سیده سمیرا حسینی؛ حمید عبادی؛ یاسر مقصودی
دوره 8، شماره 3 ، تیر 1395، ، صفحه 25-38
چکیده
ازآنجاکه درختان نقش اساسی در تغییرات دی‌اکسید کربن و شرایط آب‌وهوایی دارند، تخمین زیست‌تودة موجود در درختان بسیار اهمیت دارد. روشهای راداری که پارامترهای ساختاری را در تخمین زیست‌توده در نظر نمی‌گیرند منجر به نتایجی با سطح اشباع پایین می‌شوند. ارتفاع از پارامترهای ساختاری است و یکی از عوامل مهم تأثیرگذار در بهبود تخمین ارتفاع ...
بیشتر
ازآنجاکه درختان نقش اساسی در تغییرات دی‌اکسید کربن و شرایط آب‌وهوایی دارند، تخمین زیست‌تودة موجود در درختان بسیار اهمیت دارد. روشهای راداری که پارامترهای ساختاری را در تخمین زیست‌توده در نظر نمی‌گیرند منجر به نتایجی با سطح اشباع پایین می‌شوند. ارتفاع از پارامترهای ساختاری است و یکی از عوامل مهم تأثیرگذار در بهبود تخمین ارتفاع استفاده از کوهرنس بهینه است. در این مقاله، از داده‌های شبیه‌سازی‌شده در باندهای P و L برای تخمین ارتفاع به روشهای تفاضلی، اندازه همدوسی، ترکیبی و Polarization Coherence Tomography (PCT) استفاده شده است. روش تفاضلی باعث تخمین ارتفاع کمتر از مقدار واقعی به‌اندازة 14 متر در باند P و 11 متر در باند L شده است؛ درحالی‌که روش اندازة همدوسی، به‌نسبت روش تفاضلی، نتایج بهتری به‌دست می‌آورد و اختلاف مقادیر میانگین ارتفاعات در این روش با مقادیر واقعی در باند P، 8 متر و در باند L، 2 متر است. روشهای ترکیبی و PCT نتایجی نزدیک به هم دارند و اختلاف میانگین مقادیر ارتفاعات به‌دست‌آمده با مقدار واقعی کمتر از 2 متر است اما نتایج حاصل از روش PCT به‌دلیل استفاده از کوهرنس بهینه، از روش ترکیبی بهتر است. روش بهینه‌سازی کوهرنس به روش PSO که در این مقاله پیشنهاد شده است نتایجی بهتر از روشهای دیگر حاصل کرده است و اختلاف میانگین مقادیر ارتفاعات به‌دست‌آمده با مقدار واقعی به کمتر از 5/0 متر می‌رسد.
حمیدرضا اورعی؛ مهدی مختارزاده؛ حمید عبادی
دوره 7، شماره 1 ، اسفند 1394، ، صفحه 81-94
چکیده
طبقه‌بندی، تکنیکی در تحلیل تصاویر سنجش از دور است که به‌طور وسیع در کاربردهای مختلف استفاده می‌شود. در روشهای طبقه‌بندی نظارتشدة سنتی، اطلاعات آموزشی و نتایج طبقه‌بندی مبتنی بر اصل «هر پیکسل-یک کلاس» نمایش داده می‌شوند. در مواردی که عدم‌اطمینان و پیکسل‌های مختلط در سنجش از دور وجود دارد، استفاده از روشهای فازی توصیه می‌شود. ...
بیشتر
طبقه‌بندی، تکنیکی در تحلیل تصاویر سنجش از دور است که به‌طور وسیع در کاربردهای مختلف استفاده می‌شود. در روشهای طبقه‌بندی نظارتشدة سنتی، اطلاعات آموزشی و نتایج طبقه‌بندی مبتنی بر اصل «هر پیکسل-یک کلاس» نمایش داده می‌شوند. در مواردی که عدم‌اطمینان و پیکسل‌های مختلط در سنجش از دور وجود دارد، استفاده از روشهای فازی توصیه می‌شود. مطالعات اخیر نشان میدهند که استفاده از اطلاعات مجاورت به‌همراه اطلاعات طیفی میتواند به صحت بالاتری در طبقه‌بندی بینجامد. استفاده از اطلاعات مجاورت در پسپردازش نتایج طبقه‌بندی به‌دلیل وابستگی‌نداشتن به طبقهبندیکنندة اولیه از دلایل استفاده از آن در پژوهش حاضر است. قوانین اتصال در فضای توپولوژی فازی یکی از روشهای استفاده از اطلاعات مجاورت در بخش پسپردازش است. درصورتی‌که از بیش از دو طبقهبندیکننده استفاده شود، می‌توان امکان تلفیق نتایج را بررسی کرد. در این پژوهش برای تلفیق مکانی نتایج با استفاده از قوانین اتصال در فضای توپولوژی فازی، دو راهکار پیشنهاد شده است. در راهکار نخست، یکی از دو طبقهبندیکننده مبنای تلفیق قرار می‌گیرد و در راهکار دوم فقط پیکسلهایی که در هر دو روش طبقه‌بندی، به‌صورت یکسان طبقه‌بندی شدهاند و همزمان پیکسل محدوده نیستند، در تصویر نهایی برچسب خود را حفظ می‌کنند. نتایج نشان میدهند که راهکار نخست درمقایسه با راهکار دوم دقت بهتری را به‌دست می‌دهد. بیشترین مقادیر صحت کلی و کاپای کلی به‌دست‌آمده مربوط به زمانی است که روش طبقهبندیِ بیشترین شباهت در راهکار نخست تلفیق مکانی مبنا قرار می‌گیرد و به‌ترتیب 01/89 و 98/88 هستند. به‌طور کلی، تلفیق مکانی نتایج درمقایسه با وضعیتی که فقط از یک طبقهبندیکننده استفاده شود، دقت را بهبود می‌دهد. کلید‌واژه‌ها: طبقه‌بندی فازی، فضای توپولوژی فازی، تلفیق، قوانین اتصال
فرامرز سرمدی؛ حمید عبادی؛ علی محمدزاده
دوره 7، شماره 2 ، بهمن 1394، ، صفحه 55-68
چکیده
آشکارسازی تغییرات پوشش اراضی برای پایش رشد شهرها و برنامه‌ریزی مسئولانه در مورد آنها امری ضروری است. سنجش از دور فناوری قدرتمندی است که می‌توان از آن در آشکارسازی تغییرات اراضی استفاده کرد. یکی از چالش‌های موجود در این زمینه توسعة روشهای کارآمد به‌منظور آشکارسازی تغییرات با سطح خودکارسازی بالاست که بتواند اطلاعاتی صحیحی ...
بیشتر
آشکارسازی تغییرات پوشش اراضی برای پایش رشد شهرها و برنامه‌ریزی مسئولانه در مورد آنها امری ضروری است. سنجش از دور فناوری قدرتمندی است که می‌توان از آن در آشکارسازی تغییرات اراضی استفاده کرد. یکی از چالش‌های موجود در این زمینه توسعة روشهای کارآمد به‌منظور آشکارسازی 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 سال‌های 2004 و 2010 از ویژگی‌های مکانی متن تصویر، شبکه‌های عصبی و الگوریتم ژنتیک برای آشکارسازی تغییرات استفاده شد. شش حالت مختلف، هریک با دو رویکرد طبقه‌بندی مستقیم چندزمانی و مقایسة پس از طبقه‌بندی، از دیدگاه صحت آشکارسازی و زمان اجرای الگوریتم مورد مقایسه قرار گرفتند. بررسی‌های انجام‌شده نشان دادند که رویکرد طبقه‌بندی مستقیم چندزمانی در هر شش حالت نتایج بهتری ارائه کرده است. همچنین در بین شش حالت بررسی‌شده، عملکرد حالت ششم (روش پیشنهادی این تحقیق) از نظر صحت طبقه‌بندی بهتر است. در حالت ششم پس از انتخاب بهینة ویژگی‌ها، طبقه‌بندی مبتنی بر شبکه‌های عصبی با تعیین معماری شبکه و با چندین بار اجرا صورت می‌گیرد. هرچند زمان اجرای این روش درمقایسه با دیگر حالت‌های بررسی‌شده بیشتر است، اما درصورتی‌که صحت طبقه‌بندی به زمان ارجحیت داشته باشد این روش کاملاً توصیه می‌شود
امین صداقت؛ حمید عبادی
دوره 7، شماره 4 ، بهمن 1394، ، صفحه 61-84
چکیده
توصیفگرها توزیع درجات خاکستری تصویر را در ناحیۀ اطراف عوارض توصیف می‌کنند و در تعیین مطابقت آنها، در کاربردهای گوناگونی همچون مرتبط‌سازی تصویر و تولید مدل سهبعدی در فتوگرامتری و سنجش از دور، نقش اساسی دارند. روشهای گوناگونی برای ایجاد توصیفگر ارائه شده که ویژگی‌ها و کاربردهای متفاوتی دارند. شناخت ویژگی‌های الگوریتم‌ها و ...
بیشتر
توصیفگرها توزیع درجات خاکستری تصویر را در ناحیۀ اطراف عوارض توصیف می‌کنند و در تعیین مطابقت آنها، در کاربردهای گوناگونی همچون مرتبط‌سازی تصویر و تولید مدل سهبعدی در فتوگرامتری و سنجش از دور، نقش اساسی دارند. روشهای گوناگونی برای ایجاد توصیفگر ارائه شده که ویژگی‌ها و کاربردهای متفاوتی دارند. شناخت ویژگی‌های الگوریتم‌ها و چگونگی عملکرد آنها در شرایط گوناگون نیازی اساسی برای استفادۀ مناسب از آنها در موارد گوناگون است. در این تحقیق عملکرد ده توصیفگر مطرح شامل SI، SC، SIFT، PIIFD، SURF، DAISY، LSS، LBP، LIOP و BRISK در انواع مختلف از تصاویر ماهواره‌ای اپتیکی با تنوع گستردهای از اعوجاجات شامل اختلاف مقیاس، دوران، روشنایی و تغییر منظر مورد ارزیابی قرار می‌گیرد. هشتاد جفت تصویر ماهواره‌ای در سه دستۀ گوناگون شامل شبیه‌سازی‌شده، چندزمانه و چندسنسوری انتخاب می‌شود و نتایج با استفاده از چهار معیار اساسی Recall، Precision، دقت هندسی و کارآیی مقایسه می‌شود. الگوریتمی که در همۀ حالتها و برای همۀ تصاویر بهتر از دیگر الگوریتم‌ها باشد، وجود ندارد اما به‌طور میانگین، توصیفگرهای DAISY و SIFT بهترین عملکرد، و الگوریتم‌های SI و SC نیز بدترین نتایج را در تصاویر ماهواره‌ای دارند.
رضا حسینخانی؛ محمودرضا صاحبی؛ حمید عبادی
دوره 6، شماره 3 ، دی 1393
چکیده
سنجش از دور را می‌توان به‌عنوان ابزاری قدرتمند با به‌کارگیری داده از منابع مختلف و تلفیق آنها با یکدیگر برای طبقه‌بندی انواع پوشش گیاهی و کاربری اراضی به‌کار گرفت. طبقه‌بندی انواع مراتع، اطلاعات اصلی را برای آنالیز بهره‌وری کشاورزی، محاسبة کربن و شناسایی تنوع زیستی فراهم می‌کند. نخستین مجموعه داده‌های استفاده‌شده در مطالعة ...
بیشتر
سنجش از دور را می‌توان به‌عنوان ابزاری قدرتمند با به‌کارگیری داده از منابع مختلف و تلفیق آنها با یکدیگر برای طبقه‌بندی انواع پوشش گیاهی و کاربری اراضی به‌کار گرفت. طبقه‌بندی انواع مراتع، اطلاعات اصلی را برای آنالیز بهره‌وری کشاورزی، محاسبة کربن و شناسایی تنوع زیستی فراهم می‌کند. نخستین مجموعه داده‌های استفاده‌شده در مطالعة حاضر، تصویر لندست (Thermatic Mapper) TM و دومین مجموعة داده‌ها، تصویر راداری ENVISAT ASAR برای منطقة مورد مطالعه واقع در محدودة شمال‌غربی شهر تهران (البرز جنوبی) است. در پژوهش حاضر، پس از اعمال چندین روش تصحیح توپوگرافی تصویر نوری که همگی جزو روشهای غیرلامبرتی‌اند و با توجه به معیارهای ارزیابی این روش‌ها، تصحیح توپوگرافی تصویر نوری انجام شد. در ادامه، سودمندی و بهبودی که با استفاده از ویژگی‌های استخراج‌شده از تصویر راداری و نوری که شامل بافت آنهاست و در تلفیق با باندهای طیفی تصویر نوری به‌کار رفته است. روی نتایج طبقه‌بندی نهایی بررسی شد. برای انتخاب ویژگی‌های مستقل که منتج به بالاترین صحت نتایج شود از الگوریتم ژنتیک استفاده شد. تأثیر استفاده از داده‌های ارتفاعی منطقه و شاخص‌های گیاهی تصویر نوری بر نتایج نهایی طبقه‌بندی در بخش دیگری از تحقیق بررسی و باندهای بهینه انتخاب شدند. نتایج به‌دست‌آمده نشان‌دهندة افزایش صحت کلی و ضریب کاپای طبقه‌بندی بیشترین شباهت از 04/77 و 7317/0 برای تصویر نوری اولیه به 1/78 و 7495/0 در حالت استفاده از الگوریتم ژنتیک و 37/83 و 8036/0 در حالت استفاده از داده‌های ارتفاعی و شاخص‌های گیاهی است. کلید‌واژه‌ها: تلفیق تصاویر، طبقه‌بندی مراتع، تصحیح توپوگرافی، بافت تصویر، سنجش از دور.
عباس کیانی؛ محمودرضا صاحبی؛ حمید عبادی
دوره 5، شماره 4 ، اسفند 1392
چکیده
آشکارسازی لبه یکی از مفاهیم کاربردی در پردازش تصاویر سنجش ازدور است. هدف آشکارسازی لبه، نشان‌گذاری نقاطی از تصویر است که در آنها میزان روشنایی به‌شدت تغییر می‌کند. تغییرات شدید خصوصیات تصویر معمولاً نمایندة رویدادهای مهم و تغییر در خصوصیات محیط هستند و در کاربردهای مختلفی نظیر بخش‌بندی تصاویر ماهواره‌ای کاربرد دارند. بسیاری ...
بیشتر
آشکارسازی لبه یکی از مفاهیم کاربردی در پردازش تصاویر سنجش ازدور است. هدف آشکارسازی لبه، نشان‌گذاری نقاطی از تصویر است که در آنها میزان روشنایی به‌شدت تغییر می‌کند. تغییرات شدید خصوصیات تصویر معمولاً نمایندة رویدادهای مهم و تغییر در خصوصیات محیط هستند و در کاربردهای مختلفی نظیر بخش‌بندی تصاویر ماهواره‌ای کاربرد دارند. بسیاری از روشهای کلاسیک تشخیص لبه بر مشتق پیکسل‌های تصویر اصلی متکی هستند، مانند اپراتورهای گرادیان، لاپلاسین و لاپلاسین از اپراتور گاوسی. در تصاویر سنجش از دوری به‌علت بالابودن میزان تغییرات، اپراتورهای کشف با ضعف در تشخیص صحیح محدودة عوارض و حفظ پیوستگی و انسجام محدودة آنها همراه‌اند. در پژوهش حاضر به‌منظور حل این مشکلات، سیستمی دانش‌پایه برای کشف لبه براساس خصوصیات تصاویر سنجش از دوری ارائه می‌شود. در این روش ابتدا به‌صورت منطقه‌ای و با استفاده از سیستم دانش‌پایه، حدود آستانة مناطق مختلف تصویر تعیین می‌شود و سپس با استفاده از شانون آنتروپی مرز بین این مناطق استخراج می‌شود. این کار موجب حفظ پیوستگی لبه‌های کشف‌شده خواهد شد. از مزایای این روش بررسی ویژگی‌های تصویر به‌شکل جزئی و کلی به‌صورت همزمان است. این سیستم قابلیت انعطاف با نوع نیاز و خواست کاربر را برحسب میزان جزئیات و کاربرد مورد نظر دارد. در‌نهایت به‌منظور ارزیابی روش، نتایج به‌دست‌آمده با الگوریتم‌های استاندارد سوبل، پرویت و LoG مقایسه شدند و نشان داده شد که این روش به‌شکل کارآمدی قادر به شناسایی لبه‌های تصاویر مختلف است.
وحید صادقی؛ حمید عبادی؛ فرشید فرنود احمدی
دوره 3، شماره 4 ، اسفند 1390
چکیده
در تحقیق حاضر روش نرمال سازی خودکاری بر مبنای رگرسیون با استفاده از پیکسل های تغییر نیافته، مدل سازی هیستوگرام تصویر هدف و محاسبه ضرایب تبدیل خطی برای دسته های مختلف پیکسل ها از لحاظ درجات روشنایی در هر باند، ارائه شده است. در مرحله تعیین پیکسل های تغییر نیافته، روش جدیدی معرفی شده است که این مرحله را به صورت خودکار انجام می دهد و صحت ...
بیشتر
در تحقیق حاضر روش نرمال سازی خودکاری بر مبنای رگرسیون با استفاده از پیکسل های تغییر نیافته، مدل سازی هیستوگرام تصویر هدف و محاسبه ضرایب تبدیل خطی برای دسته های مختلف پیکسل ها از لحاظ درجات روشنایی در هر باند، ارائه شده است. در مرحله تعیین پیکسل های تغییر نیافته، روش جدیدی معرفی شده است که این مرحله را به صورت خودکار انجام می دهد و صحت بالایی نیز دارد. در مرحله دسته بندی پیکسل ها نیز بر اساس درجات روشنایی، روش جدیدی پیشنهاد شده است که تعداد و بازه های لازم برای دسته بندی را به طور خودکار و جداگانه بر اساس اطلاعات هیستوگرام تصویر هدف، برای هر باند تعیین می کند تا تأثیرات مختلف اتمسفر و سایر عوامل را روی درجات خاکستری مختلف مدل کند. ایده مورد نظر روی دو تصویر سنجنده TM پیاده سازی شد. نتایج ارزیابی نشان داد در صورتی که از روش پیشنهادی در مرحله تعیین خودکار پیکسل های تغییر نیافته استفاده شود، صحت کلی آشکارسازی تغییرات از 15/95 درصد به 14/96 درصد در مقایسه با روش های متداول بهبود می یابد و همچنین خطای کمترین مربعات نرمال سازی، در مقایسه با حالتی که برای کل تصویر از یک برازش خطی استفاده شود، در باندهای 1، 2، 3، 4، 5 و 7 به ترتیب 44/26، 13/50، 54/38، 27/5، 75/3 و 31/3 و در مقایسه با حالتی که از مقادیر پیش فرض برای دسته بندی پیکسل ها بر اساس درجات خاکستری و برازش جداگانه خطی برای هر دسته استفاده شود، به ترتیب 82/30، 9/45، 53/30، 19/4، 82/2 و 32/0 کاهش می یابد.
امین صداقت؛ حمید عبادی؛ مهدی مختارزاده
دوره 2، شماره 4 ، اسفند 1389
چکیده
الگوریتم SIFT (Scale Invariant Feature Transform) یکی از روش های تناظریابی عارضه مبناست که به منظور انجام فرایند تشخیص الگو در تصاویر اپتیکی ارائه شده است. با اینکه عملکرد بهتر توصیفگر این الگوریتم در مقایسه با دیگر روش ها اثبات شده و نسخه های گوناگونی نیز در مسیر افزایش کارایی آن ارائه شده است. اما عملگر استخراج عارضه در این الگوریتم با مشکلات جدی برای ...
بیشتر
الگوریتم SIFT (Scale Invariant Feature Transform) یکی از روش های تناظریابی عارضه مبناست که به منظور انجام فرایند تشخیص الگو در تصاویر اپتیکی ارائه شده است. با اینکه عملکرد بهتر توصیفگر این الگوریتم در مقایسه با دیگر روش ها اثبات شده و نسخه های گوناگونی نیز در مسیر افزایش کارایی آن ارائه شده است. اما عملگر استخراج عارضه در این الگوریتم با مشکلات جدی برای انجام تناظریابی در تصاویر سنجش از دور مواجه است. کنترل پذیری این اگلوریتم در استخراج عواض در تصاویر سنجش از دور پایین است و در آن راه حلی نیز برای انتخابعوارض پایدارتر و متمایزتر و کنترل توزیع آن ها، به منظور موفقیت در فرآیند تناظریابی، پیشنهاد نشده است. در مقاله حاضر با بهره گیری از خصوصیات فضای مقیاس در این الگوریتم روشی جدید با عنوان UR-SIFT ( (Invariant Feature Transform Uniform Robust Scaleبه منظور استخراج عوارض پایدار تصاویر و در توزیع یکنواختی از مکان و مقیاس طراحی شده است. برای این منظور با توسعه روابطی جدید بر مبنای ضریب مقیاس سطوح هرم تصاویر در الگوریتم SIFT، تعداد عوارض مورد نیاز در هر سطح تعیین گردیده و با بهره گیری از دو معیار پایداری و تمایز و در ساختاری شبکه ای استخراج شده است. بعد از استخراج عوارض و ایجاد توصیفگر آن ها، فرآیند تناظریابی اولیه با استفاده از فاصله اقلیدسی میان توصیفگرها و با بهره گیری از روشی دو جانبه انجام می شود. در ادامه با استفاده از مدل تبدیل پروژکتیو و روش کمترین مربعات، صحت جفت تناظرهای اولیه بررسی دشه و تناظرهای ناسازگار حذف شده اند. نتایج عملی بر روی دو جفت تصویر ماهواره ای بیانگر کارایی بالای روش پیشنهادی در مقایسه با الگوریتم استاندارد SIFT است.
امین صداقت؛ حمید عبادی؛ مهدی مختارزاده
دوره 2، شماره 1 ، تیر 1389
چکیده
مرتبط سازی تصویر، فرایندی بنیادی در پردازش تصویر است و نقش مهمی در فرایندهای مختلف فتوگرامتری و سنجش از دور دارد. الگئریتم SIFT از کارآمدترین روش های نتاظریابی است، که اخیرا به طور موفقیت آمیزی برای مرتبط سازی اتوماتیک تصاویر سنجش از دور استفاده شده است. با این حال عملگرد استخراج عارضه در این الگوریتم همچنان با ضعف های عمده ای همراهاست. ...
بیشتر
مرتبط سازی تصویر، فرایندی بنیادی در پردازش تصویر است و نقش مهمی در فرایندهای مختلف فتوگرامتری و سنجش از دور دارد. الگئریتم SIFT از کارآمدترین روش های نتاظریابی است، که اخیرا به طور موفقیت آمیزی برای مرتبط سازی اتوماتیک تصاویر سنجش از دور استفاده شده است. با این حال عملگرد استخراج عارضه در این الگوریتم همچنان با ضعف های عمده ای همراهاست. علاوه بر پیچیدگی زیاد محاسباتی، میزان کنترل پذیری این الگوریتم در استخارج عوارض تصاویر سنجش از دور، اندک است. در این تحقیق به منظور کاهش پیچیدگی محاسباتی و افزایش کارایی، عملگرد استخارج عارضه در الگوریتم SIFT با عملگرد استخراج گوشه Harris در ساختار هرمی جایگزین شده و روشی کارآ»د برای مرتبط سازی تصاویر اپتیکی سنجش از دور با استفاده از این الگوریتم طراحی گردیده و شکل گرفته است. خصوصیت اساسی این روش، به کارگیری استراتژی ویژه ای برای گزینش بهترین عوارض تصاویر با استفاده از اعمال دو قید پایداری و تمایز و در توزیع کاملی از مکان و مقیاس است. بعد از استخراج عوارض و ایجاد توصیفگر آن ها، فرایند تناظریابی اولیه با استفاده از فاصله اقلیدسی میان توصیفگرها و به صورت چند سطحی و به بهره گیری از روش دو جانبه انجام می شود. درادامه با استفاده از مدل تبدیل پروژکتیو و روش کمترین مربعات، صحت جفت تناظرهای اولیه بررسی می شود و تناظرهای ناسازگار حذف می گردند. در نهایت با تعین پارامترهای یک تابع تبدیل قطعه ای، دو تصویر با یکدیگر مرتبط می شوند. نتایج عملی بر روی چهار جفت تصویر ماهواره ای از سنجنده های مختلف بیانگر کارایی فراوان روش پیشنهادی در مقایسه با الگوریتم استاندارد SIFT است.
سید مجدالدین مصاحب؛ محمد طالعی؛ حمید عبادی؛ علی سلطانی
دوره 1، شماره 2 ، شهریور 1388
چکیده
در بیشتر مدل های برنامه ریزی شهری، ابعاد ارزیابی بر مبنای سامانه زون بندی و فرض توزیع یکسان مشخصات مورد ارزیابی در پهنه هر زون است. در این مدل ها تعامل میان زون های مختلف از طریق اتصال مراکز زون ها و ارزیابی موقعیت مراکز نسبت به یکدیگر صورت می گیرد. محدویت های مدل های مدل های مکانی در قالب سامانه ها زون مبنا، به طور جدی توانایی آن ها برای ...
بیشتر
در بیشتر مدل های برنامه ریزی شهری، ابعاد ارزیابی بر مبنای سامانه زون بندی و فرض توزیع یکسان مشخصات مورد ارزیابی در پهنه هر زون است. در این مدل ها تعامل میان زون های مختلف از طریق اتصال مراکز زون ها و ارزیابی موقعیت مراکز نسبت به یکدیگر صورت می گیرد. محدویت های مدل های مدل های مکانی در قالب سامانه ها زون مبنا، به طور جدی توانایی آن ها برای پاسخگویی به مابحث جاری برنامه ریزی را محدود می سازد و نبابراین به مدل هایی میتنی بر المان های مکانی ریزدانه و ناپیوسته نیاز سات. در این تحقیق، یک مدل ریز شبیه ساز به منظور محاسبه میزان دسترسی به خدمات شهری، با تمرکز بر تلفیق زیر سامانه های کاربری زمین و حمل و نقل، ارائه شده است. در این زمینه معیارهای مناسب، شامل تاثیرات نوع کاربری زمین و شاخصه های حمل و نقل، مورد بررسی قرار گرفته و نتایج آن در قالب برآورد پارامتر دسترسی، که مهم ترین بخش در سامانه تلفیقی کاربری زمین- حمل و نقل به شمار می آید، نمایش داده شده است. از سوی دیگر، برای در نظر گرفتن مشخصات و نیز وظایف و کارکرد خصا هر کابری در تکوین و توسعه مدل، کاربری ها به دو دسته کاربری های تک خدماتی و چند خدماتی دسته بندی گردیده و برای هر یک، مدل برآورد دسترسی جداگانه ای ازائه شده است. بدیهی است هر چه واحد مکانی مورد ارزیابی کوچک تر باشد، مدل برآودر دسترسی جزئیات بیشتری ار در بر خواهد گرفت و نتایج دقیق تر خواهد بود. بدین منظور، پلاک ساختمانی به عنوان کوچک ترین واحد ارزیابی میزان دسترسی به خدمات شهری در نظر گرفته شد و مدل ریز دانه پیشنهادی در محیط DIS و برای قسمتی از شهر شیراز به اجرا درآمد و مورد آزمون قرار گرفت. نتایج تحقیق نشان داد که این مدل به خوبی توانسته است واقعیات شهودی را در بر گیرد و تلفیقی از تعریف نظری یا تئوریک و قابل تفسیر به وسیله تحلیل گران شهری و واقعیات فیزیکی دنیای بیرون را برای شاخص دسترسی، به دست می دهد. بررسی نتایج مدل به برنامه ریزان شهری این امکان را می دهد تا کمبودهای موجود، چه در شبکه های حمل و نقل و چه در سامانه کاربری زمین، مشص گردد و تصمیم های لازم برای رفع این کمبودها و همچنین مدیریت هر چه بهتر شهری، گرفته شود.
