spatial data
در نشریات گروه جغرافیا-
این پژوهش با هدف ارتقای فضاهای دوستدار کودک در محله سرداران ارومیه که دارای بافت سنتی و تاریخی می باشد، انجام شده است. بر اساس مدل حق به شهر حضور و تعامل هر یک از گروه های سنی و هر گروه کاربری (تجاری، مسکونی، مذهبی، اداری) در این ارتقاء کیفیت فضاها به عنوان یک عامل کلیدی شناخته می شود. پژوهش حاضر از منظر روش تحقیق توصیفی - تحلیلی بوده و از لحاظ هدف کاربردی می باشد. نمونه آماری را از مابین 4 کاربری که بیشترین درصد از کاربری های موجود محله سرداران را در برمی گیرد، انتخاب شده است. مطابق با فرمول کوکران حجم نمونه پژوهش برابر با 135 می باشد. داده های جمع آوری شده در سه دسته تقسیم بندی می شود: مدل چیدمان فضایی -پرسشنامه و برداشت های میدانی. در مدل چیدمان فضایی نقشه عمق کلی از نقشه محوری محدوده استخراج گردید و با تحلیل روابط توپولوژیکی نقشه های پیوستگی و یکپارچگی دسترسی های محدوده تولید گردید. نتایج حاصل از پژوهش نشان می دهد دسترسی های محلی محدوده از جمله صحبه، شیشه گرخانه و کوچه حشمتی دارای بیشترین پیوستگی (10) و اتصال بالا با همسایگی بلافصل می باشد و قطعات ملکی موجود در این مسیرها مطابق اطلاعات گردآوری شده بیشترین پتانسیل شکل دهنده و ارتقای فضاهای دوستدار کودک مبنی بر تامین منافع همه گروه های سنی محله و کاربری های محله از طریق روابط فضایی همسایگی از جمله مسکونی و تجاری دارد، به طوری که می تواند با وجود پایه ای ترین تسهیلات محلی دعوت کنندگی بسیار بالایی برای تمامی گروه های سنی در شرکت در تعاملات اجتماعی محله داشته باشد
کلید واژگان: حق به شهر، محله سرداران ارومیه، فضاهای دوستدار کودک، مدل چیدمان فضایی داده های مکانیThe purpose of this research was to advocate for the creation of child-friendly spaces in the Sardaran neighborhood of Urmia, which holds a traditional and historical significance. Using the "right to the city" model, the study recognizes that the presence and interaction of different age and user groups (commercial, residential, religious, office) are crucial for improving the quality of spaces. This research is descriptive-analytical in terms of the research method and practical in its purpose. The research sample consists of 135 observations selected from 4 different land uses that comprise the most significant percentage of existing land uses in the Sardaran neighborhood. The collected data is categorized into spatial arrangement models, questionnaire responses, and field impressions. The spatial layout model involves extracting the overall depth map from the axial map of the area. By analyzing the topological relations, the continuity and integrity of the area's accesses were represented in maps. The research results indicate that local access areas such as Sahaba, shishegarkhaneh, and Heshmati Alley have the highest connectivity (10) and strong connections with the immediate neighborhood. The information collected suggests that real estate plots in these areas have great potential for development. There is also a focus on promoting child-friendly spaces to cater to the interests of all age groups in the neighborhood. This includes enhancing neighborhood spatial relations, encompassing residential and commercial spaces, to foster social interactions among residents of all ages despite the limited local facilities.
Keywords: Right To The City, Sardaran Neighborhood Of Urmia City, Child-Friendly Spaces, Space Syntax Model, Spatial Data -
خوشه بندی داده های بزرگ، ساختارها را آشکار و گروه بندی ها را شناسایی می کند و هدف اصلی آن تفکیک داده ها در خوشه هایی با ویژگی های مشابه است. شبکه های عصبی مصنوعی ابزاری استاندارد برای خوشه بندی داده های بزرگ و چندبعدی هستند. هدف این تحقیق، خوشه بندی داده های بلوک های آماری شامل 21 متغیر اجتماعی-اقتصادی و دسترسی به خدمات مرتبط با رویکرد توسعه پایدار شهری با شبکه عصبی گازی بدون استفاده از پارامترهای مکانی و همچنین با به کارگیری مرکز هندسی بلوک های آماری به عنوان پارامتر مکانی در روند خوشه بندی و مقایسه نتایج حاصل می باشد. الگوریتم شبکه عصبی گازی (NG) متداول ترین شبکه برای خوشه بندی داده های با ابعاد بالا و شبکه عصبی گازی بافتی (CNG) مکانی شده این الگوریتم است. در این مطالعه بلوک های آماری شهر اصفهان با آموزش این دو الگوریتم بر اساس متغیرهای منتخب خوشه بندی شدند. نتایج بیانگر وجود تفاوت قابل توجه در خوشه های حاصل از اجرای این دو الگوریتم است. خوشه بندی با استفاده از الگوریتم NG، منتج به خوشه های ناهمگن می شود و بالعکس اجرای الگوریتم CNG به دلیل استفاده از پارامترهای مکانی منجر به تولید خوشه های همگن می گردد. در این پژوهش ارزیابی کیفیت خوشه بندی با محاسبه متوسط ضریب سیلهوته برای بلوک های آماری انجام شد که الگوریتم CNG با متوسط ضریب سیلهونه برابر 29/ 0 عملکرد بهتری نسبت به الگوریتم NG با متوسط ضریب سیلهوته 02/0- دارد. این نتایج بیانگر تاثیر مثبت پارامترهای مکانی در ایجاد خوشه های همگن در محیط شهری است. خوشه بندی بلوک های آماری شهری با به کارگیری متغیرهای مرتبط با توسعه پایدار و رویکرد مکان مبنا با استفاده از الگوریتم CNG ازجمله نوآوری های این تحقیق به شمار می رود.
کلید واژگان: شبکه عصبی گازی بافتی، خوشه بندی، داده های مکانی، توسعه پایدار، بلوک های آماری، شهر اصفهانClustering is a vital technique for revealing structures and discerning groupings within extensive datasets, particularly in spatial data analysis, where the primary objective is to segregate data into clusters with shared characteristics. Artificial neural networks are established tools for clustering large and multidimensional datasets. This research focuses on clustering census block data, encompassing 21 socio-economic variables and access to services relevant to sustainable urban development. The study employs the Neural Gas (NG) network without spatial parameters. Then, it introduces the geographic coordinates of census blocks as spatial parameters, comparing the outcomes of the two approaches (NG & CNG). The NG algorithm, a prevalent choice for clustering high-dimensional data, and its spatially enhanced version, the Contextual Neural Gas (CNG) algorithm, were employed in clustering Isfahan city's census blocks. Results indicated a notable distinction in the clusters derived from the implementation of the NG and CNG algorithms. Clustering with the NG algorithm yielded heterogeneous clusters, whereas the CNG algorithm produced homogeneous clusters benefiting from spatial parameters. Evaluation of clustering quality, performed by calculating the average Silhouette coefficient for census blocks, showed the superior performance of the CNG algorithm, attaining a silhouette coefficient of 0.29 compared to the NG algorithm's -0.02. This research affirmed the positive impact of spatial parameters on creating homogeneous clusters within the urban environment. Leveraging the CNG algorithm and extracting homogenous areas based on sustainable development variables contributed to streamlined urban planning and management. The clustering of census blocks using variables related to sustainable urban development and a location-based approach using the CNG algorithm is one of the innovations of this research.
Keywords: Contextual Neural Gas, Clustering, Spatial Data, Sustainable Development, Census Blocks, Isfahan City -
امروزه با افزایش حجم و ابعاد داده های مکانی و نیاز به درک کامل داده ها، شبکه های عصبی خودسازمانده به ابزاری استاندارد برای کار با داده های بزرگ و چند بعدی تبدیل شده اند که می توانند در خوشه بندی، بصری سازی و انتقال داده های چند بعدی در فضایی با ابعاد کمتر استفاده شوند. هدف از پژوهش حاضر، خوشه بندی داده های بلوک های آماری (شامل ده متغیر منتخب اجتماعی-اقتصادی مرتبط با رویکرد توسعه پایدار شهری) با شبکه های عصبی خودسازمانده بدون استفاده از پارامترهای مکانی و به کارگیری مختصات جغرافیایی بلوک های آماری به عنوان پارامتر مکانی در روند خوشه بندی و مقایسه نتایج حاصل شده، است. الگوریتم SOM رایج ترین شبکه عصبی خودسازمانده و الگوریتم Geo-SOMمکانی شده الگوریتم SOM است. روند خوشه بندی هر دو الگوریتم یکسان است و تنها تفاوت این دو الگوریتم به کا رگیری پارامترهای مکانی در روند اجرای الگوریتم Geo-SOM است. در پژوهش حاضر داده ها با الگوریتم SOM و Geo-SOM خوشه بندی شده است. نتایج نشان داد که خوشه های حاصل از دو الگوریتم به طور کامل، متفاوت است. خوشه بندی بلوک های آماری بدون توجه به خصوصیات مکانی و تنها با استفاده از معیار شباهت، منجر به خوشه های ناهمگن می شود و برعکس. با اعمال پارامترهای مکانی نه تنها از معیار شباهت، از ویژگی های مکانی داده ها نیز در فرآیند خوشه بندی استفاده می شود که این مسیله منجر به تولید خوشه های همگن می شود. ارزیابی نتایج با استفاده از ضریب سیلهوته بیانگر خوشه بندی مناسب تر الگوریتم Geo-SOM است؛ به طوری که میانگین ضریب سیلهونه برای الگوریتم SOM برابر 02/0- و برای الگوریتم Geo-SOM برابر 27/ 0است. مقایسه نتایج نشان دهنده تاثیر مثبت پارامترهای مکانی در خوشه بندی داده های اجتماعی و اقتصادی است.
کلید واژگان: شبکه های عصبی خودسازمانده، Geo-SOM، خوشه بندی، داده های مکانی، بلوک های آماری، شهر اصفهانThe increasing volume and dimensions of spatial data have made self-organizing neural networks a prominent tool for analyzing large and multi-dimensional datasets. Clustering, an approach for extracting knowledge from big data, aims to group similar data into clusters. This research focused on clustering socio-economic data of census blocks associated with urban sustainable development using self-organizing neural networks with and without spatial parameters referred to as SOM and Geo-SOM, respectively. Both algorithms employ the same clustering process but differ in the inclusion of spatial parameters, specifically the geographic coordinates of block centroids, in the Geo-SOM algorithm. The SOM and Geo-SOM algorithms were trained and applied to cluster the data. The resulting clusters exhibited distinct dissimilarities, demonstrating that clustering census block data solely based on non-spatial attributes leads to heterogeneous and incongruent clusters, whereas incorporating spatial parameters yields homogeneous and congruent clusters. Evaluation of the results using Silhouette coefficient indicated that Geo-SOM outperformed SOM in clustering the data with average Silhouette coefficients of -0.02 and 0.27 for SOM and Geo-SOM, respectively. Comparison of the outcomes highlighted the positive impact of incorporating spatial parameters on clustering socio-economic data.
Keywords: Self-organizing neural networks, som, Geo-SOM, Clustering, Spatial data, census blocks, Isfahan city -
برای محاسبه ی قدرت فرسایندگی بارش، داده های فضایی بارندگی با وضوح بالا برای ارزیابی فرسایش باران ضروری است. سنجنده های باران، توزیع فضایی نامنظم و ناهماهنگی فضایی حاصل از بارش را در برآورد مقدار بارندگی به خوبی نشان نمی دهند؛ زیرا بارش را به صورت نقطه ای اندازه گیری می کنند. برآورد مقدار بارش از داده های ماهواره ای، راه حلی جایگزین برای این مشکل است که امکان برآورد مقدار بارش و توزیع فضایی آن را در مناطق بزرگ فراهم می کند. هدف از این پژوهش، ارزیابی قابلیت داده های بارشی ماهواره ی TRMM در برآورد بارش و پایش نرخ فرسایندگی در سطح ایران است. در این پژوهش از داده های ماهانه ی ماهواره ی TRMM طی سال های 2000، 2005، 2010 و 2015، به منظور برآورد نرخ و ترسیم نقشه ی بارش و فرسایندگی با استفاده از شاخص فورنیه در سطح کشور استفاده شده است. برای ارزیابی دقت و صحت داده های TRMM نیز از آمار بارش ماهانه ی 45 ایستگاه زمینی هم زمان با داده های TRMM استفاده شده است. نتایج پژوهش در ارزیابی بارش و نرخ فرسایندگی نشان می دهد که به طورکلی، بیشترین نرخ بارش و فرسایندگی متعلق به ناحیه ی خزری، مناطق مرتفع زاگرس و البرز است و کم بارش ترین مناطق بارشی و نرخ فرسایندگی به ایران مرکزی، شرق و جنوب شرق کشور اختصاص دارد. سایر مناطق کشور نیز نرخ فرسایندگی بینابینی دارد. نتایج ارزیابی دقت داده های TRMM در قیاس با ایستگاه های زمینی نشان می دهد که ضریب R2 برای سال های پایش شده به ترتیب 86/0، 77/0، 73/0 و 82/0 است که از این منظر، این داده ها جایگزین مناسبی برای ایستگاه های زمینی محسوب می شود. نتایج ضریب RMSE برای سال های پایش شده نیز به ترتیب برابر است با 152، 205، 213 و 273 که از این نظر، اختلاف بین داده های زمینی و ماهواره ای به دلیل قدرت تفکیک مکانی ضعیف داده های TRMM و ماهیت متفاوت برداشت با ایستگاه های زمینی نسبتا زیاد است.کلید واژگان: داده های فضایی، فرسایش، مخاطرات محیطی، مدیریت اراضیIntroductionIn order to calculate the erosive power of rainfall, high-resolution precipitation data are necessary for rainfall erosion evaluation. However, collecting the required data on kinetic energy of the rainfall particles and precipitation rates with short-term temporal resolution is a time-intensive task, particularly in developing countries, and the collected data are difficult to process. Rain sensors provide valuable information on the rate and intensity of rainfall, but fail to adequately represent irregular and inconsistent spatial distribution of the precipitation when evaluating the precipitation rate as those perform point measurements of precipitation. Under such circumstances, evaluation of precipitation rate from satellite data provides an alternative approach to the problem, which makes it possible to estimate precipitation rate and its spatial distribution across large areas. All around the world, several research works have been performed to estimate soil erodibility factor using the precipitation product of TRMM sensor, while no research has used such products for erosion and erodibility studies in Iran. Given that a limiting factor for estimating rainfall erosive power across large areas in Iran has been the lack of required data on precipitation intensity or precipitation rate, the present research can provide an approach to address such limitations. This study is aimed at monitoring the precipitation and hence evaluating and monitoring soil erodibility factor using precipitation products of TRMM sensor and comparing the results with those of terrestrial stationsMethodologyIn this research, in order to use Modified Fournier Index (MFI) to estimate corrosive rate during 2000, 2005, 2010, and 2015, monthly precipitation products data of TRMM3B24 sensor was retrieved from http://apdrc.soest.hawaii.edu for all months of the considered years. Then, using the Fournier index and the equation proposed by Renard and Ferimvend, the erosive rate for the entire country was extracted for the four years considered in this study. In order to verify and evaluate the accuracy of the precipitation products of TRMM sensor, the monthly precipitation data collected from 45 terrestrial stations were used, and interpolation technique was used to develop precipitation and erosion maps based on the terrestrial data. Accuracy of the precipitation products of TRMM sensor was verified based on root-mean-square error (RMSE) and coefficient of determination (CD) of the annual precipitation at the pixel position of the synoptic stations.ResultsResults of evaluating annual precipitation rates indicated among the monitored years, the 2010 had experienced the lowest level of precipitation, while the 2000 was the year with the highest precipition level. A review on rainfall erosion maps indicated that, in 2000, the areas of the country with the highest erosion rates corresponded to the Middle Zagros and Caspian areas. The country’s erosion map in 2005 closely resembled that in 2000, the erosion rates in the southern Kerman and northern Hormozgan were significantly lower than 2005. In 2010, when mean annual precipitation exhibited a low, the Chabahar Area exhibited the lowest erosion rate across the country, because of the intrusion of a seasonal air mass in June. In 2015, once again, maximum erosion rate across the country corresponded to those in 2000 and 2005, as determined by increased precipitation rate. A comparison between annual precipitation data collected from TRMM sensor and synoptic stations showed that, during all of the four years, an adequately good R2 value was established between the data from TRMM and that from terrestrial stations. The highest value of R2 between the TRMM and terrestrial stations data was obtained for 2000 (0.86), while the lowest R2 value was that of 2015 (0.73). The obtained value of RMSE showed that, in 2000 (the year with the highest precipitation rate among the monitored years), the value of RMSE was 152 mm. For this year, the difference between the peak participation estimated from the two methodologies was 406 mm, which was mainly related to the four stations with the highest precipitation rates. In 2005, the difference between the peak participation estimated based on the data from the two sources was 543 mm, with a RMSE of 205 mm. Also in this year, the difference between minimum precipitation values was highest, as compared to the other years considered in this study. In 2010, the difference between the peak participation estimated based on the data from the two sources was 533 mm, with the RMSE reduced to 129 mm.Discussion & ConclusionsSpatial resolution includes terrestrial dimensions of each pixel of the image and determines accuracy of the image. Terrestrial dimensions of each pixel of the precipitation products of TRMM is 25 km by 25 km. Given the nature and definition of the pixel, it is the smallest spatial unit with its most important characteristic being the consistency across the entire pixel. Accordingly, the 625-km2 area of each pixel of an image from TRMM takes only one numerical value (DN) which is an average value of the precipitation across the entire 625-km2 area. Therefore, accuracy of each pixel in recording the precipitation depends on the variations of precipitation across the mentioned area. Terrestrial stations provide point estimations of precipitation, and interpolation technique is used to prepare erosion and precipitation maps from terrestrial stations. Accordingly, the higher the number of points included in the process of interpolation, the more flexible will be the resultant interpolated map. Given the fundamental differences between precipitation measurements by satellite sensors and classic terrestrial stations, it is difficult to firmly express that the data from terrestrial stations shall be taken as reference data and the remote sensing data shall be verified against the terrestrial data, because even in point measurements, there are cases where the precipitation condition in points near the measurement point is significantly different from that at the measurement point.Keywords: Spatial Data, Erosion, Environmental Hazards, Land Management
-
هدف این پژوهش تحلیل فضایی پراکنش و الگوی فضایی خدمات پیشرفته (APS) در یکی از شهرهای میانه اندام کشور (اردبیل) است. جامعه آماری پژوهش را 2100 واحد فعالیتی در چهار گروه از خدمات پیشرفته شامل خدمات بانکی و مالی، بهداشتی و درمانی، املاک و مستغلات و بیمه تشکیل می دهند. این پژوهش از نوع تحلیلی است و برای گردآوری و پیاده سازی داده ها از روش اسنادی و میدانی استفاده شده است. از فنون آمار فضایی همانند تراکم کرنل، میانگین نزدیکترین همسایه، آماره موران محلی، تراکم خوشه و ناخوشه ، لکه های داغ و رگرسیون موزون جغرافیایی (GWR) در محیط GIS برای تجزیه و تحلیل، تخمین تراکم، تحلیل الگوی پراکنش، الگوی توزیع و مفهوم سازی روابط فضایی استفاده شده است. یافته های پژوهش نشان می دهند که خدمات بیمه و خدمات مشاوره املاک بیشتر سطح شهر را از نظر حوزه پوشش دهی، به خود اختصاص داده اند. بخش مرکزی و جنوبی شهر، از بالاترین تراکم فضایی خدمات پیشرفته برخوردارند. الگوی فضایی خدمات پیشرفته از نوع پراکنده است. الگوی فضایی خدمات بیمه و مشاوره املاک از نوع پراکنده و الگوی توزیع فضایی خدمات بانکی و بهداشتی و درمانی از نوع خوشه ایاست. نقطه ثقل خدمات در مرکز جغرافیایی شهر قرار دارد و خدمات پیشرفته دارای مسیر حرکت شمالی- جنوبی هستند. بین تراکم جمعیت و برخی از خدمات پیشرفته رابطه معنی داری وجود دارد. در پایان، پیشنهادهایی بر اساس یافته های پژوهش ارائه شده است.کلید واژگان: تحلیل فضایی، خدمات پیشرفته، آمار فضایی، سامانه اطلاعات جغرافیایی (GIS)، شهر اردبیلThe aim of the present study is to analyze the spatial distribution and to show the spatial patterns of advanced producer services (APS) in Ardabil; one of the middle-sized cities in Iran. Sample of the study comprises 2100 activity units in four groups of advanced services, including banking and financial services, healthcare and remedial, real estate, and insurance services. Documentary and field methods are applied for collecting and processing the data. Spatial statistical techniques such as Kernel Density, Average Nearest Neighbor, the local Moran statistics, Cluster and Outlier spatial analysis, Hot Spots and Geographically Weighted Regression (GWR) methods have been used in GIS environment for data analysis, density estimation, distribution pattern analysis and conceptualization of spatial relationships. The results show that, insurance and real estate consulting services are enjoying the highest levels of coverage around the city. The highest densities of ASPs belong to center and south parts of the city. The spatial pattern of the advanced services is spread in type. Spatial pattern and spatial distribution of insurance services and real estate consulting are dispersed around the city, but the spatial pattern of banking, health and remedial services are clustered. The gravity or central point of advanced services locates at the geographical center of the city and the movement path of the advanced services follows a north-south route. There is a significant relationship between population density and some kinds of advanced services. Finally, some recommendations are presented based on the findings of the study.Keywords: Spatial analysis, Advanced Producer Services (APS), spatial data, GIS, Ardabil
-
مدیریت پایدار حیات وحش و زیستگاه های طبیعی برآیندی از مجموعه بررسی ها و مطالعات مکانی، کمی و کیفی مرتبط با جمعیت های حیات وحش و زیستگاه ها می باشد. امری که لزوم توجه به نگهداری صحیح از داده های موجود و ساماندهی آنها جهت افزایش عمر مفید این گونه داده ها به منظور جلوگیری از تکرار عملیات تهیه و جمع آوری آن ها و به تبع آن هدررفت بودجه های حفاظت و مدیریت حیات وحش را ضروری می نماید.لذا در پژوهش حاضر با توجه به مزایای بهره گیری از سیستم مدیریت پایگاه داده در نگهداری، استفاده و مدیریت داده ها، طراحی و پیاده سازی یک نمونه پایگاه داده مکانی حیات وحش در استان خوزستان صورت می گیرد. در طراحی و پیاده سازی پایگاه داده هدف، از پایگاه داده شیء-رابطه ایPostgreSQL/PostGIS استفاده شد. بر اساس یافته های این پژوهش، پایگاه داده متن باز PostgreSQL/PostGISبه عنوان یک گزینه مناسب جهت توسعه قابلیت های مدیریت داده های مکانی حیات وحش شناخته شد. همچنین مشخص شد که سیستم طراحی شده قادر به پشتیبانی از کلیه پرسش های ممکن مرتبط با داده های مکانی حیات وحش بوده، راه حلی جهت رفع برخی مسائل و مشکلات مربوط به مدیریت حجم عظیمی از داده های پراکنده حیات وحش ارائه می نماید. همچنین با توجه به موفقیت آمیز بودن پژوهش حاضر، ضرورت توجه به ساماندهی و مدیریت اطلاعات حیات وحش کشور و گنجاندن آن در متن سیاست های کلان سازمان حفاظت محیط زیست کشور مورد تاکید قرار گرفته، ضرورت ایجاد و توسعه پایگاه داده مکانی جامع حیات وحش کشور خاطر نشان می شود.کلید واژگان: داده های مکانی، حفاظت و مدیریت حیات وحش، PostgreSQL، PostGISSustainable management of wildlife and natural habitats outcome of spatial, quantitative and qualitative studies of wildlife populations and habitats. Which highlights the importance of proper maintenance of existing data and organizing them to increase lifetime of such data to avoid duplication of resampling operations and to save budgets of wildlife conservation and management.So according to the advantages of using database management system for maintenance, usage and management of data, in this study we aim to design and implement spatial database of Khuzestan province wildlife. In order to design and implement the spatial database we used PostgreSQL/PostGIS object-relational database. According to results of our study, PostgreSQL/PostGIS (open source database management system) known as a viable option for the development of wildlife spatial data management capabilities. Also our study indicates that the designed management database system can support all possible queries related to wildlife spatial data, this system can also provide a solution to solve some problems related to management of large volumes of wildlife scattered data. According to the success of this research, we emphasized the necessity of attention to organize and manage the wildlife information and considered it issue in macro polices of Environmental Protection Organization of Iran. Finally, we pointed the necessity of creating and developing a universal database for the wildlife spatial data of Iran.Keywords: Spatial data, wildlife, conservation, management, PostgreSQL, PostGIS
-
بخش رس از مهم ترین اجزای بافت خاک است که در عملیات مدل سازی زیست محیطی2 و پهنه بندی رقومی خاک3 بسیار مورد توجه است. ازآنجا که این ویژگی از تغییرپذیری های مکانی4 تاثیر می پذیرد، تشخیص و پهنه بندی و پایش این پارامتر، در مقیاس وسیع و با روش های نمونه برداری سنتی و تحلیل آزمایشگاهی معمول، بسیار هزینه بر و وقت گیر است. بنابراین، تقاضا برای بررسی این گونه اطلاعات با کیفیت خوب، هزینه کم و قدرت تفکیک (مکانی) مناسب، در مباحث و زمینه هایی همچون کشاورزی دقیق5 (PA) و برنامه ریزی اراضی6 (LP) بسیار زیاد شده است. با ظهور طیف سنجی ابرطیفی آزمایشگاهی (LDRS) که براساس ارتعاشات بنیادین7 (FVs)، علائم ترکیبی8 و فرعی9 حاصل از گروه های عاملی10 به تشخیص و بررسی اجزای خاک می پردازد، روزنه ای در بررسی این پارامتر خاک ایجاد کرده است. طی تحقیق حاضر، از طیف سنجی بازتابی مجاورتی11 (PSS) برای بررسی مقادیر رس در قسمت هایی از استان مازندران استفاده شده است. بدین ترتیب، مجموع 128 نمونه از عمق 20 سانتیمتری سطح خاک و براساس روش نمونه برداری طبقه بندی شده تصادفی12 (SRS) و نیز با کمک اطلاعات جانبی همچون: زمین شناسی، کاربری اراضی، نقشه راه ها، و خاک شناسی استان جمع آوری شد. در ابتدا، مجموع نمونه ها به دو قسمت تقسیم شد: 96 نمونه برای ایجاد مدل (عملیات واسنجی13) و 32 نمونه برای اعتبارسنجی مستقل14 آن. با بهره گیری از تحلیل رگرسیون چندمتغیره 15PLSR و براساس تکنیک اعتبارسنجی متقاطع به روش حذف تکی16 (LOOCV) و عملیات پیش پردازشی17 چون: میانگین گیری18 (روش کاهش داده های ابرطیفی19)، هموارسازی و مشتق اول طیفی براساس الگوریتم ساویتسکی- گولای20، درنهایت مدل کالیبراسیون با چهار فاکتور21 (LFs)، با RMSEC حدود 55/9 و R2C حدود 73/0 و نیز RPDC تقریبی 94/1 و RPIQC تقریبی 19/3 (ست کالیبراسیون)، به منزله مطلوب ترین مدل جهت برآورد مقادیر رس منطقه مورد مطالعه، شناخته شد که نتایج حاکی از توانایی مناسب مدل در برآورد رس منطقه بوده است. درنهایت، قابلیت فن اوری طیف سنجی بازتابی پراکنشی مرئی-فروسرخ نزدیک22 (VNIR-DRS)، در بررسی اجزای رسی منطقه، به اثبات رسید. همچنین، می شود این مدل و نیز دامنه های طیفی موثر به دست آمده را جهت بررسی مقادیر رس در مقیاس بسیار وسیع، با عملیات بیش مقیاس سازی23 به وسیله داده های ابرطیفی هوایی-ماهواره ای، مبنا قرار داد. این امر نشان دهنده اهمیت ابرطیف سنجی آزمایشگاهی، همچون پایه ای برای تشخیص باندهای طیفی مفید و نیز ایجاد مدل جهت استفاده آن در دورسنجی ابرطیفی است.کلید واژگان: اعتبارسنجی متقاطع، پهنه بندی رقومی، دورسنجی ابرطیفی، ابرطیف سنجی آزمایشگاهی، رس، PLSRSatellite image fusion and creating data with spectral and spatial capabilities greater than those of the existing data is of special interest and position in Remote Sensing. However, the accuracy and efficiency of all processing stages of using these data depend on the precision and reliability of the produced data. The optimum utilization of fused images relies, ultimately, on the precision of the employed fusion method. Evaluation of this important aspect requires selection of an optimum assessment metric which is appropriate for the objectives and application areas of fused images. Different application areas such as, natural resources, civil areas and etc. have different preferences with regard to maintaining the spectral and spatial data. Therefore, selection of the best fusion method, that is appropriate for the application area of the image, through image quality assessment metrics is one of the users challenges in this field. The present paper, thus, attempts to provide an analysis and assessment of 20 common image quality assessment methods so as to identify and introduce the most optimum metrics based on the area of application of fused images. It also tries to introduce the factors causing differences in the way quality is assessed by the metrics. And then present a model for identifying the capabilities of each metric for displaying the distortions that occur in the spectral and spatial aspects of data. To this end, two metrics of high-pass filter and spectral angle mapper are taken into consideration as spectral and spatial data comparison bases, and the performance of metrics with regard to their assessment of the quality of simulated data, that contain images with controlled spectral and spatial distortions, is evaluated. Spectral distortions were introduced by high-pass filter effect, band displacement and changing color tone. Low-pass filter and attrition filters with structural elements of different dimensions were also used for introducing spatial distortions. Due to offering different spectral and spatial resolutions, images from Landsat8, EO-1, and Angular Mapper method that are suitable for assessment of images with sensitive applications as they display the spectral distortions with greater precision; These methods include BIAS, RASE, Q, MSSIM, NQM, FSIM, SRSIM, and SAM indices. The third group is also compatible with high-pass filter of HPF, RFSIM and MAD that are of a greater capability for displaying spatial distortions.Keywords: Remote Sensing, spectral angle mapper indecs, high-pass filter, spectral, spatial data
-
تلفیق تصاویر ماهواره ای و ایجاد داده هایی با قابلیت مکانی و طیفی بالاتر از داده های موجود جایگاه و نقشی ویژه در مباحث سنجش از دور دارد. این درحالی است که دقت و کارآیی همه مراحل پردازش در مسیر استفاده از این داده ها به دقت و اعتمادپذیری داده تولیدشده وابسته است. درنهایت، استفاده بهینه از تصویر تلفیق شده مبتنی بر دقت روش تلفیق است. بررسی این مهم به انتخاب درست شاخص ارزیابی، متناسب با هدف و حیطه کاربرد تصویر تلفیق شده، نیاز دارد. ارجحیت حفظ اطلاعات مکانی و طیفی درکاربردهای گوناگون، همچون منابع طبیعی، مناطق شهری و مانند آن، متفاوت است. بنابراین، انتخاب بهترین روش تلفیق با بررسی ازطریق شاخص های ارزیابی کیفیت تصویر متناسب با حیطه کاربرد تصویر یکی از چالش های کاربران در این زمینه است. ازاین رو، مقاله حاضر به آنالیز و ارزیابی بیست روش رایج ارزیابی کیفیت تصویر، با هدف معرفی شاخص مناسب در بین شاخص های مطرح براساس کاربرد تصویر تلفیق شده، معرفی عوامل تفاوت نظر شاخص ها در بیان کیفیت و ارائه مدلی برای دریافتن توانای هریک از شاخص ها در نمایش اعوجاجات رخ داده در جنبه اطلاعات طیفی و مکانی تصویر پرداخته است. بدین منظور، دو شاخص فیلتر بالاگذر و زاویه نگاشت طیفی به منزله مبنای اطلاعات مکانی و طیفی تصویر درنظر گرفته شد و عملکرد هریک از شاخص ها در بیان کیفیت داده های شبیه سازی شده، که شامل تصاویری با اعوجاج طیفی و مکانی کنترل شده است، بررسی شد. برای ایجاد اعوجاج طیفی از اثر اعمال فیلتر بالاگذر، جابه جایی باند و تغییر تن رنگ بهره گرفته شده است. همچنین، از فیلتر پایین گذر و عملگرهای فرسایشی با عنصر ساختاری با ابعاد متفاوت برای مخدوش کردن اطلاعات مکانی استفاده شده است. در بررسی های انجام شده در این تحقیق، از تصاویر ماهواره های Landsat8،EO-1 وWorldview که قدرت تفکیک طیفی و مکانی متفاوت دارند، استفاده شد. از هر تصویر قطعاتی با کاربری اراضی متفاوت به منزله تصاویر تست برش داده شد. نتیجه ارزیابی شاخص ها روی تصاویر تست دسته بندی شاخص ها، از نظر توانایی نمایش انحرافات طیفی و مکانی، در سه گروه قرار می گیرد. دسته نخست روش های مبتنی بر نویز برای ارزیابی کلی تصویر در مقابل نویز است، شامل شاخص های ERGAS، MSE، PSNR، WSNR. دسته دوم روش های هم سو با روش نگاشت زاویه طیفی« SAM» که به دلیل نمایش بهتر انحرافات طیفی، برای برآورد تخریب اطلاعات طیفی تصویر مناسب تر است و شاخص های BIAS، RASE، Q، MSSIM، NQM، FSIM، SRSIM، SAM را دربر می گیرد. دسته سوم شاخص هم روند با شاخص فیلتر بالاگذر «HPF»، شامل شاخص های MAD و RFSIM است که برای برآورد تخریب اطلاعات مکانی تصویر مناسب تر است.کلید واژگان: سنجش از دور، فیلتر بالاگذر، شاخص نگاشت زاویه طیفی، اطلاعات طیفی و مکانیSatellite image fusion and creating data with spectral and spatial capabilities greater than those of the existing data is of special interest and position in Remote Sensing. However, the accuracy and efficiency of all processing stages of using these data depend on the precision and reliability of the produced data. The optimum utilization of fused images relies, ultimately, on the precision of the employed fusion method. Evaluation of this important aspect requires selection of an optimum assessment metric which is appropriate for the objectives and application areas of fused images. Different application areas such as, natural resources, civil areas and etc. have different preferences with regard to maintaining the spectral and spatial data. Therefore, selection of the best fusion method, that is appropriate for the application area of the image, through image quality assessment metrics is one of the users challenges in this field. The present paper, thus, attempts to provide an analysis and assessment of 20 common image quality assessment methods so as to identify and introduce the most optimum metrics based on the area of application of fused images. It also tries to introduce the factors causing differences in the way quality is assessed by the metrics. And then present a model for identifying the capabilities of each metric for displaying the distortions that occur in the spectral and spatial aspects of data. To this end, two metrics of high-pass filter and spectral angle mapper are taken into consideration as spectral and spatial data comparison bases, and the performance of metrics with regard to their assessment of the quality of simulated data, that contain images with controlled spectral and spatial distortions, is evaluated. Spectral distortions were introduced by high-pass filter effect, band displacement and changing color tone. Low-pass filter and attrition filters with structural elements of different dimensions were also used for introducing spatial distortions. Due to offering different spectral and spatial resolutions, images from Landsat8, EO-1, and Worldview satellites were used. Pieces with different land applications were cropped from these images to serve as test images. The assessment of the metrics tested on these images resulted in the categorization of metrics into three groups as per their capability for displaying spectral and spatial distortions. The first group included methods that functioned on the basis of noise for overall assessment of images with respect to their noise; these methods included ERGAS, MSE, PSNR, WSNR, and SNR indices. The second group were those aligned with Spectral Angular Mapper method that are suitable for assessment of images with sensitive applications as they display the spectral distortions with greater precision; These methods include BIAS, RASE, Q, MSSIM, NQM, FSIM, SRSIM, and SAM indices. The third group is also compatible with high-pass filter of HPF, RFSIM and MAD that are of a greater capability for displaying spatial distortions.Keywords: Remote Sensing, spectral angle mapper indecs, high-pass filter, spectral, spatial data
-
اطلاعات مواد اصلی تحقیقات علمی، و نتیجه بخش بودن پژوهش در گرو پردازش اطلاعات است.طبیعی است که در اختیار داشتن فناوری و ابزاری با این ابعاد و ویژگی، تحولاتی بنیادین را در عرصه پژوهش های علمی ایجاد کند.
سامانه های اطلاعات جغرافیایی(GIS)، بستری مناسب را جهت شبیه سازی هر موقعیت و مکان و با توانایی تجزیه وتحلیل در مدل سازی، محیط سه بعدی لازم برای ارزیابی مستمر و ارزشیابی طرح های شهری فراهم می سازد. علاوه بر اطلاعاتی که در تحلیل تاثیر اطلاعات محیطی و سیستم قرار دارند، اطلاعات جغرافیایی دیگری برای گنجاندن در مدل انتخابی سایت با سیستم و متناسب با نوع موضوع ترکیب خواهند شد. به عنوان نمونه اطلاعات مورد نیاز شهرسازی شامل موارد زیر می باشد: عکس های هوایی رقومی و تصاویر ماهواره ای؛ اطلاعات بارندگی و نقاط هم بارش؛ اطلاعات سرزمین های مرطوب و خشک، اطلاعات خاک و نوع مقاوت خاک؛ نقشه آلودگی های رادیولوژیکی، آب، خاک، هوا و...؛ مدل سه بعدی رقومی زمین (DEM)1؛ پوشش گیاهی و گونه شناسی؛ اطلاعات توپوگرافی و شیب منطقه؛ اطلاعات جمعیتی وتراکم جمعیت؛ اطلاعات شبکه دسترسی، اطلاعات رقومی شده تاسیسات و زیرساخت ها؛ وضعیت آبخیز و آبخوان در منطقه (شناسایی مسیل ها و رودخانه ها)؛ وضعیت آب های سطحی و زیرزمینی؛ وضعیت زمین شناسی و ژئوتکتونیک در منطقه؛ اطلاعات گسل های شناسایی شده در منطقه.
اطلاعات دیگر شامل اطلاعات جدول آب، عمق آب زیر زمینی، جغرافیایی سطح و. .. بر حسب موضوع جهت برنامه ریزی شهری (مکانیابی، طراحی و ساخت) مورد ارزیابی قرار می گیرند.
پس از جمع آوری اطلاعات ذکر شده، مراحل ذخیره سازی، سازماندهی در نرم افزارهای GIS انجام و بستر پایگاه دادهای فراهم می شود.
در سامانه های اطلاعات جغرافیایی، اطلاعات فضایی که شامل داده های مکانی و اطلاعات توصیفی هستند به عنوان پوششی برای داده های برداری راستری(سلولی) ذخیره می شوند. خصوصیات هرمدل اطلاعاتی باید قبل از ترکیب درسیستم انتخابی سایت مورد توجه قرارگیرد. ساختار پایگاه اطلاعات جغرافیایی با دو شیوه متفاوت شکل می گیرند:الف) روش لایه بندی اطلاعات و مدل مکانی (رقومی سازی داده ها، روی هم گذاری)؛ب) روش شیءگرا و بر اساس موقعیت مکانی پدیده ها (هوشمند سازی پدیده ها).
در سیر تحول اتوماسیون از تولید رقومی عناصر گرافیکی و توانایی ترکیب، تجمیع، تنسیق، تصحیح، بارزسازی و به هنگام نمودن به ایجاد پایگاه دادهای مکانی و جغرافیایی و هوشمند سازی اجزا و عناصر گرافیکی دست یافته به طوری که علاوه بر توانایی اطلاعات رقومی، شرایط انتخاب و تصمیم گیری منطقی را دارا می باشد.کلید واژگان: داده های مکانی، پایگاه داده ای مکانی، GIS و پایگاه های داده، آماده سازی داده ها و سازمان پایگاهInformation is the main ingredient of scientific research and an efficacious research depends on information processing. Naturally, such a tool and environment with such dimensions and features creates fundamental changes in the realm of scientific researches.
Geographic information system (GIS) provides an appropriate context for the simulation of any situation and space. It also creates the necessary 3d environment for the constant investigation and evaluation of urban plans with its analytic ability in modelling. Except for data used in the analysis of environmental and systematic information, other geographic information will be integrated into the selected site model according to the subject. As an instance, information necessary for urban management includes:Digital aerial imagery and satellite pictures, precipitation data and isohyet points, information about humid and arid lands, soil and its resistance, map of radiologic pollution, water/soil/weather pollution, digital earth model (DEM), vegetation and typology, topographic information and slope, population information and density, access network information, digitalized information of infrastructure and facilities, the situation of watersheds and aquifers in the area (identifying streams and rivers), ground and underground waters, geologic and geotectonic situation of the area, information related to the known faults in the area.
Other information like water table information, depth of underground water, geography of surface, etc. are evaluated according to the subject and used in urban planning, locating, designing and constructing.
After collecting the mentioned information, saving and organizing are performed in GIS environment and data base platform.
In geographic information systems, spatial data and descriptive information are stored as a coverage for vector and raster data. Features of each information model should be considered before being integrated in the selected site system.
The structure of geographic information base is constructed in 2 different ways:a) Stratification of information, spatial model of data digitalization, overlapping
b) Objective method based on spatial position of the phenomena, smartification of the phenomena
In the process of evolution, automation reached from digital production of graphical elements and the ability to integrate, aggregate, regulate, correct, distinguish and synchronize to create spatial and geographic data base and smartification of the graphic components. So that in addition to the ability of producing digital information, it has the necessary conditions for selection and logical decision making.Keywords: Spatial data, spatial data base, GIS, data base, preparing data, base organization -
دورکاوی از یک سو به عنوان فن آوری جدید جمع آوری داده های جغرافیایی برای تامین GIS و از سوی دیگر به عنوان داده های فضایی مرجع کاربر جهت تحلیل علمی اهمیت دارد. در این مقاله تاکید برروی اهمیت پیوند داده های راستری دورکاوی با داده های برداری GIS جهت ایجاد تشکیل IGIS(1) می باشد. کاربرد IGISدر حوزه های مختلف کاربردی نظیر طبقه بندی اطلاعات و مدل سازی محیطی دارای ارزش زیادی است. بدیهی است که دورکاوی و IGIS مکمل یکدیگرند و هر دو به طورمستقل و جداگانه، بویژه در روزهای اولیه، تا اندازه ای پیشرفت داشتند. با پیوند فناوری، مفاهیم و نظریه های هر دو درIGIS، سیستم های اطلاعات غنی تر و پیشرفته و به روز را می توان برای استفاده در کاربردهای واقعی ایجاد نمود. تقریبا کلیه پروژه ه ایی که هم اکنون از داده های ماهواره ای استفاده می کنند یا با داده های محیطی سروکار دارند، از توسعه و پیشرفت IGIS سود می برند.
کلید واژگان: دورکاوی، داده های فضایی، سامانه های اطلاعات جغرافیایی، IGIS ومدل سازی محیطیRemote sensing is important as a new technology for collection of geographic data for GIS on the one hand and as user's reference spatial data for scientific analysis on the other. In this paper, emphasis is placed on the importance of linking remote sensing raster data to GIS vector data to create IGIS. The application of IGIS is of great value in a variety of applications, such as information classification and environmental modeling. It is evident that remote sensing and IGIS complement each other, and both progressed independently and separately, especially in the early days. With linking the technology, concepts and theories of both in IGIS, more advanced and up-to-date information systems can be created for use in real applications. Almost all projects that currently use satellite data or deal with environmental data benefit from development of IGIS.
Keywords: Remote Sensing, Spatial data, Geographic Information Systems, IGIS, environmental modelling
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.