استخراج، پردازش، تولید و نمایش داده های جغرافیایی
مریم کوهانی؛ عباس کیانی؛ یاسر ابراهیمیان قاجاری
چکیده
پوشش‌گیاهی نقش مؤثری بر روی محیط‌زیست داشته و با بررسی روند تغییرات آن می‌توان گام مهمی در جهت برنامه‌ریزی صحیح و مدیریت اصولی برداشت. در این راستا، تصاویر سری زمانی می‌تواند ابزار بسیار مفیدی در زمینه‌ی مطالعات محیطی مرتبط با تغییرات پوشش‌گیاهی و کشف ناهنجاری باشد. در پژوهش حاضر تغییرات زمانی بلندمدت پوشش‌گیاهی شهرستان چالوس ...
بیشتر
پوشش‌گیاهی نقش مؤثری بر روی محیط‌زیست داشته و با بررسی روند تغییرات آن می‌توان گام مهمی در جهت برنامه‌ریزی صحیح و مدیریت اصولی برداشت. در این راستا، تصاویر سری زمانی می‌تواند ابزار بسیار مفیدی در زمینه‌ی مطالعات محیطی مرتبط با تغییرات پوشش‌گیاهی و کشف ناهنجاری باشد. در پژوهش حاضر تغییرات زمانی بلندمدت پوشش‌گیاهی شهرستان چالوس با استفاده از دادههای ماهواره‌ای لندست 7،5 و 8 در طی سال‌های 1986 تا 2021 بررسی و ارزیابی شد. در راستای تحقق این هدف، 36 تصویر سری زمانی شاخص EVI به‌کار گرفته شد. با توجه به وسعت منطقه و غیریکنواخت بودن تغییرات، با انتخاب چند موقعیت مکانی از منطقه موردمطالعه به‌عنوان نقاط مهم بررسی‌ها صورت گرفت. نقشه تغییرات و روند تغییرات به‌دست‌آمده از این تحقیق حاکی از کاهش و رشد پوشش‌گیاهی، بسته به شرایط زمانی و مکانی بوده است. در برخی از مناطق ساحلی پوشش‌گیاهی به‌مرور زمان روند کاهشی داشته که تبدیل به شهرک و مناطق تجاری شده است و در برخی دیگر از نقاط شمالی، مناطقی که از پوشش‌گیاهی ضعیفی برخوردار بودند در طی این سال‌ها تبدیل به مزارع و زمین‌های کشاورزی شده‌اند. پوشش‌گیاهی در برخی مناطق کوهستانی به‌علت فاصله از مناطق مرطوب و با کاهش بارندگی روند کاهشی داشته است. درعین حال بر‌اساس تحلیل سری زمانی در این بازه زمانی 36 ساله روند کاهش پوشش‌گیاهی برای دو سال نسبت به سایر سال‌ها از شدت بیشتری برخوردار بوده، به‌گونه‌ای که نمودارهای آنومالی آن دارای افت زیاد و کاهش چشم‌گیر پوشش‌گیاهی نسبت به وضعیت نرمال هستند. نتایج تحقیق نشان داد که معیار آنومالی بهخوبی قادر است تغییرات سالانه بین پوشش‌گیاهی و همچنین خشکسالی‌های احتمالی رخ‌داده را به نمایش بگذارد. همچنین برای بهره‌گیری بهتر از این معیار، به‌کارگیری معیار آنومالی نسبت به میانگین کلی با تمایز بالایی موفق به کشف ناهنجاری پوشش‌گیاهی در این منطقه شد و درک بهتری از سیر روند تغییرات ارائه داد.
استخراج، پردازش، تولید و نمایش داده های جغرافیایی
فاطمه احمدی؛ یاسر ابراهیمیان قاجاری؛ عباس کیانی
چکیده
گسترش شهرها یک فرآیند پویاست و به‌روزرسانی نقشه‌های شهری به‌منظور ارائه خدمات بسیار مهم است. دادههای سنجش‌ازدوری منبع قدرتمندی برای استخراج مناطق ساخته‌شده میباشند؛ یکی از داده‌هایی که می‌تواند پویایی مناطق شهری را تشخیص دهد دادههای نور شب است. ازآنجایی‌که مناطق شهری در هنگام شب توسط نورهای مصنوعی موجود در منازل و خیابان‌ها ...
بیشتر
گسترش شهرها یک فرآیند پویاست و به‌روزرسانی نقشه‌های شهری به‌منظور ارائه خدمات بسیار مهم است. دادههای سنجش‌ازدوری منبع قدرتمندی برای استخراج مناطق ساخته‌شده میباشند؛ یکی از داده‌هایی که می‌تواند پویایی مناطق شهری را تشخیص دهد دادههای نور شب است. ازآنجایی‌که مناطق شهری در هنگام شب توسط نورهای مصنوعی موجود در منازل و خیابان‌ها روشن می‌شوند، درنتیجه بهخوبی از پسزمینه متمایز خواهند شد. ازاینروی مطالعه حاضر در تلاش است رشد و گسترش مناطق شهری را با استفاده از نمونه‌های آموزشی با کیفیت و اتوماتیک از روی ترکیبی از تصاویر نور شب و اپتیک، در یک بازه 24 ساله با دقت بالایی شناسایی و استخراج کند. دراینراستا برای تولید نمونه‌های آموزشی با کیفیت، شاخص نور شب تحت عنوان [1]VTNUI توسعه داده شده است که با ترکیب ویژگی‌های مختلف بدست آمده از تصاویر لندست و نور شب در محدوده‌های شهری و در نظر گرفتن روابط بین مناطق، پدیده اشباع[2] و شکوفایی[3] تصاویر نور شب در محدوده شهری را کاهش داد. سپس با بررسی حد آستانه‌های خودکار بر روی شاخص توسعه داده شده نمونه‌های آموزشی با کیفیت تولید شد تا طبقه‌بندی دقیق‌تری از مناطق شهری ارائه شود. ازاینروی ابتدا از نمونه‌های آموزشی اولیه به دست آمده با استفاده از حد آستانه خودکار بر روی تصاویر نور شب طبقه‌بندی اولیه صورت پذیرفت سپس نمونه‌ها با اعمال حد آستانه خودکار بر روی شاخص معرفی شده پالایش شدند و طبقه‌بندی نهایی صورت گرفت. درنهایت بر اساس تحلیل سری زمانی، روند رشد منطقه بررسی شده است. به منظور بررسی اثربخشی روش پیشنهادی، دو منطقه دارای اقلیم متفاوت انتخاب شد و بررسیهای مختلف بصری و کمی برای ارزیابی صورت پذیرفت. نتایج طبقه‌بندی نهایی برای بابل و کرمان به ترتیب با میانگین ضریب کاپا 0/93 و 0/74 و میانگین دقت کلی 97/76 و 87/63 برای تمام سال‌های مورد بررسی به دست آمده است. [1] vegetation and Temperature -NTL urban index[2] saturation[3] blooming
مینا محمدی؛ عباس کیانی
چکیده
فیلترینگ مدل‌های رقومی سطح (DSM) برای برنامه‌های کاربردی مانند برنامه‌ریزی محیطی، به‌روزرسانی نقشه یا تشخیص ساختمان موردتوجه است. فیلتراسیون زمین، حذف نقاط متعلق به اشیاء بالاتر از سطح زمین به‌منظور بازیابی نقاط زمینی است که برای تولید مدل رقومی ارتفاع (DSM) استفاده می‌شود. ابرهای نقطه‌ای لایدار موفقیت‌های بسیاری در ارائه‌ی ...
بیشتر
فیلترینگ مدل‌های رقومی سطح (DSM) برای برنامه‌های کاربردی مانند برنامه‌ریزی محیطی، به‌روزرسانی نقشه یا تشخیص ساختمان موردتوجه است. فیلتراسیون زمین، حذف نقاط متعلق به اشیاء بالاتر از سطح زمین به‌منظور بازیابی نقاط زمینی است که برای تولید مدل رقومی ارتفاع (DSM) استفاده می‌شود. ابرهای نقطه‌ای لایدار موفقیت‌های بسیاری در ارائه‌ی عوارض داشته‌اند اما از آنجا که اخذ دادههای لایدار هنوز یک فرآیند پرهزینه است، استفاده از ابرهای نقطه تولیدشده از فرآیند فتوگرامتری برای تولید DEM یک راه‌حل مناسب است. بااین‌حال، بیشتر الگوریتم‌های فیلترینگ برای دادههای لایدار طراحی‌شده و به تنظیم تعدادی از پارامترهای پیچیده برای دستیابی به‌دقت بالا نیاز خواهند داشت. درعین‌حال زمان پردازش، میزان تأثیرگذاری درصحنه‌های مختلف و میزان اتوماسیون این روش‌ها نیز حائز اهمیت است. پیچیدگی‌های صحنه و توپوگرافی، برای نمونه در مناطق شهری فرآیند فیلتراسیون زمین را با چالش بیشتری مواجه می‌کند. برای کسب نتایج بهینه کاربران باید پارامترهای مختلف را تا زمانی که نتیجه مطلوب فیلترینگ را پیدا کنند امتحان نمایند، که فرآیندی وقت‌گیر و پرهزینه است. به علت عدم وجود بررسی جامع از میزان کارایی، اتوماسیون و پیچیدگی‌های محاسباتی روش‌های فیلترینگ مختلف بر روی ابر نقاط حاصل از فتوگرامتری، در این پژوهش الگوریتم‌های مختلف مطرح و پرتکرار در این زمینه‌ی مطالعاتی با یکدیگر مقایسه شدند. درعین‌حال، روش‌های موردمطالعه از منظر کیفیت فیلترینگ کلاس‌ها، زمان پردازش‌ها (مدت‌زمان اجرایی)، پیچیدگی‌های صحنه و تعداد پارامترهای الگوریتم (بیانگر میزان دخالت کاربر در پردازش داده‌ها برای میزان اتوماسیون) مورد تحلیل قرار گرفت. نتایج این تحلیل می‌تواند در راستای شناخت بهتر عملکرد اجرایی روش‌های فیلترینگ بر روی ابر نقاط حاصله از تصاویر باقدرت تفکیک بالا (DSMهای حاصله از تصاویر هوایی و پهپاد) مثمرثمر باشد و به‌عنوان یک راهنما در جهت کمک به محققان برای تصمیم‌گیری در انتخاب الگوریتم مورداستفاده با توجه به پارامترهای زمان، سخت‌افزار، منطقه و میزان دقت خروجی مفید باشد.
