علوم و فنون نقشه برداری
سال:1394 | دوره:5 | شماره:2 |تعداد مقالات:21

در این مقاله یک روش نوین طبقه بندی متنی به منظور طبقه بندی تصاویر پلاریمتری رادار با روزنه مجازی ارائه شده است. روش پیشنهادی با تلفیق ماشین بردار پشتیبان (SVM) و طبقه بندی کننده ویشارت عمل می کند. بدین ترتیب این روش از مزایای هر دو نوع روش های پارامتریک و غیر پارامتریک بهره می برد. در این روش، ابتدا تابع انرژی اولیه میدان های تصادفی مارکوف (MRF) در یک همسایگی از هر پیکسل محاسبه می گردد. سپس با استفاده از ماتریس کوواریانس داده های پلاریمتری برای هر پیکسل و در نظر گرفتن توزیع ویشارت برای آن، تابع انرژی تفاضلی MRF محاسبه گردیده و در طبقه بندی کننده SVM وارد می شود. بنابراین روش پیشنهادی علاوه بر اطلاعات پراکنش مختلف، از اطلاعات همسایگی نیز بهره می برد و این باعث کاهش نویز نمک فلفلی در نتیجه طبقه بندی می گردد. به منظور انتخاب ویژگی های مناسب و تعیین پارامترهای بهینه برای طبقه بندی کننده SVM، از الگوریتم ژنتیک استفاده شده است. در این مقاله از دو تصویر پلاریمتری رادارست 2 مربوط به فصل زمستان و تابستان از یک منطقه جنگلی دارای گونه های مختلف استفاده شده است. به منظور بررسی عملکرد روش پیشنهادی، نتایج بدست آمده از این روش با نتایج تعدادی از روش های پایه در طبقه بندی تصاویر پلاریمتری مقایسه شد. در نهایت طبقه بندی به این روش نسبت به روش های ویشارت، ویشارت-مارکوف و SVM، به ترتیب 16، 11 و 7 درصد افزایش دقت را نشان می دهد.

در این مقاله، یک روش نظارت نشده برای آشکارسازی تغییرات با استفاده از تصاویر پلاریمتری رادار با روزنه ترکیبی ارائه گردیده است. آماره آزمون ویشارت تصحیح یافته متقارن، به منظور ارزیابی برابری دو ماتریس کواریانس چندمنظر مربوط به دو تصویر پلاریمتری SAR در دو زمان مختلف بکار گرفته شده تا تصویر تک باندی خروجی آن در یک الگوریتم نظارت نشده حد آستانه گذاری قرار گیرد و در نهایت نقشه تغییر/عدم تغییر بدست آید. به طور خاص، الگوریتم حد آستانه گذاری کمینه خطای کیتلر و ایلینگورس، در یک حالت تعمیم یافته استفاده شده تا توزیع غیر گاوسین هیستوگرام های دو کلاس تغییر و عدم تغییر را مدل نماید. نتایج ارزیابی روش ارائه شده روی مجموعه داده های چندزمانه شبیه سازی شده پلاریمتری SAR و همچنین داده های پلاریمتری کامل باند C ماهواره رادارست-2 قابلیت الگوریتم ارائه شده را تایید می کند. نتایج داده های واقعی نشان می دهد که با داشتن اطلاعات هر چه بیشتر از باندهای پلاریزاسیون مقادیر دقت آشکارسازی و نرخ خطای کلی الگوریتم بهبود می یابد.

در این تحقیق تعیین روال مناسب جهت شناسایی تغییرات زمینهای زیر کشت و برآورد درصد آن تغییرات در یک منطقه نیمه شهری با تکیه بر الگوریتم های شبکه عصبی و SVM بصورت نظارت شده مورد بررسی قرار گرفته است. برای این منظور از تصاویر چندزمانه سنجنده های Landsat استفاده شده است. در واقع در این روش برخلاف روشهای رایج، برای شناسایی تغییرات از مقایسه تصاویر استفاده نشده است بلکه هدف کشف تغییرات با استفاده توام از روش ترکیب رنگی و الگوریتم های طبقه بندی می باشد. ایده اصلی به این طریق است که با استفاده از دو تصویر، یک تصویر هم مرجع شده چندزمانه تهیه و سپس با استفاده توام از روش ترکیب رنگی جمعی (ترکیب کردن لایه های رنگی تصاویر) و روشهای تشخیص الگو و اعمال آنها بر روی تک تصویر هم مرجع شده بدست آمده، نواحی مناطق تغییر یافته و تغییر نیافته ایجاد و درنهایت با انتخاب نمونه های آموزشی فقط از یک تصویر، الگوریتم بر روی تصویر تلفیقی اعمال و نقشه تغییرات نهایی بدست آمده است. نتایج حاصل شده حاکی از آن است که این روش از جهت کاهش نمونه های آموزشی، افزایش دقت (تقریبا 3 درصد) و سرعت عمل شناسایی تغییرات بر روشهای معمول که از مقایسه دو تصویر چندزمانه با هم استفاده می کنند برتری دارد.

یکی از مولفه های اصلی سامانه های اطلاعات مکانی مدلسازی های مکانی است. روش های هوشمند همانند شبکه های عصبی از جمله روش هایی هستند که در دهه های اخیر جهت انجام مدلسازی های مکانی به آنها توجه زیادی شده است. در اغلب روش های هوشمند، مدلسازی مکانی بر مبنای تعیین یک ساختار اولیه برای روش مورد استفاده انجام می شود که تعیین چنین ساختار اولیه ای در اغلب مواقع امری بسیار دشوار است. در این تحقیق برای حل چنین چالشی از برنامه نویسی ژنتیکی مورد استفاده قرار گرفت. در این روش روابط بین داده های ورودی و خروجی به طور خودکار و بدون نیاز به تعریف یک ساختار اولیه و به صورت کاملا صریح استخراج می شوند. یکی از چالش ها در بکارگیری برنامه نویسی ژنتیکی انطباق بیش از حد می باشد. در این تحقیق روشی نوین برای جلوگیری از مشکل انطباق بیش از حد ارائه شده است. همچنین برای افزایش دقت مدلسازی از تلفیق خطی وزندار چند درخت (برنامه نویسی ژنتیکی چند ژنه) استفاده شد. در ادامه برای تعیین موثرترین فاکتور ورودی تاثیرگذار از دو روش تحلیل حساسیت EFAST و Sobol’s که بر مبنای شبیه سازی مونت کارلو هستند استفاده گردید. روش پیشنهادی دارای کاربردهای متفاوتی می باشد و در این تحقیق از روش پیشنهادی برای تهیه نقشه پتانسیل معدنی استفاده شد. در نهایت مشخص گردید که معیارهای ژئوفیزیکی و از میان آنها فاکتور شدت میدان مغناطیسی دارای بیشترین حساسیت و معیارهای زمین شناسی و از میان آنها سنگ شناسی دارای کمترین حساسیت بر روی خروجی هستند.

امروزه با توجه به رشد جمعیت و افزایش آلودگی های زیست محیطی و تغییر در سبک زندگی افراد با رشد چشم گیری در تعداد افراد مبتلا به آسم مواجه شده ایم. در همین راستا، با توجه به فقدان روشی مناسب برای درمان بیماران مبتلا به آسم، به اهمیت نقش کنترل شدت بیماری آسم در جهت بهبود کیفیت زندگی بیماران توجه بسیاری می گردد. در مطالعه حاضر با توجه به مهم ترین محرکهای زیست محیطی موثر در تشدید بیماری آسم و سابقه پزشکی بیماران مبتلا به آسم، به پایش فراگستری بیماران پرداخته شد. در این راستا از سیستم اطلاعات مکانی فراگستر استفاده شد. به منظور پیاده سازی سیستم، این تحقیق در خصوص 30 بیمار مبتلا آسم که تحت پیگیری بوده اند، انجام شد. به منظور توسعه مدل پایش فراگستر پیش بینی تشدید وضعیت بیماری آسمی، ابتدا از روش VIKTOR برای کلاسه بندی پزشکی بیماران استفاده شد. پس از کلاسه بندی با روش VIKTOR، یک بیمار به عنوان مطالعه موردی انتخاب گردید و اطلاعات مربوط به FVC و FEVI آن در 86 موقعیت به مدت 47 روز اندازه گیری شد. در راستای ارائه خدمات محیط آگاه، از حسگر آلودگی هوای CO، حسگرهای دما، رطوبت و فشار نیز در راستای ایجاد پایگاه داده آنی و همچنین داده های ایستگا های ثابت آلاینده PM10، SO2، NO و O3 نیز بهره گرفته شد تا با بهره گیری از روش شبکه عصبی مصنوعی وضعیت تشدید بیمار پیش بینی شود. نتایج این مطالعه نشان داد که مدل آسم- فراگستر از خطای ارزیابی 0.0230 در پیش بینی وضعیت بیمار آسمی برخوردار است.

هدف از مسیریابی چند حالته چند معیاره، فراهم نمودن مسیری بهینه بین مبدا و مقصد با در نظر گرفتن معیارهای مورد نظر کاربر می باشد، که این مسیر ممکن است ترکیبی از حالت های حمل و نقلی عمومی و خصوصی باشد. در تحقیقات پیشین، با ایجاد یک ترکیب خطی از معیارها، از استراتژی های تصمیم گیری با میزان مصالحه بالا برای محاسبه میزان سازگاری مسیرها استفاده شده است و سایر استراتژی های تصمیم گیری نادیده گرفته شده اند. یک استراتژی تصمیم گیری مشخص می نماید که آیا کاربر اصرار دارد تمامی ترجیحاتش در انتخاب یک مسیر برآورده شوند یا برآورده شدن بخشی از معیارها او را راضی می نماید. در این تحقیق، از ترکیب روش وزن دهی fuzzy AHP و ترکیب کمیت سنج های مفهومی با عملگرهای OWA برای وزن دهی معیارها و محاسبه میزان سازگاری یال ها استفاده شده است. ویژگی مهم این روش، قابلیت پشتیبانی از استراتژی های تصمیم گیری مختلف می باشد. در این روش، ابتدا کاربر با استفاده از روش fuzzy AHP به وزن دهی معیارها می پردازد. سپس با در نظر گرفتن استراتژی تصمیم گیری اتخاذ شده توسط کاربر، به محاسبه میزان سازگاری هر یال پرداخته می شود. این روش همچنین قابلیت ارائه پایدار ترین مسیر، تحت استراتژی های مختلف را نیز دارد. در این تحقیق، حالت های مختلف حمل و نقلی شامل مترو، اتوبوس، اتوبوس تندرو، تاکسی و پیاده روی برای مسافرت بین نقاط در نظر گرفته شده اند. همچنین، طول، زمان، هزینه، و میزان سختی کاربر به عنوان معیارهای مورد اهمیت کاربر در نظر گرفته شده اند. روش ارائه شده در این تحقیق، بر روی بخشی از شبکه حمل و نقل عمومی مرکز شهر تهران پیاده گشت و نتایج حاکی از آن بود که به طور میانگین، %80.66 کاربران با استراتژی های تصمیم گیری مختلف، مسیر پیشنهادی را بهترین مسیر بین بین نقاط مبدا و مقصد دانسته اند.

امروزه از سیستم های شناسایی قدرتمندی جهت کلاسه بندی داده ها استفاده می شود که روند یادگیری در آن ها به صورت جعبه سیاه بوده بگونه ای که نحوه کلاسه بندی و ارتباط بین توصیفگرها برای کاربر قابل فهم نمی باشند. درحالی که قابل فهم بودن دانش بدست آمده توسط سیستم های شناسایی می تواند کمک شایان توجهی به کاربر نماید تا کلاسه بندی را با دقت و صحت بیشتری انجام دهد. ازاین رو کشف دانش در قالب استخراج مجموعه ای از قوانین جهت کلاسه بندی دادها ازجمله موضوعات مهم و پرکاربرد در پردازش تصویر می باشد که سبب درک بهتر روش کلاسه بندی و بهبود آن در گام های بعدی می گردد. هدف این مقاله، پیشنهاد روندی جهت استخراج قوانین فازی به صورت شرطی از سیستم استنتاج نوروفازی انطباق پذیر برای کلاسه بندی داده های لیدار و تصاویر هوایی رقومی می باشد. تا بدین وسیله میزان اهمیت و ارتباط بین توصیفگرهایی که منجر به استخراج یک عارضه خاص می گردند در قالب یکسری قوانین فازی با زبان قابل فهم برای کاربر شناسایی گردند. به بیان دیگر مشخص شود که ارتباط کدامیک از توصیفگرها در شناسایی یک عارضه از بالاترین میزان اهمیت برخوردار است. در این راستا ابتدا تعدادی توصیفگر بالقوه اولیه تولید شده و سپس توصیفگرهای بهینه توسط الگوریتم ژنتیک انتخاب شدند. با وارد نمودن داده های آموزشی به الگوریتم جداسازی تورانه ای مقادیر اولیه برای مجموعه های فازی در مقدم قوانین تعیین گشت و طی فرآیند آموزش، کلاسه بندی کننده نهایی ایجاد و دو کلاس درختان و ساختمان ها شناسایی گشتند. سپس با پیشنهاد یک روش فازی- مبنا و با استفاده از توابع عضویت نهایی بدست آمده از سیستم استنتاج نوروفازی انطباق پذیر و داده های آموزشی اخذشده از لایه های توصیفگر، مجموعه قوانین فازی موثر از فرآیند شناسایی استخراج گشت. قوانین فازی استخراج شده از این روش از لحاظ منطقی و با در نظر گرفتن لایه های توصیفگر مورد بررسی قرار گرفتند که نتایج نشان از توانایی بالای روش پیشنهادی در استخراج قوانین از فرآیند شناسایی داشتند.

برخی از سازندهای زمین شناسی بیش از برخی دیگر دچار هوازدگی و فرسایش می شوند و در نتیجه به لحاظ فیزیکی نرم (آهکی-رسی) هستند؛ در مقابل سازندهایی وجود دارند که فرسایشهای شیمیایی و فیزیکی، تاثیر بسیار کمی بر آنها می گذارد و از اینرو دارای سختی بیشتری هستند و بر روی زمین، به صورت صخره ای مشاهده می شوند. روال شناسایی سطوح سرسازندهای زمین شناسی و تهیه نقشه، با تصاویر نوری عموما بدلیل عدم قابلیت توصیف و تمایز الگوی هندسی مورفولوژی سطح زمین دچار اختلال شده و لزوم استفاده از داده های راداری احساس می گردد. داده های سنجش از دور مایکروویو بدلیل حساسیت به تغییرات پارامترهای سطح برای مطالعات مورفولوژی سطح زمین مفید و کارا هستند. مدلسازی مورفولوژی سطح، با استفاده از داده های رادار روزنه ترکیبی (SAR) نیازمند در اختیار داشتن مدل توپوگرافی و میکروتوپوگرافی سطح می باشد. برای استفاده از قابلیت تفکیک الگوی هندسی و امکان تشخیص شکل و بافت سطوح زمین شناسی با استفاده از رادار، لازمست رابطه میان پارامترهای دی الکتریک و زبری سطح با بازپراکنش سیگنال راداری مورد مدلسازی قرار گیرد. هندسه اقلیدسی در مقایسه با هندسه فراکتالی توانمندی کمتری در توصیف پدیده های طبیعی دارد. تاکنون تلاشهایی برای استفاده از پارامترهای فراکتالی با هدف بهبود مدل بازپراکنش صورت گرفته است بطوریکه در آنها استفاده از هندسه فراکتالی بطور محدود صورت گرفته است؛ به عبارت دیگر تاکنون هندسه فراکتالی بطور کامل جایگزین هندسه اقلیدسی در مدلسازی زبری سطوح نشده است. این مقاله سعی دارد با استفاده از هندسه فراکتالهای تصادفی، مدل معادله انتگرالی (IEM) را بهبود بخشد. در این مقاله قابلیت تصاویر SAR در بهبود روند تهیه نقشه های زمین شناسی مورد بررسی قرار می گیرد. پیاده سازی و بررسی نتایج تحلیل داده های رادار روزنه ترکیبی PALSAR (مستقر بر ماهواره ALOS) برای سرسازندهای ساختمان زمین شناسی اناران (مابین دهلران و ایلام) و بهبود روند تهیه نقشه های زمین شناسی منطقه به روش سنجش از دور راداری انجام گرفته است. این مقاله نشان می دهد علیرغم نوسان در میزان بهبود نتایج در اثر جایگزینی هندسه فراکتالی به جای هندسه اقلیدسی در مدل IEM، متوسط میزان ارتقاء دقت تهیه نقشه های زمین شناسی حدود 50% می باشد.

تشخیص وقوع یا عدم وقوع تغییر در پدیده های زمینی که باید در حجم عظیمی از داده های مکانی چند زمانه صورت پذیرد، نوعی استدلال زمانی-مکانی است. به طور متداول آشکارسازی تغییرات با استفاده از تصاویر ماهواره ای و با مقایسه مقادیر پیکسلی مربوط به دو تصویر (با زمان های متفاوت)، انجام می گیرد. نتایج این فرآیند علاوه بر وابستگی به نوع روش استفاده شده، به نحوه تفسیر نتایج نیز بستگی دارد. در بیشتر روش های کشف تغییرات با استفاده از تصاویر ماهواره ای، تشخیص نوع تغییر، نیازمند نمونه برداری های میدانی و صرف هزینه های بالا می باشد. در این تحقیق روشی دانش مبنا برای کشف تغییرات در اراضی زراعی توسعه داده می شود تا بتواند با دقت بالا، تغییرات اراضی زراعی و نوع آن تغییرات را شناسایی نماید. مجموعه ای از شروط مکانی (هندسی)، زمانی و طیفی، تشکیل دهنده پایگاه دانش مکانی موردنیاز در این روش هستند. این شروط با آنالیز سابقه کشت محصولات زراعی، سری زمانی تصاویر ماهواره ای و نقشه مزارع، استخراج می گردد. پیاده سازی روش در اراضی زیر کشت گندم در دشت مغان نشان گر دقت حدود 86 درصدی این روش در کشف تغییر و دقت 80 درصدی در کشف نوع تغییر می باشد. در این روش کشف نوع تغییر با اتکا به پایگاه دانش مکانی و بدون نیاز به تفسیر انجام می شود. همچنین با حذف پیکسل های مخلوط واقع در حاشیه مزارع دقت این روش در کشف تغییر و نوع آن به ترتیب به 95 و 90 درصد افزایش یافت. نتایج حاصل از این روش در مقایسه با نتایج روش های تفاضل شاخص گیاهی نرمال شده و مقایسه تصاویر طبقه بندی شده (Post-Classification Comparison) در منطقه مطالعاتی که به ترتیب دارای دقت 70 و 81 درصدی هستند، از دقت بالاتری برخوردار است. همچنین استفاده از این روش باعث کاهش نیاز به برداشت داده زمینی (به منظور مشخص کردن نوع تغییر) و عدم نیاز به تفسیر نتایج گردید.

تشخیص تغییرات عوارض در سطح زمین از نیازهای اساسی مدیریت و بهره برداری از محیط زیست است. روش هایی متفاوت با هدف تشخیص تغییرات محیط زیست ارائه شده است. هدف این مطالعه بررسی میزان تغییرات نسبی پوشش آب دریاچه ارومیه با استفاده از تصاویر سنجنده لندست 5 در بازه زمانی سال های 1385 و 1390، از طریق طبقه بندی نظارت شده فازی است. در این مطالعه تصاویر تفاضلی چند باندی، با تفریق باندهای متناظر در دو تصویر زمین مرجع سال های 1385 و 1390 پس از اعمال کالیبراسیون و تصحیحات رادیومتریکی بر روی آن ها تولید شدند. سپس در طی دو طبقه بندی کننده مجزا، ابتدا طبقه بندی کننده فازی بر روی تصویر تفاضلی اعمال و نتایج در دو کلاس تغییر کرده و تغییر نکرده حاصل گردید. با توجه به تغییرات طیفی بالا در کلاس تغییر کرده و حساسیت روش های سنجش از دور به این تغییرات طیفی، طبقه بندی کننده فازی دیگری برای استخراج کلاس های تغییر نکرده، تغییرات کم، تغییرات متوسط و تغییرات زیاد مورد استفاده قرار گرفت. یافته های حاصل از ارزیابی نتایج دو طبقه بندی فوق در مقایسه با روش طبقه بندی SVM دارای دقت بالاتری می باشند به طوریکه برای طبقه بندی کننده دو کلاسه صحت کلی روش ارائه شده و SVM به ترتیب برابر 96 درصد و 79 درصد برآورد گردید. همچنین نتایج به دست آمده از تشخیص تغییرات حاصل از طبقه بندی کننده چهار کلاسی از نقطه نظر بشر گرایانه اطلاق تغییرات نسبی به یک پدیده دارای ارزش مفهومی بالاتر می باشد. در واقع نتایج حاصل از تغییرات نسبی برای کلاس های تغییرات، شامل مناطق شوره زار مرطوب، شوره زار خشک، مخلوط شوره زار و خاک معنای مفهومی می دهد.

لزوم بررسی تغییرات کاربری اراضی، با توجه به تاثیرات قابل ملاحظه ای که این پدیده بر روی زندگی انسان و همچنین محیط زیست می گذارد، امری لازم و ضروری به نظر می رسد. مدلسازان تغییرات کاربری اراضی عمدتا به مدلسازی تغییرات کلاسهای کاربری اراضی یگانه (مانند شهری) پرداخته اند و کمتر مدلسازی تغییرات کلاسهای کاربری اراضی چندگانه (مانند کشاورزی و شهری) مورد توجه قرار گرفته است. در این تحقیق، به شبیه سازی تغییرات کاربری های اراضی شهری و کشاورزی با استفاده از یکی از فنون داده کاوی مرسوم، یعنی رگرسیون انطباقی چند متغیره اسپلاین، در تلفیق با سیستم اطلاعات مکانی و به کمک تصاویر ماهواره ای در بخشی از شمال ایران، شامل شهرهای ساری و قائم شهر و در یک بازه زمانی 22 ساله از سال 1992 تا سال 2014 پرداخته شده است. بعد از انجام شبیه سازی، یک تحلیل حساسیت بر روی پارامترهای موثر در تغییر کاربری اراضی انجام شد. نتایج مربوط به تحلیل حساسیت نشان داد که پارامترهای فاصله از مناطق کشاورزی، فاصله از مناطق شهری و ارتفاع به ترتیب بیشترین تاثیر را در روند تغییر کاربری اراضی در بازه زمانی ذکر شده دارند. برای ارزیابی کارآیی مدل، از شاخص عامل نسبی و شاخص عامل کلی استفاده شد. مساحت زیر منحنی شاخص عامل نسبی برای کاربری های شهری و کشاورزی به ترتیب برابر با %65 و %61.01 بدست آمد. همچنین برای نشان دادن مقادیر موجود در داخل جداول احتمال، در منحنی شاخص عامل کلی مربوط به کاربری اراضی کشاورزی و شهری، حدود آستانه به ترتیب 0.67 و 0.40 برچسب گذاری شد که این حدود آستانه نشان دهنده احتمال تغییر کاربری اراضی هستند. طبق نتایج بدست آمده، درصد پیکسل هایی که در واقعیت دچار تغییر کاربری اراضی شده اند و توسط مدل نیز به عنوان پیکسل های تغییر یافته شناخته شده اند برای حدود آستانه فوق در نمودار شاخص عامل کلی، به ترتیب برابر با %36.8 و %67.06 از کل پیکسل های متعلق به دو کاربری کشاورزی و شهری بدست آمدند.

امروزه با توجه به گسترش استفاده از نقشه ها و سیستم های اطلاعات مکانی در سازمان های مختلف، روش جمع آوری لایه های مختلف داده برای تهیه اطلاعات مکانی مورد نیاز، از اهمیت بالایی برخوردار است. از طرفی موازی کاری در تهیه اطلاعات مکانی و ذخیره سازی آن در منابع پراکنده در بیشتر موارد موجب صرف هزینه های سنگینی می شود. این امر موجب طرح زیرساخت مکانی و به دنبال آن مراکز هماهنگی داده برای ارتباط بین ارائه دهنده و درخواست کننده شده است، گرچه برای محاسبات توزیع شده و ایجاد مراکز هماهنگی داده تاکنون روش های مختلفی ارائه شده، ولی با این وجود روش های موجود با مشکلاتی در شبکه ارتباطی هنگام افزایش حجم درخواست ها و اطلاعات روبرو می شوند. در این پژوهش از عامل سیار که توانایی حرکت و تصمیم گیری در شبکه را بصورت خودمختار داشته جهت ایجاد مراکز هماهنگی داده برای رسیدن به نقشه و اطلاعات مکانی مورد نیاز موجود در پایگاه های داده سازمان های مرتبط و جلوگیری از صرف هزینه های زیاد تهیه نقشه و موازی کاری استفاده شده است. بر این اساس مراکز هماهنگی داده از خصوصیات عامل های سیار از قبیل کاهش بار شبکه، مقاومت و پایداری و توانایی کار در روی محیط های ناهمگون برخوردار می شوند. نمونه عملی پیاده شده برای یک مرکز هماهنگی SDI، موید توانایی های یادشده بوده است.

ما با استفاده از تصاویر بالارو و پایین رو ماهواره Envisat و بکارگیری فن های تداخل سنجی راداری چنددیافراگمی و تداخل سنجی راداری معمولی برای زلزله 2003 بم تغییر شکل هم لرزه ای را در دو راستای خط دید ماهواره و مسیر آزیموتی بدست آوردیم و سه مولفه اورتوگنال میدان جابجایی را از این اندازه گیری های ژئودتیک استخراج کردیم. سپس برای بدست آوردن هندسه گسل و توزیع لغزش روی صفحه گسل، این مولفه ها را، با استفاده از روش بهینه سازی الگوریتم ژنتیک و مدل تحلیلی نیم-فضای الاستیک اکادا معکوس کردیم. ما فهمیدیم که بیشترین لغزش در حدود 2.5 متر در امتداد 30 کیلومتری گسیختگی بم، تقریبا در عمق 4~5 کیلومتری سطح زمین رخ داده است و گشتاور لرزه ای M0 با معکوس سازی 6.7´1018 N.m بدست آمده است که یک حادثه با دامنه 6.5 ریشتر را ارزیابی میکند، همچنین ما 68% سطح اطمینان (m±s) را برای پارامترهای مدل از طریق معکوس سازی و بکار بردن روش آماری bootstrap تخمین زدیم.

در سال های اخیر شیوه های نمایش زمین تغییر کرده است و مدل های سه بعدی جایگزین نقشه های دو بعدی شده اند. لیزر اسکنر هوایی به عنوان سیستمی قدرتمند در سنجش از دور لیزری، یک منبع با ارزش برای اکتساب اطلاعات مکانی است که از آن می توان برای مدلسازی سه بعدی استفاده کرد. بازسازی مدل سه بعدی ساختمان ها به عنوان یکی از مهم ترین عوارض موجود در سطح زمین موضوعی است که در این تحقیق به آن پرداخته شده است. برای این منظور یک روش جدید غیرپارامتریک برای تولید مدل سه بعدی ساختمان های با سقف مسطح و شیبدار ارائه شده است. در مرحله اول یک روش چندعامله برای استخراج و قطعه بندی سقف ساختمان ها به صورت همزمان از ابر نقاط لیزراسکنر هوایی ارائه شده است. سپس، در استخراج نقاط لبه از فرایندی ابتکاری که «فرسایش شبکه» نامگذاری شده بهره گرفته ایم. برای تقریب خطوط لبه ها و مرزهای ساختمان روشی رنسک مبنا پیشنهاد شده است. اما قبل از آن با ارائه روشی زاویه مبنا، نقاط لبه طبقه بندی می شوند تا خطوط با دقت و کیفیت بیشتری تقریب زده شوند. در نهایت با دردست داشتن خطوط سقف ساختمان و تقریب ارتفاع کف ساختمان مدل سه بعدی ساختمان تشکیل می شود. جهت ارزیابی دقت روش پیشنهادی از تفسیر بصری و مقایسه کمی مدل بازسازی شده با اطلاعات استخراج شده توسط اپراتور انسانی استفاده شده است. در این ارزیابی که بر روی داده های مربوط به شهر فایهینگن آلمان انجام شده است، خطای مسطحاتی غالب در بازسازی مدل سه بعدی ساختمان تقریبا 30 سانتی متر است که به صورت طولی محاسبه شده است. مزیت ویژه روش پیشنهادی، در ساختمان های چندلایه ای با سطوح سقفی موازی است که قطعات حتی با اختلاف ارتفاع خیلی کم (نظیر 10 سانتی متری) به درستی از یکدیگر تفکیک و مدلسازی شده اند. به طور کلی نتایج موفقیت روش پیشنهادی را در استخراج ساختمان ها و بازسازی آن ها بدون نیاز به منابع کمکی مانند نقشه های کاداستر و تصاویر هوایی نشان می دهد.

طبقه بندی پوشش زمین یکی از کاربردهای مهم استفاده از داده های سنجش از دوری است. از میان تصاویر و داده های مورد استفاده در این مورد، داده های پلاریمتری راداری به خاطر امکان استخراج ویژگی های زیاد و متنوع میتوانند برای طبقه بندی گزینه مناسبی باشند. در این مقاله یک روش عارضه مبنا برای طبقه بندی مناطق شهری با استفاده از داده های پلاریمتری راداری به صورت تلفیق نتایج پیکسل مبنای طبقه بندی SVM و قطعات تصویری ارائه می گردد. در این تحقیق برای رسیدن به دقت مناسب طبقه بندی از مجموعه ویژگی های بهینه استفاده شده است. بدین منظور، از روش طبقه بندی کننده های چندگانه SVM استفاده شده است. برای نیل به این هدف، معیار دقت کلاس در طبقه بندی SVM، جهت انتخاب ویژگی به صورت کلاس مبنا و همچنین انتخاب ویژگی به صورت تصادفی مورد استفاده قرار گرفته شده است. در تصاویر پلاریمتری به خاطر نویز ضربه ای، گاها نتایج طبقه بندی پیکسل مبنا ممکن است راضی کننده نباشد. لذا در این تحقیق از ویژگی های مربوط به فضای تصویر یا قطعات تصویری استفاده شده است. بطور کلی روش ارائه شده سه گام اصلی دارد: انتخاب ویژگی، طبقه بندی پیکسل مبنا و تلفیق نتایج پیکسل مبنا و قطعات تصویری. بهبود دقت طبقه بندی بعنوان دستاورد مهم این تحقیق معرفی شده اند. نتایج نشان میدهد که دقت کلی روش ارائه شده %90.07 نسبت به نتایج پیکسل مبنای طبقه بندی کننده های چندگانه (%83.61) SVM بهبود داشته است.

گسترش روزافزون فناوریهای بیسیم و همراه، تجهیزات و ریزپردازنده های الکترونیکی و وسایل ارتباطی مختلف،حوزه محاسبات بافت آگاه را با پیشرفت قابل توجهی مواجه ساخته است. آنچه بطور مستقیم مدلسازی بافت را میسر می سازد، مدلسازی ارتباط آن بافت با کاربر می باشد. مکان و زمان مهمترین پارامترهای موثر در یافتن بافتهای مرتبط بوده و بقیه انواع ارتباطات به این پارامترها وابسته اند. مقاله حاضر به مدلسازی ارتباطات مکانی زمانی در سیستمهای اطلاعات مکانی می پردازد بطوریکه کلیه ارتباطات مکانی (توپولوژیک، متریک و جهتی) را در بعد زمان پوشش دهد و ویژگیهای کاربر و بافتهای مرتبط را لحاظ نماید. نوآوری تحقیق حاضر بکارگیری اصول و مفاهیم جبر چند بازه ای آلن به همراه پرسش و پاسخ دامنه ای پویای ورونوی مبنامی باشد. مدل داده پیشنهادی بر اساس ویژگیهای کاربر سوار بر یک وسیله نقلیه با مکان، زمان، سرعت و جهت مشخص در یک محیط شهری با رویکرد فازی (با دو استراتژی بدبینانه و خوش بینانه) طراحی و پیاده سازی شد. ارزیابی مدل پیاده سازی شده در سناریوی راهیابی گردشگر در سه مسیر مختلف واقع در مناطق 3، 6 و 11 شهرداری تهران بر اساس سه پارامتر دقت، زمان اجرا و رضایتمندی کاربران انجام شد. به منظور تست دقت مدل، نرم افزار طراحی شده در سه مسیر مختلف در منطقه مورد مطالعه توسط سه گردشگر مختلف در سه بازه زمانی و با دو سرعت متوسط متفاوت، 100 بار تکرار گردید. سپس تشخیص هر یک از بافتهای موجود توسط تقریب بای نومیال یکطرفه با سطح اطمینان 95% بررسی شد. همچنین از دو شاخص درستی و یادآوری نیز به منظور ارزیابی تشخیص بافتها در کل مسیر استفاده گردید. نتایج حاصل از پیاده سازی و ارزیابی کارایی مدل را در یک سیستم اطلاعات مکانی بافت آگاه شهری خاطر نشان می سازد.

محدوده های هوشمند شامل حجم انبوهی از ابزارها، خدمات و فعالیت هایی هستند که هر یک از آنها برای کمک به کاربران نهایی وظایف خاصی را بر عهده دارند. مدیریت چنین محیط هایی نیازمند اتخاذ سیاست های مدیریتی است. سیاست ها اغلب با بیان بایدها و نبایدهایی، عملکرد لازم را در صورت رخ دادن رویدادی خاص، مشخص می کنند. افزایش تعداد محدوده های خدماتی هوشمند سبب می شود تا روز به روز بر تعداد کاربران همزمان واقع در بخش مشترک چند محدوده افزوده شود. این افراد ناخواسته در معرض خدمات ارسالی از سوی محدوده های مختلف قرار می گیرند. در چنین شرایطی، نقش سیاست ها در رفع درگیری ها و مدیریت ارسال سرویس ها بیش از پیش مهم می نماید. از آنجا که بخش قابل توجهی از خدمات محدوده ای را خدمات اطلاع رسانی و تبلیغاتی تشکیل می دهد، لذا تمرکز این تحقیق بر روی این سرویس ها می باشد. در این گروه از سرویس ها تمامی کاربران از اهمیت یکسانی برای سرویس دهنده برخوردارند. از این رو می توان با اتخاذ سیاست های مستقل از شرایط خاص، به رفع درگیری ها پرداخت. مقاله حاضر با پیشنهاد الگوهای سیاستی رویداد مبنای مکانی به رفع درگیری سیاست های محدوده های هوشمند می پردازد. روش پیشنهادی برای دو منطقه اطلاع رسانی متداخل پیاده سازی شد که 75 درصد کاربران از سرویس های پیشنهاد شده توسط سیستم رضایت داشتند.

فن آوری سنجش از دور فراطیفی دارای کاربردهای فراوان در طبقه بندی پوشش های زمین و بررسی تغییرات آنها است. با پیشرفت های اخیر و ایجاد تصاویری با قدرت تفکیک مکانی بالا، لزوم استفاده توام از اطلاعات طیفی و مکانی را در طبقه بندی تصاویر فراطیفی ایجاب می کند. در این تحقیق روشی جدید جهت طبقه بندی طیفی-مکانی تصاویر فراطیفی به کمک الگوریتم جنگل پوشای مینیمم مبتنی بر نشانه ها که یکی از دقیق ترین الگوریتم ها در این زمینه است و تکنیک کاهش ابعاد معرفی می شود. در روش پیشنهادی تاثیر کاهش ابعاد تصاویر فراطیفی به کمک الگوریتم ژنتیک در سه مرحله قبل و بعد از انتخاب نشانه ها و به صورت همزمان بررسی می گردد. در این مطالعه نشانه ها از روی نقشه طبقه بندی ماشین بردار پشتیبان انتخاب شدند. روش پیشنهادی بر روی سه تصویر فراطیفی Pavia، Telops و Indian Pines پیاده سازی گردید، نتایج آزمایشات بدست آمده برتری به کارگیری الگوریتم ژنتیک را قبل از انتخاب نشانه ها در تصاویر Pavia و Telops نشان می دهد. در تصویر Indian Pines کاهش ابعاد در هر دو مرحله قبل و بعد از انتخاب نشانه ها و به صورت همزمان موجب افزایش دقت طبقه بندی می گردد.

انتخاب یک مکان مناسب برای اسکان موقت جمعیت آسیب دیده به وسیله حوادث طبیعی همواره مورد توجه سازمان ها و مسوولان مدیریت بحران بوده است. در ایران یافتن یک مکان برای کمک موقت شهروندان معمولا به وسیله آژانس های کمکی بدون توجه به استانداردها و با توجه به تجربیات فردی بعد از وقوع سانحه انجام می شود. واضح است که انتخاب مکان نامناسب برای اسکان آسیب دیدگان به مراتب بدتر از مکان اولیه است. در این پژوهش منطقه 8 شهرداری شهر اصفهان بر اساس سه معیار جمعیت، بافت فرسوده و فرهنگ مردم انتخاب شده و مورد مطالعه قرار گرفته است. بر این اساس در چارچوب روش تحقیق توصیفی- تحلیلی، پس از مشخص شدن معیارهای موثر در امر مکان یابی مساکن موقت که از پیشینه مرتبط با تحقیق و با توجه به محدوده مورد مطالعه و اطلاعات و داده های قابل دسترس گزینش گردید، وزن معیارها با استفاده از ماتریس مقایسات زوجی حاصل از نظرات خبرگان به دست آمده است. داده های مرتبط با هر یک از لایه های اطلاعاتی به وسیله تابع فازی متناسب، فازی گردید. سپس با استفاده از روش تحلیل سلسله مراتبی و نرم افزار Arc GIS، لایه های تولیدی هر معیار با توجه به وزن مشخص شده، با یکدیگر تلفیق شده که خروجی آن نقشه پهنه بندی سطح منطقه مورد مطالعه برای اسکان موقت سانحه دیدگان است. علاوه بر روش تحلیل سلسله مراتبی انتخاب مکان برای اسکان موقت با استفاده از روش های تاپسیس و ویکور نیز انجام گردید با توجه به متفاوت بودن رتبه بندی در روش های به دست آمده، در ابتدا از این سه روش میانگین حسابی گرفته شد. سپس مجددا رتبه بندی با روش های بردا و کپلند انجام شده و در نهایت برای به دست آوردن رتبه بندی نهایی میانگین حسابی دیگری از سه روش فوق گرفته شد. بر اساس تحلیل نتایج به دست آمده از مقایسه روش ها مشخص گردید که روش ویکور بهترین و نزدیک ترین روش به رتبه بندی نهایی می باشد و روش های تاپسیس و تحلیل سلسله مراتبی در رده های بعدی قرار گرفتند.

امروزه، تعداد تصاویر با توان تفکیک مکانی بالا در جوامع سنجش از دور و فتوگرامتری به شکل روز افزونی در حال افزایش است. هر چند که این تصاویر حاوی اطلاعات زیادی هستند، اما نبود داده های افمریز و اطلاعات کالیبراسیون سنجنده ها، به کاربران اجازه استفاده از مدل های فیزیکی دقیق جهت ایجاد ارتباط بین فضای عکسی و فضای زمینی را فراهم نمی کند. به عنوان یک راه حل جایگزین، چند مدل غیر پارامتریک همچون چند جمله ای های جهانی توسعه یافته و استفاده شده اند. این مقاله یک روش ترکیبی را بر اساس استفاده از الگوریتم رقابت استعماری برای یافتن بهترین ترم های چند جمله ای ها ارائه می دهد. روش مذکور برای تصحیح هندسی دو پایگاه داده مختلف، تصویری از سکوی IKONOS و تصویر SPOT با استفاده از ترکیب های متفاوتی از نقاط کنترل زمینی و نقاط مستقل چک اعمال شد که توانایی این روش را در رسیدن به دقت های زیر پیکسلی نشان داد. علاوه بر این، مدت زمان لازم برای اجرای الگوریتم به میزان قابل توجهی در مقایسه با سایر الگوریتم های بهینه سازی همچون ژنتیک و کلونی ذرات کمتر بود.

کشف مشاهدات اشتباه یک مرحله اولیه در بسیاری از کاربردهای ژئودتیک است. یک روش موثر پالایش داده بر اساس تئوری باردا است که در آن اشتباهات به صورت تک به تک کشف می گردد و مدل ریاضی به صورت یک روش تکراری سازگار می گردد. بار محاسباتی این روش زمانی که تعداد زیادی اشتباه در مشاهدات وجود داشته باشد زیاد می گردد. در این مقاله کوشش می کنیم تا این روش کشف اشتباهات را بهینه کنیم. یک استراتژی محاسباتی جدید به منظور ساده سازی کشف مشاهدات اشتباه در یک مدل خطی ارائه می گردد. کارایی این روش هنگامی که تعداد زیادی پارامتر مجهول در مدل وجود داشته باشد بیش تر می شود. در روش سنتی این موضوع باعث معکوس کردن ماتریس معادلات نرمال با ابعاد بزرگ در یک فرآیند متوالی می گردد. این امر اما در روش ارائه شده اجتناب می گردد. برای دو مجموعه دیتای واقعی نشان داده می شود که نتایج روش با نتایج روش باردا یکسان است اما این نتایج در زمان کمتری بدست می آید. همچنین برای دیتاهای شبیه سازی شده با 2000 مشاهده و 1000 پارامتر مجهول روش ارائه شده 3 مرتبه از روش سنتی سریع تر است. سرعت روش ارائه شده هنگامی که پارامترهای مجهول افزایش یابد بیشتر می شود.