درخت حوزه‌های تخصصی

با افزایش جمعیت و به تبع آن افزایش نیازهای جامعه، آمایش سرزمین اهمیت ویژه ای یافته است. به دلیل پیوند آمایش سرزمین با چندین هدف متضاد، استفاده از الگوریتم های تکاملی چندهدفه درصورت تناسب الگوریتم با نوع مسئله می تواند مفید باشد. در پژوهش حاضر ضمن ارائة مدلی به منظور بهینه سازی کاربری اراضی، راه حلی مؤثر برای به کارگیری الگوریتم ژنتیک چندهدفه در انواع مسائل مربوط به آمایش سرزمین معرفی می گردد. مدل طراحی شده در پژوهش حاضر به منظور بهینه سازی کاربری اراضی از الگوریتم NSGA-II بهره می برد. خروجی های این مدل، الگوهایی برای آمایش سرزمین هستند که فرسایش منطقه را تا حد زیادی کاهش می دهند و سطح منفعت اقتصادی منطقه را بالا می برند. در این مدل، کاربری ها دارای بالاترین سازگاری، کمترین دشواری تغییر و بیشترین پیوستگی هستند. به منظور استفاده از الگوریتم ژنتیک چندهدفه در حل مسائل آمایش سرزمین در این پژوهش راهکاری ابتکاری برای تولید جمعیت اولیه و عملگر ابتکاری ترکیب متناسب با مسائل آمایش سرزمین شرح و بسط داده شد. مدل طراحی شده در منطقة رودبار جنوب واقع در استان کرمان پیاده سازی شد. نتایج به دست آمده نشان دادند که الگوهای آمایش سرزمین پیشنهادشده در این مدل می توانند درحدود 30 تا 35 درصد فرسایش منطقه را کاهش دهند؛ درعین حال سطح منفعت اقتصادی حاصل از تغییر کاربری بین 40 تا 50 درصد رشد خواهد داشت. همچنین تمامی الگوها دارای سازگاری بالا و دشواری تغییر اندک هستند. با بررسی عملکرد عملگر های ابتکاری ارائه شده، مشخص شد این عملگرها تأثیر بسزایی در روند حل مسئله داشتند. کلید واژه ها : بهینه سازی چندهدفه، الگوریتم NSGA-II، توسعة عملگرهای ابتکاری، آمایش سرزمین، توان اکولوژیک.

آشکارسازی تغییرات با رویکرد شیءگرا در تصاویر با قدرت تفکیک مکانی بالا به این دلیل که علاوه بر ویژگی های طیفی از ویژگی های مکانی، هندسی و بافتی استفاده می کند در مقایسه با رویکرد پیکسل مبنا  نتایج بسیار خوبی به همراه داشته است. با این وجود، انتخاب الگوریتم و ویژگی های بهینه همچنان به عنوان چالشی اساسی باقی مانده است. در این تحقیق، جهت بهبود آشکارسازی تغییرات با رویکرد شیءگرا از الگوریتم جنگل تصادفی ( RF ) در فضای ویژگی های بهینه استفاده شده است. در این راستا، نخست ویژگی های بافت بر روی تصاویر مربوط به دو زمان متفاوت استخراج می شود و از PCA جهت انتخاب ویژگی های بافتی مناسب استفاده می گردد. سپس، قطعه بندی چند مقیاسه در فضای ترکیب یافته از باندهای طیفی و ویژگی های بافتی مناسب در چهار سطح مختلف با استفاده از نرم افزار Ecognition انجام شده و بهترین سطح قطعه بندی تعیین می شود. در ادامه، ویژگی های بافتی، مکانی و هندسی از روی تصویر قطعه بندی شده در بهترین سطح استخراج می گردد و بر اساس محاسبه ی فاصله اقلیدسی مربوط به نمونه های آموزشی در کلاس های مختلف، ویژگی های بهینه شناسایی می شوند. کارایی الگوریتم RF شیءگرا در مقایسه با روش های متداول SVM و KNN بر اساس معیار کاپا و صحت کلی و مدت زمان محاسبات مورد بررسی قرار گرفته است. در این تحقیق، از تصاویر ماهوارهای GeoEye-1 و Quick Bird-1 مربوط به سال های 2002 و 2015 جهت آشکارسازی تغییرات در جزیره قشم استفاده شده است. بر اساس نتایج تجربی، برای الگوریتم های RF شیءگرا، SVM  و KNN صحت کلی به ترتیب 57/86، 76/83 و 75 درصد و ضریب کاپا به ترتیب97/0,  75/0 و 63/0 به دست آمد. همچنین، RF به دلیل استفاده از آستانه گذاری بر روی باندهای مختلف و تولید طبقه بندی کننده های درختی با تنوع بالا و وزن دهی مناسب، نسبت به هر یک از نتایج طبقه بندی کننده ها توانست بالاترین دقت را تولید کند.

بررسی های اخیر نشان داده است که سیستم لیدار در برداشت سریع و دقیق اطلاعات سه بعدی از عوارض، در مناطق شهری توانایی بالایی دارد. از مهم ترین پردازش هایی که روی داده های لیدار صورت می گیرد، فیلترینگ آن هاست که عبارت است از تفکیک نقاط مربوط به عوارض ارتفاعی (ساختمان ها و درختان) از نقاط زمینی. تاکنون الگوریتم های فیلترینگ فراوانی طراحی شده است، اما هر یک از آن ها معایب و نواقصی دارند. مشکل اساسی این الگوریتم ها، ناتوانی شان در حذف ساختمان و عوارض بزرگ است که ناشی از عملکرد ناحیه ای آن هاست. در این تحقیق تلاش شده است تا با بهره گیری از قابلیت های تکنیک های طبقه بندی، راه حلی برای این مشکل ارائه شود. در این پژوهش ابتدا داده های لیدار به وسیله الگوریتم شیب مبنا که از شناخته شده ترین روش های فیلترینگ به شمار می آید فیلتر شدند. در ادامه، با استفاده از سه روش طبقه بندی ماشین بردار پشتیبان، شبکه عصبی مصنوعی، و حداکثر احتمال، داده های لیدار به پنج کلاس راه آسفالته، درختان، ساختمان، سیمان، و چمن طبقه بندی گردیدند. در نهایت، نقاط ساختمان های بزرگ که به وسیله الگوریتم شیب مبنا فیلتر نشده بودند، با نتایج حاصل از روش های طبقه بندی حذف گردیدند. ارزیابی ها نشان می دهند که روش حداکثر احتمال نتایج ضعیفی را ارائه می کند، اما روش های ماشین بردار پشتیبان و شبکه عصبی مصنوعی نتایج نزدیک به هم و بسیار خوبی را عرضه کرده اند. به طور کلی استفاده از این تکنیک های طبقه بندی برای بهبود نتایج الگوریتم های فیلترینگ، باعث افزایش ناچیزی در خطای نوع اول می گردد ولی سبب کاهشی شدید در خطای نوع دوم و خطای مجموع می شود. از آنجا که در فرایند فیلترینگ داده های لیدار، اهمیت خطاهای نوع دوم و مجموع بیش از خطای نوع اول است، می توان ادعا کرد که انجام این پردازش تکمیلی نتایج بسیار مفیدی را دربرداشته است. ارزیابی کمّی دقت نتایج نشان می دهد که خروجی الگوریتم با آستانه شیب o 20 پس از بهبود داده شدن با استفاده از خروجی طبقه بندی کننده شبکه عصبی مصنوعی، بهترین نتیجه را به دست داده است که در آن خطای نوع اول از 98/4 درصد به 04/5 درصد افزایش ولی خطاهای نوع دوم و مجموع به ترتیب از 043/9 درصد و 03/7 درصد به 49/4 درصد و 76/4 درصد کاهش یافته اند.

خشکسالی پدیده مهم آب و هوایی است که می تواند بر اساس داده های حاصل از ایستگاه های هواشناسی و داده های سنجش از دور پایش شود. روش های سنجش از دور، مزیت های نسبی قابل توجهی نسبت به سایر روش ها برای پایش خشکسالی ارائه کرده اند. همچنین شاخص های خشکسالی متعددی در سنجش از دور برای پایش خشکسالی ارائه شده است، اما هیچ یک از شاخص های متداول در سنجش از دور، تعمیم پذیری زمانی، اقلیمی و ارتفاعی ندارند و ضرورت دارد کیفیت عملکرد این شاخص ها 1-در اقلیم ها، 2-در پهنه بندی های ارتفاعی مورد بررسی قرار گیرد. این پژوهش، با اثبات این فرضیه، به تشخیص شاخص مناسب در هر اقلیم و پهنه ارتفاعی می پردازد و در هر منطقه، فصل مناسب جهت برآورد شاخص بررسی می شود. در این پژوهش، شاخص های خشکسالی VCI، VDI، TCI و TVDI با پارامتر LST، NDVI و EVI ارزیابی شده اند. برای بررسی اقلیمی و ارتفاعی شاخص ها، ابتدا در کل کشور و سپس در استان همدان پهنه بندی اقلیمی و ارتفاعی صورت گرفت و شاخص های خشکسالی برای اقلیم ها و ارتفاعات مختلف در دو شکل پیکسل-مبنا و شیء-مبنا (پلیگونی) محاسبه و با داده بارشی ماهواره TRMM مقایسه شد. عملکرد شاخص های خشکسالی با در نظر گرفتن نوع اقلیم، فصل اخذ داده، ارتفاع و وسعت منطقه جهت برآورد خشکسالی مورد بررسی قرار گرفت. نتایج متعدد این تحقیق، عدم تعمیم پذیری همه شاخص ها را از نظر اقلیمی، ارتفاعی و زمانی نشان می دهد و به عنوان نمونه، در ارزیابی پیکسلی اقلیم گرم و خشک، بیشترین همبستگی بین شاخص VCI و داده بارشی در ماه خرداد با ضریب همبستگی 0.57 بوده و در ارزیابی همین منطقه بصورت شئ-مبنا شاخص VCI مقدار 0.67 محاسبه شد

توزیع زمانی و مکانی رطوبت خاک متغیری کلیدی در برنامه ریزی هیدرولوژیکی است. در محدوده تحقیق، افزایش رطوبت خاک باعث سرعت شکل گیری رواناب می شود. هدف این تحقیق بررسی پتانسیل باند L از سنجنده پالسار 2 (PALSAR-2) ماهواره آلوس (ALOS)، در برآورد رطوبت سطح خاک، به منظور مدیریت منابع آب و کاهش مخاطرات ناشی از سیل است. با استفاده از نمونه برداری تصادفی خوشه ای، نمونه ها دریافت شد. هم زمان با دریافت داده SAR رطوبت وزنی، زبری سطح و محتوای آب گیاهی، میانگین ضرایب بازپراکنش راداری و زاویه فرود روی تصویر اندازه گیری شد. مراحل پیش پردازش، پردازش و پس پردازش داده SAR با استفاده از نرم افزار SNAP و شاخص های گیاهی و نمناکی از لندست 8 سنسور OLI در محیط ArcGIS 10/5 استخراج شد. برای دریافت زبری سطح، دو دوربین دارای زاویه مایل به کار رفت و بیست قطعه عکس، با ده نقطه کنترلی (GCP) برای هر خوشه، گرفته شد. سپس با نرم افزار Agisoft PhotoScan ابر نقاط متراکم محاسبه و سپس مش بندی به منظور تولید DTM انجام گرفت. از زبانه Analysts 3D در ArcGIS پروفیل طولی ناهمواری های سطح برای هر خوشه استخراج شد. به منظور انتخاب مدل مناسب در منطقه، سه مدل در برآورد رطوبت سطح خاک، شامل مدل های Dubois-MLR-WCM، مد نظر قرار گرفت. نتایج سه مدل در برآورد رطوبت سطح خاک در پلاریزه HH به ترتیب در مدل Dubois با  و ، مدل MLR با  و  و مدل WCM با  و  به دست آمد. نتایج نشان داد مدل Dubois در اراضی بایر تا تنک برای محدوده تحقیق و شرایط مشابه مناسب تر است.

روش های متعددی برای استخراج اطلاعات از داده های ابرطیفی وجود دارند که از آن جمله می توان به روش مشتق گیری از طیف بازتابندگی و استفاده از روش های کدگذاری اشاره کرد. در این تحقیق با مشتق گیری از طیف بازتابندگی، فرکانس های پایین طیف- که عموتاً دارای اطلاعات مفیدی نیستند- حذف گردیده و همپوشانی بین مناطق جذبی از بین رفته و تباین طیفی نیز بالاتر برده شده است. دیگر اینکه استفاده از کدگذاری طیفی باعث افزایش سرعت پردازش داده ها گردیده که برای پردازش داده های حجیم ابرطیفی بسیار مناسب است. در این تحقیق ابتدا با استفاده از تابع رگرسیون چندگانه نویز موجود در داده ها کاهش یافته و سپس با مشتق گیری از طیف داده های اصلی و داده های کتابخانه طیفی یا داده های آموزشی، طیف مشتق به دست آمده است. پس از آن با دو روش کدگذاری، طیف مشتق کدگذاری شد، سپس با استفاده از معیار شباهت AVD کدهای داده اصلی و داده های آموزشی با همدیگر مقایسه شدند و یک روش برای طبقه بندی داده های ابرطیفی به نام SDCM معرفی گردید. برای ارزیابی نتایج، دو سری داده شبیه سازی شده و یک سری داده واقعی به کار رفت و روش ارائه شده با سه روش کدگذاری SPAM و SDFC و SFBC مقایسه شد. نتایج دقت کلی برای داده های واقعی روش های کدگذاری SPAM، SDFC و SFBC به ترتیب 38/71 و 15/74 و 58/68 درصد و دقت کلی روش SDCM، 32/86 درصد به دست آمد، که پس از استفاده از فیلتر مکانی دقت کلی به 64/90 درصد افزایش یافت. این خود حاکی از مؤثر بودن روش ارائه شده برای طبقه بندی داده های ابرطیفی در قیاس با روش های کدگذاری ذکر شده است.

خشکسالی از مهم ترین بلایای طبیعی کشور است که اثرات مخرب زیست محیطی و اقتصادی فراوانی دارد. بیشتر مطالعات انجام شده به شدت خشکسالی پرداخته اند و معمولاً سایر ویژگی های آن بررسی نشده است. در این تحقیق، اولین بار، قابلیت شاخص های هواشناسی و داده های ماهواره ای با یکدیگر ادغام شده و از آن برای مطالعه تمامی ویژگی های خشکسالی، در دو حوزه داخلی و ساحلی کشور، استفاده شده است. بدین منظور، شاخص SPI با استفاده از تصاویر ماهواره ای بارش TRMM محاسبه شده و سپس مشخصه های خشکسالی مانند شدت، تداوم، بزرگی و گستره خشکسالی، به صورت مکانی، در سطح حوزه مطالعه شد. نتایج نشان دهنده همبستگی کلی 0.94 بین SPI محاسبه شده از تصویر و داده های ایستگاهی بوده است. حداکثر شدت خشکسالی در منطقه مورد مطالعه برابر با 4.19- بوده که در آذر سال 1389 اتفاق افتاده است. علاوه براین، فراوانی وقوع خشکسالی های فرین، در دو مقیاس زمانی شش و دوازده ماهه، در حوزه داخلی بیشتر از حوزه ساحلی بوده است. در بازه مورد مطالعه، در مقیاس زمانی شش ماهه، 60% از رویدادهای خشکسالی حوزه بزرگی خفیف تر از 18.3- داشته اند. نتایج نشان داد، با استفاده از تصاویر ماهواره ای، به خوبی می توان به مشخصه گستره خشکسالی دست یافت؛ درحالی که با استفاده از سایر روش ها قابل محاسبه نیست. علاوه براین، با به کارگیری تصاویر ماهواره ای، می توان مشخصه های خشکسالی را در سطح حوزه، به صورت مکانی، مطالعه کرد و چنین کاری با روش های سنتی امکان پذیر نیست. نتایج تحقیق مؤید مزیت به کارگیری داده های بارش ماهواره ای در مطالعه خشکسالی بوده است. 

تولید و به دست آوردن آمار و اطلاعات دقیق و واقعی از منابع معدنی دغدغة همیشگی مدیران است. برای تولید این نوع آمار و اطلاعات روش های گوناگونی وجود دارد که ازجمله می توان به روش های سنتی همراه با پیمایش های زمینی و روش های پیشرفتة سنجش از دور اشاره کرد. سنجش و تولید اطلاعات با استفاده از داده های ماهواره ای و روش های دورکاوی، به ویژه در مناطق کویری و بیابانی به دلیل شرایط نامساعد آنها، افق جدیدی را به روی مدیران گشوده که راهکاری است برای غلبه بر مشکلات روش های مرسوم سنتی. هدف پژوهش حاضر ارزیابی تکنیک های سنجش از دور و GIS در تهیة نقشة املاح تبخیری در منطقة شرقی دشت سمنان با استفاده از تصاویر ماهواره ای ASTER است. برای این منظور ابتدا نمونه برداری به روش تصادفی منظم از منطقه انجام شد و سپس پردازش هایی از قبیل بسط تصویر، ایجاد تصاویر رنگی کاذب، تجزیة مؤلفه های اصلی، تبدیل تسلدکپ، ادغام و نسبت گیری طیفی روی تصاویر صورت گرفت. مقادیر گچ، نمک و سولفات سدیم و منیزیم خاک با ارزش طیفی استخراج شده از باندهای اصلی و فرعی تلاقی داده شدند و روابط همبستگی و رگرسیونی بین داده های ماهواره ای و زمینی مورد بررسی قرار گرفتند. نتایج تحقیق نشان دادند که باندهای حرارتی PCA9, PCA10, PCA12 می توانند در تفکیک املاح گچ، هالیت و سولفات مفید باشند. درنهایت، ازطریق طبقه بندی حداکثر احتمال روی باندهای مذکور، نقشه های گچ، هالیت و سولفات محدودة مطالعاتی با صحت کلِ به ترتیب 33/73، 67/66، 67/66 درصد و با ضریب کاپای به ترتیب 61/0، 53/0 و 55/0 تهیه شدند. کلید واژه ها : املاح تبخیری، گچ، نمک، سولفات، سنجش از دور.

مناطق معدنی سرچشمه و دره زار در منطقه ایران مرکزی و کمربند ولکانو- پلوتونیکی ارومیه- دختر قرار گرفته است. سنگ های آتشفشانی ائوسن که تحت تأثیر نفوذی های الیگومیوسن قرار گرفته اند این منطقه را پوشش می دهد. کانه زایی مس — بیشتر از نوع پورفیری و همراه با دگرسانی های وسیع — همراه با اقلیم نیمه خشک، به دلیل پوشش گیاهی کم، میزان ناچیز هواویز و بخار آب جوّی و نیز رخ نمون واضح سنگ ها این منطقه را برای آزمایش نتایج سنجش از دور ماهواره ای مناسب کرده است. کالیبراسیون IARR برای نرمال کردن تصاویر به کمک یک طیف میانگین صحنه به کار می رود. تداخل سیگنال اثری در تصویربرداری استر است که با نشت سیگنال از باند 4 به درون باندهای 5 و 9 ایجاد می شود. در این مقاله، از باندهای طیفی مرئی- فروسرخ نزدیک و فروسرخ موج کوتاه محصولات استر، شامل سطح 1 L1B و سطح 2 AST_07XT استفاده شد. دسته دادة L1B با استفاده از کالیبراسیون بازتاب نسبی میانگین درونی به دادة بازتابش سطح زمین تبدیل شد؛ درصورتی که دستة داده های AST_07XT خود با چنین ماهیتی و با استفاده از تصحیح تداخل سیگنال در اختیار کاربر قرار می گیرند. به منظور ارزیابی و شناسایی بهترین روش کالیبراسیون، الگوریتم انطباق سیمای طیفی (SFF) روی این دستة داده ها اجرا و تصویرهای خروجی براساس نقشة زمین شناسی منطقه و مشاهدات میدانی با یکدیگر مقایسه شدند. از روش Z Profile برای استخراج طیف های خالص تصویر هر دو دستة داده استفاده شد. طیف نمونه های صحرایی با دستگاه طیف سنج (ASD) اندازه گیری شد، سپس طیف های مستخرج از نمونه ها به نُه باند استر بازنویسی شدند. کتابخانة طیفی JPL1 به صورت مرجعی برای تحلیل طیف های خالص تصویر و طیف های حاصل از نمونه های صحرایی مرتبط با کانی های شاخص دگرسانی منطقه استفاده شد. بدین ترتیب، کائولینیت را کانی شاخص دگرسانی فیلیک- آرژیلیک، آلونیت را کانی شاخص دگرسانی آرژیلیک پیشرفته و کانی اپیدوت را برای بارز سازی دگرسانی پروپیلیتیک به کار رفتند. نتایج حاصل از این پردازش نشان داد که دستة دادة L1B کالیبره شده به روش IARR به دلیل ازبین بردن محدودیت هایی، شامل آثار بخار آب جوی و سیماهای جذبی و بازتابی اضافی، به نسبت دستة دادة استاندارد AST_07XT تصحیح شده با تداخل سیگنال نتایج بهتری را برای بارزسازی دگرسانی های فیلیک- آرژیلیک، آرژیلیک پیشرفته و پروپیلیتیک منطقه به دست می دهد.

براساس آخرین یافته ها افزایش سطح آب اقیانوس ها و دریاها متاثر از پدیده تغییر اقلیم می باشد و این افزایش سطح آب دریاهای آزاد اثرات مستقیم بر زندگی ساحل نشینان خواهد داشت. در مطالعه حاضر اثرات تغییراقلیم بر افزایش سطح آب در تنگه هرمز مورد بررسی قرار گرفته است. برای پیش بینی تغییرات سطح آب در منطقه مذکور از متغییرهای اقلیمی استفاده گردیده است که براساس روش رگرسیون گام به گام انتخاب شده اند. اثرات تغییر اقلیم با مدل چرخه عمومی جو تحت عنوان CGCH3 که شامل دو سناریوی تغییر اقلیم A1B و A2 می باشد، ارزیابی شده است. برای بررسی ارتباط بین متغیرهای اقلیمی و تغییرات سطح دریا مدل شبکه عصبی مصنوعی-موجک مورد استفاده قرار گرفته است. نتایج بیانگر میزان افزایش سطح آب دریا تا انتهای قرن حاضر در مجاورت تنگه هرمز برای سناریوی تغییر اقلیم A1B بین 64 تا 75 سانتیمتر و برای سناریوی تغییر اقلیم A2 بین 90 تا 105 سانتیمتر می باشد. همچنین نواحی ساحلی که تحت تاثیر افزایش ارتفاع آب قرار خواهند گرفت نیز بر روی نقشه مشخص گردید که نشان می دهد تغییرات سطح آب در این منطقه دارای آسیب پذیری بالایی نخواهد بود.

سامر (Sumer) و همکاران (2008 و 2013) بر پایة به کارگیری الگوریتم انطباقی فازی-ژنتیک، رویکردی نوین در آشکارسازی ساختمان ها با استفاده از تصاویر ماهواره ای با قدرت تفکیک مکانی بالا مطرح کردند. روش پیشنهادی با کاهش مشکل همگرایی زودرس در الگوریتم ژنتیک، دقت آشکارسازی عوارض را بهبود چشمگیری بخشید. نبودِ کنترل های هندسی بر خروجی این الگوریتم از محدودیت های رویکرد پیشنهادی به شمار آمده است. در این تحقیق، برای رفع این محدودیت، روش استخراج فازی ژنتیک که سامر و همکاران (2013) آن را توسعه دادند با کنترلگر هندسی پیشنهادی ادغام شد. در این الگوریتم، ابتدا نمونه های آموزشی و تست انتخاب می شوند، سپس اپراتورهای پایة پردازش تصویر روی ژن های کروموزوم ها قرار می گیرند. خروجی های موقتی حاصل از اعمال اپراتورهای پردازش تصویر بر باندهای تصویر ورودی به یک تصویر باینری با بیشترین میزان تمایز بین دو کلاس تبدیل می شوند. با محاسبة میزان مطابقت بین نمونة انتخابی و خروجی الگوریتم، مقادیر ارزش برای هریک از اعضای جامعه محاسبه می شود. در پایان چرخة هر نسل، رویکرد فازی در نظر گرفته شده در این تحقیقْ مقادیر احتمالی اصلاح شده برای عملیات لقاح و جهش را به منظور ممانعت از همگرایی نابهنگام در شروع نسل بعد تعیین می کند. این فرایند تا زمان دستیابی به تعداد مشخصی از تکرار ادامه می یابد. به منظور کنترل هندسی خروجی های الگوریتم پیشنهادی، یک الگوریتم ژنتیک تکمیلی ناحیه مبنا نیز توسعه داده شده است. با فرض مشابهت ساختمان های همجوار در یک منطقة شهری، الگوریتم تکمیلی سعی در بهینه یابی محدودة مساحتی در منطقة مورد مطالعه دارد. بدین ترتیب که نواحی با حدود خارج از محدودة مساحتی تعیین شده به منزلة عوارض کلاس «غیرساختمان» برچسب گذاری می شوند. این الگوریتم در دوازده ناحیة انتخابی با ساختمان های متراکم و پراکنده در منطقة ورزقان استان آذربایجان شرقی پیاده سازی شد. میزان کاپای محاسبه شده با به کارگیری رویکرد پیشنهادی بین 0.59 تا 0.91 است که، درمقایسه با تحقیقات مشابه، عملکرد بهتری از خود نشان می دهد. این الگوریتم در مناطق شهری و حومة شهری، به نسبت نواحی روستایی، نتایج بهتری داشت.

توسعه روش های سنجش از دور در پهنه بندی اراضی زیر کشت محصولات کشاورزی در مقیاس گسترده مکانی و زمانی، به صورت جایگزین شیوه های پرهزینه و زمان بر جمع آوری آمار میدانی، در حال گسترش است. تا کنون، روش هایی برای شناسایی اراضی زراعی، با استفاده از تصاویر سنجنده های اپتیک و راداری، مطرح شده است. برخی از این روش ها، با تأکید بر فرایندهای حذف پیکسل های ابری، مناسب اقلیم مرطوب با روزهای متعدد ابرناکی هستند و برخی دیگر، به دلیل روش به کاررفته در آنها به منظور ترکیب تصاویر هر دو سیستم اپتیک و راداری، پیچیده گی های خاص خود را دارند. در این میان، روش های مبتنی بر استفاده از ویژگی های منحصربه فرد سری زمانی شاخص گیاهی هریک از محصولات زراعی فرایند نسبتاً ساده تری در پهنه بندی اراضی زراعی دارد. هدف از این پژوهش بهبود یکی از روش های مطرح شده برای تفکیک اراضی زیر کشت گندم دیم است که در آن از الگوریتم حذف گام به گام پیکسل های غیرگندم و تصاویر سنجنده مادیس استفاده شده بود. برای بهبود الگوریتم مذکور، طی فرایندی، از قدرت تفکیک زمانی تصاویر سنجنده مادیس و قدرت تفکیک مکانی تصاویر ماهواره لندست8 بهره گرفته شد. فرایند جدید، ضمن رفع نقاط ضعف الگوریتم سابق در تشخیص مراتع و اراضی غیرگندم از اراضی گندم دیم، به خصوص در پیکسل های ناهمگن، موجب افزایش دقت این الگوریتم در پهنه بندی اراضی گندم دیم شد؛ به طوری که روش مطرح شده توانست با مقادیر صحت کلی، شاخص کاپا و F1 به ترتیب برابر با 92.5%، 0.67 و 0.71، با دقت قابل قبولی، سطوح زیر کشت گندم دیم را تفکیک کند. 

در صنعت برق حریم خطوط برق عبارت است از، محدوده فرضی در طرفین مسیر خطوط انتقال نیروی برق که به منظور حفظ و نگهداری خطوط جهت تداوم برق رسانی و همچنین پیشگیری از آسیب های انسانی ناشی از تشعشعات برق تعیین می شود. رعایت این حریم برای کلیه اشخاص ضروری است. حریم خطوط برق از نظر فنی از سه عامل مغناطیسی، مکانیکی و الکتریکی ناشی می شود و میزان و نحوه تعیین حریم خطوط انتقال نیروی برق در کشورهای مختلف متفاوت است و در هر کشور فواصل متفاوتی با توجه به عوامل دخیل در تعیین حریم وضع شده است. در ایران میزان حریم خطوط انتقال و توزیع نیروی برق براساس تصویب نامه شماره ۲۹۰۵۲ مورخ 8/۱۰/1347 تعیین شده است. در این مقاله با استفاده از ضوابط و دستور العمل های اجرایی مسیر خطوط انتقال برق به بررسی وضعیت دکل ها و همچنین رعایت حریم های مربوطه در منطقه مورد مطالعه از شهر سمنان پرداخته شده است. نتایج حاصل نشان می دهد بلحاظ رعایت حریم مصوب، اکثر دکل های برق در منطقه مورد مطالعه در وضع نسبتا مطلوبی هستند. نمونه هایی از مستندات بررسی شده شامل رعایت حریم و عدم رعایت حریم جهت رفع تجاوز به حریم بهمراه نقشه های مربوطه ارائه شده است.

برای محاسبه دبی اوج سیلاب در حوضه های فاقد آمار یکی از روش های مورد استفاده، روش های تجربی است. از روش-های تجربی که در این تحقیق استفاده شده است، روش فولر بوده که محاسن آن نسبت به سایر روش های تجربی ارائه دوره های مختلف سیلاب می باشد. در این تحقیق، مقایسه تکنیک های بهینه سازی برنامه ریزی خطی و الگوریتم ژنتیک در بهینه سازی ضرایب فرمول تجربی فولر بترتیب در محیط برنامه نویسی اکسل و متلب برای حوضه های منتخب منطقه هدف قرار داده شده است. بدین منظور آمار دبی حداکثر 24 ساعته 9 ایستگاه موجود در استان آذربایجان غربی با طول دوره آماری 21 سال مورد بررسی قرار گرفت. مقایسه نتایج برتری روش الگوریتم ژنتیک و سپس برنامه ریزی خطی را نشان داد. همچنین نتایج نشان می دهد که استفاده از روش های جستجوی هوشمند عملکرد روش های مرسوم را به میزان قابل توجهی بهبود می بخشد.

در تصاویر سار تمام پولاریمتریک، امکان شناسایی و تشخیص اهداف برمبنای خصوصیات پولاریمتریک آن ها وجود دارد. بااین حال، به دلیل پیچیدگی های سنجنده، بیشتر سنجنده های سار در حالت دوپولاریمتریک فعالیت می کنند و فراوانی داده های دوپولاریمتریک بسیار بیشتر از داده های تمام پولاریمتریک است. در این تحقیق، میزان کارآیی مؤلفه های پولاریمتریک استخراج شده از حالت دوقطبی با حالت تمام پولاریمتریک مقایسه شده اند. بدین منظور، مؤلفه های آلفا و انتروپی در سه حالت HH-HV ، HH-VV، HV-VV و تمام پولاریمتریک محاسبه شده است. با هدف بررسی دقیق تر، مقادیر آلفا و انتروپی به تفکیک کلاس های پوشش زمین استخراج شده اند. مقایسه مقادیر خطای مطلق میانگین بین مقادیر آلفا در حالت تمام پولاریمتریک با مقادیر حالت دوپولاریمتریک نشان می دهد که بین حالت HH-HV، با حالت تمام پولاریمتریک، کمترین خطا وجود دارد و بیشترین خطا به حالت HH-VV متعلق است. میزان خطا بین مقادیر انتروپی حالت تمام پولاریمتریک و حالت HH-HV، HH-VV و HV-VV، به ترتیب، برابر 06/0 و 22/0 و 17/0 است. بر این اساس، حالت دوپولاریمتریک HH-HV بیشترین انطباق را با حالت تمام پولاریمتریک دارد و ترکیب باندهای هم قطب HH-VV کمترین انطباق را با حالت تمام پولاریمتریک داراست. در بین کلاس های متفاوت پوشش اراضی، مقادیر آلفای کلاس آب در حالت HH-HV بیشترین نزدیکی را با حالت تمام پولاریمتریک دارد. بین مقادیر انتروپی کلاس های متفاوت پوشش زمین در حالت HH-HV با حالت تمام پولاریمتریک، اختلاف معناداری وجود ندارد. براساس یافته های این تحقیق، نتیجه گیری می شود که ترکیب HH-HV به حالت تمام پولاریمتریک نزدیک تر است.

تناظریابی از موضوعات چالش برانگیز در سنجش از دور و فتوگرامتری به شمار می آید. این فرایند به منظور طبقه بندی چندطیفی، مانیتورینگ محیط، بازرسی تغییرات، موزاییک کردن تصاویر و نظایر اینها کاربرد وسیعی در سنجش از دور دارد. روش های زیادی برای تناظریابی ارائه شده اند، که یکی از آنها تناظریابی سراسری با استفاده از شبکه عصبی هاپفیلد است. مهم ترین تحقیقات انجام شده در این روش در حوزة شناسایی هدف و مربوط به تصاویر برد کوتاه است، و تاکنون روی تصاویر هوایی و ماهواره ای پیاده سازی نشده اند. هدف اصلی پژوهش حاضر پیاده سازی روش تناظریابی با استفاده از شبکه عصبی هاپفیلد روی انواع تصاویر هوایی و ماهواره ای است. برای انجام تناظریابی مستقل از افاین، از شبکه عصبی هاپفیلد مرتبه 4 استفاده می شود و نتایج عملی روی دو جفت تصویر ماهواره ای بیانگر کارایی بالای این روش است.

استان فارس، با توجه به واقع شدن در مناطق خشک و نیمه خشک ایران، دچار کمبود منابع آب سطحی شده است. بنابراین، به منظور بهره برداری از منابع آب زیرزمینی، تعیین کیفیت آب بسیار اهمیت دارد. با توجه به اهمیت موضوع، هدف این مطالعه تعیین میزان کیفیت مناطق جنوب شهر شیراز در استان فارس است. به منظور تهیه نقشه های پهنه بندی از نقاط نمونه برداری شده، از روش میانگین عکس فاصله (IDW) استفاده شد. در ادامه، برای همگن کردن هریک از لایه های تهیه شده، روش فازی به کار رفت. در این روش، تابع عضویت برای هریک از نقشه های پهنه بندی تعریف شد و داده ها بین 0 و 1، براساس درجه اهمیتی که در کیفیت آب دارند، قرار گرفتند. در نهایت، برای وزن دهی به لایه ها و تهیه نقشه نهایی کیفیت آب، از روش فرایند تحلیل شبکه ای (ANP) استفاده شد. نتایج نشان داد که کیفیت آب حدود ۸۰% منطقه مورد مطالعه مطلوب است؛ درحالی که کیفیت آب شرب در حدود ۴% از منطقه (بخش هایی از شمال و شرق) نامطلوب است.

داده های سنجش از دور دارای کاربرد وسیعی در برآورد تبخیر و تعرق واقعی هستند و بدین منظور روش های مختلفی شرح و بسط یافته است. در این میان، سبال و متریک به عنوان مدل های شار انرژی و تی وی تی برپایة پوشش گیاهی توجه زیادی را به خود جلب کرده و برپایة برخی پارامترهایی هستند که برای استفاده نیاز به ارزیابی دارند. در پژوهش حاضر، 12 تصویر مودیس طی دورة سال آبی 88-1387 که محدودة مطالعاتی اهواز شمالی را (طبق طبقه بندی وزارت نیرو) می پوشاند، فراهم شد تا برای تخمین تبخیر و تعرق واقعی با استفاده از مدل های سنجش از دور به کار گرفته شود. به منظور ارزیابی و مقایسة نتایج، از تبخیر و تعرق تخمین زده شده با استفاده از مدل بیلان آبی مرسوم برای همان دوره استفاده شد. افزون بر اینها، بهترین تخمین تبخیر و تعرق واقعی با استفاده از مدل سنجش از دور برای مزارع یونجه با مقادیر متناظر در سند ملی آب مقایسه شد. نتایج به دست آمده، عملکرد بهتر سبال و سپس متریک و تی وی تی را نشان دادند. مدل بیلان آب میزان تبخیر و تعرق واقعی را 341 میلی متر بر سال و سبال آن را 2/347 میلی متر بر سال برای همان دوره نمایش داد. ارزیابی پارامترهای این مدل ها، تأثیر معنا دار کاربرد معادلات کالیبره شدة شار گرمای خاک و طول زبری مومنتوم را بر عملکرد و کاهش عدم قطعیت آنها نشان داد.

آگاهی از توزیع زمانی و مکانی دمای سطح زمین (LST) Land Surface Temperature برای تعیین بیلان انرژی، در مطالعات اقلیم شناسی، بررسی وضعیت پوشش گیاهی و تعیین چگونگی ساختار شهری کاربرد بسیاری دارد. در این مطالعه، مسئله اصلی استخراج LST از منطقه مورد مطالعه و بررسی رابطه آن با ساخت وساز شهری و پوشش گیاهی است. شرایط اقلیمی به ویژه باد، چگونگی ساخت وساز شهری و پوشش گیاهی از عوامل مهم و تأثیرگذار در LST به شمار می رود. در این مطالعه، با توجه به اهمیت جزایر حرارتی در مقیاس پیکسل و توانایی چندجمله ای های درونیاب نیوتن در این زمینه، ساخت وساز شهری و پوشش گیاهی با این چندجمله ای ها استخراج، و رابطه آن با LST بررسی شده است. همچنین، آن نواحی که جزایر حرارتی را تشکیل داده اند، شناسایی شدند. از اهداف اصلی این مقاله استفاده از تکنیک های ریاضی در سنجش از دور و میزان کارآیی و دقت آنهاست. چندجمله ای های درونیاب نیوتن، با استفاده از DN دریافتی از دویست نقطه از سطح تصویر که دارای پوشش گیاهی و مناطق با ساخت وساز شهری است، دو معادله از درجه هفت ارائه کرده که با پیاده سازی این معادلات بر سطح تصویر، مناطق دارای پوشش گیاهی و ساخت وساز شهری را جداگانه استخراج کرده است. میزان خطای حاصل از استخراج پوشش گیاهی با استفاده از چندجمله ای درونیاب نیوتن، در صد نقطه برداشتی در سطح منطقه مورد مطالعه، 1/10 و برای ساخت وساز شهری 02/12 محاسبه شد. شایان ذکر است که تاکنون کار مشابهی با الگوریتم دوجمله ای های نیوتن انجام نگرفته است.

الگوریتم خوشه بندی K-Means یکی از پرکاربردترین روش های طبقه بندی نظارت نشده در پردازش تصاویر سنجش از دور است. در الگوریتم K-Means استاندارد، از معیار عدم شباهتِ فاصله اقلیدسی، به منظور اندازه گیری عدم شباهتِ بین داده ها و خوشه ها استفاده می شود. فاصله اقلیدسی، یک معیار عدم شباهتِ قطعی است که بردار طیفی پیکسل ها و مراکز خوشه ها را به صورت نقاطی در یک فضای چندبعدی در نظر می گیرد و فاصله هندسی بین آن ها را اندازه گیری می کند. تصاویر فراطیفی همواره دارای عدم قطعیت هستند، به همین دلیل استفاده از یک معیار عدم شباهت آماری (غیرقطعی)، جهت خوشه بندی آن ها مناسب تر به نظر می رسد. بر این اساس در این مقاله، با به کارگیری یک معیار عدم شباهت آماری، یک روش نظارت نشده جدید برای خوشه بندی تصاویر فراطیفی طراحی و پیاده سازی شده است. روش خوشه بندی پیشنهادی، برای برآورد عدم شباهت بین مرکز خوشه ها و پیکسل ها، از یک معیار عدم شباهت آماری، به نام دیورژانس اطلاعات طیفی، به جای فاصله اقلیدسی استفاده می کند. دیورژانس اطلاعات طیفی، توزیع احتمال طیف ها را از طریق نرمال کردن امضای طیفی، مدل سازی می کند. سپس فاصله بین توزیع احتمال طیف یک پیکسل و توزیع احتمال طیف هر مرکز خوشه را برآورد می کند. آزمون های انجام شده بر روی داده های تصویری فراطیفی واقعی حاصل از سه سنجنده HyMap، HYDICE و Hyperion نشان می دهد که روش خوشه بندی پیشنهادیِ مبتنی بر دیورژانس اطلاعات طیفی، نتایج طبقه بندی را بهبود می بخشد، به طوری که ضریب کاپای نتایج طبقه بندی تصاویر فراطیفی مورد استفاده به ترتیب، حدود 7%، 56% و 10% افزایش یافته است.