<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>انجمن سنجش از دور ایران /  دانشگاه شهید بهشتی</PublisherName>
				<JournalTitle>نشریه سنجش از دور و GIS  ایران</JournalTitle>
				<Issn>2008-5966</Issn>
				<Volume>3</Volume>
				<Issue>4</Issue>
				<PubDate PubStatus="epublish">
					<Year>2012</Year>
					<Month>02</Month>
					<Day>20</Day>
				</PubDate>
			</Journal>
<ArticleTitle></ArticleTitle>
<VernacularTitle>ارائه یک روش بدون نظارت در شناسایی تغییرات تصاویر SAR با استفاده از الگوریتم ژنتیک</VernacularTitle>
			<FirstPage></FirstPage>
			<LastPage></LastPage>
			<ELocationID EIdType="pii">94736</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>بهشید</FirstName>
					<LastName>خدایی</LastName>
<Affiliation>دانشگاه اصفهان</Affiliation>

</Author>
<Author>
					<FirstName>جلال</FirstName>
					<LastName>امینی</LastName>
<Affiliation>دانشگاه تهران</Affiliation>

</Author>
<Author>
					<FirstName>مهدی</FirstName>
					<LastName>مؤمنی</LastName>
<Affiliation>دانشگاه اصفهان</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2015</Year>
					<Month>05</Month>
					<Day>13</Day>
				</PubDate>
			</History>
		<Abstract></Abstract>
			<OtherAbstract Language="FA">در مقاله حاضر یک روش بدون نظارت برای آشکارسازی تغییرات در تصاویر ماهواره ای رادار با روزنه ترکیبی (SAR) معرفی می شود. اساس این روش جست و جوی بهینه در فضای جواب های ممکن با اتکا بر الگوریتم ژنتیک است. برای این منظور یک تابع هزینه بر اساس معیار کمترین میانگین مربعات خطا و با در نظر گرفتن تصویر نسبت به دست آمده از تصاویر مشاهده شده ی غیر هم زمان از ناحیه جغرافیایی یکسان، معرفی می شود. به منظور کاهش مدت زمان همگرایی الگوریتم به جواب بهینه، از پنجره ی متحرک با ابعاد مناسب به منظور انتخاب نواحی مختلف از تصویر نسبت با احتمال وجود پیکسل های تغییر یافته، استفاده می شود. این کار افزون بر ایجاد امکان مدیریت حجم محاسباتی و زمان اجرای الگوریتم، توانایی مدیریت نویز لکه ای را نیز فراهم می کند. به این ترتیب که می توان نواحی یکنواخت نویزی محصور در یک پنجره ی انتخاب را تشخیص داد و آن را از فرایند آشکارسازی حذف کرد. علاوه بر این، استفاده از روش های پیش پردازشی کاهش نویز مانند اعمال فیلتر تطبیقی وینر، برای بهبود روند آشکارسازی استفاده شده است. نتایج به دست آمده از پیاده سازی الگوریتم توسعه یافته، حاکی از کاهش زمان اجرای الگوریتم و مدیریت آن با حفظ دقت مطلوب، در مقایسه با روش پیشین آشکارسازی تغییرات به کمک الگوریتم ژنتیک است. به منظور بررسی عملکرد الگوریتم از دو مجموعه داده استفاده می شود. مجموعه اول شامل تصاویر شبیه سازی شده با در نظر گرفتن نویز لکه ای و مجموعه دوم شامل تصاویر سنجنده ASAR ماهواره Envisat، دریافت شده از منطقه تأثیر گرفته از سونامی اخیر کشور ژاپن است. استفاده از روش پیشنهادی در آشکارسازی تغییرات به روش پیکسل مبنا و بر روی مجموعه داده فوق، دقت آشکارسازی در حدود 94 درصد در مقایسه با کل پیکسل های تصویر را به دست داد.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">آشکارسازی تغییرات</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">الگوریتم ژنتیک</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">تصاویر ماهواره ای رادار با روزنه ترکیبی</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://gisj.sbu.ac.ir/article_94736_6cff490ca2c819133ee3c59407f258a2.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>انجمن سنجش از دور ایران /  دانشگاه شهید بهشتی</PublisherName>
				<JournalTitle>نشریه سنجش از دور و GIS  ایران</JournalTitle>
				<Issn>2008-5966</Issn>
				<Volume>3</Volume>
				<Issue>4</Issue>
				<PubDate PubStatus="epublish">
					<Year>2012</Year>
					<Month>02</Month>
					<Day>20</Day>
				</PubDate>
			</Journal>
<ArticleTitle></ArticleTitle>
<VernacularTitle>تعیین پنجره همسایگی مناسب برای تحلیل همسایگی</VernacularTitle>
			<FirstPage></FirstPage>
			<LastPage></LastPage>
			<ELocationID EIdType="pii">94746</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>مرتضی</FirstName>
					<LastName>رعیتی دماوندی</LastName>
<Affiliation>دانشگاه علم و صنعت ایران</Affiliation>

</Author>
<Author>
					<FirstName>بهرام</FirstName>
					<LastName>ثقفیان</LastName>
<Affiliation>دانشگاه آزاد اسلامی</Affiliation>

</Author>
<Author>
					<FirstName>مجتبی</FirstName>
					<LastName>غروی</LastName>
<Affiliation>دانشگاه علم و صنعت ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2015</Year>
					<Month>05</Month>
					<Day>13</Day>
				</PubDate>
			</History>
		<Abstract></Abstract>
			<OtherAbstract Language="FA">استفاده روزافزون از داده های شبکه ای (رستری) در مطالعات علوم زمینی و با برآوردهای هیدرولوژیک، ضرورت استخراج هر چه دقیق تر این داده ها را به کمک روش های مبتنی بر علوم ریاضی و به ویژه زمین آماری دوچندان کرده است. از آنجا که داده های رستری معمولاً از میان یابی داده های نقطه ای و یا پردازش تصاویر ماهواره ای تهیه می شوند، لذا استفاده از تحلیل همسایگی در استخراج و یا تدقیق آنها تقریباً اجتناب ناپذیر می نماید. از سویی در هر تحلیل همسایگی، انتخاب و یا معرفی پنجره (وسعت) همسایگی مناسب (از نظر شکل و اندازه) از موارد درخور توجه است. از آنجا که اغلب از اشکال مربعی و یا دایره ای (به صورت پیش فرض) برای پنجره همسایگی استفاده می گردد، لذا در تحقیق حاضر به شرایط پذیرش این پیش فرض و همچنین به نحوه تعیین شکل مناسب پنجره همسایگی پرداخته شده است. برای این منظور، استفاده از شکل نیم تغییر نمای سطحی (استخراج شده از روش زمین آماری) پیشنهاد گردیده است. اعتبارسنجی روش پیشنهادی نیز با تعیین نواحی مسطح در حوضه رود زرد خوزستان و همچنین استخراج شبکه آبراهه ای در حوضه معرف والنات گالچ (WGEW) واقع در ایالت آریزونای آمریکا به انجام رسیده است. نتایج نشان دادند که استفاده از شکل مناسب (بیضوی) برای پنجره همسایگی در استخراج لایه شکل زمین (landform) حوضه رود زرد، منجر به تغییر 28 درصدی (93 کیلومتر مربع) وسعت نواحی مسطح در مقایسه با استفاده از پنجره مربعی شکل می گردد، که قطعاً این تغییر وسعت برای اهداف مدیریتی اراضی این حوضه تأثیرگذار خواهد بود. همچنین، استفاده از شکل پنجره همسایگی پیشنهادی در حوضه WGEW نیز منجر به انطباق 96 درصدی شبکه آبراهه ای موجود (واقعی) با شبکه آبراهه ای استخراجی از لایه شکل زمین در مقایسه با استفاده از پنجره دایره ای شکل گردیده است.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">لایه های رستری</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">تحلیل همسایگی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">زمین آمار</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">نیم متغیر نمای سطحی</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://gisj.sbu.ac.ir/article_94746_876b2423230ab1d0ffd032b43acf2bfa.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>انجمن سنجش از دور ایران /  دانشگاه شهید بهشتی</PublisherName>
				<JournalTitle>نشریه سنجش از دور و GIS  ایران</JournalTitle>
				<Issn>2008-5966</Issn>
				<Volume>3</Volume>
				<Issue>4</Issue>
				<PubDate PubStatus="epublish">
					<Year>2012</Year>
					<Month>02</Month>
					<Day>20</Day>
				</PubDate>
			</Journal>
<ArticleTitle></ArticleTitle>
<VernacularTitle>تخمین تولید مرتع با استفاده از داده های ماهواره IRS LISS III مطالعه موردی: منطقه تنگ صیاد، استان چهارمحال و بختیاری</VernacularTitle>
			<FirstPage></FirstPage>
			<LastPage></LastPage>
			<ELocationID EIdType="pii">94757</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>اسلام</FirstName>
					<LastName>زرینه</LastName>
<Affiliation>دانشگاه شهرکرد</Affiliation>

</Author>
<Author>
					<FirstName>اسماعیل</FirstName>
					<LastName>اسدی بروجنی</LastName>
<Affiliation>دانشگاه شهرکرد</Affiliation>

</Author>
<Author>
					<FirstName>مهدی</FirstName>
					<LastName>نادری خوراسگانی</LastName>
<Affiliation>دانشگاه شهرکرد</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2015</Year>
					<Month>05</Month>
					<Day>13</Day>
				</PubDate>
			</History>
		<Abstract></Abstract>
			<OtherAbstract Language="FA">تولید مراتع در سطح گسترده با روش های مرسویم هزینه بر است و زمان زیادی را طلب می کند. با توجه به معمول شدن استفاده از داده های ماهواره ای برای برآورد تولید مراتع در نقاط مختلف جهان، مطالعه حاضر به منظور ارزیابی داده های ماهواره IRS برای برآورد تولید گیاهان مرتعی در منطقه تنگ صیاد (استان چهارمحال و بختیاری) انجام گردید. داده های ماهواره ای در تاریخ 9 اردیبهشت 1386 و نمونه های گیاهی در نزدیک ترین زمان به تاریخ تصویربرداری برداشت شدند. سی واحد نمونه برداری در تیپ های مختلف گیاهی به صورت تصادفی مشخص شد و در هر واحد 12 پلات تصادفی مشخص گردید و تولید گروه های مختلف گیاهی گندمیان، گیاهان پهن برگ علفی (فرب ها) و بوته ها اندازه گیری شد. تصاویر ماهواره ای در 4 باند تهیه و تصحیحات لازم انجام شد و 23 شاخص معمول گیاهی به کمک ترکیب باندهای تصحیح شده محاسبه شدند. ضرایب همبستگی شاخص های گیاهی با تولید گندمیان، پهن برگان علفی و بوته ها، مجموع تولید گندمیان و پهن برگان علفی و مجموع تولید سه گروه گیاهی محاسبه شدند. نتایج نشان داد که شاخص گیاهی DVI بالاترین ضریب همبستگی را با تولید گندمیان و مجموع تولید گندمیان و پهن برگان علفی دارد، در حالی که شاخص NDVI بیشترین همبستگی را با تولید کل گیاهان منطقه نشان می دهد. همچنین شاخص NDVI بالاترین ضریب تبیین را برای تخمین تولید گیاهان مورد بررسی نشان داد. این مطالعه امکان برآورد تولید گندمیان و مجموع تولید گندمیان و مجموع تولید گندمیان و پهن برگان علفی را با عدم قطعیت مورد قبولی به کمک داده های ماهواره ای نشان داد. رشد سبزینه ای محدود پهن برگان علفی و بوته ها در ابتدای فصل رشد به حدی نیست که به وسیله سنجنده ثبت گردد، لذا برآورد تولید این نوع گیاهان در این زمان با عدم قطعیت بسیاری همراه است. همچنین این مطالعه نشان داد که برای تخمین تولید گیاهان پهن برگ علفی، شاخص GNDVI و نسبت باند دوم به چهارم یا پنجم IBS را می توان به کار برد. کلیدواژه ها: IRS LISS-III، تولید مرتع، شاخص های گیاهی، منطقه تنگ صیاد، چهارمحال و بختیاری.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">IRS LISS-III</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">تولید مرتع</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">شاخص های گیاهی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">منطقه تنگ صیاد</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">چهارمحال و بختیاری</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://gisj.sbu.ac.ir/article_94757_73827cb81baa33d69817e31f9cbb5932.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>انجمن سنجش از دور ایران /  دانشگاه شهید بهشتی</PublisherName>
				<JournalTitle>نشریه سنجش از دور و GIS  ایران</JournalTitle>
				<Issn>2008-5966</Issn>
				<Volume>3</Volume>
				<Issue>4</Issue>
				<PubDate PubStatus="epublish">
					<Year>2012</Year>
					<Month>02</Month>
					<Day>20</Day>
				</PubDate>
			</Journal>
<ArticleTitle></ArticleTitle>
<VernacularTitle>نرمال سازی خودکار تصاویر ماهواره ای چندزمانه با استفاده از پیکسل های تغییر نیافته</VernacularTitle>
			<FirstPage></FirstPage>
			<LastPage></LastPage>
			<ELocationID EIdType="pii">94764</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>وحید</FirstName>
					<LastName>صادقی</LastName>
<Affiliation>دانشگاه خواجه نصیرالدین طوسی</Affiliation>

</Author>
<Author>
					<FirstName>حمید</FirstName>
					<LastName>عبادی</LastName>
<Affiliation>دانشگاه خواجه نصیرالدین طوسی</Affiliation>

</Author>
<Author>
					<FirstName>فرشید</FirstName>
					<LastName>فرنود احمدی</LastName>
<Affiliation>دانشگاه تبریز</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2015</Year>
					<Month>05</Month>
					<Day>13</Day>
				</PubDate>
			</History>
		<Abstract></Abstract>
			<OtherAbstract Language="FA">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.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">نرمال سازی رادیومتریک خودکار</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">تصاویر ماهواره ای چندزمانه</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">پیکسل های تغییرنیافته</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">حد آستانه گذاری تصویر هدف</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://gisj.sbu.ac.ir/article_94764_21099bc847fefc186c2e4a140b760b45.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>انجمن سنجش از دور ایران /  دانشگاه شهید بهشتی</PublisherName>
				<JournalTitle>نشریه سنجش از دور و GIS  ایران</JournalTitle>
				<Issn>2008-5966</Issn>
				<Volume>3</Volume>
				<Issue>4</Issue>
				<PubDate PubStatus="epublish">
					<Year>2012</Year>
					<Month>02</Month>
					<Day>20</Day>
				</PubDate>
			</Journal>
<ArticleTitle></ArticleTitle>
<VernacularTitle>طبقه بندی تاج پوشش جنگل بر روی عکس های هوایی با استفاده از تجزیه و تحلیل بافتی (مطالعه موردی: جنگل تاف لرستان)</VernacularTitle>
			<FirstPage></FirstPage>
			<LastPage></LastPage>
			<ELocationID EIdType="pii">94771</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>سید احمدرضا</FirstName>
					<LastName>نورالدینی</LastName>
<Affiliation>دانشگاه گیلان</Affiliation>

</Author>
<Author>
					<FirstName>امیر</FirstName>
					<LastName>اسلام بنیاد</LastName>
<Affiliation>دانشگاه گیلان</Affiliation>

</Author>
<Author>
					<FirstName>فرخ</FirstName>
					<LastName>پورشکوری</LastName>
<Affiliation>دانشگاه تهران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2015</Year>
					<Month>05</Month>
					<Day>13</Day>
				</PubDate>
			</History>
		<Abstract></Abstract>
			<OtherAbstract Language="FA">مدیریت درست و هوشمند منابع جنگلی مستلزم به کارگیری داده های دقیق و روزآمد است. عکس های هوایی یکی از منابع مناسب برای این امر به شمار می آیند. در پژوهش حاضر، برای تهیه نقشه تراکم تاج پوشش جنگل از الگوهای بافت عکس های هوایی و مدل های شبکه عصبی مصنوعی، متوازی السطوح، حداقل فاصله و حداکثر احتمال استفاده گردید. منطقه مورد مطالعه در غرب کشور و ناحیه زاگرس مرکزی واقع شده است. مقدار میانگین مربعات خطا برای عکس های هوایی ارتوفتو شده با قدرت تفکیک مکانی 56/0 متر برابر با 2/0 پیکسل به دست آمد. ارتوفتوها با رعایت تعادل رادیومتریکی به ارتوفتوموزاییک برای ایجاد دید کلی از منطقه تبدیل گردیدند. باندهای مختلف حاصل از تجزیه و تحلیل بافتی با ماتریس هم وقوعی به ابعاد 3×3 تهیه گردیدند. در الگوی بافت، پنجره 10×10 پیکسلی به دلیل همگنی در سطح نمونه ها برای آموزش بهینه ی خوارزمیک ها مناسب تشخیص داده شد. در این بررسی امکان تفکیک 4 کلاس از تراکم تاج پوشش جنگل های مورد مطالعه با صحت بالاتر بر روی تصاویر بافت به نسبت تصویر خام مقدور گردید. نتایج حاصل از ارزیابی نقشه های خروجی نشان داد که شبکه عصبی مصنوعی با صحت کلی و ضریب کاپا به ترتیب 85 درصد و 8/0 در طبقه بندی تصاویر حاصل از تجزیه و تحلیل بافتی در مقایسه با دیگر روش های مورد استفاده در این تحقیق بهتر عمل می کنند.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">کلیدواژه ها: تاج پوشش جنگل</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">الگوی بافت</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">شبکه عصبی مصنوعی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">روش های طبقه بندی</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://gisj.sbu.ac.ir/article_94771_2ef36555ca79339404b2914d739cdf36.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>انجمن سنجش از دور ایران /  دانشگاه شهید بهشتی</PublisherName>
				<JournalTitle>نشریه سنجش از دور و GIS  ایران</JournalTitle>
				<Issn>2008-5966</Issn>
				<Volume>3</Volume>
				<Issue>4</Issue>
				<PubDate PubStatus="epublish">
					<Year>2012</Year>
					<Month>02</Month>
					<Day>20</Day>
				</PubDate>
			</Journal>
<ArticleTitle></ArticleTitle>
<VernacularTitle>مسیریابی خطوط انتقال نیرو با رویکرد بهینه سازی چند هدفه</VernacularTitle>
			<FirstPage></FirstPage>
			<LastPage></LastPage>
			<ELocationID EIdType="pii">94783</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>سارا</FirstName>
					<LastName>بهشتی فر</LastName>
<Affiliation>دانشگاه خواجه نصیرالدین طوسی</Affiliation>

</Author>
<Author>
					<FirstName>عباس</FirstName>
					<LastName>علیمحمدی سراب</LastName>
<Affiliation>دانشگاه خواجه نصیرالدین طوسی</Affiliation>

</Author>
<Author>
					<FirstName>علی</FirstName>
					<LastName>منصوریان</LastName>
<Affiliation>دانشگاه خواجه نصیرالدین طوسی</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2015</Year>
					<Month>05</Month>
					<Day>13</Day>
				</PubDate>
			</History>
		<Abstract></Abstract>
			<OtherAbstract Language="FA">برای احداث خط انتقال نیرو لازم است عوامل فنی، اقتصادی و زیست محیطی مورد توجه قرار گیرند. مسیر خط انتقال نیرو، افزون بر اینکه بر روی هزینه های نصب، راه اندازی و نگهداری آن تأثیر می گذارد، در میزان تأثیرات منفی آن بر روی محیط زیست نیز نقش دارد. لذا تعیین مسیر بهینه برای خط انتقال جدید، مسئله ای چند هدفه است که ممکن است اهداف آن ناسازگار باشند. در واقع مسیر با حداقل هزینه ممکن است تأثیرات منفی فروانی بر روی محیط زیست داشته باشد. در نوشتار حاضر روشی بر مبنای GIS برای تعیین مسیر خط انتقال نیرو ارائه می گردد که در آن از نوعی الگوریتم ژنتیک چندهدفه برای بهینه سازی مسیر استفاده شده است. الگوریتم NSGA-II با تعدادی قید و دو هدف که شامل تأثثیرات زیست محیطی و هزینه است، برای انتخاب مسیر بهینه خط انتقال نیرو 400 کیلوولت بر مرودشت پیاده سازی شده است. در این تحقیق، نحوه ترکیب الگوریتم NSGA-II با GIS برای تعیین مسیرهای بهینه متعدد برای خطوط انتقال نیرو بیان شده است؛ به طوری که امکان انتخاب و تصمیم گیری نهایی از بین راه حل های موجود، برای تصمیم گیران مختلف تعیین گردیده است. افزون بر این، با ترکیب تأثیرات عوامل مختلف، احتمالاً تأثیر برخی از عوامل به وسیله برخی دیگر خنثی می شود. اما با به کارگیری روش پیشنهادی دو تابع که دارای واحدهای متفاوت هستند، تا انتهای فرایند بهینه سازی با هم ترکیب نمی شوند. در این مقاله، سه گزینه که هر یک شامل سه دکل کششی هستند، به عنوان نمونه مورد مقایسه قرار گرفته اند و برای هر کدام طول مسیر و مقادیر اهداف اول و دوم مشخص شده است.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">کلیدواژه ها: مسیریابی خط انتقال نیرو</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">بهینه سازی چند هدفه NSGA-II</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://gisj.sbu.ac.ir/article_94783_eef510dc9323a6a969990d7b5e340378.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>انجمن سنجش از دور ایران /  دانشگاه شهید بهشتی</PublisherName>
				<JournalTitle>نشریه سنجش از دور و GIS  ایران</JournalTitle>
				<Issn>2008-5966</Issn>
				<Volume>3</Volume>
				<Issue>4</Issue>
				<PubDate PubStatus="epublish">
					<Year>2012</Year>
					<Month>02</Month>
					<Day>20</Day>
				</PubDate>
			</Journal>
<ArticleTitle></ArticleTitle>
<VernacularTitle>استخراج اشکال متفاوت راه از تصاویر ماهواره ای با قدرت تفکیک های مختلف مکانی</VernacularTitle>
			<FirstPage></FirstPage>
			<LastPage></LastPage>
			<ELocationID EIdType="pii">94788</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>فاطمه</FirstName>
					<LastName>عامری</LastName>
<Affiliation>دانشگاه خواجه نصیرالدین طوسی</Affiliation>

</Author>
<Author>
					<FirstName>محمدجواد</FirstName>
					<LastName>ولدان زوج</LastName>
<Affiliation>دانشگاه خواجه نصیرالدین طوسی</Affiliation>
<Identifier Source="ORCID">0000-0003-4325-8741</Identifier>

</Author>
<Author>
					<FirstName>مهدی</FirstName>
					<LastName>مختارزاده</LastName>
<Affiliation>دانشگاه خواجه نصیرالدین طوسی</Affiliation>
<Identifier Source="ORCID">0000-0002-3615-3151</Identifier>

</Author>
<Author>
					<FirstName>علی محمد</FirstName>
					<LastName>مبارکی</LastName>
<Affiliation>دانشگاه خواجه نصیرالدین طوسی</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2015</Year>
					<Month>05</Month>
					<Day>13</Day>
				</PubDate>
			</History>
		<Abstract></Abstract>
			<OtherAbstract Language="FA">مقاله حاضر به منظور بررسی قابلیت سیستم پیشنهادی استخراج نیمه خودکار راه از تصاویر ماهواره ای با حد تفکیک های مکانی مختلف به منظور بهنگام کردن نقشه های متوسط و کوچک مقیاس پایگاه داده GIS سازمان راهداری و حمل و نقل جاده ای کشور تهیه گردیده است. هدف پژوهش حاضر حفظ و با افزایش دقت و سرعت استخراج اطلاعات در مقایسه با عملیات زمینی و استفاده از GPS است. افزون بر این، میزان موفقیت این سیستم در استخراج اشکال مختلف راه اعم از راه مستقیم، مارپیچ، تقاطع و میدان مورد بررسی قرار گرفته است. داده های ورودی سامانه ی مورد نظر شامل تصاویر پانکروماتیک و Pansharpened ماهواره های IRS-1D Ikonos ( به ترتیب دارای قدرت تفکیک مکانی 1، 4، 5 متر) و تصاویر Pansharpened ماهواره Landsat-7 (دارای قدرت تفکیک مکانی 15 متر) است. در روش پیشنهادی، ضمن انجام خوشه بندی FCM در فضای طیفی و بهبود کیفیت راه های کشف شده به وسیله اپراتورهای مورفولوژی با حذف نویز و پوشش گپ ها، اقدام به کشف عارضه ی راه شده است. روش مذکور با انجام خوشه بندی در فضای تصویر، موقعیت نقاط اصلی شبکه ی راه ها را شناسایی کرده و در پایان با بهره گیری از الگوریتم MST در تئوری گراف و انتخاب تابع وزن مناسب (فاصله اقلیدسی) اقدام به اتصال این نقاط و تشکیل محور مرکزی راه در فرمت برداری برای ورود به GIS کرده است. رسیدن به میانگین دقت کلی بیش از 98 درصد در طبقه بندی تصویر به دو کلاس راه و غیر راه و حصول میانگین خطای RMS حدود 68/0 پیکسل- از مقایسه ی محور راه استخراج شده با واقعیت زمینی آن- نشانگر موفقیت کلی سامانه ی معرفی شده برای استخراج نیمه خودکار راه به شمار می آید.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">استخراج نیمه خودکار راه</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">خوشه بندی FCM</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مورفولوژی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">تئوری گراف</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">تصاویر با قدرت تفکیک های مکانی متفاوت</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://gisj.sbu.ac.ir/article_94788_a807d2f136343643dd241d78f002d78c.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
