فهرست مطالب

علوم و فنون نقشه برداری - سال ششم شماره 3 (زمستان 1395)
  • سال ششم شماره 3 (زمستان 1395)
  • تاریخ انتشار: 1395/12/28
  • تعداد عناوین: 10
|
  • افشین آصف پور وکیلیان، مهدی آخوندزاده هنزایی، فاطمه ذاکری صفحات 1-13
    مطالعه تغییرات محلی عوارض آبی از اهمیت زیادی در مدیریت بحران منابع آبی و پیش بینی تغییرات اقلیمی برخوردار است. به منظور بررسی این تغییرات و تشکیل سری زمانی احتیاج به داده های متوالی در طی مدت زمانی طولانی است که در این مقاله از داده های ماهواره ای اخذ شده توسط سنجنده های رادار و اپتیک به این منظور استفاده شده است. در این تحقیق به بررسی روش های کلاسیک مانند ARIMA و GARCH، و روش های جدید مانند زنجیره مارکوف مونت کارلو در زمینه مدل سازی سری زمانی داده های ارتفاعی و مساحت دریاچه ارومیه و ارزیابی صحت آن ها پرداخته شده است. تناوبی بودن نمونه گیری مارکوف مورد بررسی قرار گرفت و عملکرد روش ترکیبی بر روی داده های ارتفاع و مساحت دریاچه ارومیه ارزیابی شد. سپس، پارامترهای مرتبط با تغییرات فصلی نیز به این مدل افزوده شدند. در انتها، به مقایسه نتایج حاصل از اعمال روش جدید با روش های کلاسیک بر اساس معرفی پارامترهای ارزیابی دقت خطای مجذور میانگین ریشه (RMSE) و ضریب مجذور r (r2)، در مرحله اعتبارسنجی پرداخته شد. از بررسی نتایج مشخص شد که تحلیل سری زمانی به روش تولید زنجیره تصادفی مارکوف با استفاده از الگوریتم مونت کارلو، منجر به تولید نتایج بهتر در تخمین سری زمانی دریاچه ارومیه نسبت به روش های کلاسیک شده است. به این ترتیب، تغییرات سری زمانی ارتفاع و مساحت دریاچه ارومیه به ترتیب با دقت های تقریبی 14 سانتیمتر و 66/1 کیلومتر مربع مدل شدند و مقادیر آن ها تا سال 2020 میلادی پیش بینی شدند. نتایج به دست آمده از پیش بینی مقادیر فوق نشان دهنده ایجاد ثبات نسبی در روند خشک شدن این دریاچه هستند. این ثبات نسبی همچنین بر روی داده های مربوط به شش سال اخیر (از سال 2011 تا 2016) نیز قابل مشاهده است که می تواند ناشی از اجرای سیاست های احیای این دریاچه باشد که با ادامه آن ها می توان تا حد ممکن از خشک شدن دریاچه جلوگیری کرد.
    کلیدواژگان: دریاچه ارومیه، تحلیل سری زمانی، روش های کلاسیک، زنجیره مارکوف مونت کارلو، پیش بینی
  • بهرام مرادی سلوشی، علیرضا وفایی نژاد صفحات 15-22
    سیستم حمل ونقل ریلی از تعامل مجموعه ای از تجهیزات و عملیات تشکیل شده است که توانایی و ظرفیت یک سیستم ریلی در حمل ونقل بار و مسافر را تعیین می کند. بدین منظور محاسبه ظرفیت و تحلیل نحوه تغییرات کلیه عوامل موثر بر آن مهم و شناخت آن ها کمک شایانی در ارتقاء سطح بهره برداری شبکه ریلی دارد. روش های مختلفی برای محاسبه ظرفیت وجود دارد که با توجه به نوع شبکه و نحوه استفاده از آن می توان از آن ها بهره گرفت که در حال حاضر در کشور ایران، به دلیل اینکه شبکه ریلی دارای تنوع استفاده به صورت باری، مسافری و یا ترکیبی (باری و مسافری) است، از روش محاسبه ظرفیت راه آهن که به رابطه ظرفیت عملی مشهور است (رابطه Scott) استفاده می شود. در این زمینه، هدف تحقیق حاضر که برای اولین بار صورت می پذیرد، این است که برای محاسبه ظرفیت از توانمندی های سیستمهای اطلاعات مکانی بهره جسته و با طراحی و پیاده سازی یک سیستم اطلاعات مکانی تحت وب، وضعیت ظرفیتی عملیاتی شبکه ریلی را به صورتی نوین و با کارایی بیشتر نسبت به روش های متداول تعیین نماید. بدین منظور محیطی GIS مبنا طراحی گردید که به پایگاه داده های مختلف شرکت راه آهن جمهوری اسلامی ایران ازجمله پایگاه سیر و حرکت متصل شده و ضمن مشاهده وضعیت فعلی ظرفیتی شبکه، راهکارهایی برای استفاده از ظرفیت خالی، بالا بردن ظرفیت شبکه و همچنین رفع گلوگاه های ظرفیتی شبکه ریلی مطرح می کند. استفاده از این شیوه، نه تنها باعث افزایش سرعت و دقت محاسبه ظرفیت شبکه شد، بلکه باعث بهبود تصمیم گیری مدیریتی جهت استفاده از ظرفیت خالی شبکه به منظور فروش این ظرفیت به شرکت های متقاضی و کسب درآمد برای شرکت راه آهن جمهوری اسلامی ایران نیز گردید تا جایی که قبل از شروع هر فصل یا سال، می توان قراردادهای مناسبی برای تقاضای صاحبان بار و مسافر در شبکه ریلی منعقد نمود.
    کلیدواژگان: سیستم اطلاعات مکانی (GIS)، ظرفیت شبکه ریلی، پایگاه داده گراف، سرویس تحت وب
  • میر رضا غفاری رزین، بهزاد وثوقی صفحات 23-34
    توموگرافی یونوسفر یک روش بسیار موثر جهت بررسی ویژگی های فیزیکی این لایه از جو می باشد. بازسازی توموگرافیک چگالی الکترونی یونوسفر بدلیل کمبود مشاهدات ورودی و نیز عدم توزیع یکنواخت آنها یک مساله معکوس بدوضع محسوب می شود. در این مقاله از یک روش جدید پایدارسازی بنام هیبرید جهت حل این مساله استفاده شده است. این روش ترکیبی از روش های پایدارسازی تیخونوف و تغییرات کلی (TV) می باشد. مزیت این روش در کمتر شدن میزان بایاس ایجاد شده در نتایج و نیز ایجاد تعامل بهینه مابین مقدار بایاس و دقت نتایج حاصل است. بدلیل وجود اندازه گیری های مستقیم یونوسفر (یونوسوند φ=35.73820، λ=51.38510) در سال 2007، کارایی روش پیشنهادی این مقاله توسط داده های شبکه ژئودینامیک کشور ایران در سه روز مختلف بتاریخهای 03/01/2007 (فصل زمستان)، 03/04/2007 (فصل بهار) و 13/07/2007 (فصل تابستان) مورد تست و ارزیابی قرار گرفته است. همچنین نتایج الگوریتم پیشنهادی در این مقاله با نتایج حاصل از روش تیخونوف مرتبه صفرم، چگالی الکترونی بدست آمده از مدل مرجع جهانی یونوسفر 2012 (IRI-2012) و چگالی الکترونی حاصل از مدل NeQuick موسسه عبدالسلام ایتالیا مورد مقایسه قرار گرفته است. منطقه بازسازی شده دارای عرض 22 تا 40 درجه و طول 44 تا 64 درجه می باشد. آنالیز انجام گرفته نشاندهنده کمینه خطای نسبی 55/1 درصد و بیشینه 52/19 درصد می باشد. همچنین مقادیر کمینه و بیشینه خطای مطلق بترتیب برابر با 1011×32/1 (ele/m3) و 1011×67/6 (ele/m3) بدست آمده است.
    کلیدواژگان: پایدارسازی، هیبرید، توموگرافی یونوسفر، GPS، IRI-2010، NeQuick
  • حسین یوسفی، سید محمد مهدی موسوی، یونس نوراللهی صفحات 35-50
    رشد فزاینده مصرف انرژی متناسب با توسعه اقتصادی و روند افزایش جمعیت با توجه به محدودیت ذخایر سوخت های فسیلی از یک طرف و معضلات زیست محیطی ناشی از مصرف اینگونه منابع انرژی از طرف دیگر، بهینه سازی در مصرف انرژی و استفاده از سایر منابع انرژی را ضروری می سازد. در میان انرژی های تجدیدپذیر، انرژی برق بادی بدلیل شرایط اقتصادی بهتر و همچنین عدم آلایندگی محیط زیست، امروزه بیشتر از سایر منابع تجدیدپذیر مورد توجه واقع شده است. تعیین مکان مناسب برای احداث نیروگاه های بادی نیازمند توجه به معیارها و عوامل مختلفی است. در این تحقیق ضمن شناسایی پارامترهای مهم در مکان یابی نیروگاه های بادی، نقش و میزان تاثیرگذاری هر یک از عوامل نیز مشخص گردیده است و براساس نقش و تاثیر متفاوت فاکتورهای مختلف، نقشه های متعددی تهیه گردیدند. جهت تلفیق نقشه ها، مدل فازی انتخاب و پیاده سازی گردیده است. به منظور انجام مطالعات ذکر شده، شهرستان دامغان از استان سمنان که از مناطق بادخیز کشور به حساب می آید، انتخاب گردیده است. مطالعات نشان می دهند که شهرستان دامغان بیشترین پتانسیل انرژی بادی را در استان سمنان دارا می باشد.
    پس از بررسی و ارزیابی نتایج حاصل از تلفیق نقشه ها به کمک نرم افزار GIS، مناطق مناسب جهت احداث نیروگاه بادی در منطقه مورد مطالعه انتخاب شد. مناطق مستعد در فاصله مناسبی از راه های دسترسی، خطوط انتقال نیرو، مراکز جمعیتی و... قرار دارند. در مجموع 2240 کیلومتر مربع از شهرستان دامغان جهت احداث نیروگاه های بادی مناسب تشخیص داده شد (حدود 16% از کل). میزان انرژی قابل استحصال از مزارع بادی در شهرستان دامغان با در نظر گرفتن کلیه معیارهای یاد شده و رعایت فواصل مناسب مابین مزارع بادی برای جلوگیری از افت توان ، حدود 1000 مگاوات برآورد شد.
    کلیدواژگان: سیستم اطلاعات مکانی (GIS)، مکان یابی، معیارهای مکانیابی، منطق فازی، نیروگاه بادی، شهرستان دامغان
  • امیدرضا عباسی، علی اصغر آل شیخ صفحات 51-62
    یکی از مباحث کلیدی در برنامه ریزی حمل و نقل شهری پیش بینی تقاضای سفر است و درک و مدل سازی آن کاربردهای فراوانی در طراحی زیرساخت های شهری، مدل سازی مکانی شیوع بیماری ها، سیاست گذاری ها و برنامه ریزی شهری و تحلیل های مکانی-زمانی در GIS دارد. به طور سنتی برای پیش بینی تقاضای سفر از یک مدل چهار مرحله ای استفاده می شود. خروجی مرحله دوم از این مدل ماتریس مبدا-مقصد یا ماتریس توزیع سفر نام دارد و درایه های این ماتریس میزان سفرهای انجام شده از هر مبدا به هر مقصد را نشان می دهند. ماتریس توزیع سفر می تواند به عنوان یک ورودی مهم در بسیاری از تحلیل های مکانی GIS استفاده شود. مهمترین بخش توزیع سفر تعیین مدل مورد استفاده جهت برآورد ماتریس مبدا-مقصد است. تا به امروز مدل های مختلفی نظیر مدل جاذبه جهت برآورد ماتریس توزیع سفر معرفی شده است. در سال های اخیر نیز برخی مدل های دارای پارامتر و بدون پارامتر نظیر PWO، تابش و رتبه مبنا در حوزه پیش بینی الگوی حرکتی شهری توسعه داده شده است. در این مقاله کاربرد مدل رتبه مبنا در برآورد ماتریس توزیع سفر شهری بررسی شده است. در این مقاله به عنوان مطالعه موردی، مدل رتبه مبنا در منطقه منهتن شهر نیویورک ایالات متحده پیاده سازی شده و نتایج آن به صورت کمی و در مقایسه با مدل جاذبه مورد ارزیابی قرار گرفته است. نتایج نشان می دهد که بر اساس شاخص همانندی سورنسن مدل رتبه مبنا توانسته است حدود 67 % سفرها را شبیه به سفرهای واقعی برآورد کند. هم چنین مقدار r-squared حاصل از تحلیل رگرسیون خطی برابر 32/0 به دست آمد که این عدد بیان گر انطباق مناسب اعداد ماتریس برآوردشده با واقعیت است.
    کلیدواژگان: الگوی حرکتی شهری، دینامیک شهری، توزیع سفر، ماتریس مبدا - مقصد، برنامه ریزی حمل و نقل، مدل رتبه مبنا
  • امیر مصطفی حاتمی، مهسا معماریان فرد، محمدرضا صبور صفحات 63-74
    یکی از مهم‏ترین راهکارهای مدیریت مناسب پسماند شهری که در حال حاضر به‏عنوان اولویت اول در مدیریت پسماند شهری در بسیاری از کشورها در کانون توجه قرار گرفته است، تفکیک و جداسازی از مبدا است. تحقیق پیش‏رو با استفاده از آمار مربوط به جمعیت ساکن و تولید و تفکیک پسماند، به کمک سیستم اطلاعات مکانی (GIS)، به بررسی میزان پسماند تفکیک شده مناطق 22 گانه شهر تهران طی سال‏های 92-89 پرداخته است. پسماند تر با %74.56، بیشترین سهم وزنی پسماندهای شهر تهران را به خود اختصاص داده است. منطقه 4 با بیش از 885 هزار نفر و منطقه 22 با جمعیتی کم‏تر از 135 هزار نفر در انتهای سال 1392، به‏ترتیب پرجمعیت‏ترین و کم‏جمعیت‏ترین مناطق شهر به حساب می‏آیند. منطقه 2 در سال‏های 89 و 90 و منطقه 5 در سال‏های 91 و 92 دارای بیشترین تولید پسماند بوده‏ است ، به گونه‏ای که در سال 92، منطقه 5 به تنهایی بیش از 6 برابر منطقه 13 پسماند تولید کرده است. در میان مناطق 22 گانه شهر تهران، پسماند تفکیک شده در مبدا برای منطقه 4 و 5 بیشترین و در مناطق 21 و 22 کم‏ترین میزان به دست آمده است. به‏طور میانگین می‏توان گفت در سال‏های 89، 90، 91 و 92 به‏ترتیب %15.23، %14.85، %14.38 و %15.23 از کل پسماند شهر تهران به‏صورت تفکیک از مبدا جمع آوری شده است. در سال 89، 90 و 91 منطقه 12 بیشترین میزان جمع آوری پسماند تفکیک شده را داشته و در سال 92، منطقه 14 با %23.73، منطقه 1 با %22.70 و منطقه 8 با %22.42 بهترین مناطق در این زمینه بوده‏اند.
    کلیدواژگان: مدیریت پسماند، تفکیک پسماند، تولید پسماند، سیستم اطلاعات مکانی
  • محمد طالعی، الهام طاهری امیری صفحات 75-88
    هدف این تحقیق، بررسی شاخص های مکانی مناسب جهت ارزیابی معابر از منظر پتانسیل پیاده روی می باشد. در این تحقیق از تلفیق تحلیل های مبتنی بر سیستم اطلاعات مکانی (GIS)[1] و سنجش از راه دور و روش های تحلیل چندمعیاره[2]AHP وTOPSIS [3] استفاده شده است. شاخص های مکانی شامل: سطح اتصال با سایر معابر، دسترسی به زیرساخت های حمل و نقل عمومی، اختلاط کاربری، چگالی واحد های مسکونی و سبزینگی می باشند. جهت تعیین اهمیت شاخص ها از کارشناسان شهرسازی و مردم، نظرسنجی صورت پذیرفت. مدلسازی ارائه شده، برای معابر نواحی هفت و دو منطقه ی یک شهر تهران پیاده سازی گردید. پس از انجام تحلیل های مورد نیاز و پیاده سازی مدل در منطقه ی مطالعاتی، بر اساس نظر کارشناسان، در میان خیابان های اصلی، خیابان های ولیعصر، درکه و رشیدالدین فضل الله و از میان خیابان های فرعی، خیابان های دانشجو، کرمی و البرز کوه؛ و بر اساس نظر مردم، در میان خیابان های اصلی، خیابان های ولیعصر، اوین و درکه و در میان خیابان های فرعی، خیابان های دانشجو،کرمی و سید محمد شریفی منش، بالاترین تناسب را برای پیاده روی از منظر شاخص های این تحقیق دارا هستند. بر اساس نتایج بدست آمده از این تحقیق می توان معابر مختلف را از منظر این شاخص ها ارزیابی نمود و برای بهبود معابر از دیدگاه پتانسیل پیاده روی در آینده برنامه ریزی کرد. به علاوه از طریق رتبه بندی صورت گرفته می توان معابری که نیاز بیشتری به بهبود داشته و اولویت بالاتری دارند را شناسایی نمود.
    کلیدواژگان: پتانسیل پیاده روی، شاخص های شهرسازی، تحلیل های چند معیاره مکانی، GIS
  • علیرضا چهرقان، رحیم علی عباسپور صفحات 89-102
    هدف از تناظریابی عوارض، شناسایی عوارض متناظر در مجموعه داده های مختلف در دنیای واقعی می باشد. تحقیق حاضر چارچوبی را برای بهبود تناظریابی گذرگاه های شهری در مجموعه داده های با مقیاس و منابع متفاوت ارائه می دهد. چارچوب پیشنهادی بر اساس نظریه گراف و در نظر گرفتن معیارهای مرتبط با هندسه عوارض، جهت تناظریابی مجموعه داده های شبکه راه های درون شهری در مقیاسها و منابع مختلف می باشد. در راهکار ارائه شده سعی شده است با در نظر گرفتن معیارهایی هندسی نظیر فاصله، جهت، مساحت، شکل و ناحیه مشترک بین حریم عوارض و در نظر گرفتن ادراک مکانی کارشناسان در تعیین درجه اهمیت هریک از معیارها، درجه شباهت عوارض در منابع داده مختلف تعیین گردد. علاوه بر موارد فوق، در راهکار ارائه شده ضمن حذف ابهام در تعریف عوارض، تمام روابط موجود بین عوارض (شامل یک به هیچ، هیچ به یک، یک به یک، یک به چند، چند به یک و چند به چند) در نظر گرفته می شود. همچنین چارچوب پیشنهادی برخلاف بسیاری از روش های پیشین حالت کاربردی بودن خود را در مواجه با داده های با مقیاسها و منابع متفاوت از دست نمی دهد. نتایج نشان می دهد که روش پیشنهادی در مسئله تناظریابی به خوبی عوارض متناظر را در مجموعه داده های با مقیاس و منابع مختلف شناسایی می کند. برای ارزیابی نتایج از ضریب استفاده گردید که شامل هر دو پارامتر و می‍باشد. با در نظر گرفتن معیارهای هندسی مختلف مقدار از 02/35 تا 67/82 درصد بهبود می یابد.
    کلیدواژگان: تناظریابی عوارض خطی، مجموعه داده های با مقیاس و منابع متفاوت، تئوری گراف، هندسه عوارض، نظرات کارشناسان
  • سمیرا دلاور، علیرضا امیری، سیمکویی صفحات 103-117
    بیش از دو دهه است که استفاده از مشاهدات پیوسته ی ایستگاه های دائمی GPS کاربرد وسیعی جهت رفتارسنجی پدیده های ژئودینامیکی از جمله تغییر شکل پوسته ی زمین، حرکت صفحات تکتونیکی و گسل ها پیدا نموده است. معمولا موقعیت های روزانه ایستگاه های دائمی GPS از نظر تصادفی مستقل از یکدیگر در نظر گرفته می شوند. از طرفی خطاهایی نظیر خطای مدل کردن مدار ماهواره ها، تعیین پارامترهای دورانی زمین، مدل کردن پارامترهای اتمسفری و غیره باعث نویز رنگی یا همبستگی بین موقعیت های روزانه ی ایستگاه ها می شوند. وجود آفست در مدل تابعی سری ها ی زمانی GPS نیز، باعث برآوردی اریب از پارامترهای مجهول می شود بنابراین برای برآوردی دقیق از پارامتر سرعت احتیاج به مدل تصادفی و تابعی دقیق از سری های زمانی GPS داریم. به این منظور در این مطالعه آنالیز نویز چند متغیره بر روی 38 ایستگاه دائمی GPS ایران با بازه ی زمانی 7 سال، انجام شده است. در این آنالیز مدل تصادفی داده ها با ترکیب نویز سفید، نویز فلیکر و نویز رندوم واک ارائه شده و برآورد مولفه های نویزها توسط روش « برآورد مولفه های واریانس کمترین مربعات» صورت گرفته است. اثر آفست موجود در داده ها بر روی برآورد نویز و پارامتر سرعت ایستگاه ها نیز مورد بررسی قرار گرفته است. بررسی همبستگی زمانی قبل و بعد از حذف آفست، کاهش مقادیر نویز به ویژه نویز رندوم واک را نشان می دهد. پارامتر سرعت نیز بعد از حذف آفست با تغییراتی همراه است که ضرورت بررسی آفست موجود در داده ها را تایید می کند. پس از حذف آفست، بررسی همبستگی مکانی نشان داد که وابستگی معناداری برای مولفه های شمالی-شمالی، شرقی-شرقی و ارتفاعی-ارتفاعی وجود دارد ولی بین مولفه های مختلف مختصاتی نتایج همبستگی، معنادار نیستند.
    کلیدواژگان: سری های زمانیGPS، آفست، آنالیز نویز چند متغیره، روش برآورد مولفه های واریانس کمترین مربعات، همبستگی مکانی، همبستگی زمانی
  • شهروز حسین پور ایواتلو، علی محمدزاده، مهرداد اسلامی صفحات 119-129
    علوم ژئوماتیک از اصلی ترین منابع تولید اطلاعات مکان مبنا می باشند. سنجش از دور و فتوگرامتری در تولید چنین اطلاعاتی نقش اساسی را برعهده دارند. شناسایی تغییرات با توجه به ماهیت تغییر به وجود آمده برای نهادهای مختلف دارای اهمیت بالقوه هستند. تاکنون روش های شناسایی تغییرات بسیاری از جمله ماسک باینری، مقایسه مستقیم و غیره مورد استفاده قرار گرفته اند. هر یک از این روش ها با توجه به هدف مورد نظر از داده های متنوعی سود برده اند؛ تصاویر اپتیک و مادون قرمز دارای بیشترین استفاده به عنوان داده ورودی در شناسایی تغییرات می باشند. جهت بهبود دقت شناسایی تغییرات، فضاهای ویژگی متنوعی از جمله ویژگی های بافتی مورد استفاده قرار گرفته اند. آماره های بافتی مستخرج از ماتریس رخداد همزمان دارای تنوع بالا با تاثیر گذاری متفاوت بر نتایج شناسایی تغییرات می باشند. اما استفاده از تمام ویژگی های بافتی برای افزایش دقت، در مواقعی به دلیل افزایش اندازه تعداد ویژگی ها و وجود نویز مشکلاتی را به همراه دارد. در این مقاله به منظور ارزیابی عملکرد هر یک از این آماره های شناخته شده، به بررسی تاثیرگذاری آن ها بر دقت های شناسایی تغییرات پرداخته شد. ابتدا سه باند در ناحیه های طیفی مختلف از تصویر لندست 8 برای سال های 2013 و 2015 به عنوان داده های ورودی انتخاب گردید. سپس آماره های ماتریس رخداد همزمان روی هر یک از سه باند برای هر کدام از سال های مورد اشاره استخراج گردید. در مرحله بعد، تصویر تفاضلی از طریق تفریق باندهای آماره های بافتی متناظر برای سال های 2013 و 2015 تولید گردید. همچنین تصویر تفاضلی باندهای طیفی نیز تولید شد. سپس، هر یک از تصاویر تفاضلی آماره ها (در باندهای مورد نظر به صورت مجزا) با تصویر تفاضلی باندهای طیفی ادغام و وارد طبقه بندی کننده بیشترین شباهت شد. نتایج بدست آمده نشان داد کارکرد آماره ها به عواملی مانند نوع کلاس های مورد نظر و محدوده طیفی (داده مورد استفاده) نیز وابسته است. همچنین نتایج بدست آمده نشان داد، در مجموع آماره های «میانگین»، «انتروپی» و «همگنی» بیشترین و آماره های «واریانس»، «کنتراست» و «همبستگی» کمترین تاثیر را در افزایش دقت شناسایی تغییرات با توجه به تست های این پژوهش دارا می باشند.
    کلیدواژگان: شناسایی تغییرات، آماره های بافتی، ماسک باینری، ماتریس رخداد همزمان، دریاچه ارومیه
|
  • A. Asefpour Vakilian, M. Akhoondzadeh Hanzaei, F. Zakeri Pages 1-13
    Study of local changes in wetlands is of great importance in hazard management of water resources and climate change prediction. According to the infiltration process of water on the ground surface and mixing with groundwater, there will always be a need for monitoring and quality control of surface waters to avoid horrible environmental hazards. Retreat of the coastlines can cause a hydrological concern, moreover, it can be a serious challenge to the quality of water resources followed by the consequences on living organisms.
    Lake Urmia is the largest permanent salt water lake located in north-western part of Iran, between East and West Azerbaijan provinces, and the twentieth largest terminal lake in the world which stands in second place after the Great Salt Lake, located in the northern part of the U.S. state of Utah. Drought, heat, increased demand for irrigation water, construction of numerous dams and ecological changes due to construction of a causeway that divides the lake into south and north parts, have been steadily shrinking the salty Lake Urmia. By a continuation of this process, disturbance of the regional ecosystem is possible in the near future.
    Sequential data over a long time interval is required to monitor fluctuations of the lake and form time series. For this reason, satellite data captured by radar and optical sensors in a 24-year interval from 1992 to 2016 were taken into account. Radar data was used to obtain surface water level fluctuations of the lake and a spectral process of the optical data was used to compute the surface water extent of the lake for the intended time interval. Surface water level (height) and surface water extent (area) are two important parameters that are directly correlated with the water balance of Lake Urmia. Normalized difference vegetation index (NDVI) was calculated from Landsat satellite imageries to obtain candidate wetland pixels followed by a multiplication of candidate wetland pixels and ground sampling distance (GSD) of Landsat scenes to calculate the area of the lake for any desired time interval. Then, classic and modern methods for modeling the time series of height and area data were studied and cross validated. Auto-regressive integrated moving average (ARIMA) and generalized auto-regressive conditional heteroscedasticity (GARCH) were selected as representatives of classic methods and Markov chain Monte Carlo (MCMC) was selected as a representative of modern methods.
    A Markov chain is a discrete time stochastic process with the property that the distribution of any new value of the process, only depends on the pervious value of the chain. This chain needs to be aperiodic to stop Markov chain from oscillating between different sets of states in a regular periodic movement. Monte Carlo sampling technique was then used to avoid this problem. Periodic seasonal variation parameters were then added to the MCMC model using a combination of delayed rejection and adaptive metropolis sampling (DRAM). In this case, the solution to the problem that we are pursuing is to compute the probability of transition from current state to any other possible states. Finally, a comparison between results from classic models and MCMC based on root mean square error (RMSE) and R-squared measures was done to obtain goodness of fit in cross-validation section. For this purpose, classic and modern models were applied on the first 90 percent of input data and the efficiency of each model evaluated from comparison of predictions from the model and latter 10 percent of input data. Results from goodness of fit tests showed that ARIMA and GARCH are not able to model non-linear behavior of input data. However, Markov chain random sampling time series analysis using Monte Carlo algorithm showed good results in prediction of Lake Urmia height and area time series in comparison with classic methods.
    Deployment of MCMC in monitoring and prediction of height and surface fluctuations of Lake Urmia can provide precise measurements with error intervals of about ±14 centimeter and ±1.66 square kilometer, respectively. Considering calculated error intervals and predictions from MCMC model, Lake Urmia fluctuations until 2020 were computed. Results showed a nearly stable state for drought conditions at Lake Urmia. According to the predictions from MCMC model, maximum height and surface fluctuations are limited between [-23 to ] centimeter and [-80 to ] square kilometer, respectively. Recent observations of height and surface in a six-year period from 2011 to 2016, showed a good stability in fluctuations which could be a cause of implementation of restoration policies for Lake Urmia, however, there is still a long way to full restoration of this lake. Strict plans for restoration policies are necessary in order to avoid an environmental disaster due to a possible decrease in height and surface of Lake Urmia based on future predictions.
    Keywords: Urmia Lake, time series analysis, classic methods, Markov Chain Monte Carlo, prediction
  • B. Moradi Seloushi, A. R. Vafaeinejad Pages 15-22
    Railway transportation system is composed of interactions among a set of equipment and operations determining the capability and capacity of the railway system in terms of cargo and passenger transportation. The structure of capacity in rail transport is different from that of other methods of transport and especially road transport. Parameters affecting the capacity of rail transport systems are very extensive, depending on type of route in terms of the route geometry and the technologies used in operation. The ability and capacity of carrying freight and passenger in a rail transport network is a function of various parameters in the path of the fleet such as route characteristics (slope, arc, electric signs system, speed limitations, tunnels, etc.), features of fleet (locomotive speed, weight, type of pulling force, type of wagons, etc.), features and characteristics of operations in stations (loading and unloading system and equipment of stations), type of operation and schedule of departure in the rail network (speed and type of trains), construction or reopening of stations, and tracking. All these factors define and determine the capacity of a rail transport system and the nodes for utilization of the network. For this purpose, capacity calculation and analysis of changes in any factor affecting it are important as the corresponding knowledge imposes large contributions in enhancing operating level of existing railway networks. There are various methods for calculating the capacity, of which one may select one depending on the network type and application. As of now, in Iran, considering the variety of applications planned for railway network (cargo, passenger transportation, or a mixed of the two), so-called practical capacity method (Scott’s formula) is used to calculate line capacity. Accordingly, current procedures followed in data gathering and obtaining effective parameters on line capacity calculation, as well as actual capacity calculation and analysis are performed manually, resulting in some discrepancies in different calculations and results. Further, there are chances that, planning based on an inappropriate estimation of line capacity, a portion of actual line capacity remains unused. As such, the present research, which is the first on the topic, aims at using capabilities of geographic information system (GIS) to design and implement a web-based GIS service to determine the state of railway network capacity via a novel approach which offers higher efficiency than conventional methods. For this purpose, a base GIS environment was designed and connected to different databases run by Islamic Republic Of Iran Railways Co., including the travel database, to observe current state of the network in terms of capacity and propose solutions to further exploit unused capacity of the network and address bottle-necks of railway network capacity usage. The use of this method not only resulted in enhanced pace and accuracy of network capacity calculations, but also brought about better managerial decision-making to use unused capacity of the network and sell this capacity to applicant companies and generate further revenue for Islamic Republic Of Iran Railways Co., to the extent that, prior to any new season or year, one could sign appropriate contracts to address the demand raised by cargo owners and passengers across the railway network.
    Keywords: Geospatial Information System (GIS), Capacity of Railway Networks, Graph Data Bases, Web Service
  • R. Ghaffari Razin, B. Voosoghi Pages 23-34
    When the molecules and atoms of the atmosphere receive enough external energy, one or more electrons are dissociated from the molecules or atoms. This process is called ionization. The solar ultraviolet (EUV) radiation and particle precipitation are the two primary energy sources in the ionization. Also cosmic radiation contributes to this ionization. This layer of atmosphere is called ionosphere. The ionosphere is that part of the atmosphere in which the number of free electrons is so high that, it significantly affects the propagation of radio waves. Ionospheric refraction is one of the main error sources on GPS signals. This effect is proportional to the total electron content (TEC). TEC is a projection of electron density along signal path extending from the satellite to the receiver on the ground. The unit of TEC is TECU and 1 TECU equals 1016 electrons/m2. Production of free electrons in the ionosphere depends on many factors, such as solar, geomagnetic, gravitational and seismic activity period.
    There are many methods to obtain electron density or TEC profiles and predictions. In early time, direct measurements such as ionosonde was a kind of effective instrument to achieve this purpose. Later, some empirical and mathematical models were developed. For example, IRI (international reference ionosphere) model, PIM (the parameterized ionospheric model) are empirical models. Mathematical models divided to two categories: single-layer (2-D) and multi-layer (3-D & 4-D). The existing 2-D methods of modeling the electron density can be classified to non-grid based and grid based techniques. The former modeling techniques are based on the least squares estimation of a functional model for certain types of observables derived from the GPS carrier phase and code measurements. Polynomials and spherical harmonics are some of the base functions that are commonly in use. In grid based modeling, the spherical shell of free electrons is developed into a grid of rectangular elements. Special reconstruction algorithms are then used for estimating the electron density within the every element of the shell. Neglecting the vertical gradient of the electron density is the main deficiency of the two dimensional modeling techniques.
    To study the physical properties of the ionosphere, computerized tomography (CT) demonstrated an efficient and effective manner. Due to the sparse distribution of GPS stations and viewing angle limitations, ionospheric electron density (IED) reconstruction is an ill-posed inverse problem. Usually, iterative or non- iterative algorithm used for electron density reconstruction. Non- iterative algorithms are known regularization methods. Using these methods to solve the ill posed problems will produce bias in final results. In this paper, we used hybrid regularization algorithm for solving ionosphere tomography. This method is a combination of two regularizations
    Methods
    Tikhonov regularization and total variation (TV). Tikhonov regularization is a classical method for solving ill-posed inverse problem and total variation effectively resists noise in results. To apply the method for constructing a 3D-image of the electron density, GPS measurements of the Iranian permanent GPS network (at 3-day in 2007) have been used. The modeling region is between 240 to 400 N and 440 to 640 W. The result of hybrid regularization method has been compared to that of the zero order Tikhonov regularization method and NeQuick model outputs. The minimum relative error for hybrid method is 1.55% and the maximum relative error is 19.52%. Also, maximum and minimum absolute error is computed 1.32×1011 (ele/m3) and 6.67×1011 (ele/m3), respectively. Experiments demonstrate the effectiveness, and illustrate the validity and reliability of the proposed method.
    Keywords: Ionosphere Tomography, Ill-Posed Problem, Hybrid Regularization, Tikhonov Regularization, Total Variation
  • H. Yousefi, S. M. M. Mousavi, Y. Noorollahi Pages 35-50
    Energy demand continuously increases due to the growth of population and industries and rising consumption of electric energy in current decade. Because of the limitation of fossil fuels reserves and environmental problems of using those energy sources, optimization of energy consumption and using new and renewable energy sources are essential. Among renewable energies, wind energy due to low power production price and less environmental pollutions, becomes more an attractive renewable energy source. Recent shortages of power and fuel have aroused interest in the possibility of utilizing wind power on a large scale for the generation of electricity in Iran. For determining, an appropriate location for a wind farm, several criteria and different factors should be considered.
    Renewable energy resources exist over wide geographical areas, in contrast to other energy sources, which are concentrated in a limited number of countries. Rapid deployment of renewable energy and energy efficiency is resulting in significant energy security, climate change mitigation, and economic benefits.
    For this potential to be fully realized, several aspects, related to public acceptance, and technical issues, related to the expected increase in penetration on the electricity network and the current drive towards larger wind turbines, need to be resolved. Nevertheless, these challenges will be met and wind energy will, very likely, become increasingly important over the next two decades. Wind farms consist of many individual wind turbines which are connected to the electric power transmission network. Onshore wind is an inexpensive source of electric power, competitive with or in many places cheaper than coal or gas plants.
    While many renewable energy projects are large-scale, renewable technologies are also suited to rural and remote areas and developing countries, where energy is often crucial in human development. Areas where winds are stronger and more constant, such as offshore and high altitude sites are preferred locations for wind farms.
    In the present study, at the first those important factors identified and localization. Besides that, the role and the influence of each factor are determined and several thematic maps were prepared by using ArcGIS and finally digital based maps integration by applying the fuzzy logic models. In order to accomplish the above-mentioned integration method, Damghan’s county of Semnan province as a windy area was selected because of its great wind potential. Damghan has the best conditions to install wind turbine compared to others in the province mentioned.
    As a result, 2240 square kilometers (about 16% of the total land) of Damghan’s county were selected as suitable locations for wind power plants. These areas are located in adequate distance from access roads, transmission lines, population centers and so on and so forth. Extractable amount of the wind energy in Damghan’s county, by considering appropriate distance between wind turbines and wind farms to avoid wake effects and losses, has been estimated about 1000 Mega Watts.
    Keywords: Geospatial Information System (GIS), Fuzzy Logic, Wind Farm, Site Selection Criteria, Damghan County
  • O. R. Abbasi, A. A. Alesheikh Pages 51-62
    Travel demand forecasting is an important topic in transportation planning. Understanding and modeling the travel demand has numerous applications in designing urban infrastructures, managing the spread of diseases, monitoring the dispersion of computer viruses, urban planning and policies, spatiotemporal analyses in GIS, and Location-Based Services (LBS). Traditionally, in order to predict the travel demand, a four step model is used, of which the second step is called trip distribution. The output of trip distribution step in this model is termed Origin-Destination (OD) matrix. The elements of this matrix indicate the amount of trips departing from origin zones to destination zones. The OD matrix is considered as an important input in various spatial analyses in Geospatial Information Systems (GIS). The most essential part of trip distribution is the model used for OD matrix estimation. Up to now, various models such as gravity have been introduced to estimate the trip distribution. Recently, some parameterized and non-parametric models of human mobility pattern prediction, also known as spatial interaction (SI) models, have been developed. Among them are the rank-based (parameterized), radiation (non-parametric), and PWO (non-parametric) models. These models can be applied to a broad range of scales, from within a house or stadium, to a city, country, or even the whole earth. The probabilistic form of these models is the same as OD estimation models. In addition, in these models, computational mechanisms of trip distribution are not limited and different behavioral and decision-making characteristics of people are also taken into account. In this paper, the applicability of PWO, radiation and rank-based models in OD matrix estimation is addressed. As a case study, the rank-based model has been applied for Manhattan, New York City (NYC) and the results have been evaluated. Manhattan is one of the most important trade centers in the world and its mobility rate is remarkable. In order to calibrate the models in which adjustable parameters are appeared, the Hyman method was employed. Hyman method is a repetitive algorithm which uses secant procedure to minimize the difference between the real trips’ average distance and the modelled trips’ average distance. Also, in order to balance the resulting matrix, another process is needed. In this paper, the Furness method has been used. For the purpose of evaluating the results, trajectory data of taxi vehicles within NYC was employed. These dataset are published monthly by NYC Taxi and Limousine Commission (TLC). To capture a more complete pattern, the trajectories of yellow- and white-colored taxis were combined together. Finally, we used Sorensen Similarity Index (SSI), Regression Analysis, and a visual measure, termed sparsity pattern, to examine the model. The results show that the rank-based model can predict trip distribution up to 67 percent according to Sorensen Similarity Index. Additionally, the r-square measure obtained from regression analysis is 0.32 that shows a good agreement between estimated and ground truth matrices. Taking the huge volume of point data being regressed into account, this value shows a good agreement between modeling results and real trips. These results show the potential of recently introduced spatial interaction models in trip distribution estimation.
    Keywords: OD Matrix, Human Mobility, Rank-Based Model, Trip Distribution, Transportation Planning, Urban Dynamics
  • A. Mostafa Hatami, M. Memarian Fard, M. R. Sabour Pages 63-74
    One of the most important strategies for suitable management of municipal waste that has been in the spotlight as a first priority in urban waste management in many countries, is waste sorting at the sources. Waste sorting is the process by which waste is separated into different elements. Separating the different elements of waste is essential for enabling the recovery of useful materials and minimizing the amount of material sent to landfill, therefore; effective recycling relies on effective sorting, so that there is a wide range of sorting technologies nowadays.
    Developed countries have the different systems of waste sorting and these can vary from town to town. In these kinds of countries, waste sorting schedules are generally distributed to every household in the cities, moreover; Ambitious household waste recycling programs have been introduced during recent decades and many different waste-sorting and collection schemes have been developed. In most Asian countries, 2 methods of waste separation play a significant role for the handling of the waste collection and recycling. The formal and the informal separation and recycling of the materials are known as applicable methods. The formal separation means the separation of the waste in the waste treatment facility after the collection of the waste. The informal separations of the waste can occur in 3 different ways, such as: direct at the source, during the collection, and at the disposal site. Unfortunately, in these kinds of countries the waste pickers separate and collect the waste, because they have private benefits by doing this. They can sell the materials which they collect. It does not happen, because of an existing or raising environmental awareness. This research aimed to assess the amount of separated waste in the 22 districts of Tehran during the years 89-92, using geographical information systems (GIS), therefore; the number of residents, statistical data of waste production and its sorting was utilized for analyzing.
    Organic waste with 74.56% of weighted portion, has allocated the largest weighted portion of Tehran’s waste. District 4 with more than 885 thousand and district 22 with less than 135 thousand of residents are considered as the most populous and the least populous of municipal districts at the end of 1392, respectively. Districts 2 and 5 in the during years 89-90 and 91-92 have had the highest waste production respectively, so that, district 5 has produced the waste, more than 6 times of district 13, in the year 92. Among the 22 districts of Tehran, the amount of source separation for districts 4 and 5 was the highest, and the lowest level has obtained for districts 21 and 22. The results show that 15.23%, 14.85%, 14.38% and 15.23% of the total collected waste collected on average at the sources, in the years 89, 90, 91 and 92, respectively, in Tehran. District 12 has had the highest rate of collected separated waste in years 89, 90 and 91, moreover; district 14 with 23.73%, district 1 with 22.7%, and district 8 with 22.42% have been the best districts in this case.
    Keywords: Solid Waste Management, Waste Separation, Waste Production, Geographic Information System (GIS)
  • M. Taleai, E. Taheri Amiri Pages 75-88
    Walking has a great importance in our everyday lives and it has an important role in preventing obesity and enhancing the physical health of the society, reducing the traffic, decreasing the air and noise pollution, and generally in improving the quality of our life. In the last decade, there is growing interest in understanding the relationship between characteristics of the built environment on walking. One of the reasons for people’s unwillingness to walk is the lack of suitable and attractive pathways for walking. Although, the main stated goal of the municipality of most Asian cities including Tehran is to encouraging walking, but the quality of the pathways discourages walking. A range of methodologies has been developed in the literature to assess the walkability. Two types of these indicators include Walkability-Index (WAI) and Walk Score have been used intensively in developed countries to evaluate walkability.
    This study aimed to do a spatial multi-criteria evaluation of walkability of pathways based on a number of urban planning indices. For this purpose, an integrated method based on geospatial information science (GIS), remote sensing (RS) and multi-criteria analysis, specifically AHP and TOPSIS, is used. Fifth spatial criteria are considered: connectivity with other passages, access to public transport infrastructure, land use mixed, density of the residential parcels and greenness level. The importance of criteria is determined based on the preferences of both urban planning experts and citizens. In both groups, the connectivity and residential density factors had the smallest importance. The existence of varied land uses and accessibility to transportation systems received the greatest importance, respectively.
    The proposed approach is implemented for the districts number 2 and 7 of region number 1 of Tehran municipality. After doing the required analysis and implementing the model in the studying area, based on experts’ view, Valiasr, Darakeh and Rashidoddin Fazlollah among the main streets and Daneshju, Karami and Alborzkuh among the second level streets were indicated as the streets with high walkability potential. Based on citizen's opinion, Valiasr, Evin and Darakeh among the main streets, Daneshju, Karami and Sharifimanesh among the second level streets have the highest walkability potential. The availability of transportation infrastructures and greenness in the neighborhoods received the highest scores in the case study area.
    According to the results of this research, different passages can be evaluated from the perspective of these criteria, and improvement of passages’ walkability potential can be planned for the future; Also, according to the results, the passages which need more improvements and have the higher priority can be recognized. Based on the results of this study, urban planners can evaluate the walkability potential in street segment scale. A possible extension includes investigating the relation between actual walkability in the case study area and walkability based on the proposed method. We acknowledge the limitations of using road centerlines instead of sidewalks, but this data was not available for Tehran.
    Keywords: Walkability Potential, Urban Planning Index, Multi-Criteria Analysis, GIS
  • A. R. Chehreghan, R. Ali Abbaspour Pages 89-102
    Today several datasets are available for the users where each of them demonstrates different representations of the real world. Modeling and representation of the world in the form of spatial information have been performed by the private and public organizations. Moreover, recently the spatial data is generated by VGI approach such as Google Map and OpenStreetMap projects. These different representations could create problems for the data producers or users during the processing steps like integration, data quality estimation, updates, and multi-scale analysis. Hence, it is required that objects with identical entities in different datasets be linked to each other. This process is called “data matching” or “object matching” in the literature. The matching method for different types of vector data (i.e. point, line, and polygon) is different. The subject of this article is the linear object matching. In the previous studies, the linear objects matching has been done by considering each or a combination of two geometrical and semantic properties. However, in this study, the geometrical property was used for identifying the corresponding objects; as the studies that are based on semantic matching lose their efficiency or their efficiency decreases when data such as attribute information are missing in one of the datasets.
    For this problem, an approach composed of five sections was proposed for improving the matching of roads in the datasets with various scales and sources. The proposed framework was based on the graph theory considering criteria related to geometry in order to match the roads network with various scales and sources. In the proposed solution, the goal was to determine the similarity degree of objects in the datasets with various scales and sources by considering geometrical criteria such as distance, orientation, area, shape, and buffer overlapped area and by considering spatial cognition of the experts’ in determining the weight of criteria. In the first section, in addition to convert the datasets to the same format and the coordinate system, the topologic errors were eliminated. In the second section of the proposed approach, ambiguity in the definition of objects in the datasets was resolved by considering a pre-defined graph structure. In the third and fourth sections, the similarity degree of objects was calculated and the corresponding objects were determined by extracting the introduced geometrical criteria from the objects. In the final section, the proposed approach was tested through the precision, Recall and F-score indices.
    The results of the study illustrated that careful and adequate matching is not possible in the data collections with various scales and sources despite the previous studies in which the matching was done with acceptable care and adequacy with one, two, or three geometrical criteria extracted from features in the data collections with various scales and same source or with same scale and various sources. Moreover, in this article, in addition to removing ambiguity in the definition of objects, the F-Score was calculated as 82.67% by considering five geometrical criteria extracted from the objects. It is worthy to note that this value was calculated in the datasets with high scales difference and with various sources without considering other criteria such as semantic and topological criteria.
    Keywords: Linear Object Matching Multi-scale, Multi-source Maps, Graph Theory, Geometry of Objects, Expert Opinion
  • S. Delavar, A. R. Amiri, Simkooei Pages 103-117
    More than two decades, continuous observations of permanent GPS stations used extensively for behavior of geodynamic phenomena have found such as deformation of the earth's crust, moving tectonic plates and fault. Daily position of permanent GPS stations are considered independent of each other in statistic. In other hand, some errors such as the satellite orbit modeling errors, determining parameters of rotation's earth, parameters of atmospheric modeling and etc; cause color noise or the correlation between daily positions of stations. Another important systematic error in GPS time series is offset. Offset by factors such as earthquakes, replace the GPS antenna, human and environmental errors are generated. Offset in GPS time series's functional model causes the bias estimation of unknown parameters Therefor, we require exact statistical model and function model of GPS time series to exact estimation of the speed parameter. For this purpose, multivariate noise analysis on 38 permanent GPS stations of Iran, were carried out by the period of 7 years (2006–2012), in this study. These stations are scattered throughout the country. In this analysis, statistical model of data presented of by incorporating white noise, flicker noise and random Walk noise and noise components estimation has taken place by method of " least squares variance component estimation ". Also the effect of offset in the data were examined on estimation of noise and station's speed parameters by method of "least squares". The temporal correlation with multivariate noise analysis was performed for both single-station and multi- station. The results showed that noise amounts in coordinate series distributed due to processing all stations with each other in multi-station mode. In multivariate analysis single-station, Random Walk noise amounts after offset removal get zero in some stations, but in multi- station mode any stations were not zero for Random Walk noise. So single- station mode is more realistic than multi- station mode. Noises estimation from data with offset and compare them with results from data without offset shows offset effect on the amounts of noise, especially Random Walk noise that the greater part of it consist of offset. In addition to consideration of offset effect on noise, its effect on the speed parameters were also assessed. This assessment shows changes of length and direction of speed vector, after removing offset that examine necessity of offset's studying at data . So having the correct functional model and statistical model and without offset in the exact determination of parameters such as speed is essential. The studying of spatial correlation showed that there are significant correlation for components location North - North, East - East and height - height after removing offset, but correlation results are not significant between the various components of the coordinate, North - East, North - height and East - height. After removing offset of data, difference of speed vector from its average value, was calculated. It's found, speed of stations in tectonic boundaries (Saudi Arabia in the south and Eurasia tectonic plates in the north of Iran) more than center of Iran.
    Keywords: GPS Time Series, Offset, Multivariate Noise Analysis, Least Squares Variance Component Estimation, Spatial Correlation, Temporal Correlation
  • Sh. Hoseinpour, A. Mohammadzadeh, M. Eslami Pages 119-129
    Geomatics science and technology is a main source of geospatial information providers in variant forms. In producing such information, Remote Sensing and Photogrammetry with high potentials as different sensors with variant data types have an essential role. In recent years, change detection has been important for many organizations in attention to the nature of the change. Until today, many change detection methods as direct comparison, Transformations, classification based and so on have been used. Each one of these methods with considering to the final goal has been employed variant type of data and different results have been obtained. The image in the visible and near infrared part of the electromagnetic wave has the most usage as an input data for change detection. According to the nature of the change detection method, different feature spaces as textural and morphological features for increasing the accuracy of the produced results have been tested. Textural statistics extracted from the Gray Level Co-occurrence Matrix (GLCM) with high variant has different effects on the classification and change detection obtained results. But using all kinds of the textural features for increasing the accuracy of the produced results will make problems because of the correlation between classes and sometimes because of the high noise values and also in some cases with more increasing the feature spaces and so decreasing the processing speed. In this paper, comprehensive performance evaluation of each textural statistic: Mean, Variance, Homogeneity, Entropy, Dissimilarity, Second order moment, Contrast and Correlation on improving the change detection accuracy have been done. For this, firstly three spectral bands of Landsat 8: 2, 5 and 7 bands, in the visible, near infrared and mid infrared region of EM wave scince 2013 and 2015 years selected as input data. Then, mentioned textural statistics in 4 directions (0, 45, 90 and 135 degree) on the each considered bands and years are extracted. After that, for eliminating the direction effect on the features the mediocre of all the 4 directions for each statistic are estimated. Afterward, differential image is estimated by subtraction of corresponding textural bands of the 2013 and 2015 years. Also, the differential images of the spectral bands: 2, 5 and 7 are produced. Then, every differential image of the textural statistics (in each band independently) is integrated with differential image of the spectral bands and are fed to the Maximum Likelihood classifier. The obtained results are shown, in visible and near infrared region, Mean statistic increased the overall accuracy about 15 and 16 percent respectively, and improved the Kappa coefficient value about 30 and 31 correspondingly and have the most influence on increasing the accuracy of the change detection output results. Also, in the both of mentioned EM regions, Second order moment, Contrast and Correlation statistics have the least effect on the change detection accuracy improvement. In the mid infrared region, approximately all statistics have the same performance. Furthermore, all features of the GLCM are combined and fed to the Principal Component Analysis (PCA) band reduction technique and first band selected. Then, the first band of the PCA is employed as other features for change detection. Obtained results have been shown the efficiency of this strategy for accuracy improvement. The achieved results of this paper on tests data have been approved that Mean, Entropy and Homogeneity have the highest improvement performance and Variance, Correlation and Contrast have the lowest improvement performance on the change detection accuracy.
    Keywords: Change Detection, Textural Statistics, Binary Mask, Co-Occurrence Matrix, Urmia Lake