخراج اطلاعات پلاریمتری برای پردازش در تداخل سنجی تفاضلی پیشرفته انتخاب می شوند. هدف از این تحقیق ارائه الگوریتمی برای ارزیابی سهم داده های پلاریمتری در بهبود شناسایی پراکنش کننده های دائمی است. این الگوریتم برای دو نوع معیار انتخاب مختلف فرمول بندی شده است: میانگین کوهرنسی بر روی پشته ای از تداخل نگارها و شاخص پراکندگی دامنه روی پشته ای از تصاویر راداری با دریچه مصنوعی. به منظور بهینه سازی هر دو معیار از روش های مختلفی استفاده شده است و نتایج کلیه روش ها مورد مقایسه و ارزیابی قرار گرفته اند. نتایج تجربی استفاده از تصاویر هر چهار کانال پلاریمتری UAVSAR بر روی یک منطقه شهری در ایالت کالیفرنیا بهبود مورد انتظار را نشان داده است. مقایسه تعداد پراکنش کننده های دائمی به کمک اطلاعات هر چهار کانال با انتخاب پراکنش کننده های دائمی با استفاده از کانال های متداول نیز بهبود قابل توجهی را در هر دو معیار انتخاب (کوهرنس مبنا و دامنه مبنا) نشان می دهد. زمانی که از معیار میانگین کوهرنسی برای انتخاب پراکنش کننده های دائمی استفاده می شود، تعداد پیکسل های دائمی انتخاب شده برای یک حد آستانه دلخواه، 63 درصد از تعداد بدست آمده با داده تک کانال HH بیشتر است و زمانی که شاخص پراکندگی دامنه مورد استفاده قرار می گیرد، افزایشی در حدود 6 برابر ایجاد می گردد. درواقع بهبود تعداد و تراکم پراکنش کننده های دائمی باعث ایجاد نقشه های جابجایی با دقت بالاتر و متراکم تر می شود. نتایج حاصل از تحقیق نشان دهنده این است که استفاده از داده های پلاریمتری باعث افزایش تعداد پراکنش کننده های دائمی در مناطق مختلف می شود که این امر برای پردازش در مناطقی که بدلیل عدم همبستگی مکانی-زمانی دچار مشکل هستند، بسیار حائز اهمیت است.

ایران به دلیل قرارگیری در مناطق زلزله خیز جهان و دارا بودن جمعیت نسبتا بالا، در برابر رخداد زلزله آسیب پذیر است. عوامل مختلفی بر میزان خسارت ناشی از زلزله تاثیرگذار هستند. از میان این عوامل می توان به زمان و شدت رخداد زلزله، مقاومت سازه ها، نوع کاربری سازه ها و چگونگی امدادرسانی پس از رخداد زلزله، اشاره نمود. در این راستا و طی پژوهش حاضر، وظایف و فعالیت های نیروهای امداد و نجات در زمان وقوع زلزله بررسی گردیده، با توجه میزان خسارات وارده به منطقه مورد مطالعه تحقیق حاضر، اولویت های فعالیت های امداد و نجات تعیین و سپس نیروهای امداد و نجات، با در نظرگیری توانایی ها و تخصص هایشان به فعالیت های منتخب، اختصاص خواهند یافت. به منظور اجرای پژوهش، شبیه سازی عملیات امداد و نجات برای یک دسته عملیاتی که خود دارای شش تیم امداد و نجات هشت نفره می باشد مدنظر قرار گرفته است. همچنین، جهت تخصیص بهینه نیروهای امداد و نجات به فعالیت ها از سیستم اطلاعات مکانی و الگوریتم جستجوی ممنوعه استفاده گردیده است و تابعی تحت عنوان عایدی در این پژوهش معرفی شده است که به عنوان تابع هدف در الگوریتم جستجوی ممنوعه در نظر گرفته شده و بهینه می شود. در نهایت نتایج نشان داده اند که استفاده از الگوریتم جستجوی ممنوعه جهت بهینه سازی تخصیص تیم های امداد و نجات پس از زلزله، نسبت به زمانیکه از این الگوریتم برای بهینه سازی تابع هدف استفاده نگردد و نیز شبیه سازی زلزله، تیم ها و فعالیت ها طبق مدل ارائه شده در این پژوهش انجام نشود، بهبود 41/1 برابری خواهد داشت. استفاده از این الگوریتم جهت بهینه سازی شبیه سازی های این پژوهش و نیز پیاده سازی ساختار علمی و عملی فعالیت ها و تیم های عملیاتی امداد و نجات، راهکاری نوین در راستای بهبود کیفیت امداد و نجات پس از زلزله خواهد بود.

تشخیص مرز زمین های کشاورزی از تصاویر سنجش از دور با وضوح بالا یک چالش بزرگ ناشی از محیط پیچیده زمین است که آن را تبدیل به موضوع قابل توجهی در تحقیقات نموده است. کمبود داده های مکانی جهت تعیین مساحت و موقعیت اراضی کشاورزی، به منظور کنترل و برنامه ریزی در مورد کشت و غذا و همچنین تخمین پارامترهای آماری جهت مدیریت بهینه در کشاورزی و غیره، لزوم استخراج مرز این اراضی را محرز می سازد. برای این منظور مدل های منحنی فعال ابزاری قدرتمند جهت شناسایی و ردیابی عوارض تصویری می باشند. در راستای توسعه این مدل ها، در این تحقیق ترکیب دو مدل منحنی فعال غیر پارامتریک، از نوع ناحیه مبنای چان-ویس و مدل لبه مبنای هندسی در نظر گرفته شد تا به طور هم زمان از اطلاعات لبه و ناحیه در یک ساختار ریاضی هیبریدی برای استخراج مرز اراضی کشاورزی استفاده شود. این ترکیب قادر به جداسازی تنها یک نوع عارضه از پس زمینه می باشد؛ بنابراین برای افزایش کارایی مدل ترکیبی و ارتقا و توسعه آن برای تصاویر رنگی نیز تلفیق مدل ترکیبی با مدل چندسطحی انجام شد. پس از ارزیابی مدل پیشنهادی با نقشه مرجع تولید شده، مقادیر حاصل برای معیارهای ارزیابی محاسبه گردید که نشان دهنده مقادیر 90. 312 برای شاخص دقت کلی، 86. 186 برای ضریب کاپا و 81. 936 برای شاخص کیفیت، برای چهار تصویر با ویژگی های متفاوت بود. پس از مقایسه بین مقادیر به دست آمده برای شاخص های مورد نظر، مدل پیشنهادی به صورت میانگین 9% برای شاخص کاپا، 6% برای شاخص دقت کلی و 12% برای شاخص کیفیت افزایش دقت نسبت به مدل پایه را نشان داد. همچنین بررسی با آزمون مک نمار نیز بیانگر عدم وابستگی روش پیشنهادی و روش های پایه بود.

یکی از شناخته شده ترین روش های مورد استفاده توسط عموم مردم برای به اشتراک گذاری دانش مکانی، کروکی ها هستند. کروکی ها، با به تصویر کشیدن بخشی از شناخت مکانی افراد از محیط پیرامون می توانند به عنوان روشی کارا در زمینه جمع آوری داده های مکانی مورد توجه قرار گیرند. با توجه به اینکه هریک از کروکی های ترسیم شده از یک منطقه مشخص در برگیرنده اطلاعاتی متفاوت است از این رو ادغام این کروکی ها می تواند منجر به تهیه کروکی کاملتری در مقایسه با هریک از این کروکی ها شود. مساله مهم در اینجا یافتن تطابق بین عوارض موجود در کروکی ها به عنوان مبنای فرآیند ادغام می باشد. بر این اساس در این مقاله راهکار جدیدی برای انطباق بین معابر موجود در کروکی ها ارائه می گردد. از آنجا که مفهوم مجاورت بین عوارض در شناخت مکانی افراد از اهمیت بالایی برخوردار است؛ از این رو ارائه این راهکار، با تمرکز بر مفهوم مجاورت و نزدیکی و نیز اطلاعات توصیفی اماکن و معابر موجود در کروکی ها صورت گرفته است. در پیاده سازی راهکار مورد نظر، فرآیند انطباق چهار کروکی به صورت دو به دو انجام شده است. به منظور ارزیابی دقت این روش مقادیر Precision و Recall برای هر انطباق بین دو کروکی محاسبه شده است. مقادیر متوسط این دو پارامتر (به ترتیب 89. 63% و 87. 1%) نشان می دهد که این راهکار در مقایسه با دیگر پژوهش ها انجام شده در این حوزه، از دقت قابل قبولی برخوردار بوده است. از نتایج این طرح می توان در زمینه تکمیل اطلاعات توصیفی و هندسی در نقشه های متریک با انطباق با کروکی ها و نیز در سیستم های پرس و پاسخ از پایگاه داده مکانی با استفاده از ترسیم توسط کاربران استفاده کرد.

تهران به عنوان پایتخت و مرکز تجمع سرمایه های مادی و معنوی کشور بر اساس نقشه پهنه بندی خطر لرزه، در پهنه خطر بسیار زیاد و در معرض خطر شدید زلزله می باشد. علاوه بر وجود ساختمانهای قدیمی و ناپایدار در تهران، مسئله مهم دیگری که این شهر را در برابر زلزله بسیار آسیب پذیر نموده، پدیده روانگرایی است که به علت بالا بودن سطح تراز آبهای زیرزمینی در برخی از مناطق صورت می گیرد. از آنجایی که بیشتر خاک های شهر تهران از نوع آبرفتی و ماسه ای می باشد در اثر زمین لرزه، ساختمانی که حتی بر اثر نیروی افقی زلزله خراب نمی شود واژگون خواهد شد. هدف از این تحقیق مدلسازی مکانی آسیب پذیری لرزه ای با در نظر گرفتن تاثیر عمق سطح آبهای زیرزمینی و تعیین معیارهای تاثیر گذار در آسیب پذیری لرزه ای ( عوامل زمینی و زیرزمینی ) و عوامل انسانی می باشد. تعیین مکان و میزان آسیب پذیری نسبت به خطرات زلزله، به دلیل وابسته بودنش به پارامترهای مختلف و نظرات کارشناسان با عدم قطعیت هایی همراه است در این مقاله جهت بهینه سازی اطلاعات اولیه و تعیین قوانین تصمیم گیری و حصول نتایج با دقت نسبتا بالا در شرایط عدم قطعیت، از روش ریاضی مجموعه های زبر (راف) استفاده شده است. محدوده مورد مطالعه در این تحقیق مناطق 11، 16، 20 شهر تهران می باشد. در این تحقیق آسیب پذیری به پنج طبقه بسیار زیاد، زیاد، متوسط، کم و بسیار کم تقسیم شده است. نتایج پژوهش نشان می دهد با توجه به اینکه از شمال به جنوب منطقه مورد مطالعه عمق سطح آبهای زیرزمینی کاهش یافته با افزودن این پارامتر، میزان آسیب پذیری از شمال به جنوب منطقه افزایش یافته و درجه آسیب پذیری زیاد و بسیار زیاد به آن اختصاص یافته است.