هادی فرهادی؛ طیبه مناقبی؛ حمید عبادی
چکیده
استخراج اطلاعات دقیق مربوط به موقعیت، تراکم و توزیع ساختمان‌ها در محدوده شهری از اهمیت بسیار بالایی برخوردار است که در کاربردهای مختلفی مورد استفاده قرار می‌گیرد. سنجش از دور یکی از کارآمدترین تکنولوژی‌های تهیه نقشه است که در مناطق وسیع، با سرعت بالا، هزینه مقرون به صرفه و با به‌کارگیری داده‌های به‌روز مورد استفاده قرار می‌گیرد. ...
بیشتر
استخراج اطلاعات دقیق مربوط به موقعیت، تراکم و توزیع ساختمان‌ها در محدوده شهری از اهمیت بسیار بالایی برخوردار است که در کاربردهای مختلفی مورد استفاده قرار می‌گیرد. سنجش از دور یکی از کارآمدترین تکنولوژی‌های تهیه نقشه است که در مناطق وسیع، با سرعت بالا، هزینه مقرون به صرفه و با به‌کارگیری داده‌های به‌روز مورد استفاده قرار می‌گیرد. تاکنون روش‌ها و داده‌های متعددی برای این منظور مورد استفاده قرار گرفته است. در این راستا، در تحقیق حاضر از یک روش نیمه‌خودکار به‌منظور تهیه نقشه محدوده شهری و ساختمان‌های شهر تبریز و از تصاویر ماهواره‌ای سنتینل-1 و 2 در سامانه گوگل ارث انجین استفاده شد. برای این منظور، بعد از فراخوانی تصاویر و اعمال پیش‌پردازش‌های لازم در موتور مجازی، نقشه مناطق شهری اولیه و ساختمان‌هایی با پتانسیل بالا از تصاویر سنتینل-1 تولید شد. در مرحله بعد، به‌منظور حذف ویژگی‌های مزاحم و استخراج مناطق شهری ثانویه، شاخص‌های طیفی از تصاویر سنتنیل-2 استخراج شد. سپس برای آستانه‌گذاری ویژگی‌ها از آستانه‌گذاری هیستوگرام به روش تک مدی استفاده شد. در نهایت، با ادغام نقشه ساختمان‌های با پتانسیل بالا و نقشه مناطق شهری ثانویه، نقشه نهایی تولید و مورد ارزیابی قرار گرفت. نتایج حاصل، نشان‌دهنده صحت کلی 90/11 درصد و ضریب کاپای 0/803 می‌باشد. براساس مقایسه‌های کمّی و کیفی انجام شده، روش پیشنهادی از عملکرد مطلوبی برخوردار می‌باشد. از مهمترین مزایای روش پیشنهادی می‌توان به رایگان بودن داده‌ها و متن‌باز بودن سامانه گوگل ارث انجین اشاره کرد. بنابراین، می‌توان نتیجه گرفت که استفاده همزمان از داده‌های سنجش از دور راداری و اپتیکی در محیط سامانه گوگل ارث انجین، پتانسیل بسیار بالایی در متمایز کردن ویژگی‌ها و تهیه نقشه ساختمان‌ها دارد.
امیر آقابالائی؛ حمید عبادی؛ یاسر مقصودی مهرانی
چکیده
چندین مطالعه انجام شده در دهه اخیر نشان داده است که سامانه‌های تصویربرداری رادار با روزنه مجازی (SAR) در مد Compact پلاریمتری (CP) می‌توانند بر معایب سامانه‌های تصویربرداری SAR در مد تمام پلاریمتریک (FP) غلبه کرده و عملکرد قابل قبولی را در کاربردهای مختلف سنجش از دور مانند مدیریت و پایش منابع مهم طبیعی از جمله جنگل‌ها ارائه ...
بیشتر
چندین مطالعه انجام شده در دهه اخیر نشان داده است که سامانه‌های تصویربرداری رادار با روزنه مجازی (SAR) در مد Compact پلاریمتری (CP) می‌توانند بر معایب سامانه‌های تصویربرداری SAR در مد تمام پلاریمتریک (FP) غلبه کرده و عملکرد قابل قبولی را در کاربردهای مختلف سنجش از دور مانند مدیریت و پایش منابع مهم طبیعی از جمله جنگل‌ها ارائه دهند. در این راستا، فناوری نوینی به نام تداخل سنجی پلاریمتریک SAR (PolInSAR)، به عنوان ابزاری توانمند در این حوزه، بسیار مورد توجه قرار گرفته است. در این مقاله، عملکرد داده‌های C-PollnSAR) Compact PollnSAR)در مد ارسال و دریافت قطبش دایروی (DCP) جهت برآورد ارتفاع درختان جنگل مورد بحث و بررسی قرار گرفته است. برای این منظور، روشهای مرسوم جهت بازیابی ارتفاع درختان در مناطق جنگلی، شامل روش تفاضلی مدل رقومی ارتفاعی (DEM)، روش اندازه دامنه کوهرنسی و نیز روش ترکیبی (فاز و کوهرنسی)، بر روی این داده‌ها پیاده‌سازی شد. به منظور ارزیابی عملکرد داده‌های C-PolInSAR، نتایج حاصل از این داده‌ها با نتایج به دست آمده از داده‌های Full PolInSAR) F-PollanSADR) مقایسه و ارزیابی گردید. نتایج تجربی به دست آمده در این تحقیق بر دو مجموعه داده شبیه‌سازی شده از نرم‌افزار PolSARProSim در باندهای L و P نشان دادند که داده‌های C-PolInSAR در مد DCP، عملکرد و نتایج یکسانی نسبت به داده‌های F-PolInSAR با در نظر گرفتن HH+VV به عنوان قطبش پس‌پراکنش شده از زمین، در برآورد ارتفاع دارند. به ویژه آنکه، داده‌های C-PolInSAR در مد DCP بهبود 78/0 متری و 55/0 متری را به ترتیب در باندهای L و P نسبت به داده‌های F-PolInSAR با انتخاب HH-VV به عنوان قطبش زمین، در برآورد ارتفاع درختان حاصل کردند. علاوه براین، به کارگیری داده‌های C-PolInSAR هنگامی که منابع سامانه‌های تصویربرداری پلاریمتریک محدود هستند، در دسترس نیستند، و نیز در طول موج‌های بلند، که قطبش ارسالی متأثر از چرخش فارادی است، می‌تواند یک راهکار مؤثر باشد.
فریبرز قربانی؛ حمید عبادی؛ مسعود ورشوساز
چکیده
در طول چند دهه‌‌ی اخیر محیط‌‌های شهری بسیار بیشتر از گذشته گسترش یافته‌‌اند. یکی از مهمترین مشکلاتی که در اکثر کلان شهرها و حتی شهرهای کوچک وجود دارد مدیریت سیستم حمل و نقل است. یک سیستم نظارتی پیشرفته از وسایل نقلیه‌‌ی درون شهری امکان غلبه بر مشکلات ترافیکی و ازدحام خودروها را فراهم می‌‌نماید، و به تبع آن از مشکلات آلودگی ...
بیشتر
در طول چند دهه‌‌ی اخیر محیط‌‌های شهری بسیار بیشتر از گذشته گسترش یافته‌‌اند. یکی از مهمترین مشکلاتی که در اکثر کلان شهرها و حتی شهرهای کوچک وجود دارد مدیریت سیستم حمل و نقل است. یک سیستم نظارتی پیشرفته از وسایل نقلیه‌‌ی درون شهری امکان غلبه بر مشکلات ترافیکی و ازدحام خودروها را فراهم می‌‌نماید، و به تبع آن از مشکلات آلودگی هوا میکاهد. با توسعه‌‌ی پرنده‌‌ای بدون سرنشین (UAV) امکان پایش مستمر و دقیق محیط‌‌های شهری برای کاربران فراهم گردیده است. در این تحقیق هدف ارائه روشی سریع و با عملکردی مناسب از نظر دقت در شناسایی اتوماتیک خودرو در تصاویر پهپاد با حدتفکیک بسیار بالا است. در گام شناسایی خودرو از قابلیت الگوریتم آشکارساز و توصیفگر عوارض موضعی SIFT استفاده شده است. یکی از اصلی‌ترین قابلیت‌های این الگوریتم پایدار بودن در برابر تغییرات روشنایی و انواع تبدیلات هندسی نظیر انتقال، دوران و مقیاس است. روش ارائه‌شده شامل دو مرحله‌‌ی اصلی: آموزش الگوریتم و فرآیند شناسایی خودرو است. روش پیشنهادی بر روی ۸تصویر پهپاد که دارای پس‌زمینه با بی‌نظمی‌های مختلف هستند پیاده‌سازی شد. این تصاویر شامل انواع مختلفی از خودروها هستند. به منظور ارزیابی کمی روش پیشنهادی از دو معیار استفاده شده است. همچنین عملکرد این روش با رویکرد پنجره‌‌ی جستجو مورد مقایسه قرار گرفته است. نتایج نشان میدهد زمان محاسبات الگوریتم پیشنهادی ۸۲ثانیه است و میانگین دو معیار ارائه شده معادل ۶۵/۶۷ درصداست که نشان دهنده‌‌ی برتری روش از لحاظ سرعت و دقت محاسباتنسبت به روش پنجره‌‌ی جستجواست.
سیده سمیرا حسینی؛ حمید عبادی؛ یاسر مقصودی مهرانی
چکیده
در دهه‌های اخیر توجه زیادی به تخمین زیست توده جنگلی شده است. تهیه نقشه‌های جامع و صحیح از زیست توده جنگلی جهت مدل کردن چرخه کربن جهانی و کاهش گازهای گلخانه‌ای از اهمیت بسیار زیادی برخوردار است. روشهای قدیمی برای تخمین زیست توده براساس مقادیر بازپراکنش‌ها به کمک آنالیزهای رگرسیون صورت می‌پذیرفت. مشکل اصلی این روش‌ها، سطح اشباع ...
بیشتر
در دهه‌های اخیر توجه زیادی به تخمین زیست توده جنگلی شده است. تهیه نقشه‌های جامع و صحیح از زیست توده جنگلی جهت مدل کردن چرخه کربن جهانی و کاهش گازهای گلخانه‌ای از اهمیت بسیار زیادی برخوردار است. روشهای قدیمی برای تخمین زیست توده براساس مقادیر بازپراکنش‌ها به کمک آنالیزهای رگرسیون صورت می‌پذیرفت. مشکل اصلی این روش‌ها، سطح اشباع پایین آنها در طول موج‌ها و پلاریزاسیون‌های مختلف بدلیل در نظر نگرفتن پارامترهای ساختاری بود. به کمک تکنیک‌های اینترفرومتری، تحقیقات به سمت استخراج پارامترهای ساختاری سوق پیدا کرد. ارتفاع یکی از پارامترهای ساختاری می‌باشد که جهت تخمین زیست توده جنگلی می‌تواند استفاده شود. بهبود روشهای بازیابی ارتفاع درختان نقش بسیار مهمی در استخراج صحیح زیست توده جنگلی ایفا می‌کند. در این مقاله یک روش جدید به منظور بهینه‌سازی ماتریس پراکنش به کمک تغییر پایه پلاریزاسیون جهت تخمین ارتفاع معرفی شده است. به کمک تغییر ماتریس پراکنش در پایه پلاریزاسیون‌های مختلف برای هر دو تصویر پایه و پیرو، پارامترهای همبستگی مختلف استخراج شده و با روشهای مختلف تخمین ارتفاع، ارتفاع درختان تخمین زده شده است. داده‌های مورد بررسی، داده‌های تمام پلاریمتری از سنجنده هوایی SETHI در باند P می‌باشد که در منطقه جنگل‌های شمالی واقع در Remningstorp در جنوب کشور سوئد برداشت شده است. نتایج نشان میدهد که روش‌هایی که در آنها تغییر فاز وجود دارد در اثر تغییر پارامترهای هندسی بیضوی، بهبود چشمگیری داشته‌اند بطوری که روشهای فاز حجم تصادفی برروی زمین با 76/0= R2 و76/3 = RMSE و تفاضلی مدل رقومی با 69/0-= R2 بهترین بهبود در نتایج را داشته‌اند و روش وارونگی دامنه همدوسی که با مقدار کوهرنس ارتفاع را استخراج می‌کند، با 17/0= R2 بهبود چندانی در نتایج آن ملاحظه نشده است.
وحید صادقی؛ حمید عنایتی؛ حمید عبادی
چکیده
آنالیز تصاویر چندزمانه سنجش‌از دور، تکنیک کارآمدی برای شناسایی تغییرات کاربری و پوشش اراضی در مناطق شهری می‌باشد. جدا از تکنیک بکار رفته برای شناسایی تغییرات،فضای ویژگی تأثیر بسیار زیادی در صحت نتایج دارد. حصول نتایج رضایت‌بخش در شناسایی تغییرات مناطق شهری، مستلزم بکارگیری ویژگی های طیفی و مکانی (بافت) بهینه می باشد. اگرچه ...
بیشتر
آنالیز تصاویر چندزمانه سنجش‌از دور، تکنیک کارآمدی برای شناسایی تغییرات کاربری و پوشش اراضی در مناطق شهری می‌باشد. جدا از تکنیک بکار رفته برای شناسایی تغییرات،فضای ویژگی تأثیر بسیار زیادی در صحت نتایج دارد. حصول نتایج رضایت‌بخش در شناسایی تغییرات مناطق شهری، مستلزم بکارگیری ویژگی های طیفی و مکانی (بافت) بهینه می باشد. اگرچه جستجوی سراسری تنها تضمین دست‌یابی به مجموعه ویژگی‌های بهینه است، ولی در عمل فرآیندی بسیار زمانبر و غیرعملی است. در تکنیک‌های کاهش‌بعد همچون تکنیکPCA تنها استقلال آماری داده‌ها برای رسیدن به مؤلفه‌هایی جدید با وابستگی کمتر مدنظر بوده و بهبود صحت شناسایی تغییرات بطور مستقیم دنبال نمی‌شود. تعیین حدآستانه مناسب برای انتخاب ویژگی‌های بهینه در تکنیک تفکیک‌پذیری‌آماری (SAA) با فاصله JM نیز عملاً از کارایی این تکنیک میکاهد. تمرکز اصلی مقاله حاضر، انتخاب ویژگی‌های طیفی و بافت بهینه با الگوریتم ژنتیک و طبقه‌بندی‌کننده بیزین می‌باشد. جهت بررسی کارآیی تکنیک پیشنهادی، تغییرات شهر جدید سهند (شمال‌غرب ایران) با بکارگیری تصاویر سنجنده‌های IRS-P6 و Geo-Eye1اخذ شده در 14 جولای 2006 و 1 سپتامبر 2013 مورد بررسی قرار گرفت.تمامی تکنیک‌های مذکور در محیط برنامه‌نویسی MATLABR2013aپیاده‌سازی شدند.نتایج حاصل از این تحقیق نشان داد ویژگی‌های بافت می‌تواند به عنوان منبع اطلاعاتی مکمل، سبب بهبود نتایج شناسایی تغییرات در مناطق شهری شود. انتخاب ویژگی یک فرآیند تأثیرگذار در شناسایی تغییرات مبتنی بر ویژگی‌های طیفی و بافت می‌باشد. هریک از تکنیک‌های انتخاب ویژگی، محدودیت‌ها و مزایای خاص خودشان را داشته ولی در کل بهبود صحت شناسایی تغییرات را بدنبال دارند. مقایسه کارآیی تکنیک‌های انتخاب ویژگی نشان داد، تکنیک پیشنهادی در مقایسه با دو تکنیک متداولPCA و SAA (که نتایج مشابهی داشتند) از کارآیی و صحت بالاتری برخوردار است.با بکارگیری روش پیشنهادی، ضریب کاپا و صحت کلی نقشه تغییرات به ترتیب از 66/53% به 49/88% و از 94/58% به 39/90%،(در مقایسه با بکارگیری باندهای اصلی تصاویر)،افزایش یافت.
حمید عبادی؛ روزبه شاد
دوره 13، شماره 49 ، اردیبهشت 1383، ، صفحه 46-50
چکیده
با توسعه روزافزون GIS، توابع تجزیه و تحلیل قابل اجرا توسط آن نیز به طور قابل توجهی گسترش یافته اند، که از جمله آنها می توان به آنالیز شبکه اشاره نمود. یافتن کوتاه ترین مسیر از آنالیزهای مهم شبکه می باشد که به عنوان یکی از کاربردهای مهم در مسائل حمل و نقل مطرح می گردد. با توجه به کاربردهای فراوان آنالیز مسیریابی، تنوع در نوع و حجم ...
بیشتر
با توسعه روزافزون GIS، توابع تجزیه و تحلیل قابل اجرا توسط آن نیز به طور قابل توجهی گسترش یافته اند، که از جمله آنها می توان به آنالیز شبکه اشاره نمود. یافتن کوتاه ترین مسیر از آنالیزهای مهم شبکه می باشد که به عنوان یکی از کاربردهای مهم در مسائل حمل و نقل مطرح می گردد. با توجه به کاربردهای فراوان آنالیز مسیریابی، تنوع در نوع و حجم اطلاعات ورودی و پارامترهای گوناگون اثرگذار بر کارائی یک الگوریتم مسیریابی در یک سیستم اطلاعات جغرافیایی از سوی محققین راه حل های مختلفی برای حل مسئله مسیریابی ارائه شده است که از جمله آنها به الگوریتم دایسترا و ژنتیک می توان اشاره نمود. الگوریتم دایسترا یکی از معروف ترین روشهای یافتن کوتاه ترین مسیر می باشد که قادر است در یک شبکه مشخص کوتاه ترین مسیر را با استفاده از محاسبات ماتریسی بیاید. اما در کاربردهای آنی، با توجه به حجم بالای اطلاعات ورودی، قید و شرط های پیچیده و نیاز به عملکرد سریع، این الگوریتم کارائی خود را از دست خواهد داد. بدین ترتیب که، با افزایش حجم محاسباتی در ماتریس شبکه، پیچیدگی زمانی آن نیز افزایش می یابد. برای رفع این مشکل از الگوریتم ژنتیک می توان استفاده نمود. الگوریتم ژنتیک یک تکنیک بهینه سازی است که با کوچک نمودن محدوده جستجو قادر است میزان محاسبات و تعداد مقایسه ها را کاهش دهد. در این مقاله با بررسی اجمالی تئوری گرافها، نحوه عملکرد الگوریتم های مسیریابی دایسترا و ژنتیک مورد بررسی قرار گرفته و نتایج چند کار عملی ارائه می گردد. در نهایت با مقایسه و بررسی نتایج، نقاط قوت و ضعف هر یک از آنها مشخص خواهد شد.
