سنجش از دور و GIS ایران

در این مقاله، پژوهشی نوین از تلفیق داده های ابرطیفی و لیدار را برای تشخیص و استخراج عوارض ساختمانی، با استفاده از الگوریتم یادگیری ماشین، بررسی کردیم. مجموعه داده هایی که بنیاد ملی علوم (NSF) در اختیار گذاشته (این بنیاد را مرکز ارزیابی لیزر هوایی(NCALM) تأسیس کرده است) و پیش تر، دانشگاه هیوستن در منطقة مجاور شهری به کار گرفته است مورد استفاده قرار گرفت. در این روش، ابتدا، فرض بر آن است که، با تلفیق داده های فراطیفی و لیدار که هریک توانایی استخراج برخی از ویژگی های عوارض ساختمانی را دارد، می توان همان عارضه را، با دقت و صحت بیشتری، استخراج کرد. اعمال روش یادگیری ماشین روی داده های ابرطیفی تصویرِ سطح بندی شده از عوارض ساختمانی و دیگر عوارض را ایجاد خواهد کرد. پس از اعمال سطح بندی، روش پیشنهادی و دیگر روش های موجود در این زمینه مقایسه می شوند تا کیفیت روش پیشنهادی مشخص شود. چنین مقایسه ای نیازمند بررسی تعدادی پارامتر ارزیابی است که، در قسمت کنترل کیفیت، مطرح خواهند شد. به هرحال، دقت به دست آمده از نتایج روش انجام گرفته در این مقاله برابر با 56/95%، میزان کامل بودن 100%، صحت کلی 66/98% و ضریب کاپا برابر با 9430/0 محاسبه شد. هدف این مقاله استخراج خودکار ساختمان های موجود در داده های ابرطیفی هوایی و لیدار دریافت شده از یک منطقه (automation)، استخراج حداکثر تعداد ساختمان های موجود در تصاویر نام برده شده (completeness) و افزایش دقت و صحت در استخراج ساختمان (accuracy and precision) بوده است که، براساس نتایج حاصل از پارامترهای ارزیابی، محقق شده اند.

مادة آلی خاک از مهم ترین ویژ گی های فیزیکوشیمیایی خاک است که در تعیین کیفیت و مدیریت آن نقش بسزایی دارد. مقدار کربن آلی خاک دچار تغییرات زمانی و مکانی بالایی می شود و بنابراین، تعیین آن در آزمایشگاه هزینه بر، مشکل و وقت گیر است. طیف سنجی مرئی مادون قرمز نزدیک، از نظر کاهش زمان و هزینه، روش توجیه پذیری است که برای بررسی کربن آلی خاک پیشنهاد شده است. هدف این پژوهش بررسی کربن آلی خاک ازطریق طیف سنجی مرئی مادون قرمز نزدیک و برآورد آن با استفاده از مدل های آماری، PCA، PLSR و PCR است. برای این منظور، چهل نمونه خاک از عمق صفر تا 30 سانتی متری، به روش سیستماتیک تصادفی، برمبنای مطالعات پیشین و تعیین طبقات متفاوت خاک های منطقه، برداشت شد. تجزیة شیمیایی خاک ها طبق روش های استاندارد صورت گرفت. بازتاب طیفی نمونه های خاک در محدودة طیفی ٣٥٠ تا 2500 نانومتر اندازه گیری شد و پس از اعمال روش های پیش پردازش فیلتر ساویتزکی گلای، به کمک تحلیل مؤلفه های اصلی (PCA)، رگرسیون حداقل مربعات جزئی(PLSR) و رگرسیون مؤلفة اصلی (PCR)، کربن آلی خاک برآورد شد. نتایج این پژوهش نشان داد که فیلتر ساویتزکی گلای قوی ترین روش پیش پردازش داده های طیفی بوده است. نتایج مدل سازی به روش PLSR نشان داد مقادیر R 2 ، RMSE و RPD در مرحلة اعتبارسنجی، برای پیش بینی مادة آلی، به ترتیب 85/0، 14/0 و 78/2 بوده درحالی که نتایج مدل سازی PCR، برای پارامترهای آماری یادشده، به ترتیب 78/0، 19/0 و 05/2 است و دقت بیشتر روش آماری PLSR را، در مقایسه با روش PCR، برای مدل سازی برآورد کربن آلی خاک، می رساند. بنابراین، به نظر می رسد مدل PLSR، برای پیش بینی سریع کربن آلی خاک های مناطق خشک و نیمه خشک، کارآیی و دقت بیشتری داشته باشد.

کلیه اسناد املاک قدیمی کشور که کاغذی هستند می بایستی به نقشه های رقومی و زمین مرجع تبدیل گردند. در رقومی سازی قطعات جهت ورود به سامانه حدنگاری، لازم است که فرم رقومی چندضلعی ازنظر مساحت و ابعاد محیطی با سند (قبلی) مطابقت داشته باشد. در فرایند رقومی سازی ویژگی های هندسی عوارض نظیر مساحت پلی گون ها تغییر می یابد. حفظ مطابقت طول ها و مساحت، مانع از بروز مغایرت در اسناد و ایجاد اختلافات ثبتی و معاملاتی می گردد. جهت رفع این مشکل در این تحقیق، در فرایند رقومی سازی با ثابت نگه داشتن طول های اضلاع برای حفظ مساحت پلی گون ها، زوایای رئوس پلی گون ها به عنوان مشاهده در نظر گرفته می شود و روشی مبتنی بر سرشکنی کمترین مربعات با استفاده از معادلات شرط ارائه می گردد. در این فرایند، مختصات جهانی به محل های ثابت نقشه رقومی شده نسبت داده می شود و با حفظ طول اضلاع و با کمترین تغییر موقعیت رئوس، مساحت درج شده در سند جهت مطابقت لازمه تأمین می گردد. برای بررسی این روش، یک نقشه کاغذی حاوی شش قطعه با مساحت های حدود هزار مترمربع در مقیاس 1:1000 اسکن گردید و رقومی سازی با تکیه بر حفظ مساحت و طول های پلی گون ها صورت گرفت. نتایج نشان می دهد که میانگین، حداکثر و حداقل مقدار جابه جایی رئوس توسط روش سرشکنی به طور متوسط به ترتیب برابر 31/19، 96/26 و 50/10 سانتی متر است که با توجه به مقیاس نقشه و قوانین حدنگاری قطعات زراعی و اراضی ملی ازنظر ثبتی قابل قبول بوده و تدقیق صورت گرفته در رقومی سازی با توجه به مطابقت ایجادشده مقبول و مطلوب است.

بارندگی مهم ترین عاملی است که در چرخة هیدرولوژی، دخالت مستقیم دارد. به دست آوردن اطلاعات دقیق بارش، برای تحلیل پدیده های گوناگون هیدرولوژیکی و تغییرات اقلیمی، امری ضروری است. هدف از این تحقیق بررسی میزان دقت داده های بارش دو ماهوارة GPM با محصول IMERG وTRMM با محصول 3B42، در چهار ایستگاه سینوپتیک شهر تهران در مقیاس روزانه، ماهیانه و فصلی است. در مقایسة تطبیقی بین داده های ماهواره ای و داده های مشاهده ای بارش ضریب همبستگی (R)، میزان انحراف نسبی (Bias)، خطای قدر مطلق میانگین (MAE)، میانگین مربعات خطا (RMSE) به منظور ارزیابی و واسنجی داده ها، و مقادیر احتمال تشخیص (POD) و نسبت هشدار اشتباه (FAR) و شاخص موفقیت (CSI) با هدف راستی آزمایی داده ها، بررسی شد. مقادیر Bias، MAE و RMSE تأیید کرد که هر دو محصول 3B42 و IMERG، در ایستگاه شمیران، کمترین میزان خطا را با داده های مشاهده ای دارند. همچنین، در ارزیابی محصول IMERG با مقادیر بارش ایستگاه شمیران، میزان همبستگی در این ایستگاه در مقیاس روزانه، ماهیانه و فصلی، به ترتیب 57%، 83% و 87% مشخص شد. به طورکلی می توان گفت، با توجه به تکنولوژی برتر IMERG دقت بالایی دارد و ابزار خوبی برای پیش بینی های هیدرولوژیکی است.

مدل سازی مکانی رخداد چشمه های آب زیرزمینی امکان شناسایی چشمه های جدید را، برای مصارف شرب و کشاورزی و صنعت، فراهم می آورد. هدف از این تحقیق مدل سازیِ مکانی رخداد چشمه های آب زیرزمینی، با استفاده از نمایه های ژئومرفومتری مؤثر در رخداد آنها و مدل احتمالی وزنی شاهد و بررسی کارآیی این مدل در منطقة البرز میانی است. به طورکلی، 584 چشمه در منطقة مورد مطالعه مشخص شدند که 409 (70%) چشمه ها برای آموزش و 175 (30%) چشمه ها برای اعتبارسنجی مدل وزنی شاهد به کار رفتند. چهارده شاخص مهم ژئومرفومتری مؤثر در رخداد چشمه ها، در قالب رویکرد مدل وزنی شاهد برای مدل سازی مکانی رخداد چشمه ها، برگزیده شدند. این عوامل شامل ارتفاع، درجة شیب، جهت، انحنای صفحه ای، انحنای پروفیل، شاخص رطوبت توپوگرافی، شاخص قدرت جریان، طول شیب، شاخص موقعیت توپوگرافی، سنگ شناسی، فاصله از گسل ها، تراکم گسل ها، فاصله از آبراهه ها و تراکم زهکشی می شوند. در این تحقیق، براساس مدل وزنی شاهد، عامل های جهت شیب و شاخص رطوبت توپوگرافی، به ترتیب، دارای کمترین و بیشترین تأثیر در رخداد چشمه های آب زیرزمینی اند. نقشة به دست آمده از مدل سازی مکانی رخداد چشمه ها، در چهار طبقه، با پتانسیل رخداد کم، متوسط، زیاد و بسیار زیاد قرار گرفت. صحت پیش بینی مدل مورد استفاده با استفاده از روش ROC بررسی شد. سطح زیرین منحنی 866/0 به دست آمد که نشان می دهد مدل وزنی شاهد، در برآورد رخداد مکانی چشمه های آب زیرزمینی در منطقة مورد مطالعه، دقت بسیار خوبی دارد.

ترمیم چندضلعی های نادرست برای استفاده در نرم افزارهای سیستم اطلاعات جغرافیایی، کاری نیمه خودکار و وقت گیر است. ترمیم خودکار چند ضلعی، تفسیر چند ضلعی های مبهم و نادرست و از بین بردن کلیه اشکالات موجود براساس تعریف ها و استاندارهای جهانی است که کاربردهای زیادی در نرم افزارهای مرتبط با سیستم اطلاعات جغرافیایی دارد. با توجه به پیچیدگی محاسبات و حجم داده ها در کار با مه داده ها ، همیشه رقابتی بین سرعت و میزان حافظه مصرفی وجود دارد. در این مقاله ضمن معرفی استاندارد مشخصات عوارض ساده در چندضلعی ها، با استفاده از مثلث بندی دلونی و توابع جی.تی.اس در جاوا و با کمک بانک اطلاعات H2روشی ارائه شده است که چندضلعی ها را در قالب یک فایل CSV از ورودی دریافت کرده و با اعمال الگوریتم های کارا چندضلعی های موجود را بررسی و به شکل خودکار ترمیم می کنیم. چندضلعی های موجود در مجموعه داده های مکانی به شکل خودکار و در زمانی بهینه و با مصرف حداقل حافظه بررسی و در صورت نیاز ترمیم می شوند. نتایج نشان می دهد این روش نسبت به نمونه های پیشین، باعث بهبود نسبی در سرعت اجرا و در هنگام کار با داده های بزرگ صرفه جویی متوسط بیش از 50 درصد در حافظه اصلی را نشان می دهد

امروزه مشخص شده پیش بینی پتانسیل توزیع گونه های در خطر انقراض با استفاده از روش های مد لسازی به شدت سودمند بوده و استفاده از این روش ها کمک بزرگی به حفاظت و مدیریت اکولوژیکی می کند. قورباغه پادراز جنگلی ( Rana pesudodalmatina ) از جمله گونه های بومی انحصاری ایران است. در این مطالعه اطلاعات حضور قورباغه پا دراز جنگلی از طریق پایش میدانی در زیستگاه های فعلی گونه گردآوردی گردید و 19 متغیر اقلیمی از پایگاه داده Worldclim استخراج شد. در مرحله بعدی با استفاده از آزمون همبستگی پیرسون، همبستگی بین متغیرهای اقلیمی با ضریب همبستگی 0.75 مورد سنجش قرار گرفت و سپس متغیرهای دارای همبستگی بالا از فرآیند مدل سازی حذف شدند. مدل سازی توزیع گونه ای قورباغه پا دراز جنگلی با استفاده از بسته آماری sdm که شامل مدل های GLM، GAM، RF، MARS، CART، FDA، BRT و SVM می باشد در محیط نرم افزارR انجام شد. در نهایت با استفاده از مدل سازی ترکیبی [1] به عنوان یک فرآیند سنتز نتایج مدل های فردی برای افزایش دقت قدرت پیش بینی، یک نقشه ترکیبی جامع به دست آمد. نتایج حاصل از مدل ترکیبی برای تعیین پتانسیل های زیستگاهی قورباغه پا دراز جنگلی در ایران پیش بینی می کند در شرایط اقلیمی حاضر جنگل های هیرکانی دارای حداکثر پتانسیل توزیع برای این گونه هستند. همچنین از نتایج ارزیابی مدل ها نشان داد شاخص AUC و TSS وضعیت بهتری داشته و مدل SVM بیشترین درجه اعتبار است. علاوه بر این نتایج حاصل از سنجش اهمیت هر یک از متغیرها نشان داد BIO6 بیشترین و BIO19 کمترین اهمیت را برای این گونه دارند.