جستجو در مقالات منتشر شده
۹ نتیجه برای شمس الدینی*
دوره ۲۰، شماره ۱ - ( بهار ۱۳۹۵ )
چکیده
چکیده
در این تحقیق، جهت برآورد پارامترهای ساختاری جنگل کاج، از داده‌های چندزمانه تصاویر رادار با روزنه مصنوعی[۱] به‌دست‌‌آمده از ماهواره ALOS[۲]-PALSAR[۳]، پس از انجام تصحیحات هندسی و کاهش لکه (اسپکل[۴])، خصوصیات مربوط به ضرایب بازپخش[۵] و نیز اطلاعات بافتی، در پنجره‌هایی با اندازه‌ها و جهات مختلف، با استفاده از روش GLCM[۶] استخراج شد. سپس با استفاده از رگرسیون خطی چند متغیره گام به گام[۷]، مدل‌های تخمین برای نمونههای جمع‌آوری‌شده در طی عملیات زمینی به‌دست آمد. نتایج حاصل نمایانگر بهبود عملکرد مدل‌هایی بود که از داده‌های چندزمانه استفاده کرده بودند، همچنین این تحقیق نشان داد در حالیکه ارتفاع متوسط درختان با خطای ۷/۲۰ درصد قابل تخمین است. خطای حاصل برای سایر پارامترهای ساختاری بیش از ۳۰ درصد است. در این تحقیق تأثیر سن درخت و شیب اراضی بر عملکرد مدل‌ها نیز به‌صورت آماری بررسی شده است.
[۱]. Synthetic Aperture Radar (SAR)
[۲]. Advanced Land Observing Satellite
[۳]. Phased Array type L-band Synthetic Aperture Radar
[۴]. Speckle
[۵]. Backscatter coefficient
[۶]. Grey level co-occurrence matrix
[۷]. Stepwise multiple-linear regression
دوره ۲۱، شماره ۲ - ( تابستان ۱۳۹۶ )
چکیده
در سالهای اخیر پیشرفت تکنولوژی‌های سنجش از دور و افزایش تنوع داده‌های قابل استفاده موجب شده تا ارزیابی و قابلیت‌سنجی داده‌های مختلف از اهمیت زیادی برخوردار بوده و به همین دلیل به عنوان مسأله‌ای که کمتر در تحقیقات گذشته بدان پرداخته شده است، هدف اصلی این تحقیق قرار گیرد. در این تحقیق داده‌های مستخرج از تصاویر وردویو-۲ و اسپات-۵ شامل اطلاعات بافتی این تصاویر و نیز خصوصیات آماری مستخرج از داده‌های لیدار به صورت مستقل برای تخمین پارامترهای ساختاری جنگل کاج تک‌گونه[۱] استفاده گردید و نتایج حاصل از هر داده با نتایج حاصل از داده‌های دیگر مورد مقایسه قرار گرفت. نتایج حاصل از این تحقیق نشان داد در حالی که داده‌های وردویو-۲ برای برآورد تراکم و قطر درختان دارای بهترین عملکرد است، داده‌های لیدار برای تخمین ارتفاع میانگین و حجم درختان مناسب است. در ضمن تفاوت آماری معنی‌داری بین داده‌های مختلف سنجش ازدور برای برآورد رویه سطح درختان وجود ندارد، همچنین در میان پارامترهای ساختاری، در حالی که ارتفاع میانگین و قطر درختان با خطایی قابل قبول برآورد شدند، تخمین تراکم، حجم و رویه سطح درختان با دقت کمتری انجام شد.
[۱]. Pinus Radiata
دوره ۲۳، شماره ۱ - ( بهار ۱۳۹۸ )
چکیده
در تجزیه و تحلیل و مدلسازی رشد فیزیکی شهر معمولاً عوامل اقتصادی- اجتماعی به دلیل عدم دسترسی به این داده‌ها نادیده گرفته می‌شوند. به همین دلیل در مدلسازی رشد فیزیکی شهرها تاکنون بر ایجاد لایههای اطلاعاتی از این نوع داده‌ها کمتر کار شده است. این مطالعه با هدف معرفی روشی کارا به منظور ایجاد لایههای اطلاعاتی برای داده‌های اقتصادی- اجتماعی و استفاده از این لایههای اطلاعاتی در کنار لایههای اطلاعاتی مستخرج از تصاویر ماهوارهای لندست و اطلاعات پیمایش زمینی به منظور مدلسازی رشد فیزیکی شهر کرج انجام شد. بدین منظور پس از ایجاد لایههای اطلاعاتی مختلف با اهمیت‌ترین متغیرهای مؤثر در رشد شهری با روش انتخاب ویژگی جنگل تصادفی تعیین گردید و سپس مدلسازی رشد فیزیکی شهر کرج برای سالهای ۲۰۰۰ تا ۲۰۱۰ با استفاده از روشهای رگرسیون لجستیک چند متغیره، پرسپترون چندلایه و روش نقشه خود سازمان‌دهنده انجام شد. نتایج نشان داد که استفاده از با اهمیت‌ترین متغیرهای مؤثر به عنوان ورودی در روش نقشه خود سازمان‌دهنده با دقت کلی ۸۴,۴۷، کاپا ۶۸.۹۳، ROC برابر با ۹۰,۷۲، FOM برابر با ۴۳,۹۸ و PCM برابر با ۸۴,۴۷ از عملکرد بهتری برخوردار بود، همچنین استفاده از خصیصه‌های اجتماعی- اقتصادی پیشنهاد شده در این تحقیق در کنار داده‌های سنجش ازدور می‌تواند به ارتقا عملکرد روش پیش‌بینی کننده کمک نماید. سرانجام با استفاده از سلول‌های خودکار پیش‌بینی رشد فیزیکی شهر در سالهای ۲۰۱۷ و ۲۰۲۷ انجام گردید.
دوره ۲۵، شماره ۴ - ( زمستان ۱۴۰۰ )
چکیده
در بسیاری از کاربردهای سنجش ازدور در علوم زمین، تجزیه و تحلیل با صحت بالا تنها با استفاده از تصاویری با قدرت تفکیک مکانی و زمانی بالا امکانپذیر است. سنجنده ی مادیس برخلاف قدرت تفکیک زمانی بسیار بالا، قدرت تفکیک مکانی بسیار پایینی دارد. هدف ازین مطالعه، استفاده از الگوریتم های ریزمقیاس نمایی به منظور ریزمقیاس کردن تصاویر مادیس به تصاویر لندست ۸ است. سپس تصاویر ریزمقیاس شده در برآورد تبخیر-تعرق واقعی با استفاده از الگوریتم سبال در منطقه کشت و صنعت امیرکبیر مورد مقایسه قرار گرفتند. در این مطالعه از الگوریتم هایSTARFM ، ESTARFM و Regression جهت ریزمقیاس نمایی باندهای بازتابندگی و از الگوریتم های SADFAT ، Regression و Cokriging جهت ریزمقیاس نمایی باندهای حرارتی استفاده شده است. سپس، تصاویر ریزمقیاس شده بازتابندگی و حرارتی به منظور استفاده در مدل سبال، پردازش گردیدند و تبخیر-تعرق واقعی محاسبه گردید. نتایج نشان داد که در میان روش های ریزمقیاس نمایی اعمال شده بر باندهای بازتابندگی، STARFM با مجذور میانگین مربعات خطای۰,۰۱۸۰ دارای عملکرد بهتری نسبت به سایر روشها بود. در میان روش های اعمال شده بر باندهای حرارتی، الگوریتم SADFAT با مجذور میانگین مربعات خطای ۰,۰۲۲۴ عملکرد بهتری را نسبت به سایر روشها از خود نشان داد. همچنین تبخیر-تعرق واقعی لحظه ای برآورد شده از خروجی روش های ریزمقیاس نمایی به ترتیب ESTARFM /Regression، ESTARFM/ SADFAT، STARFM/Regression و STARFM/ SADFAT با اختلاف کم و مجذور میانگین مربعات خطای ۰,۲۱۸ میلیمتر در ساعت بهترین عملکرد و روش Regression/Cokriging با میانگین مربعات خطای ۰,۳۸۸ میلیمتر در ساعت ضعیف ترین عملکرد را داشتند.
دوره ۲۶، شماره ۲ - ( تابستان ۱۴۰۱ )
چکیده
تبخیر-تعرق به‌عنوان یکی از مهمترین پارامترهای چرخه آب است که برآورد صحیح آن در مدیریت منابع آب به‌ویژه در اقلیمهای خشک و نیمه‌خشک حائز اهمیت است. همگام با توسعه سنجش از دور، روشهایی به منظور تهیه محصولات تبخیر-تعرق با استفاده از داده‌های ماهوارهای توسعه یافت. در این پژوهش، خروجی محصولات تبخیر-تعرق GLEAM
، GLDAS
و MOD۱۶A۲
با تبخیر-تعرق حاصل از روش فائو-پنمن-مانتیث در طی سالهای پربارش، نرمال و کمبارش درحوضه زاینده‌رود مقایسه شد. شاخصهای آماری 
، RMSE
، BIAS
و IOA
به‌منظور ارزیابی نتایج مورد استفاده قرار گرفتند. همچنین برای ترکیب محصولات از روش ادغام مهارت ساده تیلور استفاده گردید. نتایج نشان داد که دو محصول MOD۱۶A۲
و GLDAS
میزان تبخیر-تعرق مرجع را نسبت به روش فائو-پنمن-مانتیث طی سالهای پربارش، نرمال و کمبارش بیشتر و محصول GLEAM
کمتر برآورد کرده است. مقادیر RMSE
برای این محصولات به ترتیب از ۴/۳۷ تا ۶/۴۷، از ۲/۱۳۶ تا ۴/۱۴۱ و از ۸/۹۲ تا ۷/۹۸ میلیمتر در ماه متغیر بود. میزان خطای دو محصول GLEAM
و GLDAS
در سالهای پربارش کمتر از سالهای کمبارش و نرمال بود، در حالیکه محصول MOD۱۶A۲
در سالهای کمبارش عملکرد بهتری داشت. همچنین نتایج حاصل از ترکیب محصولات نشان داد که محصول تولید شده عملکرد بهتری نسبت به سایر محصولات در سطح حوضه و در شرایط رطوبتی مختلف داشته است.
دوره ۲۶، شماره ۴ - ( زمستان ۱۴۰۱ )
چکیده
معادن و صنایع وابسته به آن، در زمان بهره‌برداری و پس از متروکه شدن، بر محیط زیست اطراف خود تأثیرگذارند. از جملۀ این تأثیرات می‌توان به آلودگی آب‌های زیرزمینی و سطحی، و نیز آلودگی خاک اشاره کرد. مدلسازی غلظت فلزات سنگین با استفاده از روشهای مقرون‌به‌صرفه لازمۀ مدیریت و اصلاح آسیبهای واردشده به محیط زیست است. هدف این تحقیق ارائۀ چارچوبی به‌منظور مدلسازی فلزات سنگین در خاک با استفاده از طیف‌سنجی و نیز روشهای مدلسازی آماری است. بدین منظور با استفاده از طیف‌سنجی، نمودار طیفی مربوط به ۵۳ نمونه خاک مربوط به منطقه‌ای در اطراف یک معدن متروکه در ایالت نیوساوث ولز استرالیا در طول موج‌های مرئی تا مادون قرمز میانی برداشت شد و مشتق دوم این داده‌ها محاسبه شد. سپس داده‌های طیفی مناسب برای مدلسازی غلظت فلزات سنگین شامل سرب، نقره، کادمیوم و جیوه با استفاده از روش انتخاب ویژگی جنگل تصادفی تعیین شدند و به‌عنوان ورودی برای مدلسازی غلظت فلزات سنگین با استفاده از روشهای رگرسیون خطی چندمتغیره، جنگل تصادفی رگرسیون و ماشینبردار رگرسیون به‌کار گرفته شدند. نتایج نشان داد که طول موج‌های مادون قرمز میانی دارای اهمیت بیشتری به‌منظور مدلسازی غلظت فلزات سنگین در این تحقیق هستند. همچنین روشهای غیرخطی یادگیری ماشین به‌خصوص جنگل تصادفی رگرسیون با مقادیر مجذور میانگین مربعات خطا ppm ۸/۰ و ضریب تعیین ۵۱/۰ برای سرب و ppm ۴/۹ و ۴۶/۰ برای کادمیوم دارای عملکرد بهتری نسبت‌به روش رگرسیون خطی چندمتغیره هستند.
دوره ۲۷، شماره ۳ - ( پاییز ۱۴۰۲ )
چکیده
گرم شدن محیط زیست شهری یکی از پیامدهای رشد شهری ناپایدار است. هدف این پژوهش بررسی امکان مدلسازی تاثیر پارامترهای ساختاری شهر بر دمای سطح زمین در فصل تابستان در شهر تهران است. بدین منظور، از تصویر لندست-۸ اخذ شده در سال ۲۰۱۸ به جهت محاسبه دمای سطح زمین استفاده شده و به منظور تعیین واحدهای مطالعاتی در این پژوهش از روش قطعه‌بندی شیگرا بر روی تصویر سنجنده سنتینل-۲ سال ۲۰۱۸ استفاده گردیده و میزان پوشش گیاهی، جداسازی مناطق ساخته شده از مناطق ساخته نشده از این تصاویر استخراج شده است. همچنین روش شبکه عصبی پرسپترون چند لایه و روش شبکه عصبی کانولوشن به منظور مدلسازی تاثیر پارامترهای ساختاری شهر بر دمای سطح زمین در طی فصل تابستان مورد استفاده قرار گرفته است. نتایج به دست آمده از انتخاب ویژگی به روش جنگل تصادفی برای فصل تابستان نشان میدهد که حضور پوشش گیاهی و کاربریهای شهری که شامل مناطق مسکونی، مناطق تجاری و خدماتی، مناطق صنعتی، زمینهای بایر است، و نیز لایههای اطلاعاتی تراکم معابر و تراکم جمعیت در این فصل بر تغییرات دمای سطح زمین تاثیر گذار هستند. همچنین نتایج حاصل از مدلسازی و نتایج به دست آمده از آزمون آماری تی نمونههای جفت شده نشان دهنده برتری روش شبکه عصبی کانولوشن با ریشه میانگین مربعات خطای ۶۱/۰ درجه سانتیگراد، ضریب تعیین ۶۲/۰ و درصد خطای برآورد ۷۵/۱۷ نسبت به روش شبکه عصبی پرسپترون چند لایه با ریشه میانگین مربعات خطای ۸۲/۰، ضریب تعیین ۲۶/۰ و درصد خطای برآورد ۳۴/۲۳ است.
دوره ۲۸، شماره ۱ - ( بهار ۱۴۰۳ )
چکیده
استفاده از محصولات بارش ماهوارهای برای برآورد داده های بارش در مقیاس منطقه ای راهکاری جدید محسوب میشود. این محصولات خود دارای خطاهای گوناگونی هستند، به همین دلیل، ارزیابی و بررسی صحت این داده ها پیش از استفاده ضروری است. از آنجائی که بارش به شرایط اقلیمی و خصوصیات فیزیوگرافی منطقه وابسته است، بنابراین در پژوهش حاضر، ضمن اعتبارسنجی و صحت سنجی محصولات ماهوارهای بارش، به بررسی تاثیر دما و ارتفاع بر عملکرد محصولات بارشی ماهواره های MERRA، TRMM و CHIRPS در مقیاس ماهانه، در بازه زمانی ۲۰۰۵ تا ۲۰۱۹ و با استفاده از ۲۲۲ ایستگاه سینوپتیک واقع در سطح کشور ایران پرداخته شده است. نتایج نشان میدهد که به ترتیب مقدار ریشه میانگین مربعات خطا برای ماهواره های TRMM، MERRA و CHIRPS برابر با ۸/۲۳ ،۶/۳۰ و ۳۵ میلیمتر است که نشان دهنده عملکرد مطلوب ماهواره TRMM نسبت به دو ماهواره دیگر است؛ با بررسی شاخص آستانه موفقیت می‌توان گفت که طبق این شاخص، هر سه ماهواره عملکرد بسیار خوب و تقریبا مشابهی دارند به طوری که مقدار این شاخص به ترتیب برای ماهواره های MERRA، TRMM و CHIRPS برابر ۸۶۴/۰، ۷۹۷/۰ و ۷۷۶/۰ است. همچنین نتایج نشان داد که ماهواره TRMM در تمامی طبقات دمائی و ارتفاعی بهتر از دو ماهواره دیگر عمل میکند. در ارتفاعات کمتر از ۵۰۰ متر و بیشتر از ۱۵۰۰ متر و دماهای زیر ۱۸ درجه سانتی گراد، MERRA عملکرد خوبی نسبت به CHIRPS داشته و برآورد بهتری از بارش واقعی ارائه داده است.
دوره ۲۸، شماره ۳ - ( پاییز ۱۴۰۳ )
چکیده
پدیده انقباض شهری، به‌عنوان یک موضوع جهانی، تغییرات الگوهای جمعیتی را تحت‌تأثیر خود قرار میدهد. اولین علامت اصلی انقباض شهری، کاهش جمعیت شهر است که از علتها و محرکهای مختلف اقتصادی، اجتماعی، زیستمحیطی و سیاسی تأثیر میپذیرد. انقباض در هر سطحی که رخ دهد، اعم از ملی، منطقه ای، شهری و روستایی، تأثیرات عمیقی در ابعاد مختلف بر ساختارهای فیزیکی و غیرفیزیکی آن سکونتگاه به‌جای میگذارد. امروزه با توجه به معضلات اقتصادی و جمعیتی که ایران با آن روبه رو است، کاهش نرخ رشد جمعیت به موضوعی مهم تبدیل شده است. بااین‌حال روند کاهش جمعیت در برخی نقاط شدیدتر است؛ به‌طوریکه نرخ رشد جمعیت به تدریج منفی شده و آن منطقه جاذبه های کافی را برای حفظ ساکنین و جذب مهاجرین جدید از دست میدهد. بر اساس مطالعات، شهرستان بستان آباد طی سالهای ۱۳۷۵ تا ۱۳۹۵، همواره با کاهش جمعیت و انقباض مواجه بوده است. تحقیق حاضر با روش کمی و با بررسی آمار و تغییرات کاربری اراضی شهرستان در این سالها با استفاده از روش پردازش شیءگرا انجام‌شده است. سپس ارتباط بین مؤلفه های مورد مطالعه با استفاده از تابع یادگیری ماشین جنگل تصادفی بررسی‌شده است. براساس یافته های پژوهش، انقباض شهرستان بستان‌آباد مرتبط با انقباض روستایی بوده و جمعیت روستایی آن همواره کاهش یافته است. این معضل که با افزایش مهاجرت به خارج از شهرستان و پیری جمعیت همراه بوده، باعث کاهش سطح زیرکشت در شهرستان شده است و در صورت ادامه یافتن می‌تواند آسیبهای جدیتری را به این شهرستان وارد کند.
