دورسنجی
سمانه باقری؛ محمود سورغالی؛ حسن امامی
چکیده
این تحقیق از داده های تصاویر فراطیفی پریسما برای پایش وضعیت سلامتی جنگل و مناطق ریسک پذیر جنگلی از لحاظ تنش های آبی، عدم رشد کافی، آفت و بیماری های گیاهی و میزان سبزینگی بخشی از جنگل های رودسر، رامسر و تنکابن در شمال ایران در سال 2020 پرداخته است. برای این منظور، ابتدا با ترکیب شاخص های سنجش از دوری با رویکردهای مختلف، ...
بیشتر
این تحقیق از داده های تصاویر فراطیفی پریسما برای پایش وضعیت سلامتی جنگل و مناطق ریسک پذیر جنگلی از لحاظ تنش های آبی، عدم رشد کافی، آفت و بیماری های گیاهی و میزان سبزینگی بخشی از جنگل های رودسر، رامسر و تنکابن در شمال ایران در سال 2020 پرداخته است. برای این منظور، ابتدا با ترکیب شاخص های سنجش از دوری با رویکردهای مختلف، مناطق جنگلی از لحاظ ریسک پذیری، به پنج منطقه مختلف تقسیم بندی و سپس نتایج حاصل در هر مرحله با روش های مختلف وزن دهی در سیستم اطلاعات جغرافیایی ترکیب شده و نقشه نهایی مناطق ریسک پذیر جنگلی حاصل شده است. در این تحقیق، از ترکیب دوازده شاخص گیاهی از سه گروه شاخص های مختلف شامل: سبزینگی، شاخص های رشد و رنگدانه های برگ گیاهان و شاخص های رطوبت سطح برگ و همچنین چهار شاخص انفرادی دیگر مورد استفاده قرار گرفت. بر این اساس، شانزده نقشه ریسک پذیر جنگلی در پنج کلاس با پتانسیل ریسک پذیری مختلف استخراج، سپس این لایه های اطلاعاتی با روش فرآیند تحلیل سلسله مراتبی وزن دهی شد و در ادامه نقشه نهایی بر اساس وزن های اختصاص یافته تولید شد. مقایسه میانگین نتایج شاخص های ترکیبی و شاخص های منفرد، با نقشه حاصل از طبقه بندی نشان داد که شاخص های ترکیبی از دقت بالایی نسبت به شاخص های منفرد برخوردارند. مقادیر کمّی نتایج نشان داد تقریباً در دو کلاس پرریسک منطقه جنگلی شاخص های ترکیبی دارای خطای 11 درصد و شاخص های منفرد دارای خطای تقریباً دو برابری آنها - 21 درصد - را نشان می دهند. لذا به کارگیری شاخص های ترکیبی تقریباً 50 درصد خطای تخمین مناطق ریسک پذیری جنگلی را کاهش داده و با دقت بهتری پایش مناطق ریسک پذیر جنگلی را رقم می زنند. بنابراین استفاده ازترکیب شاخص ها با رویکردهای مختلف در تصاویر فراطیفی نسبت به روش شاخص های منفرد برای پایش کاربردهای مختلف پوشش گیاهی توصیه می شود.
استخراج، پردازش، تولید و نمایش داده های جغرافیایی
میثاق سپهری امین؛ حسن امامی
چکیده
در این تحقیق، رویکردی متفاوت به منظور تولید ارتوفتو از تصاویر گوگلارث برای کاربردهای خاص پیشنهاد شده و با ارتوفتوی تولیدی از تصاویر پهپاد از لحاظ کیفی و کمّی مورد مقایسه و ارزیابی قرار گرفته است. دقت ارتوفتوی حاصل از تصاویر گوگلارث و دادههای پهپاد بهترتیب 0.124 و 0.059 متر بر پیکسل حاصل شد. ارزیابی بصری نتایج نشان داد که در ارتوفتو ...
بیشتر
در این تحقیق، رویکردی متفاوت به منظور تولید ارتوفتو از تصاویر گوگلارث برای کاربردهای خاص پیشنهاد شده و با ارتوفتوی تولیدی از تصاویر پهپاد از لحاظ کیفی و کمّی مورد مقایسه و ارزیابی قرار گرفته است. دقت ارتوفتوی حاصل از تصاویر گوگلارث و دادههای پهپاد بهترتیب 0.124 و 0.059 متر بر پیکسل حاصل شد. ارزیابی بصری نتایج نشان داد که در ارتوفتو تولیدی از تصاویر گوگلارث لبههای عوارض کمارتفاع بهتر از ارتوفتو تولیدی از تصاویر پهباد هستند، ولی لبههای عوارض بلند بهخصوص دارای سایه محسوس، کیفیت مناسبی ندارند. همچنین، نتایج کمّی در مناطق غیرساختمانی نشان داد که با در نظر گرفتن خطای ریشه مربعی متوسط خطای ارتفاعی، در ارتوفتوی تولیدی از دادههای گوگلارث نسبت به دادههای پهپاد بهترتیب 1.10 متر و 1.34 متر است. علاوه برآن، در این مناطق ارتوفتوی تولیدی از دادههای پهپاد و گوگلارث دارای همبستگی بالای 95 درصد بوده و ضریب تعیین 91 درصد را نشان دادند. در مقابل، در مناطق ساختمانی متوسط خطای ارتفاعی با در نظر گرفتن خطای ریشه مربعی متوسط، در ارتوفتوی تولیدی از دادههای گوگلارث نسبت به دادههای پهپاد، بهترتیب حدوداً 9 متر و 5 متر است. در این مناطق نیز همبستگی پایین 80 درصد بوده و ضریب تعیین 65 درصد بین دو ارتوفتو حاصل شد. بنا به مجموع نتایج حاصله، خطای مؤلفه ارتفاعی ارتوفتوی تولیدی از تصاویر گوگلارث با افزایش ارتفاعات عوارض و وجود سایههای بلند، افزایش مییابد. بنابراین استفاده از تصاویر گوگلارث در تولید ارتوفتو برای کاربردهای خاص و مناطق مسطح و تپه ماهور پیشنهاد می شود. از دیگر مزایای استفاده از دادههای گوگلارث نسبت به دادههای پهپاد، رایگان بودن دادههای آن، استفاده از تصاویر قدیمی برای تولید ارتوفتو، کمتر بودن تقریباً چهار برابری در حجم ارتوفتو تولیدی و زمان پردازش است.
حسن امامی؛ سیدقاسم رستمی
چکیده
در این تحقیق بررسی و مقایسه دقت تولیدات مختلف چهار نرم افزار تخصصی فتوگرامتری پهپادمبنا، Inpho UASmaster (UASmas) ، Photomodeler UAS (PhUAS) ، Agisoft metashape (AgisMesh) و MapperPix4D، برای مدل سازی سه بعدی در مناطق شهری و غیرشهری باحداقل نقاط کنترل زمینی انجام گرفت. برای این منظور، تولیدات مختلف این نرم افزارها بر روی چهار سری داده، دو سری مربوط به ایران ...
بیشتر
در این تحقیق بررسی و مقایسه دقت تولیدات مختلف چهار نرم افزار تخصصی فتوگرامتری پهپادمبنا، Inpho UASmaster (UASmas) ، Photomodeler UAS (PhUAS) ، Agisoft metashape (AgisMesh) و MapperPix4D، برای مدل سازی سه بعدی در مناطق شهری و غیرشهری باحداقل نقاط کنترل زمینی انجام گرفت. برای این منظور، تولیدات مختلف این نرم افزارها بر روی چهار سری داده، دو سری مربوط به ایران و دو سری مربوط به دیگر کشورها، از مناطق بایر، مسکونی، فضای سبز و مناطقی با بافت یکنواخت، به صورت کمی و کیفی مورد ارزیابی قرار گرفتند. نتایج کیفی بصری نشان داد که نرم افزار AgisMesh در مدل سازی سه بعدی انواع سطوح در همه مناطق تست بهترین نتایج داشت ولی در بازسازی لبه های ساختمان ها در مناطق شهری عملکرد ضعیفی دارد. در مقابل Pix4D در مناطق با بافت یکنواخت نتایج ضعیفی داشته ولی در تشخیص اختلاف ارتفاع و بازسازی لبهء ساختمان ها، قوی تر عمل می کند. در بررسی های کمی، تولیدات این نرم افزارها ابتدا با استفاده از نقاط چک و سپس با انتخاب نقاط تصادفی در سه کلاس مختلف، مورد ارزیابی قرار گرفتند. نتایج نقاط چک با در نظر گرفتن خطای ریشه مربعی متوسط، به ترتیب 2/82، 2/63، 5/28 و 3/03 سانتی متر در AgisMesh، UASmas، Pix4D و PhUAS حاصل شد. همچنین، نتایج نقاط تصادفی در سه منطقه مسکونی، بایر و فضای سبز نشان داد که UASmas به ترتیب دقت های 1/83، 1/20 و 2/74 سانتی متر، PhUAS دارای دقت های 6/90، 2/96 و 7/24 سانتی متر، Pix4D دارای دقت های 4/72، 3/46 و 3/59 سانتی متر نسبت به AgisMesh داشتند.