فهرست مطالب

فصلنامه سنجش از دور و GIS ایران
سال یازدهم شماره 1 (پیاپی 41، بهار 1398)

  • تاریخ انتشار: 1398/02/21
  • تعداد عناوین: 6
|
  • محمد جواد ولدان زوج، مجتبی جنتی، سمیه یاوری، بهروز مرادی * صفحات 1-18
    استفاده از توابع کسری، در غیاب اطلاعات افمریز مدار ماهواره و هندسه داخلی سنجنده، یکی از بهترین روش ها برای زمین مرجع سازی تصاویر ماهواره ای و استخراج اطلاعات مکانی از تصاویر ماهواره ای است. تعداد زیاد ترم ها و عدم تفسیرپذیری آنها، باعث شده تا تعدد نقاط کنترل مورد نیاز و ایجاد خطای پارامتر های اضافه، به عنوان مهم ترین ضعف های توابع کسری وابسته به زمین شناخته شوند. استفاده از الگوریتم های بهینه سازی، یکی از راهکار های مناسب رفع این ضعف ها است. به همین دلیل از الگوریتم های بهینه سازی مختلف، برای کشف ترکیب بهینه ترم های توابع کسری وابسته به زمین استفاده شده است. از آنجا که سازوکار هریک از این الگوریتم ها با یکدیگر متفاوت است، میزان کارایی و خصوصیات مختلف این الگوریتم ها در کشف ترکیب بهینه ترم های توابع کسری وابسته به زمین متفاوت است اما تفاوت های موجود به صورت جامع، مورد مقایسه و تحلیل قرار نگرفته است. در این مقاله، به منظور بررسی کامل و جامع توانایی های سه الگوریتم بهینه سازی ژنتیک، ژنتیک بهبودیافته و ازدحام ذرات بهبودیافته در کشف ترکیب بهینه ترم های توابع کسری از دیدگاه های مختلف از جمله دقت، سرعت، تعداد نقاط کنترل مورد نیاز و قابلیت اطمینان به نتایج بدست آمده، از 4 تصویر ماهواره ای متعلق به سنجنده های GeoEye-1، IKONOS-2، SPOT-3-1ª و SPOT-3-1B استفاده شده است. اختلاف دقت کمتر از 4/0 پیکسل در نتایج هر یک از الگوریتم های بهینه سازی، 10 تا 12 برابر بودن سرعت الگوریتم ژنتیک بهبودیافته نسبت به دو الگوریتم دیگر، به ترتیب برتری 25/45 و 27 درصدی درجه آزادی الگوریتم بهینه سازی ازدحام ذرات بهبودیافته نسبت به الگوریتم ژنتیک بهبودیافته و ژنتیک و پراکندگی نسبتا یکسان نتایج هر یک از الگوریتم ها در 10 بار اجرای برنامه، حاکی از آن است که دقت هر سه الگوریتم بهینه سازی نسبتا یکسان، سرعت الگوریتم ژنتیک بهبودیافته بیشتر، تعداد نقاط کنترل مورد نیاز الگوریتم ازدحام ذرات بهبودیافته کمتر از دو الگوریتم دیگر و قابلیت اطمینان به نتایج هر یک از الگوریتم های بهینه سازی به منظور کشف ترکیب بهینه ترم های توابع کسری وابسته به زمین، یکسان است.
    کلیدواژگان: توابع کسری، زمین مرجع سازی تصاویر ماهواره ای، الگوریتم ژنتیک، الگوریتم ژنتیک بهبود یافته، الگوریتم ازدحام ذرات بهبودیافته
  • سوگل مرادیان *، محمد طالعی، قاسم جوادی صفحات 19-22
    تامین آب و مدیریت صحیح منابع آب، یکی از چالش های جدی مدیران و تصمیم گیران این حوزه است. مساله تصمیم گیری و تلاش برای یافتن یک راهکار مناسب در حوضه های کم آب جهت حل مشکل کم آبی، به تخصیص بهینه و اولویت بندی مصرف آب بین بخش های کشاورزی، شرب و صنعت و تامین نیازهای زیست محیطی منطقه توجه دارد. این تحقیق با ارائه چارچوبی سیستماتیک و مدل سازی با استفاده از نرم افزار WEAP، به بررسی اثرات شکل های مختلف توسعه بر سیستم می پردازد. جهت بررسی موردی، این مدل در حوضه آبریز دریاچه ارومیه به کار گرفته شد. سیاست های موجود برای حل مشکلات این حوضه (ارائه شده توسط ستاد احیای دریاچه ارومیه)، به انتقال آب از دریاچه خزر به این دریاچه تاکید دارند که فعالیتی پر هزینه بوده و اثرات زیست محیطی و مشکلات متعددی دربر خواهد داشت. در این مطالعه این سناریو به همراه تعدادی از دیگر سناریوهای پیشنهاد شده توسط این ستاد، با استفاده از جعبه ابزار حامی تصمیم گیری مبتنی بر تصمیم گیری چندمعیاره مورد ارزیابی قرار گرفته و انتخاب بهترین سناریو به کمک این ابزار و بر مبنای روش TOPSIS انجام گرفت. در ادامه به منظور تعیین نحوه تخصیص بهینه آب به بخش های مصرفی و بر اساس دیدگاه همکاری ذینفعان در حل مشکل این حوضه، با پیشنهاد 4 سناریو مبتنی بر ائتلاف های مختلف ذینفعان، از نظریه بازی ها استفاده شد و نتایج نشان داد که با تخصیص آب به ذینفعان و تشکیل بازی کاملا همکارانه و استفاده از روش ارزش شاپلی، سود همه ذینفعان افزایش می یابد و سناریوی کاملا همکارانه می تواند به عنوان جایگزینی برای سناریوی انتقال آب به این حوضه مطرح شود.
    کلیدواژگان: تصمیم گیری چندمعیاره، بازی، حوضه های کم آب، دریاچه ارومیه، روش TOPSIS
  • نیما فرهادی *، عباس کیانی، حمید عبادی صفحات 33-48
    شناسایی عوارض موجود در تصاویر، یکی از مسائل اساسی در حوضه تفسیر تصاویر به ویژه در تصاویر سنجش از دوری، به شمار می آید. یکی از روش های کارآمد و به روز در این زمینه، به کارگیری شیوه های یادگیری عمیق، جهت استخراج و تفسیر است. یک عارضه، مجموعه ای از الگوهای منحصربه فرد است که با عوارض مجاور خود متفاوت است، این تفاوت معمولا در یک یا چند ویژگی به طور هم زمان اتفاق می افتد که می توان به تفاوت در شکل، رنگ و درجه خاکستری اشاره نمود. در این راستا، روش یادگیری عمیق با توانایی تحلیل مفاهیم انتزاعی سطح بالا، می تواند انتخاب مناسبی در این زمینه باشد. در روش پیشنهادی، ابتدا یک پایگاه داده مطابق با شرایط محیطی و جغرافیایی کشور از برخی از فرودگاه های ایران تشکیل شد. سپس با استفاده از شبکه های عصبی کانولوشنی به تولید مدل یادگیرنده بهینه اقدام شد. برای این کار، در قسمت پردازش داده های خام در کنار استفاده از روش انتقال آموزشی، بردارهایی جهت دسته بندی عوارض موردنظر استخراج و به یک مدل ماشین بردار پشتیبان طبقه بندی کننده، تحویل داده می شوند. در ادامه، مقادیر خروجی با مقادیر به دست آمده از تصویر آزمایشی برای هر عارضه، مقایسه و در یک روند تکرارشونده تحلیل و جهت تطابق ساختاری بررسی می شوند. نتایج استخراج شده از اعمال مدل پیشنهادی بر روی چند سری داده آزمایشی، ارزیابی و با روش های 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
    کلیدواژگان: یادگیری عمیق، شبکه های کانولوشنی، تصاویر سنجش ازدوری، یادگیری ماشین، انتقال آموزشی
  • نسیم حوریجانی، فرزین چاره جو * صفحات 67-94
    فعالیت فیزیکی، یکی از مهمترین جنبه های زندگی است که مزایای زیست محیطی، اقتصادی، اجتماعی و سلامتی بسیاری را با خود به همراه دارد. با توجه به اهمیت فضای عمومی شهرها در وقوع این فعالیت ها، موضوع توسعه محیط مصنوعی، به عنوان چارچوبی که بتواند فعالیت های فیزیکی را ترویج دهد، به یکی از مسائل مطرح در گفتمان شهرسازی تبدیل شده است. پژوهش حاضر، با هدف سنجش عینی کیفیت های تاثیرگذار محیطی بر فعالیت های فیزیکی ساکنان، در چهار محدوده منتخب، به شعاع 500 متر از بافت های چهارگانه شهر سنندج، انجام شده است. با مروری بر پژوهش های پیشین، مولفه های تاثیرگذار محیطی بر این فعالیت ها شناسایی و داده های مربوط به هریک از آنها با استفاده از لایه های شبکه معابر و کاربری اراضی در سیستم اطلاعات جغرافیایی تهیه و در فرمول ارزیابی مربوط به هر معیار، جاگذاری شده اند. ارزیابی های فوق، به صورت ترکیبی و در شاخص های اسمارتراک و شاخص قابلیت پیاده مداری، مورد بررسی قرار گرفته اند. سپس با مقایسه تطبیقی نتایج حاصل از شاخص های یاد شده، محدوده های مورد بررسی به لحاظ پیاده مداری دسته بندی شده اند؛ داده های مربوط به فعالیت های فیزیکی 421 نفر از ساکنان نیز با استفاده از پرسشنامه، جمع آوری شده و در نرم افزار SPSS و از طریق آزمون واریانس، میانگین آنها محاسبه، سپس با استفاده از تحلیل رگرسیون، ارتباط بین آنها با کیفیت های پیاده مداری محیط بررسی شده است. نتایج حاصل از این تحقیق، نشان دهنده اثرات بالقوه کیفیت های محیط بر فعالیت های فیزیکی ساکنان است.
    کلیدواژگان: طراحی شهری، فعالیت فیزیکی، روش های عینی، سیستم اطلاعات جغرافیایی
  • محمود احمدی *، عباسعلی داداشی رودباری، ندا اسفندیاری صفحات 95-114
    جزیره حرارتی، نتیجه آب و هوای شهری و یکی از چالش های مهم زیست محیطی در قرن بیست و یکم است. هدف از این پژوهش، ارزیابی توامان عوارض بیوفیزیکی و دمای سطح زمین با رویکرد تکاملی فرکتال ویژه (FNEA)، به منظور استخراج جزیره حرارتی شهری در تهران است. نخست، با استفاده از تصاویر سنجنده TIRS ماهواره لندست 8، در ماه اوت سالهای 2013، 2014 و 2015 مقادیر دمای سطح زمین (LST) محاسبه و جزایر حرارتی شهری با اتخاذ رویکرد تکاملی فرکتال ویژه (FNEA) استخراج شد. همچنین به منظور ارزیابی نقش عوامل بیوفیزیکی در شکل گیری جزایر حرارتی شهری، شاخص های BI، MNDWI، NDBI ،NDVI، SAVI و UI محاسبه و مورد ارزیابی قرار گرفتند. نتایج نشان داد بین پوشش گیاهی و جزایر حرارتی شهری، همبستگی خطی منفی وجود دارد. همچنین یک رابطه مثبت قوی، بین سطح غیر قابل نفوذ با جزایر حرارتی شهری در کلان شهر تهران به دست آمد. جزایر حرارتی کلان شهر تهران با رویکرد FNEA به 5 دسته جزایر حرارتی سرد، سرد درجه دوم، مناطق حرارتی متوسط، جزایر حرارتی گرم درجه دوم و جزایر حرارتی گرم دسته بندی شدند که به طور متوسط جزایر حرارتی گرم، 95 کیلومترمربع و جزایر حرارتی سرد 73 کیلومترمربع از کل مساحت کلان شهر تهران را به خود اختصاص داده اند. مهم ترین کانون های حرارتی شناسایی شده نیز به ترتیب در 1- منطقه 21 به جهت تمرکز شدید اکثر کارخانه ها، کارگاه های صنعتی و انبارها؛ 2- منطقه 9 به دلیل قرارگیری فرودگاه مهرآباد، پایانه های حمل ونقل مسافری و گذرگاه اصلی دسترسی؛ 3- منطقه 22 و شمال منطقه 19 به جهت تمرکز زمین های لم یزرع و 4- منطقه 13 (زمین های بدون پوشش اطراف فرودگاه سابق دوشان تپه) و مناطق جنوبی تهران (به دلیل وجود کارگاه های آموزشی و صنعتی) قرارگرفته اند.
    کلیدواژگان: جزایر حرارتی شهری، شاخص های بیوفیزیکی، رویکرد FNEA، کلان شهر تهران
  • بیژن یونسی، ناصر احمدی ثانی *، سوران شرفی صفحات 115-128
    کشاورزی، محور توسعه است و سطح زیر کشت محصولات زراعی و باغی در بخش کشاورزی یک پارامتر مهم مدیریتی است. ارزیابی و تعیین دقیق سطح این پارامتر، برنامه ریزان را در توسعه کشاورزی یاری می دهد. به منظور غلبه بر محدودیت های کار میدانی در برآورد سطح زیر کشت محصولات کشاورزی، استفاده از تصاویر ماهواره ای به دلیل دید وسیع و یکپارچه، چند طیفی و به روز بودن گزینه مناسبی به نظر می رسد. در این تحقیق داده های ماهواره IRS-P6 به منظور برآورد سطح زیر کشت باغات در اراضی دشت شارویران شهرستان مهاباد مورد تجزیه و تحلیل قرار گرفت. به منظور استخراج بهتر اطلاعات، شاخص های مختلف با استفاده از روش های نسبت گیری باندی و تحلیل مولفه های اصلی تهیه شدند. طبقه بندی داده ها به روش نظارت شده و با الگوریتم های مختلف به دو صورت 7 کلاسه (طبقات کاربری اراضی) و 2 کلاسه (باغ و غیرباغ) انجام شد. صحت نقشه های حاصل از طبقه بندی در مقایسه با نقشه های واقعیت زمینی ارزیابی شد. بهترین صحت کلی و ضریب کاپا به ترتیب برابر %75/97 و 95/0 با الگوریتم حداکثر احتمال در طبقه بندی 2 کلاسه حاصل شد. نتایج نشان داد که داده های IRS-P6 برای شناسایی و پایش سطح زیر کشت باغات از لحاظ هزینه، زمان و دقت بسیار مناسب هستند
    کلیدواژگان: ارزیابی صحت، تهیه نقشه باغات، سنجش از دور، حداکثر احتمال، کشاورزی
|
  • valadan zoej mohammad javad, jannati mojtaba, yavari somayeh, Moradi Behrooz * Pages 1-18
    In the absence of satellite ephemeris data and inner geometry of satellite’s sensor, utilization of Rational Function Models (RFMs) is one of the best approaches to georeferencing satellite images and extracting spatial information from them. However, since RFMs have high number of coefficients, then usually high number of control points is needed for their estimation. In the other hand, RFM terms are uninterpretable and all of them causes over-parametrization error which count as the most important weakness of the terrain-dependent RFMs. Utilization of optimization algorithms is one of the best approaches to eliminate these weaknesses. Therefore, various optimization algorithms have been used to discover the optimal composition of RFM’s terms. Since the mechanism of these algorithms is different, the performance and feature characteristics of these algorithms differ in the discovery of the optimal composition train-dependent RFM’s terms. But the existing differences not comprehensively analyzed. In this paper, in order to comprehensive assessment the abilities of Genetic Optimization Algorithm (GA), Genetic modified Algorithm (GM), and a modified Particle Swarm Optimization (PSO) in terms of accuracy, quickness, number of control points required, and reliability of results, are evaluated. These methods are evaluated using for different datasets including a GeoEye-1, an IKONOS-2, a SPOT-3-1A, and a SPOT-3-1B satellite images. In terms of accuracy achieved, difference between these methods was less than 0.4 pixel. In terms of speed of evaluation of parameters, GM was 10 to 12 time more quickly in comparison with two other algorithms. In terms of control points required, degree of freedom of modified PSO was 45.25 percent and 27 percent more than GM and GA respectively, and finally in terms of reliability, the dispersion of RMSE obtained in 10 runs of three algorithms are relatively same. These results indicated that accuracy and reliability of all three methods are almost the same, speed of GM is higher and modified PSO needs less control points to optimize terrain-dependent RFM
    Keywords: Rational Function Models (RFMs)-Georeferencing of Satellite Images, Genetic Algorithm (GA), Genetic Modified Algorithm (GM)
  • Moradian Sogol *, Taleai Mohammad, Javadi Ghasem Pages 19-22
    Nowadays, water supply is one of the main causes of tension for scientists in arid countries. Therefore, the assessment of water resources can be considered as a main challenge for the authorities around the world. Successful dicision making in water resources management tries to resolve competing and conflicting needs of water users from different sectors including: domestic, agriculture and industry. In this research, a systematic framework for assessing different scenarios in the system, has been defined based on WEAP. The proposed model was used in the Urmia Lake basin as a case study; A scenario, proposed by the Urmia Lake Reconstruction Team, presists on transmission of water to the lake. In this study, this scenario and some others, proposed by the Urmia Lake Reconstruction Team, were used in this model and the best scenario was identified using a decision support tool based on the principles of TOPSIS, which has been written in FORTRAN. In the following section, water allocation in the catchment was investigated based on the principles of game theory and the outcome of this research shows that applying game theory and using full cooperation games (based on the Shapley Values method), provides better outcomes for all competing users of water. In other words, using the notion of coalition between different sectors including domestic, agriculture and industry, can save about 332 MCM of water which can be used in the dying lake.
    Keywords: Multi criteria decision making, Game theory, Water scarce basins, Urmia lake, TOPSIS
  • farhad nima *, Kiani Abas, Ebadi Hamid Pages 33-48
    Object detection is one of the fundamental issues in image interpretation process, especially from remote-sensing imagery. One of the most effective and efficient methods in this field is the use of deep learning algorithm for feature extraction and interpretation. An object is a collection of unique patterns that differ with own adjacent properties. This difference usually occurs in one or more features simultaneously, which can be indicated by the difference in shape, color, and gray values. In this regard, the use of deep learning as an efficient branch of machine learning can be useful in generating high-level concepts through learning in different layers. In this research, a database based on the environmental and geographical conditions from some Iranian airports was created. Additionally, an optimal learner model was developed with a convolutional neural network. For this purpose, in the raw data processing section, besides using the transfer learning method, some vectors were extracted to classify the objects and delivered to an SVM model. The output values were compared with the values obtained from the test image for each object, and they were analyzed in a repeatable process for structural matching. Precision of 98.21% and F1-Measure of 99.1% was achieved, for identification of the target objects
    Keywords: Deep Learning, Neural Network, Remote Sensing imagery, Machine Learning, Transfer learning
  • Hoorijani Nassim, charehjoo Farzin * Pages 67-94
    Physical activity is one of the most important aspects of life that has many environmental, economic, social and health benefits. According to the importance of the public space of cities in the occurrence of these activities, the issue of developing built environments as a framework that can promote physical activities has become of the major issues in urban societies around the world. This research is aimed at objectively measuring the environmental qualities influencing the residents’ physical activities. It has been conducted in an analytical-applied manner, in four areas with a buffer of 500 meters selected from the four urban context of Sanandaj city in Kurdistan province. Through a review of the previous researches, the factors influencing the physical activities have been identified and the data related to each of them have been prepared using the layers of street networks and land uses in geographic information system. The obtained data have been placed in quantitative evaluation formulas related to each criterion. The mentioned evaluations have been studied in a combinational manner and in smartraq and pedestrian orientation indexes, as the two common one. Then, through comparison of the results of the mentioned indexes, the studied areas were classified in groups from high pedestrian oriented to non-pedestrian oriented. The data of physical activities were gathered from 421 inhabitants by questionnaire. The mean of the data has been calculated in SPSS software by variance tests. At the final stage of the research, the relation between pedestrian orientation qualities of the built environment and the level of the residents’ physical activities has been studied by regression analysis. The results of this research indicate the importance of the built environment on the level of physical activity and hence the public health of residents.
    Keywords: Urban design, Physical activity, objective measurements, Ggeographic information system
  • Ahmadi Mahmood *, Dadashiroudbari Abasali, Esfandiari Neda Pages 95-114
    Urban heat islands is the result of urban Climate and one of the important environmental challenges in the 21st century. The aim of this research is to evaluate the combined effects of biophysical components and Land surface temperature with a special Fractal Net Evolution (FNEA) in order to extract the urban heat islands in Tehran. In the first stage, Landsat 8 satellite TIRS 3 images for August, 2013, 2015, and 2015 were calculated for land surface temperature (LST) and the urban heat islands were extracted by adopting a special Fractal Net Evolution (FNEA) Approach. In order to evaluate the role of biophysical components in the formation of urban thermal islands, BI, MNDWI, NDBI, NDVI, SAVI and UI indices were calculated and evaluated. The results showed that there is a negative linear correlation between vegetation and urban heat islands. Also, a strong positive relationship was found between the impenetrable surfaces with urban heat islands in Tehran metropolis. The UHIs of Tehran metropolis with FNEA approach was classified into five categories: cold UHIs, cold second UHIs, medium UHIs, second-order thermal UHIs and warm UHIs, with an average of 95 km2 hot warm islands and 73 km² of the total urban heat islands Tehran metropolis. The most important identified UHIs are also in the 1- zone 21 due to the intense focus of most factories, industrial workshops and warehouses; 2- Zone 9 due to the location of Mehrabad airport, terminals of passenger transportation and main access passage; 3- Zone 22 and North Zone 19 is located because of the focus of Barren land and 4- Zone 13 (uncovered land around the former Dashan Tape airport) and the southern regions of Tehran (due to the existence of educational and industrial workshops).
    Keywords: Urban heat islands, biophysical components, FNEA approach, Tehran metropolis
  • Younesi Bijan, Ahmadi Sani Naser *, Sharafi Soran Pages 115-128
    Agriculture is the basis for development and identification of crops and orchards is an important parameter in agricultural management helping planners through providing precise crop/orchard mapping. In order to overcome the limitations of fieldwork in crop and orchard mapping, satellite images seem to be appropriate due to providing wide coverage, timely and sequentially repeated image acquisition. In this study, IRS-P6 satellite images were analyzed in the Sharveran Plain lands in Mahabad County for orchard mapping. Various spectral indices were extracted using band ratioing and Principal Components Analysis (PCA) methods. Different supervised classifiers were used for classification of a 7-class (land use) and a 2-class (orchard and non-orchard) scenario. The classified maps were evaluated using the ground truth maps. The best overall accuracy and kappa coefficient were 97.95% and 0.95, respectively, using Maximum Liklihood classifier in the 2-class scenario. The results showed that IRS-P6 data are very suitable for identification and monitoring of orchards in terms of cost, time and accuracy.
    Keywords: Accuracy assessment, Agriculture- Maximum liklihood, Orchards mapping, Remote sensing