سیستم اطلاعات جغرافیایی
محمد کریمی؛ پرستو پیله فروش ها؛ علی صفری
چکیده
بـا توجـه بـه وسـعت زیـاد کشـور ایران و گسـتردگی منـاطق پتانسـیلدار ذخـایر معـدنی (وجـود کمربنـد ولکـانیکی ارومیـه ـ دختـر) و لـزوم شناسـایی و مـدیریت صـحیح ایـن ذخـایر، اسـتفاده از سیستم اطلاعـات مکانی به همراه مدلهای پیشبینی کننده داده و دانش محور، نقش بسـیار مهمی به منظور تهیه نقشه پتانسیل از احتمال یافتن ذخایر معدنی در ...
بیشتر
بـا توجـه بـه وسـعت زیـاد کشـور ایران و گسـتردگی منـاطق پتانسـیلدار ذخـایر معـدنی (وجـود کمربنـد ولکـانیکی ارومیـه ـ دختـر) و لـزوم شناسـایی و مـدیریت صـحیح ایـن ذخـایر، اسـتفاده از سیستم اطلاعـات مکانی به همراه مدلهای پیشبینی کننده داده و دانش محور، نقش بسـیار مهمی به منظور تهیه نقشه پتانسیل از احتمال یافتن ذخایر معدنی در یک مکان خاص دارد. هدف این تحقیق پیشبینی ذخایر مس پورفیری در ناحیه دهج - بزمان استان کرمان با استفاده از دو روش جنگلهای تصادفی[1] و ماشین بردار پشتیبان[2] است. به این منظور، از یک پایگاه داده مکانی متشکل از نقشههای جنس واحدهای سنگی، ساختارها، آلتراسیون، ژئوشیمی، ژئوفیریک و موقعیت 24 کانسار مس پورفیری شناختهشده در منطقه استفاده شد. با توجه به نتایج حاصل شده، مدل جنگلهای تصادفی توانست با صحت 93.33 درصد مناطق امیدبخش ذخایر مس پورفیری را پیشبینی کند. همچنین، در نقشه پتانسیل بدست آمده از این مدل، مناطق هدف 14 درصد از منطقه مورد مطالعه را در برگرفته است، که در آن 92 درصد ذخایر شناخته شده مشخص شدهاند. علاوه بر این، به منظور مقایسه نقشه پتانسیل ذخایر مس پورفیری منتج از روش جنگلهای تصادفی، از روش ماشین بردار پشتیبان و روشهای دانش محور همپوشانی شاخص و منطق فازی استفاده شد. در نقشههای پتانسیل ذخایر مس پورفیری بدست آمده از سه روش ماشین بردار پشتیبان، همپوشانی شاخص و منطق فازی به ترتیب مناطق هدف 17،16،14 درصد از منطقه مورد مطالعه را در برگرفته است که در آنها 79،83،87 درصد ذخایر شناخته شده وجود دارند. براساس نتایج این تحقیق، مدل جنگلهای تصادفی از نظر صحت پیش بینی از کارایی بالاتری نسبت به مدلهای دیگر برخوردار بوده و مدلهای ماشین بردار پشتیبان، همپوشانی شاخص و منطق فازی به ترتیب در رتبههای بعدی قرار دارند. [1] Random Forest (RF)[2] Support Vector Machine (SVM)
محمدقاسم ترکاشوند؛ مصطفی موسی پور
چکیده
برآورد دقیق سطح پوشش برف به عنوان یکی از عملیات محوری و اساسی در زمینه مدیریت منابع آب، به ویژه در مناطقی که بارش برف سهم زیادی در نزولات جوی دارد محسوب می شود. بنابراین پایش پیوسته سطوح پوشیده از برف، از نظر مطالعات اقلیمی، اکولوژیکی و هیدرولوژیکی اهمیت ویژه ای دارد. امروزه در روند مدیریت کارآمد منابع آبی، به کارگیری ...
بیشتر
برآورد دقیق سطح پوشش برف به عنوان یکی از عملیات محوری و اساسی در زمینه مدیریت منابع آب، به ویژه در مناطقی که بارش برف سهم زیادی در نزولات جوی دارد محسوب می شود. بنابراین پایش پیوسته سطوح پوشیده از برف، از نظر مطالعات اقلیمی، اکولوژیکی و هیدرولوژیکی اهمیت ویژه ای دارد. امروزه در روند مدیریت کارآمد منابع آبی، به کارگیری داده های سنجش از دور با هدف کسب اطّلاعات دقیق از پوشش برف به صورت عملیاتی اجرا می شود. پژوهش حاضر با هدف مقایسه عملکرد توابع کرنل ماشین بردار پشتیبان و عملگرهای فازی شئ گرا در برآورد میزان سطح پوشش برف در کوه آلمابلاغ با استفاده از تصویر ماهواره Sentinel انجام گرفته است. در این راستا ابتدا عملیات پیش پردازش بر روی تصویر ماهواره ای اعمال گردید، سپس با استفاده از توابع کرنل ماشین بردار پشتیبان شامل توابع خطی، چندجمله ای، پایه شعاعی و سیگموئید، فرآیند طبقه بندی پیکسل پایه انجام شد. همچنین پس از قطعه بندی، با استفاده از عملگرهای فازی شئ گرا شامل AND، OR، MGE، MAR، MGWE و ALP فرآیند طبقه بندی شئ گرا نیز انجام شد و میزان دقّت هر کدام از نقشه های تولیدشده محاسبه گردید و در آخر براساس الگوریتمی که دارای بیشترین دقّت بود، میزان سطح پوشش برف منطقه مورد مطالعه برآورد شد. در این تحقیق عملگر فازی AND دارای بیشترین مقدار دقّت در نقشه های تولید شده در بین هر دو روش بود. لذا براساس نتایج تحقیق، روش های پردازش شئ گرای تصاویر ماهواره ای در طبقه بندی تصاویر رقومی ماهواره ای به دلیل اینکه علاوه بر اطّلاعات طیفی از اطّلاعات مربوط به بافت، شکل، موقعیت، محتوا و ویژگی های هندسی نیز در فرآیند طبقه بندی استفاده می کنند در مقایسه با توابع کرنل ماشین بردار پشتیبان، دستیابی به دقّت بالاتر را امکان پذیر می سازند.
سارا عطارچی؛ نجمه پوراکبر هنزائی
چکیده
مطالعه تطابق محتوای اطلاعاتی سنجندهها به منظور جایگزینی سنجنده ها در مناطقی که امکان دسترسی آسان به دادههای آنها وجود ندارد، در مطالعات سنجش از دور ضروری است. هدف از این پژوهش مقایسهی دو سنجندهی MSI ماهوارهی سنتینل ۲ و OLI ماهوارهی لندست ۸ میباشد تا امکان استفاده از آرشیو تصاویر لندست و همچنین جایگزینی تصاویر این دو ماهواره ...
بیشتر
مطالعه تطابق محتوای اطلاعاتی سنجندهها به منظور جایگزینی سنجنده ها در مناطقی که امکان دسترسی آسان به دادههای آنها وجود ندارد، در مطالعات سنجش از دور ضروری است. هدف از این پژوهش مقایسهی دو سنجندهی MSI ماهوارهی سنتینل ۲ و OLI ماهوارهی لندست ۸ میباشد تا امکان استفاده از آرشیو تصاویر لندست و همچنین جایگزینی تصاویر این دو ماهواره به جای یکدیگر مورد ارزیابی قرار بگیرد. برای رسیدن به این هدف، شهرستان مینودشت به عنوان منطقهی مورد مطالعه انتخاب گردید. این منطقه از نظر کلاس های پوشش اراضی متنوع بوده و انواع مختلف طبقات پوشش زمین در آن دیده می شود. به منظور بررسی محتوای اطلاعاتی دو سنجنده، سه جفت تصویر نسبتا همزمان از دو سنجنده انتخاب شد. ابتدا باندهای متناظر دو سنجنده که در محدوده طول موج یکسان فعالیت می کنند، تعیین شد. سپس هر زوج تصویر نسبت به هم ثبت هندسی شدند. جهت یکسان کردن اندازهی پیکسلها، قدرت تفکیک مکانی سنجندهی MSI به ۳۰ متر تبدیل شد تا همبستگی باندهای متناظر محاسبه شود. در گام بعدی، طبقه بندی ماشین بردار پشتیبان بر روی تصاویر انجام شد. نمونه های تعلیمی از نقشهی کاربری اراضی شهرستان مینودشت و تصاویر ماهوارهای با قدرت تفکیک مکانی بالا انتخاب شد. برای ارزیابی طبقه بندی با استفاده از نمونه های مستقل، ماتریس خطا تشکیل شد. نتایج نشان داد که تمامی باندهای متناظر همبستگی بالاتر از مقدار ۰.8 دارند و میزان صحت کلی و ضریب کاپای حاصل از طبقه بندی برای هر دو سنجنده تفاوت معنی داری با یکدیگر ندارند. میانگین صحت کلی به دست آمده برای سنجندههای OLI و MSI به ترتیب 91/35٪ و 94/79٪ میباشد. نتایج بدست آمده، نشانگر تطابق بالای دو سنجنده چند طیفی می باشد.
علی اصغر آل شیخ؛ سعید مهری
چکیده
جنگل های زاگرس بیشترین تأثیر را در تأمین آب، حفظ خاک و تعدیل آب و هوای کشور دارد. با این وجود بخش قابل توجهی از این جنگل ها دچار پدیده ی زوال درختان بلوط شده است. مشخص نبودن پارامترهای مؤثر در زوال و نحوه ی ارتباط پارامترها، از جمله عواملی هستند که باعث سخت تر شدن شناخت و مدل سازی این پدیده می شود. هدف این پژوهش تعیین پارامترهای تاثیرگذار ...
بیشتر
جنگل های زاگرس بیشترین تأثیر را در تأمین آب، حفظ خاک و تعدیل آب و هوای کشور دارد. با این وجود بخش قابل توجهی از این جنگل ها دچار پدیده ی زوال درختان بلوط شده است. مشخص نبودن پارامترهای مؤثر در زوال و نحوه ی ارتباط پارامترها، از جمله عواملی هستند که باعث سخت تر شدن شناخت و مدل سازی این پدیده می شود. هدف این پژوهش تعیین پارامترهای تاثیرگذار برای مدل سازی زوال درختان بلوط و مدل سازی این پدیده با استفاده از شبکه های عصبی مصنوعی در استان لرستان است. در این پژوهش، پارامترهای دما، بارش، ارتفاع، شیب، جهت، نوع خاک و میزان ریزگردها به عنوان پارامترهای اولیه انتخاب شدند. همچنین از عملگرهای ضرب، لگاریتم، تبدیلات هذلولی و آنالیز مؤلفه های اصلی برای ترکیب پارامترها استفاده شد. به دلیل معلوم نبودن نحوه ی ارتباط و میزان اثر هر پارامتر، از شبکه های عصبی مصنوعی برای مدل سازی پدیده زوال استفاده شد. در مجموع 385 ترکیب مختلف از پارامترهای اولیه، با استفاده از عملگرهای فوق تولید و در سه معماری پیش خور با سه لایه پنهان، احتمالاتی و معماری ماشین بردار پشتیبان در شبکه های عصبی، (در مجموع تعداد 1155 شبکه ی عصبی) ارزیابی شد. نتایج ارزیابی نشان داد معماری احتمالاتی (87/0=R) با ورودی های ارتفاع، جهت، شیب، ریز گرد، نوع خاک و مؤلفه ی اصلی (بارش و دما) بهترین عملکرد را در مدل سازی زوال درختان بلوط دارد. با توجه به نتایج، استفاده از شبکه های عصبی مصنوعی احتمالاتی در شرایط عدم قطعیت و وجود دانش جزئی از پدیده، توصیه می شود. همچنین نتایج نشان دادند که استفاده از مؤلفه ی اصلی پارامترهای دما و بارش، استرس ناشی از خشکی را بهتر مدل می کند. استفاده از ترکیب بهینه ی پارامترها، در مدل احتمالاتی نسبت به ترکیب عادی، باعث افزایش 05/0 ضریب همبستگی شد.
علیرضا ارفته؛ طاهر رضا محمد؛ علی حسینقلی زاده؛ احسان حقوقی فرد
چکیده
امروزه با گسترش مناطق شهری تولید اطلاعات دقیق و به روز از جمله اطلاعات اساسی، به منظور مدیریت و برنامهریزی شهرها است. گسترش روز افزون تکنولوژی سنجش از دور امکان استخراج اطلاعات متنوع از پوششهای شهری را فراهم آورده که موجب جلب توجه محققهای فراوانی به این موضوع شده است. وجود عوارض متنوع و نیز کاربریهای مختلف اطلاعات مکانی مناطق ...
بیشتر
امروزه با گسترش مناطق شهری تولید اطلاعات دقیق و به روز از جمله اطلاعات اساسی، به منظور مدیریت و برنامهریزی شهرها است. گسترش روز افزون تکنولوژی سنجش از دور امکان استخراج اطلاعات متنوع از پوششهای شهری را فراهم آورده که موجب جلب توجه محققهای فراوانی به این موضوع شده است. وجود عوارض متنوع و نیز کاربریهای مختلف اطلاعات مکانی مناطق شهری، تلفیق منابع داده مختلف به منظور شناسایی عوارض را به امری کاربردی مبدل کرده است. هدف این تحقیق تلفیق ویژگیهای بهینه استخراج شده از دادههای اپتیک و لایدار به منظور شناسایی عوارض شهری در منطقه مورد مطالعه میباشد. در این راستا ویژگیهای مختلفی از هر یک از این دادهها استخراج شده است. از جمله این ویژگیها میتوان به ویژگیهای رنگی، شاخص گیاهی و بافت از تصویر اپتیک و ویژگیهای نرمی، مدل ارتفاعی رقومی نرمال و زبری از تصویر لیدار اشاره نمود. سپس به منظور انتخاب ویژگیهای بهینه از الگوریتم ژنتیک استفاده شده است. در انتها با استفاده از روش طبقهبندی کننده ماشینبردار پشتیبان به شناسایی عوارض مورد نظر پرداخته شده است. دقت طبقهبندی کننده الگوریتم ماشین بردار پشتیبان در منطقه مورد مطالعه با استفاده از ویژگیهای بهینه و دادههای اولیه 734/88 محاسبه شده که نسبت به طبقهبندی داده اولیه اپتیک چندباندی دارای بهبود 438/25 درصدی و نسبت به طبقهبندی داده اولیه لایدار دارای بهبود 236/18 درصدی است. نتایج بررسی نشان دهنده افزایش دقت طبقهبندی با استفاده از ویژگیهای بهینه در کنار باندهای اولیه است.
فائزه اسلامیزاده؛ حیدر راستی ویس
چکیده
با توجه به رشد جمعیت و افزایش شهرنشینی، وقوع حوادث طبیعی مثل زلزله می تواند خسارات و تلفات سنگینی را ایجاد نموده و توسعه شهرها و کشورها را دچار وقفه نماید. پس از وقوع زلزله، مدیران بحران برای به حداقل رساندن خسارات، اعم از جانی و مالی، به اطلاعات سریع از منطقه آسیب دیده نیاز دارند. یکی از اطلاعاتی که می تواند در امدادرسانی سریع و صحیح ...
بیشتر
با توجه به رشد جمعیت و افزایش شهرنشینی، وقوع حوادث طبیعی مثل زلزله می تواند خسارات و تلفات سنگینی را ایجاد نموده و توسعه شهرها و کشورها را دچار وقفه نماید. پس از وقوع زلزله، مدیران بحران برای به حداقل رساندن خسارات، اعم از جانی و مالی، به اطلاعات سریع از منطقه آسیب دیده نیاز دارند. یکی از اطلاعاتی که می تواند در امدادرسانی سریع و صحیح مورد استفاده قرار گیرد نقشه موقعیت ساختمان های تخریب شده و میزان تخریب آن ها می باشد که به آن نقشه تخریب می گویند. از این رو هدف از این تحقیق ارائه یک روش جدید به منظور ارزیابی میزان تخریب ناشی از زلزله با استفاده از تلفیق تصویر ماهواره ای و داده لیدار بعد از زلزله به همراه نقشه قبل از زلزله می باشد. روش پیشنهادی، پس از پیش پردازش های لازم بر روی تصویر ماهواره ای و داده لیدار بعد از زلزله، توصیف گرهای بافتی مختلف تصویر و داده لیدار استخراج می شوند. در مرحله بعد، با استفاده از لایه ساختمان ها که از نقشه استخراج می شود نواحی مربوط به ساختمان ها از تصویر ماهواره ای و داده لیدار، همچنین از توصیف گرهای تصویر ماهواره ای و داده لیدار استخراج می شود. در ادامه، توصیف گرهای بافتی استخراج شده از تصویر ماهواره ای و داده لیدار با هم تلفیق می شوند. سپس نقاط داخل این ناحیه، با روش طبقه بندی ماشین بردار پشتیبان به دو کلاس آوار و سالم طبقه بندی می شوند. در نهایت، بر اساس مساحت کلاس آوار هر ساختمان، با در نظر گرفتن یک حد آستانه، ساختمان های تخریب شده و ساختمان های تخریب نشده مشخص می گردد. در این مقاله، تصویر ماهواره ای WorldViewپرتوپرینس، پایتخت هایتی،پس از زلزله 2010 به همراه داده لیدار استفاده شده است. صحت کلی بدست آمده 97% و ضریب کاپا به دست آمده 92% نشاندهنده توانایی الگوریتم در تولید نقشه تخریب پس از زلزله میباشد.
علی شجاعیان؛ صادق مختاری چلچه؛ لیلا کشتکار؛ اسماعیل سلیمانی راد
چکیده
امروزه دادههای سنجش از دور قادر به ارائه جدیدترین اطلاعات برای مطالعه پوشش زمین و کاربریهای اراضی میباشند. این تصاویر به دلیل ارائه اطلاعات به هنگام، تنوع اشکال، رقومی بودن و امکان پردازش در تهیه نقشههای کاربری از اهمیت بالایی برخوردارند. مشخص کردن پوشش اراضی کمک شایانی به مدیران مناطق جهت تصمیمگیری میکند. در این ...
بیشتر
امروزه دادههای سنجش از دور قادر به ارائه جدیدترین اطلاعات برای مطالعه پوشش زمین و کاربریهای اراضی میباشند. این تصاویر به دلیل ارائه اطلاعات به هنگام، تنوع اشکال، رقومی بودن و امکان پردازش در تهیه نقشههای کاربری از اهمیت بالایی برخوردارند. مشخص کردن پوشش اراضی کمک شایانی به مدیران مناطق جهت تصمیمگیری میکند. در این راستا هدف از انجام این پژوهش مقایسه کارآیی روشهای پارامتریک (کمترین فاصله و جعبهای) و ناپارامتریک (ماشین بردار پشتیبان) در طبقهبندی پوشش اراضی با استفاده از تصاویر ماهوارهای لندست 8 در بخشی از شهرستان دزفول میباشد. ماهیت این پژوهش توسعهای-کاربردی و روش انجام آن توصیفی-تحلیلی بوده است. بدینمنظور دادههای ماهوارهای شامل تصاویر ماهوارهای لندست 8 (13/8/2013) تهیه گردید، و با استفاده از نرم افزار ENVI آمادهسازی و مورد تجزیه و تحلیل قرار گرفته است. میزان کارآیی هر روش طبقهبندی با محاسبه دو شاخص صحت کلی و ضریب کاپا بررسی گردید.نتایج مقایسه روشهای مورد استفاده در پژوهش نشان داد الگوریتم SVM به ویژه سه کرنل خطی، شعاعی و چند جملهای نسبت به روشهای پارامتریک به ترتیب با 15/97% ، 89/95%و 63/95% از دقت مطلوبتری برخوردار هستند.این مطالعه کارآیی و قابلیت مطلوبتر الگوریتمهای SVM را در طبقهبندی تصاویر سنجش از دور در مقایسه با روشهای پارامتریک تأیید مینماید.