سنجش از دور
کمال قبادی؛ اسلام جوادنیا؛ هادی جلیلی؛ آرش زندکریمی
چکیده
پیشینه و اهداف: بخار آب موجود در جو یکی از مهم‌ترین پارامترهای هواشناسی است که تأثیر چشمگیری بر مطالعات اقلیمی، پیش‌بینی‌های جوی و مدل‌سازی‌های مرتبط با تغییرات آب‌وهوایی دارد. بخار آب قابل بارش (PWV) بهعنوان شاخصی اساسی در بررسی وضعیت جوی، با استفاده از دادههای ماهوارهای اندازهگیری میشود. دادههای سنجنده طیفی تصویربرداری ...
بیشتر
پیشینه و اهداف: بخار آب موجود در جو یکی از مهم‌ترین پارامترهای هواشناسی است که تأثیر چشمگیری بر مطالعات اقلیمی، پیش‌بینی‌های جوی و مدل‌سازی‌های مرتبط با تغییرات آب‌وهوایی دارد. بخار آب قابل بارش (PWV) بهعنوان شاخصی اساسی در بررسی وضعیت جوی، با استفاده از دادههای ماهوارهای اندازهگیری میشود. دادههای سنجنده طیفی تصویربرداری با توان تفکیک متوسط مودیس (MODIS)، شامل محصولات مادون قرمز نزدیک (NIR) و مادون قرمز (IR)، از جمله منابع اصلی اندازهگیری PWV هستند. محصول IR به دلیل ارائه داده در هر دو شرایط روز و شب، در بسیاری از مطالعات کاربرد دارد. بااین‌حال، دقت این دادهها به‌ویژه در شرایط جوی مختلف روز و شب همچنان چالشی مهم باقی مانده است. هدف این پژوهش، بهبود دقت دادههای IR PWV مودیس با استفاده از رویکرد یادگیری ماشین و بررسی تأثیر کالیبراسیون بر دادههای روز و شب است.روش‌ها: در این مطالعه، از دادههای 10 ایستگاه رادیوسوند در ایران طی دوره زمانی 2019-2020 بهعنوان دادههای مرجع استفاده شد. برای تحلیل، سه مجموعه داده شامل دادههای اصلی مودیس، دادههای برازش‌شده (fitting) و دادههای اصلاح‌شده (modified) ایجاد شد. سپس مدل پرسپترون چندلایه (MLP) برای کالیبراسیون دادهها و مقایسه عملکرد آن در شرایط روز و شب به کار گرفته شد. این مدل با استفاده از روشهای استاندارد یادگیری ماشین طراحی و توسعه یافت. ارزیابی دقت مدل با محاسبه معیارهای ریشه میانگین مربعات خطا (RMSE) و ضریب همبستگی (R) انجام شد.یافته‌ها: نتایج نشان داد که مدل MLP توانست دقت دادههای PWV مودیس را به طور قابل‌توجهی بهبود بخشد. در شرایط روز،RMSE از 72/3 میلی‌متر در دادههای اصلی به 63/2 میلی‌متر کاهش یافت و ضریب همبستگی از 81/0 به 86/0 افزایش پیدا کرد. در شرایط شب،RMSE از 9/4 میلی‌متر به 16/3 میلی‌متر کاهش یافت و ضریب همبستگی از 76/0 به 78/0 بهبود یافت. در تحلیل کلی،RMSE دادههای اصلی برابر با 48/4 میلی‌متر بود که در مدل برازش شده به 92/2 میلی‌متر و در مدل اصلاح‌شده به 03/3 میلی‌متر کاهش یافت. ضریب همبستگی نیز از 77/0 به ترتیب به 87/0 و 85/0 افزایش یافت.نتیجهگیری: این پژوهش نشان داد که مدلMLP توانایی بالایی در بهبود دقت دادههای PWV مودیس دارد و میتواند خطاهای موجود در دادههای این سنجنده را در شرایط مختلف جوی کاهش دهد. نوآوری اصلی این پژوهش، استفاده از مدل MLP برای کالیبراسیون دادههای ماهوارهای در شرایط روز و شب است. این روش با بهبود دقت دادههای ماهوارهای، قابلیت اطمینان آنها را برای استفاده در پیش‌بینی‌های جوی و مطالعات اقلیمی افزایش میدهد. محدودیت‌های این مطالعه شامل وابستگی به دادههای رادیوسوند بهعنوان مرجع و عدم بررسی تأثیر عوامل جوی خاص بر مدلسازی است. این روش میتواند در مطالعات آینده برای بهبود دقت دادههای سنجنده‌های دیگر نیز مورد استفاده قرار گیرد.
سنجش از دور
پویا حیدری؛ اصغر میلان؛ علیرضا قراگوزلو
چکیده
پیشینه و اهداف: امروزه با توجه به استفاده روز افزون از اطلاعات پوشش و کاربری اراضی در کاربردهای مختلف، کسب این اطلاعات امری ضروری میباشد. استفاده از تصاویر سنجش از دوری به عنوان راهکار اصلی کسب این اطلاعات محسوب میشود. برای استخراج پوشش و کاربری اراضی از این تصاویر، میتوان از تکنیکهای طبقهبندی تصاویر بهره برد. با توجه به پتانسیل ...
بیشتر
پیشینه و اهداف: امروزه با توجه به استفاده روز افزون از اطلاعات پوشش و کاربری اراضی در کاربردهای مختلف، کسب این اطلاعات امری ضروری میباشد. استفاده از تصاویر سنجش از دوری به عنوان راهکار اصلی کسب این اطلاعات محسوب میشود. برای استخراج پوشش و کاربری اراضی از این تصاویر، میتوان از تکنیکهای طبقهبندی تصاویر بهره برد. با توجه به پتانسیل بالای روشهای یادگیری عمیق در طبقه بندی تصاویر، این روش‌ها می‌توانند به طور موثری در طبقهبندی پوشش و کاربری اراضی استفاده شوند. با این حال، استفاده از این روش‌ها همراه با چالش‌هایی نیز میباشد. یکی از مشکلات اصلی استفاده از روشهای یادگیری عمیق، بیش برازش مدل میباشد. از دیگر معضلات اصلی این روش‌ها میتوان به نیازمند بودن این روش‌ها به تعداد بسیار زیاد داده در مرحله آموزش اشاره نمود. همچنین ناپدید شدن و انفجار گرادیان و انتخاب معماری مناسب از دیگر مشکلات و چالش‌های این روش‌ها برای استخراج پوشش و کاربری اراضی از تصاویر سنجش از دور می‌باشند .روش‌ها: هدف اصلی این پژوهش استفاده از تکنیکهای مختلف برای رفع این چالش‌ها و رسیدن به دقت‌های بالا در انجام طبقهبندی پوشش و کاربری اراضی میباشد. برای مرتفع نمودن چالش بیش برازش مدل، از تکنیکهای حذف تصادفی و توقف زودهنگام استفاده شد تا دقت در دادههای آموزشی و تست نزدیک به یکدیگر باشند. استفاده از روش داده افزایی میتواند کمبود دادههای آموزشی را برطرف نماید و از بیش برازش مدل نیز جلوگیری کند. به همین علت از این روش برای افزایش داده های آموزشی مدل استفاده شد. تکنیک برش گرادیان نیز در این پژوهش استفاده شد تا از انفجار و ناپدید شدن گرادیان در مدلهای یادگیری عمیق جلوگیری کند. معماری استفاده شده در این پژوهش برای طبقه بندی مجموعه داده EuroSat، مدل ResNet18 بوده است.یافته‌ها: در ابتدا از این معماری به همراه تکنیک توقف زودهنگام برای انجام طبقه بندی استفاده شد و مدل به دقت کلی 19/91 درصد و ضریب کاپای 9018/0 رسید. سپس به همین مدل تکنیک داده افزایی اضافه شد و مدل به دقت کلی 78/91 درصد و ضریب کاپای 9085/0 دست یافت که نشان میدهد نسبت به مرحله قبلی دقت‌های بهتری حاصل شده است. در مرحله آخر تکنیک حذف تصادفی با نرخ 5/0، برش گرادیان با حدآستانه 1/0 نیز به مدل قبلی اضافه شد و مدل به دقت کلی 11/93 درصد و ضریب کاپای 9233/0 رسید که نسبت به دو مرحله قبلی به دقت های بهتری رسیده است.نتیجهگیری: این نتایج نشان میدهد که دقت طبقهبندی پوشش و کاربری اراضی مجموعه داده EuroSat در مرحله آخر نسبت به مراحل قبلی به دقت بهتری دست یافته است.
سنجش از دور
علی سبزعلی یمقانی؛ علی اصغر آل شیخ
چکیده
پیشینه و اهداف: پیش‌بینی دقیق میزان محصول کشاورزی یکی از ابزارهای اساسی برای مدیریت منابع کشاورزی، بهبود امنیت غذایی و افزایش بهره‌وری تجارت بین‌المللی محصولات است. با توجه به محدودیت‌های روشهای سنتی در پیش‌بینی دقیق و سریع، تصاویر سنجش از دور ماهوارهای به دلیل توانایی پوشش مناطق وسیع و ارائه دادههای دقیق، به‌طور گسترده‌ای ...
بیشتر
پیشینه و اهداف: پیش‌بینی دقیق میزان محصول کشاورزی یکی از ابزارهای اساسی برای مدیریت منابع کشاورزی، بهبود امنیت غذایی و افزایش بهره‌وری تجارت بین‌المللی محصولات است. با توجه به محدودیت‌های روشهای سنتی در پیش‌بینی دقیق و سریع، تصاویر سنجش از دور ماهوارهای به دلیل توانایی پوشش مناطق وسیع و ارائه دادههای دقیق، به‌طور گسترده‌ای جایگزین شدهاند. در این میان، پیشرفتهای یادگیری ماشین و یادگیری گروهی نقش مهمی در شناسایی روابط پیچیده میان متغیرهای محیطی و بازده محصولات ایفا کرده‌اند. مدلهای نوین یادگیری گروهی، توانسته‌اند دقت پیش‌بینی‌ها را به‌طور قابل توجهی افزایش دهند و اطلاعات ارزشمندی برای کشاورزان و سیاست‌گذاران فراهم کنند. این پژوهش با هدف توسعه مدلی نوآورانه مبتنی بر ترکیب مدل XGBoost و الگوریتم بهینهسازی پلیکان (POA) به‌منظور پیش‌بینی دقیقتر میزان محصول ذرت در غرب میانه ایالات متحده انجام شده است. رویکرد پیشنهادی با بررسی تأثیر بازه‌های مختلف فنولوژی گیاه و انتخاب بازه بهینه (ژوئیه تا اوت)، امکان پیش‌بینی دقیق محصول را پیش از برداشت فراهم میکند. این مدل میتواند تصمیم‌گیری‌های مؤثری در زمینه مدیریت منابع، کاهش خسارات ناشی از نوسانات اقلیمی، و ارتقای سیاست‌های کشاورزی ارائه دهد.روش و مواد: این پژوهش با هدف پیش‌بینی میزان محصول ذرت در پنج ایالت غرب میانه کشور آمریکا (ایلینوی، آیووا، مینه‌سوتا، داکوتای شمالی و داکوتای جنوبی) که از مناطق اصلی تولید ذرت هستند، انجام شده است. دادههای استفاده‌شده شامل اطلاعات سنجش از دور (مانند شاخص نرمال شده تفاوت پوشش گیاهی (NDVI)، شاخص پوشش گیاهی بهبود یافته (EVI)، شاخص سطح برگ (LAI)، شاخص جزء جذب‌شده تابش فتوسنتز فعال (FPAR)، تولید اولیه ناخالص (GPP)، و تبخیر و تعرق (ET))، دادههای آب‌وهوایی (نظیر دما و بارش)، دادههای زمینهای زراعی، و بازده محصول، طی بازه زمانی 2011 تا 2020 و فصل رشد (اواسط اردیبهشت تا اواسط مهر) جمع‌آوری شدهاند. مدلسازی با استفاده از الگوریتم یادگیری گروهی XGBoost انجام شد و تنظیم پارامترهای آن با استفاده از الگوریتم بهینهسازی پلیکان (POA) برای بهبود دقت صورت گرفت. دادهها ابتدا با شاخص VFI فیلتر شده و از 9 سال بهعنوان داده آموزشی و یک سال بهعنوان داده آزمون استفاده شد. عملکرد مدل با شاخص‌هایی نظیر MAPE، MBE، MAE، RMSE و ضریب همبستگی ارزیابی شد.یافته‌ها: نتایج ارزیابی مدل POA-XGBoost نشان داد که این روش عملکردی برجسته در پیش‌بینی میزان محصول ذرت دارد. در بازه زمانی 2011 تا 2020، روند اعتبارسنجی پیش‌بینی میزان محصول ذرت نشاندهنده تغییرات در دقت پیش‌بینی‌ها و بایاس بود. در سالهای ابتدایی (2011 تا 2014)، مقادیر خطاها کاهش و دقت پیش‌بینی‌ها بهبود یافت؛ به‌طوری‌که در سال 2014 مقدار MAPE به 26/6% و ضریب همبستگی به 9372/0 رسید. در سالهای میانی (2015 تا 2018)، افزایش خطاها و بایاس مثبت به همراه کاهش دقت پیش‌بینی‌ها مشاهده شد، به‌ویژه در سال 2018 که مقدار MBE به 8039/0 و ضریب همبستگی به 8083/0 کاهش یافت. در سالهای پایانی (2019 و 2020)، بهبود قابل‌توجهی در دقت پیش‌بینی‌ها مشاهده شد؛ به‌طوری‌که در سال 2020 مقدار MAPE به 57/6% و ضریب همبستگی به 9237/0 رسید.نتیجهگیری: مدل بهینه POA-XGBoost توانایی بالایی در پیش‌بینی بازده محصول ذرت در شرایط مختلف آب‌وهوایی نشان داده است و میتواند در آینده برای پیش‌بینی سایر محصولات کشاورزی نیز گسترش یابد. استفاده از تکنیکهای پیشرفته یادگیری گروهی و دادههای متنوع مانند تصاویر ماهوارهای و دادههای هواشناسی، راه‌حل‌های مؤثری برای بهبود پیش‌بینی بازده محصولات ارائه میدهد. این پژوهش بر ضرورت توسعه مدلهای ترکیبی جدید تأکید دارد که می‌توانند به کشاورزان و مدیران در مدیریت منابع، افزایش بهره‌وری، و کاهش ریسک کمک کنند.
سنجش از دور
علی بیات؛ محمدرضا سیف؛ بهنام اصغری بیرامی
چکیده
پیشینه و اهداف: زمین لغزش ها بهعنوان یکی از مخرب ترین پدیده های طبیعی، تهدیدی جدی برای سازه های مهندسی و محیط‌زیست محسوب می شوند. سد تلمبه ذخیره ای سیاه‌بیشه نخستین سد خاکی تلمبه ذخیره ای ایران با رویه بتنی، به دلیل موقعیت جغرافیایی در رشته کوه البرز و شرایط زمین شناسی پیچیده (شامل گسل های فعال، توده ...
بیشتر
پیشینه و اهداف: زمین لغزش ها بهعنوان یکی از مخرب ترین پدیده های طبیعی، تهدیدی جدی برای سازه های مهندسی و محیط‌زیست محسوب می شوند. سد تلمبه ذخیره ای سیاه‌بیشه نخستین سد خاکی تلمبه ذخیره ای ایران با رویه بتنی، به دلیل موقعیت جغرافیایی در رشته کوه البرز و شرایط زمین شناسی پیچیده (شامل گسل های فعال، توده های سنگی ناپایدار، و شیب های تند)، در معرض خطر جابجایی های زمین شناختی قرار دارد. این پژوهش با هدف پایش تغییرات سطح زمین و مدیریت خطرات ناشی از زمین لغزش در محدوده این سد، با استفاده از روش های نقشه برداری زمینی و تداخل سنجی راداری (InSAR) انجام شد. تمرکز اصلی بر تحلیل تأثیر عوامل کلیدی مانند افت سریع مخزن (Rapid Drawdown)، نوسانات سطح آب، و فعالیت های عمرانی بر ناپایداری منطقه بود.روش‌ها: در این مطالعه، دو روش اصلی به کار گرفته شده است. در روش اول که نقشه برداری زمینی نام دارد، با نصب تارگت ها بتنی (بنچمارک های کوچک) و اندازه گیری دورهای جابجایی های مسطحاتی و ارتفاعی از سال ۱۳۹۰ تاکنون، تغییرات در نقاط بحرانی مانند گالی ۵ و مناطق مجاور جاده چالوس پایش شده است. در روش دوم با استفاده از داده های ماهواره سنتینل-۱ در بازه زمانی ۲۰۱۵ تا ۲۰۲۲ و پردازش تصاویر در نرمافزار SNAP، تغییرات سطح زمین با دقت میلیمتری بررسی شد. مراحل پردازش شامل هم ترازی تصاویر، حذف اثرات توپوگرافی با مدل رقومی ارتفاعی، فیلترگذاری فاز گلداشتاین، و تبدیل فاز به جابجایی بود.یافته‌ها: نتایج نشاندهنده همخوانی قابل توجه بین دو روش بود. بیشترین جابجایی ها در مناطق نزدیک به حوضچه های سد (مانند گالی ۵ با بیش از ۶۰ سانتیمتر جابجایی ارتفاعی) و نواحی مجاور جاده چالوس رخ داده است. افت سریع مخزن به عنوان عامل اصلی ناپایداری شناسایی شد، به طوری که تغییرات ناگهانی سطح آب، اشباع و تخلیه سریع توده های خاکی و سنگی را تسریع می کند. روش تداخل سنجی راداری با تخمین جابه جایی ۰.۱۳ تا ۰.۵ متر در شناسایی تغییرات پهنه های وسیع، به عنوان ابزاری کم هزینه و سریع نسبت به روش های سنتی نقشه برداری زمینی تأیید شد.نتیجهگیری: ترکیب روش های زمینی و ماهوارهای امکان پایش جامع تر و مداوم مناطق ناپایدار را فراهم می کند. پیشنهاد می شود در پروژه های مشابه، از تداخل سنجی راداری برای پایش ادواری و مدیریت بحران استفاده شود. همچنین، ایجاد پایگاه داده ماهوارهای و یکپارچه سازی نتایج با مدل های رفتاری سد، به کاهش ریسک زمین لغزش کمک خواهد کرد. این مطالعه بر نقش فناوری های نوین در افزایش دقت و کاهش هزینه های پایش سازه های حساس تأکید دارد.
سنجش از دور
مسعود خوش سیما؛ سجاد غضنفری نیا؛ راضیه نریمانی
چکیده
پیشینه و اهداف: ماهوارههای سنجشی دارای محموله‌های لیدار، با مأموریت‌های پایش اهدافِ زمینی، اتمسفری و فضایی طراحی و عملیاتی می‌شوند. شاخص اصلی برتری لیدارهای فضایی، پایش جهانی اهداف متعدد است که سکوهای زمینی و هوایی پاسخ‌گوی نیازهای دنیای امروز در این زمینه نمی‌باشند. یکی از مهم‌ترین پارامترها در طراحی محموله‌های سنجش از دور ...
بیشتر
پیشینه و اهداف: ماهوارههای سنجشی دارای محموله‌های لیدار، با مأموریت‌های پایش اهدافِ زمینی، اتمسفری و فضایی طراحی و عملیاتی می‌شوند. شاخص اصلی برتری لیدارهای فضایی، پایش جهانی اهداف متعدد است که سکوهای زمینی و هوایی پاسخ‌گوی نیازهای دنیای امروز در این زمینه نمی‌باشند. یکی از مهم‌ترین پارامترها در طراحی محموله‌های سنجش از دور لیدار فضایی، انرژی هر پالس میباشد که به‌طور مستقیم در دقت دادههای جمع‌آوری شده، نرخ سیگنال به نویز، قدرت تفکیک افقی و عمودی و به عبارت دیگر، زمان تجمیع سیگنال بازگشتی، تأثیرگذار است. بهبود نرخ سیگنال به نویز بهعنوان دیگر پارامتر مهم و مؤثر که هم در فازهای طراحی و هم در فاز بهرهبرداری مأموریت‌های لیدار دارای اهمیت است. در خصوص تأثیر پارامترهای مختلف بر نرخ سیگنال به نویز سامانه‌های لیدار، پژوهش‌های متعددی انجام شده است ولی علیرغم این تحقیقات گسترده، هنوز این موضوع به‌طور کامل بررسی نشده است. ساختار هندسی لیدار، مشخصات بخش‌های لیزر، اپتیک، الکترونیک، چیدمان هندسی لیزر- تلسکوپ از جمله عوامل مهم و تأثیرگذار در بهینه کردن نرخ سیگنال به نویز می‌باشند. علاوه بر مشخصات زیرسیستم‌های تأثیرگذار بر این فرآیند، تحلیل‌های سیستمی در طراحی محموله لیدار که شامل بررسی مشخصات فنی لیزر، فرستنده، سامانه اپتیکی، تلسکوپ گیرنده، کنترل حرارت و ملاحظات تشعشعی است، حائز اهمیت بوده و برقراری یک نگاشت فنی بین مأموریت‌ها و مشخصات فنی محموله از الزامات طراحی به‌شمار میرود.روش‌ها: تحلیل سیستمی محموله‌های لیدار و طراحی یک محموله مطلوب دارای چالش‌های بسیاری است که نیاز به بررسی کاملی داشته و در دو فاز طراحی سیستمی و بهرهبرداری مورد مطالعه قرار میگیرد. در این مقاله، پژوهش گسترده‌ای روی این چالش‌ها و الزامات انجام شده است که ملاحظات طراحی شامل دو بخش فرستنده و گیرنده برای محموله لیدار، اثرات تشعشعی و مسائل حرارتی بهعنوان پارامترهای محیطی است. پس از تحلیل‌های سیستمی اولیه، نیاز به بررسی ملاحظات محموله لیدار در فاز بهرهبرداری است که خود شامل بررسی چالش استخراج دادهها، کیفیت سیگنال و شاخص سیگنال به نویز میگردد.یافته‌ها: بر اساس نتایج، تغییرات زاویه تابش خورشید، که در افزایش یا کاهش پارامتر عمق اپتیکی ایروسل‌ها در ساعات مختلف روز و به تبع آن، در زاویه زنیت تأثیر دارد، بر اساس شرایط اتمسفر میتواند 10 تا 40% بر نرخ سیگنال به نویز لیدار مؤثر باشد. همچنین، در زوایای زنیت زیر 50 درجه و ساعات تقریبی 10 صبح و 2 بعدازظهر، زمان مناسبی برای داده‌برداری تخمین زده شده است که این امر کاملاً با زاویه تابش خورشید و میزان پراکنش نور در اتمسفر ارتباط دارد. همچنین، هنگام طلوع و غروب خورشید، با توجه به حداکثر بودن پراکنش، نرخ سیگنال به نویز تحت تأثیر قرار میگیرد. محاسبه آسیب دوز یونیزان کل بهعنوان یک گلوگاه طراحی، افت بازده عملکرد ماژول لیزر را تعیین نموده و با استفاده از شاخص بحرانی توان به وزن کنترل حرارت فعال و غیر‌فعال مشخص میگردد. در این مقاله، با تأکید بر گلوگاه‌های فنی محموله‌های لیدار و ملاحظاتی که در بخش‌های مختلف از دیدگاه سیستمی وجود دارد، نقش عوامل محیطی مانند تأثیر زاویه تابش خورشید و محیط فضا بر یک محموله لیدار، بررسی شده است.نتیجهگیری: نتایج، نشان میدهد پارامترهای محیطی شامل تشعشعات فضایی، تغییرات اپتیکی و تابشی اتمسفر در فاز بهرهبرداری و جانماییهای هندسی و سازهایی و کنترل حرارت در فاز طراحی در میزان انرژی هر پالس و تغییرات نرخ سیگنال به نویز مؤثر هستند و باعث دقت در تخمین بودجههای طراحی در سطح سیستم و زیرسیستم خواهد شد. نتایج این تحقیق نه تنها میتواند برای بهرهبرداری در مطالعات موردی کارگشا باشد، بلکه امکان تکمیل دستاوردهای این تحقیق با بررسی و افزودن ملاحظات دیگر و همچنین توسعه آنها در سطح زیرسیستم‌ها یا المان‌های دیگر محموله نیز وجود دارد. به کمک نتایج این بررسی میتوان از صحت عملکرد لیدار در فازهای آتی اطمینان حاصل نمود.
سنجش از دور
مجید حیدری قولانلو؛ رضا جوانمرد علی تپه؛ عبادت قنبری پرمهر
چکیده
پیشینه و اهداف: با پیشرفت تکنولوژی و پیدایش ماهوارههای چندمنظوره، اطلاعات لحظه‌ای زیادی از سطح زمین مخابره میشود. ماهواره ها به سنجنده هایی مجهز هستند که می توانند با ارسال سیگنالهایی در فرکانسهای مختلف به سطح زمین به اطلاعات مهمی دست یابند. دادههای دریافتی از این ماهواره‌ها در کاربردهای مختلف علمی و نظامی از جمله: هوانوردی، ...
بیشتر
پیشینه و اهداف: با پیشرفت تکنولوژی و پیدایش ماهوارههای چندمنظوره، اطلاعات لحظه‌ای زیادی از سطح زمین مخابره میشود. ماهواره ها به سنجنده هایی مجهز هستند که می توانند با ارسال سیگنالهایی در فرکانسهای مختلف به سطح زمین به اطلاعات مهمی دست یابند. دادههای دریافتی از این ماهواره‌ها در کاربردهای مختلف علمی و نظامی از جمله: هوانوردی، مطالعات جغرافیایی، هواشناسی، کشاورزی و دیگر حوزه‌های تحقیقاتی قابل استفاده است. حوزه‌ی کشاورزی و پایش سطوح کشت نیز یکی از حوزه‌هایی است که با توجه به مزیت‌های روشهای سنجش‌ازدور در مقایسه با روشهای سنتی، بهعنوان یکی از ابزارهای اصلی در جمع‌آوری اطلاعات محیطی برای کاربردهای پایش نواحی، مورد توجه پژوهشگران قرار گرفته است. یکی از این موضوعات، پایش منطقه‌ای برای بررسی محصولات کشاورزی در مساحت سطح زیرکشت است که استفاده از ابزارهای سنجش‌ازدور و تصاویر ماهوارهای به جهت پوشش منطقه‌ای وسیع بسیار کارا است. جهت بررسی خودکار این تصاویر، طبقهبندی و بخش‌بندی نواحی سطح زیرکشت، امروزه از روشهای یادگیری ماشین استفاده میشود. در میان این روش‌ها، یادگیری عمیق در مقایسه با دیگر روشهای یادگیری مانند روشهای دستی و یا روشهای نیمه‌خودکار، عملکرد بهتر و سرعت بالاتری دارد.روش‌ها: در این مقاله مدلهای یادگیری عمیق که برای بخش‌بندی نواحی مناسب هستند مورد استفاده قرار گرفته است. عموما این مدلها بازای هر ورودی، خروجی معادل آن را با همان ابعاد تولید می کنند. لذا جهت کار بر روی تصاویر ماهوارهای، در این پژوهش مدل U-Net بهبود یافته‌ای ارائه شده است. مدل پیشنهادی با استفاده از ViT در گلوگاه مدل برای طبقهبندی و بخش‌بندی چهار نوع محصول کشاورزی شامل برنج، گندم، کلزا و ذرت توسعه داده شده است. استفاده از ViT در مقایسه با لایه‌های کانولوشن از لحاظ ایده و پیاده‌سازی الگوریتمی کاراتر است و حجم محاسباتی کمتری دارد. این مدل مشکلات و نقاط ضعف مدل پایه U-Net را که برای مجموعه دادههای پیچیده، متنوع در شکل، اندازه و بافت به وجود میآید، برطرف مینماید.یافته‌ها: در نتایج آزمایشات انجام شده روش پیشنهادی توانسته است با رسیدن به دقت 83.84 و صحت 70.69، بهتر از دیگر روش‌ها دسته‌بندی درستی از 5 محصول مورد نظر را ارائه دهد. همچنین خروجی‌های کیفی نیز نشان‌دهنده‌ی بخش‌بندی بهتر تصاویر ورودی با اعمال روش پیشنهادی میباشد. در کنار معیار دقت، دیگر معیارها مانند افت کانونی، بازیابی و MIoU نیز مورد بررسی قرار گرفت که در اکثر موارد روش پیشنهادی به مقدار قابل قبولی رسیده است. لازم به ذکر است که با توجه به اینکه منطقه ی مورد نظر در ایران در نظر گرفته شد، جمع آوری و برچسب گذاری داده ها نیز در این پژوهش انجام شده است که میتواند بعنوان مجموعه داده ی مناسبی برای آموزش دیگر مدلها استفاده شود.نتیجهگیری: این تحقیق یک مدل سرتاسری برای یادگیری ویژگیهای مرتبط با بخش بندی تصاویر ماهوارهای ارائه داده است. نتایج این تحقیق نشان میدهد که روش ارائه شده میتواند برای بخش بندی تصاویر ماهواره ای دریافتی از سنتینل-2 برای محصولات مورد نظر مورد استفاده قرار گیرد. لذا نتایج حاصل می تواند در مدیریت مصرف آب، تنظیم ساختار کاشت، تخمین تلفات و ارزیابی عملکردهای زراعی نقش مهمی را ایفا نماید. با بهره‌گیری از این روش‌ها، میتوان به بهبود کارایی و دقت در مدیریت کشاورزی دست یافت و از منابع این حوزه بهینه‌تراستفاده کرد.
سنجش از دور
سحر برزگر؛ مسعود خوش سیما
چکیده
پیشینه و اهداف: تکنیکهای سنجش (sounding) رادیویی و توموگرافی، برای مطالعه ساختار و دینامیک یونسپهر به کار می‌روند. توموگرافی یکی از روشهای پیشرفته برای مطالعه و مدلسازی سهبعدی چگالی الکترونی در لایه یونسپهر است. این روش از دادههای مشاهداتی مانند GNNS برای تولید نقشههای دقیق از توزیع الکترون‌ها در این لایه استفاده میکند. ...
بیشتر
پیشینه و اهداف: تکنیکهای سنجش (sounding) رادیویی و توموگرافی، برای مطالعه ساختار و دینامیک یونسپهر به کار می‌روند. توموگرافی یکی از روشهای پیشرفته برای مطالعه و مدلسازی سهبعدی چگالی الکترونی در لایه یونسپهر است. این روش از دادههای مشاهداتی مانند GNNS برای تولید نقشههای دقیق از توزیع الکترون‌ها در این لایه استفاده میکند. توموگرافی یونسپهر به ما امکان تشخیص تغییرات زمانی و مکانی چگالی الکترونی را با دقت بالا میدهد. که این امر برای برنامه‌های کاربردی مانند ناوبری ماهوارهای، ارتباطات رادیویی و پیش‌بینی‌های متئورولوژیکی حیاتی است. توسعه اندازهگیری و توموگرافی یونسپهر، که به مطالعه و تحلیل لایه‌های بالایی جو زمین می‌پردازد، از اهمیت ویژه‌ای برخوردار است. این فرآیند، که از اوایل قرن بیستم آغاز شده، شامل تکنیکهای مختلفی برای بررسی توزیع الکترون‌ها در یونسپهر است. اندازهگیری یونسپهر، که با استفاده از رادارهای مخصوصی به نام ایونوسوندها انجام میشود، به دانشمندان این امکان را میدهد تا اطلاعات دقیقی در مورد تراکم الکترونی و ساختار لایه‌های یونیزه شده به دست آورند. توموگرافی یک روش تصویربرداری است، که از انتشار امواج رادیویی در یونسپهر برای تولید تصاویر دو یا سه بعدی از توزیع الکترون‌ها در این لایه استفاده میکند. این تکنیک، که به طور گسترده‌ای در پیش‌بینی شرایط جوی، مخابرات رادیویی و مطالعات فضایی به کار می‌روند، نقش مهمی در پیشرفت علم جوسپهری داشته‌اند. با پیشرفت تکنولوژی، ابزارهای اندازهگیری پیشرفته‌تر و دقیقتر شدهاند، که این امر به درک بهتری از پدیدههای مختلف یونسپهر منجر شده است. امروزه، با استفاده از ماهواره‌ها و سایر فناوریهای پیشرفته، دانشمندان قادر به انجام اندازه‌گیری‌های دقیقتر و تحلیل‌های عمیق‌تری از این لایه هستند، که این امر در نهایت به بهبود ارتباطات جهانی و افزایش ایمنی پروازهای هوایی کمک میکند. در این مقاله، روش موجود برای چگونگی بدست آوردن تغییر چگالی الکترونی لایه یونسفر مبتنی بر پارامتر محتوای کلی الکترون (TEC) با استفاده از تحلیل تفاضل فازی ایجاد شده در سیگنال مخابراتی سامانه ماهوارهای راهبری جهانی GNSS در هنگام عبور از لایه‌های مختلف یونسفر مورد بررسی و مطالعه قرار گرفته است. به این منظور سیگنال‌ها مخابراتی از ماهوارههای مدار پایین و مدارهای بالا مطالعه شدهاند و روش بدست آوردن TEC از تفاضل فازی برا هریک توضیح داده شد. سپس به مطالعه روش‌ها و الگوریتمهای موجود برای تبدیل اطلاعات TEC به تصاویر توموگرافیک پرداختیم. در انتهای این مقاله به عنوان یک مثال روش توموگرافی رادیویی را برای مصورسازی حبابهای پلاسمایی در منطقه استوایی پیاده‌سازی کرده و نتایج آن را با تصاویر گرفته شده از ادوات اپتیکی مقایسه کردیم. نشان داده شد که توموگرافی رادیویی میتواند به عنوان روشی دقیق برای مصورسازی ساختار حبابهای پلاسما به‌کارگرفته شود. در انتهای این مقاله به مقایسه روش مطالعه شده در اینجا با روش‌هایی نظیر تصویربرداری تمام آسمان، رادارهای پراکندگی غیر همدوس و غیره، پرداخته شد و مزایا و معایب این روش‌ها نسبت به یکدیگر بیان شد.روش ها: در تحقیقات کنونی در زمینه صدازدایی و توموگرافی یونسپهر با استفاده از GNSS، پیشرفتهای قابل توجهی صورت گرفته است. مطالعات اخیر نشان میدهند که با استفاده از GNSS، میتوان ساختار یونسپهر را به صورت سهبعدی و با دقت بالا مدلسازی کرد. توزیع الکترونی یونسپهر با استفاده از دادههای رادیویی که از ماهوارههای در ارتفاع کم (LO) و ارتفاع بالا (HO) به دست می‌آیند، تجزیه و تحلیل میشود. جمع‌آوری اطلاعات یونسپهر با استفاده از GNSS یک فرآیند پیچیده و دقیق است که از تکنولوژی پیشرفته برای اندازهگیری و تحلیل پارامترهای مختلف یونسپهری بهره می‌برد. این سیستم‌ها، که شامل ماهواره‌هایی در مدار زمین هستند، سیگنالهایی را به ایستگاه‌های گیرنده روی زمین مخابره میکنند. این سیگنال‌ها حاوی اطلاعات زمانی و مکانی دقیق ماهواره‌ها هستند که با استفاده از آنها میتوان موقعیت دقیق گیرنده‌ها را روی زمین تعیین کرد. نحوه توزیع چگالی الکترونی در لایه یونسپهر برروی نحوه انتشار امواج رادیویی GNSS و تغییر مسیر، شکل و فاز این امواج به طور مستقیم تأثیرگذار است. هرگونه اختلال در لایه یونسپهر، تأثیر جدی در ارتباطات ماهوارهای، ارتباطات دقیق ناوبری و ارتباطات دوربرد می‌گذارد. در حقیقت، GNSS از این قابلیت برای اندازهگیری محتوای کلی الکترون (TEC) یونسپهر استفاده میکند، که یک شاخص کلیدی برای درک وضعیت یونسپهر است. این فرآیند با استفاده از سیگنالهایی که از ماهواره‌ها به ایستگاه‌های زمینی فرستاده می‌شوند، صورت میگیرد. این سیگنال‌ها هنگام عبور از یونسپهر تحت تأثیر تغییرات الکترونی قرار می‌گیرند و این تغییرات می‌توانند با دقت بالایی اندازهگیری شوند.یافته ها: در این پژوهش مطالعه جامعی بر روی تحقیقات کنونی در زمینه توموگرافی رادیویی یونسپهر با استفاده از اندازهگیری TEC یونسپهر توسط GNSS انجام شده است. مفهوم TEC و نحوه تأثیر آن بر روی فاز و شکل سیگنالهای دریافت شده از ماهوارههای مدار پایین و مدار بالا مورد بررسی قرار گرفته است. کاربرد و روش استفاده از دادههای ماهوارههای LO و HO برای بدست آوردنTEC به تفصیل توضیح داده شدهاند. به اعتبارسنجی و صحت‌سنجی دادههای ماهوارهای در توموگرافی رادیویی یونسپهر که ضامن درستی عملکرد محصول نهایی و فرآیند تولید آن است، پرداخته شده است. در انتها مروری بر یک تکنیک برای بازسازی تصاویر توموگرافی حباب های پلاسمایی با اندازهگیری TEC از طریق سیگنالهای GNSS انجام شد. نشان داده شد که این تکنیک بازسازی توموگرافی روی تصویربرداری از حبابهای پلاسمایی به خوبی عمل میکند. توزیع‌های افقی گرفته شده از کاهش پلاسمای VTEC با تصاویر گرفته شده از ادوات اپتیکی مقایسه گردید و نشان داده شد که نتایج مشابهی حاصل میشود. همچنین نتایج بیان میکنند که در صورت بزرگ بودن ساختار حباب حتی در نواحی که سیگنال GNSS در آنهای ضعیف است، میتوان نتیجه درستی از این روش بدست آورد.نتیجه گیری: در مجموع، توموگرافی GNSS یک حوزه پویا و در حال توسعه است که پتانسیل زیادی برای بهبود دقت و کارایی در پیش‌بینی‌های جوی دارد. با تحقیق و توسعه بیشتر، میتوان انتظار داشت که روش‌ها و فناوریهای جدیدی در این زمینه معرفی شوند که می‌توانند به حل چالش‌های موجود و بهبود کیفیت و دقت مدلهای توموگرافی کمک کنند. این پیشرفت‌ها می‌توانند تأثیر قابل توجهی بر کاربردهای متنوع توموگرافی GNSS، از جمله در زمینه‌های هواشناسی، تغییرات اقلیمی و مدیریت بلایا داشته باشند.
سنجش از دور
داود اکبری؛ محمد اکبری
چکیده
پیشینه و اهداف: یکی از آنالیزهایی که بر روی تصاویر فراطیفی انجام میشود، آشکارسازی هدف است. معمولترین روش جهت آشکارسازی هدف در تصاویر ماهوارهای، آشکارسازی مبتنی بر پیکسل بوده که در آن هر پیکسل فقط با اطلاعات طیفی خود و بدون در نظر گرفتن پیکسلهای همسایگی به کلاس مشخص اختصاص مییابد. با پیشرفتهای اخیر و ایجاد تصاویری باقدرت ...
بیشتر
پیشینه و اهداف: یکی از آنالیزهایی که بر روی تصاویر فراطیفی انجام میشود، آشکارسازی هدف است. معمولترین روش جهت آشکارسازی هدف در تصاویر ماهوارهای، آشکارسازی مبتنی بر پیکسل بوده که در آن هر پیکسل فقط با اطلاعات طیفی خود و بدون در نظر گرفتن پیکسلهای همسایگی به کلاس مشخص اختصاص مییابد. با پیشرفتهای اخیر و ایجاد تصاویری باقدرت تفکیک مکانی بالا، لزوم استفاده توأم از اطلاعات طیفی و مکانی را در آشکارسازی تصاویر فراطیفی ایجاب میکند. در این پژوهش به آشکارسازی بام‌های دارای پوشش خاص بهعنوان هدف، در یک محیط شهری از طریق یک سری تصویر فراطیفی پرداخته میشود. از آنجائی که یک محیط شهری دارای ویژگیهای پیچیده‌ای از نظر فیزیکی، هندسی و عناصر به کار گرفته شده در ساختمان‌هاست، دادههای فراطیفی کمک مؤثری به شناسایی، استخراج و تولید نقشه از عناصر سازنده یک محیط شهری میکنند. شناسایی جنس بام ساختمانها در محیطهای شهری، اهمیت زیادی در کاربردهای گوناگون، چون ارتباطات تلفنهای همراه، واقعیت مجازی، معماری و مدلسازی شهری، برنامهریزی و مدیریت شهرها دارد.روش‌ها: در این تحقیق استراتژی اطلاعات مکانی در کنار اطلاعات طیفی جهت بهبود آشکارسازی هدف در آنالیز تصاویر فراطیفی مورد بررسی قرار میگیرد. برای این منظور از الگوریتم طیفی-مکانی جنگل پوشای مینیمم مبتنی بر نشانه که در فرآیند طبقهبندی تصاویر استفاده شده است، جهت آشکارسازی بام ساختمانهای با پوشش خاص استفاده میگردد. در روش پیشنهادی نشانهها از روی نقشه طبقهبندی ماشین بردار پشتیبان انتخاب شدند. برای این منظور آنالیز برچسبگذاری مولفههای متصل بر اساس 8 پیکسل همسایگی انجام گرفت. بعد از ایجاد درخت پوشای مینیمم و حذف یالهای مربوط به رأس اضافه شده در مرحله آخر، جنگل پوشای مینیمم حاصل میشود. در الگوریتم جنگل پوشای مینیمم هر درخت روی یکی از رئوس تصویر رشد مینماید و با اختصاص دادن کلاس هر نشانه به همه پیکسلهای رشد یافته از آن، نقشه آشکارسازی طیفی-مکانی حاصل میگردد.یافته‌ها: تکنیکهای فوق بر روی یک سری از دادههای تصویری سنجنده CASI که از منطقه شهری تولوز واقع در جنوب فرانسه برداشت شده است، اعمال شدند. نتایج ارزیابیهای کمی و کیفی نشان میدهد که روش پیشنهادی مقدار ضریب کاپا را به میزان 38 درصد در مقایسه با الگوریتم آشکارسازی اندازهگیری زاویه طیفی بهبود داده است. این موضوع اهمیت به کارگیری اطلاعات مکانی در فرآیند آشکارسازی را نشان میدهد، درحالی‌که الگوریتم اندازهگیری زاویه طیفی جهت آشکارسازی فقط نیاز به اطلاعات طیفی هدف موردنظر دارد.نتیجهگیری: همزمان با رشد شهرنشینی و توسعه مناطق شهری نیاز مدیران و برنامهریزان به نقشههای بسیار دقیق از مناطق شهری به طور چشمگیری افزایش یافته است. استفاده از اطلاعات مکانی به خصوص در مورد تصاویر اخذ شده از مناطق شهری که در آنها چندین پیکسل مجاور به یک کلاس یا عارضه یکسان تعلق دارند، میتواند باعث بهبود دقت در آشکارسازی شود. در نظر است در تحقیقات آتی از میزان خطای موجود در آشکارسازی طیفی-مکانی هدف کاسته شود. شرایط ایجاد پیکسلهای مختلط مانند همپوشانی پدیدههای زمینی و ناهمگن بودن اکثر پدیدهها، و درنتیجه افزایش واریانس داخلی هدف موجب افزایش خطای آشکارسازی در تصاویر فراطیفی میشود. ازاین‌رو سعی بر این است که بتوان با استفاده از روشهای مختلف خطاهای فوق را کم نمود.
سنجش از دور
امیر شاهرخ امینی؛ زهرا آذرگشایش؛ پانیذ نوری
چکیده
پیشینه و اهداف: آلودگی هوا امروزه به عنوان یکی از مهـم‌ترین مشـکل جوامع بشری مطرح مـی‌باشـد. گسـترش شهرنشـینی، توسـعة شهرها، افزایش جمعیت، افزایش ساختوساز، توسعة فعالیت‌های صنعتی و افـزایش مصرف سوخت‌های فسیلی، کمبود سیستم حمل ونقل عمـومی کارا، کیفیت کم سوخت و تراکم ترافیک باعث شده که روزانـه حجم وسیعی از آلاینده‌های غیر‌سازگار ...
بیشتر
پیشینه و اهداف: آلودگی هوا امروزه به عنوان یکی از مهـم‌ترین مشـکل جوامع بشری مطرح مـی‌باشـد. گسـترش شهرنشـینی، توسـعة شهرها، افزایش جمعیت، افزایش ساختوساز، توسعة فعالیت‌های صنعتی و افـزایش مصرف سوخت‌های فسیلی، کمبود سیستم حمل ونقل عمـومی کارا، کیفیت کم سوخت و تراکم ترافیک باعث شده که روزانـه حجم وسیعی از آلاینده‌های غیر‌سازگار با مکانیسم‌های طبیعی در هوا تخلیه گردد. آلودگی هوا پیامدهای زیان باری بـر محیط زیست و سلامتی انسان‌ها دارد. کیفیت هوا به طور روزانه در تغییر است. حتی در مـواقعی که مقدار ورود آلاینده‌ها به هوا ثابت است عوامل تعیین‌کننـدة تغییرات آب وهـوایی ماننـد سـرعت بـاد، جهـت بـاد، نیمـرخ حرارتی توده‌های هوا، مقدار انرژی خورشیدی به منظور انجـام واکنشهای فتوشیمیایی، مدت زمان دوام باد یا بارندگی به طور ویژه‌ای کیفیت هوا را تغییر میدهند. توزیع گازها و آلاینده‌ها در لایه‌های مختلف اتمسفر به صورت نابرابر است. به طوری که برخی از آلاینده‌ها مانند منواکسیدکربن و سولفوردی‌اکسید از تراکم بسیار زیادی در لایه تروپوسفر در مقایسه با سایر لایه‌ها برخوردار هستند. در کنار دیگر عوامل افزاینده آلاینده‌ها، صنعت ساختوساز نیز یکی از منابع عمده آلودگی محیط زیست، مسئول حدود 4 درصد از تولید گازهای گلخانهای، ذرات و بیشتر آلودگی آب بیش از هر صنعت دیگری است. امروزه به دلیل رشد بی‌رویه جمعیت و نیاز به سکونت، ایجاب کرده است که ساختمانهای بلند هر روز از گوشه و کنار شهر سر به فلک زنند. حال این مسئله باعث میشود که تولید آلاینده‌ها در شهرها افزایش یابد. چرا که افزایش جمعیت باعث افزایش خودروهای تک‌سرنشین و مسایلی دراین باب میشود. افزایش جمعیت و تمایل به سودجویی با ساختوساز، هرساله مناطق شهری را جایگزین مناظر زیبا و طبیعی کشورمان مینماید. رشد جمعیت موجب افزایش ساختوساز در یک ناحیه میشود و این مسئله با گذشت زمان توسعه فیزیکی نواحی شهری را موجب میگردد. در این پژوهش هدف بررسی میزان تاثیر ساخت و ساز بر آلودگی هوا در لایه تروپوسفر و همچنین چگونگی تغییرات غلظت آلاینده‌ها در فصول مختلف سال میباشد.روش‌ها: منطقه مورد مطالعه در این تحقیق منطقه 22 شهرداری واقع در شمال‌غربی تهران، از مناطق نوساز تهران میباشد که به جهت رفع کمبود‌های خدماتی حوزه غرب تهران و جابه‌جایی بخشی از جمعیت ساکن در بافت‌های فرسوده تهران مرکزی ساخته شده و میزان ساختوساز در این منطقه روند روبه رشدی داشته است. برای بررسی تغییرات ساختوساز در منطقه مورد مطالعه از روش طبقهبندی ماکزیمم احتمال با بکار بردن تصاویر ماهواره سنتینل-2 و برای پایش آلاینده‌های منوکسید کربن، دی‌اکسـید گـوگرد، دی‌اکســـید نیتـــروژن، ازن تروپوسفری و آئروسل از تصاویر ماهواره سنتینل 5 در سامانه گوگل ارث انجین بکار برده شده است.یافته‌ها: یافته‌ها شامل محاسبه میزان ساخت و ساز در سالهای2018 تا 2022 و ارائه نقشههای تغییرات غلظت آلاینده‌های منوکسیدکربن، دی‌اکسیدگوگرد، دی‌اکسیدنیتروژن، ازن تروپوسفری و آئروسل در واحد زمان و مکان میباشد.نتیجهگیری: نتایج این تحقیق نشان میدهد که از سال 2018 تا سال 2022 چیزی حدود 33.12 هکتار به مناطق ساختوساز منطقه 22 تهران اضافه شده و این تغییرات ساختوساز بر روی تمامی گازها تاثیر‌گذار نبوده و تنها آلاینده‌های منوکسیدکربن و دی‌اکسیدگوگرد روند رو به رشدی را داشته‌اند. و همچنین غلظت آلاینده‌های عنوان شده در فصل زمستان نسبت به سایر فصول بیشتر بوده است.
سنجش از دور
امیرحسین غلامیان؛ فاطمه طبیب محمودی
چکیده
پیشینه و اهداف: جاده‌ها به عنوان عناصر حیاتی و اساسی در توسعه و پیشرفت شهرها شناخته می‌شوند، زیرا نقش بسیار مهمی در ارتباطات و حمل و نقل دارند و نمایانگر میزان توسعه و رشد شهری می‌باشند. به منظور افزایش دقت و کارایی در تشخیص و طبقهبندی جاده‌ها، محققان به طراحی و استفاده از روشهای خودکار مبتنی بر پردازش تصویر و یادگیری عمیق پرداخته‌اند. ...
بیشتر
پیشینه و اهداف: جاده‌ها به عنوان عناصر حیاتی و اساسی در توسعه و پیشرفت شهرها شناخته می‌شوند، زیرا نقش بسیار مهمی در ارتباطات و حمل و نقل دارند و نمایانگر میزان توسعه و رشد شهری می‌باشند. به منظور افزایش دقت و کارایی در تشخیص و طبقهبندی جاده‌ها، محققان به طراحی و استفاده از روشهای خودکار مبتنی بر پردازش تصویر و یادگیری عمیق پرداخته‌اند. این رویکردها، به دلیل قابلیت‌های برترشان در تشخیص الگوها و ویژگیهای پیچیده تصاویر، به طور موثری جایگزین روشهای سنتی شدهاند و بهبود چشمگیری در دقت و سرعت تشخیص جاده‌ها ایجاد کرده‌اند.روش‌ها: در این تحقیق از یک مدل بهبودیافته رمزگذار-رمزگشای UNet3+ برای تشخیص جاده از تصاویر سنجش از دور استفاده شده است. در این مدل پیشنهادی از ماژول های تجمیع هرمی، توجه مکانی و توجه کانال برای بهبود نتایج تشخیصی استفاده شده است. ماژول توجه مکانی در معماری شبکه پیشنهادی برای بهبود تمرکز شبکه بر روی مکان‌های مهم در نقشههای ویژگی استفاده میشود. ماژول توجه کانال نیز به شبکه اجازه می دهد تا روی اطلاعات مهم تمرکز بیشتری داشته باشد و در کارهایی مانند تشخیص ویژگی و طبقه بندی بهتر عمل کند. ماژول تجمیع هرمی برای دریافت اطلاعات چند مقیاسی طراحی شده است. این ماژول به شبکه کمک میکند تا مقیاس‌های مکانی مختلف را با اعمال میانگین‌گیری در سطوح مختلف و سپس تغییر اندازه ویژگیهای متوسط به اندازه نقشه ویژگی اصلی، درک کند.یافته‌ها: ارزیابی قابلیت اجرایی شبکه پیشنهادی در تشخیص جاده های فرعی در مناطقی که تراکم مسکونی کمتری دارند و دارای پوشش خاکی و گیاهی هستند، نشان دهنده برتری این شبکه نسبت به نسخه اصلی UNet3+ است. شبکه بهبود یافته پیشنهادی در این مقاله توانست جاده ها را با دقت بیشتری تشخیص دهد. این امر نشان دهنده قدرت شبکه در تشخیص جاده ها در شرایطی است که تداخلات محیطی کمتری وجود دارد. نتایج کمی به‌دست‌آمده از این شبکه نمایانگر این واقعیت است که استفاده از ماژول‌های توجه مکانی و کانال و ماژول تجمیع هرمی توانسته است معیارهای دقت، بازخوانی، امتیاز F1 و IOU را به ترتیب 6، 15.6، 8.3 و 17.4 نسبت به نسخه اصلی شبکه UNet3+ افزایش دهد.نتیجهگیری: چالش‌های مطرح در تشخیص خودکار جاده ها از تصاویر سنجش از دور اعم از تاثیر سایه و انسداد جاده با ساختمانها و پوشش گیاهی و شباهت جاده با پس‌زمینه میتواند منجر به کاهش دقت تشخیص جاده ها از تصاویر سنجش از دور گردد. استفاده از قابلیت های معماری رمزگذار-رمزگشای بهبودیافته UNet3+ در این تحقیق توانست بخشی از این چالش ها را کاهش داده و دقت نتایج تشخیص جاده های فرعی در مناطق دارای زمینه خاکی و پوشش گیاهی را افزایش دهد.
سنجش از دور
حمیدرضا بابایی فرد؛ سعید صادقیان
چکیده
پیشینه و اهداف: این تحقیق، به دنبال ارائه رویکردی نوین برای بازیابی پارامترهای خاک از ترکیب دادههای ماهوارهای سنتینل-1 و مدل OH است. این اطلاعات، میتواند به بهبود مدیریت زمین و افزایش بهره‌وری کشاورزی کمک کند. تعیین دقیق پارامترهای خاک، مانند زبری و رطوبت، برای مدیریت کارآمد زمین کشاورزی و تصمیم‌گیری اهمیت قابل توجهی دارد. روشهای ...
بیشتر
پیشینه و اهداف: این تحقیق، به دنبال ارائه رویکردی نوین برای بازیابی پارامترهای خاک از ترکیب دادههای ماهوارهای سنتینل-1 و مدل OH است. این اطلاعات، میتواند به بهبود مدیریت زمین و افزایش بهره‌وری کشاورزی کمک کند. تعیین دقیق پارامترهای خاک، مانند زبری و رطوبت، برای مدیریت کارآمد زمین کشاورزی و تصمیم‌گیری اهمیت قابل توجهی دارد. روشهای زمینی مرسوم برای دستیابی به این پارامترها از نظر پوشش مکانی، محدود و اغلب زمان‌بر و پرهزینه هستند. در مقابل، تکنیکهای سنجش از دور، به‌ویژه آن‌هایی که از دادههای ماهوارهای SAR استفاده میکنند، پتانسیل راه‌حل مؤثرتر و جامع‌تری را برای پایش شرایط خاک در مناطق وسیع ارائه میدهند. در این تحقیق، سه سؤال اصلی مورد توجه قرار گرفته است که بر تعیین پارامترهای زبری و رطوبت خاک، اهمیت آنها برای کشاورزی و تأثیر آنها بر خاک تمرکز دارد. همچنین، بر پتانسیل تکنیکهای سنجش از دور، به ویژه، کسب دادههای ماهوارهای، برای ارائه راهکارهای موثر و جامع برای نظارت بر شرایط خاک در مناطق گسترده تأکید دارد. زبری و رطوبت خاک اهمیت بسیاری برای کشاورزی دارند و می‌توانند تأثیرات زیادی بر رشد محصولات داشته باشند.روش‌ها: این پژوهش، به بررسی و تحلیل پارامترهای رطوبت و زبری خاک یکی از اراضی کشاورزی شهرستان نظرآباد پرداخته است. این فرآیند شامل جمع‌آوری دادهها، پیش‌پردازش، کالیبراسیون و اعتبارسنجی دادههای رادار است. دادههای راداری این تحقیق از ماهواره Sentinel-1 به‌دست آمده است. استفاده از دادههای راداری از این ماهواره برای نظارت شبانه‌روزی بر زمینهای کشاورزی و تحقیق جامعی بر روی موضوع فوق بسیار ارزشمند است. دادههای ورودی، مورد پیش‌پردازش در نرمافزار اسنپ قرار گرفت به‌طوری‌که پیش‌پردازش شامل استفاده از فیلترها برای حذف نویز لکه‌ها و اصلاحات هندسی بود. ورودی‌های لازم برای حل معادلات مدل OH از تصاویر پلاریزه به‌ویژه HH و VV پس از انجام تنظیمات فوق با استفاده از نرمافزار اسنپ به‌دست آمد. تجزیه و تحلیل آماری شامل استخراج اطلاعات حیاتی مانند Sigma Naught (σ) و زاویه فرود (θ) برای هر پیکسل است که برای مدل OH بسیار مهم هستند. تصاویر پلاریزه، پس از تنظیمات، برای تجزیه و تحلیل بیشتر مورد استفاده قرار گرفتند. در مرحله بعد، معادلات نوشته شده برای هر پیکسل به‌طور جداگانه در نرمافزار برنامه‌نویسی MATLAB حل شد و مقادیر ریشه میانگین ارتفاع مربع (s) برای به‌دست آوردن زبری و ثابت دی‌الکتریک (ε)پارامتر مورد علاقه برای تخمین رطوبت خاک یعنی میزان رطوبت (mv) برای تمام پیکسل‌ها به‌دست آمد. در نهایت، ماتریس‌های مربوط به این مقادیر به تصویر خروجی تبدیل شد و یک نقشه تولید شد که اطلاعات مربوط به رطوبت و زبری خاک را نمایش میدهد.یافته‌ها: با توجه به نتایج حاصل، نشان داده شده است که مقادیر ثابت دی الکتریک، زبری و رطوبت به پارامترهای اولیه حل‌کننده بسیار حساس می‌باشند. به ویژه، ثابت دی الکتریک دارای حساسیت قابل توجهی است که ممکن است با بهبود روش حل، این حساسیت کاهش یابد. تحلیل نمایه زبری نشان میدهد که ارتفاع rms در مناطق مختلف متفاوت است و با افزایش زبری، پراکندگی افزایش مییابد. همچنین، تحلیل محتوای رطوبت نشان میدهد که رطوبت در سراسر منطقه نسبتاً یکنواخت است.نتیجهگیری: این مطالعه، نشان میدهد که استفاده از دادههای ماهواره Sentinel-1 و بهره‌گیری از مدلOH، منجر به بهبود قابل توجهی در دسترسی به اطلاعات قابل اعتماد جهت بهبود مدیریت زراعت میشود. این روش توانایی تجزیه و تحلیل نوسانات مکانی و زمانی در زبری و رطوبت خاک را داراست و اطلاعات حیاتی جهت بهینهسازی روشهای کشاورزی را فراهم می‌سازد. اصلاح شرایط خاک، به‌طور قابل‌توجهی به نظارت دقیقتر بر شرایط خاک و بهره‌وری بهتر در حوزه کشاورزی منجر میشود و این رویکرد امکان نظارت دقیقتر بر شرایط خاک و بهره‌وری بهتر در زمینه کشاورزی را فراهم میکند. این بررسی‌ها، میتواند اطلاعات ارزشمندی را برای مدیریت زمین کشاورزی و فرآیندهای تصمیم‌گیری فراهم کرده و به افزایش بهره‌وری و حفاظت از محیط زیست کمک کند.
سنجش از دور
امیررضا قندیان؛ نیکروز مستوفی؛ عباس مجیدی زاده؛ حمید مطیعیان
چکیده
پیشینه و اهداف: امروزه، توسعه شهرنشینی و افزایش جمعیت شهری، بیش از گذشته باعث گرم‌شدن هوا و ایجاد جزایر حرارتی شهری شده است. جزایر حرارتی شهری، پدیدهای ناشی از آثار شهرنشینی است که به واسطه آن، درجه حرارت در محیط شهری از مناطق حومهای بالاتر میرود. این پدیده، به سبب افزایش دما جوی و محیطی میتواند صدمات جبران ناپذیری از قبیل ...
بیشتر
پیشینه و اهداف: امروزه، توسعه شهرنشینی و افزایش جمعیت شهری، بیش از گذشته باعث گرم‌شدن هوا و ایجاد جزایر حرارتی شهری شده است. جزایر حرارتی شهری، پدیدهای ناشی از آثار شهرنشینی است که به واسطه آن، درجه حرارت در محیط شهری از مناطق حومهای بالاتر میرود. این پدیده، به سبب افزایش دما جوی و محیطی میتواند صدمات جبران ناپذیری از قبیل آلودگیهای زیستی، انتشار گازهای گلخانهای، بیماریهای ناشی از گرما و تأثیر در کیفیت آب را برای جوامع و محیط زیست به بار آورد. این پژوهش، به‌منظور کاهش دما و تلاش برای از بین‌بردن پدیده جزیره حرارتی، رویکرد مؤثر و کارآمدی را به‌کمک علم سنجش از دور و الگوریتمهای بهینهسازی براساس جایگزینی پوشش بام‌های یک منطقه با پوششهای با جذب گرمای کمتر پیشنهاد میکند. در این پژوهش، سعی بر آن است تا اثر جزیره حرارتی شهری را بر مبنای الگوریتمها و پارامترهای آماری تأثیرگذار بر دمای محیط که در تحقیقات گذشته کمتر مورد مطالعه قرار گرفتهاند، کاهش دهیم. همچنین، استفاده از روش بهینهسازی هوشمند در این زمینه میتواند باعث نوآوری و ایجاد نتایج بهتر و دقیقتری شود. مسیر جدیدی که این مطالعه بررسی میکند، تغییر پوشش سقف یک منطقه با پوششهای کاربردی دیگر است که باعث کاهش دمای هوا در آن منطقه میشود. پوشش‌هایی که جهت جایگزینی پوشش بام‌ها برای تعدیل و خنک‌سازی دمای منطقه مورد مطالعه در نظر گرفته شدند، دو نوع پوشش خاک و گیاهی می‌باشند.روش‌ها: رویکرد پیشنهادی این پژوهش، استفاده از دو الگوریتم بهینهسازی ژنتیک و ازدحام ذرات است و پارامترهایی که تابع هدف این دو الگوریتم را تشکیل میدهند، دو پارامتر انحراف معیار دما و میانگین هزینه مالی تغییر پوشش سقف هر قطعه ساختمانی است. مجموعه داده تحقیق، تصاویر ماهوارهای لندست 8 از محله اندیشه شهر تهران است. در این تحقیق، از تصاویر ماهوارهای برای اهدافی همچون تهیه تصاویر رنگی، نگاشت شاخص‌های گیاهی و غیرگیاهی منطقه مورد مطالعه، محاسبه دمای سطح زمین و جزایر حرارتی شهری استفاده شده است.یافته‌ها: نتایج به‌دست آمده بیانگر این موضوع میباشد که هر دو الگوریتم بهینهسازی عملکرد خوبی را ارائه داده و پارامترهای مسأله را بهبود بخشیدهاند، اما الگوریتم بهینهسازی ژنتیک، نتیجه بهتری را در زمان و تکرار کمتری کسب کرده است. در مقایسه این دو الگوریتم، الگوریتم بهینهسازی ژنتیک انحراف معیار را 19 درصد کاهش داد و مقدار آن را به 42/0 رساند. از سوی دیگر، الگوریتم بهینهسازی ازدحام ذرات در مدت زمانی طولانیتر، انحراف معیار را 14 درصد کاهش داد و مقدار آن را به 44/0 رساند.نتیجهگیری: الگوریتم ژنتیک در بهینهسازی پوشش بام ساختمانها، نتایج بسیار خوبی را با هزینه کل 4678 و انحراف معیار 4177/0 کسب کرد. با تعداد 12100 بار ارزیابی تابع هدف به سرعت همگرا شد و هر دو پارامتر تابع هزینه را به میزان قابل توجهی کاهش داد (الگوریتم ژنتیک تا حد ممکن به بهترین جواب رسیده است). الگوریتم بهینهسازی ازدحام ذرات نیز با کسب هزینه کل 4965، انحراف معیار 4430/0 و با تعداد 20100 بار ارزیابی تابع هدف نتوانست جوابی به‌خوبی الگوریتم ژنتیک برسد. در خصوص مقایسه بین این دو الگوریتم، ژنتیک با کمتر از 3000 بار ارزیابی تابع هدف، توانست بهینه‌ترین جوابی را که الگوریتم ازدحام ذرات در 20100 بار ارزیابی به آن رسیده، تجربه کند. استفاده از الگوریتمهای فراابتکاری در بهینهسازی مسائل عملی، که امروزه در صنایع متنوع به دفعات با آنها مواجه می شویم، میتواند بسیار کارآمد باشد. نتایج این الگوریتمها، با وجود اختلافات در خروجی‌ها بسیار مناسب و رسیدن به چنین جواب‌هایی برای مسائل مختلف بدون استفاده از این‌گونه الگوریتمها غیرممکن خواهد بود. به عنوان کارهای آتی براساس آن‌چه که در این پژوهش حاصل شده، پیشنهاد میشود از سایر الگوریتمهای بهینهسازی و یا حتی الگوریتمهای قدرتمند مدلسازی همچون شبکههای عصبی مصنوعی استفاده شود. همچنین، میتوان تغییر پوشش بام ساختمانها و استفاده از پوشش های جدیدتر را در تعدیل دما با اتخاذ پارامترهای جدید از تابع هزینه در الگوریتمهای بهینهسازی و یادگیری عمیق مورد بررسی قرار داد.
سنجش از دور
سید تاج الدین منصوری؛ اسماعیل ضرغامی
چکیده
پیشینه و اهداف: امروزه شهرنشینی در حال گسترش است و پیش‌بینی شده است که تا سال 2030 بیش از دو سوم جمعیت جهان در شهرها زندگی خواهند کرد. این جمعیت، برای زندگی کردن نیازمند فضاهایی مانند مسکونی، کسب‌وکار، گذران اوقات فراغت و غیره هستند. این امر، منجر به تغییرات محیط طبیعی برای ایجاد کاربری‌های گفته شده است. این تغییرات، پیامدهای گوناگونی ...
بیشتر
پیشینه و اهداف: امروزه شهرنشینی در حال گسترش است و پیش‌بینی شده است که تا سال 2030 بیش از دو سوم جمعیت جهان در شهرها زندگی خواهند کرد. این جمعیت، برای زندگی کردن نیازمند فضاهایی مانند مسکونی، کسب‌وکار، گذران اوقات فراغت و غیره هستند. این امر، منجر به تغییرات محیط طبیعی برای ایجاد کاربری‌های گفته شده است. این تغییرات، پیامدهای گوناگونی بر محیط زیست و زندگی انسان‌ها دارند که میتوان به افزایش سطوح نفوذناپذیر در سطح شهر و کاهش فضای سبز اشاره نمود. بر این اساس، محیط شهر به‌علت تولید حرارت بیشتر ناشی از مصرف سوخت‌های فسیلی و همچنین، وجود سطوح نفوذناپذیر و ساختمانهای بلند، بهعنوان جمع کننده حرارت عمل کرده و جزایر حرارتی را به‌وجود می‌آورد. علت اصلی تشکیل و تشدید جزایر حرارتی شهری، تغییر سطح زمین در اثر توسعه ناموزون شهر است. امروزه، بررسی دقیق و جامع جزایر حرارتی شهری که با رشد شهر در ارتباط است، مورد توجه مدیران شهری قرار گرفته است. علم سنجش از دور یکی از بهترین ابزارهای تشخیص این پدیده است. این مقاله، به بررسی تأثیر ساختار محیط شهری بر تغییرات حرارتی در شهر تهران می‌پردازد.روش‌ها: برای رسیدن به این هدف پژوهش برای مشخص کردن روند تغییرات دمایی در مناطق 22 گانه شهر تهران در بازه زمانی اول ژانویه 2013 تا اول ژانویه 2023، ابتدا کد نویسی در Google Earth Engine انجام شد. برای این کار، شیپ فایل شهر تهران تهیه گردید و پس از فراخوانی شیپ فایل در Google Earth Engine، تصاویر سنجش از دور ماهوارهMODIS 11A2 006 Terra استخراج گردید. این تصاویر، 460 عدد بودند که به‌وسیله کاهنده سامانه Google Earth Engine به تصاویری بسیار کمتر و با وضوح بیشتر، تبدیل گردیدند. سپس، با توجه به دادههای مورد نیاز و دریافتی از ماهوارهMODIS 11A2 006 Terra میانگین روند دمای سطح زمین در شب، روند تغییرات دمای سطح زمین، روند برش عرضی دمای سطح زمین و میانگین روند تغییرات دمای سطح زمین در شب برای مناطق 22 گانه شهر تهران در بازه زمانی اول ژانویه 2013 تا اول ژانویه 2023 مورد بررسی قرار گرفت.یافته‌ها: پس از اندازهگیری دادهها، مناطق 10، 11 و 12 در مرکز تهران، کمترین و مناطق 1، 3 و 4 در شمال شرق تهران و مناطق 21 و 22 در شمال غرب تهران بیشترین تغییرات حرارتی را در زمان، در نظر داشتند. دمای سطح زمین در مناطق 1، 3، 4، 21 و 22 با میانگین 6/288 کلوین، گرم‌ترین مناطق در شهر تهران بودند.نتیجهگیری: نتایج، نشان داد که جزایر حرارتی شهری ایجاد شده در شهر تهران بر اساس عواملی که باعث تغییرات دمایی می‌شوند، متفاوت هستند. این تفاوت در درجه اول به دلیل کاربری و پوشش اراضی در توسعه نامتناسب و نامتوازن شهر است و نشان دهنده رابطه نزدیک بین پوشش زمین و دمای سطح زمین میباشد. همچنین، مطالعه همبستگی بین پوشش زمین و دمای سطح زمین نشان داد که بین این دو پارامتر رابطه‌ای معکوس وجود دارد و بین تراکم جمعیت و دمای سطح زمین در برخی مناطق رابطه مستقیمی وجود ندارد. با توجه به ماهیت تحقیق، این پژوهش میتواند با برنامهریزی صحیح برای استفاده بهتر و بیشتر از آب و فضای سبز در کاهش شدت و گسترش جزایر حرارتی شهری مؤثر باشد.
سنجش از دور
جلیل پیری؛ اسلام جوادنیا
چکیده
پیشینه و اهداف: یکی از خطرناک‌ترین رخداد‌های طبیعی، فرونشست سطح زمین است و اغلب به‌جهت سهل انگاری بشر در استخراج آب‌ها و معادن زیرزمینی و عوامل دیگر حادث میشود. این پدیده، به‌خصوص در مناطق حساس مانند خطوط ریلی، میتواند منجر به حوادث جبران ناپذیری شود. شکاف‌های ناشی از فرونشست در برخی از مسیر‌های ریلی همچون مسیر تهران- مشهد، ...
بیشتر
پیشینه و اهداف: یکی از خطرناک‌ترین رخداد‌های طبیعی، فرونشست سطح زمین است و اغلب به‌جهت سهل انگاری بشر در استخراج آب‌ها و معادن زیرزمینی و عوامل دیگر حادث میشود. این پدیده، به‌خصوص در مناطق حساس مانند خطوط ریلی، میتواند منجر به حوادث جبران ناپذیری شود. شکاف‌های ناشی از فرونشست در برخی از مسیر‌های ریلی همچون مسیر تهران- مشهد، تهران- ورامین، اصفهان به شیراز و ... تا نزدیکی این خطوط پیشروی داشته و تهدیدی برای این خطوط به‌شمار میآید. بنابراین، پایش فرونشست و بررسی تغییر شکل در بعد زمان و مکان به‌منظور مدیریت حادثه ضروری میباشد. برای رفتار سنجی تغییر شکل پدیدهها نیازمند بررسی سری زمانی آنی پدیده در منطقه مورد مطالعه هستیم. امروزه، تکنیک تداخل سنجی راداری (InSAR) به‌دلیل پیوستگی مکانی و زمانی یک تکنیک متداول برای اندازهگیری تغییر شکل پوسته زمین شده است.روش‌ها: در این تحقیق، نرخ فرونشست زمین در طول خطوط ریلی در شاخه‌های خروجی خط آهن تهران با استفاده از تکنیک تداخل سنجی راداری و با استفاده از تصاویر ماهواره سنتینل-1 در بازه زمانی 2017-2020 مورد بررسی قرار گرفته است. میزان جابه‌جایی سطح زمین از طریق پردازش 46 تصویر و ایجاد 158 تداخل نگار به کمک آنالیز سری زمانی و با استفاده از روش خط مبنای کوتاه (SBAS) به‌دست آمد. برای اعتبار سنجی و تفسیر نتایج پژوهش از دادههای شبکه ژئودینامیک کشور، شبکه شمیم سازمان ثبت اسناد و املاک، دادههای چاه‌های پیزومتری و همچنین مشخصات خاک گمانه‌های حفاری استفاده گردید.یافته‌ها: نتایج حاصل از تحلیل سری زمانی تداخل سنجی، نشان از وقوع فرونشست قابل ملاحظهای در مناطقی از محدوده مورد مطالعه دارد که بیشینه آن مربوط به مسیر‌های کرج-کردان و ملکی-آپرین با نرخ جابه‌جایی 139 میلی‌متر در سال در راستای خط دید ماهواره (LOS) میباشد. اعتبارسنجی نتایج به‌دست آمده با در نظر گرفتن خطاهای مربوط به هرکدام از روش‌ها نسبتاً خوب بود. همچنین ارتباط بین پدیده فرونشست و افت سطح آب زیرزمینی و نوع خاک منطقه به کمک دادههای 12 چاه پیزومتری دشت‌های تهران و کرج و اطلاعات گمانه‌های حفاری تعدادی از چاه‌های پیزومتری منطقه مورد بررسی قرار گرفت. نتایج کلی نشان دهنده این بود که علت اصلی نشست در منطقه، افت سطح آب‌های زیرزمینی میباشد.نتیجهگیری: به‌طورکلی، با بررسی رابطه افت سالانه آب و فرونشست و همچنین نوع، جنس و ضخامت خاک منطقه، مشخص گردید که علت اصلی نشست در منطقه، افت سطح آب‌های زیر زمینی در مناطق با ضخامت بالای رسوبات ریز دانه میباشد. رویکرد پیشنهادی در این تحقیق نشان داد که به‌منظور پایش فرونشست در امتداد تأسیسات خطی از قیبل خطوط راه آهن، به‌کارگیری تکنیک InSAR میتواند در ارزیابی های اولیه و به دنبال آن، استفاده از روشهای دقیقتر در مناطق درگیر فرونشست، مؤثر واقع گردد. به‌دلیل قدرت تفکیک نسبتاً پایین سنتینل-1، پیشنهاد میشود در کاربردهای مرتبط با ساختارهای خطی از قبیل جاده یا راه آهن از تصاویر با اندازه پیکسل کوچک‌تر استفاده گردد. علاوه بر این، برای ارزیابی و شناسایی دقیقتر مناطق تحت فرونشست می توان از ترازیابی دقیق نیز بهره برد.
سنجش از دور
حسین جولایی؛ علیرضا وفایی نژاد
چکیده
پیشینه و اهداف: موضوع شهرنشینی و نظارت بر گسترش شهری و تغییرات کاربری زمین با استفاده از تصاویر ماهوارهای، به یک مرکزیت اساسی در جامعه تبدیل شده است. دسترسی آسان و پایدار به دادههای ماهوارهای، این امکان را فراهم کرده که تغییرات زمینی را با دقت بیشتری رصد و نظارت کرد؛ اما برای بهرهبرداری بهینه از این تصاویر، لازم است نمونه‌هایی ...
بیشتر
پیشینه و اهداف: موضوع شهرنشینی و نظارت بر گسترش شهری و تغییرات کاربری زمین با استفاده از تصاویر ماهوارهای، به یک مرکزیت اساسی در جامعه تبدیل شده است. دسترسی آسان و پایدار به دادههای ماهوارهای، این امکان را فراهم کرده که تغییرات زمینی را با دقت بیشتری رصد و نظارت کرد؛ اما برای بهرهبرداری بهینه از این تصاویر، لازم است نمونه‌هایی از تصاویر جمع‌آوری شده و سپس پیکسلهای آنها بر اساس ویژگی‌ها و مشخصه‌های منطقه‌ای طبقهبندی شوند. این فرآیند، با چالش‌هایی همچون پراکندگی دادهها مواجه است که با استفاده از روشهای طبقهبندی مناسب قابل حل است. در این مطالعه، به‌منظور ارزیابی مساحت کاربری‌های زمین در شهرها، روشهای متنوعی از یادگیری ماشین مورد استفاده قرارگرفته است. به‌جای استفاده از یک روش ثابت و مطلق برای طبقهبندی پیکسل‌ها، چهار روش مختلف یادگیری ماشین جداگانه برای هر تصویر مورد بررسی قرارگرفته است. این روشهای متنوع از یادگیری ماشین امکان انتخاب بهترین و پرکارایی‌ترین روش برای هر تصویر را فراهم میکنند، به‌گونه‌ای که توانایی تشخیص و طبقهبندی پیکسل‌ها برای مساحت‌های کاربری زمین در شهرها را بهبود می‌بخشند و دقت و کارایی را افزایش میدهند.روش‌ها: در این تحقیق، از تصویر ماهوارهای لندست 9 برای مطالعه و تحلیل منطقه‌های مختلف تهران در سال 2023 استفاده شده است. ابتدا، تصویر مورد نظر تحت تصحیحات لازم قرارگرفته و سپس، چهار الگوریتم یادگیری ماشین متناسب (که شامل K- نزدیک‌ترین همسایه، ماشین بردار پشتیبان، جنگل تصادفی و حداکثر احتمال بودند) برای طبقهبندی تصاویر ماهوارهای لندست 9 مرتبط با چهار منطقه مختلف تهران (شامل 2، 5، 21، 22) به‌کار گرفته شدند. برای ارزیابی دقت نتایج، بیش از ۲۰۰ نقطه چک با استفاده از روش Stratified Random بر روی تصویر ایجاد شدند و سپس از Google Earth Pro برای بررسی دقیق نقاط چک استفاده شد. دقت طبقهبندی کلی و ضریب کاپا بهعنوان معیارهای ارزیابی بهترین روش طبقهبندی پیکسلهای تصویر مورد بررسی قرار گرفتند. در مرحله بعد، منطقه مورد مطالعه به‌منظور درک بهتر مساحت کاربری‌های زمین در آن ناحیه به بلوک‌های مساوی تقسیم شد. سپس با استفاده از روابط آماری رستری (Zonal Statistic)، میزان مساحت کاربری‌های زمین در هر بلوک مورد بررسی قرار گرفت.یافته‌ها: بر اساس روشهای مورد استفاده، عملکرد روش SVM در این مطالعه به‌دقت بیشترین مقدار ممکن، که معادل 95 درصد است، و ضریب کاپا، که به نسبت 89 درصد است، دست‌یافت. این نتایج ممکن است به دلیل عدم یکنواختی پهنه‌های پیکسل در محیطهای شهری پرتراکم توجیه شود. علاوه بر این، مساحت‌های مختلفی از زمین از جمله مناطق سبز با مساحت 12 کیلومترمربع، زمینهای بایر با مساحت 64 کیلومترمربع و مناطق ساخته شده با مساحت 137 کیلومترمربع نیز در این تحلیل مورد بررسی قرار گرفتند.نتیجهگیری: از طریق این رویکرد، ما یک روش طبقهبندی بسیار دقیق را برای تحلیل تصاویر ماهوارهای مربوط به ماهواره لندست 9 ارائه داده‌ایم. این روش، امکان ارزیابی دقیقتری از مساحت کاربری‌های زمین را فراهم میکند و به تصمیم‌گیریان شهری و سیاست‌گذاران ارتباط مستقیمی با بینش‌های ارزشمندی برای توسعه پایدار در شهرها ارائه میدهد. این امر، میتواند در فرآیند تسهیل طرح‌های توسعه‌ای برای بهبود شهرها و زندگی شهروندان نقش مؤثری ایفا کند، زیرا اطلاعات دقیق و معتبری را ارائه میدهد که به تصمیم‌گیری‌های استراتژیک در حوزه توسعه شهری کمک میکند و امکان اعمال تغییرات مؤثرتر و هدفمندتر در سیاست‌ها و برنامه‌های شهری را فراهم می‌سازد.
سنجش از دور
شیلان فعله گری؛ کامران مروج؛ علیرضا شریفی؛ احمد گلچین؛ پرویز کرمی
چکیده
پیشینه و اهداف: هر کشوری به خاک بهعنوان یک منبع طبیعی حیاتی، متکی است که به‌طور قابل توجهی در حفظ محیط زیست و تولید مواد غذایی کمک میکند. تهیه نقشه توزیع عناصر غذایی خاک بهعنوان یک ابزار ارزشمند برای تصمیم‌گیری مدیران عمل میکند. با توجه به ماهیت زمان‌بر و پرهزینه آنالیز آزمایشگاهی برای این متغیرها در مقیاس بزرگ، تلاش‌هایی ...
بیشتر
پیشینه و اهداف: هر کشوری به خاک بهعنوان یک منبع طبیعی حیاتی، متکی است که به‌طور قابل توجهی در حفظ محیط زیست و تولید مواد غذایی کمک میکند. تهیه نقشه توزیع عناصر غذایی خاک بهعنوان یک ابزار ارزشمند برای تصمیم‌گیری مدیران عمل میکند. با توجه به ماهیت زمان‌بر و پرهزینه آنالیز آزمایشگاهی برای این متغیرها در مقیاس بزرگ، تلاش‌هایی برای کاوش نیتروژن خاک از طریق سنجش از دور انجام شده است. پژوهش حاضر، به کاربرد روشهای سنجش از دور همراه با مدلهای رگرسیون و تصادفی جنگل برای پیش‌بینی نیتروژن کل خاک در استان گیلان می‌پردازد. این مطالعه، با هدف پاسخ به دو سوال اصلی انجام شد: (1) آیا میتوان از دادههای SAR برای تعیین مقدار نیتروژن کل خاک استفاده کرد؟ (ب) الگوریتمهای ماشین بردار پشتیبانی (SVM)، درخت رگرسیون تقویت‌شده (BRT) و جنگل تصادفی (RF) در پیش‌بینی محتوای نیتروژن خاک چگونه عمل میکنند؟روش‌ها: این مطالعه بر ارزیابی قابلیت‌های داده‌ای ماهوارههای Landsat-9 و Sentinel-1 به‌صورت جداگانه و ترکیبی، با استفاده از الگوریتمهای پیشرفته مانند SVM، RF و BRT متمرکز شد.. نمونه‌برداری هدفمند به‌صورت استراتژیک انجام شد تا شرایط متنوع منطقه مورد مطالعه را بر اساس پوشش زمین/ کاربری زمین، پارامترهای اقلیمی و توپوگرافیکی نشان دهد. متغیرهای مختلف، از جمله پارامترهای آب‌وهوایی، اجزای توپوگرافی، و شاخص‌های زیرگروه سنجش از دور، در ارتباط با دادههای SAR و تصاویر نوری مورد بررسی قرار گرفتند. الگوریتمهای یادگیری ماشین غیرخطی، به‌ویژه SVM، RF و BRT برای پیش‌بینی وضعیت نیتروژن کل خاک با مدلسازی روابط پیچیده بین خواص خاک و متغیرهای محیطی مورد استفاده قرار گرفتند. نرم افزار R، با استفاده از بسته CARET برای ورودی پارامتر، برای پیاده‌سازی الگوریتم استفاده شد.یافته‌ها: نتایج، حاکی از موارد زیر بود: عملکرد الگوریتمهای RF و BRT از SVM پیشی گرفت و در پایش مقادیر نیتروژن کل خاک مؤثر بود، تصاویر SAR چند زمانی دقت بالاتری را در نظارت بر محتوای نیتروژن کل خاک در مقایسه با دادههای سنجش از دور نوری نشان دادند و پیش‌بینی‌های واقعی‌تر را در خاک‌های شالیزاری تسهیل کردند، ادغام متغیرهای محیطی منجر به افزایش دقت الگوریتمها شد. متغیرهای سنجش از دور، نقش مهمی را در این پژوهش ایفا کردند و به ترتیب، تأثیر 61 و 51 درصدی در الگوریتمهای RF و BRT گزارش شد. مقایسه الگوریتمهای SVM و RF نشان داد که RF پس از اجرای الگوریتم BRT در رتبه دوم قرار دارد و دقت برآورد نیتروژن کل خاک با الگوریتم SVM به‌دست نیامد. با این حال، الگوریتمهای BRT و RF قادر به نظارت بر تغییرات نیتروژن کل خاک بودند و BRT با ثبت دقیق 58٪ تغییرات به‌دلیل مقدار R2 بالاتر (58/0) و مقادیر RMSE (25/0 میلیگرم بر کیلوگرم) و MAE (19/0 میلیگرم بر کیلوگرم) کمتر، عملکرد بهتری داشت.نتیجهگیری: در انتها، موارد کلیدی زیر بهعنوان نتیجهگیری کلی از این پژوهش استخراج شد: 1) الگوریتمهای RF و BRT در نظارت بر سطوح نیتروژن کل خاک به‌طور مؤثر بهتر از SVM عمل کردند، 2) تصاویر SAR چند زمانی دقت بالایی در ردیابی نیتروژن کل خاک در مقایسه با سنجش از دور نوری ارائه میدهند و پیش‌بینی دقیق را در خاک‌های شالیزاری تسهیل میکنند، 3) ترکیب متغیرهای محیطی باعث افزایش دقت الگوریتمی شد و 4) متغیرهای سنجش از دور به ترتیب 61 و 51 درصد به الگوریتم های RF و BRT کمک کردند.
سنجش از دور
حامد عاشوری
چکیده
پیشینه و اهداف: بافت تصویر، بهعنوان داده‌ای ارزشمند توسط ذهن انسان برای تفسیر تصویر استفاده میشود. کمی‌سازی بافت تصویر روشی کاربردی برای استخراج روابط مکانی بین پیکسلهای تصویر است. از ویژگیهای بافتی تولید شده از تصویر در کنار ویژگیهای طیفی تصویر میتوان برای بهبود کیفیت طبقهبندی استفاده کرد. با توجه به تنوع روشهای کمی‌سازی ...
بیشتر
پیشینه و اهداف: بافت تصویر، بهعنوان داده‌ای ارزشمند توسط ذهن انسان برای تفسیر تصویر استفاده میشود. کمی‌سازی بافت تصویر روشی کاربردی برای استخراج روابط مکانی بین پیکسلهای تصویر است. از ویژگیهای بافتی تولید شده از تصویر در کنار ویژگیهای طیفی تصویر میتوان برای بهبود کیفیت طبقهبندی استفاده کرد. با توجه به تنوع روشهای کمی‌سازی بافت تصویر، انتخاب ویژگیهای بهینه برای هر تصویر به‌صورت مستقیم روی دقت استخراج اطلاعات موثر است. الگوریتم ژنتیک بهعنوان یکی از روشهای بهینهسازی در کاربردهای مختلف استفاده میشود.روش‌ها: در این مقاله دو روش انتخاب ویژگی بر پایه الگوریتم ژنتیک برای انتخاب ویژگیهای بافتی تصویر ارائه شده است. در روش نخست، الگوریتم ژنتیک برای انتخاب بهترین ترکیب با طول متغییر از ویژگیهای بافتی در دو حالت ورودی از کل فضای ویژگی و ورودی از فضای پالایش شده، تعریف شده است. در روش دوم الگورتیم ژنتیک برای انتخاب عداد متغییر ویژگیهای طیفی در دو حالت انتخاب از بین کل ویژگی‌ها و انتخاب از بین ویژگیهای گزینش شده به‌کار رفته شده است.یافته‌ها: نتایج، نشان میدهد که ترکیب بهینه الزاما شامل ویژگی‌هایی که به تنهایی توانمندی بهتری در بهبود دقت طبقهبندی دارند، نمی‌شود. الگوریتمهای پیشنهادی منجر به دقت بهتر، تعداد ویژگی منتخب کمتر و زمان محاسباتی کمتری نسبت به الگوریتم ساده ژنتیک است. از روشهای پیشنهادی بسته به ابعاد تصویر، تعداد ویژگیهای بافتی تولید شده و تعداد دادههای آموزشی و چک میتوان استفاده کرد. روش دوم زمان آماده‌سازی اولیه بیشتری داشته و به‌دلیل افزایش تصاعدی زمان محاسباتی برای تصاویری با تعداد باند طیفی و تعداد پیکسلهای کنترل و چک و تعداد ویژگی بافتی کمتر قابل به‌کارگیری است. روش نخست برای تصاویری با ابعاد بزرگ و تعداد دادههای آموزشی و چک بیشتر قابل استفاده است ولی برای رسیدن به دقت بهینه، تعداد ویژگی منتخب بیشتری را ارائه میدهد.نتیجهگیری: اجرای روشهای پیشنهادی بر روی سه مجموعه داده ورودی، منجر به افزایش دقت میانگین طبقهبندی بین 7/7 تا 48/50 درصد نسبت به طبقهبندی طیفی و حفظ دقت تا افزایش 6/5 درصدی نسبت به ژنتیک ساده ولی با تعداد نصف تا یک سوم ویژگیهای منتخب و کاهش 50 درصدی زمان بهینهسازی گردید.
سنجش از دور
کیارش بروشان؛ سعید بهزادی
چکیده
پیشینه و اهداف: برنج به عنوان یک محصول استراتژیک در زمینه امنیت غذایی نه تنها در اقتصاد کلان جوامع بلکه در جایگاه جهانی نیز جایگاه ویژه‌ای دارد. اهمیت این محصول در تأمین نیازهای غذایی جمعیت و نقش آن در تحقق امنیت غذایی، اهمیت جدی و چشمگیری به آن اختصاص داده است. در این راستا، جمع‌آوری دقیق و به‌روز اطلاعات از وضعیت مزارع برنج، به ...
بیشتر
پیشینه و اهداف: برنج به عنوان یک محصول استراتژیک در زمینه امنیت غذایی نه تنها در اقتصاد کلان جوامع بلکه در جایگاه جهانی نیز جایگاه ویژه‌ای دارد. اهمیت این محصول در تأمین نیازهای غذایی جمعیت و نقش آن در تحقق امنیت غذایی، اهمیت جدی و چشمگیری به آن اختصاص داده است. در این راستا، جمع‌آوری دقیق و به‌روز اطلاعات از وضعیت مزارع برنج، به ویژه اطلاعات مرتبط با کمیت و کیفیت محصولات، امری بسیار حیاتی و اساسی است. استفاده از تکنولوژی‌های سنجش از دور در این زمینه بهعنوان یک راهکار کارآمد و موثر مطرح شده است. این تکنولوژی‌ها امکان جمع‌آوری اطلاعات پایشی از مزارع را با کمترین هزینه و در مناطق گسترده‌تر فراهم می‌آورند. از جمله این تکنولوژی‌ها، پهپادها به‌خاطر توانایی بهتر در تفکیک مکانی و دقت بالاتر در انجام پایش‌های مختلف نسبت به ماهواره‌ها، از مزایای نسبی برخوردارند. تحقیق حاضر از یک رویکرد پیشرفته به نام یادگیری عمیق استفاده مینماید تا به منظور تخمین سطح زیر کشت برنج نشاء یا نهال از تصاویر RGB گرفته شده از پهپادها در منطقه ووفنگ استان تایچانگ کشور تایوان، اقدام نماید. این روش از توانمندی‌های شبکههای عصبی عمیق بهعنوان یک ابزار موثر برای تحلیل دادههای پیچیده بهره‌مند شده و به دقت بالایی در تفکیک انواع مختلف سطح زیر کشت نشاء یا نهال برنج دست یافته است.روش‌ها: در این تحقیق، از یکی از روشهای پیشرفته یادگیری عمیق به نام DenseNet برای مدلسازی و پیش‌بینی سطح زیر کشت برنج نشاء یا نهال در تصاویر RGB گرفته شده از پهپادها استفاده شده است. این روش به وسیله الگوریتمهای پیچیده و مجموعه‌ای از لایه‌های پردازشی، قابلیت استخراج مفاهیم انتزاعی سطح بالا را از دادهها دارد. یکی از ویژگیهای منحصر به فرد DenseNet این است که از الگوریتم لایه به لایه (Layer-to-Layer) به جای رویکردهای سنتی که از ادغام لایه‌ها (layer concatenation) استفاده میکنند، بهره‌می‌برد. در این الگوریتم، هر لایه مستقل از سایر لایه‌ها کار میکند و به لایه‌های قبلی متصل میشود، که باعث کاهش تعداد وزن‌ها و پارامترها و همچنین افزایش کارایی شبکه میشود. استفاده از قابلیت یادگیری عمیق برای پردازش به‌هنگام دادهها به صورت فوری پس از اخذ تصاویر نشان‌دهنده‌ی قابلیت پویای DenseNet در پردازش اطلاعات به‌سرعت و با دقت بالا است. این امکان به ما این اجازه را میدهد که در زمان واقعی به تحلیل و پیش‌بینی سطح زیر کشت برنج نشاء یا نهال پرداخته و اطلاعات مورد نیاز برای اداره بهینه مزارع را بدست آوریم.یافته‌ها: نتایج به‌دست‌آمده از این تحقیق، تأییدگر دقت بسیار بالای 99.8 درصد را بر روی دادههای اعتبارسنجی نشان میدهد. این درصد بسیار بالا نشان‌دهنده‌ی توانایی فوق‌العاده روش یادگیری عمیق DenseNet در تخمین دقیق سطح زیرکشت برنج نشاء یا نهال میباشد. این دقت بالا نه تنها نشان‌دهنده‌ی عملکرد بسیار خوب مدل در شناسایی و پیش‌بینی میزان کاشت برنج، بلکه اطمینان بخش بوده و به کاربران اعتماد می‌بخشد. مدل ارائه‌شده توانسته است با دقت بسیار بالا به تشخیص و ارزیابی سطح زیر کشت برنج نشاء یا نهال بپردازد. این امر در عمل به کشاورزان و مدیران مزارع ابزاری ارزشمند ارائه میدهد تا به‌صورت دقیقتر و سریع‌تر از وضعیت مزرعه خود آگاه شوند و تصمیم‌گیری‌های بهتری در مدیریت کشت و بهره‌وری انجام دهند.نتیجهگیری: در مجموع، این تحقیق نشان میدهد که استفاده از پهپادها به همراه روشهای یادگیری عمیق، به منظور تخمین سطح زیرکشت برنج نشاء یا نهال با دقت بالا، در مناطقی چون ووفنگ استان تایچانگ تایوان، امکان‌پذیر است. این ارتقاء در تکنولوژی پایش میتواند به مدیران ذی‌ربط در امور کشاورزی و امنیت غذایی کمک زیادی کند.
سنجش از دور
سمیه بیات؛ فاطمه طبیب محمودی
چکیده
پیشینه و اهداف: همزمان با توسعه‌ی شهرنشینی، افزایش جمعیت ساکن در شهرها و به تبع آن رشد و گسترش شهری، پوشش زیست محیطی و طبیعی نواحی پیرامون کلان‌شهرهایی نظیر تهران، دستخوش تغییراتی گردید تا به واسطه‌ی آن برای سکونت سرریز جمعیت شهری، آماده گردد. این‌گونه تغییرات در پوشش طبیعی اراضی، نه تنها تعادل گرمایی را بر هم میزند، بلکه تأثیرات ...
بیشتر
پیشینه و اهداف: همزمان با توسعه‌ی شهرنشینی، افزایش جمعیت ساکن در شهرها و به تبع آن رشد و گسترش شهری، پوشش زیست محیطی و طبیعی نواحی پیرامون کلان‌شهرهایی نظیر تهران، دستخوش تغییراتی گردید تا به واسطه‌ی آن برای سکونت سرریز جمعیت شهری، آماده گردد. این‌گونه تغییرات در پوشش طبیعی اراضی، نه تنها تعادل گرمایی را بر هم میزند، بلکه تأثیرات منفی بر چشم‌انداز، بهره وری انرژی، سلامت و کیفیت زندگی انسان نیز دارد. بنابراین، آگاهی از روند تغییرات پوشش و کاربری اراضی خصوصاٌ در محدوده‌ی کلان‌شهرها، طی دوره های زمانی بلندمدت برای برنامه ریزان و مدیران شهری، به منظور ارزیابی و پیش‌بینی مشکلات ناشی از این تغییرات، حائز اهمیت است. داده های سنجش از دور چندزمانه یکی از ابزارهای قدرتمند برای تشخیص تغییرات کاربری و پوشش زمین به دلیل رشد روزافزون شهری و به روزرسانی مدلهای سه بعدی شهر است.روش‌ها: در این تحقیق، از تصاویر ماهواره ای لندست 7 و لندست 8 در دو بازه‌ی زمانی با فاصله 17 سال، بین سالهای 1381 تا 1398 به منظور بررسی تغییرات پوشش و کاربری اراضی در منطقه‌ی پردیس استفاده شده است. پس از اعمال پردازش های اولیه بر روی تصاویر و انجام قطعه‌بندی، سه کلاس عارضه‌ی سازههای مسکونی، پوشش گیاهی و خاک به روش شیء مبنا، تشخیص داده شدند. سپس، تغییرات صورت گرفته در هر کلاس عارضه به روش پس طبقهبندی، تخمین زده شد. به منظور آشکارسازی تغییرات در این تحقیق، ضمن مقایسه و تفاضل کلاس های عارضه تشخیص داده شده در نقشه های طبقه بندی، نتایج آشکارسازی تغییرات محیط از جمله، تعیین میزان افزایش ساخت و سازها، تغییرات مساحت زمینهای خاکی و پوشش گیاهی به‌دست میآید.یافته‌ها: نقشه‌ی تغییرات کاربری/ پوشش اراضی تولید شده بین سالهای 1381 تا 1398 نشان داد که ساخت و سازها در منطقه‌ی پردیس، به سرعت در حال افزایش است و این امر، اثرات جدی بر محیط زیست دارد. با توجه به نتایج تشخیص تغییر پس طبقهبندی به‌دست آمده، کلاس عارضه‌ی خاک حدود 17% کاهش و کلاس عارضه‌ی سازهها حدود 184% افزایش یافته است. در منطقه‌ی مورد مطالعه در این تحقیق، زمینهای کشاورزی نیز عمدتاً نابود و به جای آنها سازهها و ساختمانها، بنا شدهاند. افزایش تقریبی 104درصدی پوشش گیاهی این منطقه، به دلیل کاشت درختان و ایجاد فضای سبز در اطراف نواحی مسکونی میباشد. برای ارزیابی نتایج آشکارسازی تغییرات در این تحقیق، از ارزیابی نقشه های طبقه بندی استفاده شد. در این راستا، مقادیر صحت کلی و ضریب کاپای نقشه‌ی طبقهبندی پوشش/ کاربری اراضی سال 1381 به ترتیب 41/98% و 86/0 و برای سال 1398 به ترتیب 01/97% و 87/0 به‌دست آمده است. استفاده از قابلیت‌های روش آنالیز شئ مبنا در این تحقیق، در کنار دقت مکانی 15 متری تصاویر لندست، موجب شد که نقشههای طبقهبندی دقت قابل قبولی داشته باشند.نتیجهگیری: با توجه به اینکه ساخت و ساز با تغییر اکوسیستم همراه است، ساخت واحدهای مسکن مهر پردیس نیز در مناطقی منجر به تخریب محیط زیست کوهستانی و در مناطقی نیز منجر به از دست رفتن پوشش گیاهی شده است. بر این اساس، رشد 184 درصدی ساخت و سازها بدون در نظر گرفتن زیرساختهای مناسب و رعایت نکردن استانداردهای زیست محیطی، مشکلات فراوانی را برای منطقه‌ی پردیس ایجاد کرده است. استفاده از پیشرفتهای مطرح در فناوریهای برداشت دادههای سنجش از دور در قالب ادغام دادهها و همچنین، استفاده از روشهای نوین پردازش تصاویر و تشخیص الگو نظیر یادگیری عمیق، میتواند به عنوان راه حل مناسبی برای کنترل نرخ ساخت و ساز و تغییرات محیطی در نظر گرفته شود.
سنجش از دور
مینا محمدی؛ مهدی آخوندزاده هنزائی
چکیده
پیشینه و اهداف: مطالعه انتشار گاز متان، بهعنوان دومین گاز گلخانهای مهم، به دلیل ایجاد تغییرات آب و هوایی، حائز اهمیت است. این مطالعه، با هدف بررسی درستی خبر منتشرشده توسط ناسا، در خصوص وجود یک ابر متان در جنوب تهران، انجام شده است. با توجه به اهمیت موضوع، تاکنون ماهوارههای سنجش از دور زیادی نظیر sentinel-5، MethanSAT، SCIAMACHY و GOSAT برای ...
بیشتر
پیشینه و اهداف: مطالعه انتشار گاز متان، بهعنوان دومین گاز گلخانهای مهم، به دلیل ایجاد تغییرات آب و هوایی، حائز اهمیت است. این مطالعه، با هدف بررسی درستی خبر منتشرشده توسط ناسا، در خصوص وجود یک ابر متان در جنوب تهران، انجام شده است. با توجه به اهمیت موضوع، تاکنون ماهوارههای سنجش از دور زیادی نظیر sentinel-5، MethanSAT، SCIAMACHY و GOSAT برای پایش آلاینده‌ها به‌خصوص گاز متان، ارائه شده است. همچنین، تحقیقات بسیاری در زمینه ارزیابی این سنجنده و پایش مناطق آلوده، صورت گرفته است. بهعنوان نمونه، چرپانوا و همکاران به تجزیه و تحلیل مکانی- زمانی غلظت متان و ارتباط آن با مناطق سوخته، پرداختند. آنها، با استفاده از دادههای روزانه سنجنده TROPOMI به این نتیجه رسیدند که غلظت متان در مناطق تازه سوخته شده نسبت به سوختگی‌های سال گذشته، بیشتر است. نیراج مایریا و همکاران، به بررسی غلظت آلاینده‌های SO2، CO، SOX و CH4 با استفاده از دادههای Sentinel-5P TROPOMI در دورههای پس از برداشت گندم و برنج و سوزاندن زمین‌ها پرداختند. نتایج، نشان داد که غلظت CH4، SO2، SOX، CO و آئروسل، در طی دوره سوزاندن زمینهای کشاورزی پس از برداشت برنج و گندم، هرسال افزایش معنی‌داری داشت.روش‌ها: در این تحقیق، سری‌های زمانی دادههای روزانه سنجنده TROPOMI در ماهواره سنتینل-۵ در پلتفرم گوگل ارث انجین، مورد استفاده قرار گرفت. ابتدا، به تجزیه و تحلیل مکانی-زمانی دینامیک غلظت متان در تهران پرداخته شده است. بدین منظور، نمودارهای تغییرات زمانی از مرداد تا آبان ۱۴۰۱ و همچنین، به جهت تحلیل مکانی غلظت آلاینده‌ها، نقشه میانگین ماهیانه، تولید شده است. سپس، با توجه به تاریخ به‌دست آمده به بررسی درستی یا نادرستی نقشه ارائه شده، پرداخته شده است. در نهایت، به‌منظور ارزیابی نتایج طول ابر متان مشاهده شده توسط ناسا با ابر متان استخراج شده توسط سنجنده TROPOMI مقایسه شد.یافته‌ها: نتایج به‌دست آمده، نشان داد که در تاریخ ۱۰ شهریور ۱۴۰۱ غلظت متان بالا و در حدود ۱۹۷۰ ppm بوده است و گازهای دیگر در این تاریخ، مقدار بالایی نداشته‌اند که این، نشاندهنده عدم تأثیر دیگر گازها، بر افزایش غلظت متان و عدم تشخیص نادرست میباشد و طبق نقشه، میانگین در جنوب تهران این گاز بیشتر بوده است.همچنین، ابر متان مشاهده شده توسط ناسا در جاده قدیم تهران – قم، در نزدیکی محله قاسم‌آباد – شورآباد با استفاده از دادههای ماهواره سنتینل-۵ در پلت فرم گوگل ارث انجین، به رنگ قرمز به معنای غلظت بالا تأیید شد که باعث انتشار و میزان غلظت گاز متان بیشتر، در جنوب تهران شده و منشأ اصلی آن، دفن زباله در این منطقه بوده است. علاوه بر این، طول گزارش شده توسط ناسا با طول ابر متان استخراج‌شده از سنجنده TROPOMI با یکدیگر مقایسه شد که به ترتیب، برابر با ۴.۸ کیلومتر و ۴.۴۱ کیلومتر بوده‌اند.نتیجهگیری: امروزه، آلودگی هوا به علت مشکلات زیست‌محیطی و اثرات نامطلوب بر سلامت انسان‌ها، به‌خصوص در شهرهای پرجمعیت، به یک مشکل اساسی تبدیل شده است. بر اساس نتایج به‌دست آمده و تصویر گاز متان در تاریخ ۱۰ شهریور در جنوب تهران، مشخص شد خبر منتشرشده توسط ناسا، صحت داشته و عامل اصلی آن، این بوده است که این منطقه، محل دفن زباله میباشد. بدین ترتیب، پلت فرم گوگل ارث انجین میتواند بهعنوان یک ابزار مناسب برای پایش روزانه، ماهانه و تغییرات سالانه، مورداستفاده قرار بگیرد.
سنجش از دور
داریوش عباسی مقدم؛ علی محمدی
چکیده
پیشینه و اهداف: همزمان با توسعه شهرنشینی، افزایش جمعیت ساکن در شهرها و به تبع آن رشد و گسترش شهری، پوشش زیست محیطی و طبیعی نواحی پیرامون کلان‌شهرهایی نظیر تهران، دستخوش تغییراتی گردید تا به واسطه آن برای سکونت سرریز جمعیت شهری، آماده گردد. این‌گونه تغییرات در پوشش طبیعی اراضی، نه تنها تعادل گرمایی را بر هم میزند، بلکه تأثیرات ...
بیشتر
پیشینه و اهداف: همزمان با توسعه شهرنشینی، افزایش جمعیت ساکن در شهرها و به تبع آن رشد و گسترش شهری، پوشش زیست محیطی و طبیعی نواحی پیرامون کلان‌شهرهایی نظیر تهران، دستخوش تغییراتی گردید تا به واسطه آن برای سکونت سرریز جمعیت شهری، آماده گردد. این‌گونه تغییرات در پوشش طبیعی اراضی، نه تنها تعادل گرمایی را بر هم میزند، بلکه تأثیرات منفی بر چشم‌انداز، بهره وری انرژی، سلامت و کیفیت زندگی انسان نیز دارد. بنابراین، آگاهی از روند تغییرات پوشش و کاربری اراضی، خصوصاٌ در محدوده کلان‌شهرها، طی دورههای زمانی بلندمدت برای برنامهریزان و مدیران شهری، به منظور ارزیابی و پیش‌بینی مشکلات ناشی از این تغییرات، حائز اهمیت است. دادههای سنجش از دور چندزمانه، یکی از ابزارهای قدرتمند برای تشخیص تغییرات کاربری و پوشش زمین به دلیل رشد روزافزون شهری و به روزرسانی مدلهای سهبعدی شهر است.روش‌ها: در این تحقیق، از تصاویر ماهوارهای لندست 7 و لندست 8 در دو بازه زمانی با فاصله 17 سال، بین سالهای 1381 تا 1398 به منظور بررسی تغییرات پوشش و کاربری اراضی در منطقه پردیس استفاده شده است. پس از اعمال پردازشهای اولیه بر روی تصاویر و انجام قطعه‌بندی، سه کلاس عارضه سازههای مسکونی، پوشش گیاهی و خاک به روش شیء مبنا، تشخیص داده شدند. سپس، تغییرات صورت گرفته در هر کلاس عارضه به روش پس طبقهبندی، تخمین زده شد. به منظور آشکارسازی تغییرات در این تحقیق، ضمن مقایسه و تفاضل کلاسهای عارضه تشخیص داده شده در نقشههای طبقهبندی، نتایج آشکارسازی تغییرات محیط از جمله، تعیین میزان افزایش ساخت و سازها، تغییرات مساحت زمینهای خاکی و پوشش گیاهی به‌دست میآید.یافته‌ها: نقشه تغییرات کاربری/ پوشش اراضی تولید شده بین سالهای 1381 تا 1398 نشان داد که ساخت و سازها در منطقه پردیس، به سرعت در حال افزایش است و این امر، اثرات جدی بر محیط زیست دارد. با توجه به نتایج تشخیص تغییر پس طبقهبندی به‌دست آمده، کلاس عارضه خاک حدود 17% کاهش و کلاس عارضه سازهها حدود 184% افزایش یافته است. در منطقه مورد مطالعه در این تحقیق، زمینهای کشاورزی نیز عمدتاً نابود و به جای آنها، سازهها و ساختمانها، بنا شدهاند. افزایش تقریبی 104درصدی پوشش گیاهی این منطقه، به دلیل کاشت درختان و ایجاد فضای سبز در اطراف نواحی مسکونی میباشد. برای ارزیابی نتایج آشکارسازی تغییرات در این تحقیق، از ارزیابی نقشههای طبقهبندی استفاده شد. در این راستا، مقادیر صحت کلی و ضریب کاپای نقشه طبقهبندی پوشش/ کاربری اراضی سال 1381 به ترتیب 41/98% و 86/0 و برای سال 1398 به ترتیب 01/97% و 87/0 به‌دست آمده است. استفاده از قابلیت‌های روش آنالیز شئ مبنا در این تحقیق، در کنار دقت مکانی 15 متری تصاویر لندست، موجب شد که نقشههای طبقهبندی، دقت قابل قبولی داشته باشند.نتیجهگیری: با توجه به اینکه ساخت و ساز با تغییر اکوسیستم همراه است، ساخت واحدهای مسکن مهر پردیس نیز در مناطقی منجر به تخریب محیط زیست کوهستانی و در مناطقی نیز، منجر به از دست رفتن پوشش گیاهی شده است. بر این اساس، رشد 184 درصدی ساخت و سازها بدون در نظر گرفتن زیرساختهای مناسب و رعایت نکردن استانداردهای زیست محیطی، مشکلات فراوانی را برای منطقه پردیس ایجاد کرده است. استفاده از پیشرفتهای مطرح در فناوریهای برداشت دادههای سنجش از دور در قالب ادغام دادهها و همچنین، استفاده از روشهای نوین پردازش تصاویر و تشخیص الگو نظیر یادگیری عمیق، میتواند به عنوان راه حل مناسبی برای کنترل نرخ ساخت و ساز و تغییرات محیطی در نظر گرفته شود.
