نقشه خاک یکی از ابتدایی ترین و در عین حال جامع ترین ابزار برای مطالعه انواع خاک به شمار می آید، از این رو بایستی دقت لازم در در تهیه آن لحاظ گردد. ارائه یک نقشه خاک بهنگام و قابل اعتماد در قالبی که امکان تلفیق اطلاعات آن با سایر لایه های اطلاعاتی نظیر مدلهای اقتصادی-اجتماعی و زیست محیطی در یک بستر مناسب فراهم آورد، که کمک زیادی به سهولت ارزیابی اراضی و خاک می نماید. این می تواند در پیش بینی خصوصیات خاکها، آب و دیگر عوامل طبیعی و غیر طبیعی موثر باشد. در سال های اخیر پهنه بندی رقومی خاک نقش موثری در سهولت تجزیه و تحلیل همبستگی خاک ها در محیط طبیعی داشته است. از طرفی سیستم گوگل ارت قابلیت مانیتورینگ، مدیریت، پردازش و آنالیز نقشه های خاک و دیگر نقشه ها را با جزئیات زیاد فراهم می سازد. هدف نهایی این سیستم کمک به فرآیند تصمیم سازی مکانی است که از این نظر، این فرآیند ها نیاز مبرم به داده ها و اطلاعات مکانی دارد. همچنین گوگل ارت به عنوان یک سیستم قدرتمند و روز آمدی پیوسته، برای نمایش تغییرات در خاک ها و نشر و در اختیار گذاری نقشه های خاک شناسی، تولید بهینه داده ها، استخراج اطلاعات از داده ها، صرفه جویی در زمان مورد استفاده قرار می گیرند، بنابراین موجبات تولید ثروت را فراهم می آورند. در این تحقیق با کمک روش درخت تصمیم گیری و مدل اسکورپن ( ویرایش 2003) همراه با سیستم گوگل ارت و سیستم اطلاعات جغرافیایی نقشه رقومی خاک منطقه جنوب غربی تهران تهیه و بهنگام شد. به این منظور 5 فاکتور خاک ساز (اقلیم، پوشش و موجودات زنده، توپوگرافی، مواد مادری و زمان) بکار گرفته شده در مدل اسکورپن همراه با داده های مکانی کمکی از قبیل سنجش از دور، مدل رقومی زمین و ... به عنوان ورودی در روش درخت تصمیم گیری استفاده شد. روش درخت تصمیم گیری روشی غیر پارامتریک مبتنی بر ترکیبی از داده ها، دانش فنی و یک استنتاج کامپیوتری می باشد که کاربرد زیادی در علوم محیطی به خاطر نظم و آرایش دادن به داده ها و اطلاعات دارد. نقشه رقومی خاک بدست آمده با استفاده از نقشه های موجود (کروپلث) اعتبار سنجی گردید و دقت نقشه بدست آمده در سطح رده 92%، زیر رده 85% و گروه بزرگ 36% بدست آمد. نتایج این تحقیق نشان داد بهنگام نمودن نقشه های خاک شناسی به کمک درخت تصمیم گیری و با استفاده از سیستم گوگل ارت و gis با تعداد مشاهدات کم، همراه با دقت و صحت قابل قبولی امکان پذیر می باشد. همچنین می توان آن را به آسانی با سایر لایه های اطلاعاتی تلفیق و انتشار داد.

یکی از پارامترهای فیزیکی قابل حصول از داده های سنجش از دور، بازتابندگی سطح در نواحی مختلف طیف بازتابی الکترومغناطیسی است. تقریبا همه ی پیکسل های شهری تصویربرداری شده توسط سنجنده هایی با قدرت تفکیک مکانی پایین و یا متوسط، تابش ترکیبی حاصل از چندین عارضه با بازتابندگی های متفاوت که درون میدان دید سنجنده بوده اند، را مورد استفاده قرار می-دهند. یک روش برای توصیف محیط های شهری با استفاده از تصاویر سنجش از دور، طبقه بندی پوشش زمین و استفاده از مدل های جداسازی است. یکی از انواع این مدل ها، به منظور تجزیه ی یک پیکسل مختلط در محیط شهری، مدل اختلاط طیفی خطی است. این مدل را می توان به دو دسته ی کلی مدل های جداسازی طیفی و مکانی تقسیم نمود. در مدل های جداسازی طیفی، با استفاده از اطلاعات طیفی مواد موجود در تصویر، می توان درصد حضور هر ماده در پیکسل مختلط را محاسبه نمود. در مدل های جداسازی مکانی، با استفاده از اطلاعات مکانی مواد موجود در تصویر، می توان طیف بازتابندگی هر ماده را در بخش هایی از طیف الکترومغناطیس تعیین نمود. در این تحقیق، با استفاده از اطلاعات مکانی تصویر ikonos با قدرت تفکیک مکانی 4 متر و تعداد 4 باند و اطلاعات طیفی تصویر hyperion با قدرت تفکیک مکانی 30 متر و تعداد 242 باند و روش جداسازی مکانی خطی، طیف بازتابندگی برخی از مواد شهری تعیین گردید. برای ارزیابی نتایج از مقایسه ی رفتار طیفی پیکسل بازسازی شده ی تصویر hyperion و پیکسل واقعی استفاده شد. با تغییر تعداد کلاس ها در طبقه بندی تصویر ikonos و مقایسه ی نتایج، کمترین مقادیر میانگین rmse و relative error و ncc برای 10 کلاس به ترتیب 0.027 و 5.00% و 0.89 بدست آمد. پس از تعیین طیف مواد شهری، تصویری با قدرت تفکیک مکانی 4 متر و 136 باند تهیه شد، که تا حد ممکن تغییرپذیری مواد شهری، در آن لحاظ شده است. این روش برای تصویر aviris با قدرت تفکیک مکانی 4 متر و 30 متر اجرا شد و میانگین طیف بازتابندگی پوشش های بدست آمده با داده های طیف سنجی زمینی مقایسه شد. همچنین در این تحقیق امکان استفاده از الگوریتم ژنتیک در معادلات جداسازی مکانی نیز بررسی شد.

وارونگی دمایی زمانی رخ می دهد که در وردسپهر تا ارتفاعی خاص، با افزایش ارتفاع، دما افزایش می یابد. از جمله مشخصه های وارونگی دمایی، قدرت و عمق وارونگی دمایی می باشد. قدرت وارونگی به اختلاف دمایی بین قله وارونگی و سطح زمین، اطلاق شده و ارتفاع متناظر با این اختلاف دمایی، عمق وارونگی نام دارد. راهکار رایج جهت تعیین این مشخصه ها، اندازه گیری های میدانی توسط رادیوساند است، که یک اندازه گیری نقطه ای از جو محسوب می گردد. هدف اصلی پژوهش حاضر تشخیص و مدل سازی وارونگی های دمایی با استفاده از داده های مادون قرمز سنجنده modis می باشد. به علت شایع بودن پدیده ی وارونگی دمایی در شهر تهران، ایستگاه هواشناسی فرودگاه مهرآباد تهران به عنوان منطقه ی مورد مطالعه انتخاب شد. با بررسی داده های رادیوساند طی سال های 2007 تا 2010 و احراز شرایط آسمان صاف، مجموعا 90 روز وارونگی تحت شرایط آسمان صاف مشخص شد. دمای درخشندگی برای همه ی باندهای مادون قرمز حرارتی سنجنده ی modis محاسبه شد. تفاضل دمای درخشندگی هر یک از باندهای مادون قرمز سنجنده ی modis از باند 31 که حساس به دمای سطح زمین می باشد، محاسبه شد. ضرایب همبستگی خطی بدست آمده بین اختلاف دمای درخشندگی زوج باندهای مذکور با عمق و قدرت وارونگی محاسبه شده از داده های رادیوساند بسیار ضعیف بود که می تواند ناشی از تغییرات زیاد محتوی بخار آب جو و قدرت وعمق وارونگی دمایی نسبتا ضعیف روی داده در تهران باشد. در ادامه ی روند تحقیق، عوامل موثر در افزایش ضریب همبستگی خطی بین اختلاف دمای درخشندگی زوج باندهای مذکور با عمق و قدرت وارونگی محاسبه شده از داده های رادیوساند مورد بررسی قرار گرفت. به همین علت با توجه به روی دادن وارونگی های عمیق و قدرتمند تر در منطقه ی کرمانشاه نسبت به تهران، این منطقه، به عنوان منطقه ی مورد مطالعه ی دوم انتخاب شد. طبق روال بیان شده برای تهران، 90 روز وارونگی تحت شرایط آسمان صاف، طی سال های 2007 تا 2008 برای کرمانشاه مشخص شد. افزایش ضرایب همبستگی محاسبه شده برای کرمانشاه نشان دهنده ی تاثیر عامل میزان قدرت و عمق وارونگی دمایی می باشد. جهت بررسی تاثیر میزان بخار آب موجود درجو بر ضرایب هبستگی، با توجه به آن که میزان بخار آب موجود در جو طی فصول سرد کم تر از فصول گرم می باشد، داده های کرمانشاه به دو دسته ی تمام فصول و فصول سرد تقسیم شدند. افزایش ضرایب همبستگی محاسبه شده برای کرمانشاه طی فصول سرد نشان دهنده ی تاثیر عامل میزان بخار آب موجود در جو می باشد. با توجه به عدم تبعیت مدل سازی وارونگی دمایی در تهران و کرمانشاه از یک رابطه خطی، جهت مدل سازی از مدل های ریاضی چند جمله ای برای هر منطقه به طور جداگانه استفاده شد. اختلاف دماهای درخشندگی زوج باندهای مذکور و عمق و قدرت وارونگی محاسبه شده از داده های رادیوساند، ورودی های چندجمله ای می باشند. به علت فضای جست و جوی بسیار بزرگ برای یافتن بهینه ترین مدل، الگوریتم ژنتیک به کار گرفته شد. با به کارگیری الگوریتم ژنتیک، یافتن مدلی با کم ترین جمله ی ممکن و بالاترین دقت محقق گشت. نتایج حاصل از ارزیابی مدل در منطقه ی ایستگاه هواشناسی فرودگاه مهرآباد تهران، تخمین قدرت وارونگی دمایی را با rmse برابر 66/0 سانتیگراد و برابر 60/0 و برآورد عمق وارونگی دمایی را با rmse برابر 31/46 متر و برابر 61/0 و نتایج حاصل از ارزیابی مدل در منطقه ی ایستگاه هواشناسی کرمانشاه، تخمین قدرت وارونگی دمایی را با rmse برابر 84/0 سانتیگراد و برابر 90/0 و برآورد عمق وارونگی دمایی را با rmse برابر 56/54 متر و برابر 86/0 نشان می دهد.

به دلیل کامل نبودن سیستم تصویربرداری ، تصویر یک نقطه نورانی به صورت مجموعه یک دیسک مرکزی و حلقه های روشن و تاریک تشکیل می شود. این دیسک با پوشش %84 در قالب تابع پخش نقطه ای (psf ) مدلسازی می شود. psf یک سنجنده معیاری از توان تفکیک مکانی آن به حساب می-آید. این تابع در واقع اثرات تارشدگی تصویر نسبت به واقعیت مورد انتظار را مدلسازی می کند. از این رو psf سنجنده و یا معادل آن در فضای فرکانس که تابع انتقال مدولاسیون( mtf) نامیده می شود معیاری مهم از کیفیت هندسی تصویرحاصل به شمار می آید.این پایان نامه ابتدا به تخمین تابع psf و mtf در تشکیل تصویر به روشهای مختلف و ارزیابی این روشها می پردازد. برای این منظور دو روش لبه و پالس معرفی و مورد استفاده قرار گرفته اند. سپس با استفاده از تابع psf برآورد شده تلاش در بهبود سطح کیفیت هندسی تصویر از طریق روشها بازسازی تصویر صورت می گیرد. سه روش برای بازسازی تصاویر ورودی شامل معکوس فیلتر وینر و روش تصویر در مجموعه های محدب ارائه شده است. پس از پیاده سازی این روش ها به بررسی و آنالیز دقت آنها به روی تصویر شبیه سازی شده و دو تصویر واقعی پرداخته شده است. نتایج حاصل بیانگر آن است که در روشهای اندازه گیری دقت هندسی تصویر، روش استفاده از لبه ثبت شده توسط سنجنده دارای دقت بیشتری می باشد. در روشهای افزایش دقت هندسی مورد بررسی، درتصاویر با نویز بالا روش فیلتر معکوس دارای ضعف در افزایش دقت هندسی می باشد. روشهای وینر تکرار شونده و استفاده از قید مجموع های محدب دارای دقتی تقریبا مشابه و دارای دقتی بهتر نسبت به فیلتر معکوس و وینر یک مرحله ای می باشد. روش تصویر در مجموعه های محدب دارای دقت بیشتری نسبت به دیگر روشها می باشد.این روش پس از انجام کاهش نویز باعث افزایش %20 در mtf به عنوان معیار دقت تصویر می شود.

اکوسیستم های آبی یکی از مهمترین محیط های زیستی می باشند که کیفیت زندگی انسانها را تحت تاثیر قرار می دهند امروزه به دلیل ورود انواع آلودگی ها لزوم پایش مداوم منابع آبی وجود دارد . میزان غلظت کلروفیل-آ به عنوان شاخصی بر میزان فیتوپلانگتون ها و بطور غیرمستقیم شاخصی از میزان ورود مواد آلاینده فسفر و نیتروژن در آب، از اهمیت بسیار اساسی در مطالعات کیفیت آب و خصوصیات اکولوژیکی محیط های آبی برخوردار است.. در این تحقیق با استفاده از شبکه های عصبی بر روی تصاویر ماهواره ای سنجنده modis به تعیین غلظت کلروفیل-آ در دریای خزر پرداخته شده است. داده های مورد استفاده در این تحقیق شامل مشاهدات میدانی از غلظت کلروفیل- آ و تصاویر ماهواره ای همزمان از سنجنده modis در الگوریتم های شبکه عصبی وارد و امکان تخمین غلظت کلروفیل-آ از این داده های مورد بررسی قرار گرفته است. سپس علاوه بر ارزیابی دقت این روش، به مقایسه نتایج حاصل با نتایج بدست آمده از سایر الگوریتم های رایج در تعیین غلظت کلروفیل از تصاویر ماهواره ای اقدام شده است. بر اساس نتایج بدست آمده مشخص شد که الگوریتم های تجربی از توانایی کافی برای برآورد غلظت کلروفیل-آ در مناطق ساحلی دریای خزر برخوردار نیستند. در شبکه های عصبی تک لایه میانی ، شبکه دارای 15 نرون و در شبکه های دو لایه میانی شبکه (5،5) به بهترین دقت های ممکن در ساختارهای خود رسیده است. دقت کلی شبکه های بهینه در این دو ساختار تقریباً مشابه و در حدود 1/0=rmse میکروگرم بر لیتر می باشد، لیکن همبستگی پاسخ های بدست آمده با پاسخ های مورد انتظار در شبکه های عصبی دولایه میانی بهتر از شبکه های عصبی تک لایه میانی است. با اینحال از نقطه نظر پایداری پاسخ، شبکه های عصبی تک لایه میانی اندکی بهتر از شبکه های عصبی دو لایه میانی ارزیابی می گردد. از نقطه نظر تعداد نمونه های آموزشی، شبکه عصبی با دو لایه میانی نسبت به شبکه عصبی تک لایه میانی نیاز به نمونه های آموزشی کمتری دارد. با توجه به موارد فوق، شبکه عصبی بهینه جهت تخمین غلظت کلروفیل-آ از تصاویر سنجنده modis در مناطق ساحلی دریای خزر، یک شبکه عصبی دو لایه با 5 نرون در هر لایه معرفی می شود که این شبکه در بهترین حالت خود پارامتر064/0=rmse (?g?l ) و ضریب همبستگی(r^2 ) در حدود 50% را حاصل نموده است.

برنج از نظر تغذیه و اشتغال زایی یک محصول پر اهمیت به خصوص در آسیا محسوب می شود. در کشورمان نیز برنج به علت اینکه به صورت عمده در مناطق شمالی کشت می شود یک محصول استراتژیک محسوب می گردد؛ لذا توسعه ی یک سیستم پایش زمانی-مکانی با استفاده از روش های سنجش از دور یکی از راه های پایش محصول برنج است. در این پایان نامه برآورد میزان تولید این محصول بررسی شده است. بدین منظور از تصاویر radarsat-1 با توان تفکیک مکانی 5/12 متر مربوط به 3 تاریخ کاشت، داشت و برداشت و تصویر لندست با توان تفکیک مکانی 30 متر در فصل رشد محصول برنج مربوط به شمال ایران استفاده شده است. منطقه مطالعاتی شهرستان های جویبار و نکای استان مازندارن می باشند. به دلیل فقدان داده های زمینی مناسب، داده های زمینی متناسب با این پژوهش با توجه به داده های آماری و نقشه شالیزارهای استان مازندران تهیه گردیده است. در این پژوهش ابتدا وابستگی بین میزان ضریب بازپراکنش و میزان تولید محصول به کمک آنالیز رگرسیون انجام شد و در ادامه برای برآورد میزان تولید محصول برنج، با استفاده از تصاویر راداری یک مدل توسعه داده شد. از داده های زمینی و ماهواره ای شهرستان جویبار جهت بدست آوردن پارامترهای مدل و از داده های شهرستان نکا برای بررسی و ارزیابی عملکرد مدل توسعه داده شده استفاده گردید. معادله کلی برای برآورد میزان تولید محصول برنج بر اساس رگرسیون های مختلف و اعمال فیلتر های متفاوت بر روی تصاویر تعیین شد. برای نمونه خطای بدست آمده برای برآورد میزان تولید محصول برنج با استفاده از فیلتر gama و انجام رگرسیون خطی برای هر کدام از ارقام برنج برای شهرستان جویبار و نکا به ترتیب عبارتند از: پر محصول 23% و 42% ، صدری دانه بلند 07% و 39% و متوسط محصول 28% و 98%.

در میان محصولات مختلف کشاورزی، برنج یک محصول بسیار مهم و استراتژیک می باشد که تعیین دقیق میزان خسارت وارده به آن یک عامل چالش برانگیز در صندوق بیمه کشاورزی می باشد. تنش خشکی و خشکسالی یکی از عوامل خسارتزای محصول برنج است که از عوامل مختلفی ناشی می شود که دما و رطوبت دو تا از مهمترین این عوامل می باشند. از اینرو در این تحقیق، جهت پایش تنش خشکی و خشکسالی و ارزیابی خسارت وارده به محصول برنج در استان مازندران و شهرستان آمل، از شاخص vhi که ترکیبی از شاخص های vci و tci می باشد، استفاده می شود. لذا محصولات کامپوزیت 16روزه شاخصndvi وکامپوزیت 8 روزه دمای سطحی lst ماهواره modis-terra از سال 2007 تا 2012 (به مدت 6 سال) مورد استفاده قرار گرفتند. تنش خشکی و خشکسالی را فقط در مرحله گلدهی محصول پایش کرده و از تاثیر آن در سایر مراحل رشد محصول صرفه نظر کردیم. با توجه به روش آستانه گذاری 50 درصد آقای white و همکاران (1997) و نیز براساس دانش فنولوژی محصول برنج در منطقه مطالعاتی، شروع فصل رشد محصول ماه آوریل (از 2 فروردین تا 3 اردیبهشت)، شروع پنجه زنی گیاه برنج در ماه می (4 خرداد)، مرحله گلدهی محصول در ماه جولای (22 تیر) و دوره رسیدن و برداشت محصول، درماه سپتامبر (از 7 شهریور تا 8 مهر) تعیین شد. سپس ماکزیمم کامپوزیت ماهانه شاخص vhi در طول فصل رشد محصول تهیه گردید. مقادیر شاخص vhi در ماه جولای به میزان 65/0 با میزان تولید محصول مطابقت داشت. با مرز آستانه 4/0 برای شاخص در محدوده شالیزارهای استان مازندران از سال 2007 تا 2012، در سال 2009 بیشترین خسارت خشکسالی مشاهده می شود و در سال 2010 و 2011 خشکسالی اتفاق نیفتاده است. در شهرستان آمل در محدوده شالیزارها از سال 2007 تا 2012، خشکسالی اتفاق نیفتاده و شالیزارها در شرایط نرمالی قرار داشته بطوریکه همبستگی بین میزان تولید برنج و مساحتی از شالیزارها که در شرایط ترسالی شدید (مقدار شاخص vhi بالاتر از 8/0) قرار دارند، 86/0 است. پیشنهاد می شود برای رسیدن به نتایج دقیق تر، کار میدانی در منطقه مطالعاتی صورت گرفته و تنش خشکی و خشکسالی بصورت کوتاه مدت و در مراحل مختلف رشد محصول و به تفکیک ارقام مختلف پایش گردد. کلمات کلیدی: تنش خشکی و خشکسالی، محصول برنج، ndvi، lst، vci، tci، vhi، ارزیابی خسارت

برنج با مصرف سرانه 38 تا 40 کیلوگرم، بعد از گندم دومین غله مهم خوراکی کشور است. تعیین میزان خسارت وارده به محصول برنج برای مدیریت میزان تولید محصولات کشاورزی و تعیین میزان خسارت پرداختی بیمه به کشاورزان دارای اهمیت است. برنج محصول زراعی غالب استان های گیلان و مازندران می باشد. سنجش از دور یک گزینه مناسب برای ارزیابی آسیب های وارده به محصول برنج می باشد. پژوهشگران زیادی از سری زمانی تصاویر سنجنده modis برای تحقیقات خود بهره برده اند و از آن برای تشخیص شالیزارها و تعیین فنولوژی رشد برنج استفاده نموده اند. گیاه برنج در طول فصل رشد حساسیت های متفاوتی را به دمای پایین نشان می دهد. بنابراین قدم اول در تعیین خسارت سرمازدگی، تعیین فنولوژی رشد برنج می باشد. در گیاه برنج، اندام زایشی بیشترین حساسیت را نسبت به سرما دارد، زیرا محتوی گرده های برنج می باشد که بسیار به سرما حساس هستند. گرده ها در گیاه برنج، در طول دوره رشد زایشی ایجاد شده و رشد می کنند. دماهای پایین در طول دوره زایشی موجب عقیمی گرده ها در گلچه های برنج شده و عملکرد دانه را به شدت پایین می آورد. در این تحقیق، از آنجا که هدف تعیین خسارت عقیمی ناشی از دماهای پایین در گیاه برنج می باشد، نیاز به تعیین دوره رشد زایشی برنج از داده های ماهواره ای داریم. برای این منظور از سری زمانی تصاویر بازتابش سطح سنجنده modis استفاده شد. دوره رشد زایشی حدود 30 روز است. بهترین نشانگر این دوره، تاریخ خوشه دهی است که در انتهای رشد زایشی اتفاق می افتد. در زمان خوشه دهی میزان شاخص های گیاهی به بیشینه مقدار خود می رسد. بعد از آن، برای تعیین میزان خسارت عقیمی محصول برنج، نیاز به اندازه گیری کمیت جمع شونده درجه روزسرما داریم. برای این منظور از داده های دمای سطح زمین روزانه سنجنده modis استفاده نمودیم. روش کار به این صورت است که مجموع دماهای پایینتر از یک حدآستانه در طول دوره رشد زایشی محاسبه شده و درجه روزسرما را معین می کنند. سپس از روی این شاخص میزان خسارت عقیمی وارده ناشی از سرما به محصول برنج را تخمین می زنیم. تصویر خروجی درصد عقیمی محصول برنج را به صورت پیکسل مبنا نشان می دهد. این تصویر به نقشه پهنه بندی خسارت سرمازدگی تبدیل می شود. نتایج تحقیق در سطح شالیزارهای استان مازندران، درصد عقیمی کمتر از 3% را نشان داد که با داده های وزارت جهاد کشاورزی مطابقت خوبی دارد. روش پیشنهاد شده توانایی تعیین ریسک کشت برنج را در شالیزارها و در زمان های مختلف سال دارد. با اجرای الگوریتم روی داده های بلند مدت چندین ساله می توان قابلیت شالیزارها را برای کشت دوم و حتی سوم تعیین نمود. همچنین الگوریتم با کمی تغییر می تواند برای تخمین خسارت سرمازدگی در دیگر محصولات کشاورزی بکار گرفته شود.

بارورترین اکوسیستم های دریایی معمولاً در محیط های ساحلی یافت می شوند و محیط های ساحلی از تنوع زیستی بیشتری نسبت به مناطق باز اقیانوسی برخوردار می باشند. روشهای سنتی پایش کیفیت آب ساحلی شامل ارزیابی شاخصهای زیستی یا اندازه گیری های مستقیم کیفیت آب می باشند که بر مبنای جمع آوری داده ها در محل می باشند و از این رو اغلب از نظر مکانی یا زمانی محدود می باشند. تصاویر سنجش از دور به صورت فزاینده ای به عنوان منبع غنی از اطلاعات مکانی و ارایه پوشش دقیقتر نسبت به روش های دیگر در پایش کیفیت آب استفاده میشوند. پایش ماهواره ای کیفیت آب ساحلی متأثر از 3 نوع مولفه فعال نوری (کلروفیل a، جامدات معلق و مواد آلی محلول رنگی (cdom)) می باشد. از سویی، تغیرپذیری زیاد زمانی و مکانی خصوصیات آبهای ساحلی، به کارگیری یک الگوریتم تکی و جهانی با کارآیی یکسان در همه نواحی ساحلی را غیر ممکن می سازد. تحقیق حاضر، با هدف پایش ماهواره ای کیفیت آب ساحلی با اندازه گیری همزمان 3 نوع مولفه فعال نوری در سواحل استان مازندران انجام شد. نمونه برداری مولفه های فعال نوری به صورت همزمان با گذر ماهواره modis aqua به مدت 37 روز در سالهای 90 و 91 انجام شد. نتایج نمونه برداری میدانی نشان می دهد که در ایستگاه هایی که کلروفیل a مقادیر بالایی دارد، کدورت نیز افزایش یافته است. ضریب جذب مواد آلی محلول رنگی acdom(375) در نزدیکی ساحل بیشتر از دور از ساحل است. همچنین cdom در منطقه مورد مطالعه منشأ ترکیبی دارد و فقط توسط رودخانه ها به آبهای ساحلی حمل نمی شود یعنی بخشی از طریق رودخانه ها وارد می شود و بخشی به صورت محلی از محصول تجزیه فیتوپلانکتون تولید می شود یا از رسوبات بستر تراوش می شود. نتایج مدلسازی انتقال تشعشع نشان می دهد که توزیع عمودی فیتوپلانکتون بر طیف انعکاس سنجش از دور تأثیر دارد لیکن، تفاوت بین انعکاس محاسبه شده برای ستون آب یکنواخت و انعکاس محاسبه شده برای پروفیل عمودی، کم است و شاید سنجنده سنجش از دور نتواند این تفاوت را تشخیص دهد. در تحقیق حاضر، پس از تشکیل کتابخانه طیفی بر اساس غلظت های معین مولفه های فعال نوری و iops با استفاده از مدلسازی عددی hydrolight، الگوریتمی تحت عنوان sigmatch برای بازیابی همزمان پارامترهای کیفیت آب کلروفیل a، spm و cdom از تصاویر ماهواره ای modis در محیط های r و python توسعه داده شد. مبنای الگوریتم sigmatch، جایگزینی تکنیک نسبت باندی تکی با برازش کامل طیف و کمینه سازی (بهینه سازی) اختلاف بین طیف انعکاس مشاهده شده از modis و طیف انعکاس محاسبه شده از معادله انتقال تشعشع (hydrolight) می باشد. نتایج مقایسه الگوریتم تحلیلی با الگوریتم های تجربی نشان داد که الگوریتم تحلیلی sigmatch، الگوریتم بهینه پایش ماهواره ای کیفیت آب دریای خزر می باشد. الگوریتم تحلیلی sigmatch، قابلیت بازیابی مولفه های فعال نوری به صورت همزمان با صحت بالاتری را دارد، محدودیت الگوریتم های تجربی در زمان و مکان داده های ورودی را ندارد و مبنای تئوری آن بر اساس معادله انتقال تشعشع، الگوریتم sigmatch را به عنوان رویکرد قوی علمی در مقایسه با الگوریتم های تجربی برای پایش ماهواره ای آبهای case ii پیشنهاد می نماید.

جمع آوری داده توسط سنجش از دور یک مرحله اساسی در مدیریت پایدار زمین می باشد. یکی از پردازش های مهم و پرکاربرد بر روی تصاویر سنجش از دور، طبقه بندی است. از دیدگاه تصمیم گیری، نقشه های حاصل از طبقه بندی می توانند مفید واقع شوند، زیرا، این الگوریتم ها اطلاعات پیچیده طیفی- مکانی را در تعداد محدودی کلاس مورد نیاز، خلاصه می کنند. داده های پلاریمتریک sar به دلیل دارا بودن اطلاعات غنی از محیط، در چند دهه اخیر به یکی از پراستفاده ترین داده های سنجش از دوری تبدیل شده اند. به طور کلی، برای طبقه بندی تصاویر پلاریمتریک از دو منبع اطلاعاتی شامل، نوع مکانیسم پراکنش عوارض و توزیع آماری داده ها استفاده می کنند. معروف ترین توزیع آماری تصاویر پلاریمتریک، توزیع ویشارت بوده، و طبقه بندی کننده ویشارت نیز یکی از روش های پایه برای طبقه بندی این تصاویر محسوب می شود. همان طور که می دانیم یکی از مشکلات روش های طبقه بندی پیکسل پایه مخصوصاً به دلیل وجود اسپکل در تصاویر sar، وجود کلاس های ناهمگن و پیکسل های پراکنده در خروجی نقشه طبقه بندی شده می باشد. در این تحقیق، برای غلبه بر این مشکل و بهبود نتایج طبقه بندی، در روند طبقه بندی تصاویر پلاریمتریک sar علاوه بر استفاده از توزیع ویشارت، از اطلاعات موجود در همسایگی پیکسل ها نیز استفاده شد. برای مدل سازی اطلاعات همسایگی پیکسل ها، میدان های تصادفی مارکوف را به کار گرفته و تلفیق آن با توزیع آماری تصاویر یعنی توزیع ویشارت، طبقه بندی را انجام دادیم. برای مدل سازی اطلاعات همسایگی توسط میدان‎ های تصادفی مارکوف، از یک مدل ایزوتروپیک با یک سیستم همسایگی مرتبه دوم و برای پیدا کردن ماکزیمم احتمال موخر (مینیمم تابع انرژی) از روش icm استفاده نمودیم. هدف اصلی این تحقیق، پیاده سازی و اجرای الگوریتم طبقه بندی به صورت نظارت شده می باشد. ولی در کنار این تحقیق، با استفاده از نتایج طبقه بندی بر مبنای فضای h/? (طبقه بندی نظارت نشده)، طبقه بندی را به صورت نظارت نشده نیز انجام دادیم. استفاده از ویژگی های آنتروپی و زاویه آلفا در طبقه بندی نظارت نشده، بیشتر برای آنالیزهای پلاریمتریکی کلاس ها مفید بودند. از آنجا که تخمین پارامترها در حالت نظارت شده بر مبنای داده های آموزشی جمع آوری شده است، نتایج بدست آمده در طبقه بندی نظارت شده مستحکم و اعتمادپذیر می باشند. برای ارزیابی نتایج طبقه بندی نظارت شده از ماتریس خطا و برای طبقه بندی نظارت نشده از معیار purity استفاده نمودیم. با توجه به پیچیدگی و مشابهت کلاس های منطقه، به منظور بهبود نتایج طبقه بندی و افزایش قدرت تفکیک پذیری کلاس ها، به طور همزمان از دو تصویر پلاریمتریک sar مربوط به دو فصل زمستان و تابستان از یک منطقه مشابه، در طبقه بندی استفاده کردیم. البته، طبقه بندی در حالت تک تصویر نیز اجرا شد. با توجه به نتایج بدست آمده، بیشترین مقدار بهبود در دقت کلی طبقه بندی با روش wmrf (تلفیق mrf و ویشارت) نسبت به روش ویشارت، در حالت تلفیق دو تصویر و فیلتر اسپکل با پنجره 3×3 حاصل شد. در این حالت دقت کلی با روش ویشارت و روش wmrf به ترتیب برابر با، 65.4% و 76.4% بدست آمد. به عبارتی، میزان بهبود در دقت کلی برابر 11% بوده، در حالی که بدون در نظر گرفتن کلاس آب (در هر دو روش دارای دقت 100% و بدون اطلاعات بافت) برای 4 کلاس باقی مانده، میزان بهبود به 15% افزایش می یابد. بیشترین دقت کلی حاصله برای طبقه بندی، در حالت تلفیق دو تصویر و فیلتر اسپکل با پنجره 7×7 بدست آمد. در این حالت، دقت روش ویشارت و روش wmrfبه ترتیب برابر با، 79.6% و 84.7% بودند.

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.

چکیده امروزه کشف تغییرات به عنوان ابزاری برای تعیین تحولات محیطی و مشخص نمودن علت های آن بسیار مورد استفاده قرار می گیرد. یکی از روش های پرکاربرد در کشف تغییرات مقایسه دو تصویر اخذ شده در دو بازه زمانی مختلف است. ظهور تصاویر چندزمانه که در هر زمان با قدرت تفکیک مناسبی اطلاعات مربوط به پوشش سطح را در اختیار قرار می دهند به تولید تکنیک های نوین و بالا رفتن سطح کیفیت نتایج در این زمینه بسیار سودمند بوده است. بررسی رشد و توسعه شهری از جمله موضوعاتی است که تحقیقات بسیاری در مورد آن صورت گرفته. مشخص کردن میزان تغییرات در طول یک بازه زمانی علاوه بر این که ابزار مهمی در تصمیم گیری است می تواند برای مدیریت بحران نیز به خوبی مفید واقع شود. در این تحقیق از روشcellular automata برای کشف تغییرات با استفاده از تصاویر ماهواره ای استفاده می شود. با استفاده از مفاهیم مربوط به cellular automataروش جدیدی برای قطعه بندی بر مبنای کشف مرز در ناحیه ارائه خواهد شد. این روش می تواند مرزها را در محدوده شهری با دقت خوبی تعیین نماید. در ادامه برای تعیین بهترین حد آستانه مدل cellular automata برای انجام قطعه بندی بر مبنای تعیین مرز از الگوریتم ژنتیک استفاده نموده و در دو روش ca مرسوم به روش های چهار همسایگی یا von neumman و هشت همسایگی یا moore بهترین حد آستانه بدست می آید. برای این منظور از دو تصویر ماهواره ای landsat مربوط به سال های 2010 و 1988 مربوط به شمال تهران استفاده شد. برای ارزیابی دقت کمی و کیفی کشف تغییرات با استفاده از الگوریتم مورد نظر، نتایج با سه روش کشف تغییرات شامل تعیین مرز با استفاده از روش های لاپلاسین، کلاسه بندی بی نظارت،sobel و کلاسه بندی نظارت شده مورد ارزیابی قرار گرفت. دقت کلی برای روش های ارزیابی شده 1/73 درصد برای روش کلاسه بندی بی نظارت، 96/64درصد برای روش ca بر مبنای همسایگی moore، 08/63درصد برای روش ca بر مبنای همسایگی von neumman، 30/58 درصد برای روش لاپلاسین و 07/48درصد برای روشsobel بوده است. همچنین ضریب کاپا برای روش های بیان شده به ترتیب عبارتند از: 0.6264درصد برای روش کلاسه بندی بی نظارت، 0.4471درصد برای روش ca بر مبنای همسایگی moore، 0.4024درصد برای روش ca بر مبنای همسایگی von neumman، 0.3485درصد برای روش لاپلاسین و 0.1049درصد برای روشsobel.

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

در میان همه ذرات معلق طبیعی و مصنوعی ایجاد شده توسط بشر در تروپسفر، ذرات معلق معدنی (گردوغبار) نقش مهمی را در تغییر آب و هوا ایفا می¬کنند. بنابراین شناسایی رویداد گردوغبار به عنوان یکی از گام¬های اصلی برای پیش بینی حرکت و گسترش گردوغبار و شناسایی هر چه دقیق¬تر هواویز گردوغبار است. فناوری سنجش از دور به دلیل وسعت منطقه¬ای که مورد پایش قرار می¬دهد همواره به عنوان یکی از کارآمدترین روش¬ها در مطالعه همزمان پدیده¬های مختلف اقلیمی، اتمسفری و فرایندهای هیدرولوژیکی مدنظر محققان بوده است. پس با توجه به این نکته که ذرات معلق بر روی میزان تابش زمین تأثیر می¬گذارند و در نتیجه آب و هوا را به واسطه تغییر رفتار پراکنش و جذب اتمسفر، تحت تأثیر قرار می¬دهند؛ شاخص¬هایی همچون شاخص تفاوت نرمال گردوغبار و اختلاف دمای درخشندگی که بر اساس ویژگی¬های گردوغبار بر روی نواحی مریی، مادون قرمز نزدیک و مادون قرمز حرارتی امواج الکترومغناطیس تعریف شده¬اند، اطلاعات زیادی را پیرامون مشخصات گردوغبار فراهم می¬کنند. برای این منظور در راستای پیش برد راهکار شناسایی گردوغبار، سه روش پیاده¬سازی و مورد ارزیابی قرار می¬گیرد. که در هر سه روش از اندازه¬گیری¬های سنجنده modis استفاده می¬گردد. در تحقیق پیش رو با به کارگیری شاخص یکپارچه مادون قرمز حرارتی modis، درخت تصمیم-گیری و شبکه عصبی به شناسایی گردوغبار رخ داده در استان¬های ایلام و خوزستان در طی سال-های 1384 تا 1391 پرداخته شده است. در هر سه روش در گام اول نمونه¬های آموزشی مناسب گردآوری شده است و سپس این داد¬ه¬ها مورد آنالیزهای آماری قرار می¬گیرد. پس از بررسی¬های لازم، روش¬های مطرح شده در تحقیقات پیشین پیاده سازی شده و دقت هر یک از آنها با توجه به داده¬های زمینی (داده¬های ایستگاه¬های هواشناسی کشور) بدست می¬آید. به دلیل پایین بودن دقت این روش¬ها در منطقه مطالعاتی مورد نظر ما، روش¬های بهبود یافته¬ای ارائه می¬گردد که ضمن افزایش دقت در شناسایی گردوغبار نسبت به روش¬های پیشین، بومی سازی نیز صورت پذیرفته است. لازم به ذکر است در طی این پایان نامه روش¬های بهبود یافته تحت عنوان tiidi بهبود یافته و درخت تصمیم¬گیری توسعه یافته مطرح شده¬اند. وژگان کلیدی: شناسایی گردوغبار، سنجنده modis، شاخص¬های طیفی، شبکه عصبی، داده¬های ایستگاه هواشناسی، میدان دید افقی، سنجنده omi، عمق نوری ذرات معلق

تصاویر ماهواره ای به دلیل مزایای بسیاری که دارند از شروع تولید و بکارگیری به عنوان یکی از بهترین و به صرفه ترین روش ها برای تهیه نقشه های پوششی زمین بکار گرفته می شوند. رسیدن به یک راهکار مناسب برای تهیه دقیق این نقشه ها دغدغه مهم مهندسان سنجش از دور از ابتدا تاکنون بوده است. روش های مختلفی تاکنون برای طبقه بندی تصاویر و تهیه نقشه کاربری اراضی و پوشش زمین ارائه شده اند. به دلیل ماهیت پیکسلی این تصاویر برای بیش از دو دهه روش های آماری برای طبقه بندی این تصاویر استفاده می شد که تماماً روش های مبتنی بر پیکسل بودند. به کلاس های حاصل از این روش ها کلاس های طیفی می گفتند. در روش های سنتی تمرکز بیشتر بر روی ابعاد طیفی داده های سنجش از دور قرار دارد و از وابستگی های مکانی پیکسل های مجاور غفلت شده است. به همین دلیل این گونه طبقه بندی کننده ها با مشکلاتی مانند اثر نمک فلفلی در تصویر طبقه بندی شده و یا هم پوشانی طیفی برخی از کلاس ها مخصوصاً در لبه ها مواجه هستند که باعث می شوند نتوانند بازسازی مناسبی از محیط واقعی را ارائه دهند. روش های شئ گرا برای برطرف کردن ضعف های روش های پیکسل مبنا ابداع شدند. در این روش ها چند پیکسل که ماهیت یکسانی دارند و در همسایگی هم هستند، به عنوان یک شئ در نظر گرفته می شوند. به دست آوردن قطعات در آنالیز شئ گرای تصاویر ابتدایی ترین مرحله این گونه آنالیزها است. در روش های معمول طبقه بندی های شئ گرا، اشیا مورد نیاز را با استفاده از پیاده سازی الگوریتم های قطعه بندی بر روی تصویر به دست می آورند. طبقه بندی نهایی قطعات به دست آمده از این روش ها اگرچه ممکن است به دقت بالایی برسد، ولی این اشیاء نمی توانند عوارض واقعی سطح زمین را به خوبی بازسازی کنند. در روش هایی که به تازگی مورد توسعه قرارگرفته اند اشیا مورد نیاز جهت انجام آنالیز شئ گرا از داده های جانبی مانند نقشه های مکانی منطقه استخراج می شوند. در این تحقیق، هشت ویژگی بافت در دو جهت و در چهار باند استخراج می شوند که تشکیل 64 ویژگی جدید می دهند. این 64 ویژگی به همراه ویژگی ndvi استخراج شده از تصویر و چهار باند اصلی تصویر تشکیل یک فضای ویژگی 69 بعدی را می دهند. سپس با استفاده از الگوریتم ژنتیک فضای ویژگی بهینه انتخاب می شود. در ادامه اشیاء مورد نیاز برای آنالیز شئ گرای تصویر، از لایه های جی آی اس استخراج می شوند. سپس ویژگی مکانی نسبت طول به عرض از اشیاء استخراج شده از داده های gis، محاسبه می شود. این ویژگی هم به فضای ویژگی بهینه اضافه شده و فضای ویژگی جدید تشکیل می شود. ویژگی ها با در نظر گرفتن توزیع نرمال برای آن ها، وارد رابطه محاسبه شباهت ها در قانون بیز می شوند. با ترکیب اشیاء استخراج شده و شباهت های محاسبه شده برای پیکسل های داخل هر شئ، میزان شباهت هر شئ به هر کلاس محاسبه می شود. و درنهایت با انجام طبقه بندی بیشینه شباهت در سطح اشیا، برچسب گذاری اشیا انجام می گیرد. درنهایت مشخص می شود که در فرایند بهبودی الگوریتم دقت کلی طبقه بندی به میزان 18 درصد افزایش می یابد.

تصاویر ماهواره ای به دلیل مزایای بسیاری که دارند از شروع تولید و بکارگیری به عنوان یکی از بهترین و به صرفه ترین روش ها برای تهیه نقشه های پوششی زمین بکار گرفته می شوند. رسیدن به یک راهکار مناسب برای تهیه دقیق این نقشه ها دغدغه مهم مهندسان سنجش از دور از ابتدا تاکنون بوده است. روش های مختلفی تاکنون برای طبقه بندی تصاویر و تهیه نقشه کاربری اراضی و پوشش زمین ارائه شده اند. به دلیل ماهیت پیکسلی این تصاویر برای بیش از دو دهه روش های آماری برای طبقه بندی این تصاویر استفاده می شد که تماماً روش های مبتنی بر پیکسل بودند. به کلاس های حاصل از این روش ها کلاس های طیفی می گفتند. در روش های سنتی تمرکز بیشتر بر روی ابعاد طیفی داده های سنجش از دور قرار دارد و از وابستگی های مکانی پیکسل های مجاور غفلت شده است. به همین دلیل این گونه طبقه بندی کننده ها با مشکلاتی مانند اثر نمک فلفلی در تصویر طبقه بندی شده و یا هم پوشانی طیفی برخی از کلاس ها مخصوصاً در لبه ها مواجه هستند که باعث می شوند نتوانند بازسازی مناسبی از محیط واقعی را ارائه دهند. روش های شئ گرا برای برطرف کردن ضعف های روش های پیکسل مبنا ابداع شدند. در این روش ها چند پیکسل که ماهیت یکسانی دارند و در همسایگی هم هستند، به عنوان یک شئ در نظر گرفته می شوند. به دست آوردن قطعات در آنالیز شئ گرای تصاویر ابتدایی ترین مرحله این گونه آنالیزها است. در روش های معمول طبقه بندی های شئ گرا، اشیا مورد نیاز را با استفاده از پیاده سازی الگوریتم های قطعه بندی بر روی تصویر به دست می آورند. طبقه بندی نهایی قطعات به دست آمده از این روش ها اگرچه ممکن است به دقت بالایی برسد، ولی این اشیاء نمی توانند عوارض واقعی سطح زمین را به خوبی بازسازی کنند. در روش هایی که به تازگی مورد توسعه قرارگرفته اند اشیا مورد نیاز جهت انجام آنالیز شئ گرا از داده های جانبی مانند نقشه های مکانی منطقه استخراج می شوند. در این تحقیق، هشت ویژگی بافت در دو جهت و در چهار باند استخراج می شوند که تشکیل ?? ویژگی جدید می دهند. این ?? ویژگی به همراه ویژگی ndvi استخراج شده از تصویر و چهار باند اصلی تصویر تشکیل یک فضای ویژگی ?? بعدی را می دهند. سپس با استفاده از الگوریتم ژنتیک فضای ویژگی بهینه انتخاب می شود. در ادامه اشیاء مورد نیاز برای آنالیز شئ گرای تصویر، از لایه های جی آی اس استخراج می شوند. سپس ویژگی مکانی نسبت طول به عرض از اشیاء استخراج شده از داده های gis، محاسبه می شود. این ویژگی هم به فضای ویژگی بهینه اضافه شده و فضای ویژگی جدید تشکیل می شود. ویژگی ها با در نظر گرفتن توزیع نرمال برای آن ها، وارد رابطه محاسبه شباهت ها در قانون بیز می شوند. با ترکیب اشیاء استخراج شده و شباهت های محاسبه شده برای پیکسل های داخل هر شئ، میزان شباهت هر شئ به هر کلاس محاسبه می شود. و درنهایت با انجام طبقه بندی بیشینه شباهت در سطح اشیا، برچسب گذاری اشیا انجام می گیرد. درنهایت مشخص می شود که در فرایند بهبودی الگوریتم دقت کلی طبقه بندی به میزان ?? درصد افزایش می یابد.

سامانه اقلیم زنجیره ای از زیرسامانه هاست که به وسیله شارش های انرژی، ماده و تکانه از نظر درونی با یکدیگر وابسته هستند. این نظریه اقلیمی به شرایط مرزی به ویژه شارهای سطح زمین بویژه شارهای تابشی و گرمایی توجه می کند. از سوی دیگر نسبت شارهای گرمایی با بیلان انرژی تابشی و با یکدیگر می تواند نقش هر یک از انرژی های گرمایی را در رفتار سامانه جو بیان کند. همچنین می توان دریافت که چه مقدار از شار تابش خالص به شار گرمای زیرسطحی تبدیل شده و به لایه زیرسطحی هدایت شده است و در چه مواقعی این انرژی به سطح زمین بر می گردد. بعلاوه در مطالعه سامانه ها می توان دریافت که گرمای اصلی سامانه جو در یک مکان و زمان خاص از سال توسط کدام شار گرمایی تامین شده است و عامل مهم و فعال در سازوکار سامانه ها کدام شار گرمایی است. در این پژوهش از داده های ایستگاه های تابش سنجی زمینی، داده های دوباره واکاوی شده و داده های سنجش از دور برای مطالعه توازن انرژی سطح زمین در گستره ایران استفاده شده است. در بخش داده های دوباره واکاوی شده از داده های ساعتی و روزانه در دوره 10 ساله در فاصله سال های 2000 تا 2010 استفاده شده است. در بخش داده های دوباره واکاوی شده از مدل های فیزیکی برآورد توازن شار انرژی و در بخش سنجش از دور از مدل های bisht و tang استفاده شده است. نتایج پژوهش نشان دهنده منطقه بندی جدید و دقیق تر شارهای تابشی و گرمایی برای بهره برداری در انرژی های نوبا تفکیک کمتر از 50 کیلومتر است. بیشینه تغییرپذیری شارهای تابشی نشان می دهد که سواحل دریای کاسپین در استان گیلان و پس از آن نواحیزاگرس جنوبی در حوالی یاسوج و کوهرنگ در فصل زمستان از بیشترین وردش پذیری وضع هوا برخوردار هستند. پراکندگی شار طول موج بلند ورودی و گسیلایی محلی نیز تاثیر توپوگرافی و همچنین نقشه غلطت ذرات جو و آلودگی را برای کشور در دوره های زمانی مختلف ارائه می دهد. بیشینه سپیدایی سیاره ای در زمستان بیشترین گسترش برف را در منطقه بین همدان تا تبریزنشان می دهدوکمترین مقدار انرژی باقی مانده در سطح زمین و کمترین شار هدایت شده به لایه زیر سطحی در این نواحی مشاهده می شود. این امر نشان می دهد که بیشترین وارونگی های دمایی در این نواحی قابل مشاهده هستند. مقدار سپیدایی سیاره ای در طول سال نشان می دهد کهحداقل 30 درصد و حداکثر 65 درصداز شار تابش کل در سطح زمین باقی مانده و صرف ایجاد شارهای گرمایی و گرم کردن آن شده است. در فصل زمستان بیشتر بودن شار گرمای نهان در نواحی جنوب غرب نسبت به عرض های بالاتر نشان می دهد که بیشتر سامانه های ایجاد کننده این بارش ها از جنوب غرب و غرب کشور وارد کشور شده اند. در فصول زمستان و بهار افزایش شار تابش خالص به منزله تقویت شارهای گرمایی و به ویژه شار گرمای محسوس است که با افزایش نسبت شار گرمای نهان به شار تابش خالص افزایش بارش های همرفتی را بدنبال دارد. نتایج بدست آمده در زمینه انتقال انرژی از سطح زمین به جو نشان می دهد که در فصل زمستان،با افزایش نسبت شار گرمای نهان به شار گرمای محسوس، شار گرمای نهان در انتقال انرژی به لایه مرزی نقش موثری دارد. در حالی که در دوره گرم سال،بیشینه نسبت شار گرمای محسوس به تابش خالص دیده می شود و نشان می دهدکه شار گرمای محسوس نقش موثری در انتقال انرژی به لایه مرزی دارد. شارهای گرمایی در طول شب و شار تابش خالص در طول روز نقش بیشتری در ایجاد عدم توازن انرژی سطح زمین دارند و می توان نتیجه گرفت که توازن شار انرژی در کشور به صورت دو قطبی است. برآوردهای نزدیک مدل های ماهواره ای به مقادیر اندازه گیری شده ایستگاهی به ویژه در شرایط آسمان صاف دیده می شود و داده های سنجش از دور به تنهایی نمی توانند درک درستی از وضعیت شارهای تابشی را ارائه نمایند، نیازمند استفاده از داده های ایستگاهی هستند.

این پایان نامه به تجزیه و تحلیل داده های رادار پلاریمتری چندمنظر به منظور آشکارسازی تغییرات می پردازد. عدم وابستگی رادار با روزنه مجازی به شرایط اتمسفر و نور خورشید از یک سو و در اختیار داشتن تصاویر راداری با فواصل کوتاه زمانی از سطح زمین از سویی دیگر، جذابیت و پتانسیل کاربردهای آشکارسازی و پایش را بسیار بالا می برد. علاوه بر این رادار پلاریمتری با افزایش تعداد باندهای پلاریمتری در مقایسه با رادار تک-پلاریزاسیونه، قابلیت تمایز اهداف روی زمین را افزایش می دهد.

به علت ضعف روش های موجود خوشه بندی، معمولا در تحلیل تصاویر ماهواره ای نتایج آن با اعتماد کمتری مورد استفاده قرار گرفته و از آن به عنوان روشی غیرمستقل یا مرحله ای از یک روش تحلیل ترکیبی استفاده می شود. همپوشانی طیفی عوارض در فضای ویژگی، بزرگترین اثر را روی دقت خوشه بندی دارد و با بالا رفتن شباهت طیفی عوارض، تشخیص خوشه ها برای الگوریتم های خوشه بندی دشوار می گردد. یکی از راهکارهای پیشنهادی در برای بالا بردن دقت خوشه بندی، خوشه بندی نیمه نظارت شده است که در این روش از انواع قیود برای کنترل فرآیند خوشه بندی استفاده می شود. یکی از پرکاربردترین قیود متداول، قیود مکانی هستند که از اطلاعات مکانی سطح تصویر علاوه بر اطلاعات طیفی فضای ویژگی استفاده می شود. در این تحقیق یک روش خوشه بندی توسعه داده شد که بتواند تا حد ممکن ضمن استفاده از قابلیت های خوشه بندی، با کمک اطلاعات مکانی تصویر، دقت خوشه بندی را بالا برده و از ضعف های روش های موجود تا حد ممکن اجتناب نماید.

چکیده ندارد.

در عصری زندگی می کنیم که آنرا عصر اطلاعات نامیده اند و بی شک سنجش از دور ‏‎(rs)‎‏ بعنوان ابزاری قوی در جمع آوری داده ها از جایگاه ویژه برخوردار می باشد. استفاده صحیح از داده های سنجش از دور جهت حل مشکلات و معضلات شهری یکی از مهمترین دغدغه های بسیاری از مدیران و برنامه ریزان شهری می باشد. با توجه به اینکه سیستم اطلاعات جغرافیایی ‏‎(gis)‎‏ بعنوان ابزاری قوی در نگهداری، تحلیل و مدیریت داده های زمین مرجع مخصوصا در مناطق شهری مطرح گردیده است، از آن بعنوان سیستم حمایت در تصمیم گیری نام می برند. لذا دقت در تهیه اطلاعات، به منظور وارد نمودن و به روز رسانی سیستم اطلاعات جغرافیایی، بعنوان یک واقعیت انکار ناپذیر مطرح می گردد. اصولا استخراج اطلاعات از تصاویر ماهواره ای و عکس های هوایی فرایندی پیچیده بوده و تحت تاثیر عوامل بسیاری می باشد، لذا چشم پوشی از یک یا چند عامل منجر به کاهش دقت اطلاعات استخراج شده از داده های ماهواره ای می گردد. در این پایان نامه روش مدل- پایه، که بدنبال مدل نمودن عوامل تاثیر گذار در فرایند اخذ داده ها می باشد، بعنوان ابزاری نیرومند جهت استخراج نیمه اتوماتیک جاده های شهری مورد ارزیابی قرار گرفته است. روش مدل-پایه مبتنی بر سه بخش اساسی: فرضیه سازی ‏‎(hypotheses generation)‎‏، مدارک سازی ‏‎(evidence generation)‎‏ و برآورد فرضیه بر اساس مدرک می باشد. فرضیه سازی مهمترین بخش روی مدل-پایه می باشد که با الگوریتم های متفاوتی قابل انجام می باشد و بخش مدرک سازی با استفاده از تصویر مورد استفاده بدست می آید. با توجه به دقت نسبتا بالای بدست آمده در طبقه بندی نواحی کشاورزی و جنگلی، با استفاده از الگوریتم فرضیه سازی مبتنی بر حداکثر احتمال محلی ‏‎(local miximum likelihhood)‎‏ در کارهای گذشته (آبکار 1999)، در این پایان نامه روش فوق جهت استخراج نیمه اتوماتیک جاده های شهری با استفاده از تصاویر با قدرت تفکیک فضایی بالا (عکس هوایی رنگی شهر سان-دیاگو-آمریکا) مورد ارزیابی قرار گرفته است. الگوریتم فرضیه سازی مبتنی بر حداکثر احتمال محلی ‏‎(lml)‎‏، بدلیل همپوشانی طیفی جاده با سایر عوراض (مثل: پارکینگ ها، خانه ها، سایه ها و غیره) نتایج قابل قبولی را ارائه نداد، لذا با استفاده از دانش تصویری و روشهای فیلتری دقت نهایی اطلاعات بدست آمده از الگوریتم ‏‎(lml)‎‏ به میزان قابل قبولی افزایش یافت تا قابلیت وارد شدن به سیستم اطلاعات جغرافیایی را دارا گردند.