درخت حوزه‌های تخصصی

اطلاع از پروفایل های قائم دما و دمای نقطه شبنم در زمرة مهم ترین پارامترها در مدل های عددی پیش بینی وضع آب وهوا جای دارند. در زمان حاضر در ایران پروفایل های قائم دما و دمای نقطه شبنم با رادیوسوندها تهیه می شوند؛ اما به دلیل گرانی رادیوسوندها، ارسال آنها به جو تنها محدود به زمان ها و مکان های خاصی است. به همین دلیل به کار بردن روش های جدید با قابلیت هزینه کم و پوشش وسیع برای تولید پروفایل ها اهمیت بسیار دارد. امروزه تلاش می شود تا با استفاده از ماهواره ها و فناوری سنجش از دور، کاستی های مربوط به اندازه گیری های رادیوسوند مرتفع گردد. در این تحقیق از محصول MYD07-L2 تصاویر سنجنده مادیس ماهواره Aqua با قدرت تفکیک مکانی 5 کیلومتر برای استخراج پروفایل های دما و دمای نقطه شبنم استفاده شده است. برای این کار با برنامه نویسی در محیط IDL، پروفایل های ایستگاه مهرآباد تهران از محصول MYD07-L2 سنجنده مادیس برای روزها و شب های مختلفی از سال 2007 استخراج گردید و سپس میزان Bias و RMSE داده های مذکور با داده های رادیوسوند محاسبه و مقایسه شد. نتایج نشان دادند که داده های پروفایل دمایی مادیس مطابقت مناسبی با داده های رادیوسوند دارند؛ و برای آنها Bias کل 95/1 و RMSE41/2 درجه کلوین، برای سطوح بالاتر از 780 میلی بار، به دست آمد. در سطوح بالاتر از 780 میلی بار پروفایل های دمای نقطه شبنم اختلاف بیشتری را با داده های رادیوسوند نشان دادند و برای آنها نیز مقدار Bias کل 77/5 و RMSE58/6 درجه به دست آمد.

وجود منابع قرضه در منطقه ساخت سازه های خاکی از جمله فاکتورهای اساسی به شمار میآید. اهمیت این تحقیق به خاطر تعیین نواحی دارای بافت خاک رسی است که میتوانند به عنوان منابع قرضه برای ساخت سازه های مختلف خاکی ـ از جمله سدهای خاکی ـ مورد استفاده قرار گیرند. ابتدا داده های پایه با استفاده از GPS و نقشه های موجود از پروژه ساخت سد البرز جمع آوری گردید. از نقشه های موجود خاک رس نمونه هایی برای اطمینان برداشته شد و بافت خاک نیز در آزمایشگاه با استفاده از روش هیدرومتری تعیین گردید. سرانجام 10 نقطه با بافت رسی و با توزیع منابع در سطح حوضه آبخیز بابلرود واقع در استان مازندران انتخاب شده که از آن میان 6 نقطه برای دادن داده های آموزشی به مدل و 4 نقطه باقیمانده نیز برای صحت سنجی به کار رفت. برای Endmember پوشش گیاهی و سایه هم 10 نقطه انتخاب شد و سپس به تصحیح خطای اتمسفریک با روش Dark-object subtraction پرداخته شد. تصاویر از نظر هندسی و رادیومتریک نیازی به اصلاح نداشتند. پس از آن اقدام به یافتن پیکسل های خالص با استفاده از شاخص خلوص پیکسل شد. با استفاده از این پیکسل ها کتابخانه طیفی تهیه شد و به منظور طبقه بندی با استفاده از روش آنالیز ترکیب طیفی و طبقه بندی درختی، مورد استفاده قرار گرفت. این تکنیک مدل سازی موقعیت و تفکیک پذیری خصوصیات پوشش گیاهی و خاک رس و سایه را در فضای طیف های مختلط استخراج شده از تصاویر سنجنده ETM+ ماهواره Landsat انجام میدهد. نتایج نشان داد که خاک رس و پوشش گیاهی و سایه با صحت 68 و 5/77 و 86/67 درصد میتوانند از یکدیگر تفکیک شوند. صحت کلی مدل 96/71 درصد و دارای ضریب کاپای 61 درصد است.

نقشه، مهم ترین وسیله برای ارائه اطلاعات ناوبری به رانندگان در سامانه های ناوبری خودروست. کیفیت نقشه های ارائه شده به رانندگان تاثیر بسیار زیادی بر استفاده پذیری و کارایی سامانه دارد. در این زمینه، نمایش نقشه های متناسب با وضعیت ها و شرایط بافتی کاربران نقشی حیاتی دارد. کاربران در شرایط متفاوت به نقشه هایی با ابعاد بزرگ نمایی و سطح جزئیات متفاوتی نیاز دارند تا بتوانند الزام ها و خواسته های اطلاعاتی شان را به راحتی مرتفع سازند. از آنجا که استفاده از سامانه ناوبری فعالیت اولیه و اصلی رانندگان نیست، باید انتخاب مقیاس مناسب و نمایش نقشه در آن مقیاس به صورت هوشمندانه و خودکار به وسیله سامانه انجام پذیرد. در این مقاله، روشی برای تعیین خودکار سطح بزرگ نمایی و نیز سطح جزئیات نقشه به منظور ارائه نقشه هایی خوانا در وضعیت های مختلف کاربری پیشنهاد شده است. مقادیر دو مورد پیش گفته براساس بافت هایی که کاربر در آن قرار دارد به دست می آید، از این رو پردازشگری بافت آگاه در این روش مورد استفاده قرار گرفته است. پردازشگریِ بافت آگاه، نوعی پردازشگری است که سامانه ها را قادر می سازد تا بافت جاری کاربر را برگیرند و رفتار خود را براساس آن سازوار کنند. در مقاله حاضر بافت های مختلفی که می توانند بر روی مقیاس نقشه تاثیرگذار باشند، مورد مطالعه قرار گرفته و روشی برای انتخاب مقیاس مناسب در مقادیر بافتی مختلف ارائه شده است. همچنین نحوه سازوار کردن مقیاس نقشه با بافت های جاری مدل سازی شده و براساس آن یک سامانه ناوبری خودروی بافت آگاهِ نمونه، با قابلیت نمایش نقشه در مقیاس های متناسب با بافت، طراحی و پیاده سازی گشته است.

در مقاله حاضر یک روش بدون نظارت برای آشکارسازی تغییرات در تصاویر ماهواره ای رادار با روزنه ترکیبی (SAR) معرفی می شود. اساس این روش جست وجوی بهینه در فضای جواب های ممکن با اتکا بر الگوریتم ژنتیک است. برای این منظور یک تابع هزینه براساس معیار کمترین میانگین مربعات خطا و با در نظرگرفتن تصویرِ نسبت به دست آمده از تصاویر مشاهده شدة غیرهم زمان از ناحیه جغرافیایی یکسان، معرفی می شود. به منظور کاهش مدت زمان همگرایی الگوریتم به جواب بهینه، از پنجرة متحرک با ابعاد مناسب به منظور انتخاب نواحی مختلف از تصویرِ نسبت با احتمال وجود پیکسل های تغییریافته، استفاده می شود. این کار افزون بر ایجاد امکان مدیریت حجم محاسباتی و زمان اجرای الگوریتم، توانایی مدیریت نویز لکه ای را نیز فراهم می کند. به این ترتیب که می توان نواحی یکنواخت نویزی محصور در یک پنجرة انتخاب را تشخیص داد و آن را از فرایند آشکارسازی حذف کرد. علاوه بر این، استفاده از روش های پیش پردازشی کاهش نویز مانند اعمال فیلتر تطبیقی وینر، برای بهبود روند آشکارسازی استفاده شده است. نتایج به دست آمده از پیاده سازی الگوریتم توسعه یافته، حاکی از کاهش زمان اجرای الگوریتم و مدیریت آن با حفظ دقت مطلوب، در مقایسه با روش پیشین آشکارسازی تغییرات به کمک الگوریتم ژنتیک است. به منظور بررسی عملکرد الگوریتم از دو مجموعه داده استفاده می شود. مجموعه اول شامل تصاویر شبیه سازی شده با در نظر گرفتن نویز لکه ای و مجموعه دوم شامل تصاویر سنجنده ASAR ماهواره Envisat، دریافت شده از منطقه تأثیرگرفته از سونامی اخیر کشور ژاپن است. استفاده از روش پیشنهادی در آشکارسازی تغییرات به روش پیکسل مبنا و بر روی مجموعه داده فوق، دقت آشکارسازی در حدود 94 درصد در مقایسه با کل پیکسل های تصویر را به دست داد.

با گسترش سنجش از دورِ فراطیفی، امکان بهره گیری از گروه جدیدی از شاخص های طیفی ـ با عنوان شاخص های باریک باند ـ برای تخمین پارامترهای بیوفیزیکی و بیوشیمیایی گیاهان به وجود آمده است. هدف از این مطالعه، مناسب ترین نواحی طیفی برای تخمین محتوای آبی گیاه با استفاده از شاخص های گیاهی و همچنین بررسی تأثیرات تاج پوشش گیاه و خاک پس زمینه در انتخاب این شاخص هاست. اندازه گیری های تاج پوشش گیاه در آزمایشگاه سنجش از دور با استفاده از دستگاه اسپکترومتر GER 3700 صورت گرفت. دو گروه از شاخص های گیاهی، با عنوان شاخص های نسبتی و شاخص های تعدیل کننده تأثیر خاک برای برآورد مقدار محتوای آبی گیاه تکوین یافتند و پس از ارزیابی، مقایسه شدند. برای محاسبه شاخص های باریک باند با استفاده از داده های فراطیفی موجود، تمامی ترکیب های دوباندی ممکن برای 584 باند در دامنه طیفی 400 تا 2400 نانومتر به منظور محاسبه شاخص های باریک باند و تخمین محتوای آبی گیاه، با استفاده رگرسیون خطی مورد ارزیابی قرار گرفتند. دقت نتایج تخمین محتوای آبی گیاه با استفاده از شاخص ها با باندهای بهینه به دست آمده، با استفاده از مقادیر ضریب همبستگی (2R) و ریشه میانگین مربعات خطا (RMSE) و روش Cross-validation سنجیده شد و مورد مقایسه قرار گرفت. به دلیل تنوع در نوع تراکم تاج پوشش های گیاهی مورد بررسی و شرایط متفاوت خاک پس زمینه، با تقسیم بندی گیاهان به دو گروه با خاک پس زمینة متفاوت (تیره و روشن)، و همچنین دو تاج پوشش گیاهی متراکم و تنک، این تأثیرات در انتخاب بهترین شاخص ها مورد ارزیابی قرار گرفتند. نتایج نشان از آن داشتند که دقت تمامی شاخص ها در داده های با خاک پس زمینة روشن و داده های دارای تاج پوشش متراکم، به ترتیب در قیاس با داده های دارای خاک پس زمینة تیره و تاج پوشش تنک، با دقت بالاتری همراه بودند. ، ، ، ، ، ، ، ) نتایج به دست آمده در این تحقیق، توجه به خاک پس زمینه و ساختار تاج پوشش گیاهی را در انتخاب بهترین شاخص و باندهای بهینه برای شاخص ها، آشکار می سازد.

استفاده از داده های پلاریمتری راداری نقش تعیین کننده ای در شناسایی اهداف زمینی دارد و اطلاعات جامعی در مورد ویژگیهای هندسی و همچنین ماهیت اهداف، با بهره گیری از این نوع داده ها استخراج شدنی است. از جمله مشکلات موجود در زمینه طبقه بندی این نوع داده ها، انتخاب ویژگیهای بهینه است. با توجه به اهمیت این موضوع، در تحقیق حاضر روشی نو براساس نگاشت ویژگیهای استخراج شده به فضای پدیده ارائه شده است. به عنوان یکی از نتایج تحقیق، شاخص بهینگی در فضای پدیده برای انتخاب ویژگیهای بهینه تصاویر پلاریمتری راداری ارائه گردید. از طرف دیگر، یکی از محدودیت های موجود در زمینه استخراج اطلاعات دقیق مکانی، اختلاط مکانیسم های بازپراکنش در سطح پیکسل است. بنابراین، استفاده از طبقه بندیکننده های نرم به منظور تجزیه این نوع اختلاط ها ضروری است. اینکه تضمینی برای منفی نشدن سهم کلاس ها و همچنین واحد شدن مجموع سهم کلاس ها در هر پیکسل وجود ندارد، خود از چالش های طبقه بندیکننده های نرم است، که در این تحقیق با تلفیق طبقه بندیکننده نرم و الگوریتم نظارت نشده استخراج عناصر خالص مرتفع گردید. طبقه بندی کننده های نرم به رغم افزایش اطلاعات ماهیتی در نتایج طبقه بندی، توان جانمایی کلاس ها را در سطح زیرپیکسل ندارند و فقط سهم تعلق کلاس ها را در هر پیکسل تعیین میکنند. بدین منظور الگوریتم های (SRM) Super Resolution Mapping برای افزایش قدرت تفکیک مکانی در سطح نتایج طبقه بندی نرم شکل گرفته و پرورده شده اند. در این تحقیق نیز از روش جابه جایی پیکسلی به منظور تهیه نقشه در سطح زیرپیکسل استفاده شده و فرایندی غیرتصادفی برای جانمایی اولیه زیرپیکسل ها ارائه گردیده است. براساس نتایج تحقیق، روش پیشنهادی برای انتخاب ویژگیهای بهینه در مقایسه با روش مبتنی بر الگوریتم ژنتیک نتایج بهتری را به دست داد. در ادامه با استفاده از ویژگیهای به دست آمده، سه الگوریتم تجزیه اختلاط طیفی خطی (LSU)، شبکه عصبی چندلایه (MLP)) و ماشین بردار پشتیبان (SVM) برای طبقه بندی نرم منطقه مطالعاتی در سه کلاس مسکونی، پوشش گیاهی و زمین بایر اعمال گردید. با ارزیابی آنها، SVM به عنوان طبقه بندیکننده بهینه شناسایی شد و نتایج آن در فرایند جانمایی کلاس ها در سطح زیرپیکسل به کار رفت. در نهایت با پیاده سازی الگوریتم جابه جایی پیکسلی، تصاویر پلاریمتری راداری در سطح زیرپیکسل طبقه بندی شدند و قدرت تفکیک مکانی نتایج طبقه بندی نرم بهبود یافت.

به منظور ارزیابی تأثیر ذرات آلودة خاک بر سلامتی انسانی، اطلاع از اندازه ذرات خاک اهمیت فراوانی دارد زیرا ذرات آلوده جزو آلاینده ها قلمداد می شوند و انتقال آنها به وسیله آب و باد تحت تأثیر اندازة آنهاست. با توجه به هزینه های بالای نمونه برداری و تجزیه های آزمایشگاهی خاک ها، استفاده از فناوری های جدید نظیر اسپکتروفتومتری و سنجش از دور به تسریع و تسهیل تعیین ریسک آلودگی خاک ها کمک می کند. پژوهش حاضر با هدف تعیین پراکنش مکانی غلظت روی در کلاس های اندازه ای ذرات خاک با استفاده از انعکاس ثبت شده از ماهواره IRS-LISS III در جنوب شهر اصفهان صورت گرفته است. برای تحقق این هدف، 100 نمونه مرکب خاک سطحی به طور تصادفی از منطقه جمع آوری شد. نمونه ها در هوا خشک شدند و کلاس های اندازه ای ذرات خاک 5500-250، 250-125، 125-75، 75-50 و 50 < میکرون بعد از پراکنده کردن کل خاک با استفاده از دستگاه التراسونیک و الک های مناسب تعیین شدند. غلظت کل روی پس از هضم مرطوب نمونه ها در اسیدنیتریک به کمک دستگاه جذب اتمی اندازه گیری شد. نتایج نشان داد که با کاهش اندازه ذرات خاک غلظت روی افزایش می یابد. بین میزان انعکاس های طیفی خاک در باندهای مرئی و مادون قرمز نزدیک ماهوارة IRS-LISS III و غلظت روی در کلاس های اندازه ای ذرات خاک همبستگی معنی دار و منفی وجود دارد. مدل های رگرسیون چندمتغیره گام به گام برای بررسی امکان تخمین غلظت روی در کلاس های ذرات خاک به کمک داده های باندهای ماهواره ای تشکیل شدند و پراکنش مکانی غلظت روی در کلاس های ذرات خاک به کمک معادلات رگرسیون چندگانه گام به گام پهنه بندی گردید. نتایج نشان داد که امکان تخمین روی تا محدوده ای از غلظت به کمک داده های ماهواره ای امکان پذیر است، به طوری که در کلاس های اندازه ای 2000<، 75-50، 50< میکرون در غلظت های کمتر از 400 میلی گرم بر کیلوگرم میزان رویِ اندازه گیری شده و برآورد شده نزدیک خط 1:1 قرار دارند که نشانه دقت بیشتر معادلات برای تخمین روی در غلظت های پایین است. همچنین غلظت فلزات سنگین در همة کلاس های اندازه ای ذرات خاک در نزدیکی معادن حداکثر است و با افزایش فاصله از معادن کاهش می یابد.

شناسایی گونه های درختی نیازمند تفکیک تیپ های جنگلی است. داده های دورسنجی و به ویژه تصاویر هوایی رقومی با توان تفکیک مکانی و رادیومتری بالا، ابزار مناسبی برای این کار به شمار می آیند. هدف از این تحقیق ارزیابی قابلیت این تصاویر برای تشخیص گونه های درختی به روش طبقه بندی شیء ـ پایه در جنگل های طبیعی آمیخته است. این بررسی در دو قطعه کوچک از جنگل های جلگه ای شمال کشور انجام شد. پس از ارزیابی کیفیت تصاویر و تصحیح هندسی آنها، عملیات پیش پردازش و تولید تصاویر تبدیلی به اجرا درآمد. فرایند قطعه بندی در قالب چندتفکیکی انجام گرفت و به صورت کیفی ارزیابی شد. در ادامه عمل طبقه بندی با استفاده از توابع عضویت چندبعدی و به روش نزدیک ترین همسایه استاندارد و تشکیل شبکه سلسله مراتبی انجام پذیرفت. در نهایت نقشه نوع گونه های درختی به دست آمده به صورت کمی ارزیابی گردید و نمونه های تعلیمی و نقشه واقعیت زمینی به روش میدانی تهیه شدند. ارزیابی صحت نقشه های حاصل در مقایسه با نقشه واقعیت زمینی نشان دهنده صحت کلی بیش از 70 درصد و ضریب کاپای 46/0 و 5/0 در این دو منطقه بود. گونه های درختی اصلی، مقادیر متفاوتی از صحت را در دو منطقه ارائه کردند. داده های ارتفاعی دقیق می تواند در بهبود نتایج طبقه بندی در چنین مطالعاتی بسیار مؤثر و کارآمد باشد.

وجود تأسیسات زیربنایی عمده و مهم کشاورزی، پروژه های عمرانی و صنعتی و شهری، و نیاز اجتماعات واقع در حاشیه رودخانه کارون به آب و رسوب این رودخانه، همچنین زیان های ناشی از تغییرات ژئومورفولوژیکی و تغییرات گسترده پیچان رودها در مسیر رودخانه کارون، سبب ایجاد نظریه بررسی شدت و نوع و میزان تغییرات این رودخانه شده است. محدوده مورد مطالعه، قسمتی از رودخانه کارون واقع در استان خوزستان است که به طول 364 کیلومتر از شوشتر آغاز می شود و تا اروندرود امتداد می یابد. در این پژوهش با استفاده از تصاویر ماهواره ای، لایه های GIS، مطالعات میدانی، بررسی آمار اقلیمی و هیدرولوژیکی، شدت و نوع تغییرات حاشیه رودخانه کارون به مساحت حدود 4000 کیلومترمربع بررسی شده است. تغییرات ژئومورفولوژیک این بازه از رودخانه به مدت 52 سال ـ از سال 1955 تا 2007 ـ مورد آنالیز قرار گرفته و از تصاویر ماهواره های Landsat، IRS، Terra، عکس های هوایی و نقشه های توپوگرافی استفاده شده است. هدف از انجام این پژوهش، شناسایی مهم ترین اشکال ژئومورفیک ساحل رودخانه کارون و تعیین میزان تغییرات در طول دوره مطالعه است. نتایج بررسی نشان می دهد که در دورة مطالعه میزان تغییرات رودخانه افزایش پیدا کرده و طول رودخانه بیشتر شده است.

تغییرات کاربری و پوشش اراضی از عوامل مهم در تغییر جریان هیدرولوژیک، فرسایش و تنوع زیستی مناطق تحت حفاظت قلمداد می شود. با درک این تغییرات می توان اکوسیستم را در مسیر اهداف حفاظتی، مدیریت کرد. این مطالعه به منظور بررسی تغییرات کاربری و پوشش اراضی پناهگاه حیات وحش هامون در سه دهه گذشته با استفاده از تصاویر ماهواره لندست سال های 1365 و 1379 و 1388 صورت گرفت. پس از انجام تصحیحات لازم بر روی تصاویر، با استفاده از روش طبقه بندی ترکیبی، نقشه کاربری و پوشش اراضی تهیه شد. نقشه پوشش گیاهی با استفاده از شاخص سبزینگی تسلدکپ و نمونه برداری میدانی و نقشه آب، شوره زار و خاک لخت با استفاده از شاخص نرمال شده آب و پردازش PCA بر روی تصویر تهیه گردید. در انتها تمامی لایه های اطلاعاتی تهیه شده با یکدیگر ترکیب شدند و نقشه کاربری و پوشش اراضی منطقه برای هر سال تهیه شد. به منظور بررسی تغییرات به وجود آمده در منطقه، روش مقایسة پس از طبقه بندی به کار رفت. نتایج مطالعه حاضر نشان داد که در این دوره مطالعه در سال 1379 تالاب هامون کاملاً خشک شده و به همین دلیل بین سال های 1365 الی 1379 مقدار پوشش گیاهی آن به شدت کاهش پیدا کرده و بر سطح اراضی شور افزوده شده است. با آبگیری مجدد تالاب در سال 1388 پوشش گیاهی آن احیا گردید، و این پوشش از 6 درصد کل منطقه در سال 1379 به 20 درصد افزایش پیدا کرد، و اراضی شور نیز از 39 درصد کل منطقه به 13 درصد کاهش یافت.

ایران با توپوگرافی عمدتاً کوهستانی، فعالیت زمین ساختی و لرزه خیزی زیاد، و شرایط متنوع اقلیمی و زمین شناسی، مهم ترین شرایط طبیعی را برای وقوع زمین لغزش داراست. وجود عوامل مستعد ناپایداری دامنه ها مانند، شیب، زمین شناسی و کاربری اراضی از جمله عوامل ایجاد کنندة خطر زمین لغزش قلمداد می شوند. روش های فراوانی برای پهنه بندی خطر زمین لغزش وجود دارد، که در این مقاله از روش Fuzzy TOPSIS برای پهنه بندی مناطق مستعد زمین لغزش استفاده شده است. داده های مورد استفاده شامل اطلاعات شیب، جهت شیب، قابلیت اراضی، کاربری اراضی، فاصله از گسل و فاصله از رودخانه بودند. از تعداد 162 زمین لغزه ثبت شده در محدوده مورد مطالعه، 70 درصد آن به طور تصادفی به عنوان نقاط Training انتخاب شد و مابقی به عنوان نقاط آزمون مورد استفاده قرار گرفت. نتایج حاصل از روش های محاسبه فاصله تفرق حاکی از آن است، که در صورت استفادة همزمان، از هر سه شاخص درجه عضویت، درجه عدم عضویت و درجه عدم قطعیت، استفاده از فاصلة اقلیدسی ـ برای محاسبة فاصلة تفرق ـ در مقایسه با فاصلة همینگ ارجحیت دارد. نتایج حاصل از 4 روش محاسبه فاصله تفرق، نشان می دهد که الگوریتم Fuzzy TOPSIS کارایی مناسبی در پهنه بندی خطر زمین لغزش دارد.

توسعه فناوری ماهواره های سنجش از دور، قابلیت زیادی در تولید تصاویر چند طیفی ایجاد کرده است. این تصاویر ویژگیهای مکانی، طیفی و رادیومتری مختلفی دارند. امکان اخذ تصاویری که هم دقت طیفی و هم دقت مکانی بالایی داشته باشند، به دلیل محدودیت های عملی در ساخت سنجنده ها امکان پذیر نمیباشد. برای غلبه بر این مشکل میتوان از فرایند ادغام تصاویر استفاده کرد. در این فرایند، اطلاعات مکانی از تصاویر با قدرت تفکیک مکانی بالا و اطلاعات طیفی از تصاویر با دقت طیفی بالا استخراج و با یکپارچه کردن آنها، تصویری با دقت مکانی و طیفی بالا ایجاد میشود. ادغام اطلاعات موجب افزایش کاربری آن شده، به نحوی که میتوان به تصویر جدید با اطلاعات جامع تر دسترسی پیدا کرد. فرایند ادغام ایدئال فرایندی است که سبب تخریب اطلاعات طیفی نشده و ویژگیهای طیفی را به طور کامل حفظ و خواص مکانی را به تصاویر چند طیفی اضافه کند. روش ها و الگوریتم های موجود برای ادغام تصاویر ماهواره های جدید به دلیل تغییراتی که در ماهواره ها صورت گرفته، کارایی لازم را ندارند (امکان ادغام تصاویر با نسبت دقت مکانی بیش از 6 را ندارند). در این صورت فراهم کردن روش های جدید ادغام برای تصاویر با نسبت دقت مکانی بالا (بیش از 10) لازم و ضروری میباشد. در این مقاله الگوریتم جدیدی برای ادغام اطلاعات مکانی تصویر IKONOS با دقت مکانی یک متر و اطلاعات طیفی تصاویر SPOT با دقت مکانی 20 متر، معرفی شده است (نسبت دقت مکانی 20). این الگوریتم در سطح ویژگی بوده و براساس مدل شبکیه چشم میباشد. مقایسه نتایج با چند الگوریتم مشهور IHS، HPF، PCA، موجک، و روش هیبرید موجک-PCA بر روی این تصاویر انجام شد. ارزیابی کیفی و کمی اطلاعات مکانی و طیفی تصاویر ادغام شده صورت گرفت، نتایج مؤید بهینه بودن الگوریتم پیشنهادی نسبت به روش های مذکور، از نظر حفظ اطلاعات طیفی و مکانی میباشد. یکی از ویژگیهای بارز این روش پیشنهادی نیاز نداشتن به فرایند نمونه برداری مجدد است که در تمامی روش های قبلی اجتناب ناپذیر بوده و یک فرایند مخرب اطلاعات مکانی محسوب میشود.

سنجش از دور به دلیل کاربردهای مختلف آن، اهمیت عمده ای در حوزه های کاربردی علوم و فناوری های اطلاعات زمین دارد. با توجه به اهمیت حقوقی این علم و فناوری برای جامعة کاربران، در این مقاله جنبه های حقوقی آن در بستر معاهدات و کنوانسیون های بین المللی و قوانین ملی مورد کنکاش قرار گرفته است. مقاله حاضر ضمن تبیین ماهیت و ابعاد حقوقی ملی و بین المللی سنجش از دور هوایی (فتوگرامتری)، به بررسی اسناد بین المللی مربوط به فعالیت های فضایی (سنجش از دور) می پردازد. در این حیطه، ضمن مطالعه و بررسی معاهدات بین المللی مربوط به فعالیت های فراجوّی، مهم ترین اصول حقوقی حاکم بر سنجش از دور ماهواره ای نیز تبیین می گردد. به رغم اهمیت موضوع، جایگاه این حوزه از علم و فناوری هنوز در حقوق ملی و بین الملل تثبیت نشده است. با توجه به نتایج بررسی های دقیق این تحقیق، مواردی از کاربردهای حقوقی این ابزار علمی و فنی ـ نظیر استنادپذیری قضایی داده های ماهواره ای در برخی از نظام های حقوقی ـ بررسی و در این تحقیق بیان شده اند، که نمونه هایی از کاربرد فناوری مذکور در فرایندهای قضایی و حقوقی به شمار می آیند.

پیچیدگی و حجم سنگین داده های حاصل از سنجنده های فراطیفی باعث شده است که امروزه روش های هرچه پیشرفته تر آنالیز داده های فراطیفی به منظور استخراج اطلاعات دقیق تر و کامل تر از آنها مورد توجه قرار گیرند. یکی از آنالیزهایی که بر روی تصاویر فراطیفی انجام می شود، آشکارسازی طیفی هدف است. در این مقاله به منظور بررسی روش های آشکارسازی طیفی هدف و امکان سنجی بهبود آنها، جمعاً چهارده الگوریتم در قالب سه دسته اندازه گیری های قطعی، اندازه گیری های آماری و آشکارسازی آنامولی پیاده سازی شده است. سپس تصاویر حاصل از بهترین الگوریتم ها در هر دسته انتخاب شده و به روش های مختلف در دو مرحله با یکدیگر تلفیق گردیده اند تا تصویر تلفیقی بهینه ای با بالاترین صحت به دست آید. در بررسی های انجام شده در زمینه دسته الگوریتم ها ی آشکارسازی مذکور، مشخص گردید که به ترتیب دو الگوریتم (Spectral Correlation Similarity)SCS و (Spectral Angle Measure)SAM، دو الگوریتم (Information Spectral Divergence) SID و (Jeffiries-Matusita Distance)JMD و سه الگوریتم (Covariance-based Matched Filter Measure)CMFM، (Constrained Energy minimizing) CEM و (Correlation-based Matched Filter Measure)RMFM دارای بالاترین صحت آشکارسازی در بین الگوریتم های موجود در هر دسته اند. در این مقاله به منظور تلفیق نتایج آشکارسازی، دو روش باینری ـ شامل عملگر بولی و فاصله اقلیدسی ـ و نیز دو روش استنتاج فازی شامل دستی (Fuzzy Inference System) FIS و اتوماتیک ((System Adaptive Neuro-Fuzzy Inference) ANFIS) ـ پیاده سازی شده است. آزمون های انجام گرفته بر روی تصویری از سنجنده فراطیفی (Compact Airborne Spectrographic Imager)CASI از منطقه شهری تولوز واقع در جنوب فرانسه برای آشکارسازی بام ساختمان ها، نشان داد که در بین چهار روش تلفیق یاد شده، روش ANFIS به عنوان روشی هوشمند و خودکار، پس از اعمال روی نتایج هفت الگوریتم آشکارسازی طیفی مذکور، توانسته است به بالاترین صحت با ضریب کاپای 9/0 دست یابد.

شناخت نوع ابر و طبقه بندی ابرها از ابتدایی ترین اصول در اکثر روش های پیش بینی بارش است که در بیشتر مواقع به صورت بصری و با مقایسه تصاویر باندهای مادون قرمز و باندهای مرئی انجام می شود. در این گونه مطالعات تنها از دمای روشنایی ابر و آلبدوی آن برای طبقه بندی ابر استفاده می شود، در صورتی که بافت و شکل ابرها نیز از عوامل تأثیرگذار در تشخیص انواع آنهاست. روش طبقه بندی شیء گرا به علت استفاده از پارامترهای بافت و شکل و نیز دمای روشنایی و آلبدوی ابر، روش مناسبی برای طبقه بندی ابرها به شمار می آید؛ لیکن این روش طبقه بندی، بسیار وابسته به دقت قطعه بندی نیز هست. با توجه به اینکه یکی از فاکتورهای مؤثر بر دقت طبقه بندی همانا مقیاس قطعه بندی است، لذا تعیین مقیاس مناسب قطعه بندی در افزایش دقت طبقه بندی شیء گرا اهمیت فراوان دارد. هدف از ارائه این مقاله نیز تعیین مقیاس مناسب قطعه بندی در طبقه بندی شیء گرای ابر است. در این تحقیق دو تصویر NOAA/AVHRR مورد استفاده قرار گرفتند. به منظور انجام تحقیق، ابتدا اطلاعات اضافی شامل دمای روشنایی ابر در باند 3 و 4 و ارتفاع ابر از داده های سنجش از دور به منظور استفاده در قطعه بندی تصویر استخراج گردید و از روش دو باندی (مادون قرمز و مرئی) برای انتخاب نواحی آموزشی استفاده شد. سپس تأثیرات منفی خطاهای قطعه بندی بر دقت طبقه بندی شیء گرای ابر از طریق بسط روش محاسباتی تعیین گردید و دقت قطعه بندی کمّی سازی شد. در این مرحله ارزیابی به وسیله کمّی سازی تأثیرات کلی خطاها، با توجه به معیارها و واحدها در 25 مقیاس قطعه بندی صورت پذیرفت تا مقیاس مناسب برای قطعه بندی ابر به دست آید. نتایج نشان داد که نخست، دقت قطعه بندی ابر با افزایش مقیاس قطعه بندی کاهش می یابد؛ و دوّم، تأثیرات منفی خطاهای قطعه بندی کمتر از حد مناسب در قطعه بندی ابر در مقیاس های بزرگ، به صورت کاملاً محسوس بزرگ می شوند. همچنین دقت های قطعه بندی بالا لزوماً منجر به دقت های بالای طبقه بندی شیء گرا در طبقه بندی ابر نمی شوند، اما دقت های پایین قطعه بندی منجر به دقت های پایین طبقه بندی می شوند. با توجه به این مورد، بهترین مقیاس برای قطعه بندی ابر، مقیاس 50 تعیین گردید که منجر به دقت کلی 5/90 درصد در طبقه بندی شیء گرای ابر شد.

درجه حرارت سطح زمین (LST) فاکتور مهمی در مطالعات تغییرات دمایی، تخمین مقادیر تابشی، مطالعات تعادل گرمایی و همچنین ابزاری کنترلی برای مدل های آب و هوایی و اقلیم شهری است. در این تحقیق، کوشش شده است که درجه حرارت سطح شهر تهران با استفاده از تصویر سنجندة ETM+، برگرفته در تاریخ 3 ژوئن سال 2001 تخمین زده شود. تغییرات درجه حرارت سطح به دست آمده نسبت به انواع پوشش ـ کاربری زمین، مورد بررسی قرار گرفت. همچنین دقت طبقه بندی انواع پوشش ـ کاربری زمین، ارزیابی شد و مشخص گردید که دقت طبقه بندی با استفاده از مؤلفه های MNF افزایش می یابد. مقادیر گسیل مندی و درجه حرارت سطح با به کارگیری روش SEBAL بر روی دادة ماهواره ای تخمین زده شد. علاوه بر این، ارتباط درجه حرارت سطح با مقادیر NDVI و کسر پوشش گیاهی ارزیابی گردیدند. به علاوه، رابطه رگرسیون درجه حرارت سطح و پوشش گیاهی به تفکیک انواع مختلف پوشش گیاهی محاسبه و ارائه شد. نتایج به دست آمده از بررسی ها، نشان دهندة وابستگی شدید بین درجه حرارت سطح و مقادیر NDVI و FVC برای انواع پوشش ـ کاربری زمین است. نتایج حاصل از انجام تحلیل رگرسیون بین پارامترهای تعیین مقادیر پوشش گیاهی و درجه حرارت سطح، حاکی از آن است که روش به کار رفته، برای تخمین مقادیر گسیل مندی و درجه حرارت سطح، در مناطق شهری غیریکنواخت با دقت مناسب و پذیرفتنی عملی است و می تواند به منظور برآورد میزان توسعه و تغییرات دمایی شهری در دوره زمانی معین مورد استفاده قرار گیرد.