علوم و فنون نقشه برداری
سال:1398 | دوره:9 | شماره:2 |تعداد مقالات:15

معکوس ژئوکدینگ شامل نسبت دادن یک جای نام به یک مختصات می باشد. روش های رایج معکوس ژئوکدینگ موقعیت اشتراک گذاشته شده فرد را به نزدیک ترین مکان (بر اساس فاصله اقلیدسی) نسبت می دهند. در سال های اخیر و به سبب پیشرفت در فناوری های موقعیت یابی حجم عظیمی از داده های مکان مبنا در شبکه های اجتماعی مکانی مانند Yelp و Swarm تولید شده است. از سوی دیگر سرویس های مختلفی امکان ارائه شرایط جوی را در موقعیت و زمان مدنظر به صورت برخط ارائه می دهند. این داده ها می توانند منبعی غنی از الگوهای رفتاری افراد در شرایط جوی مختلف باشند. در این تحقیق تلاش شده تا با کمک این داده ها، معکوس ژئوکدینگ بر مبنای فاصله جغرافیایی بهبود داده شود. بدین منظور از داده های شرایط جوی برای تولید الگوهای رفتاری و از داده های سرویس Swarm برای جمع آوری اعلام حضورها استفاده شد. داده های شرایط جوی در چهار دسته شامل دمای هوا، رطوبت هوا، سرعت باد و میزان ابری بودن برای تولید طیف های معنایی جوی گروه بندی شدند. در این تحقیق از توابع اعوجاج موقعیت خطی، نسبی و سینوسی جهت برقراری ارتباط شاخص فاصله جغرافیایی با احتملات جوی در فرآیند معکوس ژئوکدینگ استفاده شد. بعلاوه، از دو مجموعه داده آموزشی و تست در مطالعه موردی (ایالت نیویورک) جهت تعیین پارامترهای مدل و ارزیابی دقت استفاده گشت. نتایج این تحقیق نشان داد که با کمک مدل ترکیب خطی و طیف های معنایی جوی می توان نتایج معکوس ژئوکدینگ بر مبنای فاصله جغرافیایی را برای شاخص MRR وFirst Position به ترتیب 18. 64% و 111. 49% بهبود داد.

مدیریت و اخذ تصمیمات موثر در بسیاری از حوزه های علمی و اجرایی نیازمند سطوح پیوسته و دقیق از داده های مکان مرجع است. معمولا چنین داده هایی مستقیما قابل اخذ نیستند و از داده هایی که به صورت نقطه ای جمع آوری می گردند، تولید می شوند. علاوه بر هزینه قابل توجه جمع آوری داده های نقطه ای، این داده ها به ویژه در مناطق وسیع یا صعب العبور به صورت پراکنده و نامنظم برداشت می شوند و در بسیاری از موارد با تغییرات زیاد در مقادیر مواجهند. گمانه های تحقیقاتی مربوط به اندازه گیری عیار مواد معدنی از جمله داده های مکان مرجع نقطه ای هستند که دارای ویژگی های پراکندگی، بی نظمی و همچنین تغییرات قابل توجه در مقادیر (شکستگی) هستند. با وجود اینکه پراکندگی و شکستگی داده ها در کارایی روش های درونیابی تاثیرگذار است ولی از روش های متداول، برای درونیابی انواع داده های معدنی استفاده می گردد. در این مطالعه، از تلفیق دو روش کمترین مربعات متحرک و کمترین مربعات بازگشتی یک روش درونیابی دقیق، قابل اعتماد و انعطاف پذیر برای درونیابی مواد معدنی پیشنهاد شده است. در روش پیشنهادی برای کشف شکستگی از مقادیر خطاهای ظاهری محاسبات کمترین مربعات استفاده شده است. در این روش، برای نقاط مرکزی یک آستانه پیوستگی (عدم شکستگی) بر اساس انحراف معیار مقادیر مشاهداتی تعیین می گردد، تا نقاط دارای شکستگی کشف و از محاسبه ارزش مقدار مرکزی حذف شوند. علاوه بر این، با استفاده از ویژگی بازگشتی، اندازه دامنه تاثیر به صورت دینامیک تعیین می گردد. در این روش برای هر نقطه مرکزی یک شعاع دامنه تاثیر منحصر به فرد متناسب با مقادیر و ساختار نقاط پیرامونی نقطه مرکزی تعیین می شود. دینامیک بودن اندازه شعاع دامنه تاثیر این امکان را فراهم می نماید که مقادیر ضرایب چندجمله ای و به تبع آن مقدار مرکزی با دقت و قابلیت اعتماد مطلوب تعیین شوند. کارایی روش پیشنهادی از طریق اعمال آن بر روی داده های شبیه سازی شده و همچنین مقایسه نتایج آن با نتایج حاصل از اجرای روش های متداول درونیابی بر روی داده های معدنی واقعی مورد ارزیابی قرار گرفته است. RMSE روش پیشنهادی با استفاده از روش اعتبارسنجی متقابل 10تایی برای عنصر کروم معادل 28. 020 و برای آهن معادل 1. 074 است. مقایسه این نتایج با روش های متداول درونیابی نشان می دهد در شرایط توزیع نامناسب و پراکنده داده ها، کارایی روش پیشنهادی در مورد هر دو دسته عناصر دارای غلظت و تغییرات قابل توجه و عناصر دارای غلظت پایین و سطوح تقریبا یکنواخت بالاتر است.

کشف الگوهای جنبش انسانی در محیط های درون شهری یکی از پارامترهای بسیار مهم در زمینه تحقیقات متعددی همچون برنامه ریزی های شهری، مطالعات جغرافیایی و مطالعات مرتبط با علوم مربوط به سیستم های اطلاعات مکانی است. یکی از منابعی که امروزه به شکل گسترده در کشف و بررسی الگوهای جنبش انسانی استفاده می شوند، داده های حرکتی حاصل از رسانه های اجتماعی مکان مبنا هستند. این رسانه ها حجم عظیمی از داده ها را در دو بعد زمان و مکان فراهم می آورند. هدف از این مطالعه کشف و بررسی الگوهای پنهان جنبش درون شهری انسانی مبتنی بر داده های حرکتی حاصل از فعالیت های روزمره انسان ها در فرآیند به اشترک گذاری اطلاعات در رسانه های اجتماعی مکان مبنا و با در نظر گرفتن خوشه بندی بعد معنایی داده ها بوده است. در انجام این مطالعه از داده های حرکتی حاصل از رسانه اجتماعی مکان مبنا Foursquare به دلیل فراهم آوردن خوشه بندی بعد معنایی برای داده ها (اطلاعات به اشتراک گذاشته شده) استفاده شده است. به منظور کشف الگوهای پنهان جنبش درون شهری انسانی قابلیت و کارایی تحلیل های خودهمبستگی مکانی زمانی مورد ارزیابی قرار گرفته شده است. در این تحقیق با استفاده از تحلیل های آماری و با در نظر گرفتن بعد زمان در مرحله نخست روند معناداری از تغییرات صورت گرفته در خودهمبستگی مکانی زمانی داده های مورد مطالعه نسبت به مناطق تقسیم بندی شده شهری مبتنی بر روش پلیگون بندی تیسن، کشف و در مرحله دوم مسئله روند تغییرات خودهمبستگی مکانی زمانی و ارتباط بین اشتراک گذاری اطلاعات، موقعیت و کاربری ناحیه شهری در طول ساعات روز به منظور استخراج الگوهای پنهان جنبش درون شهری به صورت جزئی و دقیق تر، با بهره گیری از خوشه بندی معنایی داده های مکان مبنا این رسانه اجتماعی، به تفکیک برجسته ترین الگوهای جنبش شهری در هر بازه زمانی پرداخته شده است. نتایج بدست آمده در این تحقیق نشان دهنده قابلیت بالای تحلیل های خودهمبستگی مکانی زمانی مبتنی بر خوشه بندی بعد معنایی داده های حرکتی حاصل از رسانه اجتماعی مکان مبنا Foursquare در کشف الگوهای پنهان ناشی از جنبش انسانی در سطح نواحی درون شهری بوده است.

گسل به شکستگی های سنگ های پوسته زمین گفته می شود که سنگ های دو طرف شکستگی نسبت به همدیگر حرکت کرده باشند. این جابجایی می تواند از چند میلیمتر تا صدها متر باشد. انرژی آزاد شده به هنگام حرکت سریع گسل های فعال عامل وقوع اغلب زمین لرزه ها است. گسل دهشیر یکی از گسل های فعال در ایران مرکزی است و با روند تقریبی شمال غرب-جنوب شرق و طول بیش از 350 کیلومتر یکی از بزرگترین گسل های فعال ایران می باشد. نقشه خطواره ها در مطالعات گوناگون از جمله زمین شناسی، هیدروژئولوژی، توپوگرافی و غیره نقش مهمی ایفا می کند. امروزه با پیشرفت های گسترده در فنون سنجش از دور، بهتر می توان خطواره ها را شناسایی نمود. هدف این مطالعه بررسی قابلیت داده های لندست 5، لندست7، لندست8، استر، سنتینل 1، آلوس پالسار و مدل رقومی ارتفاع در آشکارسازی خط گسل و بالا آمدگی سطوح پیرامون آن می باشد. روش کار مبتنی بر الگوریتم تشخیص لبه است. در این تحقیق پارامتر های بهینه برای استخراج اتوماتیک خطواره برای منطقه مورد مطالعه تعیین شد. مقایسه و ارزیابی نتایج به دست آمده نشان داد که برای آشکارسازی خط گسل، مدل رقومی ارتفاع با رزولوشن 5/12 متر با دقت 61/91 درصد و ضریب کاپای 91/81 درصد بهترین نتیجه را داشته است. داده های سنتینل 1 نیز نسبت به تصاویر اپتیکال قابلیت بیشتری در تشخیص خطواره های مرتبط با گسل داشته است.

طبقه بندی تصاویر ماهواره ای از اهمیت زیادی برخوردار است. برای طبقه بندی تکنیک های مختلفی که در برخی از آنها منحنی بازتابندگی و مشتق های آن مورد استفاده قرار می گیرد به کار گرفته می شود. در برخی دیگر از روش ها، از کدگذاری داده های طیف بازتابندگی و مقایسه کدهای حاصله نیز به عنوان روش هایی سریع برای این کار استفاده می شود. در این تحقیق روشی با نام CBOSE ارائه شده است که در آن از کدگذاری داده های طیف بازتابندگی و مشتقات آن استفاده شده است، روش CBOSE به صورت ترکیبی از یک تا چند بیت به منظور تفکیک بین گونه های گیاهی با شباهت طیفی نسبتا بالا ارائه شده است. این روش کدگذاری بر روی تصاویر ابر طیفی AVIRIS از منطقه Indian pine حاوی گونه های مختلف اعمال شد. نتایج طبقه بندی ویژگی های مستخرج از کدهای حاصله با بکارگیری طبقه بندی کننده های مختلفی مانند SVM، ML، SAM و معیار Hamming به عنوان معیار شباهت با داده های زمینی مورد ارزیابی قرار گرفت. همچنین عملکرد روش CBOSE با روش های دیگر کدگذاری مانند SPAM، SFBC، SDFC، SFPC نیز مقایسه گردیده و مورد ارزیابی قرار گرفت. نتایج نشان می دهند که روش CBOSE به طور متوسط بترتیب از 20%، 16% 11% و 7% دقت بالاتر نسبت به روش های ذکر شده در طبقه بندی برخوردار است. همچنین به منظور دستیابی به اثرات بکارگیری مشتق در کدینگ بر روی نتایج، مراحل بیان شده بدون استفاده از مشتق نیز مورد ارزیابی قرار گرفت. نتایج نشان می دهند که استفاده از مشتق به طور متوسط منجر به افزایش دقت طبقه بندی نسبت به عدم استفاده از آن به میزان 8% می شود.

آب و هوا، عامل اصلی تغییرات دمای سطح زمین است و دمای سطح زمین یک متغیر مهم در مطالعات اقلیمی و زیست محیطی محسوب می شود و محاسبه دمای سطح زمین با استفاده از داده های سنجش از دور نیازمند محاسبه دقیق ضریب گسیلمندی می باشد. در بحث مطالعات حرارتی نیاز به تصاویر ماهواره ای با قدرت تفکیک بالا می باشد چون در مناطق شهری به دلیل تراکم انواع کاربری ها استخراج اطلاعات در پیکسل های مختلط کار دشواری خواهد بود. در این تحقیق از تصاویر ماهواره ترا، محصولات سنجنده مادیس (MOD021KM, MOD11A1, MOD05) مربوط به سال 2012-2013 و تصاویر لندست TM5-مربوط به سال 2010 و داده های ساعتی هواشناسی استفاده گردید. در این پژوهش به منظور محاسبه دمای سطح زمین از روش پنجره مجزا و قانون پلانک استفاده گردید و همچنین روش های مختلف استخراج گسیلمندی شامل روش طبقه بندی، روش شاخص تفاضل گیاهی نرمال شده، روش ضریب گسیلمندی نرمال به منظور استخراج گسیلمندی بکارگرفته شد تا در کنار محصولات گسیلمندی مادیس (MOD11A1) به منظور تهیه نقشه دمای سطح زمین مورد مقایسه قرارگیرند. در این راستا امکان ادغام داده های گسیلمندی مستخرج از روش های مختلف نیز مورد بررسی قرارگرفت. نتایج بدست آمده نشان می دهد روش شاخص تفاضل گیاهی نرمال شده و روش ترکیب با استفاده از میانه گیری داده های گسیلمندی مناسبی را برای محاسبه دمای سطح زمین فراهم می آورند. همچنین در محاسبه دمای سطح زمین، روش پلانک در باند 31 و 32 دقت بالاتری را نسبت به روش پنجره مجزا ایجاد می نماید.

در این پژوهش روشی جهت شناسایی درختان و پوشش گیاهی کم ارتفاع از روی تصاویر هوایی با قدرت تفکیک مکانی بالا و داده های لیزر اسکن هوایی ارائه شده است. ابتدا مناطق مرتفع و کم ارتفاع از روی داده های لیزر اسکن هوایی شناسایی و جداسازی شده اند. سپس یک شاخص گیاهی تقویت یافته در مناطق سایه که از تصاویر هوایی تولید شده است در تفکیک و جداسازی مناطق گیاهی و غیرگیاهی استفاده شده است. در نهایت با اشتراک گیری مناطق گیاهی با نواحی مرتفع و کم ارتفاع به ترتیب درختان و پوشش گیاهی کم ارتفاع شناسایی شده اند. درختان و پوشش گیاهی کم ارتفاع شناسایی شده در این تحقیق توسط گروه کاری IV از کمیسیون III جامعه بین المللی فتوگرامتری و سنجش از دور (ISPRS-WGIII/4) مورد ارزیابی قرار گرفته است. شاخص های جامع بودن، صحیح بودن و کیفیت در سطح پیکسل برای درختان در سه منطقه مطالعاتی بطور متوسط 0/74%، 5/63% و 1/52% و برای پوشش گیاهی کم ارتفاع در سه منطقه مطالعاتی بطور متوسط 0/58%، 4/69% و 3/46% می باشند. نتایج ارزیابی ها نشان می دهند که متوسط شاخص کیفیت در سطح عارضه برای درختان کشف شده در این پژوهش در مقایسه با روش های پیشنهادی دیگر توسط سایر محققین، بالاترین مقدار را دارا می باشد و هم چنین متوسط شاخص های جامع بودن، صحیح بودن و کیفیت در سطح پیکسل و عارضه برای درختان و پوشش گیاهی کم ارتفاع کشف شده در این پژوهش در مقایسه با سایر روش ها، دارای سطح قابل قبولی می باشند.

در مدیریت شهری مدرن و هوشمند، مشارکت شهروندی نقش برجسته ای را ایفا می نماید. سیستم های اطلاعات جغرافیایی (GIS) شهروند-محور به عنوان یک مفهوم و رویکرد جدید در مدیریت شهری مکان-محور، بستر و ابزارهای مکانی توانمند و موثری را به منظور مشارکت واقعی شهروندان در اداره امور شهری فراهم می نمایند. قبل از اجرای این سامانه ها، توجه به نگرش شهروندان و میزان تمایل آن ها نسبت به استفاده از این سامانه ها از اهمیت بالایی برخوردار است. ازاین رو، پژوهش حاضر به ارزیابی نگرش شهروندان نسبت به سامانه های GIS شهروند-محور و بررسی میزان تمایل آن ها به مشارکت در حل مشکلات شهری و همچنین دریافت خدمات شهری از طریق این سامانه ها، پرداخته است. به عبارت دیگر، این پژوهش به بررسی میزان علاقه شهروندان نسبت به استفاده از داده ها و تحلیل های مکان-محور و همچنین تولید داده ها در قالب سامانه های GIS شهروند-محور می پردازد. در همین راستا، منطقه 6 تهران به عنوان یکی از پرجمعیت ترین و پویاترین مناطقی که در مرکز شهر تهران قرار دارد، به عنوان منطقه موردمطالعه انتخاب گردید. نتایج حاکی از آن است که 6/93 درصد شهروندان تمایل به مشارکت در گزارش مشکلات شهری، تصمیم گیری ها و برنامه ریزی های شهری را دارند. با توجه به یافته های پژوهش، 53 درصد شهروندان معتقدند تبلیغات رسانه ای بهترین روش فرهنگ سازی و ترویج استفاده از این سامانه ها می باشد. از بین عوامل موثر در ایجاد انگیزه در شهروندان برای استفاده از این سیستم ها، ساده و جذاب بودن سیستم با 6/44 درصد، موثرترین عامل در ایجاد انگیزه مشارکت و استفاده از این سیستم ها می باشد. به عقیده اکثریت شهروندان (9/56 درصد) مهم ترین مانع در استفاده از این سیستم ها، عدم اعتماد به شهرداری ها در ترتیب اثر و اعمال نظرات شهروندان است. ارزیابی نگرش شهروندان نشان می دهد که 6/93 درصد آن ها (موافق و کاملا موافق) تمایل به مشارکت در گزارش مشکلات شهری، تصمیم گیری ها و برنامه ریزی های شهری از طریق این سامانه ها را دارند. همچنین نتایج نشان می دهند که 8/70 درصد از شهروندان، تمایل به گفت وگو و تعامل با سازمان های مختلف شهری دارند. ارائه خدمات شهری از طریق این سامانه ها نیز با استقبال خوبی از سوی پاسخ دهندگان مواجه گردید بطوریکه 6/89 درصد از شهروندان با ارائه بسیاری از خدمات شهری از طریق این سامانه ها موافق و کاملا موافق هستند.

هدف از این تحقیق، ارائه روشی تلفیقی از داده های محیطی، زمین شناسی و تصاویر ماهواره ای در پتانسیل یابی مناطق مستعد آب های زیرزمینی در دشت ساوه می باشد. شناسایی چنین مناطقی، نیازمند شناخت دقیق عوامل و معیارهای موثر بر آن می باشد. برای این منظور، علاوه بر تصاویر ماهواره ای لندست 8، نه لایه اطلاعاتی مرتبط با آب های زیرزمینی، استفاده گردیدند. سپس، این لایه ها با استفاده از تحلیل سلسله مراتبی در سه حالت مختلف، جهت به حداقل رساندن خطاها، وزن دهی شده و با تلفیق لایه های وزن دار به روش های آمار مکانی، نقشه پتانسیل آب های زیرزمینی در پنج طبقه با پتاسیل خیلی خوب، خوب، متوسط، ضعیف و خیلی ضعیف شناسایی و تفکیک گردید. نتایج نشان داد که 50/14 درصد منطقه دارای پتانسیل خیلی کم، 50/7 کم، 21درصد متوسط، 50/34 درصد خوب و 50/22 درصد دارای پتانسیل خیلی خوب می باشند. نتایج همچنین نشان داد، پهنه بندی پتانسیل بالا بیشتر منطبق بر مناطقی با رسوبات آبرفتی درشت دانه و کنگلومرا و پهنه های بدون پتانسیل، منطبق بر مناطقی با سنگ های آتشفشانی و گرانیتی می باشند. برای اعتبارسنجی نتایج، از موقعیت چاه های پیزومتری در سال 1397به تعداد 62 چاه استفاده گردید که دقت 74 درصدی موقعیت چاه ها را در مناطق با پتانسیل خیلی خوب نشان داد که بیانگر دقت خوب روش مورد استفاده می باشد. هر چند تعداد کمی از آنها نیز در سایر مناطق قرار داشت که این امر می تواند به علت زیاد بودن شیب این مناطق و رخنمون آب در آن مناطق شده باشند. بر اساس نتایج حاصل، گسترش آب های زیرزمینی بیشتر در قسمت های غرب، جنوب غربی، جنوب شرقی و مرکز منطقه مورد مطالعه حاصل گردید.

رشد و پیشرفت روزافزون در شهرسازی و تغییرات سریع در سطح زمین ضرورت بررسی مستمر این تغییرات را افزایش داده است. طبقه بندی تصاویرسنجش ازدوری با قدرت تفکیک بالا می تواند بهینه ترین راه ممکن در جهت نیل به این هدف باشد. طبقه بندی این تصاویر به دلیل شباهت های بین کلاسی موجود و هم چنین وجود تفاوت ها در یک کلاس، همواره با چالش هایی روبرو بوده است. وجود این نوع چالش ها لزوم به کارگیری روش های دقیق در زمینه ی طبقه بندی تصاویر را یادآوری می کند. در این مقاله از روش شبکه های عصبی کانولوشنی مبتنی بر یادگیری عمیق به منظور طبقه بندی تصاویر استفاده گردیده است. دلیل این انتخاب امکان استفاده از ویژگی های عمیق و فراگیر توسط روش نام برده می باشد. در این مقاله، هدف اساسی تعیین ساختاری مبتنی بر شبکه های عمیق برای کلاسه بندی بهینه ی تصاویر هوایی با قدرت تفکیک مکانی بالا است. برای رسیدن به این هدف، جزییات و رویکردهای در نظر گرفته شده برای شبکه از اهمیت بالایی برخوردار است. به همین منظور، ابتدا، شبکه ای عمیق به منظور استخراج ویژگی های عمیق و بهینه از تصویر هوایی طراحی گردیده است. سپس، برای ارزیابی تاثیرگذاری همسایگی های مختلف در تولید ویژگی های عمیق بهینه، استخراج ویژگی در پچ های تصویری با ابعاد متفاوت، مورد بررسی قرار گرفته است. در انتها، برای بررسی قابلیت طبقه بندی روش یادگیری عمیق، در رویکردی متفاوت، از روش ماشین بردار پشتیبان برای طبقه بندی براساس ویژگی های عمیق تولیدشده، استفاده گردیده است. بررسی و مقایسه نتایج حاصله، تصویر روشنی از قابلیت طبقه بندی در روش یادگیری عمیق به نسبت روش مرسوم ماشین بردار پشتیبان، در شرایط مشابه استفاده از ویژگی های عمیق ارائه کرده است. جهت ارزیابی روش، از داده های هوایی با قدرت تفکیک مکانی یک متر در منطقه des moines در ایالات متحده آمریکا و تصویری از منطقه ی رویان واقع در استان مازندران استفاده گردیده است. در نهایت نتایج ارزیابی ها، بهبود در سه معیار دقت precision، recall و f1-score را در رویکرد استفاده از پچ های تصویری بزرگ تر را نشان می دهد. هم چنین استفاده از روش های یادگیری عمیق به عنوان استخراج کننده ویژگی و طبقه بندی تصویر با استفاده از ویژگی های عمیق تولیدشده توسط ماشین بردار پشتیبان، در حالت کلی نتایج ارزیابی بهتری به نسبت تولید ویژگی و طبقه بندی به صورت یک پارچه توسط روش شبکه ی عصبی کانولوشنی داشته است.

علی رغم توانایی سنجش از دور در مشاهده مستقیم مقدار رطوبت خاک، غالبا رادیانس اندازه گیری شده توسط سنجنده متاثر از پارامترهای مختلف خاک و اتمسفر می باشد. علاوه بر رطوبت خاک، تعداد زیادی از عوامل مانندپوشش گیاهی، زبری سطح، دمای سطح خاک و بافت خاک بر شدت رادیانس دریافتی سنجنده تاثیرگذار هستند. بنابراین، با توجه به اهمیت انتخاب ویژگی های بهینه جهت شناسایی مقدار رطوبت خاک، مطالعه در مورد بکارگیری منطق فازی (Fuzzy-logic) جهت انتخاب ویژگی هوشمند محور اصلی این تحقیق است. به طور روشن تر، ویژگی ها بر اساس اصل توسعه، به عنوان یک عدد فازی تعریف می شوند. از سوی دیگر، با توجه به این که طبقه بندی یکی از روش های کسب اطلاعات از تصاویر سنجش از دوراست، در ادامه ویژگی های انتخاب شده به منظور طبقه بندی رطوبت خاک، در دو طبقه بندی کننده متداول (ماشین بردار پشتیبان ([1]SVM) و شبکه عصبی [2]MLP) استفاده می شوند. توانایی رقابت این دو طبقه بندی کننده با بهترین الگوریتم های یادگیری ماشین موجود، تایید شده است. به عبارت دیگر، هدف اصلی این مدل، انتخاب کمترین تعداد ویژگی براساس منطق فازی همراستا با افزایش دقت طبقه بندی رطوبت خاک می باشد. روش پیشنهادی در این تحقیق، جهت انتخاب ویژگی های بهینه به کار گرفته شد و دقت عملکرد آن در دو طبقه بندی کننده Fuzzy-SVM و Fuzzy-ANN، با استفاده از داده های جمع آوری شده از کشور ایران مورد ارزیابی قرار گرفت. جهت مقایسه دقت طبقه بندی رطوبت خاک با استفاده از ویژگی های انتخابی توسط مدل ارائه شده فازی، حالت دیگری نیز در نظر گرفته شد. در حالت دوم، سه ویژگی پوشش گیاهی (NDVI)، دمای سطح خاک (LST) و توپوگرافی به عنوان ویژگی های منتخب جهت طبقه بندی در دو طبقه بندی کننده مذکور به کار برده شدند. دلیل انتخاب این سه ویژگی از میان تمام ویژگی ها، تاثیر عمده ای است که این سه ویژگی بر مقدار رطوبت سطح خاک دارند. نتایج به دست آمده بسیار دلگرم کننده بود و نشان داد که با استفاده از الگوریتم انتخاب ویژگی پیشنهادی می توان دقت طبقه بندی رطوبت خاک را حدودا 8% بهبود بخشید. 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 این مقاله اینجا را کلیک کنید.

امروزه محصولات کشاورزی نقش مهمی در زندگی بشر ایفا می کنند. یکی از روش های برای بالا بردن کیفیت محصولات کشاورزی پایش فنولوژی محصولات کشاورزی با استفاده از فناوری های نو مانند سنجش از دور و اطلاعاتی مانند داده های رادار روزنه مجازی است. در این تحقیق به بازیابی مراحل فنولوژی محصولات کشاورزی با استفاده از امضاهای پلاریزاسیون رایج و درجه پلاریزاسیون می پردازد. درجه پلاریزاسیون یکی از پارامترهای اصلی پراکنش موج در استخراج پارامترهای دوران ثابت محسوب می شود. این تحقیق نشان می دهد که اطلاعات بدست آمده از امضاهای رایج می تواند به عنوان اطلاعات تکمیلی برای بازیابی مراحل فنولوژی با استفاده از امضای درجه پلاریزاسیون به کار گرفته شود. در این روش از امضاهای پلاریمتریک و شباهت بین آن ها استفاده می شود. ابتدا امضای به صورت تصادفی به عنوان امضای مرجع برای هر یک از مراحل فنولوژی محصول انتخاب می شود. سپس با استفاده از روش های بررسی شباهت، شباهت بین امضای مرجع و سایر امضای پلاریمتریک به دست آمده برای منطقه مورد مطالعه به دست می آید. در نهایت با آنالیز نتایج به دست آمده فنولوژی محصول به دست می آید. داده های مورد بررسی در این تحقیق برای یک دوره زمانی در زاویه ی فرودهای و گذرهای مختلف از تصاویر پلاریمتریک رادست2 منطقه Barrax برای محصولات پیاز، جو و جو دوسر است. استفاده از تصاویر در زاویه ی فرودها و گذرهای مختلف باعث ایجاد یه پایگاه داده مناسب برای بررسی فنولوژی محصول می شود. نتایج مناسب بودن امضای درجه پلاریزاسیون برای بازیابی فنولوژی محصول، دقت میانگین 63 درصد، و مستقل بودن این امضا از زاویه ی فرود و وابستگی به ویژگی فیزیکی محصول مورد بررسی را نشان می دهد. هم چنین نتایج نشان می دهد که معیارهای شباهت براساس ویژگی های هندسی امضاهای پلاریزاسیون می تواند اطلاعات با ارزشی از محصولات مانند محصول جو، در اختیار قرار دهد.

سنجنده های ابرطیفی با اخذ تعداد زیادی از باندهای الکترومغناطیسی مجاور همواره از پتانسیل های بالایی در شناسایی عوارض و پدیده های سطح زمین برخوردار هستند. این تعداد زیاد باند اگر چه موجب می شود تا این نوع سنجنده ها توانایی بالاتری در تقریب منحنی طیفی مواد داشته باشند ولی از سوی دیگر مشکلاتی را نیز به وجود می آورند. سختی در انتقال داده، ضعف عملکرد طبقه بندی کننده های مرسوم به دلیل تعداد داده های آموزشی محدود و زمان و حجم پردازش بالا از جمله ی مهم ترین این مشکلات می باشند. از این رو روش های مختلف کاهش ویژگی برای این نوع تصاویر پیشنهاد شده است. در مقاله پیش رو یک روش استخراج ویژگی نظارت نشده مبتنی بر تکنیک خوشه بندی ارائه شده است. در روش پیشنهادی، پس از خوشه بندی تصویر و تشکیل فضای پدیده به کمک میانگین خوشه ها، باندها به کمک الگوریتم خوشه بندی K-medoids خوشه بندی می شود. و در هر خوشه از چهار نوع شاخص آماری گرایش مرکزی میانگین، میانگین هندسی، میانگین هارمونیک و میانه به منظور استخراج ویژگی استفاده می شود. نتایج نهایی پیاده سازی ها بر روی سه تصویر واقعی ابرطیفی در شرایط وجود تعداد داده های آموزشی مختلف در هر کلاس نشان می دهد که دقت کلی طبقه بندی با ویژگی های به دست آمده از روش پیشنهادی این تحقیق در بهترین حالت (72. 12) می تواند تا حدود 7 درصد بیشتر از چهار روش دیگر کاهش ویژگی تبدیل مولفه اصلی (PCA) (64. 39)، موجک (64. 58)، روش انتخاب ویژگی بر اساس خوشه بندی باندها بر مبنای واریانس(65. 30) و استخراج ویژگی غیر پارامتریک وزن دار (NWFE) (64. 12) باشد.

شبکه های مخابرات بی سیم و دستگاه های مجهز به فناوری های تعیین موقعیت، امکان اشتراک گذاری موقعیت کاربران به همراه سایر موارد را برای کاربران شبکه های اجتماعی فراهم ساخته اند. از این رو شاخصه های مکانی را می توان به شبکه های اجتماعی افزود و از آن به عنوان داده مکان مبنا استفاده برد. یکی از مباحث پراهمیت در زمینه شبکه های اجتماعی مکان مبنا، تعیین شباهت میان کاربران است. در این تحقیق، برمبنای تحقیقات صورت پذیرفته راجع به شبکه های اجتماعی مکان مبنا، سعی شده مرور کاملی بر معیار های تعیین شباهت کاربران انجام پذیرد. بعلاوه تلاش شده است که با طبقه بندی حوزه های تحقیقاتی موجود، وضعیت روشن تری در اختیار کارشناسان و علاقه مندان این حوزه گذاشته شود. با توجه به نتایج تحقیق حاضر، می توان عنوان کرد که تحقیقات انجام شده در این زمینه هنوز در مراحل ابتدایی بوده و برخی معیارها همانند معیار های معنایی و محتوایی بیشتر از سایرین نیازمند تحقیقات می باشند.

در دهه های اخیر با رشد جمعیت، توسعه صنعت، افزایش شهرنشینی، کاهش منابع طبیعی و گسترش حاشیه نشینی، مشکلات زیادی در مدیریت و برنامه ریزی شهری و منابع طبیعی پدید آمده است. از طرف دیگر با پیشرفت روزافزون علم و فناوری، بشر به راهکارهای جدیدی برای مقابله با مشکلات دست یافته است. کاربری اراضی به صورت کلی به مفهوم کاربرد زمین در شرایط کنونی است که با گذشت زمان این کاربری ها دستخوش تغییر می شونددر این راستا استفاده از تصاویر ماهواره ای که ابزار پیشرفته و مناسبی برای پایش تغییرات محیط پیرامون می باشند، می تواند ما را در بررسی این تغییرات کمک کند. تحقیقات زیادی در زمینه کاربری اراضی با رویکرد ها و هدف های مختلف صورت گرفته و همچنین روش های زیادی برای طبقه بندی تصاویر و آشکارسازی تغییرات کاربری ها ارایه شده اند. تحقیق حاضر از جنبه های مختلف، ابعاد و مسائل مطرح در مطالعات تغییرات کاربری اراضی انجام شده در کشورمان ایران را مورد بررسی قرار می دهد و به بررسی و مرور روش های مربوطه می پردازد. در هر یک از تحقیقات صورت گرفته الگوریتم ها و روش های مختلفی معرفی و پیاده سازی شده اند که منجر به جواب ها و صحت های گوناگونی شده است. صحت هر یک از روش ها متناسب با داده های ورودی و الگوریتم های مورد استفاده می باشد به عبارت دیگر هیچ روش و الگوریتمی را نمی توان به طور مطلق بر سایر روش ها و الگوریتم ها برتر دانست.