علوم و فنون نقشه برداری
سال:1397 | دوره:7 | شماره:4 |تعداد مقالات:16

زیرساخت داده مکانی (SDI) با ایجاد بستر اطلاعاتی مناسب برای همکاری بین سازمان های مختلف نقش کلیدی در مدیریت بسیاری از فعالیت های انسانی دارد. این زیرساخت به طورسنتی در نسل اول و دوم SDI که تنها از داده های سازمان ها و شرکت ها استفاده می کند، یک رویکرد بالا به پایین را دنبال می کند، ازاین رو اطلاعات تولیدشده توسط شهروندان را در نظر نمی گیرد. از سوی دیگر، پلتفرم های وب 2. 0 و دستگاه های مجهز به GPS ابزارهای کاربرپسندی را برای مشارکت مردم در به اشتراک گذاری داده های مکانی فراهم می کنند. دادههای تولیدشده توسط مردم که VGI نامیده می شوند، اطلاعات باارزشی هستند که می توانند به منظور تکمیل و به روزرسانی با دیگر منابع SDI تلفیق شوند. در این زمینه، دیدگاه SDI کاربرمحور که متمرکز بر نیازها و اولویت کاربران است، از فرصت های ایجادشده توسط VGI پشتیبانی می کند. در این مقاله سیستمی براساس استفاده از داده های VGI به عنوان منبع دیگری از SDI که VSDI نامیده شده است در حوزه حمل ونقل جاده ای پیاده سازی شده است. در حوزه حمل ونقل جاده ای به ویژه انتخاب مسیر، تبادل حجم زیادی از داده های مکانی، همکاری بین سازمان های مختلف و همچنین مشارکت مردم در جهت دستیابی به پایداری، ضروری است. اما کمبود اطلاعات، به روز نبودن اطلاعات یا نبود روشی یکسان در جمع آوری اطلاعات از مسائل فرهنگی و اجتماعی منطقه، معمولاً از بزرگ ترین موانع در به دست آوردن نتایج قابل اطمینان با توجه به واقعیت ها است. سیستم مبتنی بر VSDI می تواند با فراهم کردن محیطی برای تسهیل مشارکت مردم، اطلاعات به روز از منطقه را برای تصمیم گیری بهتر و کاراتر در اختیار تصمیم گیران قرار دهد. نتایج این تحقیق نشان می دهد که مردم به مشارکت در امر برنامه ریزی حمل ونقل و به اشتراک گذاری اطلاعات مکانی تمایل دارند. از این رو، استفاده از داده های VGI به عنوان منبع دیگری در SDI می تواند به اخذ تصمیمات کاراتر و افزایش سطح رضایت مندی مردم در حوزه حمل ونقل، کمک کند.

باوجوداینکه فتوگرامتری برد کوتاه در حوزه مهندسی عمران به ویژه جابجایی سنجی سازه های بزرگ مقیاس خیلی متداول نشده است، اما پروژه های موفق اجراشده در این زمینه گویای پتانسیل بالای این روش در این حوزه است. امروزه با در دسترس بودن دوربین های پیشرفته رقومی ارزان قیمت، امکان اخذ و پردازش نرم افزاری تصاویر رقومی و درکل کم هزینه تر و آسان تر شدن پیاده سازی سیستم های فتوگرامتری، امکان به کارگیری بیش ازپیش فن های فتوگرامتری به عنوان جایگزینی برای روش های سنتی جابجایی سنجی، توجیه های بیشتری یافته است. این مقاله یک روش نوین نظارت و بررسی سازه های بزرگ مقیاس بر اساس نظارت بصری را بیان می کند. این روش، تشخیص جابجایی سازه ها بر اساس روش های فتوگرامتری و بینایی ماشین با استفاده از آنالیز تصاویر اخذشده به وسیله ی پهپاد را امکان پذیر می سازد. در این تحقیق با علم بر اینکه جابجایی سازه موردمطالعه در یک بازه زمانی کوتاه نزدیک به صفر است؛ روش فتوگرامتری پهپاد مبنا مورد ارزیابی قرار گرفت؛ به این صورت که مختصات به دست آمده برای دو اپک باهم مقایسه شده و اختلاف به دست آمده بیانگر دقت روش مذکور می باشد. علاوه بران با طراحی یک ابزار برای سنجش صحت روش فتوگرامتری، تغییری مشخصی در موقعیت دونقطه در مرحله دوم داده شد و میزان جابجایی این تغییر با استفاده از روش ارائه شده موردبررسی قرار گرفت. با توجه به دقت به دست آمده که 89/1 میلی متر می باشد، می توان نتیجه گرفت که ترکیب سیستم هواپیمای بدون سرنشین و روش های فتوگرامتری و بینایی ماشین می تواند به بهبود کیفیت و دقت نظارت سازه ها کمک کند.

آشکارسازی و شناسایی مناطق مستعد زمین گرمایی سطحی و کم عمق، با استفاده از داده های سنجش از دور یکی از روش های نوین در بسیاری از کاربردها می باشد. هدف این مطالعه شناسایی مناطق مستعد زمین گرمایی سطحی با ترکیب دمای سطح و فلوهای انرژی حاصل از روش سبال با استفاده از داده های لندست 8 در شمال غرب کشور مورد ارزیابی و تجزیه و تحلیل قرار گرفته است. برای این منظور و به دلیل حداقل بودن اثر تشعشعات خورشیدی، دو فریم از داده های لندست 8 به تاریخ 13 اکتبر 2016 مورداستفاده قرار گرفت. سپس با استفاده از دو الگوریتم تک باندی محاسبه دما، معادله انتقال تشعشع حرارتی و الگوریتم جیمز-سوبرینو (SCJM&S)، نقشه دمای مشاهداتی سطح زمین مشخص گردید. همچنین با استفاده از الگوریتم توازن انرژی در سطح زمین (سبال) مقدار تشعشعات خالص دریافتی توسط سطح زمین، انرژی خالص هدایت شده به زمین و مقدار تابش جذب شده خورشیدی توسط سطح محاسبه گردید. برای اولین بار، با ترکیب این لایه های اطلاعاتی با دمای مشاهداتی سطح، مناطق مستعد انرژی زمین گرمایی شناسایی و تعیین گردیدند. نتایج نشان داد که مناطقی مابین شهرهای مرند و تسوج و همچنین مابین شهرهای خوی و قطور مناطق مستعد زمین گرمایی سطحی می باشد که وجود آبگرم طبیعی در منطقه قطور احتمال وجود منابع زمین گرمایی را افزایش داده و موءید این مطلب می باشد. همچنین، نتایج مشابه در مناطقی در جنوب شهر ارومیه و در غرب شهر اشنویه حاصل گردید. این مناطق حاصل، حداکثر فاصله ای که از محل مصرف انرژی (شهرهای ارومیه، خوی، مرند، تسوج، شرفخانه و اشنویه) دارند، برابر 30 کیلومتر میباشد که از لحاظ اقتصادی قابل توجیه بوده و می توانند بخش عظیمی از انرژی مصرفی را در صنعت و شهرها تأمین نموده و محیط زیست سالم و پاک را به ارمغان بیاورد.

بسیاری از تصمیم گیری های مکانی در دنیای واقعی به طور ذاتی، تصمیم گیری های چند معیاره می باشند. یک تحلیل تصمیم گیری مکانی چند معیاره عبارت است از فرآیندی که در آن یک یا چند گزینه مکانی بر اساس مجموعه ای از معیارهای مختلف، توسط یک یا گروهی از افراد، ارزیابی شده و انتخاب می گردند. وزن دهی معیارها یکی از ارکان مهم تحلیل های تصمیم گیری مکانی چند معیاره به شمار می آید. بر طبق اصل حساسیت به تغییرات مقادیر معیارها، مقدار وزن یک معیار علاوه بر اهمیت نسبی آن معیار نسبت به سایر معیارها، تابع محدوده و یا بازه تغییرات مقادیر آن معیار (اختلاف بین مقادیر مینیمم و ماکزیمم برای یک معیار) نیز می باشد. هدف از این تحقیق، پاسخ به سوال"آیا در یک تصمیم گیری مکانی چند معیاره مانند مکان یابی، تصمیم گیران به چه میزان بازه تغییرات مقادیر معیار ها را در حین وزن دهی در نظر می گیرند؟ " می باشد. به منظور دستیابی به اهداف این پژوهش، مسئله مکانی یابی پارکینگ های عموی در منطقه 22 شهر تهران به عنوان مطالعه موردی انتخاب گردید. نتایج حاصل از این تحقیق نشان می دهد که تصمیم گیران در حالت تصمیم گیری فردی (بدون دسترسی به تصمیم گروهی) 5/55، 8/26، 5/24 و 5/14 درصد و در حالت تصمیم گیری گروهی (با دسترسی به تصمیم گروهی) 8/21، 6/8، 4/8 و 9/7 درصد از بازه های مقادیر معیارها را به ترتیب در چهار حجم اطلاعات تصمیم گیری مختلف بررسی نمودند. همچنین نتایج آزمون آماری ANOVA نشان می دهد که این نسبت با افزایش حجم اطلاعات تصمیم گیری کاهش می یابد. بنابراین می توان نتیجه گرفت که تصمیم گیران در حین وزن دهی معیار ها به ویژه زمانی که با حجم اطلاعات تصمیم گیری بالایی مواجه هستند، عمدتاً اهمیت نسبی معیارها را در نظر گرفته و اکثر مواقع بازه یا محدوده تغییرات مقادیر معیارها را نادیده می گیرند.

محدودیت های سنجنده های مختلف سنجش از دور و ضعف آنها در شناسایی عوارض مختلف باعث شد ادغام داده های حاصل از سنجنده های مختلف به منظور بهبود نتایج طبقه بندی مورد توجه قرار گیرد. در میان سنجنده های مختلف کنونی، در سال های اخیر دو سنجنده فراطیفی و لیدار به منظور طبقه بندی زمین بسیار پرکاربرد بوده اند. داده های حاصل از لیدار اطلاعات ارتفاعی مناسبی را از عوارض زمینی به ویژه عوارض دارای ارتفاع مانند ساختمان فراهم می کنند در حالی که اطلاعات طیفی ضعیفی از عوارض ایجاد می کنند. در همین حال داده های حاصل از سنجنده های فراطیفی اطلاعات طیفی مناسبی از عوارضی مانند خاک، آب و چمنزارها فراهم می کنند ولی اطلاعات ارتفاعی مناسبی از آنها در دسترس نیست. تحقیق پیش رو به منظور طبقه بندی بهتر عوارض زمینی، از مفهوم سیستم طبقه بندی کننده چندگانه فازی برای طبقه بندی داده های فراطیفی و لیدار استفاده می کند. پس از استخراج فضای ویژگی برای هر دو داده فراطیفی و لیدار، از روش طبقه بندی فازی نزدیکترین همسایگی برای طبقه بندی فازی هر داده استفاده خواهد شد. روش ادغام مورد استفاده برای ادغام تصمیمات فازی، روش الگوی تصمیم گیری می باشد. به منظور ارزیابی هر چه بیشتر روش پیشنهادی، یک سیستم طبقه بندی کننده چندگانه تک مقداری نیز به منظور مقایسه نتایج با روش پیشنهادی فازی ارائه می شود. در قسمت تک مقداری از طبقه بندی کننده ماشین بردار پشتیبان (SVM) برای طبقه بندی هر داده بصورت مجزا استفاده می شود و در ادامه روش ادغام بیزین برای ادغام نتایج طبقه بندی در سطح تصمیم گیری مورد استفاده قرار می گیرد. روش پیشنهادی روی داده فراطیفی و لیدار دانشگاه هیوستون و محوطه شهری اطراف آن پیاده سازی شد. نتایج طبقه بندی فازی داده های لیدار و فراطیفی 75% و 88% بوده است. این درحالی است که سیستم فازی ادغام طبقه بندی کننده ها دقت 96% را ایجاد کرده است. استفاده از ادغام طبقه بندی کننده ها باعث بهبود طبقه بندی کلاس های زمینی می شود. به علاوه این تحقیق نشان می دهد سیستم طبقه بندی کننده چندگانه در حالت فازی در نهایت بیشترین افزایش دقت را در مقایسه با سیستم های تک مقداری حاصل می کند.

شناسایی عوارض با ماهیّت یکسان در مجموعه داده های مختلف تحت عنوان تناظریابی شناخته می شود که می تواند کاربردهای متفاوتی نظیر تلفیق، به روز رسانی و ارزیابی کیفیت داشته باشد. هدف از این مطالعه ارائه راهکاری جهت شناسایی عوارض چندضلعی متناظر با استفاده از خصوصیات هندسی عوارض می باشد. بدین منظور راهکاری متشکل از چهار مرحله پیش پردازش، محاسبه شباهت مکانی، استخراج روابط متناظر و ارزیابی نتایج پیشنهاد می گردد. در این راهکار یک الگوریتم تناظر یابی احتمالی مبنا ارائه شده که در آن از چهار معیار اندازه گیری شباهت فاصله، مساحت هم پوشانی، جهت و شکل عارضه استفاده شده است. پیاده سازی بر روی منطقه شش تهران به عنوان منطقه مورد مطالعه با دو مجموعه داده متفاوت با مقیاس های 1: 2000 و 1: 25000 انجام شده است. نتایج نشان می دهد که الگوریتم ارائه شده با ترکیب چهار معیار معرفی شده به دقت F1-score برابر با 99 درصد بر روی منطقه مطالعاتی رسیده است. همچنین در این تحقیق میزان تأثیر هریک از معیارهای مورد بررسی هم به صورت مجزا و هم در حالت های مختلف ترکیب با یکدیگر مورد مطالعه قرار گرفت که نشان می دهد لزوما با افزایش تعداد معیار های شباهت دقت افزایش نمی یابد.

با ظهور پدیده ای جدید در حوزه گردشگری با نام گردشگر انفرادی، توسعه سامانه ای همراه به منظور توصیه افراد مشابه به یکدیگر باهدف بازدید از مناطق دیدنی به صورت مشترک ضروری است. این سامانه می تواند به گردشگرانی که به صورت انفرادی سفر می کنند کمک کند تا با به اشتراک گذاری گردش های خود، از سفرشان بیشتر لذت ببرند. همچنین معمولاً گردشگران با مسیرهای مقصد گردشگری خود آشنا نیستند و یک برنامه ریز مسیر باهدف ارائه مسیر به صورت جداگانه به هر گردشگر در یک سفر اشتراکی، می تواند بسیار سودمند واقع شود. هدف این مقاله طراحی، توسعه، اجرا و ارزیابی یک سامانه ی همراه است که امکان توصیه گردشگر های مشابه به یکدیگر و برنامه ریزی گشت های تفریحی مشترک بر اساس موقعیت های جغرافیایی مختلف آن ها را میسر می کند. همراه بودن این سامانه تأثیر بسزایی در عملکرد آن به خصوص در هنگام ناوبری می گذارد. این سامانه از یک سیستم توصیه گر مبتنی بر فیلتر جمعیت شناسی به منظور توصیه گردشگر های مشابه به یکدیگر استفاده می کند. همچنین الگوریتم مورچه که یکی از الگوریتم های مشهور هوش مصنوعی است به منظور برنامه ریزی مسیر در این سامانه مورداستفاده قرارگرفته است. به منظور ارزیابی سیستم توصیه گر این سامانه، تعدادی پرسشنامه میان افراد مختلف توزیع شد. همچنین برای ارزیابی الگوریتم برنامه ریز مسیر، از الگوریتم ژنتیک برای بررسی میزان دقت و صحت الگوریتم استفاده شد. نتایج ارزیابی مشخص کننده میانگین تفاوت 2/0 بین عملکرد سیستم توصیه گر و نتایج حاصل از پرسشنامه بود که عملکرد مناسب سیستم توصیه گر را نشان می دهد. الگوریتم برنامه ریز مسیر نیز به کمینه مقدار تابع هدف با انحراف معیار 61/0 دست پیدا می کند که نشان دهنده دقت بالای این الگوریتم است اما الگوریتم ژنتیک با میانگین مقادیر 32/34 صحیح تر از این الگوریتم عمل می کند.

حفظ الگوهای منسجم و مطلوب توسعه شهری از مشکلات اکثر شهرهای ایران می باشد و تنها راهکار ایده ال و مطلوب توسعه شهری همگون، برنامه ریزی برای نحوه استفاده از زمینهای شهری برای حال و آینده شهرهاست؛ چرا که برنامه ریزی کاربری اراضی شهری یکی از محورهای اصلی برنامه ریزی شهری است که همراه با برنامه ریزی شبکه، فضای سبز، تاسیسات شهری و غیره، استخوان بندی اصلی شهر و نحوه توسعه آتی شهر را مشخص می کند. نحوه رویکرد و چگونگی برنامه ریزی کاربری اراضی شهری نقش اساسی در کیفیت و کارآیی برنامه های جامع شهری خواهد داشت. در سال های اخیر به منظور حل مشکلات موجود در نحوه رویکرد و چگونگی برنامه ریزی کاربری اراضی شهری استفاده از تکنولوژی عامل مبنا رشد قابل ملاحظه ای پیدا کرده است. عامل ها با تجمیع و ادغام تصمیم گیری های فردی الگوهای حاصله را تولید می کنند. در این تحقیق، یک مدل عامل مبنای پویا در محیط GIS، برای مدل سازی رشد شهری با توجه به تغییرات کاربری اراضی توسعه داده شده است. به منظور مدل سازی تغییرات کاربری اراضی از عامل های محدودیت های فیزیکی، تناسب (سازگاری) و محدوده حفاظتی استفاده شده است. مدل توسعه داده شده دارای محیطی منطعف با قابلیت تغییر پارامترها و مقادیر اولیه با هدف مدل سازی رشد شهری است و رشد شهری شهر تهران در بازه زمانی 5 ساله مورد بررسی قرار گرفته است. عامل های این مدل قطعات زمین، محدودیت های فیزیکی، تناسب و محدوده حفاظتی می باشد. این عامل ها می توانند در هر گام زمانی وضعیت خود را از توسعه نیافته به توسعه یافته تغییر دهند. تصمیم عامل برای تغییر وضعیت خود بر مبنای معیارهای شایستگی مشخص شده و محدودیت های لحاظ شده انجام می شود و در این میان ویژگی های مرتبط عامل نیز مورد ارزیابی قرار می گیرند.

رشد و توسعه بی رویه مناطق شهری و تبدیل اراضی در دهه های اخیر موجب تغییراتی در سیمای محیط زیست طبیعی شده که یکی از اثرات مهم آن ایجاد رواناب بیشتر و وقوع سیلاب های مخرب می باشد. از روش های مورد استفاده مدیران و برنامه-ریزان جهت یررسی تغییرات کاربری، مدل سازی آن می باشد. از اینرو پژوهش حاضر با هدف پیش بینی تغییرات کاربری اراضی با تاکید بر توسعه فیزیکی شهر ساری با استفاده از رگرسیون لجستیک و زنجیره مارکوف انجام شد. برای این منظور از تصاویر سنجنده های TM و OLI مربوط به سال های 1366، 1380 و 1394 استفاده گردید. ابتدا بر روی تصاویر، پیش پردازش های لازم، سپس با استفاده از طبقه بندی نظارت شده و الگوریتم حداکثر احتمال نقشه های کاربری اراضی تهیه گردید. پیش بینی کاربری اراضی و مدل سازی پتانسیل انتقال با استفاده از رگرسیون لجستیک در نرم افزار IDRISI انجام شد. در این روش 6 متغیر و 3 زیر مدل در طی دوره های 1380-1366، 1394-1380 و 1394-1366 مورد استفاده قرار گرفت. ارزیابی دوره های واسنجی با استفاده از روش GEOMOD و آماره های کاپا تعیین شد. به منظور پیش بینی کاربری اراضی سال 1394 از دوره 1394-1366 با استفاده از زنجیره مارکوف و مدل پیش بینی سخت استفاده شد. در نهایت از نقشه تغییرات کاربری اراضی دوره 1394-1366 به منظور پیش بینی کاربری اراضی سال 1404 و 1418 استفاده شد. نتایج نشان داد که طی سال های 1394-1366، تغییرات کاربری اراضی شامل افزایش 49/4 و کاهش 13/4 درصدی اراضی مسکونی و اراضی کشاورزی بودند. همچنین نتایج مدل-سازی پتانسیل انتقال در تمام سناریوها صحت بالایی (72/0 تا 92/0) را نشان داد. ضریب کاپا در مدل سازی کاربری اراضی برای سال 1394 با دوره واسنجی 1394-1366 و نقشه واقعیت سال 1394 از سایر سناریوها بیشتر بود. نتایج مدل سازی برای سال 1404 و 1418 نشان داد توسعه فیزیکی شهر ساری در جهات غرب، جنوب، شمال و شرق به ترتیب 02/8، 47/6، 37/6 و 41/4 درصد بیشترین مقادیر را به خود اختصاص داده بودند.

شناخت محیط های شهری و درک رفتار حرکتی شهروندان یک زمینه تحقیقاتی مهم در حوزه تحلیل داده های مکانی است. شبکه های اجتماعی مکان مبنا داده های به روز، غنی و عظیمی را که کاربران به طور صادقانه ای از رفتار مکانی، زمانی و معنایی خود به اشتراک می گذارند، ثبت و جمع آوری می کنند. در این تحقیق تلاش شده است بر مبنای داده های مکانی و معنایی شبکه های اجتماعی مکان مبنا، محیط های شهری بر مبنای کاربری های اجتماعی خوشه بندی شوند. بدون تردید ساختار فیزیکی و همچنین کاربری یک منطقه شهری بر روی رفتار مکانی شهروندان تأثیر می گذارد و این تأثیر به داده های شبکه های اجتماعی مکان مبنا نیز سرایت می کند. در این راستا در اولین گام با به کارگیری یک الگوریتم خوشه بندی مبتنی بر شبکه عصبی رقابتی (SOM) داده های مکانی کاربران خوشه بندی میگردد. سپس با رسم دیاگرام ورونوی بر روی مراکز خوشه ها، محیط شهری به چند منطقه افراز شده و داده هایی که کاربران در هر منطقه ثبت کرده اند مشخص می شود. پس از استخراج درصد هر گروه از داده های معنایی و با در نظر گرفتن وزن هر یک از این گروه ها، با بهره گیری از الگوریتم فرا ابتکاری ژنتیک شاخص بهینه ای برای تعیین کاربری اجتماعی محاسبه می گردد. سپس با استفاده از یک الگوریتم خوشه بندی بر مبنای شاخص تعیین شده، به هر منطقه یک بعد معنایی که نماینده کاربری اجتماعی آن منطقه است، نسبت داده شد. به منظور ارزیابی روش پیشنهادی، نمودار تغییرات زمانی تعداد داده ها در طول شبانه روز برای پنج روز کاری هفته و دو روز پایان هفته برای هر گروه از داده های معنایی رسم شده و برای خوشه های شناسایی شده از روش پیشنهادی نیز استخراج گردید. سپس از همبستگی بین این نمودارها به عنوان شاخص ارزیابی روش پیشنهادی استفاده شد. نتایج حاصل از این تحقیق، بیانگر پتانسیل بالای شبکه های اجتماعی مکان مبنا برای شناخت محیط های شهری می باشد.

به دلیل محدودیت های فنی و مالی، تجهیزات سنجش ازدوری به طور هم زمان نمی توانند توان تفکیک بالای مکانی و زمانی را برای یک سنجنده فراهم آورند. بااین وجود نیاز به پایش تغییرات فصلی مناطق مختلف در سطح توان تفکیک بالای مکانی در حیطه علوم تغییرات جهانی ضروری به نظر می رسد. دوره بازگشت 16 روزه سنجنده استر، استفاده از این سنجنده را برای مطالعه فرایندهای بیوفیزیکی جهانی که شامل دوره های سریع رشد می شوند را به طور گسترده ای محدود کرده است. در مناطق ابری زمین وضع بدتر هم می شود و محققین باید خوش شانس باشند که دو یا سه تصویر بدون ابر در یک سال از منطقه به دست آورند. در همین زمان توان تفکیک مکانی پایین سنجنده هایی چون مادیس توانایی سنجنده را برای بیان کمی فرآیندهای بیوفیزیکی در مناطق ناهمگن محدود می کنند. در این تحقیق روشی تحت عنوان مدل بهبودیافته ادغام سازگار مکانی و زمانی یا ESTARFM برای ترکیب محصولات دمای سطح زمین سنجنده های استر و مادیس استفاده شده است. با استفاده از این روش اطلاعات پرتکرار زمانی سنجنده مادیس و اطلاعات با توان تفکیک مکانی بالای سنجنده استر می توانند برای کاربردهایی که به توان تفکیک بالا در دو بعد مکان و زمان نیاز دارند ترکیب شوند. نتایج این الگوریتم بهبود دقت پیش بینی دمای سطح زمین با توان تفکیک بالای مجازی، به ویژه در مناطق غیر همگن و حفظ جزئیات مکانی را نشان داده است. به کارگیری این الگوریتم برای ادغام محصولات دمایی سنجنده های مادیس و استر برای قسمتی از شهر تهران حاکی از نتایج قابل قبول این الگوریتم (ریشه میانگین مربع خطاها برابر 2/3 درجه کلوین، میانگین خطای برابر 7/1 درجه کلوین، انحراف معیار خطاها برابر 6/2 درجه کلوین و ضریب همبستگی 87 درصدی بین داده واقعی و محصول پیش بینی شده) می باشد.

با توجه به توسعه الگوریتم ها و پیشرفت تکنولوژی در اخذ اطلاعات مکانی دقیق و سه بعدی، تولید مدل های سه بعدی ساختمان ها به منظور ایجاد مدل های مجازی شهری، به روزرسانی سیستم های اطلاعات مکانی، و طراحی و مدیریت شهری، به یکی از مسائل مهم در زمینه فتوگرامتری و بینایی کامپیوتر تبدیل گشته است. بازسازی سه بعدی ساختمان ها، ایجاد یک مدل و نمایش ریاضی از سطوح سه بعدی اجزای ساختمان ها است که با بهره گیری از روش های مختلف از قبیل روش های تفسیر تصویرمبنا، مدل سازی تصویرمبنا و مدل-سازی فاصله مبنا و با استفاده از منابع داده ای متفاوت از جمله ابر نقاط سه بعدی حاصل از تصاویر چندمنظره فتوگرامتری و یا سیستم های لیزر اسکن هوایی (لایدار) امکان پذیر است. در این مقاله، روش های تولید مدل سه بعدی مبتنی بر تکنیک مثلث بندی سطوح از جمله روش پواسن، روش چرخش توپ و روش مثلث بندی حجمی با الگوریتم مکعب های مارش و همچنین روش های ساده-سازی این مدل ها از قبیل روش خوشه بندی رئوس و روش کاهش رئوس با استفاده از خطای کوادراتیک مورد بررسی و ارزیابی قرار گرفته است. به منظور ارزیابی مدل سه بعدی تولید شده توسط هر روش، از یک متریک ریاضی به نام فاصله هازدورف استفاده شده است. با توجه به نتایج حاصل از این ارزیابی، روش مثلث بندی حجمی با الگوریتم مکعب های مارش دارای دقت بالاتری در مدل سازی نسبت به سایر روش ها است، علاوه براین روش ساده سازی فروپاشی لبه با استفاده از خطای کوادراتیک نسبت به سایر روش های ساده سازی دارای عملکرد بهتری است.

یکی از مهمترین اهداف پژوهشگران در حوزه پلاریمتری فشرده، پیشنهاد روش هایی جهت نزدیک تر کردن اطلاعات و نتایج حاصل از داده های پلاریمتری حالت فشرده به نتایج حاصل از داده های پلاریمتری حالت کامل می باشد. یکی از روش های پرکاربرد جهت استخراج مکانیسم های پراکندگی داده های پلاریمتری، روش طبقه بندی بر اساس فضای انتروپی-آلفا می باشد. فضای طبقه بندی انتروپی-آلفای داده حالت فشرده دو دایروی که در ادبیات موضوع ارائه شده است دقیق نبوده و مرزهای مربوطه به صورت تقریبی بدست آمده اند. بنابراین در این مقاله رویکرد نوینی برای دقیقتر نمودن مرزهای آلفا و انتروپی برای طبقه بندی داده حالت فشرده دو دایروی مربوط به سنجنده RADARSAT-2 ارائه شده است. در این رویکرد مرزهایی که نتایج حاصل از طبقه بندی توسط آن ها بیشترین مشابهت را با نتایج طبقه بندی داده حالت کامل ایجاد می نماید بعنوان مرزهای بهینه معرفی شده و بدست آمده اند و نتایج نشان می دهند که دقت طبقه بندی با استفاده از مرزهای پیشنهادی برای دادگان مورد آزمایش به طور میانگین 3 درصد نسبت به مرزهای پیشین افزایش یافته است.

پوشش گیاهی به عنوان شاخص مهم در مدیریت مراتع، نقش بسزایی را در فرایندهای اکولوژیکی ایفا می نماید. با توجه به نبود مدل برآورد تاج پوشش سبز گیاهی در مرتع مرجن بروجن با هدف بررسی تغییرات زمانی تاج پوشش گیاهی، تحقیق حاضر انجام شد. در تکمیل تحقیقات گذشته، در این تحقیق سعی شد اثر دوره رویشی گیاه و اثر زمان در مدل برآورد تاج پوشش سبز گیاهی حذف شده، در نتیجه مدلی ارائه شد که در تمام فصل رویش و برای زمان هایی هم که نمونه زمینی موجود نبود قدرت برآورد مناسبی را داشت. بدین منظور، تاج پوشش سبز گیاهی در 19 نقطه نمونه برداری (در هر نقطه 5 کوادرات) در طول ترانسکتی به طول 10 کیلومتر اندازه گیری شد. اندازه گیری ها طی 4 دوره عملیات صحرایی تکرار شد. سپس 12 شاخص گیاهی محاسبه شد. با استفاده از رابطه رگرسیونی بین تاج پوشش زمینی حاصل از 4 دوره نمونه برداری و شاخص های گیاهی، مدل برآورد تاج پوشش سبز گیاهی تهیه، سپس این مدل برای تولید نقشه درصد تاج پوشش در 4 دوره زمانی دیگر هم که نمونه زمینی در دست نبود نیز تعمیم داده شد. نهایتاً نقشه تاج پوشش در 8 دوره زمانی طی فصل رویش از فروردین الی شهریور تهیه گردید. طبق نتایج، شاخص های گیاهی مقاوم به شرایط جوی، بهبود یافته و همچنین شاخص گیاهی مقاوم به شرایط جو و خاک با ضرایب تبیین 80/0 بهترین ارتباط را با تاج پوشش گیاهی دارند. به طور کلی نتیجه گیری می شود، دست یابی به مدل برآورد پوشش گیاهی که در تمام فصل رویش مورد استفاده قرار بگیرد با استفاده از داده های سنجنده OLI در این مناطق امکان پذیر می باشد. مطابق با نقشه های پوشش بدست آمده در 8 دوره زمانی، مرتع مرجن در اردیبهشت ماه در اوج رویش میباشد. بیشترین مساحت منطقه از نظر میزان تغییرات پوشش طی فصل رویش، در طبقه تغییرات کم می باشد. در بازه زمانی فروردین الی اواخر اردیبهشت طبقات افزایشی در منطقه مشهود است ولی پس از این بازه، طبقات کاهشی در منطقه غالب می-باشد.

شناسایی عوارض از روی تصاویر سنجش ازدوری جهت استخراج اطلاعات و تهیه ی نقشه همواره امر مهم و چالش برانگیزی بوده است. در بسیاری مواقع تشخیص عوارض در مناطقی از تصویر که در سایه ی عوارض دیگر قرار دارند با مشکل مواجه می شود. ازاین رو باید الگوریتم هایی جهت بهبود شناسایی و تشخیص عوارض در این نواحی توسعه داده شوند. الگوریتم های ثبات رنگ کارایی بسیار بالایی جهت بهبود تصاویر تاریک غیر متریک آزمایشگاهی دارند؛ اما به ندرت در مقوله پردازش تصاویر ماهواره ای استفاده شده اند. ازاین رو هدف از انجام این تحقیق بررسی و ارزیابی قابلیت این الگوریتم ها برای بارزسازی مناطق قرارگرفته در سایه تصاویر سنجش ازدوری است. در این مطالعه با استفاده از تعریف یک سیستم فازی به انتخاب یک الگوریتم ثبات رنگ مناسب از میان سه الگوریتم ثبات رنگ (White-Patch (WP) و Gray-World(GW) و Gray-Edge(GE)) پرداخته شده است. جهت ارزیابی روش ارائه شده منطقه موردمطالعه به 50 ناحیه مساوی شکسته شد و سپس کارایی روش های WP، GW و GE در هریک از این نواحی توسط دو عامل خبره موردبررسی قرار گرفت. با توجه به اینکه منطقه موردمطالعه دارای وضعیت های سایه مختلف و اشیاء متفاوت است لذا اطلاعات موجود در نواحی همبسته نیست و این موضوع باعث می شود که ارزیابی نتایج قابل اتکا باشد. بر اساس خروجی ها مشاهده می شود که در بیشتر مواقع الگوریتم انتخاب شده GE نسبت به دو الگوریتم دیگر نتایج بهتری را در آشکارسازی عوارض در مناطق سایه داشته است و توانسته لبه ی عوارض را به صورت بهتری در این مناطق آشکار کند. بنا بر نتایج به دست آمده از ماتریس ابهام دقت روش GE با سطح اطمینان 100% از دو روش دیگر بهتر بوده است؛ اما روش GE در 10% موارد بهبود مناسبی ازنظر بارزسازی عوارض موجود در مناطق سایه ایجاد نکرده است.

در طول سالیان اخیر مطالعات گوناگونی در خصوص روند تغییرات ساختار شهر و همچنین فرایند فرسودگی بافت در محلات شهری صورت گرفته است. جهت تهیه نقشه حساسیت فرسودگی بافت، از مدلهای تجزیه و تحلیل تصمیم گیری چند معیاره و برخی از مدلهای آماری در این مطالعه استفاده شده است. علاوه بر این جهت شناسایی بافت فرسوده و تحلیل آن معیارهای متفاوتی مورد استفاده قرار گرفته است. در این پژوهش با توجه به بررسی پیشینه ادبیات تحقیق، چهار معیار اکولوژیکی و زیست محیطی، اقتصادی، اجتماعی و کالبدی مبتنی بر زیرمعیارهای مشخص جهت تجزیه و تحلیل و تهیه نقشه حساسیت پذیری فرسودگی بافت شهری مورد استفاده قرار گرفته است. هدف از این مطالعه ارزیابی حساسیت وقوع فرسودگی بافت در شهر بندرعباس، واقع در جنوب ایران می باشد. جهت دستیابی به هدف مذکور از ادغام سیستم اطلاعات مکانی (GIS) با روش های AHP، Frequency Ratio، Statistical index(Wi)، Weighting factor (Wf) و Logistic Regression استفاده شده است. نتایج بدست آمده نشان می دهد که بیش از نیمی از بافت شهری بندرعباس در طول سالیان اخیر بدلیل عدم برنامه ریزی و مدیریت دچار فرسودگی شده اند که جلوگیری از تشدید این مسئله و تاثیر آن بر روی بافت های همجوار بسیار حائز اهمیت می باشد. از این رو جهت دستیابی به این مهم، برداشت اطلاعات مناطقی که مستعد فرسودگی بوده و یا اینکه دچار فرسودگی شده اند انجام گرفته و پارامترهای که در وقوع فرایند فرسودگی بافت شهری موثر می باشند با استفاده از روش های مختلف مورد تجزیه و تحلیل قرار گرفته است و روشهایی که نتایجی با دقت بالا را بدست آورده اند مشخص گردیده است. نتایج صحت سنجی نشان می دهد که روش Wf در پیش بینی حساسیت فرسودگی بافت شهری بندرعباس نسبت به روشهای AHP، Frequency Ratio، Wi(statistical index) و logistic regression از دقت بالا و بهتری برخوردار می باشد.