ایمان خسروی
دانشجوی دکتری سنجش از دور، گروه مهندسی نقشه‌برداری، پردیس دانشکده‌های فنی، دانشگاه تهران، ایران
[ 1 ] - مدلسازی و پیشبینی سری زمانی شاخصهای خشکسالی با روشهای یادگیری ماشین به‌منظور مدیریت مخاطرات (مطالعۀ موردی: منطقۀ شرقی اصفهان)
خشکسالی پدیدهای پیچیده و مخاطره‌آمیز در کل جهان بهویژه ایران به‌شمار می‌آید. تعیین و پیشبینی شدت خشکسالی می‌تواند در مدیریت مخاطرات ناشی از آن مؤثر باشد. برای تعیین شدت خشکسالی از شاخصهایی استفاده شده که به دو دستۀ کلی شاخصهای هواشناسی و سنجش از دور تقسیم می‌شوند. مهم‌ترین شاخص هواشناسی، شاخص بارش استانداردشده (SPI) و در شاخصهای سنجش از دور نیز، شاخصهای مستخرج از پوشش گیاهی (NDVI) و شاخ...
[ 2 ] - Introducing An Efficient Set of High Spatial Resolution Images of Urban Areas to Evaluate Building Detection Algorithms
The present work aims to introduce an efficient set of high spatial resolution (HSR) images in order to more fairly evaluate building detection algorithms. The introduced images are chosen from two recent HSR sensors (QuickBird and GeoEye-1) and based on several challenges of urban areas encountered in building detection such as diversity in building density, building dissociation, building sha...
[ 3 ] - ارائه یک روش انتخاب ویژگی براساس الگوریتم ژنتیک و درخت تصمیم به‌منظور طبقهبندی تصاویر تمام پلاریمتریک راداری
یک تصویر تمام پلاریمتریک راداری (POLSAR) قادر است ویژگیهای پلاریمتریک مهمی برای طبقهبندی پوشش زمینی فراهم کند. این ویژگیها می‌توانند پارامترهای مستخرج از ماتریس پراکنش، کواریانس و همدوسی یا پارامترهای مستخرج از روشهای تجزیه هدف یا هر دو دسته باشد. در این مقاله، ویژگیهای پلاریمتریک فراوانی از یک تصویر POLSAR استخراج میشود. سپس با استفاده از الگوریتم ژنتیک (GA) و درخت تصمیم (DT)، یک روش انت...
[ 4 ] - استفاده از سیستمهای طبقهبندی چندگانه به‌منظور بهبود دقت طبقهبندی تصاویر تمام پلاریمتریک راداری با فضای ویژگی ابعاد بالا
یک تصویر تمام پلاریمتریک راداری (POLSAR) قابلیت فراهم‌کردن یک داده با فضای ویژگی ابعاد بالا را دارد. این حجم بالای اطلاعاتی می‌تواند دقت کلی طبقهبندی پوشش زمینی را افزایش دهد. اما افزایش ابعاد داده در صورت ناکافی بودن تعداد نمونههای آموزشی ممکن است باعث پیچیدهتر شدن طبقهبندی و رخ دادن پدیده نفرین ابعاد شود. یکی از راهکارهای حل این مشکل، استفاده از سیستمهای طبقهبندی چندگانه (MCS) است که تو...
[ 5 ] - سیستم های طبقه بندی کننده ی چندگانه ی نوین درختی به منظور طبقه بندی زمین های کشاورزی از تصاویر نوری و راداری تمام قطبیده
تصاویر نوری و راداری با دریچهی مصنوعی تمامقطبیده (PolSAR)، منابع ارزشمندی برای طبقهبندی زمینهای کشاورزی است. ویژگیهای مستخرج از تصاویر نوری حاوی اطلاعاتی در مورد امضای بازتابی محصولات مختلف است. در مقابل، یک تصویر PolSAR فراهمکنندهی اطلاعاتی در مورد خصوصیات ساختاری و سازوکارهای پراکنش محصولات است. ترکیب این دو منبع قادر به ایجاد یک مجموعهدادهی مکمل با تعداد قابل توجهی از ویژگیهای زمان...
[ 6 ] - مقایسه روش های ARIMA و شبکه عصبی در مدل سازی و پایش وضعیت خشکسالی با استفاده از داده های سری زمانی سنجش از دوری - مطالعه موردی: شهر اراک
خشکسالی پدیدهای طبیعی، تکراری و موقتی است که به سبب بارش اندک رخ می دهد و تقریباً تمامی مناطق اقلیمی جهان را تحتتأثیر خود قرار می دهد، بویژه مناطق نیمه خشک که بدلیل میزان پائین بارش سالانه و حساسیت به تغییرات اقلیمی مستعد وضعیت خشکسالی می باشند. خشکسالی می تواند بر سلامت انسان ها و همچنین وضعیت اقتصادی و سیاسی جامعه تأثیرگذار باشد. اطلاعات در مورد شدت، طول مدت و پوشش مک...
Co-Authors