عبدالمطلب رستگار؛ علی منصوریان؛ محمد طالعی؛ دیاکو یاری؛ سارا بهشتی‌فر
دوره 6، شماره 4 ، دی 1393
چکیده
روشهای نوین بهینه‌سازی فرایند مسیریابی خطوط انتقال برق می‌توانند بسیاری از مسائل پیچیده‌ای را که تصمیم‌گیران مسیریابی خطوط انتقال برق با آن مواجه‌اند، حل کنند. با توجه به گستردگی عوامل درگیر در مسیریابی خطوط انتقال برق می‌توان الگوریتم‌های تکاملی چندهدفه را به‌عنوان ابزاری مناسب در این زمینه در نظر گرفت. در پژوهش حاضر با ...
بیشتر
روشهای نوین بهینه‌سازی فرایند مسیریابی خطوط انتقال برق می‌توانند بسیاری از مسائل پیچیده‌ای را که تصمیم‌گیران مسیریابی خطوط انتقال برق با آن مواجه‌اند، حل کنند. با توجه به گستردگی عوامل درگیر در مسیریابی خطوط انتقال برق می‌توان الگوریتم‌های تکاملی چندهدفه را به‌عنوان ابزاری مناسب در این زمینه در نظر گرفت. در پژوهش حاضر با بهره‌گیری از الگوریتم تکاملی چندهدفه NSGA-II و با ارائة عملگرهای ژنتیکی مناسب، به مسیریابی بهینة خط انتقال برق پرداخته شد. با نظر متخصصان صنعت برق در وزارت نیرو و برق منطقه‌ای مازندران، سه تابع هدف به‌منظور تولید مسیر‌هایی با ویژگی‌های F1- کمترین هزینة اقتصادی، F2- کمترین تأثیرات سوء زیست‌محیطی و اجتماعی و F3- دسترسی و نگهداری راحت از خط انتقال، طراحی شده است. اجرا و ارزیابی مدل ارائه‌شده در بستر سامانة اطلاعات مکانی (GIS) نشان داد که این مدل توانایی بالایی در بهینه‌سازی توابع هدف دارد. مدل مذکور برای مسیریابی بین دو پست برق 400 کیلوولت ناریوران (شهر آمل) و حسن‌کیف (شهر کلاردشت) در برق منطقه‌ای مازندران اجرا شد. نتایج تحقیق، بهبود میانگین 15درصدی مقادیر توابع هدف را در مقایسه با مسیر موجود نشان می‌دهند. کلید‌واژه‌ها: مسیریابی، انتقال برق، NSGA-II،GIS.
منوچهر فرج‌زاده؛ اسداله خورانی
دوره 5، شماره 2 ، بهمن 1392
چکیده
ههدف از این مطالعه مدلسازی آماری عملکرد گندم دیم در استان کردستان است. به این منظور از مدل‌های رگرسیون خطی چندمتغیره استفاده شده، که متغیر وابستة آنها میزان عملکرد گندم دیم است و متغیرهای مستقل‌شان سه دسته‌اند: نخستین گروه، عناصر اقلیمی و شاخصهای اقلیم کشاورزی هستند. دومین گروه از متغیرهای مستقل در این تحقیق را شاخصهای گیاهی ...
بیشتر
ههدف از این مطالعه مدلسازی آماری عملکرد گندم دیم در استان کردستان است. به این منظور از مدل‌های رگرسیون خطی چندمتغیره استفاده شده، که متغیر وابستة آنها میزان عملکرد گندم دیم است و متغیرهای مستقل‌شان سه دسته‌اند: نخستین گروه، عناصر اقلیمی و شاخصهای اقلیم کشاورزی هستند. دومین گروه از متغیرهای مستقل در این تحقیق را شاخصهای گیاهی استخراج‌شده از سنجندة AVHRR از ماهواره NOAA برای زمان حداکثر سبزینگی (حداکثر شاخص سطح برگ)، تشکیل داده‌اند. سومین گروه متغیرهای مستقل تحقیق، ترکیب دو گروه متغیرهای مستقل فوق است. روش بازنمونه‌گیری بوت استرپ روی همة مدل‌های استخراج‌شده اجرا، و برمبنای نتایج آن، میزان عملکرد برای سال‌های 1383 تا 1385 تخمین زده شده است. تحلیل‌های انجام‌شده نشان می‌دهد که با ورود عناصر اقلیمی و شاخصهای اقلیم کشاورزی به عنوان متغیرهای مستقل به مدل‌های رگرسیون خطی، مناسب‌ترین مدل‌های برآورد عملکرد گندم دیم در کل استان کردستان و شهرستان‌های سقز و بیجار، دادههای مرحله زایشی (23 اردیبهشت تا 20 خرداد) است. در شهرستان دیوان‌دره، بهترین مدل از مجموع دو مرحلة دوم رویشی و مرحله زایشی به‌دست آمده است. در شهرستان مریوان بهترین مدل، با توجه به دادههای مرحله خواب (22 آذر تا 25 اسفند)، و در دو شهرستان سنندج و قروه با توجه به دادههای کل فصل رشد به‌دست آمده است. همچنین نتایج نشان می‌دهد که استفاده از شاخصهای گیاهی استخراج‌شدة شاخص DVI برای مدلسازی و پیش‌بینی عملکرد گندم دیم مناسب‌تر است. افزون بر اینها، مدل‌های ترکیبی شامل ترکیب عناصر اقلیمی و شاخصهای اقلیم کشاورزی با شاخصهای طیفی گیاه، مدل‌هایی با دقت بالاتر به دست می‌دهند. کاربرد روش بازنمونه‌گیری بوت استرپ روی مدل‌های رگرسیونی به‌دست آمده، در مطالعات مدلسازی محصول ـ که تعداد نمونه‌ها زیاد نیست ـ دقت درون مدلی را افزایش می‌دهد و به همین دلیل می‌توان از آن برای عملکرد محصول گندم دیم استفاده کرد.
کاظم تباکی بجستانی؛ سیدجمال‌الدین خواجه‌الدین؛ احمدرضا مختاری؛ رضا جعفری
دوره 6، شماره 3 ، دی 1393
چکیده
انرژی زمینگرمایی از جمله انرژی‌های تجدیدپذیر و پاک محسوب می‌شود و با توجه به امتیازات آن از قبیل بی‌خطر‌بودن نسبی، کمک به حفظ محیط‌زیست، و ارزانی جایگزینی مناسب برای سوخت فسیلی به‌شمار می‌رود. در این مطالعه به‌منظور شناسایی منابع زمینگرمایی در منطقة مستعد زمینگرمایی فردوس در استان خراسان جنوبی، از دادههای سنجندة ETM+ ...
بیشتر
انرژی زمینگرمایی از جمله انرژی‌های تجدیدپذیر و پاک محسوب می‌شود و با توجه به امتیازات آن از قبیل بی‌خطر‌بودن نسبی، کمک به حفظ محیط‌زیست، و ارزانی جایگزینی مناسب برای سوخت فسیلی به‌شمار می‌رود. در این مطالعه به‌منظور شناسایی منابع زمینگرمایی در منطقة مستعد زمینگرمایی فردوس در استان خراسان جنوبی، از دادههای سنجندة ETM+ لندست7 ژئوفرانس‌شده به نقشة توپوگرافی 1:50000 شهرستان فردوس استفاده شد. رقم پیکسل باندهای حرارتی به رادیانس طیفی تبدیل گردید و سپس دمای تابشی محاسبه شد. از باندهای مرئی و مادون قرمز نزدیک، شاخص NDVI محاسبه و لایة توان تشعشعی محاسبه گردید. با تلفیق دو دمای تابشی و تشعشعی، دمای سطحی زمین تعیین شد. با روش برازش حداقل مربعات، لایحة نواحی مستعد اکسیدهای آهن و کانی‌های رسی تولید گردید و گسل‌های منطقه از نقشة زمین‌شناسی 1:100000 منطقه مشخص شد. با تلفیق لایه‌های تولیدی با روش هم‌پوشانی وزن‌دار، منطقة مستعد زمینگرمایی فردوس شناسایی شد. با این لایه‌های اصلی مرتبط با تشکیل ذخایر ژئوترمال، دو منبع زمینگرمایی مستعد به‌منظور بهره‌برداری از انرژی آنها مشخص شد. این دو منبع زمینگرمایی شناسایی‌شده با شواهد زمینگرمایی موجود ـ از جمله چشمه آبگرم و دو آتشفشان خاموش منطقه ـ همبستگی مکانی دارد. بنا به یافته‌های تحقیق حاضر، سنجش از دور روش مقرون‌به‌صرفه‌ای برای تشخیص ناهنجاری‌های دمای سطح زمین، ویژگی‌های زمین‌شناسی منطقه مانند تشخیص واحدهای سنگی و آلتراسیون‌ها است. ترکیبی از سنجش از دور حرارتی با تجزیه و تحلیل زمین‌شناسی و درک صحیح از سازوکارهای زمینگرمایی، رویکردی دقیق و کارآمد برای تشخیص منابع زمینگرمایی خواهد بود. کلید‌واژه‌ها: سنجش از دور، انرژی زمینگرمایی، درجة حرارت سطحی، لندست.
محمود احمدی؛ عباسعلی داداشی رودباری
دوره 8، شماره 3 ، تیر 1395، ، صفحه 39-58
چکیده
پدیدة جزیرة حرارتی شهری، با توجه به دگرگونی‌های هواسپهری همراه با افزایش شهرنشینی، طی سال‌های واپسین شدت یافته است. الگوهای فضایی- زمانی ترکیبات بیوفیزیکی که دربرگیرندة پوشش گیاهی، سطح نفوذناپذیر و نوع خاک در شهرند جزایر حرارتی شهری را تحت تأثیر چشمگیری قرار می‌دهند. هدف از این پژوهش مطالعة نقش پارامترهای بیوفیزیکی شهری در شکل‌گیری ...
بیشتر
پدیدة جزیرة حرارتی شهری، با توجه به دگرگونی‌های هواسپهری همراه با افزایش شهرنشینی، طی سال‌های واپسین شدت یافته است. الگوهای فضایی- زمانی ترکیبات بیوفیزیکی که دربرگیرندة پوشش گیاهی، سطح نفوذناپذیر و نوع خاک در شهرند جزایر حرارتی شهری را تحت تأثیر چشمگیری قرار می‌دهند. هدف از این پژوهش مطالعة نقش پارامترهای بیوفیزیکی شهری در شکل‌گیری و خوشه‌ای‌شدن جزایر حرارتی شهری مشهد مقدس است. به‌منظور دستیابی به هدف مطرح‌شده، تصاویر حسگرهای OLI و TIRS ماهوارة لندست 8 برای اوت سه سال 2013، 2014 و 2015 استفاده شد. برای استخراج مقادیر UHI از LST، از یک رویکرد نوآورانة شیء‌گرا استفاده شد؛ به‌طوری که پس از محاسبة دمای سطح زمین (LST) با استفاده از شاخص محلی همبستگی مکانی (LISA) خوشه‌های گرم و سرد جزایر حرارتی مشهد استخراج شدند. برای ارزیابی ترکیبات بیوفیزیکی شهر مشهد نیز سه شاخص NDVI، NDBI و NDBal به‌کار برده شد. نتایج نشان داد در تحلیل همبستگی دوبه‌دو پارامترهای بیوفیزیکی با دمای سطح زمین، با شدت مقدار LST، ناهمگنی فضایی خوشه‌ها به‌شکل غیرخطی افزایش می‌یابد. تحلیل‌های مکانی سه نوع جزیرة حرارتی شهری را آشکار کرده است: جزایر حرارتی پیرامونی، جزایر حرارتی کانونی و جزایر حرارتی خطی. تحلیل خودهمبستگی فضایی با شاخصهای موران و گری نشان از مقداری کاهشی دارد که مبین ازبین‌رفتن نظم فضایی دمای سطح زمین شهر مشهد است. همبستگی مکانی با شاخص موران محلی بر افزایش وسعت جزایر حرارتی گرم در طول دوره‌های مورد مطالعه تأکید داشته است.
محسن ابراهیمی خوسفی؛ زهره ابراهیمی خوسفی
چکیده
حوضة آبریز فلات مرکزی ایران، به‌دلیل تغییرات اقلیمی و کاهش منابع آب دردسترس ازیک‌سو و افزایش جمعیت و به‌تبع آن، افزایش تقاضا ازسوی‌دیگر، با بحران شدید آب مواجه است. دانش سنجش از دور و دردسترس‌بودن محصولات متعدد ماهواره‌ای امکان پایش روند تغییرات پارامترهای گوناگون محیطی، به‌ویژه منابع آب سطحی و زیرزمینی را با دقت مناسب فراهم ...
بیشتر
حوضة آبریز فلات مرکزی ایران، به‌دلیل تغییرات اقلیمی و کاهش منابع آب دردسترس ازیک‌سو و افزایش جمعیت و به‌تبع آن، افزایش تقاضا ازسوی‌دیگر، با بحران شدید آب مواجه است. دانش سنجش از دور و دردسترس‌بودن محصولات متعدد ماهواره‌ای امکان پایش روند تغییرات پارامترهای گوناگون محیطی، به‌ویژه منابع آب سطحی و زیرزمینی را با دقت مناسب فراهم آورده است. بدین‌منظور، با استفاده از سامانة گوگل ارث انجین، شانزده محصول ماهواره‌ای شامل پارامترهای محیطی متفاوت، همچون بارش، دما، تبخیر و تعرق، رطوبت خاک، رواناب، ضخامت آب معادل (GRACE)، شاخص پوشش گیاهی و مساحت پیکره‌های آبی، در بازة زمانی سال‌های 2000 تا 2022، دریافت و آماده‌سازی شد. سپس با استفاده از آزمون ناپارامتریک من‌ـ کندال و تخمین‌گر شیب سن، روند تغییرات این پارامترها بررسی شد. با توجه به نتایج حاصل، تغییرات گرانش زمین که از نشانگرهای سطح آب زیرزمینی است و نیز مساحت پیکره‌های آبی که بیانگر منابع آب سطحی است و رطوبت خاک، روندی کاهشی و معنی‌دار را نشان داد؛ درحالی که دمای حداکثر، دمای حداقل و تبخیر و تعرق پتانسیل و شاخص NDVI بیانگر روند افزایشی معنی‌داری بود. به‌رغم کاهش مساحت پیکره‌های آبی، شاخص پوشش گیاهی افزایش یافته است که افزایش سطح زیرکشت محصولات کشاورزی و برداشت بی‌رویه از منابع آب زیرزمینی را نشان می‌دهد و روند کاهشی محصول ماهوارة GRACE نیز مؤید این واقعیت است. بررسی ضرایب همبستگی بین پارامترهای دارای روند معنی‌دار نیز نشان داد بین GRACE و پارامترهای NDVI، دمای حداقل، دمای حداکثر، رطوبت خاک و مساحت پیکره‌های آبی، همبستگی معنی‌داری وجود دارد.
محمدرضا مباشری؛ عرفان امرائی
دوره 7، شماره 4 ، بهمن 1394، ، صفحه 45-60
چکیده
نوفۀ آشکارسازها در تصاویر ماهواره‌ای معمولا به صورت نوارهای افقی یا عمودی دیده می‌شوند. جهت نوارشدگی‌ها به تکنیک تصویربرداری سنجنده (پوش‌بروم یا ویسک‌بروم) بستگی دارد. در تصاویر سنجندۀ TM نیز برخی نوارشدگی‌ها دیده می‌شود که منشأ آنها آشکارسازهاست. از دلایل پیدایش نوفۀ نواری در تصاویر اخذشده به‌وسیلۀ سنجندۀ TM می‌شود به تطابق ...
بیشتر
نوفۀ آشکارسازها در تصاویر ماهواره‌ای معمولا به صورت نوارهای افقی یا عمودی دیده می‌شوند. جهت نوارشدگی‌ها به تکنیک تصویربرداری سنجنده (پوش‌بروم یا ویسک‌بروم) بستگی دارد. در تصاویر سنجندۀ TM نیز برخی نوارشدگی‌ها دیده می‌شود که منشأ آنها آشکارسازهاست. از دلایل پیدایش نوفۀ نواری در تصاویر اخذشده به‌وسیلۀ سنجندۀ TM می‌شود به تطابق نداشتن آشکارسازها، واسنجی نامناسب آشکارسازها و یا فرسایش آنها در طول زمان اشاره کرد. با توجه به اینکه سنجندۀ TM از تکنیک تصویربرداری ویسک‌بروم استفاده می‌کند، این نوارشدگی‌ها در تصاویر به‌صورت افقی دیده می‌شوند. نوفۀ نواری در تصاویر اخذشده در باند 4 از سطوح تاریک مانند دریا که در سطح یک پیش‌پردازش شده‌اند، رخ‌نمون بیشتری دارد. این نوع نوفه موجب بروز خطا در برخی اعمال مانند تصحیحات جوی بااستفاده از پیکسل‌های تاریک و دشوار شدن استخراج اطلاعات از تصاویر می‌شود. در این پژوهش، برای اصلاح نوفۀ نواری سنجندۀ TM، پس از شناسایی آشکارسازهای نوفه‌ای، روشهای میانه (MM)، تطبیق ممان‌های مکانی اصلاح‌شده (MSMM) و پالایش تصویر در حوزۀ فرکانس و مکان (IFFD & IFSD) پیشنهاد شده است. برای بررسی نتایج حاصل، از برخی کمیت‌های آماری همچون میانگین و انحراف معیار و نیز، نمودار فراوانی و طیف فوریۀ تصاویر پیش و پس از اصلاح استفاده شده است. انحراف معیار در تصویر اولیه برابر با 56/1 است که پس از اصلاح تصویر، مقدارهای این کمیت برای روشهای MM، MSMM، IFFD و IFSD به‌ترتیب برابر با 36/1، 42/1، 31/1و 26/1 است. کاهش به‌وجودآمده در انحراف معیار پس از حذف نوف، نواری، بهبود تصاویر را نشان می‌دهد. برای مقایسۀ این روش‌ها با یکدیگر و با کارهای دیگران، از MSE، RMSE و PSNR و همچنین، دادههای شبیه‌سازی‌شده برای نوفۀ نواری متناوب استفاده شده است. مقدارهای به‌دست‌آمده PSNR برای روشهای MM، MSMM، IFSD و IFFD به‌ترتیب برابر با 66/54، 14/51، 47/48و 65/45 دسی‌بل است. در این میان، بیشترین میزان PSNR و به‌تبع آن، کمترین میزان MSE مربوط به روش MM و MSMM بود که نشان از دقت بیشتر این روش‌ها درمقایسه با پالایه‌های حوزۀ فرکانس و مکان دارد.
حمیدرضا رنجبر؛ حمید دهقانی؛ علیرضا آزموده اردلان؛ محمدرضا سراجیان
دوره 8، شماره 4 ، آذر 1395، ، صفحه 45-64
چکیده
سامر (Sumer) و همکاران (2008 و 2013) بر پایة به‌کارگیری الگوریتم انطباقی فازی-ژنتیک، رویکردی نوین در آشکارسازی ساختمان‌ها با استفاده از تصاویر ماهواره‌ای با قدرت تفکیک مکانی بالا مطرح کردند. روش پیشنهادی با کاهش مشکل همگرایی زودرس در الگوریتم ژنتیک، دقت آشکارسازی عوارض را بهبود چشمگیری بخشید. نبودِ کنترل‌های هندسی بر خروجی این الگوریتم ...
بیشتر
سامر (Sumer) و همکاران (2008 و 2013) بر پایة به‌کارگیری الگوریتم انطباقی فازی-ژنتیک، رویکردی نوین در آشکارسازی ساختمان‌ها با استفاده از تصاویر ماهواره‌ای با قدرت تفکیک مکانی بالا مطرح کردند. روش پیشنهادی با کاهش مشکل همگرایی زودرس در الگوریتم ژنتیک، دقت آشکارسازی عوارض را بهبود چشمگیری بخشید. نبودِ کنترل‌های هندسی بر خروجی این الگوریتم از محدودیت‌های رویکرد پیشنهادی به‌شمار آمده است. در این تحقیق، برای رفع این محدودیت، روش استخراج فازی ژنتیک که سامر و همکاران (2013) آن را توسعه دادند با کنترلگر هندسی پیشنهادی ادغام شد. در این الگوریتم، ابتدا نمونه‌های آموزشی و تست انتخاب می‌شوند، سپس اپراتورهای پایة پردازش تصویر روی ژن‌های کروموزوم‌ها قرار می‌گیرند. خروجی‌های موقتی حاصل از اعمال اپراتورهای پردازش تصویر بر باندهای تصویر ورودی به یک تصویر باینری با بیشترین میزان تمایز بین دو کلاس تبدیل می‌شوند. با محاسبة میزان مطابقت بین نمونة انتخابی و خروجی الگوریتم، مقادیر ارزش برای هریک از اعضای جامعه محاسبه می‌شود. در پایان چرخة هر نسل، رویکرد فازی در نظر گرفته‌شده در این تحقیقْ مقادیر احتمالی اصلاح‌شده برای عملیات لقاح و جهش را به‌منظور ممانعت از همگرایی نابهنگام در شروع نسل بعد تعیین می‌کند. این فرایند تا زمان دستیابی به تعداد مشخصی از تکرار ادامه می‌یابد. به‌منظور کنترل هندسی خروجی‌های الگوریتم پیشنهادی، یک الگوریتم ژنتیک تکمیلی ناحیه‌مبنا نیز توسعه داده شده است. با فرض مشابهت ساختمان‌های همجوار در یک منطقة شهری، الگوریتم تکمیلی سعی در بهینه‌یابی محدودة مساحتی در منطقة مورد مطالعه دارد. بدین‌ترتیب که نواحی با حدود خارج از محدودة مساحتی تعیین‌شده به‌منزلة عوارض کلاس «غیرساختمان» برچسب‌گذاری می‌شوند. این الگوریتم در دوازده ناحیة انتخابی با ساختمان‌های متراکم و پراکنده در منطقة ورزقان استان آذربایجان شرقی پیاده‌سازی شد. میزان کاپای محاسبه‌شده با به‌کارگیری رویکرد پیشنهادی بین 0.59 تا 0.91 است که، درمقایسه با تحقیقات مشابه، عملکرد بهتری از خود نشان می‌دهد. این الگوریتم در مناطق شهری و حومة شهری، به‌نسبت نواحی روستایی، نتایج بهتری داشت.
زینب قائمی؛ محمد طالعی؛ مهدی فرنقی؛ قاسم جوادی
دوره 9، شماره 3 ، اردیبهشت 1396، ، صفحه 45-70
چکیده
رشد و توسعة شهری و افزایش استفاده از وسایل نقلیه در سال‌های اخیر منجر به افزایش آلودگی هوا، به‌ویژه در شهر‌های بزرگ و صنعتی، شده است. با توجه به آثار نامطلوب آلودگی هوا در سلامت انسان‌ها و دیگر جانداران، پیش‌بینی و مدلسازی این پدیدة پیچیده از دغدغه‌های اصلی محققان در سال‌های اخیر بوده است. هدف این تحقیق طراحی سیستمی است به‌منظور ...
بیشتر
رشد و توسعة شهری و افزایش استفاده از وسایل نقلیه در سال‌های اخیر منجر به افزایش آلودگی هوا، به‌ویژه در شهر‌های بزرگ و صنعتی، شده است. با توجه به آثار نامطلوب آلودگی هوا در سلامت انسان‌ها و دیگر جانداران، پیش‌بینی و مدلسازی این پدیدة پیچیده از دغدغه‌های اصلی محققان در سال‌های اخیر بوده است. هدف این تحقیق طراحی سیستمی است به‌منظور پیش‌بینی آلودگی هوا، طی 24 ساعت آینده، تا با شناسایی مناطق آلوده، به مدیران و برنامهریزان شهری برای کنترل و کاهش میزان آلایندهها کمک کند. در سیستم طراحیشده، از ترکیب آنالیز مؤلفة اصلی و شبکة عصبی فازی– تطبیقی (PCA-ANFIS)، به‌منظور پیش‌بینی آلودگی هوا در فصلهای متفاوت، استفاده شده است. در این سیستم، دادههای هواشناسی و غلظت آلایندهها در روزهای گذشته، برای پیش‌بینی آلودگی هوای شهر تهران در 24 ساعت آینده، به‌کار رفته است. همچنین، از پارامترهای مکانی مانند ارتفاع، توپوگرافی سطح زمین و فاصله از جاده به‌منظور مدلسازی مکانی پراکندگی آلودگی هوا استفاده شده است. نتایج حاصل از مقایسة روش ترکیبی PCA-ANFIS با روش ANFIS دقت و سرعت بالاتر مدل ترکیبی طراحیشده را، به‌نسبت روش ANFIS در پیش‌بینی آلودگی هوا طی 24 ساعت آینده، بیان می‌کند.
آرش بی همتا؛ حمید گهرنژاد؛ صابر معظمی
دوره 10، شماره 2 ، آذر 1397، ، صفحه 45-60
چکیده
بارندگی مهم‌ترین عاملی است که در چرخة هیدرولوژی، دخالت مستقیم دارد. به‌دست‌آوردن اطلاعات دقیق بارش، برای تحلیل پدیده‌های گوناگون هیدرولوژیکی و تغییرات اقلیمی، امری ضروری است. هدف از این تحقیق بررسی میزان دقت دادههای بارش دو ماهوارة GPM با محصول IMERG وTRMM با محصول 3B42، در چهار ایستگاه سینوپتیک شهر تهران در مقیاس روزانه، ماهیانه و ...
بیشتر
بارندگی مهم‌ترین عاملی است که در چرخة هیدرولوژی، دخالت مستقیم دارد. به‌دست‌آوردن اطلاعات دقیق بارش، برای تحلیل پدیده‌های گوناگون هیدرولوژیکی و تغییرات اقلیمی، امری ضروری است. هدف از این تحقیق بررسی میزان دقت دادههای 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 دادههای ماهواره‌ای و دادههای مشاهده‌ای بارش ضریب همبستگی (R)، میزان انحراف نسبی (Bias)، خطای قدر مطلق میانگین (MAE)، میانگین مربعات خطا (RMSE) به‌منظور ارزیابی و واسنجی دادهها، و مقادیر احتمال تشخیص (POD) و نسبت هشدار اشتباه (FAR) و شاخص موفقیت (CSI) با هدف راستیآزمایی دادهها، بررسی شد. مقادیر Bias، MAE و RMSE تأیید کرد که هر دو محصول 3B42 و IMERG، در ایستگاه شمیران، کمترین میزان خطا را با دادههای مشاهده‌ای دارند. همچنین، در ارزیابی محصول IMERG با مقادیر بارش ایستگاه شمیران، میزان همبستگی در این ایستگاه در مقیاس روزانه، ماهیانه و فصلی، به‌ترتیب 57%، 83% و 87% مشخص شد. به‌طورکلی می‌توان گفت، با توجه به تکنولوژی برتر IMERG دقت بالایی دارد و ابزار خوبی برای پیشبینیهای هیدرولوژیکی است.
کاظم علی‌آبادی؛ امید باغانی
چکیده
هدف این مطالعه، ارائه یک الگوریتم محاسباتی-تقریبی بر پایه موجک‌های‌هار گویا[1]، برای تخمین پوشش گیاهی از تصویر لندست، به‌کمک بازتاب این پدیده در باند مادون قرمز نزدیک است. این باند در ترکیب رنگی RGB، در بخش R قرارگرفته است. این الگوریتم، با استفاده از DN[1] پوشش گیاهی در 200 پیکسل انتخابی باند R (باند مادون قرمز) از سطح تصویر منطقه ...
بیشتر
هدف این مطالعه، ارائه یک الگوریتم محاسباتی-تقریبی بر پایه موجک‌های‌هار گویا[1]، برای تخمین پوشش گیاهی از تصویر لندست، به‌کمک بازتاب این پدیده در باند مادون قرمز نزدیک است. این باند در ترکیب رنگی RGB، در بخش R قرارگرفته است. این الگوریتم، با استفاده از DN[1] پوشش گیاهی در 200 پیکسل انتخابی باند R (باند مادون قرمز) از سطح تصویر منطقه مورد مطالعه، سعی در استخراج عوارض و پوشش‌های گیاهی کل منطقه مورد مطالعه را دارد. این تعداد پیکسل انتخابی، به‌صورت یکنواخت و پراکنده از سطح تصویر و فقط از عوارض پوشش گیاهی انتخاب شده است. با‌توجه به‌پذیرش دادههای ورودی در این الگوریتم در فرمت ماتریس، در ابتدا ماتریس‌های بازتاب پوشش گیاهی برای 4 و 8 موجک با استفاده از 200 پیکسل مفروض ساخته می‌شوند. این ماتریس‌ها، با بلوک‌بندی تصویر لندست منطقه، به‌ترتیب به 16 و 64 قسمت به دست می‌آیند. هر عضو این ماتریس‌ها، نشان‌دهنده میانگین پوشش گیاهی منطقه در بلوک متناظر آن از تصویر منطقه است. سپس با معرفی یک معادله کارآمد ریاضی، به‌استخراج پوشش گیاهی کل منطقه مورد مطالعه و بازسازی باند هر پیکسل از سطح تصویر می‌پردازیم. از جمله مزیت‌های این روش، به‌دلیل انجام محاسبات ماتریسی، افزایش سرعت و دقت محاسبات در حد مقیاس پیکسل خواهد بود. در این مطالعه، استخراج پوشش گیاهی با 4 و 8 موجک هار گویا‌شده، با میزان دقت به‌ترتیب 75 و 87.5 درصد انجام شده است. با افزایش تعداد موجک‌ها، دقت الگوریتم موجک هارگویا افزایش می‌یابد، اما از دلایل موجود جهت عدم افزایش تعداد موجک‌ها، افزایش خطای گرد کردن و افزایش هزینه محاسباتی بوده است، به‌‌طوری‌که با افزایش تعداد موجک‌ها، زمان و حافظه صرف‌شده به صورت نمایی افزایش می‌یابند. در سنجش از دور، برای استخراج پوشش گیاهی، تکنیک‌هایی نظیر طبقه‌بندی[1] ارائه شده است که به‌وسیله آنها می‌توان کلاس پوشش گیاهی را با نرم‌افزارهای سنجش از دوری استخراج نمود. اما تفاوت اصلی و اساسی بین روش ارائه‌شده در‌این مقاله و تکنیک‌های موجود، میزان دقت استخراج پوشش گیاهی در ابعاد پیکسل است. در تکنیک‌های پردازشی و تحلیلی (در خصوص استخراج و کلاس‌بندی پوشش گیاهی) در سنجش از دور، بسیاری از پیکسل‌های حاوی پوشش گیاهی که به‌صورت منفرد یا خوشه‌ای (اما به‌تعداد کم) هستند، در سایر کلاس‌ها نظیر زمین بایر یا زمین شهری ادغام خواهند شد، که الگوریتم موجک‌های‌هار گویا‌شده، فاقد‌این نقیصه است.
الهام مهرابی گوهری؛ حمید رضا متین فر؛ اعظم جعفری؛ روح الله تقی زاده مهرجردی؛ فاطمه خیامیم
چکیده
دادههای طیفی محدوده مرئی – مادون قرمز که با حداقل هزینه و صرف وقت تهیه می‌شوند، کاربرد وسیعی در برآورد خصوصیات فیزیکی و شیمیایی خاک دارند. مطالعه حاضر، با هدف بررسی توانایی این روش در برآورد مقدار ماده آلی، کربناتها و درصد گچ سطح خاک صورت پذیرفته است. بر اساس تکنیک هایپرکیوب، محل 115 پروفیل شناسایی و سپس نمونه‌برداری از ...
بیشتر
دادههای طیفی محدوده مرئی – مادون قرمز که با حداقل هزینه و صرف وقت تهیه می‌شوند، کاربرد وسیعی در برآورد خصوصیات فیزیکی و شیمیایی خاک دارند. مطالعه حاضر، با هدف بررسی توانایی این روش در برآورد مقدار ماده آلی، کربناتها و درصد گچ سطح خاک صورت پذیرفته است. بر اساس تکنیک هایپرکیوب، محل 115 پروفیل شناسایی و سپس نمونه‌برداری از افقهای خاک انجام گرفت و مقدار ماده آلی، درصد گچ و آهک خاک نیز با روشهای استاندارد اندازه‌گیری شد. آنالیز طیفی خاک افقهای سطحی مورد نظر با استفاده از دستگاه طیف‌سنج زمینی با دامنه طول موج 400-2500 نانومتر انجام شد(115 نمونه سطحی). پس از ثبت طیف‌ها، انواع روشهای پیش‌پردازش، مورد ارزیابی قرار گرفت و سپس از رگرسیون حداقل مربعات جزئی (Partial Least Square Regression) و رگرسیون مولفه اصلی((PCR، برای پیش‌بینی پارامترهای مورد نظر استفاده شد. جهت ارزیابی مدل، 80 درصد دادهها برای کالیبراسیون مدل و 20 درصد برای صحت‌سنجی مدل، به صورت تصادفی انتخاب شدند. پیش‌پردازش‌های مختلف از جمله مشتق اول و دوم، به همراه فیلتر ساواتزکی و گلای، متغیر نرمال استاندارد و تصحیح پخشیده چندگانه با هم مقایسه شدند. نتایج این بررسی نشان داد بهترین نتایج مدلسازی، مربوط به روش PLSR با پیش‌پردازش مشتق اول+فیلتر ساویتزکی و گلای برای برآورد گچ، کربنات و ماده آلی خاک است. با توجه به مقادیر درصد انحراف نسبی(RPD)، پیش‌بینی مدل، برای درصد گچ و ماده آلی در کلاس خوب و برای کربناتها در کلاس ضعیف است.
بهزاد محمدی شیخرضی؛ محمد شریف ملا؛ موسیوند علی جعفر؛ علی شمس الدینی
چکیده
متغیرهای بیوفیزیکی و بیوشیمیایی پوشش گیاهی، به‌منزلة متغیرهای ورودی، برای مدل‌های متفاوت چرخة کربن، آب، انرژی و مدل‌های اقلیمی و کشاورزی دقیق نقش مهمی ایفا می‌کنند. یکی از مهم‌ترین متغیرهای مربوط به تاج‌پوشش گیاه، که کاربردهای فراوانی در مدلسازیهای گوناگون خاک و گیاه و اتمسفر دارد، شاخص سطح برگ (LAI) است. روشهای گوناگونی ...
بیشتر
متغیرهای بیوفیزیکی و بیوشیمیایی پوشش گیاهی، به‌منزلة متغیرهای ورودی، برای مدل‌های متفاوت چرخة کربن، آب، انرژی و مدل‌های اقلیمی و کشاورزی دقیق نقش مهمی ایفا می‌کنند. یکی از مهم‌ترین متغیرهای مربوط به تاج‌پوشش گیاه، که کاربردهای فراوانی در مدلسازیهای گوناگون خاک و گیاه و اتمسفر دارد، شاخص سطح برگ (LAI) است. روشهای گوناگونی برای بازیابی LAI از تصاویر ابرطیفی به‌کار رفته‌اند که، از میان آنها، روشهای ناپارامتریک غیرخطی یادگیری ماشین بسیار مورد توجه قرار گرفته‌اند زیرا، در مواجهه با دادههای دارای ابعاد زیاد، انعطاف‌پذیرند. بااین‌حال، در مطالعات پیشین، به بررسی عملکرد روشهای یادگیری ماشین در بازیابی مقادیر LAI در مقادیر حاشیهای (مقادیر خارج از دامنة نمونهگیری زمینی) و قابلیت این روش‌ها در تهیة نقشة متغیر توجه چندانی نشده است. در این تحقیق، عملکرد چهار روش پرکاربرد یادگیری ماشین شامل رگرسیون بردار پشتیبان، فرایند گاوسی، شبکة عصبی مصنوعی و جنگل تصادفی در بازیابی LAI از تصویر ابرطیفی ماهوارة کریس‌ـ پروبا بررسی شده است. نتایج نشان داد که، به‌رغم کارآیی هر چهار روش در بازیابی مقادیر LAI برای دامنة مقادیر اندازهگیریشدة زمینی با RMSE بهتر از 0.5 و خطای نسبی کمتر از 10%، روشهای فرایند گاوسی و رگرسیون بردار پشتیبان صحت بالاتری در مقایسه با سایر روش‌ها دارند. باوجوداین، عملکرد روش شبکة عصبی مصنوعی، در تخمین LAIهای دارای مقادیر حاشیهای، بهتر از دیگر روشهاست و نقشة تهیه‌شده با این روش و تابع یادگیری GDA تطابق بیشتری با نقشة NDVI و تصویر ابرطیفی منطقه دارد.
مریم سادات احمدی؛ عباس مالیان
چکیده
طراحی الگوریتم‌های سنجش از دور و توسعة روشهای گوناگون پردازش تصاویر ماهواره‌ای، برای شناسایی کانسارهای مس پورفیری، ازجمله موضوعات مهم مطالعات در زمینة ارزیابی منابع معدنی و بهره‌برداری بهینه از آنهاست. به این منظور، تعیین نواحی دگرسانی ابزار مناسبی به‌منظور طراحی الگوهای مورد قبول اکتشافی فراهم می‌آورد. در این پژوهش، با ...
بیشتر
طراحی الگوریتم‌های سنجش از دور و توسعة روشهای گوناگون پردازش تصاویر ماهواره‌ای، برای شناسایی کانسارهای مس پورفیری، ازجمله موضوعات مهم مطالعات در زمینة ارزیابی منابع معدنی و بهره‌برداری بهینه از آنهاست. به این منظور، تعیین نواحی دگرسانی ابزار مناسبی به‌منظور طراحی الگوهای مورد قبول اکتشافی فراهم می‌آورد. در این پژوهش، با راهبردی جامع و با استفاده از تعیین حدود دگرسانی‌های مرتبط با کانسار مس پورفیری برمبنای مدل لوول و گیلبرت با سه نوع راهبرد متفاوت (پردازش‌های بصری، طیفی و آماری) و همچنین استخراج خط‌واره‌ها در منطقة مورد مطالعه، محدودة تمرکز مادة معدنی برای حفاری پیشنهاد شد. منطقة مورد مطالعه، در این مقاله، کانسار مس پورفیری مسجدداغی در شمال‌شرق استان آذربایجان‌شرقی است. در این پژوهش، از تصاویر ماهواره‌ای چندطیفی استر، سنجندة OLI لندست‌ـ 8 و سنتینل‌ـ 2 برای پردازش‌های گوناگون مانند ترکیبات نسبت‌های باندی، تحلیل مؤلفة اصلی و روشهای پردازش طیفی پیکسل‌مبنا و زیرپیکسلی، ازجمله SAM و MTMF و پردازش‌های آماری مبتنی‌بر الگوریتم عملگر منطقی استفاده شد. در نهایت، با فازی‌سازی و تلفیق لایه‌های حاصل از پردازش‌های تصاویر ماهواره‌ای با ساختارهای هندسی منطقه (خط‌واره‌ها) که روی دادههای سنتینل‌ـ 2 به دو روش خودکار و نیمه‌خودکار استخراج شدند، نتایج در فضای GIS تحلیل شد و پس از مقایسة نتایج ارائه‌شده با تحلیل نمونه‌های زمینی، صحت و تطابق مناطق مورد نظر تأیید شد. دقت کاربر و سازنده درمورد محدودة دارای اولویت به‌ترتیب 54/78% و 36/78% به‌دست آمد که معیار سنجش مناسب‌تری برای معرفی محدودة مرکز حفاری است.
نیما فرهادی؛ عباس کیانی؛ حمید عبادی
چکیده
شناسایی عوارض موجود در تصاویر، یکی از مسائل اساسی در حوضه تفسیر تصاویر به‌ویژه در تصاویر سنجشازدوری، به شمار می‌آید. یکی از روشهای کارآمد و به‌روز در این زمینه، به‌کارگیری شیوه‌های یادگیری عمیق، جهت استخراج و تفسیر است. یک عارضه، مجموعه‌ای از الگوهای منحصربه‌فرد است که با عوارض مجاور خود متفاوت است، این تفاوت معمولاً در ...
بیشتر
شناسایی عوارض موجود در تصاویر، یکی از مسائل اساسی در حوضه تفسیر تصاویر به‌ویژه در تصاویر سنجشازدوری، به شمار می‌آید. یکی از روشهای کارآمد و به‌روز در این زمینه، به‌کارگیری شیوه‌های یادگیری عمیق، جهت استخراج و تفسیر است. یک عارضه، مجموعه‌ای از الگوهای منحصربه‌فرد است که با عوارض مجاور خود متفاوت است، این تفاوت معمولاً در یک یا چند ویژگی به‌طور هم‌زمان اتفاق می‌افتد که می‌توان به‌تفاوت در شکل، رنگ و درجه خاکستری اشاره نمود. در این راستا، روش یادگیری عمیق با توانایی تحلیل مفاهیم انتزاعی سطح بالا، می‌تواند انتخاب مناسبی در این زمینه باشد. در روش پیشنهادی، ابتدا یک پایگاه‌داده مطابق با شرایط محیطی و جغرافیایی کشور از برخی از فرودگاه‌های ایران تشکیل‌‌شد. سپس با استفاده از شبکه‌های عصبی کانولوشنی به تولید مدل یادگیرنده بهینه اقدام شد. برای این کار، در قسمت پردازش دادههای خام در کنار استفاده از روش انتقال آموزشی، بردارهایی جهت دسته‌بندی عوارض موردنظر استخراج و به یک مدل ماشین‌بردار پشتیبان طبقه‌بندی‌کننده، تحویل داده می‌شوند. در ادامه، مقادیر خروجی با مقادیر به‌دست‌آمده از تصویر آزمایشی برای هر عارضه، مقایسه و در یک روند تکرارشونده تحلیل و جهت تطابق ساختاری بررسی می‌شوند. نتایج استخراج‌شده از اعمال مدل پیشنهادی بر روی چند سری داده آزمایشی، ارزیابی و با روشهای مشابه مقایسه شد که درنهایت با مقادیر 21/98 درصد برای معیار Precision و 1/99 درصد برای معیار F1-Measure، قادر به شناسایی عوارض هدف است
علیرضا رمضانی خوجین؛ میرمسعود خیرخواه زرکش؛ پیمان دانشکار آراسته؛ علی مریدی؛ رحیم علیمحمدی نافچی
دوره 7، شماره 3 ، بهمن 1394، ، صفحه 49-64
چکیده
امروزه محاسبۀ دمای سطوح مختلف پوشش گیاهی و خاکی با استفاده از تصاویر ماهواره‌ای، با هدف برآورد تبخیر و تعرق واقعی با الگوریتم بیلان انرژی، اهمیت بسیار زیادی دارد. در این مطالعات دقت محاسبۀ گرادیان حرارتی بین سطح زمین و هوا و میزان اختلاف دمای سطوح مختلف کاربری دارای اهمیت است. در دشت شهرکرد به منظور محاسبۀ دمای سطح زمین[1] سه چالش اصلی ...
بیشتر
امروزه محاسبۀ دمای سطوح مختلف پوشش گیاهی و خاکی با استفاده از تصاویر ماهواره‌ای، با هدف برآورد تبخیر و تعرق واقعی با الگوریتم بیلان انرژی، اهمیت بسیار زیادی دارد. در این مطالعات دقت محاسبۀ گرادیان حرارتی بین سطح زمین و هوا و میزان اختلاف دمای سطوح مختلف کاربری دارای اهمیت است. در دشت شهرکرد به منظور محاسبۀ دمای سطح زمین[1] سه چالش اصلی وجود داشت. نخست، نبود مطالعۀ مشخصی در زمینۀ محاسبۀ دمای سطح زمین با استفاده از باندهای حرارتی ماهوارۀ Landsat8، دوم، فقدان دادههای مشاهده‌ای دمای سطح پوشش‌های مختلف گیاهی و خاکی و سوم، محدود بودن دادههای دمای سطح زمین ایستگاه‌های کلیماتولوژی و سینوپتیک به حداقل روزانه. در این مطالعه، به منظور تبدیل دمای درخشندگی2 سطح به دمای سطح زمین، از الگوریتم دوپنجره‌ای3 موجود AVHRR-NOAA استفاده شد و برای محاسبۀ گسیلندگی سطحی4 نیز روش پیشنهادی الگوریتم سبال5 به کار رفت. با توجه به نبودِ ایستگاه‌های هواشناسی مرجع، از دادههای ایستگاه‌های غیر‌مرجع برای محاسبۀ دمای روزانۀ سطح زمین و لحظۀ عبور ماهواره استفاده شد و در نهایت، از روش محاسبۀ خطای انحراف برای واسنجی دمای سطح زمین ماهوارۀ Landsat 8 و تهیۀ لایۀ میانگین روزانه دمای سطح زمین استفاده شد. در این مطالعه همۀ ضرایب همبستگی محاسبه‌شده بیشتر از 0.9 بود و تمامی روابط رگرسیونی، از نظر آماری، در سطح 95% و حتی 99% معنادار بودند. اختلاف مقادیر خطای انحراف محاسبه‌شده در روز-تصویرهای مختلف در بیشترین مقدار، 0.5 کلوین بود و میزان RMSE محاسبه‌شده نیز بین 1.9 تا 2.2 کلوین قرار داشت که در مقایسه با مطالعات مشابه مورد پذیرش بود.
علی‌اصغر تراهی؛ مرجان فیروزی‌نژاد؛ علی عبدالخانی
دوره 9، شماره 1 ، دی 1396، ، صفحه 49-62
چکیده
تهیة اطلاعات دقیق و به‌روز از منابع جنگلی یکی از عوامل اساسی در مطالعه و مدیریت پایدار این منابع است و این اطلاعات را می‌توان به‌آسانی و با صرف هزینه و زمان کمتر، از راه طبقه‌بندی دادههای دورسنجی تهیه کرد. در این مطالعه به‌منظور ارزیابی عملکرد الگوریتم‌های ماشین‌بردار پشتیبان و حداکثر احتمال در تهیه نقشه کاربردی اراضی جنگل‌های ...
بیشتر
تهیة اطلاعات دقیق و به‌روز از منابع جنگلی یکی از عوامل اساسی در مطالعه و مدیریت پایدار این منابع است و این اطلاعات را می‌توان به‌آسانی و با صرف هزینه و زمان کمتر، از راه طبقه‌بندی دادههای دورسنجی تهیه کرد. در این مطالعه به‌منظور ارزیابی عملکرد الگوریتم‌های ماشین‌بردار پشتیبان و حداکثر احتمال در تهیه نقشه کاربردی اراضی جنگل‌های رودخانه‌ای، از دادههای ماهواره لندست 8 استفاده شد. برای این کار، پنجره‌ای از تصاویر چندطیفی سنجندة OLI جنگل‌های رودخانة مارون بهبهان، در استان خوزستان، انتخاب شد. پس از عملیات پیش‌پردازش، شامل رفع خطای رادیومتریک و تصحیح اتمسفریک، طبقه‌بندی تصاویر به‌روش نظارت‌شده و با استفاده از الگوریتم‌های حداکثر احتمال و ماشین بردار پشتیبان و با هفت کلاس کاربری جنگل، مرتع، کشاورزی، آیش، رودخانه، مسکونی و جاده، و همچنین سه کلاس کاربری جنگل، رودخانه و دیگر مناطق، روی مجموعة باندهای اصلی صورت پذیرفت. برای ارزیابی عملکرد الگوریتم ماشین بردار پشتیبان، از سه گروه نمونة تعلیمی با تعداد 241، 141 و 41 نمونه و همچنین از چهار هستةخطی، چندجمله‌ای، شعاعی و حلقوی استفاده شد. نتایج حاصل نشان داد که تهیة نقشة طبقه‌بندی جنگل‌های رودخانه‌ای مارون و تفکیک کاربری‌ها با استفاده از تصاویر سنجندة OLI امکان‌پذیر است و بهترین نتیجه مربوط به طبقه‌بندی، با استفاده از الگوریتم - PolynomialSVM در باندهای اصلی سنجندة OLI و با سه کلاس کاربری و صحت کلی 24/99 و ضریب کاپای 97/0 است. همچنین مشخص شد که با کاهش تعداد کلاس‌ها از هفت به سه، کاربری صحت طبقه‌بندی افزایش می‌یابد ولی با کاهش تعداد نمونه‌ها تا حد میانگین، تغییر محسوسی در کیفیت طبقه‌بندی رخ نمی‌دهد و در صورت کاهش زیاد تعداد نمونه‌ها، از صحت طبقه‌بندی نیز کاسته می‌شود.
حمیدرضا متین فر؛ فوزیه کوهنی؛ علی اکبر اصیلیان مهابادی
چکیده
شوری خاک یکی از مشکلات مهم زیست‌محیطی است و شناسایی و پهنه‌‌بندی خاک‌های شور، به‌علت نیاز به نمونه‌برداری و انجام‌دادن آنالیزهای آزمایشگاهی و همچنین تغییرپذیری زمانی و مکانی آن، مشکل است. در سال‌های اخیر استفاده از تصاویر ماهواره‌ای، به‌علت استفادة آسان و توانایی در شناسایی پدیده‌ها، همواره مورد توجه متخصصان قرار گرفته است. ...
بیشتر
شوری خاک یکی از مشکلات مهم زیست‌محیطی است و شناسایی و پهنه‌‌بندی خاک‌های شور، به‌علت نیاز به نمونه‌برداری و انجام‌دادن آنالیزهای آزمایشگاهی و همچنین تغییرپذیری زمانی و مکانی آن، مشکل است. در سال‌های اخیر استفاده از تصاویر ماهواره‌ای، به‌علت استفادة آسان و توانایی در شناسایی پدیده‌ها، همواره مورد توجه متخصصان قرار گرفته است. در این پژوهش، 220 نمونة خاک از منطقة میمة شهرستان دهلران، در جنوب استان ایلام، با توجه به نوع مطالعه و تیپ‌های فیزیوگرافی و واحدهای متشکل خاک‌ها برداشت شد. سپس مقادیر pH و EC با استفاده از روشهای استاندارد اندازه‌گیری شد. ارزیابی مقادیر شوری خاک، با استفاده از روابط همبستگی بین مقادیر هدایت الکتریکی EC حاصل از دادههای زمینی، با متغیرهای به‌دست‌آمده از تصاویر ماهواره‌ای لندست 8 شامل باندها، شاخصهای شوری، شاخصهای پوشش گیاهی و شاخصهای خاک صورت گرفت. در نهایت، مدل تخمین شوری سطحی خاک با روش رگرسیون گام‌به‌گام به‌دست آمد. این روش شامل انتخاب خودکار متغیرهای مستقل است و با دردسترس‌بودن بسته‌های نرم‌افزاری آماری، انجام‌دادن آن حتی در مدل‌هایی با صدها متغیر امکان‌پذیر است. در مطالعات گذشته، شاخصها و باندها به‌صورت جداگانه و محدود به‌کار رفته‌اند اما، در این مطالعه، سعی شده است از ترکیب شاخصهای گوناگون استفادة گسترده‌تری شود و در نهایت، با حذف شاخص‌هایی که کمترین تأثیر را در برآورد شوری خاک داشته‌اند، بهترین مدل برآورد شوری برای خاک منطقه پیشنهاد شد. با استفاده از آنالیز سطح معنی‌داری و میزان همبستگی بین خروجی مدل‌ها و دادههای زمینی، بهترین مدل با مقدار (882/0R2=) انتخاب و نقشة شوری خاک براساس آن تهیه شد. بیشترین مساحت مربوط به کلاس غیرشور است که 75% از کل منطقة مورد مطالعه را شامل می‌شود و حدود 1% از خاک‌های منطقه نیز مربوط به کلاس بسیار شور است. با مقایسة دادههای حاصل از ماهوارة لندست 8 و به‌کارگیری شاخصها و قراردادن شاخصها در معادلة رگرسیونی گام‌به‌گام، این نتیجه حاصل شد که تصاویر ماهواره‌ای برای ارزیابی شوری خاک منطقه کارآمد است و نتایج حاصل، همبستگی بالایی در سطح 88/0 با دادههای زمینی دارند.
محمدحسین قلی زاده؛ جمیل امان اللهی؛ فردین رحیمی
چکیده
تحقیق حاضر با هدف ارزیابی دقت دادههای ماهواره‌ای سنجندة مادیس در پایش ریزگردها (ذرات PM10 )، به‌منظور مقایسه با دادههای ایستگاه زمینی سنجش آلودگی در شهر سنندج انجام گرفته است. بدین‌ترتیب، میزان عملکرد دادههای ماهواره‌ای در اندازه‌گیری ریزگردها، در ایستگاه زمینی سنندج، مشخص می‌شود. ابتدا دادههای ماهواره‌ای عمق نوری (ذرات ...
بیشتر
تحقیق حاضر با هدف ارزیابی دقت دادههای ماهواره‌ای سنجندة مادیس در پایش ریزگردها (ذرات PM10 )، به‌منظور مقایسه با دادههای ایستگاه زمینی سنجش آلودگی در شهر سنندج انجام گرفته است. بدین‌ترتیب، میزان عملکرد دادههای ماهواره‌ای در اندازه‌گیری ریزگردها، در ایستگاه زمینی سنندج، مشخص می‌شود. ابتدا دادههای ماهواره‌ای عمق نوری (ذرات PM10 ) سنجندۀ مادیس، متناظر با دادههای PM10 زمینی تهیه‌شده از ایستگاه زمینی پایش آلودگی واقع در شهر سنندج، به‌دست آمد؛ آنگاه ضریب همبستگی دو سری داده محاسبه شد. برای پیش‌بینی دقیق دادههای PM10، دو مدل آریما و شبکة عصبی مصنوعی به‌کار رفت. دادههای AOD سنجندة مادیس با استفاده از روش حداکثر برآورد احتمال و وزن به‌دست‌آمده از ریشة میانگین مربعات خطا، به‌منظور استفاده در این دو مدل، ترکیب شدند. در نهایت، روش مقایسۀ منفرد برای هریک از مدل‌ها و نیز مقایسۀ مدل‌ها، با هدف شناسایی مدل بهتر در تشخیص و پیش‌بینی دادههای PM10 حاصل از سنجندۀ مادیس، اعتبارسنجی شد. در مدل شبکۀ عصبی، ضریب همبستگی در مرحلۀ آموزش 52%، در مرحلۀ آزمون 53%، RMSE برابر با 62/1 و MAE برابر 62/2 به‌دست 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 می‌کند مدل آریما مدل مناسبی برای پیش‌بینی داده‌هاست اما دقت مدل شبکۀ عصبی، در ارزیابی میزان همبستگی بین دادهها، بیشتر تشخیص داده شد. نتایج تحقیق نشان داد که بین دادههای عمق نوری ریزگرد سنجندۀ مادیس با دادههای زمینی رابطۀ مستقیمی وجود دارد و این الگوریتم قادر به شناسایی گردوغبار است و می‌تواند جایگزین مناسبی برای محصولات PM10 تولیدشده از سوی ایستگاه زمینی باشد.
فرحناز تقوی؛ عباس احمدی؛ زهرا زرگران
دوره 8، شماره 2 ، بهمن 1395، ، صفحه 53-72
چکیده
در این مطالعه، مدلی ترکیبی از شبکه‌های عصبی ماژولار و پردازش تصاویر مادیس برای محاسبۀ دمای سطح زمین، در منطقه‌ای شامل شهر تهران، ارائه شده است. در این مدل، دادههای تصاویر حرارتی با تکیه بر ویژگی‌های دمای درخشندگی در باندهای حرارتی 31 و 32 میکرومترسنجندۀ مادیس، به‌منزلۀ ورودی در شبکه‌های عصبی ماژولار به‌کار رفته و روش جدیدی براساس ...
بیشتر
در این مطالعه، مدلی ترکیبی از شبکه‌های عصبی ماژولار و پردازش تصاویر مادیس برای محاسبۀ دمای سطح زمین، در منطقه‌ای شامل شهر تهران، ارائه شده است. در این مدل، دادههای تصاویر حرارتی با تکیه بر ویژگی‌های دمای درخشندگی در باندهای حرارتی 31 و 32 میکرومترسنجندۀ مادیس، به‌منزلۀ ورودی در شبکه‌های عصبی ماژولار به‌کار رفته و روش جدیدی براساس ترکیبی از شبکۀ عصبی نگاشت خودسازمانده و الگوریتم بهینه‌سازی تجمع ذرات پیشنهاد شد. نتایج به‌دست‌آمده نشان می‌دهد استفاده از این الگوریتم سبب توزیع مناسب دادههای ورودی شبکه‌های عصبی می‌شود. در آخر، نتایج نهایی با مدل‌های شبکه‌های عصبی با آموزش و ساختار غیرماژولار نیز مقایسه شده است. نتایج این مقایسه نشان می‌دهد که زمان آموزش مدل در پیش‌بینی دمای سطح زمین کاهش، و دقت مدل افزایش یافته است. اختلاف کم بین مقادیر پیشبینیشده و مقادیر واقعی دما در منطقه نشان می‌دهد که دما با دقت مناسبی در این مدل پیش‌بینی شده است، به‌‌طوری‌که میانگین خطای مدل ترکیبی مقدار 0081/0 و درصد خطای مطلق نیز 59/10 است.
فرزانه حدادی؛ محسن آزادبخت؛ مائده بهی فر بهی فر؛ حمیدصالحی شهرابی؛ امیر معینی راد
دوره 10، شماره 3 ، فروردین 1397، ، صفحه 53-76
چکیده
در طول چند دهه گذشته، شاخصهای پوشش‌گیاهی متعددی برای تخمین تولید محصولات کشاورزی توسعه داده شده‌اند که هر یک از آنها با توجه به باندهای مورد استفاده و فرمول جبری خود، به مقادیر متفاوتی از تراکم و شاخص سطح برگ گیاهان زراعی حساسیت دارند. مطالعه بعضی از محصولات زراعی چندساله مانند یونجه، که در هر سال به دفعات برداشت می‌شود، بسیار ...
بیشتر
در طول چند دهه گذشته، شاخصهای پوشش‌گیاهی متعددی برای تخمین تولید محصولات کشاورزی توسعه داده شده‌اند که هر یک از آنها با توجه به باندهای مورد استفاده و فرمول جبری خود، به مقادیر متفاوتی از تراکم و شاخص سطح برگ گیاهان زراعی حساسیت دارند. مطالعه بعضی از محصولات زراعی چندساله مانند یونجه، که در هر سال به دفعات برداشت می‌شود، بسیار پیچیده بوده و کمتر مورد توجه قرار گرفته است. لذا در این مقاله، از مهم‌ترین شاخصهای پوشش‌گیاهی توسعه داده شده در برآورد تولید یونجه، توسط تصاویر سری زمانی Sentinel-2 استفاده می‌شود. در این تحقیق، اقدام به جمع‌آوری دوره‌ای 144 نمونه، به شیوه تخریبی از مزارع زیرکشت محصول یونجه شرکت کشاورزی و دامپروری مگسال (قزوین)، به‌صورت تقریباً نزدیک به زمان گذر ماهواره، شد و سپس کارایی 10 شاخص از معروف‌ترین شاخصهای پوشش‌گیاهی، مبتنی بر تصاویر Sentinel-2 برای تخمین تولید محصول یونجه، مورد ارزیابی قرار گرفت. نتایج تحقیق حاضر، نشان داد که تولید تخمین زده‌شده یونجه، با استفاده از شاخص نسبت به سایر شاخصها، دارای بالاترین همبستگی و کمترین جذر میانگین مربعات با دادههای برداشت‌شده میدانی در اواسط مرداد ماه بوده است. بهعلاوه در نتایج این تحقیق، نشان داده شد که شاخصهای لبه قرمز، مشکل اشباع‌شدگی شاخصهای پوشش‌گیاهی در محصول یونجه را نتوانسته‌اند برطرف کنند و شاخصهای پوشش گیاهی سبز، نسبت به شاخصهای لبه قرمز جهت تخمین تولید این محصول، توانایی بیشتری را نشان داده‌اند.
علی خدمت زاده؛ میرنجف موسوی؛ حجت محمدی ترکمانی
چکیده
رشد جمعیت شهرنشین با افزایش فضاهای شهری و به‌طورکلی، با رشد اندازة شهرها همراه بوده است. این امر به‌صورت ساخت‌وساز بیشتر و تغییر اراضی موجود به‌نفع فضاهای ساخته‌شده بروز می‌یابد. موقعیت خاص شهر ارومیه در مجاورت دریاچة ارومیه و شرایط نامساعد این دریاچه لزوم توجه به برنامه‌ریزی صحیح کاربری اراضی را، در این شهر، ناگزیر می‌کند. ...
بیشتر
رشد جمعیت شهرنشین با افزایش فضاهای شهری و به‌طورکلی، با رشد اندازة شهرها همراه بوده است. این امر به‌صورت ساخت‌وساز بیشتر و تغییر اراضی موجود به‌نفع فضاهای ساخته‌شده بروز می‌یابد. موقعیت خاص شهر ارومیه در مجاورت دریاچة ارومیه و شرایط نامساعد این دریاچه لزوم توجه به برنامه‌ریزی صحیح کاربری اراضی را، در این شهر، ناگزیر می‌کند. یکی از ابزارهای مورد نیاز برای برنامه‌ریزی مناسب، در این زمینه، بهره‌گیری از تکنیک‌های سنجش از دور است. پژوهش حاضر با هدف ارزیابی این تغییرات (دورة 2015-1989) و پیش‌بینی روند آتی آن صورت گرفته است. از روشهای SVM و شبکة عصبی برای ارزیابی تغییرات در پنج کلاس استفاده شده است. ضریب تعیین (0.73) و منحنی راک (82.55%) نیز بیانگر دقت بالای مدل شبکة عصبی برای پیش‌بینی تغییرات گسترش شهری‌اند. با توجه به دقت بالای این مدل، که می‌تواند نتایج واقعی‌تری ارائه دهد، از نتایج این نوع طبقه‌بندی در پیش‌بینی تغییرات برای افق 2045 استفاده شده است. اراضی ساخته‌شده در سال 1989 برابر با 7469.1 هکتار بوده که در سال 2002 و 2015، به‌ترتیب، به 9217.3 و 9436.9 هکتار رسیده است. در سال 2045، براساس مدل پیش‌بینی شبکة عصبی، برابر با 22449.6 هکتار خواهد بود که 13012.7 هکتار افزایش را در اراضی ساخته‌شده نشان می‌دهد. نتایج حاصل گویای این است که تمامی این ساخت‌وسازها برمبنای نیاز واقعی شهر نبوده و پدیدة اسپرال (گستردگی شهری) اتفاق افتاده است.
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
مهرنوش شاکری‌پور؛ فردین میرزاپور؛ علی درویشی بلورانی؛ سید کاظم علوی‌پناه
دوره 8، شماره 1 ، بهمن 1395، ، صفحه 55-70
چکیده
تلفیق تصاویر ماهواره‌ای و ایجاد دادههایی با قابلیت مکانی و طیفی بالاتر از دادههای موجود جایگاه و نقشی ویژه در مباحث سنجش از دور دارد. این درحالی است که دقت و کارآیی همۀ مراحل پردازش در مسیر استفاده از این دادهها به دقت و اعتمادپذیری دادۀ تولیدشده وابسته است. درنهایت، استفادۀ بهینه از تصویر تلفیق‌شده مبتنی بر دقت روش تلفیق است. ...
بیشتر
تلفیق تصاویر ماهواره‌ای و ایجاد دادههایی با قابلیت مکانی و طیفی بالاتر از دادههای موجود جایگاه و نقشی ویژه در مباحث سنجش از دور دارد. این درحالی است که دقت و کارآیی همۀ مراحل پردازش در مسیر استفاده از این دادهها به دقت و اعتمادپذیری دادۀ تولیدشده وابسته است. درنهایت، استفادۀ بهینه از تصویر تلفیق‌شده مبتنی بر دقت روش تلفیق است. بررسی این مهم به انتخاب درست شاخص ارزیابی، متناسب با هدف و حیطۀ کاربرد تصویر تلفیق‌شده، نیاز دارد. ارجحیت حفظ اطلاعات مکانی و طیفی درکاربردهای گوناگون، همچون منابع طبیعی، مناطق شهری و مانند آن، متفاوت است. بنابراین، انتخاب بهترین روش تلفیق با بررسی ازطریق شاخصهای ارزیابی کیفیت تصویر متناسب با حیطۀ کاربرد تصویر یکی از چالش‌های کاربران در این زمینه است. ازاین‌رو، مقالۀ حاضر به آنالیز و ارزیابی بیست روش رایج ارزیابی کیفیت تصویر، با هدف معرفی شاخص مناسب در بین شاخص های مطرح براساس کاربرد تصویر تلفیق‌شده، معرفی عوامل تفاوت نظر شاخصها در بیان کیفیت و ارائۀ مدلی برای دریافتن توانای هریک از شاخصها در نمایش اعوجاجات رخ‌داده در جنبۀ اطلاعات طیفی و مکانی تصویر پرداخته است. بدین منظور، دو شاخص فیلتر بالاگذر و زاویۀ نگاشت طیفی به‌منزلۀ مبنای اطلاعات مکانی و طیفی تصویر درنظر گرفته شد و عملکرد هریک از شاخص ها در بیان کیفیت دادههای شبیه‌سازی‌شده، که شامل تصاویری با اعوجاج طیفی و مکانی کنترل شده است، بررسی شد. برای ایجاد اعوجاج طیفی از اثر اعمال فیلتر بالاگذر، جابه‌جایی باند و تغییر تن رنگ بهره گرفته شده است. همچنین، از فیلتر پایین‌گذر و عملگرهای فرسایشی با عنصر ساختاری با ابعاد متفاوت برای مخدوش کردن اطلاعات مکانی استفاده شده است. در بررسی‌های انجام‌شده در این تحقیق، از تصاویر ماهواره‌های Landsat8،EO-1 وWorldview که قدرت تفکیک طیفی و مکانی متفاوت دارند، استفاده شد. از هر تصویر قطعاتی با کاربری اراضی متفاوت به‌منزلۀ تصاویر تست برش داده شد. نتیجۀ ارزیابی شاخصها روی تصاویر تست دسته‌بندی شاخصها، از نظر توانایی نمایش انحرافات طیفی و مکانی، در سه گروه قرار می‌گیرد. دستۀ نخست روشهای مبتنی بر نویز برای ارزیابی کلی تصویر در مقابل نویز است، شامل شاخصهای ERGAS، MSE، PSNR، WSNR. دستۀ دوم روشهای هم‌سو با روش نگاشت زاویۀ طیفی« SAM» که به‌دلیل نمایش بهتر انحرافات طیفی، برای برآورد تخریب اطلاعات طیفی تصویر مناسب‌تر است و شاخصهای BIAS, RASE, Q, MSSIM, NQM, FSIM, SRSIM, SAM را دربر می‌گیرد. دستۀ سوم شاخص هم‌روند با شاخص فیلتر بالاگذر «HPF»، شامل شاخصهای MAD و RFSIM است که برای برآورد تخریب اطلاعات مکانی تصویر مناسب‌تر است.
مائده بهی فر؛ عطاالله عبدالهی؛ مجید کیاورز؛ دکتر فرشاد امیراصلانی
چکیده
خشکسالی از مهم‌ترین بلایای طبیعی کشور است که اثرات مخرب زیست‌محیطی و اقتصادی فراوانی دارد. بیشتر مطالعات انجام‌شده به شدت خشکسالی پرداخته‌اند و معمولاً سایر ویژگی‌های آن بررسی نشده است. در این تحقیق، اولین‌بار، قابلیت شاخصهای هواشناسی و دادههای ماهواره‌ای با یکدیگر ادغام شده و از آن برای مطالعة تمامی ویژگی‌های خشکسالی، ...
بیشتر
خشکسالی از مهم‌ترین بلایای طبیعی کشور است که اثرات مخرب زیست‌محیطی و اقتصادی فراوانی دارد. بیشتر مطالعات انجام‌شده به شدت خشکسالی پرداخته‌اند و معمولاً سایر ویژگی‌های آن بررسی نشده است. در این تحقیق، اولین‌بار، قابلیت شاخصهای هواشناسی و دادههای ماهواره‌ای با یکدیگر ادغام شده و از آن برای مطالعة تمامی ویژگی‌های خشکسالی، در دو حوزة داخلی و ساحلی کشور، استفاده شده است. بدین‌منظور، شاخص SPI با استفاده از تصاویر ماهواره‌ای بارش TRMM محاسبه شده و سپس مشخصه‌های خشکسالی مانند شدت، تداوم، بزرگی و گسترة خشکسالی، به‌صورت مکانی، در سطح حوزه مطالعه شد. نتایج نشان‌دهندة همبستگی کلی 0.94 بین SPI محاسبه‌شده از تصویر و دادههای ایستگاهی بوده است. حداکثر شدت خشکسالی در منطقة مورد مطالعه برابر با 4.19- بوده که در آذر سال 1389 اتفاق افتاده است. علاوه‌براین، فراوانی وقوع خشکسالی‌های فرین، در دو مقیاس زمانی شش و دوازده‌ماهه، در حوزة داخلی بیشتر از حوزة ساحلی بوده است. در بازة مورد مطالعه، در مقیاس زمانی شش‌ماهه، 60% از رویدادهای خشکسالی حوزة بزرگی خفیف‌تر از 18.3- داشته‌اند. نتایج نشان داد، با استفاده از تصاویر ماهواره‌ای، به‌خوبی می‌توان به مشخصة گسترة خشکسالی دست یافت؛ درحالی‌که با استفاده از سایر روش‌ها قابل محاسبه نیست. علاوه‌براین، با به‌کارگیری تصاویر ماهواره‌ای، می‌توان مشخصه‌های خشکسالی را در سطح حوزه، به‌صورت مکانی، مطالعه کرد و چنین کاری با روشهای سنتی امکان‌پذیر نیست. نتایج تحقیق مؤید مزیت به‌کارگیری دادههای بارش ماهواره‌ای در مطالعة خشکسالی بوده است.
زهره صالحی نژاد؛ سیدعلی المدرسی
چکیده
تخلفات ساختمانی، به‌سبب سطح فراگیر و آثار بلندمدت و پایدارشان در نیم‌رخ شهرها، از مهم‌ترین چالش‌های شهرنشینی نوین محسوب می‌شوند. روشهای رایج و معمول که امروزه در کنترل ساخت‌وسازها استفاده می‌شود، بسیار زمان‌بر و پرهزینه است. هدف اصلی این پژوهش ارائة چارچوبی نوین به‌منظور برآورد سریع و کم‌هزینه، در آشکارسازی و نظارت بر ساخت‌وسازها ...
بیشتر
تخلفات ساختمانی، به‌سبب سطح فراگیر و آثار بلندمدت و پایدارشان در نیم‌رخ شهرها، از مهم‌ترین چالش‌های شهرنشینی نوین محسوب می‌شوند. روشهای رایج و معمول که امروزه در کنترل ساخت‌وسازها استفاده می‌شود، بسیار زمان‌بر و پرهزینه است. هدف اصلی این پژوهش ارائة چارچوبی نوین به‌منظور برآورد سریع و کم‌هزینه، در آشکارسازی و نظارت بر ساخت‌وسازها و شناسایی ساختمان‌های غیرمجاز شهری، با استفاده از تصاویر ماهوارة سنتینل‌ـ 1 در دورة زمانی 2017 تا 2022 و سیستم‌های اطلاعات مکانی است. بدین‌منظور در مرحلة اول، براساس تحلیل و پردازش در نرم‌افزار SNAP، ضریب پراکنش سیگمانات تصاویر استخراج و به دو طبقة ساختمان و غیرساختمان تفکیک شده و حد آستانة بیشتر از 01/0به‌دست آمده است. سپس، با استفاده از الگوریتم پیکسل‌مبنا، تصویر باینری ساختمان و غیرساختمان به‌صورت صفر و یک تهیه و براساس اختلاف دو تصویر، منطقه‌ای که ساخت‌وساز در آن انجام شده است مشخص شد. پس از آشکارسازی مناطق ساختمانی تغییریافته، با استفاده از الگوریتم‌های طبقه‌بندی حداکثر احتمال و جنگل تصادفی، این مناطق در سه کلاس (ساختمان، در حال ساخت و سایر اراضی) قرار گرفتند و با نقشة برداشت میدانی و پارسل‌های بدون پروانه ارزیابی شدند. نتایج نشان داد تعداد ساختمان‌های بدون پروانه با استفاده از الگوریتم حداکثر احتمال، جنگل تصادفی و برداشت میدانی، به‌ترتیب، 130 و 135 و 48 است؛ همچنین دقت اجرای روش حداکثر احتمال به بیشترین میزان 89/0% و ضریب کاپای 83/0% نسبت‌به روش جنگل تصادفی، با دقت کلی 86/0 و ضریب کاپای 81/0% بوده است.
