علوم و فنون نقشه برداری
سال:1393 | دوره:4 | شماره:3 |تعداد مقالات:20

امروزه استخراج اتوماتیک راه از تصاویر ماهواره ای یکی از کلیدی ترین موارد تحقیقاتی در سنجش از دور می باشد که هدف عمده آن کاهش نقش نیروی انسانی می باشد. در این تحقیق روشی برای آشکارسازی نواحی راه از تصاویر راداری با روزنه ترکیبی و قدرت تفکیک بالا ارائه می شود. در این روش ابتدا بر اساس میزان رادیانس هر پیکسل و پیکسل های همسایه از تصویر ورودی ویژگی های چندگانه استخراج می شوند. در مرحله بعد ویژگی های استخراج شده در مقیاس های مختلف با در نظر گرفتن حد آستانه های محلی باینری شده و با یکدیگر تلفیق می گردند و در مرحله پایانی با در نظر گرفتن معیارهای مکانی و طیفی بطور جداگانه نواحی راه مناسب انتخاب می گردند. با اعمال این الگوریتم بر روی تصویر راداری ماهواره تراسار نتایج مطلوب و ریشه مربع متوسط معیار معادل 78 درصد حاصل شد.

در سالهای اخیر، بازسازی سه بعدی جزئیات محیط با استفاده از روش های ویدیوگرامتری مطرح در بینایی کامپیوتر بسیار مورد توجه جامعه فتوگرامتری بردکوتاه قرار گرفته است. از اینرو، در این تحقیق یک روش کارا جهت توجیه مطلق فریم های متوالی ویدیو به منظور تهیه نقشه نمای معابر شهری با دقت بالا ارائه گردیده است. به طور کلی تولید مدل سه بعدی از دنباله تصاویر ویدیویی شامل پنج گام اصلی کالیبراسیون دوربین، استخراج فریم های کلیدی، توجیه اولیه و نسبی فریم ها، توجیه نهایی و مطلق و در نهایت بازسازی سه بعدی کامل جزئیات می باشد. در این مقاله پیش فرض این است که گام های کالیبراسیون دوربین و استخراج فریم های کلیدی قبلا انجام شده و هدف توجیه مطلق فریم های کلیدی با روشی کارا است. روش ارائه شده از ترکیب روش های ویدیوگرامتری و نقشه برداری کلاسیک جهت توجیه مطلق فریم ها بهره می گیرد. بدین صورت که پس از توجیه نسبی فریم ها و تشکیل یک مدل سرشکن شده از نمای مورد نظر به روش ویدیوگرامتری، به کمک نقاط کنترل موجود در فریم ها که مختصات آن ها از نقشه برداری کلاسیک به دست آمده است، پارامترهای توجیه مطلق فریم های تصویری محاسبه می شود. طراحی و پیاده سازی بخش های مختلف روش پیشنهادی به گونه ای بوده است که بتواند برای نماهای شهری دارای بافت ضعیف و تکراری و شرایط نامناسب نوری نیز دقت کافی را ارائه نماید. بررسی ها نشان از سرعت بالای انجام پردازش ها و میزان دقت نقاط سه بعدی بازسازی شده در حدود سانتی متر دارند به گونه ای که برای مولفه های مسطحاتی (موازی صفحه تصویر) خطای کمتر از 6 سانتی متر با انحراف معیار حدود 3 سانتی متر و برای مولفه ارتفاعی (در راستای محور اپتیکی) خطای کمتر از 7 سانتی متر با انحراف معیار 2 سانتی متر به دست آمد. از اینرو از روش پیشنهادی می توان بصورت عملی برای تهیه نقشه های بزرگ مقیاس نمای معابر شهری استفاده نمود.

در سیستم های حمل و نقل همراه، برای هدایت کاربران بین مقاصد مورد نظر، ارائه نقشه ای متناسب با ویژگی ها و شرایط محیط های همراه لازم است. به گونه ای که اطلاعات مکانی به صورت کارآمد و مفید در اختیار کاربر قرار گیرد. منظور از کارآمدی، نمایش و ارائه بهینه اطلاعات مورد نیاز به کاربر است. این تحقیق در زمینه بهبود نمایش نقشه در سیستم های حمل و نقل همراه، استفاده از ایده اصلی سیستم های بافت آگاه را بررسی می کند. ویژگی اصلی سیستم های بافت آگاه، ارائه خدمات و نقشه سازی با توجه به شرایط و به ویژه موقعیت کاربر است، به نحوی که نواحی نزدیک به کاربر با مقیاس بزرگتر و جزئیات بیشتر نمایش داده شود. همچنین نواحی دور از کاربر با مقیاس کوچکتر و محتوای اطلاعات کمتر نمایش داده می شوند. در بیشتر مواقع لازم است کاربر ضمن داشتن یک دید کلی از محیط، جزئیات بیشتر و مقیاس بزرگتری از مکان خود داشته باشد تا ارتباط مکان خود با عوارض اطراف و دوردست را نیز درک کند. بنابراین ترسیم یک پنجره بزرگنمایی برای نمایش موقعیت کاربر، نمی تواند پاسخگوی کاملی برای این نیاز باشد. در این پژوهش افکنش چشم ماهی برای بهبود نمایش نقشه در سیستمهای بافت آگاه بررسی شده است. با پیاده سازی این نوع نمایش و بررسی نتایج مشخص شد که بزرگنمایی تحت افکنش چشم ماهی، این امکان را به ما می دهد تا بتوانیم هنگام بزرگنمایی در ناحیه موردنظر، ارتباط آن قسمت از نقشه را با نواحی اطراف و عوارض جغرافیایی دورتر به راحتی حفظ کنیم. همچنین در مقایسه با پنجره بزرگنمایی با مقیاس ثابت، استفاده از افکنش چشم ماهی با ایجاد اعوجاج کروی درناحیه بزرگنمایی، سبب حفظ یکپارچگی در نمایش نقشه شده و برای نمایش نقشه در سیستم های حمل و نقل همراه سودمند است.

لیدار یک تکنولوژی جدید و رو به رشد جهت جمع آوری اطلاعات از سطح زمین است که بر مبنای اندازه گیری فاصله لیزر عمل می نماید. دقت مسطحاتی و ارتفاعی بالای ابر نقاط برداشت شده توسط لیدار و قابلیت ثبت قدرت شدت سیگنال بازگشتی، این پتانسیل را ایجاد نموده است تا بتوان از این داده ها جهت شناسایی و استخراج اتوماتیک عوارض استفاده نمود. استخراج راه، به عنوان زیرساخت توسعه و مجاری ارتباطی یک کشور اهمیت بسیار بالایی دارد. در این مقاله یک روند سلسله مراتبی پیشنهاد شده است تا بتوان با استفاده از داده های فاصله سنجی و شدت سیگنال لیدار و اعمال فیلتر های مخلتف با ترتیبی متناسب، عوارض غیر راه را شناسایی و حذف نمود. همچنین، از ایجاد شکستگی و شکاف میان اتصالات شبکه راه ها جلوگیری کرد تا شبکه اصلی راه ها با دقتی مطلوب استخراج شوند. در این راستا، ابتدا از طریق آستانه گذاری روی داده های شدت، استفاده از داده های فاصله برای محاسبه nDSM و شیب به همراه بردار نرمال بر سطح، سه لایه توصیف گر برای کلاس راه ها به دست آمد. سپس با استفاده از این سه لایه ایجاد شده و ترکیب خطی آن ها یک کلاس اولیه برای شبکه راه ها بدست آمد. آنگاه با استفاده از خصوصیات هندسی راه ها نویز موجود در نتایج شناسایی، حذف و نتایج بهبود داده شد. در نهایت با استفاده از الگوریتم اسکلت بندی و توصیف گرهای فوریه راه های فرعی شناسایی و حذف گشته و مرز راه ها نرم گشت تا نتایج نهایی شناسایی حاصل گردد. نتایج شناسایی راه ها از داده های لیدار توسط روش پیشنهادی از لحاظ صحت %80.56 و کامل بودن %77.82 حائز دقت بودند. بدین وسیله سعی شد تا از پارامترهایی که باعث تفکیک راه از سایر عوارض می شوند، استفاده گردد تا با اعمال پیاپی و منظم آن ها، شبکه اصلی راه ها با سرعت و دقتی بالا بدست آید.

در این مقاله از یک شبکه عصبی مصنوعی پرسپترون 3 لایه با 5 نرون در لایه مخفی جهت مدلسازی مقدار محتوای الکترون لایه یونوسفر (TEC) استفاده شده است. بدین منظور از 25 ایستگاه GPS شبکه ژئودینامیک کشور ایران در محدوده عرض جغرافیایی 24 الی 40 درجه و طول جغرافیایی 44 الی 64 درجه استفاده گردیده است. ارزیابی نتایج بدست آمده از شبکه عصبی مصنوعی مدلسازی شده برای این منطقه توسط 1 ایستگاه تست GPS که مقادیر محتوای الکترونی آن از قبل در دست بوده انجام گرفته است. به دلیل اینکه ایستگاه مورد نظر مجهز به دستگاه اندازه گیری مستقیم دانسیته الکترونی بوده (دستگاه یونوسوند) و بصورت مستقل می توان در موقعیت آن ایستگاه مقدار محتوای الکترونی را با دقت و صحت بالا بدست آورد، از این ایستگاه برای تست نتایج استفاده شده است. مینیمم خطای نسبی بدست آمده از این ارزیابی 0.73 درصد و ماکزیمم خطای نسبی 34.66 درصد می باشد. همچنین جهت ارزیابی کارائی شبکه های عصبی مصنوعی در برآورد مقدار محتوای الکترون یونوسفر، در این مقاله از یک چندجمله ای مرتبه 3 با 11 ضریب جهت مدلسازی TEC استفاده شده است. مقایسه مقادیر خطای نسبی محاسبه شده برای مدل چندجمله ای با مقادیر خطای نسبی بدست آمده برای شبکه عصبی، حاکی از برتری این روش نسبت به مدل چندجمله ای در برآورد مقدار محتوای الکترون لایه یونسفر در این منطقه است. تعداد نرونهای لایه مخفی در شبکه عصبی و نیز مرتبه و تعداد ضرایب چند جمله ای مورد استفاده در این مقاله بر اساس آزمون و خطا و با در نظر گرفتن مینیمم خطای نسبی برای نتایج تعیین شده است.

آشنایی با نحوه حرکت و تغییر مختصات نقاط سطح زمین با زمان، برای انواع کاربردهای ژئودتیک امری بسیار مهم و ضروری است. هدف از این تحقیق مدل سازی وابسته به زمان جابه جایی و تغییر مختصات نقاط سطحی زمین در اثر حرکت صفحه های زمین ساختی در محدوده رشته کوه های البرز و تخمین جابجایی در نقاطی از یک شبکه ژئودزی کلاسیک در البرز است. این مدل سازی بر اساس بردارهای سرعت مشاهدات GPS جمور و همکاران بین سال های 2000 تا 2008، انجام شده است. مدل سازی بر اساس روابط تحلیلی اکادا صورت گرفته است. در این تحقیق با استفاده از بهینه سازی به روش الگوریتم ژنتیک مشخصات گسلی شامل عمق قفل شدگی و نابرجایی ها محاسبه کنیم برداری سرعت بین لرزه ای نقاط به گونه ای مدل سازی شده که با میدان سرعت ناشی از مشاهدات GPS منطقه بهترین انطباق را باهم داشته باشند. کمترین جذر خطای مربعی متوسط (RMSE) مدل سازی حرکات بین لرزه ای برای مدلی که بهترین انطباق را با مشاهدات GPS داشت برابر 0.97 mm/yr محاسبه گردید. پس از مدل سازی جابجایی ناشی از حرکات بین لرزه ای، جابجایی های ناشی از زمین لرزه های بزرگ تر از 5 Mw با استفاده از روابط تحلیلی اکادا مستقیما محاسبه شد و با جمع کردن این دو جابجایی، جابجایی های کلی به دست آمد. با استفاده از این مدل سازی، جابجایی در نقاطی از یک شبکه ژئودزی کلاسیک که 25 سال از تاریخ برداشت آن ها می گذرد تخمین زده شد و تغییراتی حداکثری تقریبی 80 سانتیمتری در برخی نقاط محاسبه گردید که قابل چشم پوشی نیستند.

پدیده های موجود در جهان واقعی به دو دسته ایستا و پویا گروه بندی می شوند. پدیده های ایستا پدیده هایی هستند که در طول زمان ثابت می باشند ولی پدیده های پویا در طول زمان دچار تغییر می شوند که این تغییر ممکن است در مکان، هندسه، خصوصیات توصیفی و ... پدیده انجام گیرد. از انجایی که خصوصیات ترافیک در طول زمان تغییر می یابد و نیز این خصوصیات به یک مکان تعلق می گیرد، یک پدیده مکانی-زمانی محسوب می گردد. امروزه پیشرفت فناوری باعث شده تا امکان مدیریت پدیده های مکانی-زمانی در سیستم های اطلاعات مکانی فراهم آید.هدف این تحقیق بررسی امکان کنترل و هماهنگ سازی چراغ های راهنمایی با استفاده از سیستم اطلاعات مکانی-زمانی می باشد. به همین منظور ابتدا مولفه ها و پارامترهای مربوط به تعیین شرایط ترافیکی و هماهنگ سازی چراغ ها جمع آوری شده و بر مبنای آن ساختار داده های ترافیکی زمانی (داده های پویا) برای ورود به پایگاه داده، تعیین می گردد.این ساختار به نحوی تعیین شده که متناسب با نوع رفتار ترافیکی موجود، شرایط ترافیکی لحظه ای بر مبنای اطلاعات دقیق کمی به سیستم معرفی می گردد. در این تحقیق، ذخیره سازی و مدلسازی داده های پویا به همراه داده های مکانی مربوط به مسیر خیابان ها (داده های ایستا) بر اساس مدل رابطه ای اشیای مکانی دارای برچسب زمانی انجام گرفته که با ایجاد ارتباط بین این داده ها، تغییرات به وجود آمده در شرایط ترافیکی در هر لحظه تعیین می گردد. بر اساس این تغییرات، پارامترهای ترافیکی و مقدار وابستگی بین تقاطع ها محاسبه می شود و سپس بر اساس این اطلاعات، زمانبندی چراغ ها به صورت منفرد و شبکه انجام می پذیرد.

تعیین و بررسی مدل های تصحیح هندسی و زمین مرجع نمودن تصاویر ماهواره ای با توجه به رونق استفاده از آن ها در بسیاری از زمینه ها در ده های اخیر به شدت مورد توجه قرار گرفته و به عنوان یکی از موضوعات مهم در فتوگرامتری و سنجش از دور مطرح است. در این مطالعه با استفاده از روش های مختلف مدلسازی به تصحیح هندسی تصویر ماهواره ای Worldview-2 پرداخته و سعی گردیده است تا یک ارزیابی جامع از قابلیت روش های مختلف در مدلسازی تصویر این ماهواره در منطقه شهری مانند تهران بدست آید. همچنین اثر تعداد و توزیع نقاط کنترل در روش های مدلسازی مورد مطالعه قرار گرفته است و در نهایت تصحیح هندسی با استفاده از توابع رشنال با دقت بالایی در حدود 0.36 متر حاصل گردید. علاوه بر روش های معمول از روش های هوش مصنوعی نظیر الگوریتم ژنتیک و شبکه های عصبی به منظور بهینه سازی استفاده گردید و با استفاده از شبکه پرسپترون با 4 نرون در لایه میانی دقت 0.71 پیکسل حاصل گردید و در نهایت مشخص شد که با استفاده از این الگوریتم ها می توان مدل های موجود را بهینه کرد و نتایج بهتری را نسبت به روش های معمول بدست آورد.

انسان موجودی وابسته به مکان است که نیاز دارد بداند کجا واقع شده و چگونه می تواند به مقصد خود برسد. ابزارهایی که وی برای این امر در اختیار دارد به طیف های متفاوتی تقسیم می شود. از آن جمله، می توان به ادراک مکانی انسانی و همچنین استفاده از تسهیلات راهبری چون نقشه و سیستم های دستیار راهبری اشاره نمود. نقشه های مورد استفاده در زندگی روزمره اعم از رقومی و کارتوگرافی، مجموعهای از اطلاعات متریک و اندکی از ویژگی های توپولوژیک محیط را در اختیار کاربر قرار داده، وی بر اساس این اطلاعات و تجربه قبلی در نقشه خوانی، به توجیه خود و راهبری در محیط می پردازد و یا با استفاده از سیستم های راهبری بدون هیچ گونه فعالیت ذهنی مکانی به مقصد راهنمایی می شود. این مقاله به بررسی روش های مختلف راهبری در محیط شهری پرداخته و رویکردی برای بهره گیری از مولفه های ادراک مکانی انسانی در فرایند راهبری را پیشنهاد می نماید. از آنجا که انسان برای راهبری، از مجموعه ای از مولفه های ادراکی برای تعامل با محیط پیرامون خویش استفاده می کند، ارائه این مولفه ها در نقشه های شهری، می تواند موجب تسهیل توجیه و راهبری گردد و به فرایند شکل گیری نقشه ذهنی کمک نماید.

آلرژی یکی از بیماری هایی است که به دلیل آلوده شدن محیط اطراف زندگی انسان به عوامل محرک آلرژی، در سالیان اخیر گسترش فزاینده ای داشته است. بهترین روش برای درمان بیماری آلرژی، شناسایی عامل آلرژی زا و سپس، دوری جستن از آن عامل است. در این میان، عوامل ناشناخته بسیاری هستند که می توانند موجب ایجاد آلرژی گردند که اغلب این عوامل از محیط زندگی افراد ناشی می شوند. این مقاله، به بررسی وابستگی میان وقوع نوع خاصی از بیماری آلرژی، آسم آلرژیک، با پارامترهای محیطی همچون فاصله از پارک، فاصله از خیابان و آلاینده های هوا مانند CO، SO2، NO2، PM10، PM2.5 و O3 می پردازد. برای این منظور، از روش کاوش قوانین وابستگی چند بعدی استفاده گردید و برای مدیریت عدم قطعیت موجود در داده ها ابعاد به صورت مجموعه های فازی تعریف شدند. قوانین کشف شده نشانگر تاثیر مثبت پارامترهای فاصله از پارک، فاصله از خیابان و آلاینده های CO، NO2، PM10 و PM2.5 بر وقوع آسم آلرژیک و عدم تاثیرپذیری آن از آلاینده های SO2 و O3 هستند.

یکی از مهمترین بلایای طبیعی که طی سالیان اخیر مورد توجه قرار گرفته، پدیده گرد و غبار است. در سال های اخیر این پدیده در ایران ابعاد تازه ای گرفته و از یک معضل محلی، به مساله ای ملی تبدیل شده است. شناسایی و تشخیص طوفان گردوغبار اولین مرحله در بررسی و پایش آن می باشد. این تحقیق با هدف شناسایی مناطق دارای گردوغبار از تصاویر ماهواره ای، در منطقه خاورمیانه انجام گرفته است. در بررسی پدیده گردوغبار تصاویر سنجنده MODIS با توجه به قدرت تفکیک زمانی و طیفی مناسب، از اهمیت ویژه ای برخوردار می باشند. در این مطالعه با استفاده از روش های طبقه بندی درخت تصمیمگیری، شبکه عصبی مصنوعی (ANN) و ماشین های بردار پشتیبان (SVM) تلاش شده است که گردوغبار در تصاویر ماهواره ای MODIS تشخیص داده شود، که روش طبقه بندی ماشین های بردار پشتیبان به عنوان یک ایده جدید مطرح شده است. به علاوه به منظور بررسی دقت هر سه روش بکار برده شده، از محصول (AOD(Aerosol Optical Depth سنجنده OMI استفاده شده است، که نتایج نشان دهنده دقت و صحت بالاتر روش SVM نسبت به سایر روش ها می باشد. با توجه به نتایج بدست آمده، این الگوریتم قادر به شناسایی گردوغبار در هر دو منطقه خشکی و آب به طور همزمان می باشد و می تواند جایگزین مناسبی برای محصول (AOT(Aerosol Optical Thickness تولید شده برای گردوغبار توسط ناسا (NASA) باشد.

زلزله جزء مهم ترین مخاطرات تهدید کننده محیط های شهری می باشد که اهمیت زیادی در مدیریت بحران و تصمیم گیری های شهری دارد. بنابراین بکارگیری روش هایی جهت کاهش تلفات و خسارات ناشی از آن امری حیاتی و مهم بشمار می آید. یکی از این روش ها تهیه نقشه آسیب پذیری لرزه ایمی باشد. مساله تعیین آسیب پذیری لرزه ای به دلیل وابسته بودنش به پارامترهای لرزه ای مختلف و نظر کارشناس همواره با عدم قطعیت هایی همراه است که عدم مدیریت صحیح عدم قطعیت در مساله، منجر به برآورد نادرست از آسیب پذیری لرزه ای و در نتیجه آن تصمیم گیری های نادرست خواهد شد. عدم قطعیت در مساله تعیین میزان آسیب پذیری به معنای عدم وجود راه حلی معین برای تعیین دقیق میزان آسیب پذیری می باشد.تا کنون تحقیقات مختلفی جهت مدیریت عدم قطعیت موجود در مساله آسیب پذیری ارائه شده است که هر کدام جنبه های مختلفی از عدم قطعیت را مدیریت می کنند. جهت برآورد بهتر و قابل اعتمادتر در مساله تعیین آسیب پذیری لرزه ای، نیازمند استفاده از روش هایی هستیم که هرچه بیشتر عدم قطعیت های موجود در مساله را مدیریت کنند. در این مقاله هدف استفاده از مدل محاسبات دانه ای جهت مدیریت عدم قطعیت در مساله آسیب پذیری لرزه ای می باشد. محاسبات دانه ای جزء روش های تصمیم گیری چند معیاره می باشد که در آن قوانین کلاسه بندی با حداقل ناسازگاری در قالب درخت دانه ای استخراج می شوند. مدل های مختلف محاسبات دانه ای بر اساس رابطه شباهت تعریف شده بین اشیاء در تشکیل دانه ها تعریف می شوند. رابطه معادلی ساده از جمله روابط ساده در تعریف دانه ها می باشد که در آن شباهت بین اشیاء بر اساس رابطه غیر قابل تفکیک پذیری تعریف می شود. در این مقاله از رابطه شباهت عمومی در تعریف دانه ها و دانه بندی اطلاعات استفاده شده است. در این رابطه علاوه بر رفع محدودیت رابطه معادلی ساده در تعریف شباهت بین اشیاء، مشکل قطعی بودن مرزها در رابطه معادلی ساده مرتفع گردیده است.در این تحقیق نقشه آسیب پذیری لرزه ای شهر تهران در مقیاس حوزه های شهری با استفاده از مدل محاسبات دانه ای بر اساس رابطه شباهت عمومی تهیه شده است.

روش های مکانیابی ماهیت ذاتی تغییرپذیری جهان واقعی را در نظر نمی گیرند. در حالیکه در بسیاری از مسائل مکانیابی با پارامترهای متغیر با زمان مواجه می شویم. ممکن است در برخی موارد تغییرات این پارامترها قابل پیش بینی باشد که در این صورت بایستی به روشی مدلسازی شده و در مکانیابی لحاظ شود. در این مقاله مساله مکان یابی از نوع مساله p-میانه به صورت پویا فرمول بندی شده و روشی بر مبنای هوش مصنوعی برای حل مسایل مکانیابی و تخصیص منابع پویا پیشنهاد شده است. جهت ارزیابی کارایی روش پیشنهادی و نیز روشهای مکانیابی پویا، مساله نمونه ای از نوع NP-Complete، طرح و به دو صورت پویا و ایستا و با یهره گیری از روش مذکور حل شده است. نتایج حاصل از پیاده سازی نشانگر کارایی روش حل پیشنهادی و نیز روشهای مکانیابی پویا نسبت به روشهای ایستا در حل مسایل مکانیابی با وجود مدل تغییرات تقاضا در زمان می باشد.

در این مقاله روشی جهت آشکارسازی ساختمان ها و بازسازی مدل سه بعدی آن ها از طریق تصویر هوایی و داده های لیدار ارائه شده است. این پژوهش شامل سه مرحله کلی آشکارسازی ساختمان ها، بازسازی مرز دو بعدی ساختمان ها و بازسازی مدل سه بعدی ساختمان ها می باشد. در مرحله آشکارسازی ساختمان ها، عوارض غیرزمینی (درختان و ساختمان ها) از روی داده های لیدار استخراج می شوند و سپس جهت تفکیک ساختمان ها از درختان، طبقه بندی براساس ماشین های بردار پشتیبان (SVMs) بکار گرفته شده است. داده های آموزشی جهت انجام طبقه بندی ماشین های بردار پشتیبان بصورت نیمه اتوماتیک انتخاب شده است. جهت بهبود نتایج آشکارسازی ساختمان ها نیز ابتدا از عملگرهای مورفولوژی ریاضی استفاده شده است و سپس جداسازی ساختمان های غیرهم ارتفاع بر اساس دسته بندی K-Means انجام گرفته است. نتایج ارزیابی ها موفقیت روش پیشنهادی را در آشکارسازی ساختمان های بزرگ و کوچک نشان می دهند بطوری که شاخص های پیکسل مبنا جامع بودن، صحیح بودن و کیفیت برای روش پیشنهادی به ترتیب %86.60، %99.10، %85.92 می باشند. در مرحله بازسازی مرز دو بعدی ساختمان ها، مرزهای دو بعدی ساختمان ها بعد از برداری کردن با خلاصه سازی و عمود سازی استخراج گردیده اند. در این تحقیق، بازسازی سه بعدی ساختمان در سطح LOD2 انجام گرفته است. جهت کشف ساختار سقف ساختمان ها، ابتدا پارامترهای صفحه برازش یافته به نقاط لیدار بدست می آیند و با در نظر گرفتن این پارامترها بعنوان ویژگی های هر ساختمان، دسته بندی ISO-DATA انجام گرفته است که در نهایت نتایج این دسته بندی بیانگر تعداد سطوح صفحه ای هر ساختمان می باشد. با ادغام صفحات نزدیک و موازی و برازش صفحه به هر سطح صفحه ای، تعداد و پارامترهای سطوح صفحه ای هر ساختمان مشخص گردیده است. با تقاطع این سطوح و بدست آوردن نقاط میانی و نقاط مرزی هر ساختمان، ساختار سقف ساختمان ها بازسازی شده اند. دیوارهای ساختمان نیز بطور قائم بر روی مرز دو بعدی ساختمان قرار گرفته اند. مقدار RMS ارتفاعی صفحات تعیین شده برای ساختار سقف ساختمان ها 0.4 متر و مقدار خطای RMS کلی رئوس پلیگون های این صفحات 0.9 متر می باشد.

تابش خورشیدی در تعیین محل بهینه نیروگاه های خورشیدی و در مطالعات زمین شناسی و اکولوژیکی عاملی تاثیرگذار بوده و پارامتر اصلی بسیاری از مدل های هواشناسی و هیدرولوژیکی می باشد. در ایران 63 ایستگاه تابش سنجی موجود است که در قیاس با گستره کشور تراکم پایینی برای شبکه پایش تابش خورشیدی محسوب می شود. در تحقیق حاضر به منظور افزایش تراکم شبکه تابش سنجی و در نتیجه پهنه بندی دقیق تابش خورشیدی، از اطلاعات هواشناسی موجود در ایستگاه های سینوپتیک استفاده شد. با توجه به همبستگی بالای موجود بین مشاهدات تابش خورشیدی و اطلاعات هواشناسی (ساعات آفتابی، دمای بیشینه و همبستگی معکوس بالا با متوسط فشار از سطح آب های آزاد)، از این اطلاعات جهت محاسبه تابش خورشیدی در ایستگاه های سینوپتیک استفاده شد. در این تحقیق از روش های عمده محاسبات نرم همچون سیستم های استنتاج فازی (FIS) با خوشه بندی فازی، شبکه عصبی مصنوعی (ANN) و سیستم های استنتاج تطبیقی عصبی-فازی (ANFIS) بهره گرفته شد. نتایج حاصل از روش های مذکور توسط معیارهای دقت RMSE، MAE و MBE مقایسه شدند. نتایج نشان دادند که روش فازی سوگنو با خوشه بندی فازی RMSEای برابر با 28.07 وات بر مترمربع دارد که 18% درصد بهتر از روش شبکه عصبی؛ 39% بهتر از سیستم استنتاج عصبی-فازی با تقسیم بندی گریدی و 42% درصد بهتر از خوشه بندی کاهشی است. نتایج حاصل از MAE و MBE نیز حاکی از قابلیت بالای روش فازی سوگنو بود. این روش برای مدل سازی سیستم های پیچیده و غیرخطی انعطاف پذیرتر بوده و در پیش بینی مکانی تابش خورشیدی راحت تر و سریع تر (هم از نظر اجرای کاربر و هم به لحاظ نرم افزاری) قابل اجرا می باشد. تابش خورشیدی برآورد شده برای 333 ایستگاه سینوپتیک کشوری با روش کریجینگ عادی پهنه بندی شد. اطلس تابش خورشیدی حاصل از این تحقیق برای شناسایی نواحی پرتابش ایران به منظور کاربردهای مهندسی و برنامه ریزی انرژی مناسب می باشد. اطلس تابشی حاصل نشان داد که 32 درصد از مناطق کشور دارای تابش خورشیدی بالای 500 w/m2 که مقدار تابش معیار برای نیروگاه های خورشیدی است هستند.

خط سیر مکانی (spatial trajectory)، تغییرات مکانی یک شی در طی زمان را ثبت کرده و به صورت رشته ای از نقاط گسسته که دارای مولفه های مکانی- زمانی هستند، مدل می شود. امروزه افزایش روز افزون دستگاه های متحرک و تکنولوژی های موقعیت یابی منجر به حجم انبوه و بیشماری از اطلاعات مکانی- زمانی و در پی آن نیازمند کاربردها و تحلیل های زیادی شده است. یکی از تحلیل های مهم در خطوط سیر مکانی استخراج خطوط سیر مکانی متشابه است. تاکنون توابع فاصله متنوعی برای اندازه گیری میزان شباهت خطوط سیر مکانی ارائه شده اند که هر یک، شباهت خطوط سیر را از جنبه خاصی بررسی کرده و برای داده ها با ویژگی های متنوع کارآیی متفاوتی دارند. در نتیجه کارآیی توابع برای همه داده ها و کاربردها یکسان نبوده و برای انتخاب تابع مناسب نیازمند شناخت قابلیت ها و ویژگی های توابع هستیم. در این مقاله به بررسی 7 تابع بنیادی و متداول که اساس بسیاری از توابع فاصله دیگر هستند پرداخته و برتری ها و نواقص هر یک از روشها ضمن روند ارزیابی مشخص می گردند.

یکی از منابع مهم خطا بر روی امواج GNSS اثر یونسفر زمین است. این لایه از اتمسفر زمین مملوء از ذرات باردار می باشد. اثر یونسفر بر روی امواج وابسته به میزان TEC در طول مسیر می باشد. در این مقاله از روش برآورد هارمونیک کمترین مربعات که یک روش آنالیز در حوزه فرکانس می باشد، جهت آنالیز سری های زمانی TEC استفاده می شود. داده های مورد استفاده مقادیر TEC قائم می باشد که از مدل های GIM (نقشه های TEC قائم یونسفری) به دست آمده و دارای پوشش جهانی می باشند. در اینجا از 15 سال داده در بازه زمانی سال 1998 تا سال 2014 استفاده می شود. ابتدا روش هارمونیک تک متغیره و چند متغیره بر روی سری های زمانی اعمال، و فرکانس های مهم شناسایی می شود. آنالیز چند متغیره نشان می دهد که سیگنالهای پریودیک روزانه با پریود روزانه و هارمونیک های بالاتر و همچنین پریودهای سالیانه با هارمونیک های بالاتر در این سری ها وجود دارد. در ادامه توان طیفی برخی سیگنال های کشف شده در تمام نقاطی که داده موجود می باشد محاسبه و بررسی می گردد. نتیجه ای که برای هارمونیک های بالاتر پریود روزانه یونسفر (یک سوم روزانه، یک چهارم و یک پنجم روزانه) دیده شد، گویای این مطلب است که بیشینه توان طیفی در استوای مغناطیسی (Dip equator) اتفاق می افتد، که یکی از دلایل وقوع این پریودها می تواند میدان مغناطیسی زمین می باشد.

با توجه به گسترش روزافزون استفاده از تکنیک های تعیین موقعیت ماهواره ای خصوصا GPS لزوم تعیین دقیق ژئوئید با هدف جایگزینی اندازه گیری های ترازیابی با اندازه گیری های GPS در کاربردهای ژئودتیک بر کسی پوشیده نیست. تقریب ژئوئید با استفاده از داده های GPS/leveling به صورت محلی، در کنار مدل های موجود از قبیل مدل های ژئوپتانسیل و یا ژئوئیدهای گراویمتری راهکاری پذیرفته شده است. اما سوال مهم سطح دقت قابل دسترس با استفاده از این روش است. مواردی چون کیفیت داده ها و یا تکنیک مورداستفاده برای مدل سازی این داده ها می تواند در دقت ژئوئید GPS/leveling تاثیرگذار باشد. در این مقاله به ارزیابی روش های نوین محاسباتی مبتنی بر یادگیری از جمله شبکه های عصبی مصنوعی (ANN) و سیستمهای استنتاج فازی-عصبی تطبیقی (ANFIS) در مقایسه با روش استاندارد معادلات رگرسیون چندجمله ای چند متغیره (MPRE)، در مدلسازی ژئوئید GPS/Leveling پرداخته شده است. این ارزیابی در یک شبکه از ایستگاه های GPS و ترازیابی در شهرستان شاهین شهر اصفهان با ابعاد کوچکتر و توزیعی بسیار فشرده تر نسبت به مطالعات پیشین صورت گرفته و این کیفیت داده ها مدلسازی ژئوئید را با دقتی بهتر از 1 سانتیمتر ممکن ساخته است. نتایج نشان دهنده برتری چند میلی متری مدل های ژئوئید حاصل از ANN و ANFIS از نظر مجذور میانگین مربعات خطاها و همچنین از نظر ضریب تشخیص است و به ترتیب RMSE=8 mm، R2=0.9949 و RMSE=7mm، R2=0.9964 برای این مدل ها، در نقاط تست حاصل شده است. بنابراین مدل ژئوئید حاصل از ANFIS دقیق ترین ارتفاع ژئوئید را در سطح منطقه فراهم می سازد.

در یک دهه اخیر استفاده از سیستم های فتوگرامتری پهباد کم هزینه برای اخذ تصاویر پوشش دار و رسیدن به اهداف عمده فتوگرامتری که تهیه نقشه از یک منطقه می باشد رونق بسیاری پیدا کرده است که دلیل این توجه ویژه، مزایای فتوگرامتری پهباد در کاهش هزینه، سرعت بالا و نیاز کمتر به افراد متخصص و تجهیزات خاص نسبت به فتوگرامتری هوایی سرنشین دار و نقشه برداری زمینی است. به دلیل وجود تعدادی از عوامل، نظیر به کارگیری دوربین های رقومی غیرمتریک در این سیستم ها و همچنین ناپایداری این سیستم ها در برابر شرایط محیطی و جوی، تصاویر اخذ شده به وسیله این سیستم ها دارای مشکلاتی نظیر دوران های خارج از حد نرمال و تغییر مقیاس قابل توجه می باشند. با توجه به اینکه نرم افزارهای فتوگرامتری، براساس خصوصیات تصاویر اخذ شده از دوربین های متریک طراحی شده اند قادر به پردازش خودکار تصاویر اخذ شده از سیستم های فتوگرامتری پهباد کم هزینه نیستند و این مشکل موجب ایجاد یک گپ بزرگ بین مرحله اخذ تصاویر و محاسبات دقیق مثلث بندی هوایی شده است. در این تحقیق هدف، برطرف کردن گپ ایجاد شده از طریق پردازش خودکار تصاویر اخذ شده از سیستم های فتوگرامتری پهباد کم هزینه و آماده سازی داده ورودی به نرم افزارهای فتوگرامتری جهت مثلث بندی هوایی دقیق بوده است. در این راستا استخراج و تناظریابی دقیق عوارض نقطه ای که مستقل از تغییرات مقیاس و دوران باشند بر روی 116 تصویر اخذ شده از یک منطقه تپه ماهوری به وسیله پهباد کم هزینه، با به کارگیری الگوریتم های (SIFT(Scale Invariant Feature Transform و هندسه اپیپولار انجام شد. بر اساس تقاطع پروژکتیو و به کارگیری الگوریتم کواترنیون واحد، هم مرجع سازی تصاویر و بازسازی مختصات سه بعدی نقاط گرهی در یک سیستم مختصات مرجع اختیاری انجام شد و به همراه آن ها پارامترهای موقعیت و وضعیت دوربین در زمان تصویربرداری در این سیستم مختصات بدست آمدند. در نهایت تمامی این خروجی ها به صورت فرمت PATB به نرم افزار فتوگرامتری (LPS(Leica Photogrammetry Suite برده شدند و با یک سرشکنی دسته پرتوی دقیق در محیط نرم افزار LPS، مثلث بندی هوایی دقیق انجام شد و به عنوان نمونه، مدل سه بعدی از زوج تصاویر جهت تبدیل تصاویر به نقشه سه بعدی، مدل ارتفاعی رقومی زمین و ارتوفتو موزاییک از بخشی از منطقه بدست آمد.

با پیشرفت های کنونی در سنجش از دور و علوم مرتبط با آن، داده سنجش از دور فراطیفی با فراهم آوردن حجم بالای اطلاعات طیفی برای تشخیص بهتر کلاس های زمینی مورد استفاده فراوان قرار می گیرد، اگرچه تعداد زیاد باندهای طیفی در مقابل تعداد کم نمونه های آموزشی در دسترس، مشکل «پدبده هیوز» را در این داده ایجاد می کند. به علاوه تعداد زیاد باندهای طیفی که اغلب به یکدیگر وابسته می باشند، شامل اطلاعات زاید فراوانی هستند. این سطح بالا از پیچیدگی در داده های فراطیفی، باعث عدم کارایی روش های طبقه بندی کلاسیک در طبقه بندی این نوع داده می شود. با توجه به محدودیت های طبقه بندی کننده های انفرادی در این شرایط، سیستم های حاوی مجموعه طبقه بندی کننده ها ممکن است کارایی بهتری نسبت به طبقه بندی کننده های انفرادی داشته باشند. تحقیق پیش رو یک روش نوین برای طبقه بندی داده های فراطیفی با بکارگیری یک سیستم چندگانه ماشین های بردار پشتیبان که شامل گروه بندی باندهای طیفی است، معرفی می کند. روش پیشنهادی در اولین گام برای گروه بندی باندهای طیفی از روشی براساس اطلاعات دوطرفه یا متقابل استفاده می کند. روش پیشنهادی در دومین گام، از ماشین بردار پشتیبان به منظور طبقه بندی هر گروه از باندهای طیفی استفاده می کند تا مجموعه ای از طبقه بندی کننده ها حاصل شود. سرانجام روش پیشنهادی یک الگوریتم ادغام طبقه بندی کننده ها براساس تئوری بیز با نام (Naïve Bayes (NB را بکار می برد. نتایج حاصل از روش پیشنهادی برای دو نمونه از داده های فراطیفی نشان می دهد که روش پیشنهادی در مقایسه با SVM استاندارد-طبقه بندی کننده ایی که همه باندها را در یک زمان طبقه بندی می کند- نتایج بهتری را ایجاد می کند. این نتایج همچنین کارایی مفهوم گروه بندی باندها و سیستم های طبقه بندی کننده چندگانه را در مقایسه با روش های معمول پیشین نشان می دهد.