فیلترهای جستجو:
فیلتری انتخاب نشده است.
نمایش ۱٬۰۴۱ تا ۱٬۰۶۰ مورد از کل ۱٬۱۹۱ مورد.
حوزههای تخصصی:
سنجش از دور علم دریافت اطلاعات از سطح زمین، بدون تماس آشکار با اجزای مورد مطالعه است. تجاری سازی مجموعه فعالیت هایی است که نوآوری ها را به محصول یا خدماتی تبدیل می کند که از آن مزایای اقتصادی حاصل می شود. با توجه به کاربرد گسترده سنجش و اهمیت فراوان کاربرد آن در کشاورزی، اهمیت تجاری سازی این تکنولوژی در کشاورزی دارای اولویت است و در این پژوهش، بررسی شده است. جامعه هدف این پژوهش، شرکت های فعال و غیرفعال در این زمینه اند؛ به این دلیل که با استفاده از تجربیاتشان امکان فراهم آوردن زمینه مناسب به منظور پرورش تکنولوژی سنجش از دور به وجود آید. با این هدف، در این تحقیق، از روش مصاحبه عمیق برای گردآوری اطلاعات و از روش گلوله برفی برای نمونه گیری استفاده شده است. با استفاده از نمودار چرخه عمر محصول و تکنولوژی، چالش های تجاری سازی تکنولوژی و زیرساخت های مورد نیاز، المان های تجاری سازی، انواع نرم افزارهای کاربردی در صنعت کشاورزی دنیا، نمودار سرمایه گذاری در سنجش از دور و تحلیل ماندگاری سنجش از دور در کشاورزی، به منزله یک کسب وکار، بررسی موشکافانه شده است. در نتیجه، بهترین روش برای تجاری سازی محصول کاهشِ محدودیت ها برای شرکت های فعال، ایجاد زیرساخت های لازم، به ویژه داده های اولیه به موقع، و استقلال در بهره برداری از این تکنولوژی است تا امکان بهره گیری از انواع روش های تجاری برای کاربران فراهم آید.
تلفیق اطلاعات طیفی و مکانی به منظور تفکیک محصولات کشاورزی با استفاده از تصاویر چند زمانه سنتینل 2 (مطالعه موردی: شهرستان قروه)(مقاله علمی وزارت علوم)
حوزههای تخصصی:
امروزه کاربردهای تصاویر ماهواره ای، در پایش و مدیریت زمین های کشاورزی، رو به گسترش است. با توجه به قدرت تفکیک مکانی، طیفی و زمانی بالای تصاویر سنتینل 2، در این مطالعه، در کشاورزی دقیق در شهرستان قروه از این تصاویر استفاده شده است. ابتدا با توجه به تقویم زراعی محصولات متفاوت آن منطقه، تصاویر سری زمانی جمع آوری شد. در روش پیشنهادی، نخست، فضای ویژگی طیفی براساس بازتاب طیفی باندها و همچنین شاخص های گیاهی، ایجاد شد. ابعاد فضای ویژگی طیفی، با استفاده از روش آنالیز مؤلفه های اصلی، کاهش یافت. سپس چهار طبقه بندی کننده قدرتمند ماشین های بردار پشتیبان، شبکه عصبی پرسپترون چندلایه، نزدیک ترین k همسایه و جنگل های تصادفی نقشه طبقه بندی از اطلاعات طیفی تولید کردند. در ادامه، مکانی با هدف تعیین مرز مزارع، اطلاعات استخراج شد. برای این منظور، از شناسایی لبه ها در سری زمانی تصاویر سنتینل 2 استفاده شد. در نهایت، نقشه طبقه بندی نهایی، با تلفیق اطلاعات مکانی و ادغام نتایج طبقه بندی کننده ها ایجاد شد. نتایج به دست آمده نشان داد که دقت طبقه بندی کننده های نزدیک ترین k همسایه، ماشین های بردار پشتیبان، شبکه عصبی پرسپترون چندلایه و جنگل های تصادفی روی فضای ویژگی طیفی اولیه، به ترتیب 78/77%، 16/79%، 41/76% و 89/76% است. با استفاده از روش پیشنهادی، دقت طبقه بندی به 72/94% افزایش پیدا کرد که حاکی از توانایی آن در منطقه مورد مطالعه است.
ارزیابی همبستگی بین داده PM10 ایستگاه زمینی سنندج و داده AOD سنجنده مادیس(مقاله علمی وزارت علوم)
حوزههای تخصصی:
تحقیق حاضر با هدف ارزیابی دقت داده های ماهواره ای سنجنده مادیس در پایش ریزگردها (ذرات PM 10 )، به منظور مقایسه با داده های ایستگاه زمینی سنجش آلودگی در شهر سنندج انجام گرفته است. بدین ترتیب، میزان عملکرد داده های ماهواره ای در اندازه گیری ریزگردها، در ایستگاه زمینی سنندج، مشخص می شود. ابتدا داده های ماهواره ای عمق نوری (ذرات PM 10 ) سنجنده مادیس، متناظر با داده های PM 10 زمینی تهیه شده از ایستگاه زمینی پایش آلودگی واقع در شهر سنندج، به دست آمد؛ آنگاه ضریب همبستگی دو سری داده محاسبه شد. برای پیش بینی دقیق داده های PM 10 ، دو مدل آریما و شبکه عصبی مصنوعی به کار رفت. داده های AOD سنجنده مادیس با استفاده از روش حداکثر برآورد احتمال و وزن به دست آمده از ریشه میانگین مربعات خطا، به منظور استفاده در این دو مدل، ترکیب شدند. در نهایت، روش مقایسه منفرد برای هریک از مدل ها و نیز مقایسه مدل ها، با هدف شناسایی مدل بهتر در تشخیص و پیش بینی داده های PM 10 حاصل از سنجنده مادیس، اعتبارسنجی شد. در مدل شبکه عصبی، ضریب همبستگی در مرحله آموزش 52%، در مرحله آزمون 53%، RMSE برابر با 62/1 و MAE برابر 62/2 به دست آمد. طبق محاسبات، مدل آریمای 1-0-3 تنها مدل مورد قبول با R برابر با 46/0و 06/0MAE= و 69/0RMSE= است. این بیان می کند مدل آریما مدل مناسبی برای پیش بینی داده هاست اما دقت مدل شبکه عصبی، در ارزیابی میزان همبستگی بین داده ها، بیشتر تشخیص داده شد. نتایج تحقیق نشان داد که بین داده های عمق نوری ریزگرد سنجنده مادیس با داده های زمینی رابطه مستقیمی وجود دارد و این الگوریتم قادر به شناسایی گردوغبار است و می تواند جایگزین مناسبی برای محصولات PM 10 تولیدشده از سوی ایستگاه زمینی باشد.
بهبود طبقه بندی تصاویر ابرطیفی با استفاده از مدل ترکیبی شبکه های کپسول و درخت تصمیم تقویتی(مقاله علمی وزارت علوم)
حوزههای تخصصی:
با گسترش دانش سنجش از دور، استفاده از تصاویر هایپراسپکترال روزبه روز افزایش و عمومیت می یابد. طبقه بندی یکی از محبوب ترین موضوعات در سنجش از دور ابرطیفی است. طی دو دهه گذشته، روش های بسیاری برای مقابله با مشکل طبقه بندی داده های هایپراسپکترال پیشنهاد شده است. در پژوهش حاضر، ساختاری مبتنی بر یادگیری شبکه های کپسول برای طبقه بندی تصاویر ابرطیفی به کار رفته است؛ به گونه ای که ساختار شبکه بتواند، با استفاده از یک لایه کانولوشنی و یک لایه کپسول، بهترین حالت تولید ویژگی ها را داشته باشد و درعین حال از بیش برازش شبکه روی نمونه های آموزشی جلوگیری کند. نتایج به دست آمده نشان از کیفیت بالای ویژگی های تولیدی در ساختار پیشنهادی دارد. درراستای بهبود دقت طبقه بندی، رویکرد استخراج ویژگی ازطریق شبکه طراحی شده و طبقه بندی با استفاده از الگوریتم درخت تقویتی XGBoost، با روش طبقه بندی ازطریق شبکه عمیق سراسری مقایسه شد تا، علاوه بر بررسی و کیفیت سنجی ویژگی های عمیق برداری تولیدی به روش پیشنهادی در طبقه بندی کننده های گوناگون، میزان توانایی شبکه های عمیق سراسری نیز، در کاربرد طبقه بندی، بررسی شود. رویکرد کپسول پیشنهادی شامل سه لایه اصلی است: 1) Prime با کپسول هایی به اندازه 8 و 32 فیلتر 9×9 و گام حرکتی 2؛ 2) Digitcaps دارای دَه کپسول شانزده بعدی؛ 3) لایه تماماً متصل. نتایج بررسی دو رویکرد برای شبکه عمیق و نیز ترکیب شبکه های کپسول با الگوریتم درخت تقویتی XGBoost مقایسه شد. رویکردهایی همچون SVM، RF-200، LSTM، GRU، و GRU-Pretanh برای مقایسه رویکرد پیشنهادی براساس پیکربندی هایی درنظر گرفته شدند که در تحقیقات به آنها اشاره شده بود. برای ارزیابی مدل پیشنهادی، مجموعه داده Indian Pines نیز، شامل شانزده کلاس متفاوت، به کار رفت. با استفاده از روش پیشنهادی ترکیبی، طبقه بندی تصاویر با دقت 99% روی داده های آموزش و دقت 5/97% روی داده های تست انجام می شود.
طراحی و اجرای الگوریتم آدابوست عارضه مبنا مبتنی بر یادگیری فعال به منظور طبقه بندی پوشش زمین در تصاویر با حد تفکیک مکانی بالا(مقاله علمی وزارت علوم)
حوزههای تخصصی:
با بهبود حد تفکیک مکانی تصاویر سنجش از دور، اطلاعات دقیق تری از صحنه تصویر همچون ساختارهای بافت، فراهم شده است. این منابع داده، به دلیل جزئیات بسیار، دارای واریانس درون کلاسی زیاد و واریانس بین کلاسی اندک اند؛ ازاین رو استخراج اطلاعات پوشش زمین از آنها به فرایندی چالش برانگیز تبدیل شده است. در این تصاویر، تفسیر بصری زمان بر و پرهزینه است و تفسیر اتوماتیک آنها لزوماً به دقت بالا منجر نمی شود و رسیدن به دقت تفسیر مطلوب نیازمند طراحی الگوریتم های اتوماتیک است؛ به صورتی که توانایی مقابله با مشکلات ناشی از پیچیدگی صحنه تصویر را داشته باشند. برای غلبه بر این مشکل، روش آنالیز عارضه مبنای تصویر که به مورفولوژی صحنه تصویر حساس است، به ویژه در مطالعه ای شهری که تراکم ساختارهای شکل گرفته به دست انسان بالاست، ممکن است کارآمد باشد. در طبقه بندی عارضه مبنا، پیکسل های بیانگر یک عارضه در ترکیب با یکدیگر، تجزیه و تحلیل می شوند؛ در نتیجه، فضای مسئله به نسبت طبقه بندی پیکسل مبنا کاهش می یابد و مزیت این امر افزایش سرعت محاسبات است. درعین حال به دلیل اندازه متنوع اشیای تصویری، طبقه بندی نظارت شده عارضه مبنا در ایجاد مجموعه آموزشی بهینه با چالش هایی مواجه است. در تحقیق حاضر، به منظور طبقه بندی عارضه مبنا، از الگوریتم آدابوست استفاده شده است. برای غلبه بر مشکل فقدان تناسب فضای ویژگی ناشی از تعداد اندک نمونه های آموزشی و توزیع نامتناسب آنها در مقایسه با ابعاد بالای فضای ویژگی (شامل ویژگی های طیفی، مکانی و هندسی)، دو راهبرد دنبال شده است. در یک رویکرد برای تولید مجموعه آموزشی بهینه، مکانیسم یادگیری فعال با الگوریتم آدابوست ادغام شده و در رویکردی دیگر به منظور کاهش ابعاد فضای ویژگی، براساس همبستگی بین ویژگی ها (افزونگی) و همبستگی بین ویژگی ها و کلاس ها (مطابقت)، زیرمجموعه ویژگی منتخب استخراج شده است. روش پیشنهادی روی مجموعه داده استاندارد وهینگن کشور آلمان اجرا و نتایج حاصل از آن با طبقه بندی پیکسل مبنا مقایسه شده است. به منظور بررسی معنی داری اختلاف های حاصل شده در نتایج ارزیابی ها نیز، آزمون آماری مک نمار به کار رفته است. نتایج تجربی نشان دادند که رویکرد عارضه مبنای پیشنهادی، در قیاس با رویکرد پیکسل مبنا، به طور متوسط 6% دقت کلی و 7% ضریب کاپا را بهبود داده است. همچنین سرعت محاسبات در روش آدابوست عارضه مبنای پیشنهادی، در مقایسه با رویکرد پیکسل مبنا افزایش چشمگیری یافته است. این نتایج بیانگر عملکرد بهینه رویکرد پیشنهادی، هم از نظر دقت و هم از نظر سرعت محاسبات است.
تخمین دمای هوای بیشینه و کمینه روزانه با استفاده از محصولات دمای سطح زمین سنجنده مادیس(مقاله علمی وزارت علوم)
حوزههای تخصصی:
با توجه به اهمیت داده های هواشناسی و وجود محدودیت داده برداری در ایستگاه های زمینی، فنّ سنجش از دور می تواند نقش مهمی در تهیه این داده ها ایفا کند. هدف از این پژوهش ارزیابی کمّی دمای سطح زمین (LST) حاصل از تصاویر سنجنده مادیس، برای تخمین دمای هوای بیشینه و کمینه روزانه در حوضه آبخیز طالقان است. برای این منظور، داده های دمای هوای بیشینه و کمینه روزانه سه ایستگاه هواشناسی زمینی و مقادیر LST روز و شب و NDVI سنجنده مادیس، متعلق به دوره زمانی 2009 تا 2015، دریافت و تهیه شد. سپس با استفاده از روش رگرسیون خطی چندگانه، بین هریک از متغیرهای مؤثر و دمای هوای بیشینه و کمینه روزانه در ایستگاه های زمینی، ارتباط برقرار شد. نتایج نشان داد که بین دمای هوای بیشینه و کمینه روزانه در ایستگاه های زمینی، با LST روز و شب و NDVI حاصل از سنجنده مادیس، همبستگی معنی داری وجود دارد؛ بنابراین از این متغیر ها در روابط رگرسیونی استفاده شد. نتایج حاصل از اعتبارسنجی نشان داد روابطی که با همه متغیرهای مؤثر ایجاد شده است بیشترین صحت را دارد؛ به طوری که بهترین مدل در تخمین بیشینه دمای هوای روزانه، دارای مقادیر ، NSE و RMSE، به ترتیب 75/0، 75/0 و C ˚ 7/4+ و درمورد کمینه دمای هوای روزانه، به ترتیب 71/0، 71/0 و C ˚ 9/2+ است؛ ازاین رو می توان با تبدیل دمای سطح زمین حاصل از تصاویر سنجنده مادیس، دمای هوا را با دقت بالا در مقیاس روزانه و ماهیانه، برای استفاده در پژوهش های گوناگون، تخمین زد.
مدل سازی برآورد زیست توده چوبی روی زمینی جنگل های شاخه زاد بلوط زاگرس با استفاده از داده های راداری ماهواره سنتینل -1(مقاله علمی وزارت علوم)
حوزههای تخصصی:
برآورد میزان زیست توده در توده های جنگلی با روش های سنجش از دوری اهمیت بسیاری دارد. هم زمان نبودن دریافت داده های ماهواره ای و اطلاعات میدانی و کاربرد معادلات آلومتریک جهانی، برای محاسبه وزن زیست توده درختان جنگلی داخل کشور، از مهم ترین دلایل عدم قطعیت در نتایج و تحلیل های حاصل از مطالعات مشابه قبلی به شمار می روند. به حداقل رساندن این مشکلات و بررسی قابلیت و عملکرد داده ها در توسعه مدل مناسب برآورد زیست توده جنگل، در منطقه بانکول بخش کارزان شهرستان سیروان، استان ایلام، با استفاده از داده های راداری ماهواره سنتینل 1، اخذشده در تاریخ 6 تیرماه 1396، هدف این تحقیق بود. اندازه قطر میانگین تاج پوشش درختان در 53 قطعه نمونه زمینی مربعی، مربوط به فرم رویشی شاخه زاد، به ابعاد 30×30 متر که در بازه زمانی 2 تا 20 خرداد 1396، به کمک دستگاه موقعیت یاب جهانی تفاضلی و به روش تعیین موقعیت کینماتیک آنی روی زمین اجرا و برداشت شدند، وارد روند برآورد زیست توده شد. میانگین زیست توده برداشت شده میدانی 10.63 تن درهکتار بود. پس از استخراج ویژگی های راداری، آن دسته از ویژگی ها که بیشترین میزان همبستگی را با مقادیر زیست توده داشتند انتخاب و از بین آنها، با به کارگیری الگوریتم ژنتیک و با استفاده از دو مدل رگرسیون K نزدیک ترین همسایه و رگرسیون بردار پشتیبان، مناسب ترین ترکیب ویژگی ها شناسایی و سپس، مقادیر زیست توده مدل سازی شد. اعتبارسنجی مدل ها با استفاده از 26 قطعه نمونه تست، انجام گرفت. همبستگی بین ویژگی های حاصل از داده های راداری و مقادیر زیست توده نشان داد که ویژگی های VH، Mean VV، Mean VV GLCM (Correlation) و Mean VH GLCM (Dissimilarity) بیشترین حساسیت را به مقادیر زیست توده داشتند. استفاده از مدل های رگرسیون نشان داد که روش رگرسیون بردار پشتیبان، با RMSE نسبی 0.08، از روش رگرسیون K نزدیک ترین همسایه، با RMSE نسبی 0.10، دقیق تر عمل کرده است. از بین ترکیب های ویژگی مورد بررسی نیز، بهترین ترکیب در حالت استفاده از رگرسیون K نزدیک ترین همسایه، دارای RMSE به میزان تقریبی 0.99 تن درهکتار (معادل10%) و ضریب تعیین 0.23 و در حالت استفاده از رگرسیون بردار پشتیبان، دارای RMSE به میزان 0.87 تن درهکتار (معادل 8%) و ضریب تعیین 0.14 بود. مدل های نهایی حاصل از ترکیب ویژگی های بهینه استخراج شده از داده راداری در طول موج باند C و روش های رگرسیونی پارامتری و غیرپارامتری مورد بررسی در این تحقیق به تنهایی قادر به بهبود اثر اشباع شدگی در داده، برای برآورد زیست توده در جنگل های مورد مطالعه، نبودند و منجر به پیشنهاد مدل برآوردکننده ای با صحت قابل قبول نشد.
ارزیابی میزان امنیت در سکونتگاه های غیررسمی (مورد مطالعه: محله حکیم نظامی-ارومیه)(مقاله پژوهشی دانشگاه آزاد)
منبع:
کاربرد سیستم اطلاعات جغرافیایی و سنجش از دور در برنامه ریزی دوره ۱۲ تابستان ۱۴۰۰ شماره ۲
68 - 86
حوزههای تخصصی:
هدف از پژوهش حاضر شناسایی نقاط جرم خیز، دسته بندی و ارزیابی امنیت با رویکرد پیشگیری از جرم از طریق طراحی محیطی می باشد و با توجه به اینکه این امر در سکونتگاه های غیررسمی یا به اصطلاح کم برخوردار بیشتر نمایان می گردد، این پژوهش در محله حکیم نظامی ارومیه مورد بررسی قرار گرفته است. روش پژوهش حاضر، توصیفی-تحلیلی و از نوع کاربردی می باشد. روش جمع آوری داده ها به دو روش اسنادی و میدانی صورت گرفته است. جامعه آماری این پژوهش کلیه ساکنین محله حکیم نظامی شهر ارومیه می باشد که طبق آمار 1397، 33000 نفر می باشد و از این تعداد 379 نفر بر اساس فرمول کوکران و به روش تصادفی طبقه ای انتخاب گردیده اند. تجزیه و تحلیل اطلاعات به دو صورت کمی و کیفی انجام گرفته است، در بعد کمی از روش های آماری و در بعد کیفی، نتایج حاصل از مشاهدات میدانی و مصاحبه ها تجزیه و تحلیل گردیده است. بررسی نتایج پژوهش نشانگر این است که با استفاده از داده های مکانی محله میزان امنیت قسمت غرب بهتر از قسمت شرق محله می باشد و دلیل اصلی این اتفاق به دلیل تجمع ارازل در این قسمت از محله می باشد. بر اساس داده های پرسشنامه ای نیز مولفه های نظارت طبیعی، کنترل دسترسی، تصویر و نگهداری از فضا و فعالیت های حمایتی در وضعیت بالاتری نسبت به سطح متوسط و مولفه قلمرو گرایی در وضعیت پایین تر از سطح متوسط قرار دارد. همچنین با توجه به نتایج آزمون فریدمن، مولفه ی تصویر و نگهداری از فضا در رتبه اول و مولفه ی قلمروگرایی در رتبه ی آخر قرار گرفت که نیازمند توجه ویژه ای می باشد.
تهیه نقشه پوشش گیاهی مناطق کران رودی با استفاده از طبقه بندی پیکسل مبنا و شیءمبنا تصاویر چندزمانه ماهواره سنتینل-2(مقاله علمی وزارت علوم)
حوزههای تخصصی:
پوشش های گیاهی مناطق کران رودی، با وجود مساحت کم، خدمات اکوسیستمی فراوانی عرضه می کنند. نظر به اینکه برنامه های نظارتی و آماربرداری پیوسته ای برای این پوشش های گیاهی در کشور وجود ندارد، تهیه نقشه و پایگاه داده مکانی برای آنها امری ضروری است. اما آمیختگی این پوشش های گیاهی با سایر کاربری های زمین سبب ایجاد چالش ها و مشکلاتی در تهیه نقشه برای آنها شده است. بنابراین، انتخاب روش مناسب طبقه بندی بسیار حائز اهمیت است. در این زمینه و در تحقیق حاضر، دو روش پیکسل مبنا و شیء مبنا در طبقه بندی این پوشش های گیاهی، با استفاده از تصاویر رایگان ماهواره سنتینل -2، مقایسه شده است. بدین منظور، پنج منطقه کران رودی متفاوت در استان چهارمحال و بختیاری انتخاب شد و برای آموزش مدل های طبقه بندی به کار رفت. در فرایند مدل سازی، از الگوریتم طبقه بندی جنگل تصادفی و داده های چندزمانه ماهواره سنتینل -2 استفاده شد. اعتبارسنجی مدل ها به صورت گسترده، با استفاده از نقاط صحت سنجی مستقل در سطح استان، انجام شد. نتایج نشان داد که تصاویر ماهواره سنتینل -2 قابلیت بالایی در تهیه نقشه پوشش گیاهی در مناطق کران رودی کوه های زاگرس دارد و روش طبقه بندی پیکسل مبنا (صحت کلی 83.9%) بهتر از روش شیءمبنا (صحت کلی 76.7%) بوده است. در مجموع، تحقیق حاضر استفاده از روش طبقه بندی پیکسل مبنا روی تصاویر چندزمانه ماهواره سنتینل -2 را به منزله ابزاری ارزان و مناسب در آشکارسازی این پوشش های گیاهی پیشنهاد می دهد. حائز اهمیت است که در این روش، تا جای ممکن، از پیکسل های دارای خلوص بیشتر به منزله پیکسل های آموزشی در توسعه مدل ها استفاده شود.
بررسی پتانسیل شرایط جغرافیایی و ژئومورفولوژی در ذخیره سازی منابع آب با استفاده از GIS (منطقه مورد مطالعه شمال کویر حاج علیقلی)(مقاله پژوهشی دانشگاه آزاد)
حوزههای تخصصی:
آب ماده اولیه و ضروری حیات، توسعه صنایع، تولیدات کشاورزی و..... به شمار می رود. اگر موضوع حفاظت آبها و خاکها به طور سیستماتیک و در مقیاس بسیار وسیع تحقق یابد، در واقع ثبات محیط طبیعی تامین می شود.محدوده تحقیق بین َ 50 ْ 35 تا َ 26 ْ 36 عرض شمالی وَ 12 ْ 54 تا َ 46 ْ 54 طول شمالی قرارداردکه از شمال به ارتفاعات البرز، از شرق به روستای ده ملا ، از غرب به شهر دامغان و از جنوب به کویر حاج علیقلی محدود می گردد. ازجمله روستاهای موجود در منطقه روستای مهماندوست،ده ملا،کلاته ملا،فرات ، زرین آباد، مهدی آباد،عباس آباد،امرزان، بق، جزن،حیدرآبادو حاجی آباد می باشدکه جمعیتی حدود 62000 نفر را همراه با شهر دامغان در بر می گیرد. شغل اصلی جمعیت منطقه مذکور باغداری می باشد. معضل افت آبهای زیرزمینی، شور شدن آبها، افزایش تقاضا و پتانسیل منطقه جهت افزایش سطح زیر کشت، نیاز به بررسی همه جانبه در ایجاد توسعه پایدار داشته و جزء ضروری ترین مسائل منطقه است. جهت رسیدن به این منظور تمامی عوامل جغرافیایی و طبیعی به خصوص ژئومورفولوژی منطقه به صورت دقیق و میدانی و با استفاده از نرم افزار GIS مورد مطالعه و بررسی قرار گرفته اند تا نقش آنها بر منابع آب این منطقه که یکی از مراکز فعالیت های انسانی در زمینه کشاورزی است مشخص گردد.نتایج نشان می دهد که ژئومورفولوژی منطقه شامل کوههای بلندبا تاثیردرمیزان بارش همچنین تشکیلات آهکی تکتونیزه سهم عمده ای در تامین آب منطقه دارد که همراه با دشت سر های گسترده نقش اصلی را در تغذیه سفره ها ایفاء می نمایند.
پهنه بندی وضعیت توسعه کشاورزی پایدار استان کویری خراسان جنوبی با استفاده از روش مزیت نسبی در محیط GIS(مقاله پژوهشی دانشگاه آزاد)
منبع:
کاربرد سیستم اطلاعات جغرافیایی و سنجش از دور در برنامه ریزی دوره ۱۰ تابستان ۱۳۹۸ شماره ۲
35 - 49
حوزههای تخصصی:
پهنه بندی میزان پایداری کشاورزی وضعیت پایداری، امکان مقایسه و شناخت نقاط ضعف و قوت را در مناطق مختلف فراهم می نماید. متغیرهای گوناگونی در تعیین توسعه کشاورزی پایدار دخالت دارند. مقایسه جداگانه هر متغیر، ترتیب قرار گرفتن هر شهرستان را در جدول تغییر می دهد. از این جهت، در بررسی حاضر با بهره گیری از آمار سرشماری کشاورزی سال 1380 تا 1393، سرشماری های عمومی نفوس و مسکن در این بازه زمانی برای مناطق مورد مطالعه (خراسان جنوبی)، تعداد 60 سنجه در پنج گروه عمده منابع کشاورزی، پیشرفت کشاورزی، جوامع روستایی، محیط زیست و آموزش و علوم، مورد مطالعه قرار گرفته است. متغیرهای مورد مطالعه با روش مزیت نسبی و به صورت ترکیبی در عوامل معنی دار ارائه و مورد تجزیه و تحلیل قرار گرفت. در پایان، با استفاده از GIS سطح بندی شهرستان های استان مورد مطالعه، جهت تحلیل فضایی وضعیت توسعه کشاورزی پایدار نمایش داده شده و جایگاه هر یک از شهرستان های این استان ها از لحاظ توسعه کشاورزی پایدار مشخص گردید. نهایتا در 6 کلاس (پایداری بالا، پایداری متوسط، پایداری ضعیف، ناپایداری ضعیف، ناپایداری متوسط و ناپایداری بالا) نشان داده شدند. بطور کلی می توان بیان کرد که شهرستان قائنات در تمام شاخص ها از لحاظ کشاورزی پایدارتر و شهرستان فردوس در بدترین حالت پایداری قرار دارند.
ارزیابی تأثیر خشکسالی در پوشش گیاهی ایران با استفاده از تصاویر ماهواره ای و داده های هواشناسی(مقاله علمی وزارت علوم)
منبع:
سنجش از دور و GIS ایران سال ۱۶ بهار ۱۴۰۳ شماره ۱ (پیاپی ۶۱)
81 - 102
حوزههای تخصصی:
مقدمه: شرایط خشکسالی ممکن است، از متوسط تا شدید و با مدت زمان متفاوت، متغیر باشد؛ این تغییرات به نظارت مداوم و عملیاتی نیاز دارد. هرچه خشکسالی بیشتر طول بکشد، در پوشش گیاهی و منابع آبی تأثیر بیشتری می گذارد و خشکسالی تشدید می شود؛ درنتیجه، ممکن است خدمات به انسان ها را محدود کند و سیستم های طبیعی را تغییر دهد. از جمله تأثیرات خشکسالی، تخریب زیستگاه حیات وحش، کاهش کیفیت آب و کاهش دسترسی به منابع آب است. پایش خشکسالی برای محققان، مدیران و تصمیم گیرندگان، به منظور شناسایی مناطق آسیب پذیر، ضروری است و نتایج آن با هدف کاهش پیامدهای خشکسالی به کار می رود.مواد و روش ها: در این مطالعه تلاش شده است، با استفاده از تصاویر مادون قرمز سنجنده Suomi NPP دریافتی از سایتearth data.nasa.gov و بهره گیری از شاخص هایNDVI ، VCI، TCIو VHIوضعیت خشکسالی پوشش گیاهی در ایران بررسی شود. دوره مورد مطالعه 2021-2013، اول آوریل تا انتهای جولای (هفته 13 تا 26 میلادی)، به صورت میانگین هفتگی است. میانگین ماهیانه شاخص استاندارد بارش (SPI) در ایران با استفاده از داده های بارش روزانه 143 ایستگاه سینوپتیک به دست آمد. سپس ضریب همبستگی (SPI) با هریک از شاخص های VHI، TCI، VCI و NDVI محاسبه شد. در تصاویر مادون قرمز، باندهای M دارای قدرت تفکیک 750 و باندهای I برابر با 375 متر است.نتایج و بحث: براساس داده های بارش ثبت شده در ایستگاه های هواشناسی سینوپتیک، می توان گفت که عمده بارش در فصل های پاییز، زمستان و بهار رخ داده و سهم تابستان در بارش سالانه اندک می باشد. بنابراین سال آبی، در بیشتر مناطق ایران، به طور تقریبی از دهه سوم سپتامبر شروع و تا دهه دوم و سوم ژوئن هر سال ادامه دارد. در منطقه مورد مطالعه، بهترین پایه زمانی برای پایش و برآورد آن از اول آوریل تا اواخر ژوئن است. در فصل تابستان، ایران یک فصل خشک را می گذراند و ماه اوت خشک ترین ماه سال است. تغییرات زمانی و مکانی خشکسالی هریک از شاخص های پوشش گیاهی با یکدیگر تفاوت زیادی دارد.نتیجه: میزان هریک از شاخص ها در شرایطی که پوشش گیاهی در وضعیت خشکسالی قرار دارد کاهش یافته و در طبقه خشکسالی خفیف و سپس شدید قرار می گیرد. بدین ترتیب، طی سال هایی که خشکسالی رخ داده است، مقدار شاخص ها از ماه آوریل روند نزولی دارد و در ژوئن و جولای، شاخص ها به سمت خشکسالی شدید میل پیدا می کند. براساس محاسبات، مشخص شد که مقدار شاخص استاندارد بارش در پهنه مورد مطالعه، طی ماه های گرم سال منفی است. این نکته بیانگر پایین بودن میزان بارش دریافتی درقیاس با دیگر ماه های سال است.
یک مدل شبکه عصبی پیچشی برای پیش بینی مسیر حرکت طوفان های گرد و غبار(مقاله علمی وزارت علوم)
منبع:
سنجش از دور و GIS ایران سال پانزدهم بهار ۱۴۰۲ شماره ۱ (پیاپی ۵۷)
129 - 139
حوزههای تخصصی:
طوفان های گردوغبار بلایایی طبیعی اند که در زندگی انسان و محیط زیست تأثیر چشمگیری گذاشته اند. توسعه مدل هایی، به منظور پیش بینی مسیر حرکت این طوفان ها، در پیشگیری و مدیریت طوفان های گردوغبار نقش بسزایی ایفا می کند زیرا مسیر انتقال آنها را آشکار و مناطق آسیب پذیر بعدی در برابر طوفان را مشخص می کنند. به لطف امکانات روش های یادگیری عمیق در حل مسائل مبتنی بر سری زمانی و یافتن الگوهای پنهان از حجم داده کلان، در این پژوهش، یک مدل ترکیبی شبکه عصبی پیچشی (CNN) به منظور پیش بینی مسیر حرکت طوفان گردوغبار، براساس داده عمق نوری هواویز (AOD) محصول MERRA-2 برای دوازده ساعت آینده، توسعه داده شده است. همچنین چهل رویداد طوفان، شامل 2489 ساعت طوفان در منطقه ای خشک در مرکز و جنوب آسیا، به منظور آموزش مدل به کار رفته است. نتایج نشان می دهد که مدل پیشنهادی پیش بینی دقیقی از مسیر حرکت طوفان به دست می دهد؛ به گونه ای که درمورد گام های زمانی 3، 6، 9 و 12 ساعت آینده، مقادیر دقت کلی به ترتیب برابر با 9806/0، 9810/0، 9813/0 و 9790/0، مقادیر امتیاز F1 به ترتیب برابر با 8490/0، 8524/0، 8530/0 و 8384/0 و مقادیر ضریب کاپا به ترتیب برابر با 8387/0، 8424/0، 8431/0 و 8273/0 است.
ارزیابی قابلیت طیف سنجی بازتابی در برآورد میزان کلروفیل و نیتروژن گندم(مقاله علمی وزارت علوم)
حوزههای تخصصی:
کلروفیل و نیتروژن برگ، به دلیل نقش مهمی که در فتوسنتز دارند، از شاخص های بیولوژیک مهم وضعیت فیزیولوژیک گیاهان به شمار می روند. توانایی در کمّی سازی میزان کلروفیل و نیتروژن می تواند اطلاعات مهمی در زمینه فعالیت های کشاورزی دقیق، برنامه ریزی مدیریت منابع گیاهی و کشاورزی، و مدل سازی خدمات و قابلیت های تولید اکوسیستم تهیه کند. هدف از این مطالعه ارزیابی قابلیت شاخص ها، به منظور تخمین میزان کلروفیل و نیتروژن گندم، با استفاده از داده های طیف سنجی در سطح تاج پوشش و همچنین تعیین مناسب ترین نواحی طیفی و پدیده های جذبی است. این پژوهش در محیط گلخانه انجام شد و اندازه گیری طیفی با دستگاه طیف سنج Fieldspec-3-ASD صورت گرفت. چهار شاخص باریک باند گیاهی، در قالب دو دسته شاخص های نسبتی (NDVI، RVI و DVI) و شاخص تعدیل کننده تأثیر خاک (SAVI 2 ) برای بازتاب طیفی و مشتق اول طیف برای کل نمونه ها، محاسبه و نتایج آنها مقایسه شد. پارامترهای عمق باند ماکزیمم، طول موج عمق باند ماکزیمم، مساحت، چولگی و پهنای کامل در نصف مقدار بیشینه، درمورد هفت پدیده جذبی محاسبه و همبستگی این شاخص ها با غلظت کلروفیل و نیتروژن گندم بررسی شد. نتایج نشان دادند، درصورتی که از طیف بازتابندگی استفاده شود، شاخص SAVI 2 ارتباطی قوی تر (۱۲ / ۰ =RMSE، ۸۵ / ۰=R 2 ) از دیگر شاخص ها با میزان کلروفیل نشان می دهد و درمورد شاخصNDVI نیز، این ارتباط قوی تر (۳۰ / ۰ =RMSE، ۶۹ / ۰=R 2 ) از شاخص های دیگر با میزان نیتروژن خواهد بود؛ درحالی که با استفاده از مشتق اول بازتاب طیفی شاخص NDVI نتایج بهتری ارائه می دهند. مساحت و عمق محدوده جذبی ۷۶۰-4۳0 نانومتر برای مطالعه میزان کلروفیل و نیتروژن گندم بهترین شاخص ها محسوب می شوند.
تعیین مناسب ترین روش استخراج دمای سطح زمین با استفاده از تصاویر ماهواره ای لندست (مطالعۀ موردی: شهر بیرجند)(مقاله علمی وزارت علوم)
حوزههای تخصصی:
جهان در حال گرم شدن است و جمعیت جهان به سکونت در شهرها روی می آورند. این دو حقیقت در ظاهر با هم ارتباطی ندارند اما پدیده ای به نام «جزیره حرارتی شهری» این دو را به هم پیوند می دهد. UHI یکی از معمول ترین پدیده های اقلیم شهری است که در آن برخی مناطق شهری، به ویژه مراکز شهرها، چند درجه از مناطق اطراف خود گرم تر می شوند. مطالعه این پدیده و بررسی مکانیسم آن برای برنامه ریزی های شهری اهمیت بسیار زیادی دارد. در پژوهش حاضر، به منظور برآورد LST، از چهار الگوریتم تک کاناله لندست، تک پنجره، معادله پلانک و معادله انتقال تابش در محیط نرم افزار QGIS، در بازه زمانی 2000 و 2019 طی فصل های تابستان و زمستان در شهر بیرجند استفاده شده و نیز اثر تغییر کاربری در جزیره حرارتی بررسی شده است. ابتدا دمای سطح زمین در شهر بیرجند، با استفاده از تصاویر ماهواره ای لندست، 7 سنجنده +ETM و لندست 8، سنجنده TIRS/OLI طی سال های 2000 و 2019 ازطریق چهار روش استخراج شد. به منظور بررسی توانایی کلی الگوریتم ها در محاسبه دمای سطح زمین، شاخص های آماری میانگین خطای مربعات، ضریب ناش ساتکلیف، میانگین خطای مطلق و ضریب تعیین به کار رفت. نتایج نشان داد که الگوریتم تک کاناله لندست، در محاسبه دمای سطح زمین در شهر بیرجند، دقت بیشتری در قیاس با الگوریتم های دیگر دارد.
بهبود تخمین پارامتر LAI با استفاده از توابع هزینه جایگزین و راهکارهای چندجوابه(مقاله علمی وزارت علوم)
حوزههای تخصصی:
پوشش گیاهی موتور محرک کره زمین است؛ تبادلات انرژی و آب بین اتمسفر و زمین را کنترل می کند و در چرخه های جهانی انرژی، اکسیژن، دی اکسیدکربن و آب نقش مهمی دارد. پایش و مدیریت پوشش های گیاهی با استفاده از پارامتر های بیوفیزیکی و بیوشیمیایی آن، مانند LAI، انجام می پذیرد. شاخص سطح برگ (LAI) از مهم ترین پارامترهای پوشش گیاهی است که در اغلب مدل سازی ها مانند مدل سازی چرخه های آب، انرژی و کربن استفاده می شود. رویکردهای بازیابی متفاوتی، به منظور استخراج اطلاعات پارامترهای بیوفیزیکی از داده های سنجش از دوری، توسعه یافته است. در تحقیق حاضر، از روش فیزیکی معکوس مدل انتقال تابش PROSAIL، مبتنی بر جدول LUT، با هدف بازیابی متغیر LAI استفاده شده است. همچنین داده های زمینی برداشت شده طی کمپین SPARC 2003 برای ارزیابی صحت متغیر بازیابی شده به کار رفت. برای رفع مشکل ill-posed، چهار دسته از معیارهای هزینه با عنوان اندازه گیر اطلاعات (IM)، حداقل اختلاف (MC)، اندازه گیر زاویه (SAM) و خطای حداقل مربعات (LSE) به همراه نرمال سازی و میانگین بهترین جواب ها استفاده شد. نتایج بهبود تخمین متغیر LAI را با استفاده از معیار اندازه گیر اطلاعات (Kulbak-liebler)، به میزان 12% و با استفاده از 11% میانگین بهترین جواب ها نشان دادند. تابع هزینه LSE نیز در قیاس با حالت نرمال نشده، 7% بهبود یافت.
تعیین اراضی مستعد کشت دیم محصول گندم با ارائه مدل تصمیم گیری VIKOR بر بستر GIS، مطالعه موردی: استان فارس(مقاله علمی وزارت علوم)
حوزههای تخصصی:
از ابتدای پیدایش کره زمین تا کنون، انسان بیش از سایر موجودات در محیط زیست خود تأثیر گذاشته و آن را، مطابق با میل خود، تغییر داده است. با افزایش جمعیت، محدودیت های آب و خاک و تغییرات اقلیمی تأمین مواد غذایی را با مشکلات و مسائل جدی مواجه کرده است. در میان محصولات غذایی کشاورزی، گندم یکی از محصولات استراتژیک پرمصرف در ایران و بسیاری از کشورهای جهان است که در شرایط اقلیمی گرم وخشک، با بازدهی مناسب، کشت می شود. در ایران، حدود 10% تقاضای بخش کشاورزی کشور از استان فارس تأمین می شود. با توجه به اینکه استان فارس رتبه دوم تولید گندم را در بین استان های کشور دارد؛ این پژوهش قصد دارد تناسب اراضی این استان را، برای کشت گندم به روش دیم، ارزیابی کند. در گام نخست، داده های اقلیمی و خاک شناسی و توپوگرافی در محدوده جغرافیایی این استان بررسی و تحلیل می شود. سپس لایه های اطلاعاتی وارد نرم افزار سیستم اطلاعات جغرافیایی (GIS) می شود و نقشه اراضی مستعد کشت گندم، با استفاده از روش تحلیلی تصمیم گیری چندمعیاره ویکور (VIKOR) تعیین می شود. نتایج این پژوهش نشان داده است حدود 32% از مساحت استان فارس در رتبه اول و دوم تناسب اراضی برای کشت گندم قرار دارد. همچنین، مشخص شد که بیشتر مناطق مناسب در غرب و شمال غرب استان فارس پراکنده شده اند.
به کارگیری تکنیک های خودهمبستگی مکانی در تحلیل مکانی- زمانی مصرف آب خانگی شهر قم در سطح خانوار(مقاله علمی وزارت علوم)
حوزههای تخصصی:
با توجه به کمبود منابع آبی، مسئله استفاده از این منابع و مدیریت بهینه آن اهمیت ویژه ای دارد. الگوی نامناسب مصرف آب در مناطق گوناگون شهری چه بسا ازجمله مواردی باشد که کمبود آب در شهرها را با مشکلاتی مواجه کند. بنابراین، استفاده از روش هایی ضرورت دارد که الگوی مصرف را در مناطق گوناگون شهری، شناسایی کند. هدف از این تحقیق بررسی الگوی مکانی مصرف آب در سطح شهر قم، با استفاده از تکنیک های خودهمبستگی مکانی است. بدین دلیل، ابتدا مصارف 117 محله شهر قم، طی سال 1396 گردآوردی و میانگین مصرف آب خانوار هریک از محله ها محاسبه شد. به منظور شناسایی نوع الگوی مصرف، از شاخص موران و با هدف توزیع مکانی الگوی حاکم، از شاخص موران محلی و نواحی گرم استفاده شد. نتایج خودهمبستگی مکانی نشان داد که بزرگ ترین الگوی خوشه ای مصرف آب در شهر قم، با مقدار شاخص موران (0.24 I =)، در فصل تابستان شکل گرفته و بیشترین معنی داری شاخص (7.02 z =) نیز در این فصل مشاهده شده است. در هر دو تحلیل موران محلی و نواحی گرم، مشاهده شد که مصارف بالا الگوی خوشه ای بالایی به نسبت مصارف پایین دارند. از نظر مکانی، خوشه های با مصرف بالا بیشتر در محله های مرکزی و غربی شهر و خوشه های با مصرف پایین نیز در محله های جنوبی، شرقی و شمالی شهر به صورت پراکنده ملاحظه شد. از نظر زمانی، خوشه های با مصرف بالا در محله های مرکزی و غربی، به ترتیب در فصل تابستان و زمستان و خوشه های با مصرف پایین نیز در فصل های سرد مشاهده شد.
پایش تغییرات پوشش برف طی دوره سرد سال در ایران بر اساس داده های سنجنده مادیس(مقاله علمی وزارت علوم)
حوزههای تخصصی:
مطالعه پوشش برف، در جایگاه یکی از منابع مهم تأمین آب شیرین، اهمیت بسیاری دارد. با توجه به کوهستانی بودن ایران، امکان اندازه گیری زمینی مساحت زیر پوشش برف وجود ندارد. بر این اساس، استفاده از تصاویر ماهواره ای برای شناسایی ذخیره گاه های برف بسیار مهم است. در این پژوهش، تغییرات زمانی مکانی پوشش برف ایران طی دوره سرد سال، با استفاده از داده های پوشش برف سنجنده مادیس ماهواره ترا، طی دوره آماری 2018-2003 بررسی شد. روند تغییرات پوشش برف و شیب این روند، با استفاده از آزمون های ناپارامتریک من کندال و سنس و نقطه تغییر پوشش برف با استفاده از آزمون بوشند مورد بررسی قرار گرفت. نتایج نشان داد بیشترین مقدار پوشش برف متعلق به ماه ژانویه، با 15/16% و کمترین مقدار پوشش برف مختص به ماه اکتبر، با کمتر از 1% است. کانون اصلی پوشش برف ایران، در دوره سرد سال، در مناطق مرتفع بیش از 4000 متر به دست آمده است. روند تغییرات پوشش برف، در تمامی ماه های مورد مطالعه، منفی و بیشینه شدت کاهشی پوشش برف نیز متعلق به ژانویه بوده است. نقطه تغییر نیز در همین ماه و سال 2008 محاسبه شد که از نظر آماری در سطح 0.05 معنی دار است. روند کاهشی درخور توجه پوشش برف ایران، در دوره سرد، تهدید بزرگی برای منابع آبی ایران به شمار می رود.
بهبود قطعه بندی تصاویر پلاریمتری با رویکرد ترکیبی تکنیک های ناحیه مبنا و مرزمبنا(مقاله علمی وزارت علوم)
حوزههای تخصصی:
سنجنده های رادار با روزنه مجازی، با داشتن ویژگی های گسترده، پتانسیل بسیاری در انواع کاربردهای سنجش از دوری دارند؛ ازجمله در قطعه بندی به هنگام پوشش و کاربری اراضی. با وجود دو رویکرد مستقل قطعه بندی ناحیه مبنا و مرزمبنا، به دست آوردن نتایج رضایت بخش در صورت استفاده از هریک از رویکردها در تصاویر SAR دشوار بوده است؛ درحالی که می توان با استفاده از اطلاعات مکمل هر دو روش، محدودیت های موجود را برطرف کرد و نتایج حاصل را بهبود بخشید. در این پژوهش، روش نوینی در قطعه بندی با استفاده از تصاویر پلاریمتری SAR و با هدف بهبود نتایج قطعه بندی مطرح شده که از ادغام هر دو رویکرد بهره گرفته است. روش پیشنهادی Felzenszwalb به منزله الگوریتم پیشنهادی ناحیه مبنا، از مجموعه روش های سوپرپیکسل، با دو روش Quickshift و SLIC مقایسه شد. نتیجه مشخص کرد که روش پیشنهادی توانسته است از قطعه بندی بیش ازحد تصویر جلوگیری کند و کارآیی آنالیز قطعه بندی را افزایش درخور توجهی بخشد. روش پیشنهادی قطعه بندی مرزمبنای آنتروپی شانون نیز، در مقایسه با دو روش گرادیان مبنای کنی و لاپلاسین، مرزهای قطعات تصویری را تا اندازه چشمگیری حفظ کرده است. مقایسه نتایج حاصل از اجرای این روش با داده های مرجع، مقادیر 39/10% و 25/11% را درمورد خطای کل، به ترتیب برای تصویر زمان اول و دوم، نشان می دهد. خطای کل، در مقایسه با عملکرد دو روش دیگر، 81/5 و 73/9% در تصویر اول و 16/11 و 86/13% در تصویر دوم بهبود داده شده است. در نهایت، ادغام دو رویکرد پیشنهادی قطعه بندی سبب شده است بهبود دقت در قطعه بندی تصویر پلاریمتری دستاورد مهم این پژوهش محسوب شود.