سلمان احمدی؛ رضا سودمند افشار
مقالات آماده انتشار، اصلاح شده برای چاپ، انتشار آنلاین از تاریخ 01 بهمن 1399
چکیده
دمای سطح زمین پارامتری بسیار مهم و کلیدی در بررسی‌های زیست‌محیطی، تغییرات آب و هوایی، میزان رطوبت خاک، درصد تبخیر و تعرق و جزایر گرمایی شهری در مقیاس‌های مختلف است. در حال حاضر جهت اندازهگیری دمای سطح زمین روش کاملی وجود ندارد ولی سنجندِه هایی باقدرت تفکیک طیفی بسیار بالا مانع از جذب طیفی بخارآب در باند مادون‌قرمزمی شوند که این ...
بیشتر
دمای سطح زمین پارامتری بسیار مهم و کلیدی در بررسی‌های زیست‌محیطی، تغییرات آب و هوایی، میزان رطوبت خاک، درصد تبخیر و تعرق و جزایر گرمایی شهری در مقیاس‌های مختلف است. در حال حاضر جهت اندازهگیری دمای سطح زمین روش کاملی وجود ندارد ولی سنجندِه هایی باقدرت تفکیک طیفی بسیار بالا مانع از جذب طیفی بخارآب در باند مادون‌قرمزمی شوند که این امر موجب افزایش دقت محاسباتی در تعیین شاخص پوشش گیاهی میشود. هدف از انجام مقاله حاضر محاسبه دمای سطح زمین با استفاده از تصاویر ماهواره لندست 8 سنجنده OLI و TIRS است. در این مقاله، جهت محاسبه دمای سطح زمین از الگوریتم پنجره مجزا استفاده‌شده است. الگوریتم جهت محاسبه دمای سطح زمین از رادیانس طیفی و گسیلمندی استفاده میکند، به‌منظور تخمین رادیانس طیفی در ماهواره لندست 8 از باندهای 10و11 استفاده گردید. گسیلمندی نیز به کمک تکنیک آستانه NDVI به توسط باند های 2 3 4 و 5 سنجنده OLI بدست آمده است. در این مقاله همچنین دمای محاسبه شده توسط الگوریتم به توسط مدل ریاضی پروجکتیو دوبعدی کالیبره شده که این مدل سعی در نزدیک سازی دمای محاسبه شده به دمای واقعی سطح زمین دارد. در مقاله حاضر مقدار RMSE برابر است با 3678/0 درجه سانتی گراد و نیز مقدار همبستگی میان داده های اداره هواشناسی و برآورد شده برابر با 9791/0 است و مقدار کارایی مدل استفاده شده جهت تخمین دمای سطح زمین نیز برابر با 9751/0 است.
هادی زارع خورمیزی؛ حمید غفاریان
مقالات آماده انتشار، اصلاح شده برای چاپ، انتشار آنلاین از تاریخ 01 بهمن 1399
چکیده
فنولوژی به مطالعه زمان وقوع رخدادهای تکرارپذیر زندگی گیاهان در رابطه با عوامل زنده و غیر زنده میپردازد. فنولوژی نشان دهنده پاسخ و سازگاری اکوسیتمها به تغییرات اقلیمی میباشد. مطالعه فنولوژی میتواند برای تنظیم برنامههای مدیریت چرای دام در مراتع و بهرهبرداری از گیاهان مرتعی و تنظیم فعالیتهای مختلف کشاورزی و ... کاربرد ...
بیشتر
فنولوژی به مطالعه زمان وقوع رخدادهای تکرارپذیر زندگی گیاهان در رابطه با عوامل زنده و غیر زنده میپردازد. فنولوژی نشان دهنده پاسخ و سازگاری اکوسیتمها به تغییرات اقلیمی میباشد. مطالعه فنولوژی میتواند برای تنظیم برنامههای مدیریت چرای دام در مراتع و بهرهبرداری از گیاهان مرتعی و تنظیم فعالیتهای مختلف کشاورزی و ... کاربرد داشته باشد. به منظور بررسی اثر ارتفاع و دما بر فرایندهای فنولوژی گیاهان از تجزیه تحلیل هارمونیک سریهای زمانی استفاده شد. در این مطالعه از محصول 8 روزه شاخص NDVI سنجنده MODIS تحت نام MOD09Q1 با قدرت تفکیک مکانی 250 متر استفاده شد. ابتدا با استفاده از سری زمانی یکساله NDVI سنجنده MODIS و نرمافزار HANTS، مولفههای سریهای فوریه یا همان تصاویر دامنه و فاز تولید شد. سپس تغییرات و ارتباط هر کدام از این مولفهها نسبت به تغییرات ارتفاع و دما در منطقه شیرکوه استان یزد مورد بررسی قرار گرفت. بر اساس نتایج، با کاهش یک درجه سانتیگرادی میانگین دمای فصل بهار که با افزایش ارتفاع از سطح دریا رخ میدهد؛ تاخیر 6/3 روز در چرخههای سالانه و 3/9 روز در چرخههای 6 ماهه سریهای زمانی NDVI ایجاد میشود. این نتایج نشان میدهد تاخیر 6/3 روز بیشتر در فرآیندهای فنولوژی و شروع رشد گیاهان با دورههای رشد سالانه و تاخیر 3/9 روز در گیاهان با دورههای رشد فصلی و 6 ماهه رخ میدهد. بر این اساس نتایج الگوریتم HANTS و تجزیه و تحلیل سریهای فوریه میتواند در شناخت اثرات عواملی اقلیمی بر فرآیندهای فنولوژی و زمان شروع رشد گیاهان بسیار موثر باشد.
کریم سلیمانی
مقالات آماده انتشار، اصلاح شده برای چاپ، انتشار آنلاین از تاریخ 01 بهمن 1399
چکیده
افزایش جمعیت و توسعه شهرنشینی و به تبع آن کاهش مناطق جنگلی سبب افزایش میزان دمای سطح زمین در مناطق شهری شده که در نتیجه جزیره حرارتی شهری ایجاد می‌گردد. جزایر گرمایی شهر، یکی از عواملی است که همزمان با توسعه شهر اهمیت پیدا کرده و امروزه می‌توان با استفاده از تصاویر ماهوارهای به محاسبه و ارزیابی آن پرداخت. اهداف این پژوهش شامل ارزیابی ...
بیشتر
افزایش جمعیت و توسعه شهرنشینی و به تبع آن کاهش مناطق جنگلی سبب افزایش میزان دمای سطح زمین در مناطق شهری شده که در نتیجه جزیره حرارتی شهری ایجاد می‌گردد. جزایر گرمایی شهر، یکی از عواملی است که همزمان با توسعه شهر اهمیت پیدا کرده و امروزه می‌توان با استفاده از تصاویر ماهوارهای به محاسبه و ارزیابی آن پرداخت. اهداف این پژوهش شامل ارزیابی نقطهای تغییرات دما، ارتباط کاربری اراضی، پوشش گیاهی، ترافیک و تیپ‌های خاک با دمای سطح زمین در شهر ساری و روند تغییرات مکانی آن در طی دو بازه 1988 و 2018 می باشد. به این منظور از تصاویر سنجنده TIRS و TM لندست 5 و 8 در بازه زمانی 30 ساله (1988_2018) جهت بررسی تغییرات جزیره حرارتی و محاسبه دمای سطح زمین، باالگوریتم تک کاناله استفاده گردید. نتایج نشان داد که در طی دوره 30 ساله با کاهش 3/235 هکتاری از فضای سبز و افزایش 34 درصدی سطح اشغال اراضی شهر ساری وسعت جزایر حرارتی به میزان 83/21 % افزایش یافت. همچنین با توجه به مقدار P-value کمتر از 05/0 نشان دادکه رابطه معنی‌داری بین شاخص پوشش گیاهی و سطح اشغال شهر با دمای سطح زمین وجود دارد و می‌توان استدلال کرد که تغییرات کاربری اراضی، پوشش گیاهی و ترافیک که ناشی از افزایش جمعیت و تغییر کاربری اراضی است، از عوامل اصلی افزایش تغییرات مکانی در جزایر حرارتی شهر ساری میباشند.
قاسم جوادی؛ محمد طالعی
مقالات آماده انتشار، اصلاح شده برای چاپ، انتشار آنلاین از تاریخ 01 بهمن 1399
چکیده
شاخصهای متعددی مبتنی بر استفاده از روشهای سنتی اخذ داده از جمله استفاده از پرسشنامه جهت اندازهگیری رضایت عمومی ارائه گردیده است. وجود چالشها و مشکلات متعدد از جمله پرهزینه و زمانبر بودن این روشها، به خصوص در مناطق دارای گسترهی جغرافیایی وسیع مانند یک کشور، باعث گردیده که مقادیر شاخصهای مرتبط در این زمینه بهروز ...
بیشتر
شاخصهای متعددی مبتنی بر استفاده از روشهای سنتی اخذ داده از جمله استفاده از پرسشنامه جهت اندازهگیری رضایت عمومی ارائه گردیده است. وجود چالشها و مشکلات متعدد از جمله پرهزینه و زمانبر بودن این روشها، به خصوص در مناطق دارای گسترهی جغرافیایی وسیع مانند یک کشور، باعث گردیده که مقادیر شاخصهای مرتبط در این زمینه بهروز نباشند. رضایت عمومی یک مفهوم پویا و چند بُعدیست و در طی زمان تغییر مینماید، لذا ضروریست در دورههای زمانی مناسب مورد ارزیابی قرار گیرد. از آنجایی که در سالهای اخیر رویکرد گستردهایی به سمت کاربرد دادههای مکانی مردم ساخت شکل گرفته است، لذا در این تحقیق به کمک دادههای شبکهی اجتماعی مکان مبنا، با طرح یک دیدگاه جدید به استخراج اطلاعات و معیارهایی که به نوعی میتوانند منعکس کنندهی رضایت عمومی باشند، پرداخته شده و در نهایت با در نظر گرفتن عدم قطعیت موجود در مفهوم رضایت عمومی و دادههای ورودی، از یک سیستم استنتاجگر فازی برای ارزیابی و مقایسهی رضایت عمومی در استانهای ایران، استفاده گردیده است. شاخصهای استخراج شده در این تحقیق شامل، نسبت توییتها با تمایل منفی به مثبت، نسبت توییتها با حس شادی و لذت و نسبت توییتهای با حس ناراحتی، عصبانیت و ترس به کل توییتها، میباشند. نتایج حاصل از روش پیشنهادی منجر به دستهبندی استانهای کشور از وضعیت مطلوب تا نامطلوب گردید. نتایج این تحقیق وجود پتانسیل دادههای مردم ساخت در ارزیابی رضایت عمومی را بیشتر در نقش داده مکمل و نه به عنوان جایگزین دادههای رسمی، نشان داد. روش پیشنهادی در این تحقیق، گامی در راستای ارزیابی رضایت عمومی با استفاده از دادههای به اشتراک گذاشته شده توسط مردم در شبکههای اجتماعی مکانی میباشد.
مینا مرادی زاده
مقالات آماده انتشار، اصلاح شده برای چاپ، انتشار آنلاین از تاریخ 01 بهمن 1399
چکیده
یکی از مهمترین پارامترها در تمام تعاملات بین سطح و اتمسفر، بخار آب ستونی اتمسفر است که در بسیاری از مطالعات محیطی، کاربردهای اکولوژیک و کشاورزی نقش کلیدی دارد. اندازهگیری این پارامتر در ایستگاههای هواشناسی مستلزم استفاده از رادیوسوند است که علاوه بر نقطهای و محدود بودن مشاهدات، بسیار پرهزینه می باشد. از آجا که این ...
بیشتر
یکی از مهمترین پارامترها در تمام تعاملات بین سطح و اتمسفر، بخار آب ستونی اتمسفر است که در بسیاری از مطالعات محیطی، کاربردهای اکولوژیک و کشاورزی نقش کلیدی دارد. اندازهگیری این پارامتر در ایستگاههای هواشناسی مستلزم استفاده از رادیوسوند است که علاوه بر نقطهای و محدود بودن مشاهدات، بسیار پرهزینه می باشد. از آجا که این پارامتر در مقایسه با سایر پارامترهای اتمسفری، بیشترین تاثیر را بر رادیانس رسیده به سنجنده دارد، سنجش از دور راهکاری جایگزین برای برآورد این پارامتر بسیار مهم اتمسفری محسوب میشود. یکی از سنجندههایی که این پارامتر را اندازه گیری میکند، AIRS (Atmospheric Infrared Sounder) است که توان تفکیک پایین (حدود 40 کیلومتر) آن برای بسیاری از کاربردها قابل قبول نیست. بنابراین هدف اصلی این تحقیق، ارائه روشی برای ارتقا توان تفکیک مکانی بخار آب ستونی این سنجنده، با تلفیق آن با دادههای سنجنده (Moderate Resolution Imaging Spectroradiometer) MODIS و استفاده از روش ratio میباشد. در ادامه، با توجه به تاثیر عمده این پارامتر در برآورد دمای سطح خاک (LST)، نقش بخار آب ستونی اتمسفر ارتقا یافته در برآورد LST مورد بررسی قرار میگیرد. جهت اعتبار سنجی و تعیین دقت برآورد پارامترها، از سری دادههای مستقل استفاده شد. نتایج نشان داد که روش پیشنهادی پتانسیل بالایی در ارتقا توان تفکیک مکانی بخار آب ستونی اتمسفر به دست آمده از سنجنده AIRS دارد، بدون اینکه کاهش قابل توجهی در دقت آن مشاهده شود. همچنین نتیجه شد که بخار آب ستونی اتمسفر ارتقا یافته میتواند دقت برآورد LST را به طور چشمگیری افزایش دهد.
سمیرا کرباسی؛ Hossein Malakooti؛ مهدی رهنما؛ دکتر مجید آزادی
مقالات آماده انتشار، اصلاح شده برای چاپ، انتشار آنلاین از تاریخ 01 بهمن 1399
چکیده
این پژوهش به بررسی عملکرد الگوریتمهای موجود در بازیابی غلظت گازهای گلخانهای کربندیاکسید، از دادههای مشاهداتی ماهواره نظارت بر گازهای گلخانهای گوست[1](GOSAT)، در مقایسه با دادههای مرجع به دست آمده توسط شبکه سطحی([2]TCCON)، در 8 سایت منتخب، در دوره زمانی (2011-2015) میپردازد. الگوریتمهای مورد ارزیابی عبارتاند از الگوریتمNIES[3]، ...
بیشتر
این پژوهش به بررسی عملکرد الگوریتمهای موجود در بازیابی غلظت گازهای گلخانهای کربندیاکسید، از دادههای مشاهداتی ماهواره نظارت بر گازهای گلخانهای گوست[1](GOSAT)، در مقایسه با دادههای مرجع به دست آمده توسط شبکه سطحی([2]TCCON)، در 8 سایت منتخب، در دوره زمانی (2011-2015) میپردازد. الگوریتمهای مورد ارزیابی عبارتاند از الگوریتمNIES[3]، ACOS[4] وRemoTeC (SRFP[5]). این الگوریتمها بر بازیابی فراوانی ستونی ازگازهای مورد نظر متمرکز شدهاند تا از مقادیر مولکولی هوای خشک اتم کربن دی اکسید(XCO2) بهره بگیرند. برای ارزیابی محصولات هرالگوریتم با مقدار معادل مشاهداتی زمینی آن، از شاخصهای آماری اریبی (Bias)، جذر میانگین مربع خطاها ([6]RMSE)، خطای مطلق(([7]MAE، انحراف معیار (SD[8]) و ضریب همبستگی پیرسون ([9]CR)، در هر ایستگاه استفاده شده است. در بررسی مقادیر ارائه شده، نتایج نشان میدهد که در اکثر ایستگاههای زمینی مورد نظر، به ترتیب الگوریتم های NIES، ACOS، RemoTeC(SRFP) دارای کمترین خطای RMSE، MAE، و کمترین خطای اریبی بودهاند، همچنین کمترین مقادیر همبستگی ( بین هر الگوریتم و شبکه سطحی) مربوط به الگوریتم (SRFP) و بیشترین مقادیر آن برای اکثر ایستگاه ها مربوط به الگوریتم NIES، در یک میانگین 5 ساله (2011-2015) میباشد.[1] Greenhouse Gases Observing Satellite[2] Total Carbon Column Observing Network[3] National Institute for Environmental Studies[4] Atmospheric CO2 Observations from Space[5] Remote sensing of greenhouse gases for carbon cycle modeling by the Netherlands Institute for Space Research the Karlsruhe Institute of Technology (KIT)[6] Root mean square error(RMSE)[7] Mean absolute error(MAE)[8] Standard Diviation(SD)[9] Pearson’s correlation coefficient (r)
مقالات آماده انتشار، اصلاح شده برای چاپ، انتشار آنلاین از تاریخ 01 بهمن 1399
چکیده
< p dir="RTL">متغیرهای بیوفیزیکی و بیوشیمیایی پوشش گیاهی نقش مهمی به عنوان متغیرهای ورودی برای مدل‌های مختلف مربوط به چرخه کربن، آب، انرژی و مدل‌های اقلیمی و کشاورزی دقیق ایفا می‌کنند. یکی از مهمترین متغیرهای مربوط به تاج پوشش گیاه که کاربردهای فراوانی در مدلسازیهای مختلف مربوط به خاک و گیاه و اتمسفر دارد، شاخص سطح برگ(LAI) میباشد. ...
بیشتر
< p dir="RTL">متغیرهای بیوفیزیکی و بیوشیمیایی پوشش گیاهی نقش مهمی به عنوان متغیرهای ورودی برای مدل‌های مختلف مربوط به چرخه کربن، آب، انرژی و مدل‌های اقلیمی و کشاورزی دقیق ایفا می‌کنند. یکی از مهمترین متغیرهای مربوط به تاج پوشش گیاه که کاربردهای فراوانی در مدلسازیهای مختلف مربوط به خاک و گیاه و اتمسفر دارد، شاخص سطح برگ(LAI) میباشد. روشهای مختلفی جهت بازیابی LAI از تصاویر ابر طیفی به کار گرفته شدهاند که از میان آنها روشهای ناپارامتریک غیرخطی یادگیری ماشین به دلیل مشخصه انعطاف‌پذیری در مواجهه با دادههای دارای ابعاد زیاد، بسیار مورد توجه قرار گرفته‌اند. با این‌حال در مطالعات پیشین به بررسی عملکرد روشهای یادگیری ماشین در بازیابی مقادیر LAI در مقادیر حاشیهای (مقادیر خارج از دامنه نمونهگیری زمینی) و قابلیت این روشها در تهیه نقشه متغیر، توجه چندانی نشده‌است. در این تحقیق عملکرد چهار روش پرکاربرد یادگیری ماشین شامل رگرسیون بردار پشتیبان، فرایند گاوسی ،شبکه عصبی مصنوعی و جنگل تصادفی در بازیابی LAI از تصویر ابرطیفی ماهواره کریس-پروبا مورد بررسی قرار گرفته است. نتایج نشان داد که علیرغم کارایی هر چهار روش در بازیابی مقادیر LAI برای دامنه مقادیر اندازهگیری شده زمینی با RMSE بهتر از 0.5 و خطای نسبی کمتر از 10 درصد، روشهای فرایند گاوسی و رگرسیون بردار پشتیبان صحت بالاتری در مقایسه با سایر روشها دارند. با این وجود روش شبکه عصبی مصنوعی در تخمین LAI های با مقادیر حاشیهای عملکرد بهتری نسبت به سایر روشها داشته و نقشه‌ی تهیه شده با استفاده از روش شبکه عصبی مصنوعی و تابع یادگیری GDA تطابق بیشتری با نقشه NDVI و تصویر ابرطیفی منطقه دارد.
بهروز مرادی
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 15 بهمن 1399
چکیده
فرود اتوماتیک یکی از موضوعات و چالش‌های مهم در حوزهی کنترل و اتوماسیون پهپادهای بدون سرنشین است. توسعهی الگوریتمهای فرود اتوماتیک نیازمند تعیین موقعیت پهپاد نسبت به محل فرود است که این امر در حوزه‌های پردازش تصویر نیازمند تشخیص دقیق و سریع محل فرود میباشد. ازجمله روشهای معمول در این زمینه، طبقهبندیکنندهی آبشاری، تناظریابی ...
بیشتر
فرود اتوماتیک یکی از موضوعات و چالش‌های مهم در حوزهی کنترل و اتوماسیون پهپادهای بدون سرنشین است. توسعهی الگوریتمهای فرود اتوماتیک نیازمند تعیین موقعیت پهپاد نسبت به محل فرود است که این امر در حوزه‌های پردازش تصویر نیازمند تشخیص دقیق و سریع محل فرود میباشد. ازجمله روشهای معمول در این زمینه، طبقهبندیکنندهی آبشاری، تناظریابی و قطعه‌بندی تصویر است که به نظر می‌رسد با تغییرات آب و هوایی، مقیاس متفاوت این الگوریتمها با چالش مواجه شوند. از طرف دیگر، در سالهای اخیر شبکههای کانولوشنی عمیق به‌عنوان مدل‌هایی قوی جهت شناسایی و تشخیص اشیاء در تصاویر به کار رفته‌اند. اما با این حال با توجه به بار محاسباتی زیاد، این مدل‌ها هنوز در حوزهی پرنده‌های بدون سرنشینی که از لحاظ سخت‌افزاری سبک هستند و قدرت پردازش ضعیفی دارند، به‌صورت جدی به کار گرفته نشده‌اند. در این مقاله، هدف مقایسهی دو روش شبکههای عمیق کانولوشنی و طبقهبندیکنندهی آبشاری برای تشخیص آنی محل فرود است. نتایج پیاده‌سازی روش ارائه‌شده بر روی یک پرنده Parrot AR Drone2.0 نشان میدهد که شبکه های کانولوشنی نسبت به دوران، مقیاس، انتقال و حتی پنهانشدگی تا حد بسیار زیادی پایدار هستند. دقت تشخیص در این روش 99/1 است که نسبت به روش طبقهبندیکنندهی آبشاری 3 درصد بیشتر است درحالی‌که از لحاظ سرعت هم مناسب کاربردهای آنی میباشد.
محمدرضا نگهدارصابر؛ شهره دیداری؛ مجتبی پاکپرور؛ علیرضا عباسی
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 15 بهمن 1399
چکیده
بلوط ایرانی طی سالهای اخیر تحت تأثیر پدیده زوال بلوط قرار گرفته است. این پدیده موجبات از دست رفتن بخش‌های وسیعی از جنگلهای بلوط در عرصه‌های زاگرس شده است. به‌دلیل پوشش زمانی مناسب و وضوح زمینی مطلوب تصاویر جدید ماهوارهای، کاربرد آنها در تشخیص این پدیده امیدبخش بنظر می‌رسد. در این تحقیق قابلیت‌های مکانی تصاویر سنجنده Spot6 ...
بیشتر
بلوط ایرانی طی سالهای اخیر تحت تأثیر پدیده زوال بلوط قرار گرفته است. این پدیده موجبات از دست رفتن بخش‌های وسیعی از جنگلهای بلوط در عرصه‌های زاگرس شده است. به‌دلیل پوشش زمانی مناسب و وضوح زمینی مطلوب تصاویر جدید ماهوارهای، کاربرد آنها در تشخیص این پدیده امیدبخش بنظر می‌رسد. در این تحقیق قابلیت‌های مکانی تصاویر سنجنده Spot6 با توان تفکیک مکانی 5/1 متر در باند پانکروماتیک و6 متر در باندهای چند طیفی در تشخیص خشکیدگی درختان بلوط در منطقه جنگلی کهمره از بخش‌های شهرستان شیراز در استان فارس بررسی شد. مقادیر شاخص تفاضل نرمال شده پوشش گیاهی (NDVI )، با درصد های مختلف خشکیدگی درختان بلوط بصورت متناظر در نمونه های زمینی و تصویر ماهواره ای مورد ارزیابی قرار گرفت. براساس نتایج بهدستآمده، معادله رگرسیونی بین مقادیر انحراف معیار NDVI و خشکیدگی بیشتر از 30 درصد، در هر یک از پایههای درختان بلوط، به‌صورت y=19.96(x-0.04)-0.21 با ضریب تبیین R2=79% برآورد شد. پایش مناطق جنگلی برای درک روند زوال یا بهبودی درختان آن کمک شایان توجهی به‌دست اندرکاران مدیریت مناطق جنگلی خواهد کرد. لذا، استفاده از نتایج این تحقیق میتواند مدرکی برای مقایسه پایش مقاطع زمانی آینده با وضعیت موجود باشد.
امیر حسین ناظمی؛ حامد سبزچی دهخوارقانی؛ علی اشرف صدرالدینی؛ ابوالفضل مجنونی هریس
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 15 بهمن 1399
چکیده
توسعه روشهای سنجش از دور در پهنهبندی اراضی تحت کشت محصولات کشاورزی در مقیاس گسترده مکانی و زمانی به عنوان جایگزین شیوه‌های پرهزینه و زمانبر جمع‌آوری آمار میدانی، در حال گسترش است. تا کنون روش‌هایی جهت شناسایی اراضی زراعی با استفاده از تصاویر سنجنده‌های اپتیک و راداری ارائه گردیده است. برخی از این روشها با تاکید بر فرآیندهای ...
بیشتر
توسعه روشهای سنجش از دور در پهنهبندی اراضی تحت کشت محصولات کشاورزی در مقیاس گسترده مکانی و زمانی به عنوان جایگزین شیوه‌های پرهزینه و زمانبر جمع‌آوری آمار میدانی، در حال گسترش است. تا کنون روش‌هایی جهت شناسایی اراضی زراعی با استفاده از تصاویر سنجنده‌های اپتیک و راداری ارائه گردیده است. برخی از این روشها با تاکید بر فرآیندهای حذف پیکسل‌های ابری، مناسب اقلیم مرطوب با روزهای متعدد ابرناکی بوده و برخی دیگر به دلیل روش بکار رفته در آنها در راستای ترکیب تصاویر هر دو سیستم اپتیک و راداری، دارای پیچیده‌گی‌های خاص خود میباشد. در این میان روشهای مبتنی بر استفاده از ویژگی‌های منحصر به فرد سری زمانی شاخص گیاهی هر یک از محصولات زراعی فرآیند نسبتا ساده‌تری در پهنهبندی اراضی زراعی دارد. هدف از این پژوهش بهبود یکی از روشهای ارائه شده جهت تفکیک اراضی تحت کشت گندم دیم میباشد که در آن از الگوریتم حذف گام به گام پیکسل‌هایی غیر گندم از تصاویر سنجنده MODIS استفاده شده بود. جهت بهبود الگوریتم مذکور طی فرآیندی از قدرت تفکیک زمانی تصاویر سنجنده MODIS و قدرت تفکیک مکانی تصاویر ماهواره Landsat 8 بهره گرفته شد. فرآیند جدید ضمن رفع نقاط ضعف الگوریتم سابق در تشخیص مراتع و اراضی غیر گندم از اراضی گندم دیم به خصوص در پیکسل‌های ناهمگن، موجب افزایش دقت این الگوریتم در پهنهبندی اراضی گندم دیم گردید. به طوری که روش ارائه شده توانست با مقادیر صحت کلی، شاخص کاپا و F1 به ترتیب برابر با 5/92 درصد، 67/0 و 71/0 با دقت قابل قبولی سطوح تحت کشت گندم دیم را تفکیک نماید.
سعید ساروئی؛ علی درویش صفت؛ منوچهر نمیرانیان
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 15 بهمن 1399
چکیده
برآورد میزان زیست توده در توده های جنگلی با روش های سنجش ازدوری از اهمیت زیادی برخوردار است. عدم هم‌زمانی اخذ داده های ماهوارهای و اطلاعات میدانی و کاربرد معادلات آلومتریک جهانی برای محاسبه وزن زیست توده درختان جنگلی داخل کشور از مهمترین دلایل عدم قطعیت در نتایج و تحلیل های حاصل شده در مطالعات مشابه قبلی به شمار می روند. ...
بیشتر
برآورد میزان زیست توده در توده های جنگلی با روش های سنجش ازدوری از اهمیت زیادی برخوردار است. عدم هم‌زمانی اخذ داده های ماهوارهای و اطلاعات میدانی و کاربرد معادلات آلومتریک جهانی برای محاسبه وزن زیست توده درختان جنگلی داخل کشور از مهمترین دلایل عدم قطعیت در نتایج و تحلیل های حاصل شده در مطالعات مشابه قبلی به شمار می روند. به حداقل رساندن مشکلات ذکر شده و بررسی قابلیت و عملکرد داده ها در توسعه مدل مناسب برآورد زیست‌توده جنگل در منطقه بانکول بخش کارزان شهرستان سیروان در استان ایلام با استفاده از داده های راداری ماهواره Sentinel1، اخذ شده در تاریخ 6 تیرماه سال 1396، هدف این تحقیق بود. اندازه قطر متوسط تاج پوشش درختان در 53 قطعه نمونه زمینی مربعی مربوط به فرم رویشی شاخه زاد به ابعاد 30×30 مترمربع که در بازه زمانی 2 تا 20 خرداد 1396، به کمک دستگاه موقعیت یاب جهانی تفاضلی به روش تعیین موقعیت کینماتیک آنی در روی زمین پیاده سازی و برداشت شدند، وارد روند برآورد زیست‌توده گردید. میزان متوسط زیست‌توده برداشت‌شده میدانی 10.63 تن در هکتار بود. پس از استخراج ویژگی های راداری، آن دسته از ویژگی‌ها که بیشترین میزان همبستگی با مقادیر زیست توده داشتند انتخاب و از بین آنها با به‌کارگیری الگوریتم ژنتیک و با استفاده از دو مدل رگرسیون K نزدیکترین همسایه و رگرسیون بردار پشتیبان، مناسب ترین ترکیب ویژگی‌ها شناسایی و سپس مقادیر زیست‌توده مدلسازی شد. اعتبارسنجی مدل ها با استفاده از 26 قطعه نمونه تست، انجام گرفت. همبستگی بین ویژگی‌های حاصل از دادههای راداری و مقادیر زیست‌توده نشان داد که ویژگی های VH، Mean VV، Mean VV GLCM (Correlation) و Mean VH GLCM (Dissimilarity) بیشترین حساسیت را به مقادیر زیست‌توده داشتند. استفاده از مدل‌های رگرسیون نشان داد که روش رگرسیون بردار پشتیبان با RMSE نسبی 0.08 از روش رگرسیون K نزدیکترین همسایه با RMSE نسبی 0.10 دقیق‌تر عمل نمود. از بین ترکیب‌های ویژگی مورد بررسی نیز، بهترین ترکیب در حالت استفاده از رگرسیون K نزدیکترین همسایه دارای RMSE به میزان تقریبی 0.99 تن در هکتار (معادل10 درصد) و ضریب تعیین 0.23 و در حالت استفاده از رگرسیون بردار پشتیبان دارای RMSE به میزان 0.87 تن در هکتار (معادل 8 درصد) و ضریب تعیین 0.14 بود. بهترین مدل های به دست آمده حاصل از ترکیب بهینه ویژگی های مورد استفاده در طول موج باند C و روش های رگرسیونی پارامتری و غیرپارامتری در این تحقیق به تنهایی قادر به بهبود اثر اشباع شدگی در برآورد زیست توده در جنگل های مورد مطالعه نشده و منجر به ارائه یک مدل برآوردکننده با صحت قابل قبول نگردید.
زینب قدسی؛ میر مسعود خیرخواه زرکش؛ باقر قرمزچشمه
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 15 بهمن 1399
چکیده
نقشههای پوشش/کاربری اراضی، جهت پایش تغییرات عوارض و برنامهریزی صحیح، هر ساله موردنیاز مدیران حوزه کشاورزی، منابع طبیعی و زیست محیطی میباشد. روش برداشت میدانی با GPS و نقشه‌برداری زمینی مستلزم صرف زمان و هزینه‌های بسیار است. بنابراین اغلب از تصاویر ماهوارهای که دارای پوشش سراسری و توالی برداشت، هزینه کم و اطلاعات به‌هنگام ...
بیشتر
نقشههای پوشش/کاربری اراضی، جهت پایش تغییرات عوارض و برنامهریزی صحیح، هر ساله موردنیاز مدیران حوزه کشاورزی، منابع طبیعی و زیست محیطی میباشد. روش برداشت میدانی با GPS و نقشه‌برداری زمینی مستلزم صرف زمان و هزینه‌های بسیار است. بنابراین اغلب از تصاویر ماهوارهای که دارای پوشش سراسری و توالی برداشت، هزینه کم و اطلاعات به‌هنگام هستند، استفاده میشود تا نقشههای پوشش/کاربری زمین به دست آید. تهیه نقشه دقیق با روش مناسب روز، یک موضوع کلیدی است. طی سالهای اخیر استفاده از تصاویر ماهوارهای جدید و روشهای نوین طبقه‌بندی به ویژه یادگیری ماشین رشد فزایندهای داشته و کارایی آنها در تهیه نقشههای پوشش/کاربری اراضی بسیار موفقیت آمیز بوده است. یکی دیگر از مزایای تصاویر ماهوارهای، برداشت‌های متوالی بوده و بر اساس آن می‌توان از تغییرات پوشش گیاهی در طول زمان برای تفکیک نوع پوشش استفاده کرد. ماهواره سنتینل-2 با امتیاز پیکسل 10 متری، یکی از ابزار مناسب برای تفکیک نوع پوشش میباشد. در این تحقیق جهت تفکیک انواع کاربری اراضی و محصولات زراعی دشت سنجابی روانسر از تصاویر چندزمانه سنتینل-2 و روشهای طبقه‌بندی ماشین بردار پشتیبان و جنگل تصادفی استفاده و دقت آنها با یکدیگر مقایسه شد. بدین منظور، پس از نمونه‌برداری، آنالیز مولفههای اصلی برای چهار تاریخ دوره رشد محصولات، اجرا شد و باندهای PC1,2,3 تصاویر با هم ترکیب شدند. دو روش روی ترکیب باندی‌های PC1,2,3 تصاویر و نمونه‌های تعلیمی اعمال شدند. ارزیابی دقت‌ها نشان داد ماشین بردار پشتیبان، با صحت کلی 91/36 درصد و ضریب کاپا 0/8927، نقشه کاربری اراضی و محصولات دقیق‌تری نسبت به روش جنگل تصادفی تولید میکند.
علی خدمت زاده؛ میرنجف موسوی؛ حجت محمدی ترکمانی
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 15 بهمن 1399
چکیده
رشد جمعیت شهرنشین با افزایش فضاهای شهری و به طور کلی با رشد اندازه شهرها همراه بوده است. این امر به صورت ساخت و ساز بیشتر و تغییر اراضی موجود به نفع فضاهای ساخته شده، خود را بروز می دهد. موقعیت خاص شهر ارومیه در مجاورت دریاچه ارومیه و شرایط نامساعد این دریاچه لزوم توجه به برنامه ریزی صحیح کاربری اراضی را در این شهر ناگزیر میسازد. یکی ...
بیشتر
رشد جمعیت شهرنشین با افزایش فضاهای شهری و به طور کلی با رشد اندازه شهرها همراه بوده است. این امر به صورت ساخت و ساز بیشتر و تغییر اراضی موجود به نفع فضاهای ساخته شده، خود را بروز می دهد. موقعیت خاص شهر ارومیه در مجاورت دریاچه ارومیه و شرایط نامساعد این دریاچه لزوم توجه به برنامه ریزی صحیح کاربری اراضی را در این شهر ناگزیر میسازد. یکی از ابزارهای مورد نیاز برای برنامهریزی مناسب در این زمینه بهره گیری از تکنیکهای سنجش از دور می باشد. پژوهش حاضر با هدف ارزیابی این تغییرات( دوره 1989-2015) و پیش بینی روند آتی آن صورت گرفته است. از روشهای SVM، شبکه عصبی برای ارزیابی تغییرات در 5 کلاس استفاده شده که باتوجه به دقت بالای طبقه بندی شبکه عصبی از نتایج این نوع طبقه بندی برای پیشبینی تغییرات برای افق 2045 استفاده شده است. اراضی ساخته شده در سال 1989 برابر با 1/7469 هکتار بوده که در سال 2002 و 2015 به ترتیب به 3/9217 و 9/9436 هکتار رسیده است و در سال 2045 بر اساس مدل پیشبینی شبکه عصبی برابر با 6/22449 هکتار میباشد که در اراضی ساخته شده 7/13012 هکتار افزایش را نشان میدهد. ضریب تعیین(73/0) و منحنی راک (55/82درصد) نیز بیانگر دقت بالای مدل شبکه عصبی برای پیشبینی تغییرات گسترش شهری میباشند نتایج حاصل نشان میدهد که همه این ساخت و سازها بر مبنای نیاز واقعی شهر نبوده و پدیده اسپرال اتفاق افتاده است.
)
