چکیده: فرسایش خاک از مسائل و معضلات جدی در تخریب زمین و افت کیفیت خاک است، که موجب از بین رفتن سطح خاک و مرغوبیت آن جهت فعالیت های کشاورزی، پر شدن حجم مخازن سدها و رودخانه ها، گل آلود شدن آب رودخانه ها و کاهش کیفیت آن و آلودگی های زیست محیطی و در نهایت تبدیل جنگل ها و مراتع به بیابان ها می گردد. این تحقیق با هدف برآورد میزان فرسایش خاک و تولید رسوب در حوضه آبریز سد ژاوه واقع در استان کردستان با مساحت 14/85 کیلومتر مربع، با استفاده از تکنیک های rs و gis و استفاده از مدل usle انجام گرفته است. اطلاعات و داده های مورد نیاز مربوط به پوشش گیاهی منطقه و کاربری اراضی، از تصاویر ماهواره ای landsat etm+ مربوط به سال 2000 میلادی و اطلاعات مربوط به مدل ارتفاعی رقومی منطقه، شیب و طول شیب، از نقشه توپوگرافی منطقه به مقیاس 1:25000 تولید شده توسط سازمان نقشه برداری کشور در سال 1377 به روش فتوگرامتری استخراج گردیده و سایر اطلاعات همچون نقشه زمین شناسی به مقیاس 1:100000، تهیه شده توسط سازمان زمین شناسی کشور در سال 1364 و نقشه نوع خاک حوضه نیز به صورت لایه های اطلاعاتی در سیستم اطلاعات جغرافیایی تهیه گردیدند و در نهایت با تلفیق این داده ها در سیستم اطلاعات جغرافیایی و تحلیل های مکانی صورت گرفته، میزان 9/11021 تن فرسایش در سال برای این حوضه آبریز به دست آمد. بخش اعظم این حوضه در کلاس فرسایشی خیلی کم قرار گرفته و با توجه به نتایج به دست آمده از ایستگاه هیدرومتری که میزان 9261 تن رسوب در سال را برای این حوضه برآورد کرده اند و ضریب sdr ، که برای این حوضه، مقدار 0/87 محاسبه گردید، میزان فرسایش با استفاده از نتایج هیدرومتری، 10644 تن در سال برآورد گردید که مشخص است با استفاده از تصاویر ماهواره ای و برخی مشاهدات صحرائی می توان با دقت بالایی میزان فرسایش و رسوب را در منطقه برآورد نمود. جهت بررسی میزان تأثیر هر یک از عوامل در میزان فرسایش خاک، میزان وابستگی بین پارامترهای موثر و لایه فرسایش خاک با سطح اطمینان 95% محاسبه گردید که این مقدار برای لایه توپوگرافی بیشترین مقدار و برابر با 845/0 می باشد. یعنی وضعیت توپوگرافی بیشترین تأثیر را در میزان فرسایش خاک داشته و پس از آن به ترتیب، پوشش گیاهی، مدیریت اراضی، جنس خاک و میزان بارش تأثیر کمتری را دارا می باشند. در نهایت نیز جهت تعیین تأثیر تغییرات کاربری اراضی در فرسایش خاک از تصاویر ماهواره ای landsat tm مربوط به سال 1987 استفاده گردید. با توجه محاسبات انجام شده حجم خاک فرسایش یافته با استفاده از این تصاویر، 6/9475 تن در سال محاسبه گردید. مشخص است تخریب اراضی کشاورزی در طول یک دهه منجر به افزایش حجم خاک فرسایش یافته گردیده است.

در جوامع امروزی با توجه به رشد روزافزون جمعیت و منابع آن، برنامه ریزی ومدیریت منابع زمینی از اهمیت ویژه ای برخوردار است. نیاز به اطلاعات دقیق و بهنگام از اساسی ترین نیازهای توسعه و پیشرفت به حساب می آید. استفاده از روش های فتوگرامتری و سنجش از دور، رایج ترین و اقتصادی ترین روش ها جهت تهیه اطلاعات مکانی و نقشه های پوششی می باشند. سنجش از دور به عنوان یکی از منابع اولیه واصلی در پایگاه های داده gis به شمار می آید که آخرین و دقیق ترین وضعیت و موقعیت عوارض و منابع طبیعی موجود بر روی زمین را فراهم می نماید. با توجه به اینکه راه ها و ساختمان ها بعنوان مهمترین عوارض دست بشر دارای بیشترین تعدد در تهیه نقشه از مناطق شهری و نیمه شهری می باشند، استخراج این عوارض در اولویت های تحقیقاتی در زمینه استخراج اتوماتیک عوارض به حساب می آید. هدف اصلی از انجام این تحقیق، امکان سنجی وانجام نمونه مطالعاتی استخراج اتوماتیک شبکه راه ها از تصاویر بزرگ مقیاس فضایی می باشد. داده های ورودی به سیستم های پیشنهادی استخراج اتوماتیک راه را تصاویر pansharp ماهوارهikonos (با ابعاد پیکسل 1 متر) تشکیل می دهند. در پیاده سازی سیستم پیشنهادی استخراج اتوماتیک راه، ابتدا مرحله فازی سازی بر روی تصاویر ورودی انجام گرفته است. درادامه و پس ازاعمال قوانین فازی (مرحله استنتاج فازی) واستفاده از حد آستانه برای غیر فازی سازی، تصویر مربوط به کلاس راه به دست می آید. علاوه بر سیستم فازی ساده، روش تطبیقی فازی-عصبی (anfis) در مرحله کشف راه جهت شناسایی کلاس راه پیاده سازی گردید. علاوه بر اطلاعات طیفی از اطلاعات بافت تصویر نیزجهت پیاده سازی الگوریتم استفاده شده ودر نهایت مقایسه نتایج روش های مذکور برای دستیابی به سیستمی مطلوب تر جهت استخراج راه انجام گرفت. در ادامه، استخراج شبکه برداری راه از تصویر حاصل از مرحله کشف راه در دو گام کلی شامل کشف نقاط کلیدی راه با انجام خوشه بندی k-means در فضای تصویر و ایجاد اتصالات بین این نقاط با بهره گیری از تئوری گراف والگوریتم mst انجام گرفت، که این امر شرایط را جهت استخراج مرکز عارضه راه وانتقال برداری این اطلاعات به سیستم های gis فراهم می آورد. رسیدن به خطای 81?91 درصد در طبقه بندی تصویر به دو کلاس راه وغیر راه درسیستم فازی-عصبی تطبیقی(anfis) و رسیدن به خطای rmse برابر با 85?0 پیکسل از محور راه استخراج شده با واقعیت زمینی آن، نشانگر موفقیت کلی سیستم پیشنهاد شده جهت استخراج اتوماتیک راه می باشد.

یکی از جدیدترین و پرکاربردترین سنجنده های هوایی که امروزه تصاویر آن جهت تولید و بهنگام رسانی نقشه های بزرگ مقیاس شهری بکارگرفته می شود، سنجنده ی ultracamd می باشد. از طرفی با توجه به در اختیار داشتن این سنجنده بعنوان مهم ترین سنجنده جهت کاربردهای فتوگرامتری هوایی در کشور، و تصویربرداری از مناطق مختلف شهری و غیر شهری در مقیاس های متفاوت، هدف این پایان نامه بررسی و ارزیابی دقت هندسی این تصاویر به منظور شناسایی پتانسیل هندسی تصاویر این سنجنده با قدرت تفکیک مکانی بالا، جهت تولید و بروزرساتی نقشه های بزرگ مقیاس پوششی می باشد. برای این منظور از پارامترهای هندسی متفاوتی استفاده شده است. یکی از مهم ترین پارامترهای هندسی تصاویر پارامتر حد تفکیک مکانی بوده که به عنوان معیاری جهت تشخیص کوچکترین فاصله بین دو شی مجاور قابل تفکیک در تصاویر شناخته شده است. برای اندازه گیری دقیق حد تفکیک مکانی، تارگت هایی با شکل هندسی مشخص در تصاویر بکار گرفته می شوند. این تارگت ها می توانند تارگت های مصنوعی استاندارد بوده و یا عوارض طبیعی موجود در تصویر باشند. در این تحقیق، نحوه ی اندازه گیری پارامتر حد تفکیک مکانی تصاویر سنجنده ی هوایی ultracamd، با استفاده از تارگت های دایره ای ستاره سایمنز ، به عنوان یکی از پرکاربردترین تارگت های مصنوعی مورد استفاده در اندازه گیری این پارامتر، مورد ارزیابی قرار گرفته است. بعلاوه شکل هندسی خاص تارگت مورد استفاده، امکان اندازه گیری این پارامتر در جهات مختلف در تصویر را فراهم کرد. نتایج حاصل حاکی از تغییر این پارامتر در جهت های مختلف بوده به شکلی که بیشترین مقدار در جهت عمود بر پرواز و کمترین مقدار در جهت پرواز رخ داده است. یکی دیگر از تحقیقات انجام شده در این پایان نامه، استفاده از مدل های فیزیکی و غیرفیزیکی به منظور عملیات های مدلسازی اعوجاجات سیستماتیک موجود در سطح تصاویر، ترفیع وتقاطع فضایی و با استفاده از نقاط کنترل استخراج شده از نقشه های بزرگ مقیاس منطقه ی مورد نظر می باشد. مدل های بکار گرفته شده در این تحقیق عبارتند از مدل های چندجمله ای دو بعدی و سه بعدی، مدل توابع کسری و مدل شرط هم خطی، که از مرسوم ترین مدل های موجود در فتوگرامتری بوده، و rmse نقاط چک زمینی به عنوان معیار سنجش کارآیی مدل ها در نظر گرفته شده است. نتایج نشان داد که در این تصاویر اعوجاجات مرتبه ی 2 به عنوان خطای سیستماتیک غالب در تصاویر حضور دارند. از طرفی بهترین مدل جهت مدلسازی اعوجاجات موجود در تصویر، مدل شرط هم خطی در حالت سلف کالیبراسیون و بهمراه پارامترهای اضافی می باشد. دقت های بدست آمده از دیگر مدل ها نیز نشان داد که این تصاویر از دقت هندسی بالا و در حد زیر پیکسل تصویربرداری، برخوردار می باشند. نتایج بررسی حساسیت مدل ها در برابر تعداد و نحوه ی توزیع نقاط کنترل مختلف نیز مبنی بر اینست که مدل شرط هم خطی و مدل dlt از بیشترین پایداری نسبت به توزیع نقاط کنترل برخوردار بوده و کمترین تعداد نقاط کنترل را نیز جهت دستیابی به بالاترین سطح دقت نیاز دارند. نتایج حاصل از عملیات تقاطع فضایی نیز نشان داد که این تصاویر از دقت ارتفاعی بالایی برخوردار بوده و بعلاوه، استفاده از پارامترهای اضافی ازیک طرف و افزایش باز هوایی از طرف دیگر موجب افزایش دقت ارتفاعی بدست آمده خواهند شد.

هندسه اپی پلار یکی از کارآمدترین ابزارهای پردازش تصاویر پوشش دار به حساب می آید، و به طور گسترده ای در علوم مختلف مورد استفاده قرار می گیرد. یکی از مهم ترین ویژگی های هندسه اپی پلار وابستگی آن به مدل سنجنده است، که این ویژگی سبب تفاوت نحوه بکارگیری هندسه اپی پلار برای انواع سیستم های تصویربرداری می گردد. به عنوان مثال در جوامع دید ماشینی و برای تصاویر برد کوتاه، هندسه اپی پلار در قالب ماتریس اساسی مورد استفاده قرار می گیرد؛ و در جوامع فتوگرامتری و برای تصاویر هوایی، هندسه اپی پلار براساس معادلات شرط هم خطی به کار گرفته می شود. هرچند هندسه اپی پلار در پردازش تصاویر ماهواره ای اخذ شده توسط سنجنده های خطی پوش بروم نیز می تواند بسیار مفید واقع شود، اما با این وجود هیچ گاه استقبال از هندسه اپی پلار در پردازش این تصاویر به گستردگی تصاویر فریم نبوده است؛ که مهم ترین دلیل این امر را باید در عدم وجود شناختی عمیق و دقیق از هندسه اپی پلار در تصویربرداری خطی پوش بروم جستجو کرد. با توجه به اینکه اکثر تحقیقات صورت پذیرفته در زمینه هندسه اپی پلار تصاویر خطی به برآورد و ارزیابی منحنی های اپی پلار معطوف بوده، و همچنین با توجه به نارسایی این شیوه در ارزیابی مدل های اپی پلاریتی، عملکرد مدل های ریاضی مختلف در تولید تصاویر نرمال، مبنای مقایسه آنها در بازسازی هندسه اپی پلار قرار گرفت. تا کنون بر مبنای مدل های غیرفیزیکی چندین روش برای بازنمونه برداری اپی پلار تصاویر خطی پیشنهاد گردیده است؛ اما از آنجا که هنوز روشی بر مبنای مدل های فیزیکی برای این منظور پیشنهاد نشده، امکان سنجی و توسعه چنین روشی به عنوان یکی از اهداف این پژوهش مورد توجه قرار گرفت. نتیجه این بخش از پژوهش، توسعه مدلی برای بازآرایی اپی پلار تصاویر خطی بر مبنای تصحیح مسیر سنجنده بود. از سوی دیگر، برای مقایسه منصفانه عملکرد مدل های فیزیکی و غیرفیزیکی، لازم است شرایط انجام آزمایش برای هر دو نوع مدل تا حد امکان یکسان در نظر گرفته شود. در نتیجه، روش پیشنهادی برای بازآرایی اپی پلار تصاویر خطی به گونه ای تغییر داده شد تا با استفاده از هر دو نوع مدل های فیزیکی و غیرفیزیکی قابل پیاده سازی باشد؛ که نتیجه این بخش از پژوهش، توسعه مدلی برای بازآرایی اپی پلار تصاویر خطی بر مبنای تصحیح پوشش زمینی تصاویر پوشش دار بود. به این ترتیب، با فراهم آمدن ابزاری مناسب برای ارزیابی عملکرد مدل های فیزیکی و غیرفیزیکی در بازسازی هندسه اپی پلار تصاویر خطی، عملکرد مدل پارامترهای مداری ولدان زوج و مدل مراکز تصویر چندگانه به عنوان دو مدل فیزیکی، و مدل توابع کسری به عنوان یک مدل غیرفیزیکی، از سه دیدگاه دقت تصحیح هندسی، دقت تصاویر شبه نرمال تولید شده، و کارآیی مدل ریاضی مورد استفاده با یکدیگر مقایسه گردید. بر اساس نتایج تحقیق، مدل پارامترهای مداری ولدان زوج از نظر دقت تصحیح هندسی و دقت تصاویر شبه نرمال تولید شده به عنوان دقیق ترین مدل، و مدل مراکز تصویر چندگانه با ارزیابی پارامترهایی نظیر سهولت، سرعت و انعطاف پذیری مدل برای انطباق با شرایط مفروض در فرآیند تولید تصاویر شبه نرمال، به عنوان کارآمدترین مدل شناخته شد. در پایان باید اذعان نمود هرچند روش پیشنهادی برای بازآرایی اپی پلار تصاویر خطی بر مبنای تصحیح پوشش زمینی تصاویر برای مقایسه عملکرد مدل های فیزیکی و غیرفیزیکی در بازسازی هندسه اپی پلار تصاویر خطی مناسب به نظر می رسد، اما با توجه به ماهیت غیرفیزیکی بخشی از این فرآیند، نمی توان با استفاده از آن به شناخت هندسه اپی پلار تصاویر خطی پوش بروم از نقطه نظر هندسی و فیزیکی پرداخت. از این روی، در ادامه سعی شد با شناسایی عوامل تخریب کننده ماهیت فیزیکی مدل و ارائه راه کارهایی برای مرتفع ساختن آنها، مدلی برای بازنمونه برداری اپی پلار تصاویر خطی پیشنهاد شود. نتیجه این بخش از پژوهش توسعه مدلی برای بازنمونه برداری اپی پلار تصاویر خطی پوش بروم بر مبنای تصحیح مسیر سنجنده در فضای تصاویر پوشش دار بود.

چکیده ندارد.

استفاده از داده‏های چند کاناله سنجنده‏های رادار با روزنه مجازی (sar ) به دلیل مستقل بودن از شرایط جوی و نور خورشید و نیز دارا بودن قابلیت بالا در استخراج تغییرات در مقایسه با حالت تک کاناله، در کاربردهای مختلفی مانند نظارت بر محیط زیست و مدیریت بلایای طبیعی بسیار توجیه‏پذیر است. با این حال، بهره‏برداری از این قابلیت‏ها نیازمند استفاده از روش‏های دقیق و اتوماتیک برای تولید نقشه‏های تغییرات از تصاویر اخذ شده از منطقه جغرافیایی یکسان، در پلاریزاسیون‏ها و یا فرکانس‏های مختلف مربوط به زمان‏های متفاوت می‏باشد. از طرف دیگر، در نظرگرفتن وابستگی مکانی مابین پیکسل‏های همسایه می‏تواند به حذف خطاهای برچسب‏گذاری پیکسل‏های منفرد کمک کرده و نقشه تغییرات را بهبود ‏بخشد. حذف نویز نقطه‏ای و ماهیت ایزوتروپیک مدل‏سازی میدان‏های تصادفی مارکوف، موجب نرم شدن مرزهای مکانی بین مناطق تغییریافته و تغییرنیافته در نقشه تغییرات نهایی می‏گردد. به منظور حذف یا حتی‏الامکان کاهش این اثر نامطلوب، استفاده از مدل‏ مارکوف در راستای دخیل نمودن اطلاعات لبه‏ها‏ در فرآیند برچسب‏گذاری پیشنهاد می‏گردد. این روند موجب بهبود دقت لبه‏ها در محل مرزهای مکانی شده و دقت آشکارسازی تغییرات را ارتقاء می‏بخشد. در این تحقیق، یک مدل مارکوف به منظور تشخیص نظارت‏نشده تغییرات از طریق ترکیب اطلاعات موجود در هر یک از کانال‏هایsar ، اطلاعات بافت مکانی و نیز اطلاعات لبه معرفی شده و با استفاده از "توابع انرژی" فرموله شده است. به منظور برآورد پارامترهای مدل، الگوریتم‏ بیشینه‏سازی امید ریاضی( em) با روش مشتقات لگاریتمی (molc ) ترکیب شده است. الگوریتم پیشنهادی با داده‏های واقعی و نیمه‏شبیه‏سازی شده asar-envisat ارزیابی شده است. بر اساس نتایج، اضافه نمودن اطلاعات لبه برای داده‏های نیمه‏شبیه‏سازی‏شده، دقت کلی را به طور متوسط 12% و برای داده‏های واقعی به طور متوسط 6% افزایش داده است. الگوریتم پیشنهادی قابلیت شناسایی هر سه نوع تغییرات (کم- متوسط- زیاد) را دارا می‏باشد، این در حالی است که با در نظر گرفتن اطلاعات باندها و بافت مکانی، قدرت شناسایی تغییرات کم و متوسط بسیار پایین برآورد شده است. همچنین با توجه به تعداد دفعات تکرار پایین، زمان اجرای الگوریتم تا حد بالایی کاهش یافته است.

کیفیت زندگی در محیط شهری رابطه نزدیکی با وجود پوشش گیاهی دارد، رشد شهرها و مشکلات مربوط به محیط شهری برنامه ریزان را وادار به اجرای سیاست هایی برای ارتقای کیفیت محیط شهری کرده است. بنابراین تهیه نقشه پوشش گیاهی برای برنامه ریزی و مدیریت شهر امری حیاتی است. با توجه به پیچیدگی محیط شهری و پراکنده بودن پوشش گیاهی در این مناطق، برای تولید یک نقشه دقیق و قابل اعتماد از پوشش گیاهی این مناطق نیاز به استفاده از تصاویر با قدرت تفکیک مکانی بالا است. اما با توجه به وسعت شهرها و تغییرات سریع در وضعیت پوشش گیاهی، تهیه نقشه های درصد پوشش گیاهی به روش میدانی و حتی استفاده از تصاویر هوایی و ماهواره ای با قدرت تفکیک مکانی بالا هزینه زیادی خواهد داشت. در این تحقیق هدف تعیین درصد پوشش گیاهی برای یک منطقه شهری با استفاده از یک تصویر با قدرت تفکیک مکانی متوسط و با کمک یک تصویر با قدرت تفکیک مکانی بالا می باشد. روش اصلی مورد استفاده در این مطالعه جهت تخمین درصد پوشش گیاهی شهر شیراز استفاده از رگرسیون آماری می باشد که بین درصد پوشش گیاهی و شاخص های گیاهی و یا مقادیر باندها ارتباط برقرار می کند. یکی از روش های برآورد درصد پوشش گیاهی استفاده از مدل های جداسازی می باشد. در این تحقیق از روش آنالیز اختلاط طیفی خطی و روشی بر پایه شبکه عصبی برای جداسازی اجزای اصلی پیکسل ها استفاده شد. داده های مورد استفاده در این تحقیق یک تصویر با قدرت تفکیک مکانی بالا ikonos و یک تصویر landsat با قدرت تفکیک مکانی متوسط می باشد. درصد پوشش گیاهی واقعی در این تحقیق از تصویر ikonos استخراج می شود و برای به دست آوردن ضرایب رگرسیون و همین طور برآورد دقت مدل های به کار گرفته شده مورد استفاده قرار می گیرد. مقدار خطای جذر کمترین مربعات در زمانی که تنها از تصویر landsat استفاده شود 149/0 و در صورتی که از تصویر ikonos کمک گرفته شود در بهترین حالت 0742/0 به دست آمد. این نتیجه نشان می دهد با استفاده از این روش و کمک گرفتن از قسمت کوچکی از یک تصویر ikonos می توان درصد پوشش گیاهی منطقه شهری را با دقت قابل قبولی ارائه داد.

به دلیل تغییر سریع جوامع بشری و به تبع آن رشد و گسترش شهرها و به منظور انجام بسیاری از پروژه های شهری و غیر شهری مانند مدیریت شهری و منابع طبیعی، مدیریت بحران، آنالیز تغییر کاربری زمین، مطالعه جابجائی زمین های کشاورزی، تخمین خسارت، تخمین میزان جنگل زدائی، مطالعه تغییرات فصلی در محصولات مراتع و اهدافی از این قبیل بدون در اختیار داشتن اطلاعات و نقشه های جامع، دقیق، یکپارچه و به روز از محیط پیرامون، غیر ممکن می باشد. به همین منظور یکی از مسائل مهمی که نظر کارشناسان را به خود جلب کرده است، بررسی و شناسائی تغییرات عوارض می باشد. امروزه همزمان با پیشرفت آنالیزهای مطرح در پردازش تصویر و امکان به کارکیری سنجنده های دارای قدرت تفکیک مکانی و رادیومتریکی بالا، نه تنها تنوع اطلاعات قابل ثبت از سطح زمین افزایش یافته، بلکه امکان دسترسی هرچه سریع تر به این داده ها فراهم آمده است. در چنین شرایطی با توجه به نیازمندی به داشتن اطلاعات سریع تغییرات صورت گرفته، اتوماتیک سازی تعیین تغییرات و به هنگام رسانی داده ها امری لازم و ضروری می باشد. در این تحقیق هدف افزایش هرچه بیشتر سطح اتوماسیون روند شناسائی تغییرات می باشد. برای این منظور از یک نقشه رقومی قدیمی 1:25000 از منطقه شیراز و تصاویر ماهواره ای irs-p5 و irs-p6 از همان منطقه مورداستفاده قرار گرفته است. به منظور استخراج تغییرات رخ داده در کلاس های مناطق مسکونی، پوشش گیاهی و زمین های زراعی، از یک روش شی گرا استفاده شده است. در این راستا از یک روش طبقه بندی نظارت شده بر مبنای به کارگیری هم زمان شی های تصویری و ویژگی های قابل استخراج از عوارض استفاده گردید. جهت اتوماتیک سازی این مرحله، آموزش سیستم توسط داده های آموزشی که به صورت اتوماتیک استخراج شده و مورد ویرایش قرار گرفته انجام پذیرفته است. نتایج دقت طبقه بندی های انجام شده توسط داده های آموزشی استخراج شده و ویرایش شده بهبود 15 درصدی را در آن نشان می دهد، که این اهمیت مرحله ویرایش داده های آموزشی را مشخص می کند. به دلیل آن که دقت طبقه بندی کلاس راه در این روش مناسب نبود تغییرات در سه کلاس مناطق ساختمانی، زمین های زراعی و پوشش گیاهی استخراج شدند. نقشه تغییرات برای نواحی بدون تغییر و حذف شده با دقت بالای 86 درصد نشان دهنده عملکرد خوب این روش اتوماتیک در استخراج این گونه تغییرات می باشد. و همچنین دقت نواحی اضافه شده نیز با توجه به محدودیت های موجود نقشه رقومی مانند کم بودن پوشش برخی کلاس ها مانند کلاس پوشش گیاهی و به تبع آن استخراج کم داده های آموزشی به ترتیب برای کلاس مناطق مسکونی، زمین های زراعی و پوشش گیاهی به صورت 83/76%، 16/80 و 87/64 % بوده است. این دقت ها با توجه به آن که این نقشه تغییرات با نقشه تغییراتی که به صورت دستی تهیه شده است مورد ارزیابی قرار گرفته است و نقشه تغییرات دستی نیز عدم قطعیت های مخصوص به خود را دارد دقت های قابل قبولی می باشند.

این تز به بررسی مسیریابی در شبکه های حمل و نقل شهری می پردازد در ابتدا شبکه های استاتیک و دینامیک بررسی می شوند با وجودیکه شبکه های حمل و نقل شهری در زمره شبکه های دینامیک هستند ولی با استفاده از راه حل هایی که برای شبکه های استاتیک وجود دارد تاحدی می توان از پیچیدگی های این شبکه ها کاست. سپس به بررسی برخی آلگوریتم های معروف می پردازیم در میان این آلگوریتم ها، الگوریتم دیجسترا خوشنام ترین الگوریتم است که نوع خاصی از آن که الگوریتم a نامیده می شود برای اجرای این استفاده می شود. مهمترین مشکلی که در ارتباط با استفاده علمی از این پروژه وجود دارد مسئله ورود اطلاعات ترافیکی به برنامه آنالیز کننده الگوریتم است زیرا اطلاعات ترافیکی بطور دائم در حال تغییر می باشند. در فصل 5 پارامترهای مختلف موثر در ترافیک بررسی می شوند و مشاهده می شود که بعلت ماهیت غیرقابل پیش بینی بودن بسیاری از این پارامترها نمی توان مدل قابل اطمینان و موثری برای اطلاعات ترافیکی ارائه کرد. در این تز با ارائه یک راه حل نو و ابتکاری با استفاده از زبان برنامه نویسی جاوا یک برنامه برای این منظور نوشته می شود که می تواند در محیط اینترنت بطور کاملا عملی جوابگوی نیازهای ما باشد.

غنای طیفی تصاویر ابرطیفی به اندازه ای بالاست که آن ها را برای بسیاری از کاربردها مناسب می نماید. استفاده از این استعداد نهفته البته با چالش هایی نیز همراه می باشد. در زمینه ی طبقه بندی نظارت شده یکی از این چالش ها نیاز به تعداد نمونه های آموزشی بیشتر است. در طبقه بندی این مساله تحت عنوان پدیده ی هاف شناخته می شود. کارایی طبقه بندی کننده های متداول که ذاتاً برای پردازش تصاویر چند طیفی توسعه داده شده اند، هنگام اعمال بر روی تصاویر ابرطیفی بسیار پایین می آید. استفاده از روش های کاهش ویژگی قبل از انجام طبقه بندی یکی از راه های مقابله با این مشکل است. نوع دیگری از طبقه بندی کننده ها وجود دارند که ذاتاً بر مبنای خصوصیات فضاهای ابربعدی توسعه یافته اند. این طبقه بندی کننده ها، طبقه بندی کننده-های مبتنی بر استفاده از زیرفضا نام دارند. طبقه بندی کننده های مبتنی بر استفاده از زیرفضا برای طبقه بندی تصاویر ابرطیفی نیازی به پیش پردازش کاهش ویژگی ندارند. در این پایان نامه مقایسه ی جامعی بین عملکرد روش های طبقه بندی مبتنی بر استفاده از زیرفضا و طبقه-بندی مبتنی بر سناریوی استفاده از پیش پردازش کاهش ویژگی صورت گرفته است. سه طبقه بندی کننده ی مبتنی بر استفاده از زیرفضای clafic، msm و alsm و دو طبقه بندی کننده ی متداول یک نزدیک ترین همسایگی و حداکثر شباهت که پس از کم کردن از تعداد ویژگی ها به کمک روش های کاهش ویژگی sfs، lda و nwfe مورد استفاده قرار گرفته اند، روش های طبقه بندی هستند که در این پایان نامه مقایسه شده-اند. نتایج آزمایش ها بر روی داده ی ابرطیفی متداول indian pine از برتری alsm بر سایر روش ها به ویژه در صورت وجود تعداد کافی نمونه ی آموزشی حکایت دارد. دقت alsm در این وضعیت از بهترین دقت سایر طبقه بندی کننده های مبتنی بر استفاده از زیرفضا 28/6 درصد و از بهترین دقت سناریوی طبقه بندی مبتنی بر استفاده از پیش پردازش کاهش ویژگی 28/1 درصد بیشتر است. حساسیت طبقه بندی کننده های مبتنی بر استفاده از زیرفضا به تعداد نمونه های آموزشی و کارایی آن ها در طبقه بندی ویژگی های با تعدادی بیشتر از توانایی پردازش روش های کاهش ویژگی از دیگر مواردی هستند که در این پایان نامه بررسی شده اند. نتایج آزمایش ها نشان می دهد، بدون داشتن نگرانی در مورد تعداد نمونه های آموزشی می توان از آن ها برای طبقه بندی فضاهای ویژگی ابربعدی و مافوق ابربعدی استفاده کرد. به لطف این مزیت طبقه بندی کننده های مبتنی بر استفاده از زیرفضا، امکان پردازش هم زمان ویژگی های حاوی اطلاعات محتوایی به همراه ویژگی های طیفی فراهم می شود. نتایج آزمایش ها نشان می دهد، پردازش هم زمان ویژگی-های حاوی اطلاعات محتوایی و روابط بین پیکسلی به همراه ویژگی های طیفی به کمک استفاده از طبقه-بندی کننده ی مبتنی بر استفاده از زیرفضای پایه ی clafic رسیدن به دقت بالای 95 درصد را در طبقه-بندی به همراه داشته است. در این پایان نامه هم چنین، یک طبقه بندی کننده ی مبتنی بر استفاده از زیرفضای جدید توسعه داده شد که عملکرد آن در طبقه بندی تصاویر ابرطیفی به کمک تعداد محدودی نمونه ی آموزشی بهتر از سایر طبقه-بندی کننده های مبتنی بر استفاده از زیرفضا است. دقت این طبقه بندی کننده که spfs نام گرفت در این وضعیت از بهترین دقت به دست آمده با سایر طبقه بندی کننده های مبتنی بر استفاده از زیرفضا 34/1 درصد بیشتر می باشد. طبقه بندی کننده ی مبتنی بر استفاده از زیرفضای توسعه داده شده علاوه بر این برخلاف سایر طبقه بندی کننده های مبتنی بر استفاده از زیرفضا هیچ پارامتر نیازمند تنظیمی ندارد و بنابراین سطح اتوماسیون آن نسبت به طبقه بندی کننده های مبتنی بر استفاده از زیرفضای دیگر بالاتر است.

در این پژوهش هدف بررسی روشی دقیق جهت برقراری ارتباط میان تصویر رستری و نقشه برداری با کمک گرفتن از مفهوم تناظریابی می باشد. عوارض بکار گرفته شده در این پروسه، نقاط تقاطع شبکه راه می باشد و تمرکز بر روی ارائه روشی نوین و کارا جهت تعیین موقعیت دقیق و خودکار نقطه تقاطع شبکه راه بصورت مستقیم می باشد. داده ی مورد استفاده در این روند تصویر ikonos شهر شیراز به همراه نقشه ی 1:2000 ناحیه مذکور می باشد. این پژوهش شامل چهار قسمت اصلی می باشد. قسمت اول این پروسه انتخاب و تعیین موقعیت نقاط تقاطع شبکه راه مناسب از روی نقشه برداری و تعیین پنجره های متناظر این نقاط بر روی تصویر می باشد. قسمت دوم تعیین موقعیت دقیق نقاط تقاطع شبکه راه روی تصویر ماهواره ای می باشد که این بخش حساس ترین قسمت این پژوهش و شامل 3 مرحله می باشد. این مراحل عبارتند از: 1) تخمین پیکسل های شبکه راه، 2) شناسایی پیکسل های لبه ی ناحیه تقاطع شبکه راه و 3) استخراج نقاط تقاطع شبکه راه. در مرحله 1 پس از خوشه بندی تصویر توسط الگوریتم k-means و حذف نوفه با استفاده از فیلتر میانه، با استفاده از توصیف گر میانگین بافت زاویه ای، پیکسل های کاندید شبکه راه تعیین گردیده است. در مرحله 2 ابتدا خطوط موجود در هر ناحیه با استفاده از فیلتر canny مشخص و خطوط کوچک آن حذف گردیده است. سپس با استفاده از آنالیز دایره مرکزی ناحیه تقاطع پیکسل های کاندید تقاطع شبکه راه تعیین و سپس با استفاده از المان دایره ای شکل استفاده شده و نیز پیکسل های تعیین شده به عنوان کاندید تقاطع شبکه راه، لبه ی ناحیه تقاطع راه مشخص می گردد. در مرحله 3 با استفاده از روشی پیشنهادی و نوین به پیکسل های لبه باقی مانده خط مستقیم برازش داده شده است و در ادامه با بررسی وضعیت این خطوط نسبت به یکدیگر و فاصله آنها با شبکه راه محور مرکزی راه مشخص شده و با بررسی تقاطع این خطوط نقاط تقاطع شبکه راه تعیین گردیده است. در قسمت سوم و پس از تعیین موقعیت نقاط مورد نظر با استفاده از دو تابع مشابهت و پلی نومیال درجه1 تصویر زمین مرجع شده است. در قسمت پایانی این روند به بررسی دقت الگوریتم در زمینه تعیین موقعیت تقاط تقاطع شبکه راه و پس از آن به بررسی دقت زمین مرجع شدن تصویر با استفاده از نقاط فوق و توابع ذکر شده پرداخته شده است. پارامتر استفاده شده در این زمینه تعیین دقت الگوریتم پارامتر rmse می باشد. در انتهای این پژوهش مشاهده می شود الگوریتم تعیین موقعیت نقاط تقاطع شبکه راه با دقتی در حدود نیم پیکسل به شناسایی محل دقیق تقاطع شبکه بصورت خودکار نایل گردیده و همینطور در زمینه زمین مرجع نمودن تصویر توانسته دقت کمتر از یک پیکسل را حاصل نماید.

جنگل ها 31 درصد از سطح خشکی ها را پوشش داده اند و نقش مهمی را برای بشر و طبیعت به همراه دارند. سالیانه در کشور ما صدها مورد آتش سوزی در جنگل ها و مراتع رخ می دهد و هزاران هکتار از درختان، درختچه ها و گیاهان را طعمه خود می سازد. به دلیل قرار گرفتن کشور ایران در کمربند خشک کره زمین و ناحیه پرفشار جنب حاره ای، شرایط جوی لازم جهت وقوع آتش سوزی در جنگل ها و مراتع فراهم می باشد. از طرفی عوامل انسانی نیز از عوامل بسیار مهم حریق در مناطق مختلف ایران می باشد. آتش سوزی اثرات زیان باری نظیر تخریب چرخه طبیعت و محیط زیست، گرم شدن زمین، از بین رفتن پوشش گیاهی سطح خاک، خشک شدن خاک منطقه و ... را در پی دارد. در نتیجه پیش بینی و جلوگیری از بروز گسترش آتش سوزی در این مناطق از اهمیت زیادی برخوردار می باشد. سنجش از دور و سیستم اطلاعات جغرافیایی به طور گسترده برای مدیریت آتش سوزی و پیشگیری از آن مورد استفاده قرار می گیرند. در این تحقیق تکنیک های سنجش از دور و سیستم اطلاعات جغرافیایی برای مدیریت آتش سوزی مورد بحث و بررسی قرار گرفته شده است. در این تحقیق دو مدل گسترش آتش سوزیcellular atummata و farsite که به ترتیب مدل های گسترش آتش سوزی جنگل مکانی و مکانی¬زمانی می باشند، با توجه به منطقه مورد مطالعه که مربوط به جنگل های شهرستان مینودشت و آزادشهر استان گلستان است انتخاب شده اند. در مدل ca ورودی یک تصویر طبقه بندی شده با دو کلاس جنگل و غیر جنگل می باشد. در این تحقیق از سه روش طبقه بندی ماکزیمم شباهت، k means clustering که پیکسل¬مبنا می باشند و نزدیک ترین همسایگی که شی¬مبنا می باشد استفاده شده است. با توجه به مقادیر دقت کلی و ضریب کاپا که برای هر یک از سه روش بالا به ترتیب 02/97%، 91/85%، 18/98%و 6654/0، 9212/0و 9528/0 می باشد و با توجه به نتایج بصری به دست آمده از طبقه بندی در این تحقیق استفاده از روش نزدیک ترین همسایگی شی مبنا در مدل گسترش آتش سوزی ca مناسب تر می باشد. در این تحقیق از شرایط محیطی شامل درجه حرارت، رطوبت نسبی، درجه حرارت، جهت باد و مدل مواد سوختنی و وضعیت مکانی منطقه مانند نقشه شیب، جهت شیب و مدل رقومی ارتفاعی به عنوان ورودی در مدل گسترش آتش سوزی farsite استفاده نموده است. به دلیل استفاده از پارامترهای محیطی در این تحقیق در مقایسه بصری مدل ایجاد شده به ناحیه تعریف شده توسط سازمان جنگل ها نزدیک تر می باشد.

امروزه دوربین های دیجیتالی بطور وسیعی برای فتوگرامتری برد کوتاه مورد استفاده قرار می گیرند. بدلیل امکان ذخیره تصاویر، قابلیت حمل و نقل آسان و امکان پردازش سریع داده، دوربین های دیجیتالی جایگزین دوربینهای آنالوگ شده اند و برای کاربردهایی از قبیل نمایش و اندازه گیری جابجاییهای سازه ها، کاربردهای صنعتی و صنایع هوائی مورد استفاده قرار می گیرند. دوربین های دیجیتالی دارای انواع متنوعی بوده وبه صورت تک لنزی و یا متشکل از لنز متغیر، موجود می باشد. جهت استفاده از این دوربین ها در کاربردهای فتوگرامتری، لازم است نقش پارامترهای کالیبراسیون در فرآیند عکسبرداری بررسی شود. کالیبراسیون دوربین فرآیندی است که خطای سیستماتیک را مدل کرده و موجب برقراری ارتباط بین دو فضای شی و تصویر می گردد. روشهای مختلفی برای کالیبراسیون دوربینها وجود دارد ولی به علت تنوع و قابلیتهای متفاوت دوربینها یک روش استاندارد برای کالیبره کردن دوربین ها وجود ندارد و اغلب روشها ترکیبی از روش سرشکنی دسته اشعه می باشند. با توجه به خصوصیات دوربین های دیجیتالی لازم بود که تأثیر پارامترهای کالیبراسیون بروی یک نمونه از این دوربینها بررسی شود و سپس در یک کاربرد فتوگرامتری بکار برده شود. دوربین مورد نظر برای این تحقیق، دوربین دیجیتالی canon pro 90 با لنز متغیر است که برای بررسی کالیبراسیون این دوربین از روش سرشکنی دسته اشعه و روش المانهای محدود در دوتست فیلد استفاده می شود. در این تحقیق از روش سرشکنی دسته اشعه در چهار حالت مشتکل از پارامترهای xo,yo,c,k1,k2,p1,p2,sx,a و از روش المانهای محدود با 4المان استفاده شده است نتایج حاصل از روش سرشکنی دسته اشعه با 4 حالت از پارامترهای کالیبراسیون نشان می دهد که دقت مختصات شی دوربین با افزایش پارامترهای کالیبراسیون افزایش محسوسی نداشته و می توان با 4 پارامتر کالیبراسیون xo,yo,c,k1 تحت شرایط تصویر برداری انتخاب شده در این پایان نامه به دقت نیم میلی متر در جهت x,y و 20/1 میلی متر در جهت z دست یافت و می توان با در نظر گرفتن چهار پارامترکالیبراسیون فوق برای این دوربین، از آن در کاربردهای فتوگرامتری برد کوتاه استفاده کرد نتایج حاصل از روش المانهای محدود با چهار المان نشان می دهد که دقت مخصتات شی آن کمتر از روش سرشکنی دسته اشعه می باشد. و جهت رسیدن به دقتهای بالاتر لازم است که از المانهای بیشتری استفاده گردد. با توجه به پارامترهای کالیبراسیون تخمین زده شده برای تصاویر این دوربین می توان چنین نتیجه گیری کرد که پارامترهای کالیبراسیون از هر تصویر به تصویر دیگر متفاوت بوده و نمی توان به صورت عددی بر مقادیر آن تأکید کرد و تنها می توان، تأثیر پارامترهای کالیبراسیون را در فضای شی بحث کرد و پارامترهای موثر افزایش دقت دوربین را شناسایی و به دوربین معرفی کرد. بنابراین پارامترهای کالیبراسیون در این دوربین تابع زمان، فوکوس، فاصله کانونی و دیافراگم بوده و در هر پروژه نیاز است که پارامترهای کالیبراسیون دوربین تخمین زده شود

کاربرد رادار با روزنه¬ی مجازی (sar) در بسیاری از زمینه¬ها ثابت شده است. در تمام این زمینه¬ها، از مقدار پارامترهای مختلف راداری مانند ضریب بازپراکنش استفاده می¬شود. بنابراین ضروری است تمام عوامل تأثیرگذار روی مقدار پارامترهای مذکور شناخته شوند. عوامل محیطی مانند رطوبت خاک، رطوبت سطح (ناشی از باران، شبنم و مه)، تغییرات دمایی، برف، سیلاب، باد و طوفان، و برفک و یخ از جمله فاکتورهایی هستند که روی میزان پراکنش تأثیر می¬گذارند. بنابراین برای رسیدن به خروجی¬های صحیح¬تر و در نظر گرفتن تصاویر مناسب برای کاربردهای مختلف، ضروری است که تأثیر آنها در نظر گرفته شود. در این کار هدف این است که تأثیر تغییر یک پارامتر سنجنده (مدار) و دو عامل محیطی دما و رطوبت روی ضرایب بازپراکنش راداری در پولاریزاسیون¬های مختلف، انواع مکانیزم های پراکنش، ارتفاع پدستال، امضای پلاریمتریک و طبقه-بندی برای کلاسهای مختلف در یک منطقه¬ی جنگلی در نظر گرفته شود. برای بررسی هر یک از این عوامل و همچنین اعتبارسنجی نتایج، سه دسته از تصاویر رادارست-2 انتخاب شدند که حتی-الامکان سایر پارامترهای تأثیرگذار به جز پارامتر مورد بررسی ثابت باشند. سپس ماتریس کووریانس برای تمام تصاویر استخراج شده و تصحیح زمینی و ژئوکد شدند. در مرحله¬ی بعد، با کمک داده های زمینی مقدار متوسط ضرایب بازپراکنش در هر سه پولاریزاسیون، ارتفاع پدستال، امضای پلاریمتریک برای هر کلاس محاسبه شده و متوسط فاصله¬ی ویشارت هر کلاس نسبت به کلاسهای دیگر به دست آمد. برای بررسی تأثیر عوامل محیطی روی مکانیزم های پراکنش، تجزیه¬ی freeman-durden روی تصاویر انجام گرفت و این تصاویر نیز به طور جداگانه تصحیح زمینی و ژئوکد شدند. سپس سهم متوسط هر یک از مکانیزم های پراکنش برای هر یک از کلاسها در هر تاریخ برای تمام کلاسها محاسبه شد. در نهایت، تغییر تمام پارامترهای مذکور در تاریخ های مختلف بررسی شده و تفسیر نتایج انجام گرفت. یافته¬ها در مورد تأثیر مدار نشان دادند که با ثابت ماندن مقدار سایر متغیرها، تغییر مدار سبب تغییر میزان بازپراکنش می¬شود که این میزان تغییر بستگی به فصل و شرایط منطقه¬ی مطالعاتی دارد. مهم¬ترین نتایجی که با تفسیر داده های مربوط به تغییرات دمایی به دست آمدند، این بود که دما به طور مستقیم روی بازپراکنش تأثیر نمی¬گذارد بلکه با تغییر سایر پارامترهای محیطی سبب تغییر میزان بازپراکنش می¬شود. وجود برف در منطقه-ی مورد مطالعه چه روی درخت و چه روی زمین سبب افزایش پراکنش سطحی شده و عدم وجود آن روی درخت سبب افزایش پراکنش حجمی می¬گردد. در کلاسهایی که شامل گیاه هستند، ارتفاع پدستال در دماهای زیر صفر کمتر از دماهای بالای صفر است. تفاوت قابل توجهی بین رفتار گونه¬های پهن برگ و سوزنی برگ در اثر تغییر دما مشاهده نمی¬شود، اگرچه برخی تفاوت¬های ظریف وجود دارند. در تمام تاریخ¬ها، پراکنش دوجهشه کمترین سهم را در بازپراکنش کلی داشت که به علت عمق نفوذ کمتر در باند c است. تصاویری که پوشیده از برف نیستند و در دمای صفر یا بالای صفر اخذ شده¬اند، برای طبقه¬بندی مناسب¬تر از تصاویری هستند که در آنها عوارض پوشیده از برف بوده و در دمای زیر صفر اخذ شده¬اند. یافته¬ها در مورد رطوبت سطح نشان دادند که وجود این عامل سبب افزایش بازپراکنش می¬شود و بیشترین تأثیر را روی پراکنش حجمی یا پولاریزاسیون hv می¬گذارد. بهترین تصاویر برای تفکیک گیاهان زمینی از سایر کلاسها تصاویری هستند که در آنها رطوبت سطح گیاهان بالاست. همچنین، مقدار میانگین ارتفاع پدستال با کاهش زاویه¬ی فرودی کاهش پیدا می¬کند. اگرچه نتایج مذکور از اهمیت برخوردارند، به پارامترهای سنسور و منطقه¬ی مورد مطالعه وابسته هستند. بنابراین به طور کلی، این کار یک دانش کلی از چگونگی تغییر پارامترهای مختلف در اثر تغییر عوامل محیطی در مناطق جنگلی و با سنجنده¬ی رادارست-2 ارائه می¬دهد و قابل تعمیم به تمام مناطق مطالعاتی یا پیکربندی دیگری از سنجنده نمی¬باشد.

پوسته جامد زمین از ترکیبات خاصی به نام کانی تشکیل شده است. شناسایی و پی¬جویی کانیها بخصوص کانیهای مهم اقتصادی، از جمله مسائلی است که طی سالیان متمادی مورد توجه محققین قرار گرفته است. بررسی روشهای متعدد آشکارسازی بر مبنای داده¬های ابرطیفی، حاکی از آن است که مطالعات انجام گرفته تاکنون تنها به طور خاص یا براساس فیلترهای برداری بوده و هیچ توجهی به باندهای جذبی و نواحی فعال طیفی نداشته¬اند و یا اینکه تنها بر اساس باندهای جذبی و فرآیند تعیین موقعیت این باندها تعریف شده¬اند و از مزیتهای روشهای پردازشی در فضای سیگنال بی¬بهره مانده¬اند. لذا در این پایان¬نامه قصد بر استفاده از طیف مشتق به عنوان ورودی الگوریتم آشکارسازی بوده، تا به این ترتیب نواقصی که در خصوص هر دسته از روشهای آشکارسازی مطرح شد، مرتفع گردد. در بخش اول از این کار، با انجام آنالیزهای طیفی یکی از مراتب مشتق به عنوان تفکیک¬پذیرترین طیف در هر تارگت انتخاب شده است تا همین مراتب از مشتق به عنوان ورودی آشکارسازی در مراحل بعد مورد استفاده قرار گیرند. در مرحله دوم، طیف منتخب برای آشکارسازی هر تارگت به همراه طیف مرتبه صفر از آن به عنوان مبنای آشکارسازی در منطقه مطالعاتی مورد استفاده قرار گرفته¬اند. روش آشکارسازی ارائه شده در این پایان¬نامه تحت عنوان "روش کمینه¬سازی انرژی مقید مشتقی" (dcem) معرفی شده و مبنای عملکرد آن براساس الگوریتم آشکارسازی "کمینه¬سازی انرژی مقید" است. در نهایت به منظور تهیه نقشه از کانیهای معدنی مورد مطالعه در منطقه، از ترکیب نتایج آشکارسازی تمامی تارگتها در سطح احتمال بهره برده شده است. نتایج حاصل از این مطالعه نشان داده است که مرتبه مناسب در آشکارسازی هر کانی وابسته به نوع تارگت مورد مطالعه بوده و بهره¬مندی از طیف مشتق امکان آشکارسازی دقیق¬تر اهداف معدنی را فراهم می¬آورد. این موضوع با توجه به ارزیابی نتایج براساس منحنی¬های roc و مقدار پارامتر auc حاصل شده است. به عنوان مثال مقدار auc، در آشکارسازی کانی کائولینیت برابر با 64/0 در طیف مرتبه صفر و 87/0 در طیف مشتق مرتبه اول از آن بوده است. ارزیابی نتایج براساس پارامتر نرخ آشکارسازی نیز بهبود قابل توجهی را پس از بهره¬مندی از طیف مشتق نمایش داده است.

امروزه برآورد میزان تغییرات نواحی نیمه¬ شهری مانند زمین¬های کشاورزی و زمین¬های زیر کشت، چنان اهمیتی دارد که امر برنامه ریزی و مدیریت آنها به عنوان یک ضرورت برای همه کشورها تلقی می¬شود، لذا در این راستا علوم سنجش از دور جهت رسیدن به این مهم، گام¬های مطلوبی را برداشته¬اند. برای کشف تغییرات روشهای گوناگونی در فتوگرامتری وسنجش از دور وجود دارد و شاید بتوان گفت که هیچکدام بصورت مطلق در تمام وجوه بهینه نمی¬باشند. انتخاب نوع روش، کار چندان ساده ای نیست و وابسته به کاربرد، تعداد و تراکم عوارض موردنظر، دقت مورد¬نیاز، دوره بهنگام رسانی، هزینه و پارامترهای بسیار دیگری می باشد. در این تحقیق تعیین روال مناسب جهت شناسایی تغییرات زمینهای زیر کشت و برآورد درصد آن تغییرات در یک منطقه نیمه شهری با ارائه روشی شئ¬گرا و با تکیه بر الگوریتم های شبکه عصبی و svm بصورت نظارت شده مورد بررسی قرار گرفته است. برای این منظور از تصاویر چندزمانه سنجنده¬های landsat استفاده و راهکارهای متفاوتی برای شناسایی تغییرات ارائه شده و با مقایسه نتایج حاصل، راهکار بهینه تعیین شده است. ایده اصلی به این طریق است که با استفاده از دو تصویر، یک تصویر هم مرجع شده چندزمانه که شامل کل لایه¬های دو تصویر دیگر می باشد تهیه شد. سپس با تعیین پارامترهای مناسب قطعه بندی بصورت تجربی، آن تصویر قطعه بندی و بعد از آن با استفاده از ترکیب کردن لایه های رنگی تصویر(روش ترکیب رنگی جمعی) و همچنین استفاده از روشهای طبقه بندی شئ گرا و اعمال آنها بر روی تک تصویر هم مرجع شده بدست آمده، مناطق تغییر یافته و تغییر نیافته ایجاد گردیده است. درنهایت برای برچسب زدن به مناطق مشتمل بر نواحی تغییریافته و تغییرنیافته و مشخص کردن کلاسها در آن، از نمونه های آموزشی که توسط کاربر خبره از یک تصویر انتخاب شدند، استفاده شده و نقشه تغییرات نهایی بدست آمده است. نتایج حاصل حاکی از آن است که این روش از جهت کاهش نمونه های آموزشی، افزایش سرعت و دقت (بطور میانگین 2.5 تا 3درصد) و افزایش اطلاعات مورد استفاده برای طبقه بندی و درنتیجه بالا رفتن درصد اطمینان بر روشهای معمول شناسایی تغییرات که از مقایسه دو تصویر چندزمانه با هم استفاده می¬کنند برتری دارد.

سنجنده های راداری و تصاویر sar با توجه به برخی ویژگی های منحصر به فرد خود همانند عدم نیاز به نور خورشید، توانایی نفود در سطح و قابلیت شناسایی جنس عوارض در حال حاضر استفاده های روز افزون و گسترده ای در سنجش از دور دارند. یکی از اهداف اصلی در سنجش از دور استخراج نقشه و اطلاعات مکانی از تصاویر ماهواره ای و هوایی می باشد. اولین مرحله جهت استخراج اطلاعات مکانی، زمین مرجع سازی تصویر می باشد. در حال حاضر، تلاش زیادی جهت استخراج این اطلاعات از تصاویر راداری بدون استفاده از روش های غیرفیزیکی صورت نگرفته است و تنها به استفاده از مدل توابع کسری بسنده شده است. در تحقیق پیش رو سعی خواهد شد، تا عملکرد مدل های مختلف غیرفیزیکی و ریاضی مبتنی بر درون یابی در زمین مرجع سازی تصاویر راداری ارزیابی شود. در این تحقیق یک تصویر راداری از سنجده terrasar_x، با استفاده از مدل های مختلف دو بعدی و سه بعدی و نیز مدل های عمومی و منطقه ای، ریاضی شامل مدل های عمومی چند جمله ای عادی و متعامد، افاین سه بعدی، مدل تبدیل مستقیم خطی و مدل توابع کسری و نیز مدل های منطقه ای نقطه-ای و چندجمله ای های متعامد، زمین مرجع سازی شده و عملکرد مدل ها با استفاده از پارامترهای مجذور میانگین مربعات خطا و زمان مورد نیاز برازش مدل، ارزیابی شده و نتایج ارائه خواهد شد. در پیاده سازی مدل-های مذکور دقت های مناسبی جهت زمین مرجع سازی تصاویر به دست آمده است، مانند دقت های نزدیک به 10 پیکسل برای مدل های دو بعدی و دقت های کمتر از 8 پیکسل در مدل های سه بعدی. همچنین تاثیر عوامل مختلف همانند پارامترهای موثر در فرم ریاضی مدل و همچنین حضور نقاط کنترل با خطای زیاد، در عملکرد مدل ها مورد تحقیق و بررسی قرار گرفته است.

انرژی تجدیدپذیر جایگزینی برای سوخت های فسیلی بوده و پایدار و بی ضرر برای محیط زیست می باشد. همچنین میزان گازهای گلخانه ای آزاد شده در زمان تولید انرژی، قابل چشم پوشی است. اما تولید پیوسته انرژی توسط یک نوع انرژی تجدیدپذیر به دلیل وابستگی آن به شرایط آب و هوایی غیر ممکن است. برای غلبه بر این مشکل دو یا تعداد بیشتری سیستم انرژی تجدیدپذیر با یکدیگر یا با نیروگاه سوخت فسیلی، و یا نوعی سیستم ذخیره ترکیب می شوند. استان فارس به علت موقعیت جغرافیایی خود دارای یکی از بالاترین پتانسیل های جذب انرژی خورشیدی در ایران می باشد. از این رو در این تحقیق، مکان یابی نیروگاه حرارتی خورشیدی از نوع متمرکزکننده های سهموی خطی که با نیروگاه سوخت فسیلی ترکیب می شوند، برای استان فارس مورد بررسی قرار می گیرد. به این منظور پارامتر میانگین روزانه تابش فرودی موج کوتاه خورشیدی با استفاده از محصولات سنجده terra- modis و مدل سینوسی محاسبه شد، که در شرایط آسمان بدون ابر مقادیر bise، rmse و r2 به ترتیب برابر با w/m223.96، w/m229.90و 0.88 می باشد. در شرایط ابری امکان ارزیابی این پارامتر وجود نداشت. سپس از میانگین فصلی تابش فرودی موج کوتاه برای امر مکان-یابی استفاده شد. جهت انجام پروسه مکان یابی ابتدا فاکتورهای فنی، اقتصادی، اجتماعی و زیست محیطی موثر در امر مکان یابی تعیین شده و سپس در محیط gis فاکتورها به روش فازی وزن دهی شده و توسط دو شبکه متفاوت استنتاج فازی ترکیب شدند. نتایج به دست آمده نشان دادند که منطق های اولیه طراحی شبکه با نتایج هماهنگی دارند. که این موضوع قابل انعطاف بودن روش فازی و توانایی آن در مدل کردن منطق ها و ارتباطات مختلف و پیچیده را نشان می دهد. نکات کلیدی: تابش فرودی موج کوتاه خورشیدی، انرژی تجدید پذیر، gis، terra-modis، استنتاج فازی

اهمیت و جایگاه آب در زندگی بشر بویژه در دنیای پیشرفته و بر جمعیت کنونی بر هیچ کس پوشیده نمی باشد. گسترش علم و صنعت و توسعه شهر ها، افزایش چندین برابری مصرف آب را موجب گردیده است. امروزه آب بعنوان یکی از تعیین کننده ترین پارامترهای برنامه ریزی های اجتماعی و حتی سیاسی مطرح شده، تا جایی که بسیاری از اندیشمندان نزاع های آینده کشورها را حول حقوق آبی هر کشور پیش بینی می کنند. تمامی این موارد لزوم استفاده صحیح و بهینه از آب را ضروری می نماید، که این استفاده بهینه مستلزم اطلاع از میزان آب موجود در منطقه تغییرات زمانی و مکانی آن و برنامه ریزی دقیق نگهداری و بهره برداری از آن می باشد که در این میان یخچال های طبیعی بعنوان یکی از منابع اصلی آب های سطحی از اهمیت بسزایی برخوردار می باشند و فناوری سنجش از دوره ماهواره ای بعنوان یک ابزار قوی و مهم می تواند ما را ر زمینه شناسایی و برآورد وسعت میدان های پوشیده شده از یخ و برف، به ویژه در نقاط صعب العبور کوهستانی باری رساند. اما در مورد مناطق برفگیر و یخچال های طبیعی با وسعت کوچک مثل یخچال های موجود در ایران که بزرگترین آنها مساحتی بیش از 5 کیلومتر مربع را ندارند. آنچنان مورد بررسی و پژوهشی واقع نگردیده اند آن چنان که متخصصین سایر کشورهای دنیا نیز به نتایج مطلوبی در مطالعه یخچال های کوچک نرسیده اند لذا باید این مسئله در ایران نیز مورد بررسی قرار گیرد تا در آینده بتوان راه حلی برای مطالعه مناطق برفگیر با وسعت کوچک از روش سنجش از دور ماهواره ای پیدا نمود. زیرا سنجش از دور بدلیل پیشرفت روز افزون و دسترسی خیلی سریع به اطلاعات و انجام آنالیزهای پیچیده با استفاده از نرم افزارها و سخت افزارهای موجود می توان با سهولت بیشتری به نتایج بهتر دقیق تر و سریعتری در مطالعه یخچال های طبیعی دست یافت این مسئله تا آنجا پیش رفته که می توان این فناوری را جایگزین روش های سنتی و قدیمی در این زمینه نموده که علاوه بر جلوگیری از هزینه های سرسام آور و زمان بری سایر روش ها و بسیاری از موارد دیگر بتوان این آزمایشات را در زمان ها و فصول مختلف مورد کنکاش قرار داد. در این تحقیق سعی گردیده که در ابتدا یخچال های طبیعی و اجزاء آنها مورد بررسی قرار گیرد. سپس از تحقیقات وپژوهش های سایر کشورها که در این زمینه انجام گرفته، اطلاعات مورد نیاز جمع آوری گردد. در مرحله بعدی بررسی یخچال های طبیعی ایران (انواع و اجزاء) آنها و استفاده های سنجش از دور ماهواره ای در بررسی یخچال های طبیعی که شامل جمع آوری اطلاعاتی مکانی از منطقه یخچالی انجام مطالعات اولیه بر روی آنها و آماده سازی و استاندارد سازی آنها، انجام روش های مختلف آنالیز و پردازش بر روی اطلاعات و نهایتا نتیجه گیری از این روش ها می باشد که می توان با استفاده از فناوری سنجش از دور ماهواره ای بسیاری از مشکلات و مسائل را در مورد یخچال های طبیعی مورد بررسی و ارزیابی قرار داد.

توزیع مکانی و فراوانی گیاهان شهری فاکتور کلیدی و موثر بر فرآیندهای بیوفیزیکی محیط زیست شهری از قبیل کیفیت آب و هوا، دما، رطوبت و بارش به شمار می رود. بنابراین با توجه به ارتباط پوشش گیاهی شهری و فرآیندهای بیوفیزیکی و اجتماعی سیستمهای شهری، نیاز به نقشه برداری و طبقه بندی گیاهان شهری به وضوح احساس می شود. در این زمینه سنجش از دور امکانات فراوانی برای نقشه برداری گسترده سطوح گیاهی فراهم نموده است. استفاده از تصاویر با توان تفکیک طیفی بالا- خصوصا در مناطق پیچیده و ناهمگن شهری- نه تنها دقت طبقه بندی های سابق را بهبود بخشیده بلکه امکان استفاده از مدلهای جداسازی طیفی در سطح زیرپیکسل را نیز فراهم می کند. یکی از انواع این مدلها، به منظور تجزیه یک پیکسل مختلط در محیط شهری، مدل جداسازی مکانی مبتنی بر آنالیز اختلاط طیفی است که پیکسل مختلط را به صورت ترکیب خطی بیش از دو مولفه طیفی خالص مدل می کند. این مولفه های طیفی خالص عضوهای پایانی نامیده می شوند که در مدل اختلاط طیفی متناسب با میزان حضورشان در پیکسل مختلط وزن دهی می شوند. در این تحقیق با استفاده از اطلاعات طیفی تصویر hyperion با توان تفکیک مکانی 30 متر و 242 باند طیفی و اطلاعات مکانی تصویر worldview-2 با توان تفکیک مکانی 33/2 متر و 4 باندطیفی و روش تلفیق مبتنی بر جداسازی، تفکیک گونه های گیاهی شهری در سطح زیرپیکسل انجام شد. ابتدا تصویر worldview-2 با روشهای پیکسل مبنا و شیءمبنا طبقه بندی و نتایج حاصل از طبقه بندی با معیارهای overall accuracy و ضریب kappa مقایسه و ارزیابی شد. بهترین طبقه بندی مربوط به طبقه بندی شیءمبنا با دقت 100% بود. سپس درصدحضور کلاسهای موجود در پیکسل مختلط تصویر hyperion استخراج و با استفاده از مدل جداسازی، بازتابندگی کلاسها محاسبه شد. در نهایت اطلاعات مکانی و طیفی حاصل از مراحل پیشین، بر مبنای مدل اختلاط طیفی تلفیق شده و یک تصویر جدید با توان تفکیک مکانی تصویر worldview-2 و توان تفکیک طیفی تصویر hyperion ایجاد شد که در آن هم طبقه بندی گونه های گیاهی شهری در سطح زیرپیکسل انجام شده و هم شامل اطلاعات طیفی بالایی برای آنالیزهای بعدی گونه های گیاهی است. همچنین برای ارزیابی کارآیی روش در کاربردهای دیگر، سه آزمون با تعداد و نوع کلاسهای متفاوت طراحی و اجرا شد. نتایج روش تلفیق با استفاده از معیارهای rmse، ncc و relative error ارزیابی و تحلیل شد.

خاک به عنوان یک منبع ارزشمند جهت تولید منابع غذایی در طبیعت محسوب می شود، با توجه به توسعه خاک در کاربردهای مختلف زیست محیطی، مثل کشاورزی دقیق، آلودگی خاک و تاثیر خصوصیات خاک بر این پدیده ها، لازم است تا با روشی خصوصیات خاک برآورد گردد. برای برآورد خصوصیات خاک روش های مختلفی وجود دارد. یکی از ابتدایی ترین روش ها استفاده از روش سنتی است که بسیار هزینه بر و زمان بر می باشد، لذا محققان به دنبال روش های کاراتر می باشند. باتوجه به پتانسیل بالای سنجش از دور و محدوده های طیفی nir,vnir این امکان فراهم است تا خصوصیات خاک را در سطح وسیع تری و با هزینه و زمان کمتر برآورد نمود. روش های کمی و کیفی مختلفی جهت ایجاد ارتباط بین مقدار غلظت عناصر خاک و طیف حاصل از داده های سنجش از دور موجود می باشد. در میان روش های کمی استفاده از آنالیز رگرسیون برای ایجاد ارتباط بین طیف و مقدار خصوصیات خاک، به عنوان یک روش کارا و پرتوجه مطرح می باشد. آلودگی خاک توسط عناصر سنگین امروزه مورد توجه محققان محیط زیست قرار دارد. در این تحقیق سعی بر برآورد مقدار غلظت سرب خاک با استفاده از داده های سنجش از دور و با بهره گیری از مدل های رگرسیون خطی چون رگرسیون خطی ساده و رگرسیون کمترین مربعات جزئی و مدل های غیرخطی ازجمله شبکه عصبی و شبکه عصبی فازی شده است. برای این منظور منطقه مطالعاتی ایرانکوه اصفهان انتخاب شده است. با اعمال مدل خطی و غیرخطی بر روی طیف آزمایشگاهی مشخص شد، دقت مدل غیر خطی مانند شبکه عصبی فازی نسبت به مدل خطی مانند کمترین مربعات بیشتر است، مقدار rpdv مدل شبکه عصبی فازی 8.5 و برای مدل کمترین مربعات 03/2 موید این امر است. در این تحقیق علاوه بر مقایسه مدل های خطی و غیرخطی، تاثیر تصحیحات اتمسفری و توپوگرافی بر روی نتایج حاصل از برآورد مقدار غلظت سرب خاک و همچنین تلفیق طیف آزمایشگاهی و تصویر لندست8 ارزیابی شدند. در این راستا مشاهده شد اعمال تصحیح اتمسفری و همچنین پیاده سازی مدل های غیرخطی رگرسیونی در بالا بردن دقت و بهبود مدل برآورد مقدار غلظت سرب خاک تاثیر زیادی دارند. مقدار rpdvمدل رگرسیون خطی تصویر بدون پردازش 91/1 و برای مدل رگرسیون خطی تصویر پردازش شده با تصحیح اتمسفری 15/2 نشان داد، اعمال تصحیح اتمسفری باعث افزایش دقت و بهبود مدل رگرسیون خطی شده است. نتیجه اعمال تلفیق طیف تصویر و آزمایشگاهی نشان داد، تلفیق طیف تصویر و آزمایشگاهی کمکی به بهبود برآورد سرب نمی کند، دلیل این امر اختلاف دو دسته طیف ناشی از اتمسفر می باشد. موید این امر مقایسه مقدار rpdv پیاده سازی مدل شبکه عصبی فازی بر روی طیف تصویر بدون پردازش 05/2 و مقدار 61/1 این پارامتر برای مدل شبکه عصبی فازی تلفیق هر دو طیف است.

داده های سنجش از دوری در مدیریت مناطق ساحلی نقش عمده ای را بر عهده دارند. از موارد کاربرد سنجش از دور در مدیریت مناطق ساحلی، حفظ محیط زیست و منابع طبیعی در این مناطق می باشد. صخره های مرجانی به عنوان مهم ترین زیست گاه های جانوری در دریا، همواره بیش ترین آسیب را از فعالیت های انسانی در این مناطق متحمل شده اند. اولین قدم در حفظ و نگهداری این ذخایر طبیعی، تهیه ی نقشه ی توزیع این مناطق می باشد. در این پایان نامه سعی گردید از تصاویر ماهواره ای برای تهیه نقشه ی تنوع زیستی کلاس های موجود بر صخره های مرجانی در منطقه ی خلیج فارس و به طور خاص جزایر قشم و لارک استفاده شود. آنچه در این پایان نامه مورد مطالعه قرار گرفت، در وهله ی اول بررسی تعمیم پذیری نتایج تحقیقات در سایر مناطق جهان با استفاده از سنجنده های چندطیفی متوسط مقیاس، برای طبقه بندی پوشش صخره های مرجانی در منطقه ی خلیج فارس، بود. نتایج تحقیق بیانگر مطابقت بالای نتایج طبقه بندی در خلیج فارس با تحقیقات مشابه در سایر مناطق مرجانی جهان می باشد. همچنین دیده شد که تصاویر ماهواره ای متوسط مقیاس، توانایی طبقه بندی 2 تا 4 کلاس را با دقت بالای 70% بر روی صخره های مرجانی در این منطقه دارا می باشند. بهترین سطح طبقه بندی، طبقه بندی با 3 و 4 کلاس تعیین گردید و نشان داده شد که با افزایش بیشتر تعداد کلاس ها، دقت متوسط طبقه بندی به پایین تر از 50% کاهش می یابد. در مرحله ی دوم، به مقایسه ی الگوریتم های طبقه بندی نظارت شده در طبقه بندی پوشش صخره های مرجانی پرداخته شد. این مقایسه میان 3 الگوریتم بیشترین احتمال، ماشین بردار پشتیبان و شبکه عصبی انجام گرفت. در این بررسی، علاوه بر داده های جزیره ای در ساحل شرقی استرالیا، تعمیم پذیری نتایج به آبسنگ های مرجانی جزایر قشم و لارک نیز مورد تحقیق واقع شد. نتایج الگوریتم های طبقه بندی، بسته به تعداد کلاس ها متغیر بود. به نحوی که در طبقه بندی 2 کلاسه الگوریتم بیشترین احتمال عملکرد بهتری داشت ولی با افزایش تعداد کلاس ها، الگوریتم های ماشین بردار پشتیبان و شبکه عصبی برتری خود را بر الگوریتم بیشترین احتمال نشان دادند. در حالت طبقه بندی 4 کلاسه، این دو الگوریتم ، به ترتیب بهبود دقت متوسط در حدود 7% و 9% را نسبت به الگوریتم بیشترین احتمال نشان دادند. پیاده سازی روش تحقیق بر روی داده های منطقه ی قشم، تعمیم پذیری نتایج الگوریتم ماشین بردار پشتیبان را در این منطقه اثبات نمود. الگوریتم ماشین بردار پشتیبان بهبود دقت 5% را نسبت به روش بیشترین احتمال، در این منطقه نشان داد. الگوریتم شبکه عصبی، ضعیف ترین عملکرد را نسبت به دو الگوریتم دیگر، در این منطقه نشان داد که به دلیل حساسیت بالای این روش به کاهش تعداد داده های آموزشی می باشد. در نهایت روش ماشین بردار پشتیبان با توجه به عملکرد مناسب در طبقه بندی پوشش صخره های مرجانی در هر دو منطقه ی مورد مطالعه و پایداری بالای نتایج، به عنوان الگوریتم بهینه برای طبقه-بندی پوشش صخره های مرجانی با تصاویر متوسط مقیاس انتخاب شد. در ادامه، استفاده از تصاویر چندزمانه در بهبود نتایج طبقه بندی بررسی شد. الگوریتم های پیاده شده در حالت تک زمانه، با الگوریتم های مشابه در حالت دو زمانه مقایسه شدند که نتایج بیانگر افزایش دقت 2%-5% در حالت دو زمانه نسبت به حالت تک زمانه می باشد. در مرحله ی چهارم، دو الگوریتم بیشترین احتمال فازی و الگوریتم fcm به عنوان روش-های طبقه بندی نرم، برای این مسئله به کار گرفته شدند که ارزیابی دقت آن ها با استفاده از ماتریس ابهام فازی به ترتیب دقت کل 68% و 72% را حاصل نمود. مزیت این روش ها در دقت مناسب آن ها خلاصه نمی شود. مواردی نظیر توانایی قبول پیکسل های آموزشی مخلوط، خروجی بر حسب درصد هر کلاس و افزایش تعداد داده های آموزشی و تست به علت استفاده از تمام داده های آموزشی و تست برای هر کلاس، از مزایای استفاده از این روش های طبقه بندی می باشد. این روش های طبقه بندی که از مدل های اختلاط غیرخطی برای مدل سازی رفتار طیفی کلاس های مختلف در سطح زیر پیکسل استفاده می کنند، اولین بار در طبقه بندی پوشش صخره های مرجانی، در این تحقیق به کار گرفته شدند و نتایج بسیار مطلوب، در کنار مزایای فراوان ارائه نمودند.

اطلاعات مکانی از عوارض و پدیده¬های طبیعی و مصنوعی به عنوان یکی از بنیادی¬ترین اطلاعات موردنیاز به منظور مدیریت هر چه بهتر مناطق شهری و روستایی موردتوجه ¬می¬باشد. شناسایی و استخراج این عوارض از تصاویر هوایی و ماهواره¬ای به عنوان یکی از اقتصادی¬ترین روش¬های تهیه این اطلاعات مطرح است. در این راستا تلاش گسترده¬ای درزمینه ی اتوماتیک سازی درروند تولید اطلاعات از این تصاویر صورت گرفته است. ساختمان ها ساختاری غالب در محیط شهری و روستایی می¬باشند و از اینرو تحقیقات بسیاری درزمینه اتوماسیون استخراج آن ها از منابع مختلف داده که تصاویر نوری، لیدار و رادار معمول ترین آن ها می باشد، صورت گرفته است. منابع داده های مختلف، مزایایی در موقعیت های مختلف فراهم می کنند. بااین وجود هریک دارای مشکلاتی از قبیل سایه، انسداد، ناهمگونی سقف ساختمان ها و شباهت های طیفی عوارض شهری هستند. وجود ویژگی های منحصربه فرد منابع داده مختلف، ایده ای برای به کارگیری مزایای هر منبع و بهبود نتایج به وسیله ترکیب آن ها ایجاد می کند. در این پایان نامه، به منظور بهبود و رفع نواقص و ضعف مجموعه داده¬های تک منبعی، باهدف شناسایی ساختمان¬ها، روشی بر مبنای تلفیق تصاویر نوری و راداری ارائه شده است. در تحقیق حاضر، باهدف شناسایی ساختمان از مناطق متراکم شهری از تصاویر بزرگ مقیاس ikonos و terrasar_x استفاده شده است. تحقیق پیشرو شامل سه مرحله اصلی می باشد. در مرحله اول، به استخراج ویژگی های مناسب از هر یک از تصاویر پرداخته شد. پس از انتخاب ویژگی های بهینه از هر منبع، سه مجموعه داده به صورت جداگانه توسط شبکه عصبی مورد ارزیابی قرارگرفته است. در مرحله دوم، ویژگی های بهینه استخراج شده از سه مجموعه داده، در ترکیب های مختلف در سطح ویژگی با یکدیگر تلفیق شده و نتایج مورد مقایسه قرار گرفتند. در تمامی بررسی ها، شبکه عصبی مصنوعی به عنوان طبقه¬بندی کننده اعمال شده و عملکرد آن در پوشش های مختلف سقف های ساختمان مورد ارزیابی قرارگرفته است. در مرحله سوم، به تلفیق در سطح تصمیم گیری با روش رأی گیری اکثریت اقدام شده است. پس از دستیابی به روش تلفیقی مناسب، برای بهبود نتایج و شناسایی دقیق¬تر ساختمان ها، از شاخص تفاضل نرمال شده گیاهی (ndvi)، عملگرهای مورفولوژی و فیلتر مساحت استفاده شد. نتایج حاصل نشان می دهد که روش بهینه تلفیق شناسایی ساختمان ها، حداقل 22% ضریب کاپا،11% دقت کلی و 7% دقت شناسایی ساختمان ها را نسبت به استفاده مجزا از منابع داده افزایش می دهد. همچنین استراتژی تلفیق پیشنهادی منجر به حداقل 5% بهتر شدن همگنی نتایج شناسایی شده در انواع مختلف پشت بام ها شده است. بنابراین نتایج حاصل از روش پیشنهادی با دقت کلی، ضریب کاپا، دقت شناسایی ساختمان و دقت شناسایی زمینه به ترتیب 92.66%، 80.31%، 88.68% و 93.91% مؤید توانایی این روش در شناسایی ساختمان داده های چند منبعی اپتیک و رادار می باشد.

تحقیقات اخیر نشان داده است که طبقه بندی تصاویر سنجش ازدور با کمک روش هایی که از اطلاعات مکانی در کنار اطلاعات طیفی استفاده می کند، نسبت به روش های مبتنی بر فقط اطلاعات طیفی، دقیق تر می باشد. اگرچه طبقه بندی به روش ماشین بردار پشتیبان دارای نتایج دقیق در بیشتر تصاویر سنجش ازدور می باشد ولی این طبقه بندی کننده ذاتا بر مبنای فقط اطلاعات تک پیکسل عمل می کند، که این یک محدودیت برای استفاده از آن می باشد. در این مقاله، تلفیق ماشین بردار پشتیبان با میدان های تصادفی مارکوف به منظور طبقه بندی داده های پلاریمتری رادار با روزنه مصنوعی از یک منطقه شامل گونه های مختلف جنگلی، پوشش گیاهی و آب بر اساس افزودن اطلاعات مکانی انجام می شود. به منظور انتخاب ویژگی های پلاریمتری مناسب و همچنین برآورد خودکار پارامترهای بهینه مورد نیاز، از الگوریتم ژنتیک استفاده می شود. در نهایت نتایج نشان می دهد دقت کلی طبقه بندی با روش پیشنهادی نسبت به روش ماشین بردار پشتیبان، حدود 6 درصد بهبود داشته است.

با توجه به ظهور ماهواره های تصویربرداری با قدرت تفکیک بالا ، انجام پژوهش در زمینه آشنایی با این تکنولوژی جدید و بکارگیری آن می تواند منافع علمی و اقتصادی بسیاری برای کشور به همراه داشته باشد . در این رساله به منظور ارزیابی و تست دقت هندسی تصاویر ماهواره ای با قدرت تفکیک بالا با ساختار پوش بروم مدلهای ریاضی دوبعدی و سه بعدی پیاده سازی و به دنبال آن مورد تست و بررسی قرار گرفتند. با توجه به عدم ارائه اطلاعات مداری از سوی شرکتهای تهیه کننده تصاویر ماهواره ای با قدرت تفکیک بالا تاکنون ، دو راهکار کلی استفاده از مدلهای ‏‎rigorous‎‏ و‏‎non-rigorous‎‏ مورد نظر قرار گرفت و هر دو روش پیاده سازی و تست گردید.