سعید صادقیان

سکوهای پرنده بدون سرنشین بهعنوان یکی از منابع تهیه اطلاعات در این سیستمهای فرماندهی و کنترل، علاوه بر قابلیت تهیه محصولات سهبعدی دقیق، مزایای متعددی ازجمله کاهش زمان، هزینهها و تجهیزات خاص و نیاز کمتر به افراد متخصص را نسبت به سایر روشها دارا هستند. در این مقاله به ارزیابی قابلیتهای نوین سکوهای پرنده بدون سرنشین، آنالیز و تلفیق اطلاعات این سنجندههای قابلنصب بر این وسایل و استفاده از این داده در سیستمهای اطلاعات مکانی برای کاربردهای نظامی و دفاعی پرداخته میشود. برای این منظور بررسیها بر روی تصاویر اخذشده توسط سکوی پرنده ایبیپلاس با استفاده از سنجنده CanonIXUS127HS در منطقهای نیمهشهری، توسط نرمافزار Pix4dmapper صورت گرفته است. با بهرهگیری از گیرنده سامانه ماهوارهای ناوبری جهانی و واحد اندازهگیری اینرشیال المانهای توجیه خارجی تصاویر اندازهگیری و بهمنظور اثبات دقت هندسی تصاویر مجموعاً از 19 نقطه کنترل زمینی در منطقه بهعنوان نقاط چک استفاده و مقادیر خطای باقیمانده هر یک از آنها محاسبه گردید. نتایج، میانگین خطای مؤلفههای مسطحاتی به ترتیب، 008/0 و 014/0- متر و در مؤلفه ارتفاعی، 009/0 متر را نشان داد که این نتیجه، بیانگر دقت بالای محصولات سهبعدی تهیهشده با استفاده از این سکوها بدون استفاده از نقاط کنترل زمینی است.

این مقاله درصدد ارائه گونه ای دسته بندی از انواع روابطی است که می توان میان زندگی نامه نویس و سوژه اش متصور شد. نخستین رابطه محتمل رابطه ای است مبتنی بر نوعی «هم حسی» که به نویسنده امکان می دهد سوژه را در حالات مختلف تصور بکند و به تصویر بکشد. در این صورت، گاه نویسنده، همچون اغلب زندگی نامه نویسان ایرانی، بر ویژگی های برجسته سوژه متمرکز می شود تا به راه تقدیسِ «قهرمانِ» تاریخی برود. اما گاه زندگی نامه نویس می کوشد عادی ترین جلوه های زندگی را به واژه دربیاورد تا از این طریق نسخه ای انسانی تر از سوژه ارائه بدهد که فرسنگ ها با تصویر «مردان نامیِ » ستوده در زندگی نامه های سنتی فاصله دارد. این تقابل با سنت زندگی نامه نویسی ممکن است به قدری عیان باشد که به یکی از وجوه بارز متن تبدیل شود و نوع دیگری از رابطه زندگی نامه ای را شکل بدهد که ما آن را رابطه «انتقادی» نامیده ایم: خواه موضوعِ انتقاد قواعد ژانری باشد، خواه هدفش تخریبِ شخصیتِ تاریخی. ورای تقدیس و نقد، حالت سومی را نیز می توان متصور شد که رواجش میان نویسندگان فرانسوی کم نیست و حکایت از نوعی «بازتابندگی» دارد؛ آن وقتی است که زندگی نامه نویس با روایتِ زندگیِ «دیگری» می کوشد تا گره های وجودیِ خویش را آینه وار بکاود یا از روایتِ «دیگری» محملی بسازد برای گفتمانی عاریه ای که، در عین سکوت، به او امکان بیان دغدغه هایش را می دهد. بالطبع پیمودن هر یک از این مسیرها از تلقیِ خاص هر نویسنده از زندگی و ادبیات تأثیر می گیرد و بر شکل گیریِ دریافتِ مخاطب از ژانر زندگی نامه ، ظرفیت ها و چالش هایش اثر می گذارد.

       شهرهای باستانی و میراث فرهنگی، آثار ماندگار نسل های گذشته هستند که ما را با هویت خویش آشنا می کنند. بنابراین وظیفه ما درعصر حاضر حفظ این گنجینه های گرانبها و مراقبت از آنهاست. بناها در گذر زمان دستخوش تغییرات و آسیب های فراون می شوند. این تغییرات در بعضی از بناها مانند ساختمان ها و شهرهای دارای ارزش تاریخی، اهمیت ویژه ای دارد. از این رو تحقیق حاضر به پایش تغییرات و تخریب یکی از استان های باستانی مهم کشور ترکیه، به نام غازی عیانتپ[1] پرداخته است. استان غازی عیانتپ به دلیل وجود بناهای تاریخی ارزشمند، به عنوان یک منطقه باستانی شناخته می شود. اما متأسفانه وقوع چندین زلزله و پس لرزه های پیاپی در سال 2023 در نزدیکی آن خسارت های جبران ناپذیری برجای گذاشت. تعیین میزان کمّی خسارات، در پیش بینی خسارت های آینده برای حفظ و نگه داری از این آثار و همچنین تشخیص نقاط پر خطر بسیار حائز اهمیت خواهد بود. روش مورد استفاده در پژوهش حاضر، روش تداخل سنجی[2] راداری است که طیّ سه مرحله با استفاده از داده های راداری ماهواره سنتینل1[3] و پردازش آنها در نرم افزار اسنپ بدست آمده است. در مرحله آخر تحقیق، با استفاده از بررسی نتایج می توان نتیجه گرفت که پس از وقوع زلزله در منطقه مورد مطالعه، بیشترین میزان تخریب شهرهای تاریخی مربوط به نقاطی است که در مجاورت دریا و دریاچه ها قرار دارند. در انتها بررسی ها نشان داد، رطوبت و فاصله از دریا نیز تاثیر مستقیم بر میزان تخریب و خسارات وارده به بناهای تاریخی استان غازی عیانتپ داشته است.   [1]-Gaziantep [2]-Interferometry [3]-Sentinel-1

مطالعه کاربری اراضی و تغییرات آن در دوره های زمانی نقشی کلیدی در مدیریت منابع طبیعی و برنامه ریزی شهری ایفا می کند. یکی از روش های بهینه و مقرون به صرفه در این زمینه استفاده از الگوریتم ها و روش های طبقه بندی تصاویر هوایی و سنجش از دور است. طبقه بندی تصاویر هوایی با استفاده از مدل های یادگیری عمیق یکی از روش های پیشرفته در پردازش داده های مکانی محسوب می شود که بهبود صحت و کارایی آن به انتخاب مدل مناسب و تنظیم بهینه فراپارامترها بستگی دارد. در این پژوهش، عملکرد دو مدل یادگیری عمیق U-Net و ResNet-34 در ترکیب با شش بهینه ساز مختلف شامل SGD، Adam، RMSprop، Adagrad، Nadam و AdamW برای طبقه بندی تصاویر هوایی بررسی شده است. نتایج نشان داد که ResNet-34 در تمامی معیارهای ارزیابی عملکرد بهتری نسبت به U-Net ارائه داده است. بالاترین صحت کلی در مدل ResNet-34 با بهینه ساز RMSprop برابر با 87.54% بود، درحالی که همین بهینه ساز در مدل U-Net صحت77.17% را به دست آورد. بهینه ساز Adam نیز در ResNet-34 صحت83.97% و در U-Net صحت 63.30% را ارائه داد. در مقابل، بهینه ساز Adagrad ضعیف ترین عملکرد را داشت و همگرایی کندی نشان داد. تحلیل معیارهای ضریب کاپا، امتیاز ژاکارد و امتیاز F1 تأیید کرد که بهینه سازهای تطبیقی مانند RMSprop و Adam تأثیر مثبتی بر بهبود صحت مدل ها دارند. نتایج این تحقیق نشان داد که انتخاب مدل مناسب و بهینه ساز کارآمد نقش مهمی در افزایش صحت و کاهش خطای مدل های یادگیری عمیق دارد. در مطالعات آینده، بررسی بهینه سازی ترکیبی روش های کلاسیک و تطبیقی و استفاده از مدل های پیشرفته تر مانند ++ U-Net و بهینه سازهای نوظهور نظیر Lion، AdaBelief و RAdam پیشنهاد می شود.