فصلنامه سنجش از دور و GIS ایران
سال دهم شماره 2 (پیاپی 38، تابستان 1397)

این مقاله پژوهش روشی نوین که هدفش استخراج عوارض ساختمانی از ادغام داده های لیدار با تصاویر فراطیفی است بررسی می کند. در این روش، فرض بر آنستکه با ادغام داده های لیدار با تصاویر فراطیفی که هر یک توانایی استخراج برخی از خصوصیات عوارض را دارند می توان همان عارضه را با دقت و صحت بیشتری استخراج کرد. در این روش با اعمال روش یادگیری ماشین بر روی تصاویر، تصویر کلاس بندی شده از عوارض ساختمانی و دیگر عوارض ایجاد خواهد شد. پس از اعمال کلاس بندی مقایسه ای بین روش پیشنهادی و دیگر روش های موجود در این زمینه انجام می شود، تا کیفیت روش پیشنهادی در مقایسه با روش های موجود مشخص شود. انجام چنین مقایسه ای نیازمند تعریف تعدادی پارامتر ارزیابی است. پارامترهایی که در این مقاله برای ارزیابی کیفیت روش پیشنهادی و در قسمت کنترل کیفیت ([1] QC) ارائه خواهند شد، عبارتند از؛ میزان کامل بودن [2] ، صحت [3] ، دقت [4] و ضریب کاپا [5]. دقت به دست آمده از نتایج روش پیشنهادی در این مقاله برابر با 56/95 % ، میزان کامل بودن برابر با 100% ، صحت کلی 66/98% و ضریب کاپا برابر با 9430/0 محاسبه شدند. هدف این مقاله شامل استخراج خودکار ساختمان های موجود در تصاویر هوایی ابرطیفی و لیدار اخذ شده از یک منطقه (Automation) ، استخراج حداکثر تعداد ساختمان های موجود در تصاویر نام برده شده (Completeness) و افزایش دقت و صحت در استخراج ساختمان (Accuracy and Precision) است که بر اساس نتایج بدست آمده از پارامترهای ارزیابی محقق شده اند

ماده آلی خاک یکی از مهم ترین خصوصیت فیزیکوشیمیایی خاک است که در تعیین کیفیت و مدیریت آن نقش بسزایی دارد. مقدار کربن آلی خاک دارای تغییرات زمانی و مکانی بالایی است و لذا تعیین آن در آزمایشگاه هزینه بر، مشکل و وقت گیر است. طیف سنجی مرئی- مادون قرمز نزدیک یک روش توجیه پذیر از نظر کاهش زمان و هزینه می باشد که برای بررسی کربن آلی خاک پیشنهاد شده است. هدف این پژوهش بررسی کربن آلی خاک از طریق طیف سنجی مرئی-مادون قرمز نزدیک و برآورد آن توسط مدل های آماری، PCA، PLSR و PCR می باشد. برای این منظور تعداد 40 نمونه خاک از عمق صفر تا 30 سانتیمتری به روش سیستماتیک تصادفی بر مبنای مطالعات پیشین و تعیین طبقات مختلف خاک های منطقه برداشت گردید. تجزیه شیمیایی خاک ها طبق روش های استاندارد انجام شد. بازتاب طیفی نمونه های خاک در محدوده طیفی 350 تا 2500 نانومتر اندازه گیری شد و پس از اعمال روش های پیش پردازش فیلتر ساویتزکی و گلای، به کمک آنالیز مولفه های اصلی (PCA) ، رگرسیون حداقل مربعات جزئی (PLSR) و رگرسیون مولفه اصلی (PCR) کربن آلی خاک برآورد گردید. نتایج این پژوهش نشان داد که فیلتر ساویتزکی-گلای قوی ترین روش پیش پردازش داده های طیفی بوده است. نتایج مدل سازی به روش PLSR نشان داد که مقادیر R2، RMSE و RPD در مرحله اعتبار سنجی برای پیش بینی ماده آلی به ترتیب 85/0، 14/0 و 78/2 بوده است در حالیکه نتایج مدلسازی PCR برای پارامترهای آماری فوق به ترتیب 78/0، 19/0 و 05/2 بوده و نشان از دقت بالاتر روش آماری PLSR در مقایسه با روش PCR برای مدلسازی برآورد کربن آلی خاک می باشد. لذا پیش بینی می شود مدل PLSR برای پیش بینی سریع کربن آلی خاک های مناطق خشک و نیمه خشک کارایی و دقت بیشتری داشته باشد

کلیه اسناد املاک قدیمی کشور که کاغذی هستند می بایستی به نقشه های رقومی و زمین مرجع تبدیل گردند. در رقومی سازی قطعات جهت ورود به سامانه حدنگاری، لازم است که فرم رقومی چندضلعی ازنظر مساحت و ابعاد محیطی با سند (قبلی) مطابقت داشته باشد. در فرایند رقومی سازی ویژگی های هندسی عوارض نظیر مساحت پلی گون ها تغییر می یابد. حفظ مطابقت طول ها و مساحت، مانع از بروز مغایرت در اسناد و ایجاد اختلافات ثبتی و معاملاتی می گردد. جهت رفع این مشکل در این تحقیق، در فرایند رقومی سازی با ثابت نگه داشتن طول های اضلاع برای حفظ مساحت پلی گون ها، زوایای رئوس پلی گون ها به عنوان مشاهده در نظر گرفته می شود و روشی مبتنی بر سرشکنی کمترین مربعات با استفاده از معادلات شرط ارائه می گردد. در این فرایند، مختصات جهانی به محل های ثابت نقشه رقومی شده نسبت داده می شود و با حفظ طول اضلاع و با کمترین تغییر موقعیت رئوس، مساحت درج شده در سند جهت مطابقت لازمه تامین می گردد. برای بررسی این روش، یک نقشه کاغذی حاوی شش قطعه با مساحت های حدود هزار مترمربع در مقیاس 1:1000 اسکن گردید و رقومی سازی با تکیه بر حفظ مساحت و طول های پلی گون ها صورت گرفت. نتایج نشان می دهد که میانگین، حداکثر و حداقل مقدار جابه جایی رئوس توسط روش سرشکنی به طور متوسط به ترتیب برابر 31/19، 96/26 و 50/10 سانتی متر است که با توجه به مقیاس نقشه و قوانین حدنگاری قطعات زراعی و اراضی ملی ازنظر ثبتی قابل قبول بوده و تدقیق صورت گرفته در رقومی سازی با توجه به مطابقت ایجادشده مقبول و مطلوب است

بارندگی مهمترین عاملی است که به طور مستقیم در چرخه هیدرولوژی دخالت دارد. به دست آوردن اطلاعات دقیق بارش برای تجزیه و تحلیل پدیده های مختلف هیدرولوژیکی و تغییرات اقلیمی امری ضروری است. در این تحقیق داده های دو محصول ماهواره GPM IMERG و TRMM 3B42 در ایستگاه سینوپتیک شمیران تهران مورد ارزیابی قرار گرفت. ضریب همبستگی (R) ، میزان Bias ، خطای قدر مطلق میانگین (MAE) ، میانگین مربعات خطا (RMSE) با هدف اعتبارسنجی داده ها و مقادیر احتمال تشخیص (POD) و نسبت هشدار اشتباه (FAR) و شاخص موفقیت (CSI) به منظور صحت سنجی داده ها مورد بررسی قرار گرفت. نتایج نشان داد که ارتباط و همبستگی بین داده های IMERG و داده های مشاهده ای باران در ایستگاه شمیران بالاتر از داده های 3B42 است. علاوه بر این، مقادیر Bias ، MAE و RMSE تایید کرد که هر دو محصول 3B42 و IMERG کمترین میزان خطا را با داده های مشاهده ای دارند ، همچنین در ارزیابی IMERG ، ضریب همبستگی (R) بهتر از 3B42 نشان داد. بطور کلی می توان گفت با توجه به تکنولوژی برتر IMERG دارای دقت بالا و ابزار خوبی برای پیش بینی های هیدرولوژیکی است

مدلسازی مکانی رخداد چشمه های آب زیرزمینی امکان شناسایی چشمه های جدید برای مصارف شرب، کشاورزی و صنعت را فراهم می سازد. هدف از انجام این تحقیق مدلسازی مکانی رخداد چشمه های آب زیرزمینی با استفاده از نمایه های ژئومرفومتری موثر در رخداد آنها و مدل احتمالی وزنی شاهد و بررسی کارایی این مدل در منطقه البرز میانی می باشد. به طور کلی 584 چشمه در منطقه مورد مطالعه مشخص شدند که 409 (70%) چشمه ها برای آموزش و 175 (30%) چشمه ها برای اعتبارسنجی مدل وزنی شاهد استفاده شدند. 14 شاخص مهم ژئومرفومتری موثر بر رخداد چشمه ها در قالب رویکرد مدل وزنی شاهد برای مدلسازی مکانی رخداد چشمه ها برگزیده شدند. این عوامل شامل ارتفاع، درجه شیب، جهت، انحنای پلان، انحنای پروفیل، شاخص رطوبت توپوگرافی، شاخص قدرت جریان، طول شیب، شاخص موقعیت توپوگرافی، سنگ شناسی، فاصله از گسل ها، تراکم گسل ها، فاصله از آبراهه ها و تراکم زهکشی می باشند. در این تحقیق بر اساس مدل وزنی شاهد به ترتیب عامل های جهت شیب و شاخص رطوبت توپوگرافی دارای کمترین و بیشترین تاثیر در رخداد چشمه های آب زیرزمینی هستند. نقشه به دست آمده از مدلسازی مکانی رخداد چشمه ها در 4 طبقه با پتانسیل رخداد کم، متوسط، زیاد و خیلی زیاد طبقه بندی شد. صحت پیش بینی مدل مورد استفاده با استفاده از روش ROC بررسی شد که سطح زیر منحنی 866/0 به دست آمد که نشان می دهد مدل وزنی شاهد در برآورد رخداد مکانی چشمه های آب زیرزمینی در منطقه مورد مطالعه از دقت بسیار خوبی برخوردار است.

ترمیم چندضلعی های نادرست برای استفاده در نرم افزارهای سیستم اطلاعات جغرافیایی، کاری نیمه خودکار و وقت گیر است. ترمیم خودکار چند ضلعی، تفسیر چند ضلعی های مبهم و نادرست و از بین بردن کلیه اشکالات موجود براساس تعریف ها و استاندارهای جهانی است که کاربردهای زیادی در نرم افزارهای مرتبط با سیستم اطلاعات جغرافیایی دارد. با توجه به پیچیدگی محاسبات و حجم داده ها در کار با مه داده ها ، همیشه رقابتی بین سرعت و میزان حافظه مصرفی وجود دارد. در این مقاله ضمن معرفی استاندارد مشخصات عوارض ساده در چندضلعی ها، با استفاده از مثلث بندی دلونی و توابع جی. تی. اس در جاوا و با کمک بانک اطلاعات H2روشی ارائه شده است که چندضلعی ها را در قالب یک فایل CSV از ورودی دریافت کرده و با اعمال الگوریتم های کارا چندضلعی های موجود را بررسی و به شکل خودکار ترمیم می کنیم. چندضلعی های موجود در مجموعه داده های مکانی به شکل خودکار و در زمانی بهینه و با مصرف حداقل حافظه بررسی و در صورت نیاز ترمیم می شوند. نتایج نشان می دهد این روش نسبت به نمونه های پیشین، باعث بهبود نسبی در سرعت اجرا و در هنگام کار با داده های بزرگ صرفه جویی متوسط بیش از 50 درصد در حافظه اصلی را نشان می دهد

امروزه مشخص شده پیش بینی پتانسیل توزیع گونه های در خطر انقراض با استفاده از روش های مدلسازی به شدت سودمند بوده و استفاده از این روش ها کمک بزرگی به حفاظت و مدیریت اکولوژیکی می کند. قورباغه پادراز جنگلی (Rana pesudodalmatina) از جمله گونه های بومی انحصاری ایران است. در این مطالعه اطلاعات حضور قورباغه پا دراز جنگلی از طریق پایش میدانی در زیستگاه های فعلی گونه گردآوردی گردید و 19 متغیر اقلیمی از پایگاه داده Worldclim استخراج شد. در مرحله بعدی با استفاده از آزمون همبستگی پیرسون، همبستگی بین متغیرهای اقلیمی با ضریب همبستگی 0. 75 مورد سنجش قرار گرفت و سپس متغیرهای دارای همبستگی بالا از فرآیند مدل سازی حذف شدند. مدل سازی توزیع گونه ای قورباغه پا دراز جنگلی با استفاده از بسته آماری sdm که شامل مدل های GLM، GAM، RF، MARS، CART، FDA، BRT و SVM می باشد در محیط نرم افزارR انجام شد. در نهایت با استفاده از مدل سازی ترکیبی [1] به عنوان یک فرآیند سنتز نتایج مدل های فردی برای افزایش دقت قدرت پیش بینی، یک نقشه ترکیبی جامع به دست آمد. نتایج حاصل از مدل ترکیبی برای تعیین پتانسیل های زیستگاهی قورباغه پا دراز جنگلی در ایران پیش بینی می کند در شرایط اقلیمی حاضر جنگل های هیرکانی دارای حداکثر پتانسیل توزیع برای این گونه هستند. همچنین از نتایج ارزیابی مدل ها نشان داد شاخص AUC و TSS وضعیت بهتری داشته و مدل SVM بیشترین درجه اعتبار است. علاوه بر این نتایج حاصل از سنجش اهمیت هر یک از متغیرها نشان داد BIO6 بیشترین و BIO19 کمترین اهمیت را برای این گونه دارند