علوم و فنون نقشه برداری
سال:1395 | دوره:6 | شماره:1 |تعداد مقالات:21

دمای سطح زمین از جمله متغیرهایی است که در دامنه وسیعی از مطالعات علوم زمین و محیط زیست کاربرد دارد. فناوری سنجش از دور، امکان پایش مکانی و زمانی این کمیت را در سطوح وسیع فراهم می آورد. اما ارزیابی دقت این کمیت از مسائل چالش برانگیز بوده و هست. تغییرات سریع دما در مکان و زمان از یک طرف، و عدم تطابق مقیاس مکانی بین سنسورهای ماهواره ای و زمینی از طرفی دیگر، اعتبار سنجی آن را با داده های زمینی دشوار نموده است. علاوه بر اعتبارسنجی این کمیت با داده های زمینی، سه روش دیگر، اعتبار سنجی مبتنی بر رادیانس، ارزیابی غیرمستقیم و اعتبار سنجی تقاطعی بین محصول دو سنجنده، وجود دارد. از بین این روشها، روش اعتبار سنجی تقاطعی با توجه به گسترش روزافزون سنجنده های حرارتی از معمول ترین روش ارزیابی دقت دمای سطح می باشد. تطبیق زمان، اطلاعات طیفی، مکانی و زاویه دید سنجنده، از نیازهای اساسی روش اعتبار سنجی تقاطعی است. در مقاله حاضر، روشی برای اعتبارسنجی تقاطعی دمای سطح حاصل از لندست 8 با سنجنده های مادیس ارائه شده است. بدلیل برداشت دو بار در هر شبانه روز، توسط هر یک از سنجنده های مادیس، محصول دمای آن بعنوان مرجع انتخاب گردید. محصول دمای مادیس در بیش از پنجاه مورد با روش های مختلف اعتبارسنجی شده و دارای دقت کمتر یک درجه کلوین می باشد. نتایج روش پیشنهادی نشان داد که ارزیابی دقت در مناطق با همگنی بالا، با پارامترهای میانگین اختلاف ها و ریشه میانگین مربع خطا به ترتیب دارای دقت 0.6 و 1.63 درجه کلوین در تصویر بررسی اول بوده و همچنین این مقادیر در تصویر بررسی دوم به ترتیب دارای دقت 0.94 و 1.27 درجه کلوین بدست آمدند. با توجه به نتایج حاصل، روش پیشنهادی نه تنها روش با ثباتی برای ارزیابی دقت دمای سطح می باشد، بلکه این روش برای هر سنجنده حرارتی و برای هر زمان و مکانی قابل اجرا است.

بررسی کیفیت، از جمله مهمترین چالش های موجود بر سر راه داده های جغرافیایی داوطلبانه می باشد. امروزه، اندازه گیری کیفیت این داده ها عمدتا شامل فرآیندهای مستند کردن و اندازه گیری خطا با کمترین نگرانی در مورد برآورده کردن نیازهای مختلف و متنوع کاربران است. علی رغم طیف وسیع موجود در پذیرش شاخص «تناسب برای هدف» به عنوان المان کلیدی ارزیابی کیفیت اطلاعات جغرافیایی، این شاخص عملا در تولید و به اشتراک گذاری داده ها مورد توجه قرار نمی گیرد. بنابراین، هدف این مقاله، ارائه مدلی مفهومی است که با استفاده از آن بتوان داده های ورودی به پایگاه داده داوطلبانه را به صورت درست و بهینه ذخیره سازی کرد. عوارض جغرافیایی و در نتیجه داده های اخذ شده از آن ها دارای کاربردهای متفاوتی هستند. با توجه به این موضوع، ممکن است کاربرد متفاوتی از داده در هنگام استفاده، مد نظر کاربران بر اساس نیازهایشان باشد. همچنین، ممکن است که کاربردهای مختلفی از یک داده توسط کاربران مختلف در تولید و ذخیره سازی آن داده، مد نظر باشد. در نتیجه، در این مقاله با طراحی یک مدل مفهومی، سعی در اعمال تمهیداتی در فرآیند ذخیره سازی این نوع از داده ها شده است تا فرصتی برای استفاده بهتر از داده ها ایجاد شود. این کار با تعریف مجموعه برچسب هایی انجام شده است که بیانگر نقش داده در کاربردهای مختلف هستند. در نتیجه، ذخیره سازی داده ها بهبود یافته که می تواند منجر به پردازش و ارائه بهتر داده ها بر اساس پرسش (نیاز و هدف) کاربر شود. برای پیاده سازی مفهوم پیشنهادی، از الگوریتم اندازه گیری تشابه معنایی Zhao استفاده شده است. داده های موجود و همچنین داده های ورودی جدید، با توجه به مدل مفهومی ارائه شده پردازش و ذخیره می شوند. برای ارزیابی، پاسخ ارائه شده به پرسش های مختلف کاربران در دو پایگاه داده با نوع ذخیره سازی موجود (فعلی) و جدید (با اعمال مدل پیشنهادی) در دو سناریو مقایسه شده است. همچنین نتایج پاسخ های ارائه شده به گروهی از کاربران، بهبود عملکرد پایگاه داده جدید را به میزان بیش از 50 درصد نشان می دهد.

حجم بالای داده یک مشکل عمده در وب کنونی به شمار می رود و از طرف دیگر هشتاد درصد داده های موجود نیز دارای بعد مکانی هستند. بنابراین مساله گرانباری اطلاعات در علوم اطلاعات مکانی نیز چالش برانگیز است. حجم گسترده داده و سرویس های موجود نیز هنگامی مفید است که برای کاربر قابل کشف شدن باشد. در ژئوپرتالها کاربران با مشکلاتی از قبیل انتخاب کلیدواژهای مناسب برای جستجو، چگونگی پرکردن اطلاعات فرم جستجو، انتخاب فیلترهای جستجوی مناسب، روالهای متفاوت جستجو در ژئوپرتالها و غیره که سبب سردرگمی آنها می شود مواجه می شوند. را ه حل های بسیار برای حل این مسائل ارائه شده است که اغلب سعی در افزایش توانایی جستجوگری بر اساس کلید واژه های ارائه شده از سوی کاربر تاکید داشته اند، اما همچنان این مشکلات و عدم همسانی ها در ژئوپرتالها وجود دارد. هدف این پژوهش ارتقای عملکرد جستجوگری ژئوپرتالها با افزودن مکانیسم بازیابی اطلاعات جدید در ژئوپرتال است. سیستم های توصیه گر روشی جدید در بازیابی و ارائه اطلاعات به کاربران هستند که روالی مجزا از مکانیسم های جستجوگری موجود در ژئوپرتالها ارائه می دهند. پژوهش حاضر در پی ترکیب سیستم های توصیه گر با ژئوپرتال است. در این صورت می توان نارسایی های موجود در ژئوپرتالها را از طریق ارائه آیتم های پیشنهادی بر اساس پروفایل کاربر و فراداده و استخراج ارتباطات بین آن ها کاهش دهد. در این راستا به منظور استخراج مشابهت های بین پروفایل کاربر و فراداده از هستی شناسی استفاده شده است. سیستم توصیه گر معناگرا بر پایه الگوریتم تجزیه مقادیر تکین (SVD) و تحلیل مشابهت معنایی جهت استخراج آیتم های اطلاعاتی مرتبط و حل مشکل شروع سرد طراحی شده است. برای پیاده سازی ژئوپرتال از پایگاه داده مکانی سازمان راهداری استفاده شده است و طراحی هستی شناسی نیز بر پایه مفاهیم مرتبط در این حوزه بوده است.

هدف از این مقاله استفاده از روش بهینه سازی تصادفی تبرید شبیه سازی شده برای وارون سازی داده های ثقل سنجی و به دست آوردن ویژگی های فیزیکی و به خصوص هندسی منبع به وجود آورنده این داده ها (منبع آنومالی) است. پارامترهای هندسی منبع آنومالی شامل عمق یک سری از منشورهای به هم چسبیده بوده که در نهایت در کنار یکدیگر شکل هندسی منبع را نمایش می دهند و منظور از ویژگی های فیزیکی همان تباین چگالی میان سنگ میزبان و منبع آنومالی است که با توجه به اطلاعات زمین شناسی بازه جستجوی کوچکی برای آن در نظر گرفته شده است. همچنین برای وارون سازی بهتر از پارامترهای آنومالی منطقه ای نیز استفاده شده است به این معنا که ضرایب ثابتی در مختصات نقاط ضرب شده که باعث از بین رفتن اثرات یکنواخت و نسبتا بزرگ آنومالی های سنگ های زمینه (که اندازه گیری آن ها مورد نظر نیست) می شوند. در این پژوهش ضمن به کارگیری روش پیشنهادی بر روی داده های شبیه سازی شده به ارزیابی کارآمدی الگوریتم بر روی داده های حاصل از گرانی سنجی در منطقه امان آباد اراک پرداخته شده و نتایج آن با گمانه های حفر شده در منطقه مذکور مقایسه گردیده است. ارزیابی صورت گرفته نشان دهنده موفقیت الگوریتم در هر دو مرحله می باشد. عمق کمینه و بیشینه اکثر سنگ های رسوبی در منطقه مورد نظر بین 70 تا 120 متر تخمین زده شده است. در نهایت میزان بزرگی تابع هزینه (میزان خطا) در منطقه مورد مطالعه محاسبه شده که حداکثر بزرگی آن حدود 0.5 میلی گال است. لازم به ذکر است که عموما در روش های بهینه سازی غیرخطی عملیات ماتریسی و محاسبه پارامترهای آماری صورت نمی پذیرد و ملاک بررسی عملکرد الگوریتم پیاده سازی آن بر روی داده های شبیه سازی شده است.

علیرغم این که داده حالت پلاریمتری کامل اطلاعات بسیار خوبی از اهداف زمینی فراهم می آورد، مشکلاتی از قبیل کافی نبودن عرض پوشش دهی برای اهداف نظارتی و بالا بودن توان ارسالی، حجم داده، هزینه و پیچیدگی سیستم، پژوهشگران این حوزه را به سمت استفاده از حالت پلاریمتری فشرده سوق داد. در این حالت با سعی بر اینکه اطلاعات دریافتی تا حد ممکن به اطلاعات حالت پلاریمتری کامل نزدیک باشد، مشکلات حالت پلاریمتری کامل مرتفع می گردد. با توجه به کاستی هایی که در مقالات پیشین برای تبیین روش بازسازی داده حالت کامل از روی داده حالت فشرده دو دایروی وجود دارد، در این مقاله این روش به طور مبسوط تشریح می شود و فرضیات مطرح شده در این روش مورد بررسی قرار می گیرد و نقاط ضعف هریک با استفاده از نتایج تجربی روشن خواهد شد. برای بازسازی داده حالت کامل از داده حالت فشرده دو دایروی دو فرضیه تقریبی در نظر گرفته می شود که این دو موجب کم شدن دقت بازسازی می گردند. با توجه به این که در سال های اخیر مقالاتی جهت بهبود بازسازی در نواحی اقیانوسی ارائه شده است، در این پژوهش تمرکز اصلی بر روی نواحی شهری و مناطق با پوشش گیاهی قرار داده شده است و فرضیه ای ارائه می شود که نسبت به فرضیات پیشین دقیقتر بوده و در نتیجه دقت بازسازی را بالا می برد. با استفاده از داده های مربوط به سنجنده RADARSAT- 2 دقت فرضیات و روش های بازسازی آزمایش شده و برتری روش پیشنهادی نسبت به روش های پیشین نشان داده می شود.

استفاده از نیروگاه های بادی به عنوان یکی از مهم ترین روش های تولید انرژی برق با استفاده از انرژی های تجدید پذیر قلمداد می شود. اثرات مخرب زیست محیطی کم نسبت به سایر روش ها و قابلیت بهره برداری در سطح گسترده از جمله مزایای استفاده از انرژی باد در تولد برق است. در همین راستا مطالعه پتانسیل های مربوطه و یافتن مکان های مناسب به منظور استقرار تجهیزات بهره برداری از انرژی باد امری ضروری است. تلفیق سیستم اطلاعات جغرافیایی و روش های تحلیل تصمیم گیری چند معیاره ابزار توانمندی را برای مکان یابی فراهم می نماید. این مدل ها به ما کمک می کنند تا بر اساس معیارهای مختلف مکان های بهینه را برگزینیم. در این مطالعه سعی شده تا با استفاده از مدل های تصمیم گیری چند معیاره تحلیل شبکه ای و روش میانگین وزنی مرتب شده مکان های مناسب برای نیروگاه های بادی بر مبنای معیارهای موثر فنی، زیست محیطی و اقتصادی- اجتماعی در امر مکانیابی نیروگاه های بادی اولویت بندی شوند. در روش تحلیل شبکه ای با برقراری ارتباطات درونی و بیرونی بین معیارها و زیر معیارها و وزن دهی با توجه به اهمیت هر کدام، وزن های نهایی هر یک از معیارها مشخص می شود و همچنین یک عملگر OWA اولویت ها و ارزیابی ذهنی تصمیم گیر را در نظر گرفته و با توجه به میزان ریسک پذیری و ریسک گریزی تصمیم گیر اولویت بندی گزینه ها را انجام می دهد. در واقع اهمیت این مدل، تصمیم گیری بر اساس میزان خوشبینی و بدبینی قرد تصمیم گیر است. در اینجا با مد نظر قرار دادن معیارهای موثر در فرایند مکانیابی نیروگاه های بادی و استفاده از روش تصمیم گیری ANP-OWA گزینه های مختلف به منظور ایجاد نیروگاه های بادی در استان زنجان با توجه به درجات مختلف ریسک پذیری اولویت بندی گریده است. نتایج این پژوهش نشان می دهد به کارگیری مدل ANP نتایج تصمیم گیری را دقیق تر می کند و با استفاده از OWA می توان میزان ریسک را کنترل کرد و نتایج کار با توجه به میزان اعتماد به آن متفاوت خواهد بود.

با توجه به افزایش روز افزون جمعیت و سرعت بالای آن و تاثیر آن در رشد شهری، مطالعه، بررسی، و پیش بینی رشد شهری از موضوعات مهم جامعه امروزی محسوب می گردد. لذا، هدف اصلی این مقاله بررسی و نمایش رشد شهری در سال های اخیر و پیش بینی آن برای سال های آینده می باشد. به این منظور، در این تحقیق، از ترکیب روش شبکه عصبی پیش خورانده با فیلترهای همسایگی استفاده شده است. در این مقاله تنها رشد کاربری ساختمانی به عنوان رشد شهری در نظر گرفته شده است. تصاویر ماهواره لندست در سال های 1994، 2004، و 2014 برای تولید نقشه شهر (ساختمانی و غیر ساختمانی) بکار گرفته شدند. برای طبقه بندی تصاویر و استخراج نقشه از روش ماشین بردار پشتیبان استفاده شد. برای مدل سازی رشد شهری، شبکه عصبی پیش خورانده پیشنهادی در 2 مرحله اجرا شد، (1) برای یادگیری و تعیین وزن ها با استفاده از نقشه سال های 1994 و 2004، و (2) به صورت رو به جلو برای پیش بینی نقشه شایستگی برای سال 2014. به منظور پیش بینی نقشه شایستگی با دقت بالا، معماری شبکه عصبی با توجه به کمترین RMSE تعیین گردید. سپس نقشه شایستگی پیش بینی شده با فیلترهای مختلف همسایگی ترکیب و نقشه سال 2014 پیش بینی گردید. دقت روش در دو مرحله تعیین شد. ابتدا دقت نقشه شایستگی پیش بینی شده با استفاده از روش ROC بررسی گشت که دقت حاصل برابر 92.46 درصد بدست آمد. سپس در مرحله دوم میزان تطابق نقشه شهری پیش بینی شده با نقشه مرجع سال 2014 با استفاده از ماتریس مقایسه و با معیارهای دقت کلی و ضریب کاپا به ترتیب 92.22 و 82.31 درصد بدست آمد. در نهایت روش ارائه شده برای پیش بینی نقشه شهری سال 2024 به کار گرفته شد که نتایج حاکی از رشد بی رویه شهر در غرب و جنوب غربی منطقه می باشد.

امروزه، روش های تصمیمگیری چند معیاره مبتنی بر سامانه های اطلاعات جغرافیایی(GIS) ، به عنوان بستری که ابزار و توابع مکانی را با تحلیل های چند معیاره ادغام می کنند، نقش مهمی را در تصمیم گیری های مکانی مشارکتی ایفا می کند. در گذشته تحقیقات گسترده ای در زمینه سامانه های تصمیم گیری مکانی مشارکتی انجام گرفته است. در این تحقیقات، تصمیم گیریهای مکانی با ارائه گزینه های مکانی ثابت به تصمیم گیران انجام گرفته بود و کاربران صرفا محدود به ارزیابی در بین همان تعداد گزینه ها بودند در حالیکه این تحقیق، تعیین و ترسیم گزینه های مکانی را (بدون اعمال هیچ گونه محدودیتی) و در طی مراحل تصمیم گیری مکانی (نه از قبل) به شخص تصمیم گیرنده واگذار نموده است. با این هدف، اقدام به طراحی و توسعه سامانه ای کاربر محور شده که به تصمیم گیرنده این امکان داده می شود که با تعیین و ترسیم آزادانه گزینه های مکانی، اولویت ها، علایق، دانش و... خود را در فرایند تصمیم گیری مکانی وارد نماید. این امکان به شکل فرایندی دو مرحله ای، محقق می گردد، بطوریکه ابتدا تصمیم گیرنده وزن دهی به معیارها (توسط فرایند تحلیل سلسله مراتبی) را انجام میدهد و سپس گزینه ها را ترسیم و مشخص کرده و نهایتا آنها را رتبه بندی می کند. در مرحله دوم، نقشه های راه حل فردی، در یک فرایند ادغام نظرات گروهی (فازی اکثریت) با هم ترکیب و یک مجموعه جواب نهایی بدست می آید. در این راستا، تصمیم گیری مکانی مشارکتی برای انتخاب بهترین مکان جهت احداث سرویس های بهداشتی دائمی در سطح منطقه 1 شهر مشهد توسط گروه تصمیم گیران انجام شد. به عنوان نتیجه می توان گفت رویکرد پیشنهادی این سامانه، با ایجاد راه حلی منعطف، پتانسیل بالایی را برای افزایش کارایی تصمیم گیری های مکانی مشارکتی و افزایش نقش کاربر در فرایند تصمیم فراهم می آورد، به گونه ای که این امر منجر به تصمیمات همه جانبه و دموکراتانه می شود.

امروزه به واسطه توسعه فناوری، استفاده از سیستم های تعیین موقعیت افزایش چشمگیری داشته است. این ابزار داده های موقعیت را به صورت رشته ای از نقاط مکانی-زمانی به نام خط سیر تولید می کنند. در سال های اخیر تحقیقات مربوط به مدیریت داده های خط سیر، اغلب با تمرکز بر تکنیک های ذخیره سازی/بازیابی، مدلسازی، داده کاوی و کشف دانش از داده های خط سیر بوده است. این مطالعات عمدتا بر جنبه های هندسی داده های خام تاکید داشته اند. با این حال، ما امروزه شاهد گسترش تقاضا در بخش های کاربردی مختلف از ردیابی کالا توسط کشتی های تجاری تا شیکه های اجتماعی، با فهم رفتار (الگوی) معنایی اشیا در حال حرکت هستیم. الگوهای معنایی نه تنها شامل الگوهای هندسی هستند، بلکه دانش استخراج شده از داده های حرکت و اطلاعات مربوط به حوزه جغرافیایی و کاربردی را نیز شامل می شوند. فرآیند کشف دانش از داده های حرکت و غنی سازی معنایی خطوط سیر مکانی معمولا شامل چند گام پردازش است تا داده های ورودی خام به اپیزودهای معنی دار تبدیل شوند. این مقاله، ضمن ارائه چارچوب محاسباتی خط سیر معنایی، به بررسی و پیاده سازی هر یک از مراحل برای آماده سازی داده ها به منظور کشف دانش و اضافه کردن معنا به داده ها می پردازد. در این کار، فرآیند پردازش داده ها در هر گام چکیده سازی به ترتیب با داده های خام پاکسازی شده، خط سیر مکانی-زمانی و خط سیر ساختاریافته مورد بررسی قرار گرفته است و الگوریتم های ارائه شده روی داده های واقعی خط سیر پیاده سازی و ارزیابی شده است.

در دهه های اخیر مطالعات بسیاری در زمینه آشکارسازی هدف در تصاویر ابرطیفی انجام شده است. این در حالیست که در زمینه آشکارسازی هدف مطالعات کمتری نسبت به حوزه طبقه بندی جهت کاهش ابعاد و انتخاب باندهای مناسب انجام شده است. از طرفی در پردازش داده های سنجش از دور، انتخاب باند در حوزه پردازش تصاویر ابرطیفی نقش بسیار مهمی دارد. چرا که از مجموعه تمام باندهای تصویر، بهترین آنها را از لحاظ ارزش و تنوع اطلاعاتی جهت کاهش ابعاد داده و کاهش بارمحاسباتی انتخاب می شوند. این مطالعه یک روش ساده برای انتخاب باندهای مناسب به منظور آشکارسازی اهداف زیرپیکسل از طریق حذف باندهای بد ارائه می نماید. این روش بر مبنای شناسایی باندهای بد از طریق مقایسه طیف آزمایشگاهی و میدانی اهداف استوار است. در این روش با برازش یک تابع توزیع نرمال بر روی مقادیر اختلاف دو طیف آزمایشگاهی و میدانی در باندهای متناظر، باندهای بهینه شناسایی و جهت ورود به روش های آشکارسازی هدف معرفی می شوند. جهت ارزیابی روش ارائه شده از مجموعه داده ابرطیفی TDBT، چند روش انتخاب باند دیگر و پارامتر ارزیابی هشدار اشتباه استفاده شد. روش ارائه شده توانست نتایج آشکارسازی برای اهداف مختلف را در دو روش مطرح و متداول آشکارسازی هدف به نام های ACE و CEM بهبود ببخشد. در مجموع از میان تمام اهداف مورد ارزیابی تنها در 12 درصد از موارد دقت آشکارسازی کاهش یافت. سرعت بالا، سادگی، بار محاسباتی پایین و زمان کوتاه پردازش از مزایای روش ارائه شده است.

امروزه علوم شهری و رفتاری در حال تجربه دوره جدید تحت عنوان دوره داده های عظیم است. با توسعه هم زمان تکنولوژی های ارتباطاتی و اطلاعاتی و تکنولوژی های مکان مبنا، یک حجم غیر قابل پیش بینی از داده تحت عنوان داده های عظیم، تولید شده و هر روز نیز به آن افزوده می شود. این مجموعه های عظیم اطلاعاتی مرتبط با رفتار انسان، به محققان اجازه می دهد که رفتارهای تحرک و تعامل انسان ها را با دقت بی سابقه ای مطالعه نمایند و بر این اساس به الگوهای جابجایی افراد بین مناطق مختلف جغرافیایی دست یابند. در این میان، شبکه های اجتماعی مکان مبنا که یک مفهوم جدید از رسانه های اجتماعی روی خط می باشند، دارای پتانسیل بالا برای تولید داده هایی با دقت مکانی و زمانی بیشتر، اندازه نمونه بزرگ تر و هزینه بسیار پایین تر می باشند. داده های حاصل از این شبکه ها یکی از مدرن و به روزترین منابع داده ای است که امروزه مورد توجه محققین در موضوع مدیریت شهری قرار گرفته است و به آن ها اجازه می دهد تا سه جنبه مهم تحرک و تعامل انسان شامل: مکان، زمان و ارتباطات اجتماعی را مورد بررسی قرار دهند. در این تحقیق ضمن تشریح و بررسی عملکرد دو مدل تابشی و PWO به منظور برآورد ماتریس مبدا-مقصد تلاش شده است که با توسعه این مدل ها به منظور استفاده از اطلاعات قابل استخراج از داده های شبکه های اجتماعی مکان مبنا به عنوان پارامترهای ورودی این دو مدل، الگوهای حرکتی بین مناطق مختلف شهری شناسایی و ماتریس مبدا-مقصد بهینه استخراج گردد. نتایج ارزیابی ماتریس مبدا-مقصد مدل شده نشان می دهد که سفرهای پیش بینی شده حدود 70% سفرهای واقعی را بازسازی می نماید. این امر پتانسیل بالای داده های شبکه های اجتماعی مکان مبنا را در شناسایی رفتار حرکتی شهروندان و مدل سازی حرکت جمعیت پویای شهری اثبات می کند.

زمان و مکان جزء غیر قابل تفکیک هر پدیده در دنیای واقعی می باشد. از آنجائیکه در سیستمهای اطلاعات مکانی، مدلسازی پدیده های مکانی اولین گام در پردازش و تحلیل آن پدیده ها می باشد، افزودن قابلیتهای لازم به منظور شامل شدن بعد زمان در مدلسازی ها امری اجتناب ناپذیر می باشد. یکی از نیازهای اصلی در مدلسازی مکانی-زمانی پدیده ها ایجاد قابلیت بررسی روابط توپولوژیک زمانی-مکانی بین پدیده ها برای تحلیل ارتباط مکانی و زمانی آنها می باشد. بر این اساس در این مقاله ضمن تبیین انواع ابعاد زمان، با استفاده از یک روش ابتکاری کلیه روابط بین ابعاد مختلف زمان استخراج شده است. این روابط بدست آمده شامل سه رابطه بین دو رویداد زمانی، شش رابطه بین یک رویداد و یک حالت زمانی و 13 رابطه بین دو حالت زمانی می باشند. سپس با تلفیق این روابط با روابط توپولوژیک مکانی، 104 رابطه توپولوژیک مکانی-زمانی بین دو عارضه سطحی با زمان حضور خطی بدست آورده شدند. مزیت این روش نسبت به روشهای دیگر، استفاده از یک فرآیند قاعده مند در بررسی روابط توپولوژیک زمانی می باشد که تضمین می کند کلیه حالات ممکن برسی شده و همه روابط ممکن استخراج شوند. در نهایت بکار گیری موثر از این روابط در مدیریت زمین و املاک با پیاده سازی یک سیستم نمونه تشریح شده است.

مساله معناها در جنبه های مختلفی از مدیریت و تحلیل داده های مکانی اهمیت پیدا می کنند. در این تحقیق معانی مرتبط با بعد مکانی را به دو سطح مرتبط با هندسه و مکان عوارض به صورت منفرد و مرتبط با ترکیب و چینش عوارض در کنار هم تفکیک می نماییم. سطح دوم معانی مکانی-هندسی به دلیل وابستگی به روابط مکانی بین عوارض از پیچیدگیهای خاصی برخوردارند. بر این اساس و با هدف صریح سازی اینگونه معانی در داده های مکانی، قابلیتها و محدودیتهای پایگاههای داده رابطه ای مکانی بررسی گردیده و در مقابل قابلیتهایی از پایگاههای داده غیر رابطه ای تکنولوژیهای وب معنایی به عنوان راهکار ارائه می گردند. مهمترین محدودیتهای بحث شده در این مقاله عبارت از عدم انعطاف طرح پایگاه داده، عدم انعطاف داده ها، عدم امکان تعریف زیر موجودیت، عدم صریح بودن معانی روابط و عدم امکان بینهایت بودن اتصالات بین جدولی می باشند. پایگاههای داده وب معنایی با ساختاری مبتنی بر گراف قادر به ارائه همزمان بخشی از محاسن پایگاههای داده منطقی، پایگاههای داده شیءگرا و پایگاههای داده شبکه ای می باشند که این موضوع مهمترین کارایی آنها می باشد. در نهایت قابلیتهای مورد نظر برای صریح سازی مفهوم «بافت فرسوده شهری» استفاده گردید. این مفهوم که ماهیتی کاملا غیر هندسی-مکانی دارد بر اساس نشانه هایی که در فرمهای شهری داشته است دارای دو تفسیر کاملا مکانی-هندسی ریزدانگی و نفوذپذیری می باشد که می توانند منجر به صریح سازی نسبی آن در پایگاههای داده مکانی گردند.

در سال های اخیر، اطلاعات مکانی داوطلبانه به سرعت توسعه یافته و به عنوان منبع جدید و مهمی برای تامین اطلاعات مکانی مورد توجه قرار گرفته است. در آغاز، این اطلاعات فقط در دو بعد به اشتراک گذاشته می شدند، ولی با گذشت زمان، کاربران به جمع آوری و ثبت اطلاعات در بعد سوم نیز روی آوردند. OSM یکی از پروژه های مهم در زمینه اطلاعات مکانی داوطلبانه است که تاکنون برای استخراج مدل سه بعدی از اطلاعات آن تلاش های بسیاری صورت گرفته است. در تحقیق پیش رو، الگوریتمی برای استخراج خودکار اطلاعات سه بعدی از داده های موجود در پایگاه داده OSM و ایجاد مدل سه بعدی از داده های در سطح 4 جزئیات ارائه شده است. خروجی این روش مدل سه بعدی ساختمان ها در فرمت CityGML است که قابلیت استفاده به عنوان ورودی برای سایر تحلیل های مکانی را دارد. الگوریتم پیشنهادی به زبان جاوا و با نرم افزار NetBeans نوشته شده است. روش مذکور از حداقل اطلاعات معنایی ورودی برای ایجاد مدل سه بعدی استفاده می کند. این الگوریتم به ایجاد هرچه واقعی تر مدل سه بعدی از اطلاعات داوطلبانه مردمی پرداخته و سازگار با اطلاعات ساختمانی بومی ایران می باشد و از نتایج حاصل از آن می توان برای توسعه مجازی سه بعدی شهر ها مبتنی بر اطلاعات VGI بهره شایانی برد.

استفاده از روش های داده کاوی مکانی یا درون یابی مکانی و روش های مقایسه ای وزن دار می تواند نقش تعیین کننده و موثری در تعیین و تخمین میزان مطلوبیت های محلی شاخص های مختلف موثر در قیمت گذاری املاک داشته باشد. در این تحقیق عوامل موثر در قیمت املاک به چهار دسته کلی عوامل اقتصادی و بازاری، عوامل فیزیکی و رفاهی، ویژگی های همسایگی و دسترسی و ویژگی های سازمانی تقسیم می شود. عوامل یا ویژگی های سازمانی بعنوان یک گروه موثر از شاخص ها در تعیین قیمت املاک در این تحقیق معرفی می شود. اطلاعات مربوط به این ویژگی ها از ادارات و سازمان های مربوطه جمع آوری می شود و می تواند کمک قابل توجهی به کاربران مختلف درگیر در بخش املاک شامل خریداران، فروشندگان، بنگاه های معاملات املاک و دولت در قیمت گذاری، بازاریابی و مدیریت املاک به حساب آید. طبقه بندی ارائه شده با فرض ثابت ماندن عوامل اقتصادی و بازاری در زمان درخواست کاربر و بر اساس کمیت و کیفیت تاثیر هر شاخص در نهایت به سه گروه شاخص های Boolean، Multi-Value و Fuzzy/Logarithmic تقسیم می شود. در این تحقیق از روش های داده کاوی مکانی و ضرائب مقایسه ای وزن دار برای اطلاعات جمع آوری شده در زمان درخواست کاربر در یک محیط مردم گستر و بصورت تعاملی استفاده شده است. با بکارگیری این روش ها ضرائب تاثیر و توابع تاثیر هر شاخص به کمک طبقه بندی و گروه بندی اطلاعات مختلف جمع آوری شده بدست می آید. برای این منظور اطلاعات مربوط به قیمت و ویژگی های تعداد 150 ملک واقع در محدوده مطالعاتی تحقیق جمع آوری و عملکرد سیستم برای آنها بررسی شده است. با توجه به نتایج بدست آمده شاخص های Boolean و Multi-Value با نظم و روند مشخص تر و قابل پیش بینی تری نسبت به شاخص های Fuzzy/Logarithmic بدست آمدند. در نهایت برای ارزیابی قیمت های بدست آمده توسط سیستم برای تعداد 10 ملک مشخص با قیمت واقعی آنها مقایسه شده و دقت های مورد نظر محاسبه و مورد بحث قرار گرفته است.

سکونتگاه های غیررسمی غالبا به دلیل رشد بی رویه و بدون برنامه ریزی از وضعیت کالبدی مناسبی برخوردار نمی باشند. شبیه سازی رشد سکونتگاه های غیررسمی می تواند منجر به درک بهتر پیچیدگی فرایند و نحوه شکل گیری مکانی آن شود. مدلهای عامل مبنا دارای توانایی ذاتی مدلسازی رفتار و اثرات متقابل عاملها بر یکدیگر می باشند و یک چارچوب ایده آل را برای مطالعه فرایند رشد سکونتگاههای غیررسمی فراهم می سازند. فشردگی قطعات در این گونه بافت ها زیاد است و جهت شکل گیری قطعات نیز نامشخص و بر اساس جهت معابر متغیر می باشد، لذا انتخاب واحد مکانی مناسب در این مساله به عنوان یک چالش جدی فراروی تحلیلگران قرار دارد. در این تحقیق ابتدا برای شبیه سازی رشد محلی سکونتگاههای غیررسمی، مدلی عامل مبنا توسعه داده شده است و سپس حساسیت خروجی مدل توسعه داده شده نسبت به شکل و اندازه قطعات زمین مورد بررسی دقیقتر قرار گرفته است. در این تحقیق، قطعات تفکیکی زمین در 20 سناریوی مختلف با اشکال متداول مربع و مستطیل در مساحتهای متنوع و همچنین به صورت شبکه ای منظم از سلولها در دو اندازه مختلف تولید شدند و تاثیر واحد مکانی مبنا در این مساله مورد تجزیه و تحلیل قرار گرفت. مجموعه سناریوهای مذکور برای یکی از سکونتگاه های غیررسمی شهر کاشان پیاده سازی شدند. ارزیابی نتایج نشان داد که دقت کلی نتایج اجرای مدل با قطعات زمین مستطیل با مساحت 50 تا 150 مترمربع نسبت به واحد مکانی مربع بهبود نسبی پیدا کرده است و دقت کلی مدلهای شبه رستری نیز نسبت به حالت برداری کاهش معناداری پیدا کرده است.

هدف اصلی روش های ادغام، تولید تصویری جدید حاوی اطلاعاتی است که به طور کامل محتویات تصاویر مرجع را دارا باشد. با این وجود روش های ادغام تصاویر معمولا با اعوجاجات طیفی و مکانی در تصویر خروجی همراه هستند. میزان این اعوجاجات با توجه به روش و نیز داده های مورد استفاده متغیر است. در میان روش های ادغام تصاویر موجود، روش IHS یکی از پرکاربردترین الگوریتم ها به علت کارایی بالا و نیز بالا بودن دقت مکانی است. بر طبق مطالعات گذشته، زمانی که این روش روی تصاویر ماهواره ای با قدرت تفکیک مکانی بالا اجرا می گردد، اعوجاجات فراوانی به علت تفاوت طول موج های ثبت شده تصویر پانکروماتیک پدید می آید. این در حالی است که مقادیر درجه خاکستری مناطق حاوی گیاهان در تصویر پانکروماتیک بسیار بیشتر از این مقادیر در تصویر شدت است. روش جدید پیشنهادی قدرت سرشکن کردن اعوجاجات مکانی روی تصویر شدت در مناطق گیاهی را دارا است. به همین منظور جهت انجام این موضوع از شاخص گیاهی نرمال شده تفاضلی جهت شناسایی مناطق حاوی پوشش گیاهی استفاده شد. در طی این فرآیند باند سبز به وسیله ترکیبی از باند قرمز و NIR بهبود داده شد. در ضمن در روش ارائه شده در این مقاله از الگوریتم بهینه سازی ژنتیک برای به دست آوردن بهترین پارامترهای وزن تصویر شدت استفاده شد. آنالیزهای بصری و آماری حاکی از این مطلب بود که روش مورد بحث در این مقاله توانسته است کیفیت تصویر ادغام شده را نسبت به خروجی روش های مرسوم بهبود دهد. دقت روش مورداستفاده توسط معیارهای اندازه گیری کیفیت طیفی و مکانی مورد ارزیابی قرار گرفت. پیاده سازی روی سه مجموعه تصویر با قدرت تفکیک مکانی بالا شامل IKONOS، QuickBird و WorldView- 2 صورت پذیرفت و نتایج نشان داد که روش پیشنهادی قابل رقابت با دیگر روش های ادغام تصویر است.

آشکار سازی اهداف جزء پیکسل با بهره مندی از تصاویر ابرطیفی، تاکنون رشد چشمگیری داشته است به نحوی که انواع متفاوتی از روشهای مبتنی بر فضاهای ویژگی، طیف یا پدیده در مطالعات متعدد ارائه شده اند. اهداف معدنی، با توجه به گستره حضور آنها که معمولا کمتر از سطح کامل یک پیکسل تصویری است، از انواع تارگتهایی هستند که آشکارسازی آنها بر مبنای تصاویر ابرطیفی از اهمیت ویژه ای برخوردار است. هدف اصلی در این کار پژوهشی، ارائه یک روش آشکارسازی جدید مبتنی بر ترکیب اطلاعات طیف و مشتق منحنی طیفی است که در یک منطقه معدنی مورد بررسی قرار خواهد گرفت. در این کار ابتدا، یکی از مراتب مشتق به عنوان مرتبه مناسب در آشکارسازی به عنوان دانش اولیه به مدل وارد می شود. با توجه به اینکه استفاده از طیف مشتق ماهیتا موجب از بین رفتن اجزاء فرکانس پایین طیف می شود. لذا، اگر بتوان به طریقی اطلاعات طیف معمولی را نیز در کنار مزیتهای موجود در طیف مشتق به نحوی به فرآیند پردازش اطلاعات اضافه کرد، به این ترتیب می توان ادعا کرد که به صورت همزمان از اکثریت اطلاعات موجود در منحنی طیفی یک تارگت استفاده شده است. بنابراین در این کار پژوهشی، از ترکیب اطلاعات طیف مرتبه صفر و طیف مشتق منتخب، جهت آشکارسازی تعدادی هدف معدنی استفاده شد. نتایج این مطالعه، نشان داد که ترکیب اطلاعات طیف و مشتق در آشکارسازی تمامی نمونه های مورد مطالعه بهبود چشمگیری ایجاد کرده است. به نحوی که این بهبود به ترتیب در نمونه های آلونیت، کائولینیت، هماتیت و اپیدوت برابر با 28%، 24%، 26% و 16% برآورد شده است.

تصاویر اپی پولار تصاویر ترمیم شده ای هستند که در آن ها هر سطر در تصویر چپ با همان سطر در تصویر راست متناظر است، این باعث افزایش سرعت تناظریابی و کاهش فضای جستجو از دوبعدی به یک بعدی می شود. برای استفاده از الگوریتم های تناظریابی سراسری مانند تناظریابی شبه سراسری، بایستی تصاویر اپی پولار ایجاد شوند. برخلاف تصاویر با هندسه پرسپکتیو، هندسه اپی پولار در تصاویر آرایه خطی ماهواره ای یک خط مستقیم نیست. در این مقاله برای خطی شدن هندسه اپی پولار در تصاویر استریو ماهواره ای با توان تفکیک بالا، تصاویر اولیه به کاشی های کوچک تصویری تقسیم بندی می شوند. همچنین در هم مرجع سازی تصاویر اولیه و کاشی ها، برای جلوگیری از نیاز به اطلاعات زمین مرجع، مانند توابع رشنال و تصحیحات آن ها، از الگوریتم های بینایی کامپیوتر استفاده می شود. نتایج اندازه گیری پارالاکس عمودی (پارالاکس «y ») در تصاویر اپی پولار بدست آمده از تصاویر سنجنده GeoEye- 1 نشان می دهد، روش پیشنهادی توانایی ایجاد تصاویر اپی پولار با دقت زیر پیکسل را دارد.

پیرو درخواست شهرداری تهران و به منظور تامین نیاز پروژه های مختلف در دست اجرا در این سازمان به اطلاعات مکانی، شبکه آنی کینماتیکی برای شهر تهران طراحی شده است. بر اساس معیار های موجود نظیر ضریب دقت موقعیت دو طرح متفاوت پیشنهاد و مقایسه شده است. هر دو طرح پیشنهاد شده شامل 6 ایستگاه مجهز به سامانه های تعیین موقعیت و ناوبری ماهواره ای (GNSS) می باشد. برخلاف طرح شماره 1، طرح شماره 2 پیشنهادی پوشش بهتری را در سطح شهر تامین می کند. برای انتخاب طرح بهینه، اثر خطاهای وابسته به فاصله به همراه سایر معیار های مورد توجه در طراحی شبکه های ژئودزی ماهواره ای در دو طرح پیشنهاد شده مطالعه شده است. برای این منظور از اطلاعات آلماناک ماهواره های GNSS همراه با محصولات جهانی یونوسفری سرویس بین المللی GPS برای مطالعات ژئودینامیک (IGS GIM) و اطلاعات هواشناسی ثبت شده در ایستگاه های سینوپتیکی که در نزدیکی شهر تهران بوده و یا در آن قراردارند استفاده شده است. بر اساس بررسی های انجام شده تاخیر تروپوسفری تنها پارامتری است که از نقشی قابل توجه در طرح هندسی این شبکه برخوردار می باشد. مطالعه تاخیر تروپوسفری در شهر تهران، طرح شماره 2 را به عنوان طرح بهینه توصیه می کند. مشاهدات GNSS انجام شده در محل نقاط این طرح ارزیابی معیار های طراحی بکار رفته در این مقاله را امکان پذیر کرده است. از دو روش تست برای ارزیابی کارایی شبکه تعیین موقعیت آنی طراحی شده استفاده شده است. در روش نخست موقعیت تعدادی از نقاطی که در محدوده شهر تهران قرار دارند به روش های تعیین موقعیت استاتیک و کینماتیک تعیین شده است. در تعیین موقعیت این نقاط به روش کینماتیک از روش های محاسبه و الگوریتم های انتشار مختلفی شامل FKP، MAX و i-MAX استفاده شده است. در روش دوم از نقاط شمالی و مرکزی شبکه به عنوان نقاط تست استفاده شده است. به عبارت دیگر، در این روش برای محاسبه تصحیحات شبکه از مشاهدات این دو ایستگاه استفاده نشده است. در ادامه تکرارپذیری، دقت و صحت مختصات تعیین شده به روش تعیین موقعیت کینماتیک برای این دو نقطه محاسبه و بررسی شده است. نتایج ارزیابی های مذکور کارایی روش مورد استفاده در طراحی این شبکه را تایید می کند. در تعیین موقعیت آنی با این شبکه می توان به مختصاتی با صحت 1 تا 3 سانتی متر در مولفه های مختصاتی مختلف و در محدوده تحت پوشش این شبکه رسید. برای نقاطی که خارج از محدوده تحت پوشش این شبکه قراردارند، دستیابی به مختصاتی با این صحت، به ویژه در مولفه ارتفاعی امکان پذیر نیست. این محدودیت ناشی از تاثیر تاخیر تروپوسفری بر مشاهدات مربوطه است. متن کامل این مقاله به زبان انگلیسی می باشد، لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل اینجا را کلیک کنید.

به عنوان اولین هدف برای این مقاله، دو مدل از دو گروه مختلف از روش های داده کاوی یعنی مدلهای پارامتریک کلی، درخت طبقه بندی و رگرسیون و مدلهای غیر پارامتریک محلی، شبکه عصبی مصنوعی، برای مدلسازی تغییرات کاربری اراضی چندگانه مورد مقایسه قرار گرفت. منطقه مورد مطالعه شامل دو شهر ساری و قائم شهر است که در شمال ایران واقع شده اند. در این مطالعه تغییرات کاربری اراضی کشاورزی و شهری برای یک دوره 22 ساله بین سالهای 1992 تا 2014 مورد بررسی قرار گرفت. نتایج نشان داد که هر دو مدل روشهایی دقیقی برای مدلسازی تغییرات کاربری اراضی چندگانه می باشند. با وجود اینکه نتایج حاصل از درخت طبقه بندی و رگرسیون تفسیر پذیرتر هستند اما دقت شبکه عصبی مصنوعی بهتر از این مدل می باشد. در مطالعات قبلی علیرغم استفاده از درخت طبقه بندی و رگرسیون، تحلیل حساسیت و استخراج محرکان تغییرات کاربری اراضی مهم مورد توجه قرار نگرفته است. در حالیکه انجام این تحلیل، متغیرهایی که در تغییرات کاربری اراضی بی تاثیر هستند را از فرآیند مدلسازی حذف می نماید. لذا انجام تحلیل حساسیت با استفاده از شاخص اهمیت متغیرها به عنوان هدف دوم این مطالعه در نظر گرفته شد. در حالیکه شبکه عصبی مصنوعی به صورت یک جعبه سیاه در تحلیل حساسیت عمل نمود، درخت طبقه بندی و رگرسیون محرکان اصلی تغییر کاربری اراضی چندگانه را به سادگی شناسایی نمود. نتایج حاصل از این تحلیل نشان داد که فاصله از مناطق شهری و رودخانه مهمترین پارامترها در تغییرات کاربری اراضی می باشند. هدف سوم این مقاله مقایسه دو شاخص ارزیابی دقت، شاخص عامل نسبی و شاخص عامل کلی جهت ارزیابی درخت طبقه بندی و رگرسیون و شبکه عصبی مصنوعی می باشد. مساحت زیر نمودار شاخص عامل نسبی برای تغییرات کاربریهای شهری و برای دو مدل شبکه عصبی مصنوعی و درخت تصمیم گیری به ترتیب برابر با 78% و 75% بدست آمد. همچنین مساحت زیر نمودار شاخص عامل نسبی برای تغییرات کاربری های کشاورزی برای دو مدل شبکه عصبی مصنوعی و درخت طبقه بندی و رگرسیون به ترتیب برابر با 72% و 65% بدست آمد. همچنین نتایج نشان داد که اگرچه نمودار شاخص عامل کلی و شاخص عامل نسبی خیلی شبیه به هم است، با این حال شاخص عامل کلی حاوی اطلاعات بیشتری نسبت به شاخص عامل نسبی است. نتایج حاصل از این مطالعه می تواند مدیران و تصمیم گیران محیط زیست را در حفظ منابع طبیعی و برنامه ریزی برای آینده با شناخت محرکان تغییر کاربری اراضی یاری کند. متن کامل این مقاله به زبان انگلیسی می باشد، لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل اینجا را کلیک کنید.