درخت حوزه‌های تخصصی

افزایش سطح غلظت گازهای گلخانه ای و به تبع آن، گرم شدن کره زمین و تغییرات آب وهوایی یکی از مهم ترین چالش های قرن بیست ویکم شناخته شده است. این پژوهش عملکرد الگوریتم های موجود در بازیابی غلظت گازهای گلخانه ای دی اکسید کربن را، براساس داده های مشاهداتی ماهواره نظارت بر گازهای گلخانه ای گوست (GOSAT)، در مقایسه با داده های مرجع به دست آمده از شبکه سطحی (TCCON)، در هشت سایت منتخب در دوره زمانی 2015-2011 بررسی می کند. الگوریتم های مورد ارزیابی عبارت اند از الگوریتم NIES، ACOS و RemoTeC (SRFP). این الگوریتم ها بر بازیابی فراوانی ستونی از گازهای مورد نظر متمرکز شده اند تا از مقادیر مولکولی هوای خشک اتم دی اکسید کربن (XCO2) بهره بگیرند. برای ارزیابی محصولات هر الگوریتم با مقدار معادل مشاهداتی زمینی آن، از شاخص های آماری اریبی (Bias)، جذر میانگین مربع خطاها (RMSE)، خطای مطلق (MAE)، انحراف معیار (SD) و ضریب همبستگی پی یرسون (CR) در هر ایستگاه استفاده شده است. نتایج بررسی مقادیر داده شده نشان می دهد که، در بیشتر ایستگاه های زمینی مورد نظر، به ترتیب الگوریتم های NIES، ACOS، RemoTeC (SRFP) دارای کمترین خطای RMSE، MAE، و کمترین خطای اریبی بوده اند. همچنین، کمترین مقادیر همبستگی (بین هر الگوریتم و شبکه سطحی) متعلق به الگوریتم (SRFP) و بیشترین مقادیر آن، درمورد بیشتر ایستگاه ها، متعلق به الگوریتم NIES در یک میانگین پنج ساله (2015-2011) است. 

سیلاب یکی از شایع ترین و مخرب ترین وقایع طبیعی در جهان است. بشر همواره، به دنبال جلوگیری از وقوع سیلاب، از روش هایی مانند احداث خاکریزها استفاده کرده است که در زمرة روش های مبتنی بر رویکرد مقاومتی اند. با اینکه زمان و مکان وقوع سیل، دبی طراحی، مقاومت سازه ها ، رفتار فیزیکی رودخانه و چنین مواردی دارای قطعیت نیست؛ راهکارهای مقاومتی روش مناسبی برای مقابله با سیل محسوب نمی شوند. برای نمونه، درصورت رخداد سیلی با دبی بیشتر از دبی طراحی خاکریز، نه تنها سیل باعث نابودی سازة خاکریز می شود بلکه آبگرفتگی، خسارات مالی و تلفات جانی پیش بینی نشده ای به بار خواهد آمد. در رویکرد انعطاف پذیر با استفاده از برنامه ریزی مکانی و طرح های سازه ای و غیر سازه ای، آمادگی لازم فراهم می شود تا سیستم سیل دیده به شرایط پایدار بازگردد. هدف تحقیق حاضر بررسی قابلیت های رویکرد انعطاف پذیر در مسئلة مدیریت ریسک سیلاب و مقایسة نتایج آن با رویکرد مقاومتی است. برای تحقق این هدف، از تلفیق سیستم اطلاعات مکانی و دانش مهندسی و مدیریت سیل استفاده شده است. مطالعة موردی روی محدوده ای از رودخانة قزل اوزن، واقع در حوضة ماه نشان، انجام شده که پی درپی شاهد سیلاب بوده و راهکارهای مقاومتی، برای جلوگیری از وقوع سیل، کارساز نبوده اند. به این منظور، راهبردهای گوناگون مدیریتی شامل راهبردهای مقاومتی (احداث خاکریز)، انعطاف پذیر سازه ای (کشت دیم) و غیرسازه ای (هشدار سیل و بیمة سیل) مطرح شده اند. برای برآورد عملکرد مناسب هر راهبرد، مقادیر شاخص های انعطاف پذیری شامل دامنة عکس العمل، تدریج و نرخ بازیابی، برای سیلاب هایی با دوره های بازگشت 25، 50 و 100 ساله، محاسبه شده اند. به منظور پهنه بندی سیلاب و بررسی راهبردهای پیشنهادی، سه دسته اطلاعات شامل شرایط هندسی، شرایط اولیه و شرایط مرزی یا حدی مورد نیاز است. شرایط هندسی ازجمله شیب مسیر رودخانه، شکل مقاطع، محل و ارتفاع خاکریزها با استفاده از نقشة رقوم ارتفاعی، ازطریق الحاقی HEC GeoRAS در محیط ArcGIS، به دست آمده است. شرایط اولیه و شرایط مرزی جزء اطلاعات ورودی مدل هیدرولیکی است که از آبخیزداری حوضة مورد مطالعه دریافت شده است. برای مدل سازی هیدرولیکی، نرم افزارHEC RAS به کار رفته است. پس از مدل سازی هیدرولیکی برای محاسبة شاخص های انعطاف پذیری، نتایج حاصل از پهنه بندی سیلاب در مدل هیدرولیکی با لایه های اطلاعاتی مربوط به مناطق مسکونی، راه های ارتباطی، سازه های احداث شده و زمین های زراعی در محیط سیستم اطلاعات مکانی تلفیق شدند. درنهایت، پس از محاسبة شاخص های انعطاف پذیری به منزلة معیار مقایسة راهبردها، به منظور اولویت بندی آنها، از روش آنتروپی برای وزن دهی به معیارها (شاخص های انعطاف پذیری) و از روش TOPSIS برای اولویت بندی راهبردها استفاده شده است. مطابق نتایج، مشاهده شد که راهبرد کشت دیم، هم زمان با هشدار سیل و بیمة سیل، راهکاری انعطاف پذیر است که، به منزلة بهترین استراتژی منتخب، بر روش های مقاومتی برتری دارد.

دسترسی به اطلاعات راه ها اهمیت زیادی در کاربردهای مختلف نظیر حمل ونقل، کنترل ترافیک، سیستم های هدایت خودکار وسایل نقلیه و مانند اینها دارد. در سال های اخیر طراحی الگوریتم های استخراج راه، هدف مطالعات بسیاری از پژوهشگران بوده است. باوجود پیشرفت هایی که در این زمینه حاصل شده است، همچنان نواقصی در عملکرد این الگوریتم ها وجود دارد که یکی از مهم ترین آنها وجود بریدگی در شبکة راه های استخراج شده است. این بریدگی ها ممکن است به دلایل مختلفی نظیر قرار گرفتن راه ها در زیر درختان یا واقع شدن در سایه باشند. ازآنجاکه پیوسته بودن راه ها یکی از ویژگی های مهم توپولوژیکی آنهاست، رفع این نقیصه ضروری به نظر می رسد. هدف پژوهش حاضر ارائة روشی خودکار برای یافتن و اتصال بریدگی های موجود در راه های استخراج شده به وسیلة الگوریتم های استخراج راه است. در این الگوریتم ابتدا با استفاده از روشی مبتنی بر تبدیل رادون سر و ته بریدگی ها شناسایی می شوند، سپس این نقاط با به کارگیری روشی بر پایة تکنیک درون یابی اسپلاین به یکدیگر متصل می شوند. این الگوریتم روی خروجی یک روش استخراج راه که در آن چهار بریدگی در راه های مستقیم و دو بریدگی در تقاطع ها وجود دارد، پیاده سازی شد. نتایج نشان دادند که الگوریتم قادر به اتصال تمام بریدگی های واقع در راه های مستقیم بود، ولی دو مورد بریدگی در تقاطع ها را نتوانست الگوریتم متصل کند. بنابر این می توان گفت که صرف نظر از محل بریدگی که در راه های مستقیم یا در تقاطع ها واقع شده اند، الگوریتم حدود 7/66 درصد از بریدگی های موجود در تصویر را شناسایی و متصل کرده است. این الگوریتم در محیط نرم افزار MATLAB برنامه نویسی شد.

تغییرات رشد محصولات کشاورزی در فواصل زمانی نسبتاً کوتاه، ناهم زمانی کشت محصولات مشابه، شباهت طیفی میان محصولات گوناگون در برخی از زمان های دوره کشت و کمبود داده های زمینی، طبقه بندی محصولات زراعی در تصاویر ماهواره ای را به کاری چالش برانگیز مبدل می کند. تغییر مقدار درصد پوشش و سبزینگی، در طول فصل رشد، از برجسته ترین ویژگی پوشش های گیاهی ازجمله محصولات کشاورزی است که می توان بر آن نظارت کرد. این کار با استفاده از سری زمانی شاخص های گیاهی انجام می شود که اطلاعات بسیار مفیدی از توالی ویژگی های فنولوژیک محصولات کشاورزی در اختیار ما قرار می دهد. استفاده از روش های یادگیری عمیق با توانایی یادگیری اطلاعات متوالی حاصل از این سری ها می تواند، در طبقه بندی محصولات کشاورزی و کاهش وابستگی به داده های زمینی، مفید باشد. شبکهLong-Short Term Memory (LSTM) یکی از انواع شبکه های عصبی بازگشتی در تجزیه و تحلیل داده های متوالی است که توانایی یادگیری توالی های بلندمدت در سری زمانی را دارد؛ بنابراین در این مطالعه، پس از محاسبه شاخص NDVI از باندهای ماهواره سنتینل 2 در نُه تاریخ متفاوت و تشکیل سری زمانی آن شاخص برای ورود به شبکه، دو ناحیه متفاوت در دشت مغان در نظر گرفته شد که محصولات کشت شده در آنها، طی عملیات زمینی، برداشت شده بود. در ناحیه اول، شبکه کانولوشنی LSTM برای طبقه بندی محصولات آموزش دید و در ناحیه دیگر، کارآیی این شبکه آموزش دیده در طبقه بندی محصولات ارزیابی شد و دقت کلی 82% و ضریب کاپای 8/0 به دست آمد. افزایش تعداد نمونه های زمینی و انتخاب مرز دقیق محصولات، می تواند کارایی روش مورد استفاده را افزایش دهد.

شکوه و عظمت یک جامعه بستگی به حل مشکلات و رفع معضلات محتمل و قدرت مقاومت آن در مقابل حوادث اعم از طبیعی و انسان ساخت دارد، از آنجایی که زیرساخت ها حائز نقش تعیین کننده ای در فرآیند امن یک جامعه می باشند و حفظ امنیت زیرساخت ها در برابر حملات و تهدیدها، جزء اولویت های امنیتی هر کشور است به همین دلیل جوامع مختلف پیوسته به دنبال کشف و ابداع راه حل هایی بوده و هستند تا بتوانند آسیب ها را با برنامه ریزی و مدیریت مناسب کنترل یا به حداقل برسانند. در دهه های اخیر نیز نحوه مقابله با این تهدیدها، شکل علمی تری به خود گرفته و به طور مشخص میزان احتمال وقوع، خسارت وارده و چگونگی مقابله با آن ها تعیین شده است. در این راستا مقاله حاضر با استفاده از روش توصیفی- تحلیلی، پس از جمع آوری داده ها و اطلاعات موردنیاز، ابتدا میزان اهمیت و وزن هریک از زیرساخت ها با استفاده از مدل فرآیند تحلیل شبکه ای (ANP) محاسبه و سپس با آماده سازی لایه های اطلاعاتی در محیط نرم افزار Arc GIS با استفاده از توابع هم پوشانی، درجه ریسک پذیری زیرساخت های شهر سمنان در برابر حملات و تهدیدهای نظامی و امنیتی به تفکیک در چهار حوزه شبکه انرژی، شبکه ارتباطات، مراکز پشتیبان و سایر مراکز را مشخص نموده است. نتایج حاصله نشان می دهد که زیرساخت های حساس با 50.69 درصد، زیرساخت های مهم با 34.08 درصد و زیر ساخت های قابل حفاظت با 15.23 درصد در موقعیت مکانی با درجه ریسک پذیری بسیار بالا قرار دارند. نتایج کلی پژوهش نشان می دهد که 37.83 درصد کل زیرساخت های شهر سمنان در پهنه آسیب پذیری با درجه ریسک بسیار بالا پراکنده شده اند و این مسئله به دوراز اصول و ملاحظات پدافند غیرعامل بوده و تشدیدکننده میزان آسیب پذیری زیرساخت های در مواقع بحرانی ناشی از حملات و تهدیدهای نظامی و امنیتی است.

در این مقاله، به منظور رفع برخی محدودیت های شناسایی ساختمان در تصاویر چندطیفی، از داده SAR به منزله داده مکمل استفاده می شود. در روش پیشنهادی، برای استفاده هم زمان از اطلاعات مفید در تصاویر رادار و چندطیفی، استراتژی مبتنی بر تلفیق تصاویر، با هدف شناسایی ساختمان، مطرح می شود. همچنین، ازآن جاکه انتخاب ویژگی نقش بسزایی در شناسایی و طبقه بندی عوارض دارد، اغلب روش های مرسوم و رایج در این زمینه، مانند الگوریتم ژنتیک، نیازمند داده های آموزشی اند؛ اما دردسترس نبودن همیشگی این نوع داده های آموزشی یکی از دغدغه های مهم محققان به شمار می آید. پس در این تحقیق، دو روش انتخاب ویژگی فیلترمبنا بررسی می شود تا مشخص شود آیا روش های یادشده می توانند، در مواقع لازم (نبودِ داده آموزشی)، جایگزین الگوریتم ژنتیک شوند؟ بنابراین، در پژوهش حاضر، ابتدا بردار ویژگی بهینه از تصویر چندطیفی و SAR، با سه روش MNF وPCA  و ژنتیک، تعیین و هریک جداگانه وارد هر دو طبقه بندی کننده شبکه عصبی و SVM می شود. سپس به منظور رفع مشکلاتی، همچون تشابه طیفی پشت بام ها با پوشش آسفالت خیابان ها، در تصاویر چندطیفی و بهبود نتایج، دو تصویر چندطیفی و SAR در سطح ویژگی تلفیق می شود. در نهایت و در مرحله بعدی، بهترین تصاویر طبقه بندی شده با شبکه عصبی و SVM، در تمامی بررسی های صورت گرفته تا به این مرحله، وارد تلفیق در سطح تصمیم گیری می شوند. نحوه تلفیق در سطح تصمیم گیری بدین صورت است که اطلاعات همسایگی هر پیکسل در قالب پنجره مکانی متحرک در ابعاد متفاوت، با هدف تصمیم گیری درمورد ماهیت هر پیکسل، استفاده می شود. بنابراین، نتایج حاصل شده در این تحقیق، با صحت کلی و دقت شناسایی ساختمان، به ترتیب 92.82% و 80.14% بیانگر عملکرد مناسب این روش است.

در مواجه با خطر سیل و یا خسارات ناشی از خشکسالی، برآورد میزان بارش و الگوی تغییرات مکانی آن در یک منطقه گسترده، یکی از چالش های مهم در علوم هواشناسی، کشاورزی و هیدرولوژی است. اندازه گیری محلی بارندگی در مناطق دور افتاده به دلیل هزینه زیاد و محدودیت های عملیاتی دشوار است. بدین علت در تحقیق حاضر به منظور تعیین الگوی مکانی-زمانی بارش و امکان تلفیق داده ها، سه نوع مختلف از تولیدات بارندگی شامل داده های ماهواره ای (TRMM۳B۴۲)، داده های حاصل از مدل پیش بینی عددی جوّی (MM۵) و اندازه گیری های زمینی (نقشه های حاصل از روش زمین آمار (KED))، مورد مطالعه قرار گرفتند. این مطالعه در بازه زمانی سال های ۲۰۰۰ تا ۲۰۱۰ میلادی و برای منطقه شمال شرق ایران به صورت ماهانه، فصلی و سالانه انجام شد. داده ها با استفاده از شاخص اعتبارسنجی RMSE و الگوریتم تشابه با یکدیگر مقایسه شدند. نتایج نشان دادند که یکی از ضعف های روش زمین آمار نبودن اطلاعات کافی در ارتفاعات بالای (۱۵۰۰) متر منطقه است. همچنین دقت تصاویر ماهواره ای در فصل های گرم بیشتر بود؛ بطوریکه در ماه آگوست مقدار ۷/۱ RMSE = به دست آمد. در فصل زمستان (ماه ژانویه) بیشترین مقدار ۰۲/۱۴ RMSE = حاصل شد که این امر عملکرد ضعیف تولیدات ماهواره ای TRMM در مناطق پوشیده از یخ را نشان می دهد. در اعتبارسنجی مدل MM۵ بیشترین و کمترین مقدار RMSE به ترتیب ۶۴/۶ و ۰۵/۱ به دست آمد. علاوه بر این مدل MM۵ تا حدود زیادی در شبیه سازی مقادیر بارندگی سالانه بیش برآورد داشت. نتایج تحلیل های مکانی- زمانی الگوریتم تشابه نیز نشان دادند که عملکرد مدل MM۵ در مقیاس ماهانه و فصلی و تعیین مناطق بارندگی بهتر از تصاویر ماهواره ای TRMM بود. همچنین هر سه محصول الگوی مکانی بارندگی در مقیاس فصلی و سالانه را به خوبی نشان دادند.

مخاطرات طبیعی منجر به کاهش موجودی سرمایه انسانی، اجتماعی، فیزیکی می شوند و همچنین اثرات کوتاه مدت و بلندمدتی بر متغیرهای کلان اقتصادی و اجتماعی نظیر تولید،سرمایه گذاری، مخارج دولتی، تراز تجاری و فقر دارند که بر روی رشد اقتصادی و اجتماعی اثرگذار می باشد یکی از مسائلی که همواره مورد توجه سازمان های مسئول در مدیرت بحران قرار دارد انتخاب مکانی جهت استقرار اضطراری یا موقت جمعیت های آسیب دیده از سوانح می باشد. در ایران معمولاً مکان گزینی برای اسکان اضطراری شهروندان به صورت تجربی پس از بروز سانحه بدون در نظر گرفتن استانداردهای لازم توسط سازمان های امداد رسان انجام می گیرد. بدیهی است عدم رعایت مکان گزینی صحیح ممکن است فاجعه ی دیگری حتی به مراتب وخیم تر از سانحه اولیه بدنبال داشته باشد. بنابراین لزوم برنامه ریزی، مدیریت و ارائه راهکارهایی مناسب در استقرار اضطراری یا موقت جمعیتهای آسیب دیده قبل از وقوع زلزله الزامی می نماید از این رو این تحقیق با روش توصیقی تحلیلی بر پایه پیمایش به مکانیابی استقرار بهینه جمعیت های آسیب دیده از مخاطرات طبیعی(سیل و زلزله) در شهر سرخه استان سمنان پرداخت. به این منظور مکانهای بهینه اسکان موقت آسیب دیدگان از مخاطرات طبیعی احتمالی را برای منطقه مورد مطالعه، مورد بررسی قرار داده و با تلفیق برنامه ریزی صحیح و علمی در راستای مدیریت بحران با شناخت مکانهای مناسب جهت اسکان موقت آسیب دیدگان و آوارگان ناشی از حوادث احتمالی گام بر داشته شد نتایج تحقیقات و مطالعات انجام شده نشان می دهد که رویکرد به فناوری های نوین می تواند برای شناسایی فضاهای تخلیه جمعیت های آسیب دیده ناشی از زلزله و سیل مناسب باشند و ورزشگاه تختی واقع در جنوب غربی شهر سرخه بهترین مکان مناسب جهت برپایی اردوگاه اسکان موقت افراد بی سرپناه می باشد

تصاویر هوایی ثبت شده توسط ماهواره ها و یا پهپاد ها، معمولا شامل نواحی مربوط به منابع طبیعی و نواحی حاوی سازه های ساخت بشر است. با تفکیک این نواحی از یکدیگر، قادر خواهیم بود اطلاعات مهمی نظیر آرایش ساختاری سطوح و شکل آنها را استخراج و نقشه های هواییِ برچسب دار ایجاد کنیم. دست یابی به چنین اطلاعاتی می تواند کاربرد های بسیار مفیدی در زمینه های نظامی، شهری و زیست محیطی داشته باشد. از آنجایی که پردازش حجم عظیمی از تصاویر به دست آمده از ماهواره ها و پهپاد ها بصورت دستی امکان پذیر نیست، لذا استفاده از روش های خودکارِ مبتنی بر هوش مصنوعی در این حوزه، بسیار مورد توجه قرار گرفته است. تاکنون پژوهش های متعددی در این باره انجام شده است که از اهم آنها می توان به شناسایی ساختمان ها، وسایل نقلیه، جاده ها و همچنین تشخیص ساختار پوشش گیاهی در تصاویر هوایی اشاره کرد. در این مقاله، قصد داریم با معرفی مجموعه ای از ویژگی های آماری مبتنی بر رنگ که به سادگی قابل استخراج از تصاویر هوایی هستند و با استفاده از یک مدل مبتنی بر یادگیری، راهکاری کارآمد برای تشخیص دقیق و سریع سازه های ساخت بشر و تفکیک آنها از منابع طبیعی ارایه دهیم. نتایج آزمایش های انجام گرفته بر روی بانک تصاویر ماساچوست که به صورت عمومی، قابل دسترس است، نشان دهنده دقت مناسب و سرعت عمل بالای راهکار پیشنهادی است. به طوری که، دقت و میانگین سرعت پردازش به دست آمده به ترتیب برابر با ٪۰۷/۹۰ و 96/0 ثانیه است.

استفادة اصلی از مراتع ایران به صورت چرای دام و دام غالب در مراتع، گوسفند است. چرای گوسفند در شیب های بالای 60 درصد به علت صرف انرژی زیاد برای عمل چرا، ضمن آنکه عملکرد دام را کاهش می دهد، خطر ایجاد فرسایش را نیز بالا می برد. چرای گوسفند در نقاطی که بیش از پنج کیلومتر از منابع آب فاصله دارند، به علت طولانی شدن مسیر راهپیمایی باعث کاهش عملکرد می شود. پراکنش منابع آبی در مرتع، از عوامل مؤثر در تعیین شایستگی مرتع به شمار می رود که بر پراکنش دام نیز تأثیر می گذارد. ازاین رو لازم است در هر منطقه شایستگی منابع آب مرتع برای دام مشخص شود. در پژوهش حاضر، تجزیه و تحلیل داده ها در ساختار رستری و به وسیلة نرم افزار ILWIS انجام شد. منطقة مورد مطالعه در تحقیق با وسعت 37977 هکتار در طالقان (استان البرز) واقع شده است. مدل منابع آب از سه زیرمدل فاصله از منابع آب، کمیت منابع آب و کیفیت منابع آب تشکیل شده است. نتایج نشان دادند که براساس مدل شایستگی منابع آب، 19989 هکتار از مراتع منطقه در طبقة شایستگی خوب (S1) ، 1229 هکتار در طبقة شایستگی متوسط (S2) و 4338 هکتار در طبقة شایستگی غیرقابل استفاده (N) قرار گرفتند و هیچ قسمتی از مرتع در طبقة شایستگی کم (S3) واقع نشد. شیب، مهم ترین عامل محدودکنندة شایستگی مرتع برای چرای گوسفند در منطقة مطالعه شده شناخته شد. پیشنهاد می شود در ارائة راه حل های مدیریتی برای احیا و اصلاح مراتع، به عوامل محدودکننده و کاهش دهندة شایستگی منابع آب مرتع توجه شود و عملیات اصلاحی برای رفع عوامل کاهش دهندة شایستگی مرتع صورت گیرد. کلید واژه ها : مرتع، منابع آب، گوسفند، سامانه های اطلاعات جغرافیایی

یکی از مهمترین کاربردهای سیستم های اطلاعات مکانی، در مبحث مدیریت حمل و نقل است. در این زمینه قابلیت های تجزیه و تحلیل شبکه در سیستم های اطلاعات مکانی از جمله محاسبه کوتاهترین مسیر، می تواند مفید واقع گردد. گراف و تئوری های آن نقش مهمی در انجام آنالیزهای شبکه GIS دارند. برای حل برخی از مشکلات گراف یا ساده سازی آنالیزها در گراف، می توان تغییراتی در ساختار آن ایجاد کرد. شبیه سازی به وسیله گراف نشان می دهد که توانایی جابه جایی سیستم تا حد زیادی به توپولوژی شبکه حمل و نقل بستگی دارد. به طور کلی یک شبکه برنامه ریزی شده می تواند وسایل نقلیه بیشتری را در خود جا دهد و توانایی جابه جایی کلی آن بسیار بیشتر از یک شبکه در حال رشد خود سازمان دهی شده است. تاکنون نظریه های متعدد و بسیار کاربردی از جمله الگوریتمهای محاسبه کوتاه ترین مسیر برای حل مسائل گوناگون در گرافها ارایه و استفاده شده اند. اما برای بعضی از مسائل مهم و کاربردی راه حل و تئوری مناسبی بر مبنای گراف ارایه نشده است. به همین علت، همانند بسیاری از نظریه های دیگر که در آنها راه حلهایی بر مبنای فضاهای دوگان ارایه شده، در گرافها نیز چنین فضاهایی تعریف و استفاده شده اند. به این صورت که ابتدا مساله موجود در گراف اولیه را به یک فضای دوگان مناسب برده و پس از حل، نتایج به فضای اولیه برگردانده می شود. در این مقاله نشان داده خواهد شد که از مفاهیم دوگان گراف و با تغییر در ساختار و شکل گراف اولیه می توان مسایل با پیچیدگی بسیار زمانی را در گراف اولیه به مسایلی ساده تر و قابل حل تر تبدیل کرد. همچنین، به بحث و بررسی چند کاربرد متنوع در زمینه یافتن کوتاهترین مسیر در مسائل حوزه حمل پرداخته خواهد شد.

تبخیر تعرق گیاه مرجع متغیری است که مهم ترین جزء چرخه هیدرولوژی محسوب می شود. با توجه به ارتباط مستقیم تبخیر تعرق مرجع با متغیرهای اقلیمی، انتظار می رود افزایش دمای هوا و تغییرات فراسنج های مرتبط با دما در روند و مقدار ETo تأثیر بگذارد. در این مطالعه، ضمن بررسی مهارت داده های شبکه ای CRU در برآورد میانگین سالیانه سه متغیر دمای کمینه، بیشینه و تبخیر تعرق در استان خراسان رضوی، پیش نگری تغییر در مقدار، نوسانات مکانی و روند زمانی این سه متغیر، با استفاده از برون داد چهار مدل سری CMIP5، تحت دو سناریوی واداشت تابشی (4.5 و 8.5) طی دو دوره آینده نزدیک (2050-2021) و آینده میانی (2080-2051) بررسی شد. نتایج نشان داد داده های CRU دارای مهارت مناسبی در شبیه سازی دما در منطقه اند. میانگین سالیانه دمای کمینه، در دوره 2050-2021، تحت هر دو سناریو، بیش از C ᵒ6/1 افزایش خواهد یافت که تحت RCP8.5، مساحت بیشتری از استان دچار این افزایش خواهد شد. این منطقه، طی دوره 2080-2021، با افزایش بیش از Cᵒ3 در میانگین سالیانه دمای کمینه مواجه خواهد شد. افزایش دمای بیشینه در سناریوی RCP8.5 طی دوره میانی، در تمامی استان، حدود Cᵒ4 برآورد شد. مقایسه مقادیر ETo مشاهداتی با برون داد چهار مدل اقلیمی در تمامی نقاط شبکه برای دوره پایه نشان داد، به رغم تفاوت در مقدار، نحوه پراکنش مکانی مقادیر ETo مدل با توزیع مکانی مقادیر مشاهداتی هم خوانی مناسبی دارد. براساس نتایج به دست آمده، طی دو دوره مورد بررسی، این متغیر افزایش خواهد یافت و همان طور که انتظار می رود، تحت سناریوی RCP8.5، درصد افزایش بیش از سناریوی مقابل است. [1] Reference Evapotranspiration (ETo)

برای پنهان سازی سازه ها و تأسیسات زیرسطحی، شناخت عملکرد و توان فناوری های سنجش از دور نوین و پیشرفته از ضروریات اساسی است. یکی از این فناوری ها در سامانه های پر قدرت گرم کننده ی الکترومغناطیسی یونسفری بکار گرفته شده است که از امواج الکترومغناطیسی پر قدرت در محدوده فرکانسی 3 تا 10 مگاهرتز استفاده می کند. هارپ با ساطع کردن این امواج به منطقه ای از یونسفر موجب گرم شدن آن منطقه شده و این گرمایش منجر به گسیل امواجی با محدوده فرکانس خیلی پائین VLF و ELF می شود. هدف اصلی این تحقیق تحلیل و شناخت قابلیت سنجش از دور سامانه های پر قدرت گرم کننده ی الکترومغناطیسی یونسفری (هارپ)، در شناسایی اهداف زیرسطحی می باشد. در این پژوهش با بهره گیری از روش ترکیبی تجزیه و تحلیل داده های چندگانه بر مبنای توصیف و تحلیل داده های جمع آوری شده از منابع علمی و تئوریک، گزارشات رسمی و معتبر، بررسی نتایج آزمایشات تجربی انجام گرفته در جهان و ایران و در نهایت اخذ نظر خبرگان و صاحب نظران جامعه آماری تحقیق به روش میدانی، به سؤال اصلی تحقیق پاسخ داده شده است. نتایج حاصل از این تحقیق نشان می دهد که سامانه های پر قدرت گرم کننده ی الکترومغناطیسی یونسفری، قابلیت سنجش از دور و امکان شناسائی اهداف زیرسطحی را دارند. بر این اساس، این سامانه ها تهدیدی جدی برای شناسایی اهداف زیر سطحی محسوب می شوند؛ و لذا در ادامه تحقیق، راهکارهای دفاع غیرعامل در برابر این تهدید  نیز ارائه گردیده است.

آشکارسازی تغییرات پوشش اراضی برای پایش رشد شهرها و برنامه ریزی مسئولانه در مورد آنها امری ضروری است. سنجش از دور فناوری قدرتمندی است که می توان از آن در آشکار سازی تغییرات اراضی استفاده کرد. یکی از چالش های موجود در این زمینه توسعة روش های کارآمد به منظور آشکار سازی تغییرات با سطح خودکارسازی بالاست که بتواند اطلاعاتی صحیحی در مورد موقعیت جغرافیایی و ماهیت این تغییرات ارائه کند. در پژوهش حاضر با استفاده از دو تصویر GeoEye منطقة 17 شهر تهران مربوط به سال های 2004 و 2010 از ویژگی های مکانی متن تصویر، شبکه های عصبی و الگوریتم ژنتیک برای آشکار سازی تغییرات استفاده شد. شش حالت مختلف، هریک با دو رویکرد طبقه بندی مستقیم چندزمانی و مقایسة پس از طبقه بندی، از دیدگاه صحت آشکارسازی و زمان اجرای الگوریتم مورد مقایسه قرار گرفتند. بررسی های انجام شده نشان دادند که رویکرد طبقه بندی مستقیم چندزمانی در هر شش حالت نتایج بهتری ارائه کرده است. همچنین در بین شش حالت بررسی شده، عملکرد حالت ششم (روش پیشنهادی این تحقیق) از نظر صحت طبقه بندی بهتر است. در حالت ششم پس از انتخاب بهینة ویژگی ها، طبقه بندی مبتنی بر شبکه های عصبی با تعیین معماری شبکه و با چندین بار اجرا صورت می گیرد. هرچند زمان اجرای این روش درمقایسه با دیگر حالت های بررسی شده بیشتر است، اما درصورتی که صحت طبقه بندی به زمان ارجحیت داشته باشد این روش کاملاً توصیه می شود

کلانشهرها به دلیل تمرکز فوق العاده قدرت، سرمایه و جمعیت به شکل افقی به مراکز پیرامونی کشیده می شوند و این توسعه فیزیکی، اغلب به صورت ناموزون شکل گرفته و باعث بروز مشکلات زیادی همچون تغییر کاربری اراضی، دگرگونی های اجتماعی اقتصادی، طبیعی و در نتیجه بروز مسائل زیست محیطی می شود. عواملی مانند رشد شهری، ارزش زمین و تراکم توسعه از عوامل اساسی شکل گیری خزش شهری به شمار می روند که ساختار درونی شهرها را دگرگون کرده و باعث گسترش شاخص های شهری به صورت ناهمگن در نواحی پیرامونی شده و این نواحی را تبدیل به فضاهای بی برنامه می کند. در این پژوهش، الگوهای خزش شهری و تحلیل تغییرات به وجود آمده طی سه دوره به وسیله سیستم اطلاعات جغرافیایی و سنجش از دور و با استفاده از داده ها و تصاویر ماهواره ای لندست TM سال 1986 و +ETM سال 2000 و +ETM سال 2014 (1365-1379-1393) هجری شمسی انجام شد. یافته های این تحقیق نشان می دهد که طی سه دوره گذشته، ساخت و سازهای مسکونی در این ناحیه به طور چشمگیری افزایش پیدا کرده است. به طوری که مساحت این ساخت و سازها از89/4 درصد در سال 1986 به 3/10 درصد در سال 2014 افزایش پیدا کرده و در مقابل، مساحت اراضی زراعی از33/61 درصد در سال 1986 به 7/44 درصد در سال 2014 کاهش یافته است. البته ساخت و سازهای پراکنده و خزش شهری در ناحیه مورد مطالعه به صورت الگوی خزش گسسته بوده که باعث رخداد ناپایداری در بخش کشاورزی و اقتصاد روستایی ناحیه شده است. همچنین گسترش شبکه راه ها، بزرگراه ها، شبکه برق و ساخت و سازهای غیرمسکونی، خزش شهری گسسته را در ناحیه مورد مطالعه تشدید کرده است. لذا به منظور کاهش ناپایداری کشاورزی و تغییر کاربری اراضی ارزشمند کشاورزی و مرتعی، توجه به برنامه ریزی یکپارچه کاربری زمین در کنار برنامه ریزی یکپارچه شهری و روستایی، پیشنهاد می شود.

گردآوری داده ها و ثبت محوطه های باستانی در باستان شناسی با روش بررسی میدانی، هزینه بر بوده و نیاز به نیروی انسانی و صرف وقت بسیار دارد. بر این اساس، استفاده از روش هایی که بتواند بدون نیاز به مشاهده مستقیم، احتمال وجود محوطه های باستانی را پیش بینی کند، نقش چشم گیری در صرفه جویی در زمان و هزینه های بررسی های میدانی باستان شناختی خواهد داشت. مسئله اصلی این پژوهش، ارزیابی میزان توانایی مدل رگرسیون لجستیک در پیش بینی پراکندگی محوطه های باستانی دشت هرسین- بیستون است. متغیرهای پیش بینی کننده برای این پژوهش شامل متغیرهای محیطیِ شیب، ارتفاع، فاصله تا رودخانه، پوشش گیاهی و متغیرهای فرهنگیِ فاصله تا شهرهای امروزی، تراکم روستاهای امروزی و فاصله تا جاده های اصلی می شوند و متغیر وابسته، متراکم ترین پهنه به لحاظ وجود محوطه های باستانی پیش از تاریخ است. نتایج نشان داد که مدل رگرسیون لجستیک در پیش بینی پراکندگی محوطه های باستانی در دشت هرسین- بیستون در دوره های مختلف موفق بوده است. همچنین معرفی پهنه های پرتراکم به لحاظ وجود محوطه های باستانی به عنوان متغیر وابسته به مدل در مناطقی که به لحاظ ریخت شناختی، دشت محسوب می شوند، کارآمد تر از معرفی صرفاً نقاط GPS محوطه های باستانی است و به ترتیب متغیر فرهنگیِ تراکم روستاها در عصر مس وسنگ، تراکم روستاها، فاصله تا شهرها و فاصله از جاده های اصلی کنونی در عصر مفرغ، فاصله از شهرهای کنونی و فاصله از جاده های اصلی کنونی در عصر آهن، بیشترین تأثیر را در پیش بینی پراکندگی محوطه های باستانی داشته است.

ﺑﺎ ﮔﺴﺘﺮش ﺷﻬﺮ ﭼﻬﺎرداﻧﮕﻪ از ﻧﻈﺮ وﺳﻌﺖ و ﺟﻤﻌﯿﺖ، اراﺋﻪ و ﺗﻮزﯾﻊ ﺧﺪﻣﺎت ﺷﻬﺮی ﺑﻪ اﻣﺮی ﺗﺨﺼﺼﯽ و ﭘﯿﭽﯿﺪه ﺗﺒﺪﯾﻞ ﺷﺪه ﮐﻪ ﻧﯿﺎزﻣﻨﺪ ﺑﺮﻧﺎﻣﻪ رﯾﺰی ﻫﺎی ﻓﻨﯽ و اﺻﻮﻟﯽ اﺳﺖ و در اﯾﻦ راﺳﺘﺎ ﻣﻬﻤﺘﺮﯾﻦ اﺑﺰار ﻣﻮرد ﻧﯿﺎز در اﺧﺘﯿﺎر داﺷﺘﻦ اﻃﻼﻋﺎت ﺟﺎﻣﻊ از ﺷﻬﺮ و اﻣﮑﺎن دﺳﺘﺮﺳﯽ ﺳﺮﯾﻊ ﺑﻪ آﻣﺎرﻫﺎی اﻃﻼﻋﺎﺗﯽ اﺳﺖ ﮐﻪ ﺧﻮد ﻧﯿﺎزﻣﻨﺪ ﯾﮏ ﺳﯿﺴﺘﻢ اﻃﻼﻋﺎﺗﯽ ﻗﻮی ﻣﯽ ﺑﺎﺷﺪ ﮐﻪ ﺑﻪ ﻋﻨﻮان ﻣﻬﻤﺘﺮﯾﻦ اﺑﺰار در دﺳﺖ ﻣﺪﯾﺮان و ﺗﺼﻤﯿﻢ ﮔﯿﺮان اﺟﺮاﯾﯽ ﻣﯽ ﺗﻮاﻧﺪ ﮐﻤﮏ ﻫﺎی ﺑﺴﯿﺎر زﯾﺎدی در رﻓﻊ ﻣﺸﮑﻼت و ﺑﺮآورده ﻧﻤﻮدن ﻧﯿﺎزﻫﺎی ﺷﻬﺮ ﺑﮑﻨﺪ. ﯾﮑﯽ از ﻣﻬﻤﺘﺮﯾﻦ ﺑﺤﺚ ﻫﺎ در ﻣﺪﯾﺮﯾﺖ ﺷﻬﺮ، ﻣﺪﯾﺮﯾﺖ اﻣﻼک و زﻣﯿﻦ ﻫﺎ ﺷﻬﺮی ﻣﯽ ﺑﺎﺷﺪ. داﺷﺘﻦ اﻃﻼﻋﺎت دﻗﯿﻖ، ﮐﺎﻣﻞ و ﺑﻪ روز ﺷﺎﻣﻞ اﻃﻼﻋﺎت ﻣﮑﺎﻧﯽ (ﻣﮑﺎن ﻣﺮﺟﻊ) و اﻃﻼﻋﺎت ﺗﻮﺻﯿﻔﯽ و ﻫﻤﭽﻨﯿﻦ ﺗﺠﺰﯾﻪ و ﺗﺤﻠﯿﻞ ﺑﺮ روی ﻫﺮ ﻧﻮع از اﻃﻼﻋﺎت ﻣﺮﺑﻮط ﺑﻪ ﻗﻄﻌﻪ زﻣﯿﻦ ﻫﺎ و ﺳﺎﺧﺘﻤﺎن ﻫﺎ ﻣﯽ ﺗﻮاﻧﺪ ﻣﺰاﯾﺎی ﺑﺴﯿﺎر داﺷﺘﻪ ﺑﺎﺷﺪ. اﻣﺮوزه ﺳﯿﺴﺘﻢ اﻃﻼﻋﺎت ﺟﻐﺮاﻓﯿﺎﯾﯽ (GIS) ﺑﺎ در اﺧﺘﯿﺎر ﻗﺮار دادن اﻣﮑﺎﻧﺎت ﻣﺨﺘﻠﻒ ﺟﻤﻊ آوری، ﭘﺮدازش و ﺗﺠﺰﯾﻪ و ﺗﺤﻠﯿﻞ اﻃﻼﻋﺎت ﺑﻪ ﻋﻨﻮان اﺑﺰاری ﻧﻮﯾﻦ و ﻗﺪرﺗﻤﻨﺪ ﻣﯽ ﺗﻮاﻧﺪ در ﺧﺪﻣﺖ ﻣﺪﯾﺮان ﺷﻬﺮی در اﻣﺮ ﻣﺪﯾﺮﯾﺖ و ﺑﺮﻧﺎﻣﻪ رﯾﺰی ﺷﻬﺮی ﻗﺮار ﮔﯿﺮد. در اﯾﻦ ﺗﺤﻘﯿﻖ ﺳﻌﯽ ﺷﺪه اﺳﺖ ﮐﻪ ﺑﻪ ﻣﺰاﯾﺎی اﺳﺘﻔﺎده از GIS در ﻣﺪﯾﺮﯾﺖ اﻣﻼک ﺷﻬﺮ ﭼﻬﺎرداﻧﮕﻪ ﭘﺮداﺧﺘﻪ و در اﻧﺘﻬﺎ ﻧﯿﺰ ﭼﻨﺪ ﻧﻤﻮﻧﻪ از ﻻﯾﻪ ﻫﺎی و ﻧﻘﺸﻪ ﻫﺎی اﻃﻼﻋﺎﺗﯽ ﻣﺨﺘﻠﻒ اﺳﺘﺨﺮاج و اراﺋﻪ ﺷﻮد. ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺑﺮرﺳﯽ ﻫﺎی ﺑﻌﻤﻞ آﻣﺪه ﻣﺸﺎﻫﺪه ﮔﺮدﯾﺪ ﮐﻪ در ﺻﻮرت اﺳﺘﻔﺎده ﻫﻤﺰﻣﺎن از اﻃﻼﻋﺎت ﻫﻨﺪﺳﯽ و ﺗﻮﺻﯿﻔﯽ ﻣﯽ ﺗﻮان روﻧﺪ اﺟﺮای ﮐﺎداﺳﺘﺮ در ﻣﻨﺎﻃﻖ ﻣﺨﺘﻠﻒ ﺷﻬﺮی را ﺑﺼﻮرت دﻗﯿﻘﺘﺮی ﺑﻪ ﻣﻮرد اﺟﺮاء ﮔﺬارد.

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.

با توجه به اینکه الگوریتم های متنوعی برای طبقه بندی تصاویر ماهواره ای در سنجش از دور توسعه یافته اند، انتخاب الگوریتم مناسب طبقه بندی در دستیابی به نتایج صحیح نقش بسیاری ایفا می کند. به همین منظور در پژوهش حاضر، با مقایسه کارآیی صحت طبقه بندی دو الگوریتم حداکثر احتمال و ماشین های بردار پشتیبان، الگوریتم دقیق تر تعیین، و از آن برای بررسی روند تغییرات کاربری اراضی استفاده شد. تحقیق حاضر در حوزه آبخیز سیمینه رود و با استفاده از تصاویر سنجنده های TM، ETM + و OLI انجام گرفت. نتایج تحقیق نشان داد که الگوریتم ماشین بردار پشتیبان، درمقایسه با الگوریتم حداکثر احتمال، تصاویر ماهواره ای را بهتر طبقه بندی کرده است و از میان کرنل های ماشین بردار، کرنل تابع پایه شعاعی (RBF) کارآیی بهتری داشته است. بنابراین، از الگوریتم ماشین بردار پشتیبان با کرنل تابع پایه شعاعی برای تهیه نقشه کاربری اراضی دوره های مورد بررسی و تغییرات کاربری استفاده شد. بررسی روند تغییرات کاربری اراضی، با استفاده از این کرنل، مشخص کرد که در طی دوره های بررسی شده، مساحت کاربری های زراعت آبی از 30.535 هکتار به 67.210 هکتار، زراعت دیم از 79.909 هکتار به 123.383 هکتار و مناطق مسکونی از 474 هکتار به 1934 هکتار افزایش یافته است درحالی که مراتع از 259.811 هکتار به 178.398هکتار، و منابع آب از 240 هکتار به 41 هکتار روند کاهشی دارند.

طبقه بندی پوشش اراضی در تصاویر سنجش ازدور یکی از پرکاربردترین روش های استخراج اطلاعات مکانی می باشد که می تواند با تولید کلاس های تصویری عوارض سطح زمین به منظور اتوماسیون و تسریع در جهت رفع نیازهای اساسی به منظور در اختیار داشتن اطلاعات مکانی بهنگام از منابع با هدف مدیریت، ساماندهی و بهره برداری از محیط مفید واقع گردد. به دلیل مشابهت رفتار پیکسل ها، طبقه بندی تصاویر هوایی در مناطق پیچیده و متراکم شهری صرفاً با استفاده از اطلاعات طیفی و بافتی منجر به ناکارآمدی طبقه بندی می شود. به عبارتی در طبقه بندی رایج بیشتر با استفاده از خصوصیات طیف و ویژگی های پیکسل های تصویر به شناسایی عوارض و کلاس ها پرداخته می شود. درصورتی که بتوان تطابق مکانی و مفهومی پیکسل ها را نیز در نظر گرفت، به این ترتیب می توان تمایز بیشتری بین کلاس های تصویری قائل شد و فرآیند ماشینی را به تفسیر ذهنی و انسانی نزدیک نمود و بر کارایی سیستم افزود. تمرکز اصلی تحقیق حاضر استفاده از مفاهیم سیستم های خبره در طبقه بندی به منظور آنالیز شئ گرای تصاویر در سطوح مقیاس کلاسی است. بدین منظور با وارد نمودن قوانین دانش پایه به منظور کنترل هدفمند و قانونمندسازی روند توأمان قطعه بندی و تفسیر تصویر، با در نظر گرفتن ویژگی های هندسی کلاس های هدف بهبود دقت را منجر گردد. جهت بررسی کارایی تکنیک پیشنهادی، ارزیابی و مقایسه روش پیشنهادی با چند روش دیگر بر روی تصاویر ماهواره ا ی IRS در منطقه ی شهری جزیره کیش صورت پذیرفته است. نتایج حاصل از این تحقیق نشان می دهد ویژگی های هندسی و مفهومی می توانند به عنوان منبع اطلاعاتی مکمل، سبب بهبود نتایج طبقه بندی در منطقه شهری با عوارض ناهمگون طیفی گردند. طوری که در بررسی مورد اشاره صحت کلی و ضریب کاپا به ترتیب 8 درصد و 5/11 درصد افزایش پیدا کرده اند.