@article{ author = {Sajjadi, Seyed Yousef and Aieneh, Omi}, title = {Urban Features Production with Combining LiDAR and Hyperspectral Data}, abstract ={The main problems of hyper spectral data are large number of bands, high dependency between them and different signal to noise ratio in each band. To reduce dimensions of the feature space, minimizing noise and spectral dependence between bands, the MNF method has been applied to achieve better results in this paper. By applying this algorithm, the 144 bands of hyper spectral data were reduced to 19 suitable bands. Then from LiDAR data, the image height and intensity of the return signal received from the first and the last pulse of the laser were examined by LiDAR sensor. At last, the 19 spectral bands extracted from hyper spectral data have been fusion with 4 images of LiDAR data at the pixel level to create 23 suitable spectral bands. In order to detect and extract any study feature of the area on 23 spectral bands, seven different SVM methods were applied and finally by majority voting in the decision-making level between 7 obtained results, the class of each pixel was turned out. Morphology closing transform for repairing buildings and Hough transform for reconstructing the network effects of the fragmentation of land transportation were used on the results of pixels basis SVM method to regulate man-made side structure as well as the individual pixels which reduced. The results in this paper indicates the 99.52% overall accuracy and .958 kappa efficiency which compared to the GRSS chosen institution method. 0.6 Kappa coefficient has been improved. Used data are air-borne LiDAR and hyper spectral scenes requested and downloaded from the organized of a recent contest in data fusion domain.}, Keywords = {Hyper Spectral, LiDAR, Morphology, Support Vector Machine, Fusion}, volume = {6}, Number = {1}, pages = {1-14}, publisher = {kntu}, title_fa = {ترکیب تصاویرابرطیفی هوایی و داده‌های لیدار برای تولید عوارض شهری}, abstract_fa ={در این مقاله به منظور شناسایی و استخراج عوارض مختلف شهری به‌صورت خودکار از تصاویر فتوگرامتری روشی ارائه شده که در آن از ترکیب داده‌های لیدار و ابرطیفی استفاده می‌شود. مهمترین مشکل تصاویر ابرطیفی تعداد زیاد باندها و وابستگی بالای بین آن‌ها و نیز نسبت سیگنال به نویز متفاوت در باندهای مختلف می‌باشد، در این تحقیق به‌منظور کاهش ابعاد فضای داده، کمینه کردن نویز و وابستگی طیفی بین باندها، جهت دست یافتن به نتایج بهتر، از روش کاهش نویز کمینه (MNF) استفاده می‌شود، با اعمال این روش تصاویر ابرطیفی با 144 باند به 19 تصویر تبدیل یافته مناسب کاهش می‌یابند. سپس از ابر نقاط لیدار تصاویر ارتفاعی و شدت بازگشت‌های اول و آخر لیزر تولید می‌شوند. در نهایت 19 تصویر تبدیل یافته حاصل از تصاویر ابرطیفی با 4 تصویر تولید شده از داده‌های لیدار در سطح پیکسل باهم ادغام می‌شوند و تصویری با 23 ویژگی مناسب به‌وجود می‌آید. به‌منظور شناسایی و استخراج هر کدام از عوارض منطقه، هفت ماشین یادگیری بردار پشتیبان (SVM) اجرا می‌شوند و نهایتاً با ادغام اطلاعات در سطح تصمیم که با رأی‌گیری بین 7 جواب به‌دست آمده، انجام می‌شود، کلاس مربوط به هر پیکسل مشخص می‌گردد. در ادامه از عملگر انسداد مورفولوژی ریاضی برای  ترمیم ساختمان‌ها و از تبدیل هاف برای بازسازی شبکه‌ی حمل و نقل استفاده می‌شود تا عوارض ساخت دست بشر دارای ساختاری منظم‌تر بشوند و حضور پیکسل‌های منفرد نیز کاهش یابد. روش فوق روی یک مجموعه داده مربوط به محوطه دانشگاه هیوستن آمریکا پیاده‌سازی شده است. این مجموعه داده همراه با داده‌های جانبی شامل نمونه‌های آموزشی و آزمایشی دقیق، توسط انجمن سنجش از دور و علوم زمین مهندسان برق و الکترونیک در سال 2012 برداشت شده و پیشتر در یک مسابقه‌ی بین‌المللی ادغام داده مورد استفاده قرار گرفته‌اند.}, keywords_fa = {تصاویر ابرطیفی, لیدار, ماشین بردار پشتیبان, مورفولوژی, ادغام}, doi = {10.29252/jgit.6.1.1}, url = {http://jgit.kntu.ac.ir/article-1-560-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-560-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Heidari, Ali Asghar and Karimipour, Fari}, title = {A Novel and Efficient Algorithm for three-dimensional Coverage and Deployment of Aerial Robots in Vector Spaces}, abstract ={The maximum coverage sensor deployment problem has attracted researchers of engineering sciences always as one of the fundamental phases in developing of communication and geospatial infrastructures. In this research, a novel strategy is proposed to tackle the maximum coverage robotic sensor deployment task in 3D vector spaces. For this purpose, first, a geometric algorithm is developed in order to detect the covered areas. The water cycle optimization algorithm is utilized to maximize the sensor coverage. Then, to avoid the problem of premature convergence to local optima and to improve the efficiency and searching potential on the problem, an improved water cycle algorithm with dynamic operations and fewer parameters is designed and developed. With regard to several scenarios with different spatial constraints, the efficiency of the proposed algorithm is compared to other methods based on robustness, running time, best and average of the coverage results, standard deviation, convergence speed, and wilcoxon statistical test. The assessment of the results reveals the superior performance of the proposed approach by success rate of 73% and coverage of 80% in a 3D vector space.}, Keywords = {Aerial robots, Deployment, Coverage, Vector space, Optimization, Water cycle algorithm}, volume = {6}, Number = {1}, pages = {15-43}, publisher = {kntu}, title_fa = {الگوریتمی جدید و کارا برای جایابی و پوشش سه‌بعدی ربات‌های پرنده در فضای برداری}, abstract_fa ={مسئله جایابی حسگرها با بیشینه پوشش همواره به‌عنوان یکی از مراحل بنیادین توسعه زیرساخت‌های ارتباطی و مکانی موردتوجه پژوهشگران علوم مهندسی بوده است. در این پژوهش، به ارائه یک رویکرد کاملاً جدید برای جایابی ربات‌های پرنده با بیشینه پوشش در محیط‌های سه‌بعدی برداری پرداخته می‌شود. بدین‌منظور، نخست، یک الگوریتم هندسی برای تشخیص نواحی تحت پوشش توسعه داده شده است. به‌منظور بیشینه‌سازی میزان پوشش حسگرها نیز از الگوریتم بهینه‌سازی چرخه آب بهره‌گیری شده است. سپس، به‌منظور پیشگیری از همگرایی زودرس به نقاط زیر بهینه و ارتقاء کارایی و توان جستجوی الگوریتم در حل مسئله، به طراحی و توسعه یک الگوریتم بهبودیافته چرخه آب با پارامترهای کمتر و عملگرهای دینامیک پرداخته شده است. با در نظر گرفتن چندین سناریو با قیود مکانی مختلف، کارایی الگوریتم پیشنهادی در مقایسه با سایر روش‌ها از منظر میزان استحکام، زمان اجرا، میانگین و بهترین مقادیر پوشش، انحراف از معیار، سرعت همگرایی و آزمون آماری ویلکاکسون بررسی گردید. ارزیابی و تحلیل نتایج نشان‌دهنده عملکرد برتر رویکرد پیشنهادی با نرخ موفقیت 73 درصد و سطح پوشش 80 درصد در یک فضای سه‌بعدی برداری است.}, keywords_fa = {ربات پرنده, جایابی, پوشش, فضای برداری, بهینه‌سازی, الگوریتم چرخه آب}, doi = {10.29252/jgit.6.1.15}, url = {http://jgit.kntu.ac.ir/article-1-561-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-561-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Nematipour, Parviz and RaoofianNaeeni, Mehdi and Amerian, Yaz}, title = {Iranian Permanent GPS Network Receivers Differential Code Biases Determination using Single Difference Observation Geometry Changes}, abstract ={Differential Code Bias (DCB) of GPS satellites and receivers are one of the most important error sources in a positioning and ionosphere modeling using GPS code observations. International GNSS Services (IGS) compute and publishes the DCBs of GNSS satellites and its nework GNSS receivers as an ionosphere single layer model byproduct. Determination of Iranian Permanent GPS Network (IPGN) receivers DCBs independent of ionosphere single layer modeling is the aim of this paper. This method uses single difference observation geometry changes. Total electron content (TEC) differences of single difference observations can be considered as a linear function of its observation differences. When the distance between to receivers and satellite are equal, the effect of TEC will be removed from single difference observation and just the effect of different DCBs of two receivers will be remained in a single difference observation. The proposed method is implemented on a network which includes some IGS GNSS stations and derived DCBs are compared with IGS published DCBs for those stations. The maximum difference is 0.6 nanosecond and the RMSE of the differences is 0.4 nanosecond. This comparision shows the high efficiency of proposed method for determination of GPS receivers DCBs. Then IPGN GPS receivers DCBs are computed which can be published as a product for users.}, Keywords = {Differential Code Bias, Single Difference Observation, Total Electron Content}, volume = {6}, Number = {1}, pages = {45-56}, publisher = {kntu}, title_fa = {تعیین مقادیر اریب تفاضلی کد گیرنده‌های شبکه دائم GPS ایران با استفاده از تغییرات هندسه مشاهدات تفاضلی یگانه}, abstract_fa ={اریب تفاضلی کد (DCB) ماهواره‌ها و گیرنده‌های سیستم تعیین موقعیت جهانی (GPS)، یکی از مهم‌ترین منابع خطا در تعیین موقعیت و مدل‌سازی محتوی الکترونی کلی (TEC) یونسفر با استفاده از مشاهدات کد GPS می‌باشد. سرویس بین‌المللی سیستم‌های ماهواره‌ای ناوبری جهانی (IGS)، مقدار این کمیت را برای ماهواره‌های GPS و گیرنده‌های شبکه IGS، در قالب مدل‌سازی جهانی یونسفر، محاسبه و منتشر می‌کند. تعیین کمیت DCB گیرنده‌های GPS در شبکه‌های منطقه‌ای و محلی به‌صورت مستقل از مدل‌سازی یونسفر، دارای کاربردهای بسیاری می‌باشد. در این مقاله، DCB گیرنده‌های شبکه دائم GPS ایران (IPGN) به روشی جدید و مستقل از مدل‌سازی منطقه‌ای یونسفر محاسبه شده است. ایده¬ی این روش بر مبنای استفاده از تغییرات فاصله‌ی هندسی بین ماهواره‌ها و گیرنده‌های GPS استوار است. بدین منظور از مشاهدات تفاضلی یگانه بین دو گیرنده و یک ماهواره استفاده می‌گردد. در این روش اختلاف TEC بین مشاهدات تفاضلی یگانه به صورت تابعی خطی از اختلاف فاصله‌ی بین دو گیرنده و ماهواره در نظر گرفته می‌شود. سپس سری زمانی تغییرات فاصله بین دو گیرنده و ماهواره بررسی و در زمانی که اختلاف این دو فاصله صفر می‌شود، می‌توان نتیجه گرفت که اثر اختلاف TEC مربوط به دو ایستگاه در معادلات تقریباً ناچیز بوده و این اختلاف از معادلات حذف می‌گردند. بنابراین اختلاف باقیمانده در معادلات، مربوط به اختلاف DCB دو گیرنده خواهد بود. روش پیشنهادی ابتدا بر روی شبکه‌ای متشکل از ایستگاه‌های IGS پیاده‌سازی و مقادیر حاصل برای DCB گیرنده‌ها با مقادیر منتشر شده توسط مراکز مختلف محاسباتی و همکار IGS مقایسه گردید. حداکثر اختلاف بین DCB برآورد شده و DCB منتشره توسط IGS کمتر از 6/0 نانوثانیه و مربع خطای باقیمانده RMSE)) برابر4/0نانوثانیه می‌باشدکه حاکی از کارآیی بالای این روش در محاسبه پارامتر DCB گیرنده‌های GPS می‌باشد. سپس مقادیر DCB گیرنده‌های شبکه دائم GPS ایران با استفاده از روش ارائه شده محاسبه گردید. که می‌تواند به‌عنوان یک محصول مورد استفاده کاربران قرار گیرد.  }, keywords_fa = {اریب تفاضلی کد, مشاهدات تفاضلی یگانه, محتوی الکترونی کلی}, doi = {10.29252/jgit.6.1.45}, url = {http://jgit.kntu.ac.ir/article-1-562-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-562-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Kazeminia, Abdolreza and Ghanizadeh, Alirez}, title = {Evaluation of Seismic vulnerability of transport networks with an emphasis on criteria earth resistance and design of routes and rescue using GIS}, abstract ={Transport networks are the main foundation of continuous development of regions due to its importance to economic, industry, political, and even military. Public transportation network becomes significantly important before and after earthquakes, rescue operations, and displacement and evacuation of victims. Hence, geometric network design and planning of urban transport to reduce potential injuries seem vital. The Kerman city due to its geographical location and being trapped within earthquake faults is vulnerable. In this work, we studied the Kerman urban transport network vulnerability against earthquakes resistance based on criteria Earth and using GIS- AHP by defining the reference database for urban routes, to serve and to drain injuries faster during or after earthquakes. In descriptive tables, the layer of city routes, vulnerability of fields along with route name, identification code, being a one-way or two-way route, classification, and route lengths are documented. When required, by applying network analysis such descriptive tables can be used to find the best route to rescue victims. Results show that the most vulnerabile transport networks in the Kerman city are in regions 1and 3 which is due to accumulation of vulnerable urban facilities and low-resistant ground in these areas. Hence, these regions should be considred as highest priority in planning.}, Keywords = {Urban transport network, Vulnerability, geometric network, Earthquake}, volume = {6}, Number = {1}, pages = {57-76}, publisher = {kntu}, title_fa = {ارزیابی آسیب‌پذیری لرزه‌ای شبکه حمل و نقل با تأکید بر معیارهای مقاومت زمین و طراحی مسیر‌های امداد و نجات با استفاده از GIS}, abstract_fa ={اهمیت شبکه حمل و نقل در بخش اقتصاد، صنعت، سیاست و حتی نظامی سبب شده که زیربنای توسعه پایدار در هر منطقه باشد. شبکه حمل و نقل شهری قبل و بعد از زلزله، در عملیات امداد و نجات، جابجایی و تخلیه آسیب دیدگان تأثیر  قابل توجهی خواهد داشت؛ بنابراین طراحی شبکه هندسی حمل و نقل شهری و برنامه‌ریزی برای کاهش آسیب‌ها‌ی احتمالی امری ضروری به نظر می‌رسد. شهر کرمان به دلیل موقعیت جغرافیایی خاص و محصور بودن به‌وسیله گسل‌ها در برابر زلزله آسیب‌پذیر است؛ بنابراین در این تحقیق سعی شده که ابتدا آسیب‌پذیری شبکه حمل و نقل شهرکر‌مان را در برابر زلزله بر اساس معیارهای مقاومت زمین و با استفاده از روش سیستم اطلاعات مکانی- تحلیل سلسله مراتبی پهنه‌بندی و بعد از تعریف پایگاه داده زمین مرجع برای مسیرهای شهری، جهت خدمات‌رسانی و تخلیه سریع‌تر آسیب دیدگان در زمان و یا بعد از زلزله، شبکه هندسی حمل و نقل منطقه طراحی گردد. در جداول توصیفی لایه معابر شهری، فیلدهای آسیب‌پذیر بودن معابر به همراه فیلد‌های نام، کد شناسایی، یک‌طرفه و دوطرفه بودن، طبقه‌بندی و طول خیابان‌ها ایجاد و اطلاعات توصیفی مربوطه وارد گردید که می‌توان با به کار بردن تحلیل‌های شبکه در زمان موردنیاز، به‌راحتی بهترین مسیر تخلیه نجات آسیب دیدگان را با در نظر گرفتن محدودیت آسیب‌پذیری مسیرها، تعیین نمود. نتایج نهایی حاکی از این است که آسیب‌پذیری شبکه حمل و نقل شهر کرمان در مناطق 1و3 بیشتر به چشم می‌خورد و دلیل آن را می‌توان، تجمع تأسیسات آسیب‌پذیر شهری و مقاومت کم زمین، در این نواحی دانست؛ بنابراین در برنامه‌ریزی‌ها، باید این مناطق در اولویت قرار گیرند.}, keywords_fa = {شبکه حمل و نقل شهری, آسیب‌پذیری, شبکه هندسی, پایگاه داده زمین مرجع, زلزله}, doi = {10.29252/jgit.6.1.57}, url = {http://jgit.kntu.ac.ir/article-1-563-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-563-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Mohammadizadeh, Parisa and Hamzeh, Saeid and Kiavarz, Majid and DarvishiBlorani, Ali}, title = {Derivation daily and high spatial resolution Land Surface Temperature using Fusion of Landsat and Modis Satellite Imagery}, abstract ={Land surface temperature is one of the most important parameters in environmental studies. Having satellite imageries with spatiotemporal resolution leads to better interpretation, analysis and clarity of images; therefore the best way to solve this problem is to combine images with high spatial and temporal resolution. There is no satellite that captures thermal band with both spatial and temporal resolution simultaneously due to technical difficulties and considerable cost. Therefore, the aim of this article is using SADFAT algorithm for providing land surface temperature images with spatial resolution of Landsat and temporal resolution of Modis. This paper uses seven dates of Modis and Landsat including 24th May, 9th June, 11th July, 27th July, 12th Aug, 28Aug and 13th September of Salman Farsi sugar cane Industry. The results are evaluated with four indexes of correlation coefficient, Average difference, Mean Absolute Error and Universal Image Quality Index. Comparison of predicted and observed images indicate that the value of indexes correlation coefficient, Root Mean Square Eroor, Mean Absolute Error and Universal Image Quality Index are between 0.85-0.99, 0.73-1.32, 0.58-1.73, 0.9124-0.9973. The results showed high, reliable and precession of SADFAT algorithm for providing daily land surface temperature with spatial resolution of Landsat in case study.}, Keywords = {Spatiotemporal fusion, Thermal imagery, Land surface temperature, Remote sensing}, volume = {6}, Number = {1}, pages = {77-99}, publisher = {kntu}, title_fa = {استخراج تصاویر روزانه دمای سطح زمین با قدرت تفکیک مکانی بالا با استفاده از تلفیق تصاویر لندست و مادیس}, abstract_fa ={دمای سطح زمین یکی از پارامترهای کلیدی و موثر بر مطالعات محیطی می‌اشد. به دلیل وجود محدودیت‌های بودجه‌ای و تکنیکی، سنجنده‌ای که در محدوده حرارتی قدرت تفکیک زمانی و مکانی بالایی داشته باشد، وجود ندارد. از آن‌جا که قدرت تفکیک مکانی و زمانی بالا به همراه یکدیگر به افزایش قابلیت اطمینان در تحلیل و وضوح تصویر منجر می‌شود، بنابراین بهترین راه فائق آمدن به این مشکل تلفیق تصاویر با قدرت تفکیک مکانی و زمانی بالا می‌باشد. لذا هدف از این مقاله، تهیه‌ی تصاویر دمای سطح با قدرت تفکیک مکانی لندست و قدرت تفکیک زمانی مادیس است که بدین‌منظور از روش SADFAT که جهت تلفیق این تصاویر توسعه داده شده است، استفاده گردید. جهت اجرای روش و ارزیابی نتایج آن از هفت تصویر ماهواره‌ای لندست 8 در محدوده‌ی طرح توسعه نیشکر واقع در جنوب استان خوزستان مربوط به 3 خرداد، 19خرداد، 20 تیر، 5 مرداد، 21 مرداد، 6 شهریور و 22 شهریور سال 1394 و تصاویر مادیس روزانه‌ی تاریخ‌های ذکر شده استفاده شد. جهت ارزیابی از شاخص  ضریب همبستگی، خطای جذر میانگین مربعی، میانگین خطای مطلق و شاخص  کیفیت جهانی تصویر استفاده گردید. نتایج بررسی‌ها نشان می‌دهد که مقادیر شاخص‌های ضریب همبستگی، خطای جذر میانگین مربعی، میانگین خطای مطلق و شاخص کیفیت جهانی تصویر بین دمای سطح مشاهده شده و پیش‌بینی شده به ترتیب بین 99/0-85/0، 32/1-73/0، 73/1-58/0 و 9973/0-9124/0 متغیر است. نتایج پژوهش بیانگر دقت بالا و قابل قبول روش SADFAT جهت تهیه‌ی روزانه‌ی تصاویر دمای سطح با قدرت تفکیک مکانی لندست در منطقه مورد مطالعه می‌باشد.}, keywords_fa = {تلفیق زمانی و مکانی, تصاویر حرارتی, دمای روزانه سطح زمین, سنجش از دور}, doi = {10.29252/jgit.6.1.77}, url = {http://jgit.kntu.ac.ir/article-1-564-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-564-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Hasanlou, Mahdi and Seydi, Seyed Teimoor and Seydi, Abdorez}, title = {Improving Land Cover Change Detection using Kernel Spectral Angle Mapper Approach in Hyperspectral Images}, abstract ={Increasing the population and urban development is one of the most important human actions that cause changes on the face of the earth, especially in the developing countries, which is more. This process can cause devastating effects such as social, economic and biophysical. The harmful effects include; loss of agriculture lands, pasture and forest, change the pattern of the water, which somehow is associated with the changing patterns of land use and land cover. Land use and land cover changes as a basic factor in the changes of the Environment Act and converted into crisis. Identifying and evaluating the potential land-use patterns is essential, that if done on timely and with the high precision, it can help the planners and managers of relevant organizations for more conscious decision and making optimum use of resources in order to prevent the crisis. That would only be possible with the change detection. The hyperspectral images, due to having high spectral resolution, improved results of changes detection, provide more details of the changes. The main purpose of this research is to improve the process of land-use changes detection using spectral angle mapper algorithm, expectation maximization based on kernel based with hyperspectral imagery. The most important advantage of this method are as follow: unsupervised, no need to setting parameters of the knowledge basis, high precision and low false alarms rate. To evaluate the ability of the proposed method, hyperspectral imagery received from agricultural fields of Hermiston in the United States that captured by Hyperion sensors were used. The results are a significant improvement with the use of the proposed method for change detection in the standard spectral angle-mapping model compared to the top so that the overall accuracy is 94%, the coefficient Kappa 0.84 and false alarm rates of less than 6%.}, Keywords = {Change Detection, Spectral Angle Mapper, Kernel Based, Hyperspectral Images, Expectation-Maximization Segmentation, Land Cover. Logistic Regression}, volume = {6}, Number = {1}, pages = {101-116}, publisher = {kntu}, title_fa = {بهبود آشکارسازی تغییرات کاربری اراضی با استفاده از روش هسته مبنای نگارنده زاویه طیفی در تصاویر فراطیفی}, abstract_fa ={تغییرات کاربری به‌عنوان عاملی پایه در تغییرات محیط‌زیست عمل کرده و به یک بحران تبدیل‌شده است. شناسایی و ارزیابی تغییرات الگوهای کاربری اراضی یک امر ضروری است، که اگر به‌هنگام و با دقت بالا انجام گیرد، می‌تواند به برنامه‌ریزان و مدیران سازمان‌های مربوطه در اخذ تصمیمات آگاهانه‌تر در جهت استفاده بهینه از منابع و جلوگیری از وقوع بحران کمک نماید. این امر با آشکارسازی تغییرات میسر می‌گردد. تصاویر فراطیفی، به علت دارا بودن توان تفکیک طیفی بالا، نتایج بهبود یافته‌ای از آشکارسازی تغییرات و همچنین جزئیات بیشتری از فرآیند آشکارسازی تغییرات را فراهم می‌نمایند. یکی از چالش‌های رایج روش‌های متداول آشکارسازی تغییرات، تاثیرپذیری از شرایط محیطی و دستگاهی است. این امر موجب تشخیص نادرست یکسری از پیکسل‌ها در فرایند آشکارسازی تغییرات می‌گردد. بدین منظور، در این پژوهش یک روش آشکارسازی تغییرات کاربری اراضی با استفاده از الگوریتم نگارنده زاویه طیفی، فنون هسته مبنا و الگوریتم بیشینه‌سازی امید در تصاویر فراطیفی پیشنهاد شده است. در ابتدا یکسری داده آموزشی به‌منظور بهینه نمودن پارامترهای هسته در طی یک فرآیند خودکار توسط الگوریتم نگارنده زاویه طیفی و الگوریتم بیشینه‌سازی امید ریاضی استخراج می‌گردد. در ادامه، داده از فضای تصویر به فضای هیلبرت توسط الگوریتم هسته پایه نگارنده زاویه طیفی انتقال می‌یابد. نهایتاً، نقشه تغییر با استفاده از الگوریتم بیشینه‌سازی امیدریاضی به‌دست می‌آید. از مهم‌ترین مزایای این روش: خودکار بودن، عدم نیاز به تنظیم پارامترهای دانش مبنا، نرخ کم هشدارهای اشتباه و دقت بالا و حجم پایین محاسبات می‌توان اشاره نمود. برای بررسی توانایی روش پیشنهادی، تصاویر ابرطیفی دریافت شده از مزارع کشاورزی هرمیستن واقع در آمریکا توسط سنجنده هایپریون استفاده و مورد ارزیابی قرارگرفته است. نتایج به‌دست‌آمده نشان‌دهنده بهبود قابل‌توجه آشکارسازی تغییرات با به‌کارگیری روش پیشنهادی در مقایسه با مدل استاندارد نگارنده زوایه طیفی است، به‌طوری‌که دقت کلی بالای 94%، ضریب کاپا 84/0، نرخ هشدارهای اشتباه کلی کمتر از 6% و هزینه محاسباتی و زمانی نسبتاً پایین حکایت می‌کند.}, keywords_fa = {تصاویر فراطیفی, آشکارسازی تغییرات, هسته مبنا, طبقه‌بندی بیشینه‌سازی امید, نگارنده زوایه طیفی}, doi = {10.29252/jgit.6.1.101}, url = {http://jgit.kntu.ac.ir/article-1-565-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-565-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Esmaeili, Farid and Ebadi, Hami}, title = {Determination of Car Body Deformation due to Collision Using Close-Range Photogrammetry}, abstract ={In recent decades, close-range photogrammetry has been successfully used in various fields including industry, cultural heritage, health and civil engineering. This method as a tool for measuring deformation in industrial parts, has many advantages such as capability of real-time measurement, ease of observation, ability to achieve high accuracy and also capability of creating an archived observations for future processing. In this paper, close-range photogrammetry applied to measure a vehicle's body before and after collision to determine deformation on it. For this purpose, a measuring system is designed based on the core components of network and technical structure, taking observations, adjustment and calculation into account. Combined Photogrammetry Displacement Adjustment method (CPDA) has been applied in this research to achieve high accuracy in the measurement of displacement. The results revealed the ability of this method to achieve an accuracy of less than 1 mm in measuring the deformation of vehicle’s body. Also this method is superior to other methods in terms of cost, speed and ease of measurements.}, Keywords = {Close-range Photogrammetry, Displacement Measurement, Deformation Analyse, Camera Calibration, Network Design}, volume = {6}, Number = {1}, pages = {117-129}, publisher = {kntu}, title_fa = {کاربرد فتوگرامتری بردکوتاه در سنجش دقیق تغییرشکل بدنه اتومبیل دراثر برخورد با مانع}, abstract_fa ={فتوگرامتری بردکوتاه در دهه‌های اخیر در حوزه‌های مختلفی از علوم همچون صنعت، میراث فرهنگی، پزشکی و عمران، در کاربردهای موفقی مورد استفاده قرار گرفته است. این روش به‌عنوان ابزاری جهت سنجش تغییر شکل در قطعات صنعتی، مزیت‌های بسیاری همچون قابلیت اندازه‌گیری بلادرنگ، سهولت در انجام مشاهدات، قابلیت دستیابی به دقت‌های بالا و ایجاد آرشیوی از مشاهدات جهت پردازشهای آتی را دارا می باشد. در این مقاله از فتوگرامتری بردکوتاه برای اندازه‌گیری بدنه یک اتومبیل قبل و بعد از برخود به مانع (تست ضربه) جهت تعیین میزان تغییر شکل بر روی آن، استفاده شده است. برای این کار یک سیستم اندازه‌گیری در قالب اجزاء اصلی طراحی شبکه و ساختار فنی سیستم، برداشت مشاهدات، سرشکنی و محاسبات، طراحی گردیده است. جهت امکان دستیابی به صحت و دقت‌های بالا در جابجایی سنجی، در بخش سرشکنی و محاسبات از متد CPDA که توسط نگارنده معرفی گردیده، در این حوزه استفاده شده است. نتایج نشان‌دهنده قابلیت این روش در دستیابی به دقت کمتر از 1 میلیمتر در اندازه‌گیری تغییر شکل بدنه اتومبیل می‌باشد. همچنین این روش از نظرهزینه، سرعت و سهولت اندازه‌گیری نسبت به سایر روش‌ها در این حوزه برتری دارد.}, keywords_fa = {فتوگرامتری بردکوتاه, جابجایی سنجی, سنجش تغییر شکل, کالیبراسیون, طراحی شبکه}, doi = {10.29252/jgit.6.1.117}, url = {http://jgit.kntu.ac.ir/article-1-566-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-566-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Masoumi, Zohreh and Mesgari, Mohammad Sadi}, title = {Multi-Objective land use planning and modeling its change using Multi-Objective Evolutionary Algorithm based on Decomposition algorithm}, abstract ={Considering rigidity in General and Detail urban plans, modeling the effects of changes mathematically would be worth in such plans. Investigating the effects of urban land use changes in the arrangement of other land uses and designing criteria such as consistency, dependency, suitability and per capita demand, always is a multi-objective and NP-hard problem. Due to the variety of urban land uses and their complex relationships with each other, many possible arrangements of land uses can be suggested. In this study, the main target is obtaining the effects of changes in one or more land uses in the arrangement of the other land uses considering three objective functions and one criteria simultaneously. These objective functions include consistency, dependency and suitability. Moreover, per capita demand assume as criteria in this research. To do so, MOEA/D algorithm is applied. Results demonstrate that the solutions are acceptable in the test of meta-heuristic algorithms. Furthermore, the results of the algorithm shows more optimized answer than current status. It is notable to say that the run time of this algorithm is considerably lower than other MOEAs like NSGA-II. Besides, the search space of MOEA/D is more expanded than NSGA-II.}, Keywords = {Land use change modeling, Decision support, MOEA/D, GIS}, volume = {6}, Number = {1}, pages = {131-154}, publisher = {kntu}, title_fa = {برنامه‌ریزی چندهدفه‌ی کاربری اراضی شهری و مدلسازی تغییرات آنها با استفاده از الگوریتم تکاملی چند هدفه بر مبنای تجزیه}, abstract_fa ={با توجه به صلب بودن طرح‌های جامع و تفضیلی در برنامه‌ریزی کاربری اراضی شهری، توجه به تغییرات کاربری‌ها و مدلسازی آنها کمک شایانی در برآورد تأثیر تغییرات خواهد نمود. بررسی تأثیر تغییر کاربری‌های شهری در چینش سایر کاربری‌ها و معیارهای طراحی مانند سازگاری، وابستگی، مناسبت و سرانه‌ها به لحاظ محاسباتی مسئله‌ای چندهدفه بوده و جزء مسائل سخت رده‌بندی می‌شود. زیرا به‌دلیل تنوع بالای کاربری¬ها در محیط شهری و روابط پیچیده‌ی حاکم بر انواع کاربری‌ها می‌توان چینش‌های مختلفی از کاربری‌ها ارائه داد. در این تحقیق هدف اصلی به دست آوردن تأثیر تغییر یک یا چند کاربری بر روی چینش سایر کاربری‌ها با در نظر گرفتن سه تابع هدف سازگاری، وابستگی، مناسبت و سرانه‌ها به صورت همزمان می‌باشد. به این منظور از الگوریتم تکاملی چند هدفه بر مبنای تجزیه (MOEA/D Multi-Objective Evolutionary Algorithm based on Decomposition) که یک الگوریتم بر مبنای تجزیه‌ی تابع بهینگی می‌باشد، استفاده شده است. نتایج حاکی از جواب‌های قابل قبول این الگوریتم از نظر تست‌های الگوریتم‌های فرا ابتکاری می‌باشد. همچنین نتایج نشانگر بهینه بودن چینش‌ها نسبت به وضع موجود است. نکته‌ی قابل توجه در مورد نتایج این الگوریتم این است که زمان اجرای الگوریتم نسبت به الگوریتم‌های بهینه‌سازی چندهدفه‌ی رایج در این زمینه مانند الگوریتم ژنتیک چندهدفه با مرتب‌سازی نامغلوب یا( NSGA-II (Non-dominated Sorting Genetic Algorithm-II به مراتب کمتر است. همچنین بازه‌ی جستجوی الگوریتم نیز بیش از الگوریتم NSGA-II می‌باشد.}, keywords_fa = {تغییر کاربری اراضی شهری, سیستم اطلاعات مکانی, MOEA/D, بهینه‌سازی چندهدفه, حمایت از تصمیم‌گیری}, doi = {10.29252/jgit.6.1.131}, url = {http://jgit.kntu.ac.ir/article-1-567-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-567-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Rezaei, Yousef and ValadanZouje, Mohammad Javad and Sahebi, Mahmood Rez}, title = {A method for normalization and co-registration of multi temporal imagery for change detection}, abstract ={The multi-temporal Remote sensing data are unique tools for monitoring and detecting land cover change over time. Radiometric and geometric consistency among these multi-temporal data are difficult to maintain, due to variations in sensor characteristics and view, solar angle, and atmospheric conditions, and these variations can obscure surface change detection. The radiometric normalization and geometric co-registration of multi-temporal satellite imagery of the same terrain is often necessary for land cover change detection, e.g., relative differences. In previous studies, in order to obtain radiometric correction of multi temporal imagery, the ground reference data or pseudo-invariant features (PIFs) were used. Using the ground reference data collection is costly and difficult to acquire for most satellite remotely sensed images and the selection of PIFs is generally subjective and need the user’s supervision. In this research, we demonstrate a method for radiometric normalization and geometric co-registration between multi temporal images of the Alam-chal Glacier. The selection of PIFs has been done statistically, and the satellite images are normalized radiometrically to a common scale. In order to image co-registration, first the noise was removed and then repeatedly two images were registered using polynomials models and image matching. The proposed method was evaluated by histogram comparison, statistical parameters and independent check points. The results show that the statistical parameters of two image are nearly the same and the total RMSE of check points was 0.52 pixel.}, Keywords = {Multi temporal imagery, radiometric normalization, co-registration, Pseudo Invariant Feature}, volume = {6}, Number = {1}, pages = {155-169}, publisher = {kntu}, title_fa = {ارائه روشی جهت نرمال‌سازی و هم مختصات نمودن تصاویر چند زمانه جهت آشکارسازی تغییرات}, abstract_fa ={تصاویر ماهواره‌ای جهت پایش و ارزیابی تغییرات پوشش‌های زمینی در بازه‌های زمانی به‌کار می‌روند. همسانی رادیومتریکی و هندسی بین تصاویر چندزمانه و چند سنجنده اخذ شده، به علت تغییرات در سنجنده، شرایط جوی، زاویه تابش خورشید و زاویه دید سنجنده، به‌ندرت ممکن است وجود داشته باشد و می‌تواند باعث ایجاد مشکل در آشکارسازی تغییرات شود. همسان‌سازی رادیومتریکی و هندسی تصاویر چند زمانه و چند سنجنده‌ای که از یک منطقه از سطح زمین برای آشکارسازی تغییرات و اختلافات نسبی عوارض زمینی اخذ شده‌اند بسیار ضروری می‌باشد. از داده‌های زمینی جهت کالیبراسیون رادیومتریک مطلق و یا عوارض شبه‌پایدار (PIF) جهت نرمال‌سازی رادیومتریک نسبی تصاویر چند زمانه می‌توان استفاده نمود، اما جمع‌آوری داده‌های زمینی هزینه بر بوده و اخذ همزمان آنها با گذر ماهواره با مشکلاتی همراه است و همچنین انتخاب عوارض شبه‌پایدار نیز بصورت بصری بوده و نیاز به نظارت کاربر دارد. در این تحقیق به منظور نرمال‌سازی رادیومتریکی و هندسی دو تصویر چند زمانه از منطقه یخچالی علم چال، روشی ارائه شده است. در این تحقیق، انتخاب عوارض شبه‌پایدار به‌صورت خودکار و آماری می‌باشد و تصاویر ماهواره‌ای به یک سطح رادیومتریکی مرجع تبدیل می‌شوند. جهت هم مختصات سازی تصاویر، ابتدا نویز در آنها حذف شده و به‌صورت تکراری با استفاده از روش تناظریابی تصاویر، دو تصویر هم مختصات گردیدند. به‌منظور ارزیابی نتایج از مقایسه هیستوگرام تصاویر، پارامترهای آماری و نقاط مستقل چک استفاده گردید. نتایج نشان دهنده نزدیکی پارامترهای آماری دو تصویر همسان شده به‌یکدیگر می‌باشد، همچنین با استفاده از نقاط چک مقدار جذر میانگین مربع خطاها روش هم‌مختصات سازی برابر 52/0 به‌دست آمد.}, keywords_fa = {تصاویر چند زمانه, نرمال‌سازی رادیومتریکی, هم مختصات سازی, عوارض شبه‌پایدار}, doi = {10.29252/jgit.6.1.155}, url = {http://jgit.kntu.ac.ir/article-1-568-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-568-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Ahmadian, Abolfazl and Mobasheri, Mohammad Reza and Matkan, Ali Akbar}, title = {Distribution of atmospheric NO2 in the industrial cities using OMI and MODIS images (Case study: Tehran metropolis)}, abstract ={The atmosphere is a complicated and dynamic system containing natural gases as well as some extra gases produced through different sources. Concentration of suspended particles in the atmosphere is one of the most important indicators of air pollution. Tehran is among the most polluted cities in the world. Being able to determine the amount of pollution in the city’s air, may lead to strategies being adopted for reduction of its negative effects. Commonly, measurement of the air pollution is carried out by gauges installed in stations all around the city. These limited number of gauges can precisely measure pollution within the station zone. However, the measured data is not valid for the regions far from stations. NO2 is one of the most important factors in the air pollution; hence this study attempts to determine it in urban areas using remote sensing. OMI images are routinely providing air pollution data on a daily basis. These images give the amounts of pollution in large pixels which are not appropriate for urban areas. In this study, the concurrent images of MODIS and OMI were used in order to find a relation between pollution and reflectance in different bands. At first, the relationship between pollution and reflectance in industrial areas and large cities were determined. Then different combinations of equations were considered for MODIS bands and the best combination was chosen. At the end, distribution image of pollution was obtained in the city. Evaluation of this equation shows acceptable accuracy in prediction of NO2 by MODIS images. In addition, critical and highly polluted areas were determined by accumulation of air pollution images on different days. At the end, data of ground stations were utilized in order to evaluate acquired results (RMSE=0.29 and RRMSE=44.3%). The model showed small relative errors (15%) for large amounts of NO2 and huge errors (100%) for low amounts of pollution.}, Keywords = {Remote Sensing, Air Pollution, Nitrogen dioxide, MODIS, OMI}, volume = {6}, Number = {1}, pages = {171-184}, publisher = {kntu}, title_fa = {پهنه‌بندی NO2 جوی در شهرهای صنعتی با استفاده از تصاویر OMI و MODIS (مطالعه موردی: کلان شهر تهران)}, abstract_fa ={جو سامانه‌ گازی طبیعی پویا و پیچیده‌ای‌ است که زندگانی در سیاره زمین به آن وابسته است. غلظت ذرات معلق موجود در جو از مهمترین شاخص‌های آلودگی هوا محسوب شده و به همین علت از توجه زیادی برخودار است. تهران یکی از آلوده‌ترین شهرهای جهان می‌باشد که عوامل متعددی در آلودگی هوای آن دخالت دارند. بنابراین تعیین مقدار آلودگی در مناطق مختلف شهر می‌تواند منجر به راهکارهایی جهت کاهش اثرات منفی آن شود. ایستگاه‌های سنجش آلودگی هوا در سطح شهر مقادیر آلودگی را در محدوده ایستگاه با دقت بسیار خوب اندازه‌گیری می‌کنند، اما به دلیل هزینه‌های بالای نصب و نگهداری، امکان نصب تعداد زیادی از آنها در سطح شهر وجود ندارد. همچنین در مناطقی که از ایستگاه‌ها فاصله دارند برای محاسبه میزان آلودگی نیاز به تخمین می‌باشد. دی اکسید نیتروژن یکی از مهمترین اجزاء آلودگی هوا در کلان شهرها می‌باشد که در این پژوهش برای تعیین آن در سطح شهر با استفاده از سنجش از دور تلاش خواهد شد. برای این‌منظور از تصاویر سنجنده OMI که میزان این آلودگی را بصورت روزانه و در مناطق مختلف ارائه می‌کند استفاده شده است. این تصاویر مقادیر آلودگی را در پیکسل‌هایی با ابعاد بزرگ ارائه می‌کنند که برای مناطق شهری مناسب نمی‌باشد. در این پژوهش با استفاده همزمان از تصاویر OMI و مادیس 500 متری سعی در برقراری ارتباط بین بازتابندگی و میزان آلودگی در باندهای مختلف شده است. بر این اساس ابتدا ارتباط میزان آلودگی و بازتابندگی در چندین منطقه صنعتی و شهر بزرگ بررسی شد. سپس ترکیب‌های خطی معادلات مختلف در باندهای مختلف مادیس در نظر گرفته شد و بهترین ترکیب معادله-باند با استفاده از داده‌های آزمون مشخص گردید. در انتها روش به‌دست آمده در سطح شهر تهران پیاده‌سازی و تصاویر توزیع آلودگی برای روزهای مختلف به‌دست آمد. به منظور ارزیابی نتایج به‌دست آمده از داده‌های ایستگاه‌های زمینی استفاده شد که جذر میانگین مربع خطاها برابر 29/0 و جذر میانگین مربع خطاهای نسبی برابر 3/44 درصد به‌دست آمد. خطای مدل برای مقادیر زیاد آلودگی در حدود 15 درصد و برای مقادیر کم آلودگی تا 100 درصد می‌باشد. همچنین با استفاده از تجمیع تصاویر به‌دست آمده در روزهای مختلف مناطق بحرانی و دارای آلودگی زیاد در سطح شهر مشخص گردید.}, keywords_fa = {سنجش از دور, آلودگی هوا, دی اکسید نیتروژن, مادیس, OMI}, doi = {10.29252/jgit.6.1.171}, url = {http://jgit.kntu.ac.ir/article-1-569-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-569-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Ashoori, Hamed and ValadanZoej, Mohammad Javad and Sahebi, MahmoodRez}, title = {Introducing a method for producing a Spatial indces to use spatial data in panchromatic image classification}, abstract ={Classification is the most common method for information extraction from remotely sensed images. Conventional classification methods are mostly based on spectral information. While particularly in high spatial resolution images, spatial relationships between neighboring pixels used to discriminate between different land-cover classes in human interpretation. In different research methods for quantification of image texture and use it to create separation between classes is provided. Considering the variety of formulation and adjustable parameters of texture quantization methods, huge number of texture features could be generated. Each feature has specific ability to discriminate special classes. In this paper a new method based on spectral index formulation proposed to generate Spatial Indices from textural features. Best pairs of textural features selected and Spatial Indices using them will be generated. Generated Spatial Indices are good abstract of textural feature space to use in classification procedure. This method could led to better classification results in a direct and none international solution.}, Keywords = {Spatial Index, Supervised classification, Panchromatic Image, Image texture quantization}, volume = {6}, Number = {2}, pages = {1-21}, publisher = {kntu}, title_fa = {ارائه روشی جهت تولید شاخص‌ مکانی به‌منظور به‌کارگیری اطلاعات مکانی در طبقه‌بندی تصاویر پانکروماتیک}, abstract_fa ={طبقه‌بندی یکی از پرکاربردترین روشهای استخراج اطلاعات از تصاویر ماهواره‌ای است، در الگوریتم‌های مختلف طبقه‌بندی تنها از اطلاعات طیفی تصویر به‌عنوان ورودی استفاده می‌شود. در حالی که خصوصا در تصاویر با رزولوشن مکانی بالا، روابط مکانی بین پیکسلهای همسایه نقش به‌سزایی در ایجاد تمایز بین کلاسهای مختلف، در تفسیر انسانی دارد. در تحقیقات مختلف روشهایی جهت کمی‌سازی بافت تصویر و استفاده از آن در ایجاد تفکیک بین کلاسها ارائه شده است. با توجه به تنوع روشهای کمی‌سازی بافت تصویر و تنوع پارامترهای قابل تنظیم آنها، امکان تولید تعداد بسیار بالایی ویژگی مکانی جدید از تصویر وجود دارد. هر یک از این ویژگیها توانایی خاصی در ایجاد تمایز بین کلاسهای تصویر دارند، این حقیقت و تعداد بالای ویژگیها، نیاز به انتخاب ترکیب بهینه و یا تولید ویژگی‌هایی که چکیده توانمندی مجموعه تولید شده را داشته باشند، را ضروری می‌نماید. در این تحقیق با الهام از اندکس‌های تفاضلی نرمال طیفی، مفهوم شاخص مکانی جهت تولید شاخص‌هایی مبتنی بر ویژگیهای مکانی تولید شده از تک باند طیفی تصویر پانکروماتیک، جهت تفکیک کلاسهای مختلف تصویر معرفی شده است. شاخص‌های مکانی تولیدی برای هر کلاس به‌عنوان چکیده مجموعه ویژگیهای مکانی و به‌صورت ویژگیهای جدید در کنار باند تصویر در طبقه‌بندی نظارت شده استفاده شد. ویژگیهای دارای بیشینه و کمینه مقدار در هر کلاس پس از تولید بردار میانگین در فضای ویژگی‌ها و حذف ویژگیهای داری رنج تغییرات کوچک انتخاب شدند. پس از مقایسه با نتایج سایر کلاسها، زوج باندهای غیر تکراری انتخاب شده و ویژگیهای تفاضلی نرمال بر اساس آنها تولید شد، استفاده از ویژگیهای تولید شده در طبقه‌بندی منجر به افزایش قابل توجه دقت در تفکیک کلاسها و کاهش زمان کلی محاسبات گردید. از دیگر مزایای این روش، صریح و مستقیم بودن و عدم نیاز به روندهای تکرار است.}, keywords_fa = {شاخص مکانی, طبقه‌بندی نظارت شده, تصویر پانکروماتیک, کمی‌سازی بافت تصویر}, doi = {10.29252/jgit.6.2.1}, url = {http://jgit.kntu.ac.ir/article-1-586-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-586-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Moghimi, Armin and Ebadi, Hamid and Sadeghi, Vahi}, title = {Changes Monitoring in multitemporal satellite images using Iteratively Reweighted multivariate alteration detection (IR-MAD) algorithm and support vector machine (SVM) classification}, abstract ={Monitoring Land use changes is one of the important applications of remote sensing and geographic information system. In this study, a framework for change monitoring in multitemporal satellite images is presented by Iteratively Reweighted multivariate alteration detection (IR-MAD) algorithm and support vector machine (SVM) classification. In this study, the change detection analysis has been done using multitemporal Landsat satellite images with 18 years time interval of Shahi Island and a part of the western region of Lake Urmia. The proposed method has two main steps in change monitoring. In the first step, components of change intensities are determined automatically by IR-MAD transformation. In the following, optimized components are selected by applying the kernel principal component analysis (KPCA) on components of change intensities. In the next step, for generating the content of change map, The combination of optimal components is classified by SVM method. For the evaluation performance of the proposed method, in change monitoring, this method was compared with conventional methods such as analysis of the spectral–temporal combination and post classification comparison. The experimental results show that the overall accuracy of the proposed method increased 4.89% and 4.39% compared to that of the spectral-temporal Combination and post classification comparison, respectively.}, Keywords = {Change monitoring, multitemporal satellite images, reweighted multivariate repeated (IR-MAD) change detection algorithm, support vector machine (SVM) classification}, volume = {6}, Number = {2}, pages = {23-41}, publisher = {kntu}, title_fa = {پایش تغییرات ازتصاویر ماهواره‌ای چندزمانه با بکارگیری الگوریتم شناسایی تغییرات چند متغیره با وزن‌دهی تکراری(IR-MAD) و طبقه‌بندی ماشین بردار پشتیبان (SVM)}, abstract_fa ={پایش تغییرات کاربری اراضی از تصاویر ماهواره‌ای چندزمانه، یکی از مهمترین کاربرد­های سنجش از دور و سیستم اطلاعات مکانی است. در پژوهش حاضر چارچوبی برای پایش تغییرات از تصاویر ماهواره‌ای چندزمانه با به‌کارگیری الگوریتم شناسایی تغییرات چند متغیره با وزن‌دهی تکراری(IR-MAD)  و طبقه‌بندی ماشین بردار پشتیبان (SVM) ارائه شده است. در این مطالعه، پایش تغییرات با استفاده از تصاویر ماهواره‌ای لندست با یک فاصله زمانی 18 ساله، برای جزیره شاهی و قسمتی از حوزه غربی دریاچه ارومیه پیاده‌سازی گردیده است. روش پیشنهادی دارای دو مرحله اصلی در پایش تغییرات می‌باشد. در مرحله اول، مؤلفه‌های شدت تغییرات به‌صورت اتوماتیک با استفاده از تبدیل IR-MAD مشخص می‌گردند. در ادامه، مؤلفه‌های بهینه با اعمال آنالیز مؤلفه اصلی با هسته کرنل (KPCA) بر مؤلفه‌های شدت تغییرات انتخاب می‌شوند. در مرحله دوم، جهت تهیه نقشه ماهیت تغییرات، مؤلفه‌های بهینه ترکیب‌شده با استفاده از روش SVM طبقه‌بندی می‌شوند. به‌منظور بررسی عملکرد روش پیشنهادی در جهت پایش تغییرات، این روش با روش‌های متداول ترکیب طیفی-زمانی و مقایسه پس از طبقه‌بندی مقایسه گردید. ارزیابی نتایج نشان می‌دهد که روش پیشنهادی موجب بهبود دقت کلی به میزان %89/4 و %39/4 به ترتیب نسبت به روش‌های آنالیز ترکیبی طیفی-زمانی و مقایسه پس از طبقه‌بندی شده است.}, keywords_fa = {پایش تغییرات, تصاویر ماهواره‌ای چندزمانه, الگوریتم شناسایی تغییرات چند متغیره با وزن‌دهی تکراری (IR-MAD), طبقه‌بندی ماشین‌بردار پشتیبان(SVM)}, doi = {10.29252/jgit.6.2.23}, url = {http://jgit.kntu.ac.ir/article-1-587-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-587-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Mirbagheri, Babak and Alimohammadi, Abbas}, title = {Evaluating the Capability of Geographically Weighted Regression in Improvement of Urban Growth Simulation Performance Using Cellular Automata}, abstract ={Geographically Weighted Logistic Regression (GWLR) is a local version of logistic regression (LR) which estimates different relationships between independent and dependent variables at each location. In this research, local model (GWLR) is used for defining CA transition rules and evaluating GWLR capabilities in terms of enhancing urban development prediction accuracy. Also, a new parameter named “Edge Expansion Coefficient” was defined for the determination of tradeoff between two important urban development processes: edge expansion and spontaneous growth. Moreover, in order to assess the prediction accuracy, fuzzy Kappa statistic was applied along with the traditional Kappa coefficiency. The developed CA model in this study was run for the prediction of urban development in south west of Tehran metropolitan area during 2004-2013 period. The results of the study showed that, using GWLR model for defining CA’s transition rules, one can significantly increase urban development prediction’s accuracy compared to that of predicted urban development by CA model based on logistic regression (Logistic-CA). The prediction accuracies of the proposed model in this research and the Logistic-CA were 0.54 and 0.30, respectively, as measured by Kappa coefficient. Also, the prediction accuracies of the proposed model were calculated to be 0.68 and 0.76 when measured in terms of fuzzy Kappa statistic with halving distances of 50 and 100 meters in exponential distance decay function, respectively.}, Keywords = {Cellular Automata, Geographically Weighted Regression, Logistic Regression}, volume = {6}, Number = {2}, pages = {43-64}, publisher = {kntu}, title_fa = {ارزیابی قابلیت رگرسیون وزنی جغرافیایی در بهبود پیش‌بینی رشد اراضی شهری با استفاده از سلول‌های خودکار}, abstract_fa ={رگرسیون وزنی جغرافیایی منطقی (GWLR) نسخه محلی مدل رگرسیون منطقی (LR) است که در هر مکان رابطه متفاوتی را بین متغیرهای وابسته و مستقل برآورد می‌کند. در تحقیق حاضر از مدل GWLR در توسعه قوانین تبدیل سلولهای خودکار(CA) استفاده و کارایی آن در پیش‌بینی رشد شهری در مقابل مدل CA مبتنی بر رگرسیون منطقی (Logistic-CA) مورد ارزیابی  قرار گرفت. همچنین پارامتری تحت عنوان ضریب رشد حاشیه ای برای تعیین توازن بهینه میان فرایندهای رشد حاشیه ای و رشد خود انگیخته که از جمله فرایندهای مهم در رشد اراضی شهری محسوب می‌شوند، تعریف گردید. جهت ارزیابی دقت مدل نیز از آماره کاپای فازی در کنار ضریب معمول کاپا استفاده شد. مدل پیشنهادی در تحقیق حاضر جهت پیش بینی توسعه بخشی از اراضی شهری واقع در جنوب غرب منطقه کلانشهری تهران برای دوره زمانی 1391-1383 اجرا گردید. نتایج این مطالعه نشان داد استفاده از مدل GWLR در تعریف قوانین تبدیل CA منجر به افزایش قابل توجه دقت پیش بینی رشد شهری در مقایسه با مدل Logistic-CA می گردد. دقت پیش بینی مدل توسعه داده شده در تحقیق حاضر بر حسب ضریب کاپا برابر 54/0 می باشد که افزایش دقتی معادل 24/0 را در مقایسه با مدل Logistic-CA نشان می دهد. همچنین دقت مدل پیشنهادی بر اساس شاخص کاپای فازی با در نظر گرفتن فواصل50 و 100 متری برای تابع نمایی افت فاصله، به 69/0 و 76/0 می‌رسد.}, keywords_fa = {سلول‌های خودکار, رگرسیون وزنی جغرافیایی, رگرسیون منطقی}, doi = {10.29252/jgit.6.2.43}, url = {http://jgit.kntu.ac.ir/article-1-588-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-588-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Mousavi, Vahid and Varshosaz, Masou}, title = {}, abstract ={}, Keywords = {}, volume = {6}, Number = {2}, pages = {65-85}, publisher = {kntu}, title_fa = {ارائه یک سیستم جدید اسکنراستریوپانوراما برمبنای دوربین‌های استریو}, abstract_fa ={مدل‌های سه‌بعدی تولید شده از فضاهای شهری با توجه به کاربردهای وسیع آنها، مورد نیاز بسیاری از سازمان‌ها و ارگانها می‌باشند. در میان روشهای متعدد تولید مدل سه‌بعدی از فضاهای شهری، استفاده از تصاویر استریوپانوراما به دلیل پوشش کامل محیط اطراف بسیار مورد توجه قرار گرفته‌اند. در این مقاله یک  اسکنر استریوپانوراما با چینش جدید ارائه شده است که ساختار آن مبتنی بر دوربین‌های استریو است. این سیستم علاوه بر ایجاد قابلیت دید سه‌بعدی از محیط اطراف، امکان استخراج اطلاعات هندسی با دقت مناسب جهت مدل‌سازی های شهری را نیز فراهم می‌آورد. از مزایای این سیستم می‌توان به خودکارسازی فرآیند تناظریابی و تولید مدل سه‌بعدی در آن، تولید استریوپانوراما با دقت مکانی یکسان در همه نقاط و قابلیت استخراج مدل سه‌بعدی به شکل ابرنقطه با دقت بالا اشاره کرد. در این مقاله، ساختار سیستم شامل پیاده‌سازی سیستم، کالیبراسیون آن و نحوه تولید مدل سه‌بعدی از آن توضیح داده شده است. به‌علاوه نتایج تجربی ارزیابی قابلیت‌های سیستم نیز ارائه شده است. نتایج بررسی سیستم نشان می‌دهد که این سیستم قابلیت تولید مدل سه‌بعدی با دقت مناسب برای کاربردهای مدل‌سازی سه‌بعدی شهری را دارد. این نتایج نشان می‌دهند که در فاصله حدود 15 متری از سیستم اسکنر استریوپانوراما، میزان خطای طول بین نقاط در حدود 57 میلیمتر است.}, keywords_fa = {مدل‌سازی تصویرمبنا, کالیبراسیون, دوربین استریو, استریوپانوراما, مدل‌سازی سه‌بعدی}, doi = {10.29252/jgit.6.2.65}, url = {http://jgit.kntu.ac.ir/article-1-589-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-589-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Jahantab, Zahra and AleSheikh, Ali Asghar and DarvishiBoloorani, Ali and Bagheri, Keiv}, title = {A new method for calibration of land-vegetation degradation modeling}, abstract ={One of the main challenges of human is the dramatic decrease in resources due to human’s excessive consumption of land that has led to a phenomenon called land degradation. Various models have thus far been introduced for assessment of this phenomenon. The parameters and their weights differ from one model to another as per experts’ opinion. The present study introduces a new method to identify and calibrate the parameters, as per the conditions of the region under study, affecting this phenomenon. The proposed method is considered as a data-based model such that parameter weights are computed intelligently and as per the climate and geographical conditions of the region. The genetic algorithm and Weighted Overlay Index were used to determine the significance level and ranking of the criteria. For the purpose of assessment, the data pertaining to Neinava region, located in Iraq, including Landsat satellite images of 1985, 2001, and 2014 as well as criteria such as distance from rivers, distance from lakes, distance from agricultural areas, distance from roads, distance from residential areas, height, slope, distance from Qanats, distance from wells, erosion, type of climate, and NDVI index were used. The results obtained from modeling and calibration as per the proposed model were compared with those of the regular method (application of equal weights). Application of genetic algorithm and calibration of weights yielded a standard deviation of 0.03 for prediction of vegetation degradation which is considerably lower than that yielded by the regular method (0.137). The criteria were also prioritized at this stage as per their significance. To ensure the model accuracy, data of 2001 and 2014 were used to assess the obtained results. The assessment result yielded a standard deviation of 0.053 and accuracy of 0.857. After the accuracy of the model was ensured, the vegetation degradation was predicted for 2027. The average rate of decreased NDVI values indicates the critical status of land degradation in the region under study.}, Keywords = {Land and vegetation degradation, calibration, Weighted Overlay Index Model, GIS, Genetic Algorithm}, volume = {6}, Number = {2}, pages = {87-104}, publisher = {kntu}, title_fa = {ارائه روشی جهت واسنجی درجه اهمیت معیارهای تأثیرگذار بر مدل‌سازی تخریب سرزمین با تاکید بر تخریب پوشش گیاهی}, abstract_fa ={یکی از مهم‌ترین چالش‌های بشر در قرن حاضر کاهش منابع به‌دلیل استفاده غیرمنطقی انسان از زمین می‌باشد که منجر به پدیده‌ای به‌نام تخریب سرزمین شده است. تاکنون، مدل‌های متفاوتی جهت ارزیابی این پدیده معرفی‌شده‌اند که پارامترها و اوزان آن‌ها وابسته به نظر کارشناسان می‌باشند. در این تحقیق سعی شده با معرفی روشی جدید پارامترهای مؤثر بر این پدیده، با شرایط منطقه موردمطالعه تعیین و واسنجی شوند. روش پیشنهادی، روشی داده مبنا محسوب می‌شود طوری که در آن اوزان پارامترها به‌صورت هوشمند و مبتنی بر شرایط اقلیمی و جغرافیایی منطقه، محاسبه می‌گردند. جهت تعیین درجه اهمیت هر یک از معیارها و رتبه‌بندی آن‌ها از الگوریتم ژنتیک و شاخص همپوشانی وزن دار استفاده شده است. برای ارزیابی، اطلاعات مربوط به منطقه نینوا واقع در کشور عراق که شامل تصاویر ماهواره‌ای لندست سال‌های 1985، 2001، 2014 و معیارهای فاصله از رودخانه، فاصله از دریاچه، فاصله از مناطق کشاورزی، فاصله از راهها، فاصله از مناطق مسکونی، ارتفاع، شیب، فاصله از قنات، فاصله از چاه آب، فرسایش، نوع اقلیم و شاخص نرمال شده تفاوت پوشش گیاهی (Normalized Difference Vegetation Index) گردآوری شد. نتایج حاصل از مدل‌سازی و واسنجی روش پیشنهادی با روش معمول (اعمال وزن‌های یکسان) مقایسه شدند. با اعمال الگوریتم ژنتیک و واسنجی نمودن اوزان، میانگین خطای پیش‌بینی تخریب پوشش گیاهی  03/0 به‌دست می‌آید که در مقایسه با خطای روش معمول (137/0) از کاهش چشمگیری برخوردار است. همچنین در این مرحله، ترتیب اهمیت معیارها در منطقه موردمطالعه نیز مشخص شد. به منظور اطمینان بیشتر از دقت مدل نتایج دوباره ارزیابی شد که به‌ترتیب از اطلاعات سال‌های 2001 و 2014 استفاده شد و خطای میانگین 053/0 و دقت 857/0 به‌دست آمد. پس از اطمینان به دقت مدل، پیش‌بینی تخریب پوشش گیاهی سال 2027 نیز صورت گرفت. نتایج به‌دست آمده از مدل ارائه شده حاکی از وضعیت بحرانی تخریب سرزمین در منطقه موردمطالعه می‌باشد.}, keywords_fa = {الگوریتم ژنتیک, تخریب پوشش گیاهی, واسنجی مدل, شاخص هم‌پوشانی وزن‌دار}, doi = {10.29252/jgit.6.2.87}, url = {http://jgit.kntu.ac.ir/article-1-590-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-590-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {AliAbbaspour, Rahim}, title = {Assessment of Optimization Algorithms on Multi-scale Matching of Spatial Datasets Based on Geometric Properties}, abstract ={Identification of objects referring to the same entity in different datasets is known as objects matching, which is both directly and indirectly used in a wide range of applications including conflation, quality assessment, data updating, and multi-scale analysis. Hence, a novel object matching approach is presented in this article, in which, in addition to take only geometric property into account, i.e. geometric and topological criteria, extracted from objects, any initial dependency on empirical parameters such as threshold of spatial similarity degree, buffer distance, and metric weights is eliminated, through which matching procedure may then be conducted in different datasets. All the relations in the proposed approach are considered including: one-to-null, null-to-one, one-to-one, one-to-many, many-to-one, and many-to-many. Moreover, efficiency of linear object matching using Real Coded Genetic Algorithm (RCGA), Particle Swarm Optimization (PSO) algorithm, and Artificial Bee Colony (ABC) algorithm in different datasets were investigated through optimization of geometric criteria. In order to assess the efficiency of the proposed approach, three datasets of different scales from various sources were used. As indicated by the results, the proposed framework was able to appropriately identify corresponding objects in different datasets. Additionally, it was revealed that GA outperformed the other two algorithms in terms of optimizing the parameters present in linear object matching.}, Keywords = {Linear Object Matching, Multi-scale Datasets, Geometric Property, Optimization Algorithms, Real Coded Genetic Algorithm}, volume = {6}, Number = {2}, pages = {105-124}, publisher = {kntu}, title_fa = {ارزیابی الگوریتم‌های بهینه‌سازی در تناظریابی داده‌های مکانی چندمقیاسی مبتنی بر ویژگی‌های هندسی}, abstract_fa ={شناسایی عوارض با ماهیّت یکسان در مجموعه داده‌های مختلف تحت عنوان تناظریابی عوارض شناخته می‌شود. تناظریابی کاربردهای مستقیم و غیر مستقیم بسیاری نظیر تلفیق، ارزیابی کیفیّت، به روز رسانی داده‌ها و انجام آنالیزهای چندمقیاسی دارد. از این رو در این تحقیق راهکاری نوین جهت تناظریابی عوارض ارائه می‌گردد که ضمن در نظر گرفتن تنها معیارهای هندسی (خصوصیات هندسی و توپولوژیکی) استخراج شده از عوارض، هرگونه وابستگی اولیه به پارامترهای تجربی مرسوم نظیر حد آستانه درجه شباهت مکانی، فاصله بافر و وزن معیارها حذف و تناظریابی در مجموعه داده‌های مختلف انجام می‌گیرد. در رویکرد پیشنهادی تمامی روابط یک به هیچ، هیچ به یک، یک به یک، یک به چند، چند به یک و چند به چند در نظر گرفته می‌شود. همچنین در این تحقیق کارایی الگوریتم‌های ژنتیک، توده ذرات و جستجوی غذای زنبور عسل برای تناظریابی عوارض خطی در مجموعه داده‌های مختلف با استفاده از بهینه‌سازی معیارهای هندسی مورد بررسی قرار می‌گیرد. برای ارزیابی کارایی رویکرد پیشنهادی از سه مجموعه داده در مقیاس‌ها و منابع مختلف استفاده می‌گردد. نتایج نشان داد که چارچوب پیشنهادی به خوبی توانایی شناسایی عوارض متناظر در مجموعه داده‌های مختلف را دارا می‌باشد، همچنین نتایج نشان داد که الگوریتم ژنتیک در مقایسه با دو روش دیگر دارای کارایی بالاتری برای بهینه‌سازی پارامترهای موجود در تناظریابی عوارض خطی می‌باشد.}, keywords_fa = {تناظریابی عوارض خطی, معیارهای هندسی, روش‌های بهینه‌سازی, آنالیز حساسیّت, الگوریتم ژنتیک}, doi = {10.29252/jgit.6.2.105}, url = {http://jgit.kntu.ac.ir/article-1-591-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-591-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {MousaeiKordshami, Leila and Abbasi, Mozhgan and Jafari, Ali}, title = {The spectral behavior of trees affected by traffic pollution using filed spectroscopy}, abstract ={Today, Industry and traffic can be a major contributor to the air pollution in the cities. The traditional methods for the study of air pollution are based on chemical measurements and analysis which requires time, labor along with relatively high costs. Study of spectral behavior of Plants affected by environmental stresses is one of the non-destructive methods in remote sensing science. The visible and near-infrared spectroscopy of plants technique, since it’s quick, easy to use and precise, is widely used to predict the biochemical components of plants and their changes. The aim of this study is to study the spectral reflectance behavior of leaves exposed to traffic pollution of a part of Imam Khomeini highway, Isfahan-Iran. Spectral characteristics of the leaf surface of infected species including ash, cypress and elm using spectral indices sensitive to stress and chlorophyll were studied. The results of artificial neural network to distinguish the control and polluted species using spectral indices (PRI, NDVI, Gitelson and …) shows the accuracy of 73.4%. The PLS regression model was conducted simultaneously for three species in polluted and control modes and it does not have any acceptable results. In addition, the model was conducted separately for each species; it showed acceptable results for ash trees in polluted and control modes.}, Keywords = {Air pollution, Filed Spectroscopy, Artificial Neural Network, Spectral Indices, Imam Khomeini Highway}, volume = {6}, Number = {2}, pages = {125-141}, publisher = {kntu}, title_fa = {مطالعه آلودگی درختان در فضای سبز شهری بر اساس رفتار طیفی آن‌ها با استفاده از طیف‌سنجی میدانی}, abstract_fa ={افزایش حمل‌ونقل و ترافیک در شهرها را می‌توان از عوامل اصلی آلودگی هوا نام برد که تأثیرات منفی گسترده‌ای بر کیفیت زندگی انسان‌ها و گیاهان گذاشته است. روش­های معمول برای بررسی تأثیر آلودگی هوا بر اساس نمونه‌برداری از هوا و گیاه و تجزیه‌وتحلیل‌هایی است که نیازمند تجهیزات آزمایشگاهی، زمان و هزینه نسبتاً بالا هستند. ترکیبات بیوشیمیایی و تغییرات ساختار سلولی گیاه تحت تأثیر بازتابندگی طیفی گیاهان در محدوده طیف مرئی و مادون‌قرمز نزدیک قرار دارد. آلودگی هوا و استرس‌های ناشی از آن باعث تغییراتی در ترکیبات محتوای سلولی گیاه خواهد شد؛ بنابراین می‌توان با بررسی رفتار طیفی گیاه با صرف زمان و هزینه کمتر به احتمال وجود آلودگی درختان در فضای سبز شهری پی برد. هدف مطالعه حاضر مطالعه رفتار طیفی گونه‌های زبان‌گنجشک، نارون و سرو در دو حالت آلوده و شاهد و بررسی امکان تفکیک این دو تیمار بوده است. این مطالعه در بخشی از بزرگراه امام خمینی اصفهان که در معرض آلودگی هوای ناشی از ترافیک قرار دارد انجام شده است. به این‌منظور شاخص‌های طیفی حساس به استرس و کلروفیل انتخاب و محاسبه شده؛ سپس به‌عنوان ورودی در مدل‌های شبکه عصبی مصنوعی وارد شد. نتایج مدل شبکه عصبی مصنوعی با استفاده از شاخص‌های طیفی برای تفکیک گونه‌های شاهد و آلوده دارای صحت کلی %4/73 بود. مدل رگرسیونی حداقل مربعات بخشی نیز برای تفکیک دو حالت آلوده و شاهد برای سه گونه به‌صورت توأم و برای هر گونه به‌صورت مجزا انجام شد و نتایج قابل قبولی در تفکیک گونه‌های شاهد و آلوده گونه‌ی زبان‌گنجشک با ضریب همبستگی 97/0 و ریشه میانگین مربعات خطا حاصل از اعتبار سنجی متقاطع (Root Mean Square Error of Cross Validation) مدل به‌دست‌آمده معادل 76/0 به دست آمد.}, keywords_fa = {آلودگی هوا, طیف‌سنجی میدانی, شبکه عصبی مصنوعی, شاخص‌های طیفی, بزرگراه امام خمینی اصفهان}, doi = {10.29252/jgit.6.2.125}, url = {http://jgit.kntu.ac.ir/article-1-592-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-592-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Najafi, Amir and Hasanlou, Mahdi}, title = {Land cover changes detection in polarimetric SAR data using algebra, similarity, and distance based methods}, abstract ={Monitoring and surveillance changes around the world need powerful methods and techniques; consequently, detection, visualization, and assessment of significant changes are essential for planning and management. Incorporating PolSAR images as the result of interactions between electromagnetic waves and target due to a high spatial resolution almost one meter can be incorporated for studying changes on the Earth's surface. Analyzing full-polarized radar images comparing to single polarized radar images used amplitude and phase information of the surface in different available polarization (HH, HV, and VV). This study is based on the decomposition of full-polarized airborne UAVSAR images and integration of these features with algebra, similarity, and distance based methods for change detecting purposes using two real datasets. Assessing the accuracy of the method is implemented using ground truth data and different criteria for evaluating such as overall accuracy (OA), area under ROC curve (AUC) and false alarms rate (FAR). The output results showed that algebra change detection method has superiority to detect changes comparing to other implemented methods. Also, numerical results showed the superiority of algebra change detection algorithms comparing to others.}, Keywords = {Change detection, Full Polarized radar images, algebra, distance-based, similarity-based.}, volume = {6}, Number = {2}, pages = {143-163}, publisher = {kntu}, title_fa = {آشکارسازی تغییرات کاربری اراضی با استفاده از تصاویر تمام قطبیده راداری و روش‌های جبری، فاصله و شباهت‌مبنا}, abstract_fa ={پایش و نظارت تغییرات وسیع در سراسر جهان نیازمند روش‌‌ها و تکنیک‌های قدرتمندی می‌باشد، بنابراین آشکارسازی و بصری‌سازی و ارزیابی رشد تغییرات در برنامه‏ریزی و مدیریت قابل توجه است. استفاده از تصاویر تمام قطبیده راداری به دلیل تعامل بین موج‌های الکترو‏مغناطیسی و هدف (تارگت) و استفاده از اطلاعات فاز و دامنه و به دلیل بالا بودن توان تفکیک مکانی تا حدود یک متر می‌تواند برای بررسی تغییرات در سطح زمین استفاده شود. این تحقیق براساس تجزیه تصاویر تمام قطبیده راداری هوابرد (Uninhabited Aerial Vehicle SAR UAVSAR : ) و استخراج ویژگی‌های این تصویر و پیاده‌سازی الگوریتم‌های آشکارسازی تغییرات به شناسایی تغییرات در یک منطقه جغرافیایی با استفاده از دو نمونه داده واقعی پرداخته است. هدف از این تحقیق، بررسی و ارزیابی روش‌های مختلف آشکارسازی تغییرات در تصاویر تمام قطبیده راداری که شامل روش‌های جبری که براساس ماهیت ریاضی بین بردار‌های متناظر، روش‌های فاصله‌مبنا براساس اندازه‌گیری فاصله بین بردار‌های متناظر و روش‌های شباهت‌مبنا براساس وابستگی بین بردارهای ‌متناظر می‌باشد. ارزیابی دقت روش پیاده‌سازی شده با استفاده از داده واقعیت زمینی و استفاده از آماره‌های ارزیابی دقت کلی، مساحت زیر منحنی راک و نرخ هشدار‌های اشتباه می‌باشد. ارزیابی نتایج نشان می‌دهد که روش‌های آشکارسازی تغییرات جبری دارای دقت بالایی نسبت به سایر روش‌های تشخیص تغییرات می‌باشند. همچنین، نتایج کمی نشان می‌دهد که الگوریتم‌های تشخیص تغییرات جبری دارای دقت کلی بیش از %92  بوده و در سایر معیارهای ارزیابی، روش جبری دارای نرخ هشدار‌های اشتباه پایین و مساحت زیر منحنی بالا برای تشخیص تغییرات در تصاویر تمام قطبیده راداری می‌باشد.}, keywords_fa = {آشکارسازی تغییرات, تصویر تمام قطبیده راداری, روش جبری, روش فاصله‌مبنا, روش شباهت‌مبنا}, doi = {10.29252/jgit.6.2.143}, url = {http://jgit.kntu.ac.ir/article-1-594-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-594-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {KarimiFirozjaei, Mohammad and Kiavarz, Maji}, title = {Investigating the relationship between heat island intensity and biophysical characteristics differences between built-up and non-built-up regions (Case Study: Cities in East Mazandaran)}, abstract ={Biophysical characteristics and surface temperature are the key parameters to monitor and evaluate the physical and chemical processes of the earth's surface. The aim of this study is to investigate the relationship between urban heat island intensity and different biophysical characteristics in built-up and non-built-up lands. For this purpose, the four Landsat 8 satellite images and MODIS water vapor product in dates of April 10th 2016, June 29th 2016, August 27th 2014 and  October 29th 2016 for cities of Ghaemshahr, Sari, Neka and Behshahr have been used. Single-channel algorithm was used to calculate the land surface temperature. A band combination tasseled cap extraction was used to estimate some surface biophysical characteristics as well. Also, a new method has been used to extract built-up regions. Finally, LST and biophysical characteristics for built-up and non-built-up regions were analyzed and then, correlations between them and heat island intensity have been surveyed in four months. The result showed that correlation coefficient of relationships between LST and biophysical characteristics surface was 0/88. Increase of differences between biophysical properties in built-up and non-built-up regions causes increase of the temperature difference between the two types of regions and so, intensification of urban heat island. For this reason, temperature difference between built-up and non-built-up regions varied between 0.3-6.4 K. The highest and lowest heat island intensity corresponding to Ghaemshahr and Neka were estimated 0.5768 and 0.03 respectively.}, Keywords = {Heat island intensity, Biophysical characteristics, Built-up land, Non built-up land.}, volume = {6}, Number = {2}, pages = {165-189}, publisher = {kntu}, title_fa = {بررسی ارتباط بین شدت جزیره حرارتی و اختلاف خصوصیات بیوفیزیکی اراضی ساخته‌ شده و غیر ساخته‌شده (مطالعه موردی: شهرهای شرق استان مازندران)}, abstract_fa ={خصوصیات بیوفیزیکی و دمای سطح از پارامترهای کلیدی برای کنترل و ارزیابی فرآیندهای فیزیکی و شیمیایی سطح زمین محسوب می‌شوند. هدف از مطالعه حاضر بررسی و تحلیل ارتباط بین شدت جزیره حرارتی و اختلاف خصوصیات بیوفیزیکی اراضی ساخته‌شده و غیر ساخته‌شده می‌باشد. برای این منظور، از 4 تصویر ماهواره‌ای لندست 8 و محصول بخار آب مودیس برای 22 فروردین 1395، 9 تیر1395، 5 شهریور1393 و 8 آبان 1393 محدوده شهرهای قائم‌شهر، ساری، نکا و بهشهر استفاده شده است. برای استخراج دمای سطح از الگوریتم تک کاناله، استخراج خصوصیات بیوفیزیکی سطح از ترکیب‌های باندی تسلدکپ و برای استخراج اراضی ساخته‌شده از ترکیب باندی جدیدی استفاده شده است. درنهایت وضعیت دما و خصوصیات بیوفیزیکی سطح برای اراضی ساخته‌شده و غیرساخته‌شده بررسی و ارتباط آن‌ها با شدت جزیره حرارتی برای هر 4 محدوده جغرافیایی مورد مطالعه در 4 ماه مختلف بررسی شده است. نتایج بررسی ارتباط بین دما و خصوصیات بیوفیزیکی، ضریب همبستگی 0.88 را نشان می‌دهد. افزایش اختلاف خصوصیات بیوفیزیکی سطوح اراضی ساخته‌شده و غیرساخته‌شده سبب افزایش اختلاف دمای سطح دو نوع اراضی و تشدید پدیده جزیره حرارتی شهری می‌گردد به همین دلیل اختلاف میانگین دمای اراضی ساخته‌شده و غیرساخته شده با توجه به محدوده جغرافیایی و زمانی مورد مطالعه بین 4/6-3/0 درجه کلوین متغیر می‌باشد. بیشترین و کمترین مقدار شدت جزیره حرارتی به ترتیب مربوط به محدوده‌ی قائمشهر در 9 تیر 1395 با 0.5768 و محدوده نکا در 5 شهریور 1393 با 0.03 می‌باشد.}, keywords_fa = {ارتباط, شدت جزیره حرارتی, خصوصیات بیوفیزیکی, اراضی ساخته‌شده, اراضی غیر ساخته‌شده.}, doi = {10.29252/jgit.6.2.165}, url = {http://jgit.kntu.ac.ir/article-1-595-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-595-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Hejrati, Soheil and Goli, Mehdi}, title = {Terrain effect in geoid determination by geopotential models}, abstract ={Topographic masses above the geoid are considered as a major obstacle in geoid determination by using Global Gravitational Models (GGMs). GGMs provide the possibility of the Earth's potential field modeling as the expansion of the external-type series of spherical harmonics. Applying the external expansion to obtain disturbing potential on the geoid within the topographic masses will cause a bias called ‘topographic bias’. This study deals with calculating geoidal height using Earth Gravitational Model 2008 (EGM08). In order to do so, two methods of Direct Analytical Continuation one and Rapp's Indirect one are utilized. The Analytical Continuation Approach is based on using EGM08 within the topographic masses and applying topographic bias. Alternatively, Rapp’s Approach is based on calculating height anomaly and its downward continuation on the geoid. The success of these two methods to geoid simulation on 490 GPS-Levelling stations in mountainous region of Colorado in the USA were evaluated. The results are an indicator of the fact that two methods are compatible with each other with centimetric accuracy compared to GPS-Levelling points. Also, it suggests an improvement in the relative and absolute accuracy of the geoidal height resulting from EGM08 about 60% in both methods. The numerical investigation revealed that taking advantage of height harmonic models instead of point actual height can bring a bias in the matter of a few centimeters on the geoid. Moreover, the absolute accuracy of Rapp's Approach is higher than Analytical Continuation Approach in geoid determination in comparison GPS-Levelling points.}, Keywords = {Analytical Continuation, Topographic bias, Geoid, Earth Gravitational Model}, volume = {6}, Number = {2}, pages = {191-197}, publisher = {kntu}, title_fa = {اثر توپوگرافی در تعیین ژئویید با استفاده از مدل‌های ژئوپتانسیل}, abstract_fa ={وجود توپوگرافی در بالای ژئویید مانع اصلی برای تعیین ارتفاع ژئویید با استفاده از مدل‌های ژئوپتانسیل است. مدل‌های ژئوپتانسیل جهانی امکان مدل‌سازی میدان پتانسیل زمین را به‌صورت بسط سری خارجی از هارمونیک‌های کروی فراهم می‌سازند. استفاده از این بسط برای تعیین آنومالی پتانسیل بروی ژئویید در داخل توپوگرافی سبب تولید یک بایاس می‌شود که به آن بایاس توپوگرافی می‌گویند. این مطالعه به محاسبه ژئویید با استفاده از مدل‌های ژئوپتانسیل می‌پردازد. برای این منظور دو روش مستقیم انتقال تحلیلی و غیر مستقیم رَپ به‌کار گرفته می‌شود. روش انتقال تحلیلی بر مبنا استفاده از مدل‌های ژئوپتانسیل در داخل توپوگرافی و اعمال بایاس توپوگرافی و روش رَپ بر مبنا محاسبه آنومالی ارتفاعی و تبدیل آن به ژئویید است. موفقیت این دو روش برای بازیابی ژئویید در490 نقطه ترازیابی با جی‌پی‌اس در منطقه کوهستانی کلرادو در امریکا مورد ارزیابی قرار گرفت. نتایج نشان دهنده توافق خوب دو روش در حد سانتیمتر در قیاس با نقاط ترازیابی با جی‌پی‌اس است. همین‌طور نشان از بهبود دقت نسبی و مطلق ژئویید حاصل از مدل ای‌جی‌ام 08 به میزان 60% در هر دو روش می باشد. نتایج عددی نشان داد که استفاده از مدل‌های هارمونیک ارتفاعی بجای ارتفاع نقطه می‌تواند باعث ایجاد بایاس چند سانتیمتری روی ارتفاع ژئویید شود. علاوه بر این دقت مطلق روش رَپ از روش انتقال تحلیلی در تعیین ژئویید در قیاس با نقاط ترازیابی با جی‌پی‌اس بالاتر است.}, keywords_fa = {انتقال تحلیلی, بایاس توپوگرافی, ژئویید, مدل ژئوپتانسیل}, doi = {10.29252/jgit.6.2.191}, url = {http://jgit.kntu.ac.ir/article-1-596-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-596-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Tayebi, Morteza and Karimipour, Fari}, title = {Land use characterization in urban environments based on the behaviors of location based social networks’ users}, abstract ={Nowadays, after a relatively short time from the emergence of location-based social networks, these social media have become an inseparable element of social life, especially in big cities. The increased popularity of social networks, the development of location-based technologies including Global Positioning System (GPS) as well as the pervasive use of smart-phones that besides being equipped with GPS can connect to the world-wide web easily have led to the generation of update, low-cost and valuable spatial data. Beside various applications, these data can be used to resolve urban challenges. As an example, in this paper, the behaviors of the location-based social networks’ users were assessed to classify the land use in urban environments. In this regard, initially, we attempted to recognize regions in urban environments by clustering the users’ spatial data, then the variation patterns of users’ social behaviors through the day and night were extracted and used as an index to land use determination and a type of social land use was designated to each region. Evaluating the obtained results and comparing them with satellite images show the high potential of location-based social networks to recognize urban environments and resolve existing challenges.}, Keywords = {location-based social network, clustering, social land use.}, volume = {6}, Number = {3}, pages = {1-13}, publisher = {kntu}, title_fa = {شناسایی کاربری در محیط‌های شهری بر مبنای رفتار کاربران در شبکه‌های اجتماعی مکان‌مبنا}, abstract_fa ={امروزه پس از گذشت زمان نسبتاً کوتاهی از ظهور شبکه‌های اجتماعی مکان‌مبنا، این رسانه‌های اجتماعی به یک عنصر جدایی‌ناپذیر از زندگی اجتماعی به‌خصوص در شهرهای بزرگ تبدیل ‌شده‌اند. افزایش محبوبیت شبکه‌های اجتماعی، پیشرفت فناوری‌های تعیین موقعیت مکانی از جمله سیستم تعیین موقعیت جهانی(GPS) و هم‌چنین فراگیر شدن گوشی‌های تلفن هوشمند که علاوه بر مجهز بودن به GPS به‌راحتی به شبکه جهانی وب متصل می‌شوند، باعث تولید انبوه داده‌های مکانی به‌روز، کم‌هزینه و ارزشمند شده است. در کنار کاربرد‌های متعدد، از این داده‌ها می‌توان در راستای برطرف نمودن چالش‌های شهری سود جست. به عنوان نمونه‌ای از این کاربرد‌ها، در این تحقیق از رفتار کاربران در شبکه‌های اجتماعی مکان‌مبنا جهت تعیین کاربری اجتماعی در محیط‌های شهری استفاده شده است. در این راستا ابتدا با خوشه‌بندی داده‌های مکانی کاربران به تشخیص مناطق در محیط‌های شهری پرداخته شده، و سپس ضمن استخراج الگوهای تغییرات تعداد داده‌های کاربران و جابجایی شهروندان در مناطق شهری در شبکه‌های اجتماعی در طول شبانه‌روز، از این الگوها به ‌عنوان شاخص تعیین کاربری استفاده شده و به هر منطقه، یک نوع کاربری اجتماعی نسبت داده می‌شود. به منظور ارزیابی روش پیشنهادی ماتریس در هم گسیختگی بر مبنای حضور مکان‌های ثبت شده با کاربری معین در مناطق شناسایی شده تشکیل شد و مقدار دقت کلی و شاخص کاپا به ترتیب 79 و 71 درصد محاسبه گردید. همچنین مقایسه نتایج حاصل با تصاویر ماهواره‌ای نشان‌دهنده‌ پتانسیل بالای شبکه‌های اجتماعی مکان‌مبنا برای شناخت محیط‌های شهری و حل چالش‌های موجود است.}, keywords_fa = {شبکه اجتماعی مکان‌مبنا, خوشه‌بندی, کاربری اجتماعی}, doi = {10.29252/jgit.6.3.1}, url = {http://jgit.kntu.ac.ir/article-1-614-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-614-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Nasiri, Afsaneh and Azimi, Sanaz and Abbaspour, Rahim Ali}, title = {Data Reduction of Spatio-temporal Trajectories using a Modified Online Compression Algorithm}, abstract ={  With development of mobile devices equipped with a global positioning system, such as smartphones, large amounts of spatial information are generated. These data, which are often stored and modeled as a sequence of spatial locations over time, are called trajectory. The large amount of trajectory data has increased the cost of transferring, storing and processing such data. To overcome these problems, a number of compression algorithms have been proposed for reducing the size of trajectory data. In this paper, seven algorithms including uniform sampling, Douglas Poker, TD-TR, Opening Window, OPW-TR, TD-SB and SQUISH-E algorithms are being discussed and the advantages and disadvantages of these algorithms are investigated as well. The SQUISH-E algorithm can create a balance between the compression rate and the Synchronized Euclidean Distance error, but has a high compression rate than other compression algorithms. To solve mentioned problem, this paper proposed a method for changing the priority window of the SQUISH-E algorithm, which improves the compression rate of this algorithm. In order to evaluate the performance of the proposed method, all algorithms are implemented on six trajectories of varying complexity and compared with each other in terms of criteria such as compression rate, run-time, and concurrency Euclidean distance errors. The results of implementation of the proposed method indicate the improvement of the proposed algorithm at the compression rate, computation time, and Synchronized Euclidean Distance error. In compare to SQUISH-E algorithm, the computation time and compression rate of proposed algorithm is decreased about 130 millisecond and 0.015, respectively.}, Keywords = {Spatio-temporal Trajectories, Compression, SQUISH-E Algorithm, Priority Window.}, volume = {6}, Number = {3}, pages = {15-30}, publisher = {kntu}, title_fa = {کاهش داده‌های خطوط سیر مکانی-زمانی با به‌کارگیری یک الگوریتم فشرده‌سازی برخط}, abstract_fa ={با توسعه روزافزون دستگاه‌های همراه مجهز به سیستم تعیین موقعیت جهانی مانند گوشی‌های هوشمند همراه، حجم زیادی از اطلاعات مکانی تولید می‌شود. این داده‌ها که بیشتر به صورت دنباله‌ای از نقاط مکانی در طول زمان ذخیره و مدل‌سازی می‌شوند، خط سیر نام دارند. حجم بالای داده‌های خطوط سیر هزینه انتقال، ذخیره‌سازی و پردازش این داده‌ها را بالا برده است. برای برطرف نمودن این مشکلات، تعدادی از الگوریتم‌های فشرده‌سازی، با رویکرد کاهش تعداد نقاط مسیر مطرح شده‌ است. در این مقاله، هفت الگوریتم‌ نمونه‌برداری یکنواخت، داگلاس پوکر، الگوریتم نسبت زمانی بالا- پایین، پنجره متحرک، پنجره متحرک-نسبت زمانی، الگوریتم سرعت مبنا بالا-پایین وSQUISH-E  (Spatial QUalIty Simplification Heuristic - Extended) مورد بحث قرار گرفتند و مزایا و معایب هر یک بررسی شد. در این میان الگوریتمSQUISH-E ، قادر به برقراری تعادل بین نسبت فشرده‌سازی و خطای فاصله اقلیدسی همزمانی است در حالی که نرخ فشرده‌سازی بالایی نسبت به سایر روش‌ها دارد. به منظور رفع این مشکل، در این مقاله راهکاری برای متغیر کردن پنجره اولویت الگوریتم SQUISH-E ارائه شد که موجب بهبود نرخ فشرده‌سازی الگوریتم می‌شود. به منظور بررسی عملکرد روش یشنهادی، تمامی الگوریتم‌ها روی شش زیر مسیر با پیچیدگی‌های مختلف پیاده‌سازی شده و با یکدیگر از نظر معیارهایی مانند نرخ فشرده‌سازی، زمان اجرا و خطای فاصله اقلیدسی همزمانی مقایسه ‌شدند. نتایج به‌دست آمده حاکی از بهبود عملکرد الگوریتم پیشنهادی در نرخ فشرده‌سازی، زمان اجرایی و خطای فاصله اقلیدسی همزمانی می‌باشد. زمان الگوریتم پیشنهادی نسبت به الگوریتم SQUISH-E حدود 130 میلی‌ثانیه کاهش و نرخ فشرده‌سازی آن 015/0 افزایش یافته است.}, keywords_fa = {خط سیر مکانی-زمانی, فشرده‌سازی, الگوریتم SQUISH-E, پنجره اولویت}, doi = {10.29252/jgit.6.3.23}, url = {http://jgit.kntu.ac.ir/article-1-615-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-615-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Seidipoor, Erfan and Samadzadegan, Farhad and DadrasJavan, Farzaneh and Askari, Omi}, title = {Diagnosis decline in citrus using multispectral camera-equipped unmanned aerial system}, abstract ={  Today getting access to the monitoring systems with high accuracy in order to produce healthy agricultural products has been raised though the following effective factors are of high importance as well; prevent pest risk and reduce the coast raised from unmanned aerial systems according to low cost, low weight, possibility of taking images in cloudy weather under the cover of clouds, flexibility in time and high spatial resolution imaging which are usable in obtaining remote sensing data and considerable interest. In this regard, the use of these systems shows high potential in obtaining required data in monitoring products and provided control. In this paper, multi-spectral sensor mounted on an unmanned airborne platform in the health status of the regional citrus trees infected with the decline disease in the Fars province investigated. Using data by this system, classified images of studied area based on vegetation index and distinctions between healthy and infected trees, use of SVM are provided. Collected ground data shows the feasibility of these methods in tree’s health status diagnosis. About 90 percent overall accuracy was achieved in the trees classification.}, Keywords = {Citrus farms, Precision Agriculture, Multispectral Images, Unmanned Aerial Vehicle.}, volume = {6}, Number = {3}, pages = {31-49}, publisher = {kntu}, title_fa = {تشخیص بیماری زوال مرکبات با استفاده از سامانه بدون سرنشین هوایی مجهز به دوربین چندطیفی}, abstract_fa ={امروزه با توجه به افزایش جمعیت و کاهش منابع غذایی، دستیابی به سامانه‌های کنترل و پایش آفات و بیماری‌های گیاهی با دقت بالا به‌منظور تولید و دستیابی به محصولات کشاورزی سالم و کافی و پیشگیری از خسارت آفات و بیماری‌های گیاهی و کاهش هزینه‌های ناشی از کنترل آنها  اهمیت فراوانی پیدا کرده است. سامانه‌‌های هوایی بدون سرنشین به دلیل کاهش هزینه‌های مالی‌ و نیروی انسانی، سهولت کاربرد، امکان اخذتصویر در شرایط آب و هوایی ابری در زیر پوشش ابرها، قابلیت انعطاف در مدت زمان و ارتفاع تصویر‌برداری، توان تفکیک مکانی بسیار بالا و استفاده از آنها در اخذ داده‌های سنجش از دور مطرح شده و مورد توجه بسیار قرار گرفته است. در همین راستا استفاده از این سامانه‌ها در اخذ داده‌های مورد نیاز کشاورزی ‌‌می‌تواند قابلیت‌های بالایی در پایش محصولات و مبارزه با آفات فراهم آورد. در این تحقیق توانایی سنجنده چندطیفی نصب شده برروی سکوی هوابرد بدون سرنشین در بررسی وضعیت بیماری درختان باغ مرکبات در منطقهای در استان فارس که آلوده به بیماری زوال ‌‌می‌باشند مورد ارزیابی قرار گرفت. با استفاده از داده‌های اخذ شده توسط این سامانه، نقشه بیماری درختان براساس شاخص‌های گیاهی و تمایز درختان بیمار و سالم با استفاده از الگوریتم ‌‌طبقه‌بندی ماشین‌های بردار پشتیبان تهیه شد. داده‌های زمینی برداشت شده نشان از قابلیت بالای روش فوق در تشخیص بیماری درختان داشت. نتایج حاصله بیانگر دقت 90 درصدی طبقه‌بندی درختان بیمار از سالم بود.}, keywords_fa = {زوال مرکبات, کشاورزی دقیق, سامانه هوابرد بدون سرنشین, تصاویر چندطیفی}, doi = {10.29252/jgit.6.3.39}, url = {http://jgit.kntu.ac.ir/article-1-616-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-616-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Khedri, Esmaeil and Hasanlou, Mahdi}, title = {Soil Moisture Linear Modeling by Using Decomposition and Selection of Fully Polarized SAR Features}, abstract ={  Soil moisture is a key variable in the hydrologic process, which is affected by the exchange of water and energy on the Earth's surface. Precise estimation of spatial and temporal variations of soil moisture is crucial for environmental studies. The Polarimetric SAR (PolSAR) images are a convenient tool for this purpose. These images also guarantee both broad coverage and suitable spatial resolution. In this study, a linear analytical model has been suggested for estimating soil moisture. This model uses data gathered by the AIRSAR sensor in 2003 in C, L, and P bands. For this purpose, with incorporation of a genetic algorithm (GA), sequential forward selection (SFS), and sequential backward selection (SBS), we examine and select appropriate features best fitted for soil moisture modeling. Also in this estimation, soil moisture measurements were compared to in-situ data. The results showed that the proposed method (linear analysis model) had a good efficiency by using GA feature selection compare to both SFS and SBS feature selection. Regarding statistical parameters for proposed method, R2 model is higher than %80 and RMSE is less than 0.027 for P, L, and C bands, which in comparison with other algorithms, the R2 model estimates soil moisture more accurately. Also, the best bands to estimate soil moisture model using proposed model and incorporated PolSAR features is the C band.}, Keywords = {Linear analytical model, Soil moisture, GA, SFS, SBS.}, volume = {6}, Number = {3}, pages = {51-66}, publisher = {kntu}, title_fa = {مدل‌سازی خطی رطوبت خاک با استفاده از تجزیه و انتخاب ویژگی‌های تمام قطبیده راداری}, abstract_fa ={رطوبت خاک یک متغییر کلیدی در فرآیند هییدرولوژی است، که تحت تأثیر تبادل آب و انرژی در سطح زمین می-باشد. برآورد دقیق از تغییرات مکانی و زمانی رطوبت خاک برای مطالعات زیست محیطی بسیار حیاتی می‌باشد. برای چنین هدفی تصاویر تمام قطبیده راداری (PolSAR) یک ابزار مناسب و قدرتمند می‌باشد. همچنین این تصاویر هم پوشش وسیع و هم‌توان تفکیک مکانی مناسب را تضمین می‌نمایند. در این مطالعه، یک مدل تحلیلی خطی برای تخمین رطوبت خاک با استفاده از داده‌های اخذشده توسط سنجنده ایرسار در سال 2003 در باندهای C,L,P پیشنهادشده است. در این راستا با استفاده از الگوریتم ژنتیک، انتخاب روبه جلو و روبه‌عقب ویژگی به بررسی و انتخاب ویژگی‌های مناسب قطبیده به‌منظور مدل‌سازی اقدام شده است. همچنین برآورد انجام‌شده رطوبت خاک با اندازه‌گیری‌های زمینی مقایسه شده است. نتایج به‌دست‌آمده نشان‌ می‌دهد مدل تحلیلی خطی پیشنهاد شده با ویژگی‌های که الگوریتم ژنتیک انتخاب کرده است، با دقت بیشتری نسبت به الگوریتم‌های روبه جلو و روبه عقب ویژگی رطوبت خاک را مدل‌سازی می‌کند. پارامترهای آماری به‌دست‌آمده با استفاده از این روش R2 بالای %80 و  مجذور میانگین مربع خطا کمتر از 280/0 برای باندهای P,L,C می‌باشد که در مقایسه با سایر الگوریتم‌ها با دقت بیشتری رطوبت خاک را تخمین زده است. همچنین مدل تحلیلی خطی پیشنهاد شده با استفاده از ویژگی‌های باند C رطوبت خاک با دقت بالاتری نسبت به مدل تحلیلی خطی ویژگی‌های باند های L  و P تخمین زده شده است.}, keywords_fa = {مدل تحلیلی خطی, رطوبت خاک, الگوریتم ژنتیک, الگوریتم رو به جلو , الگوریتم رو به عقب.}, doi = {10.29252/jgit.6.3.59}, url = {http://jgit.kntu.ac.ir/article-1-617-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-617-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Bigdeli, Behnaz and AminiAmirkolaee, Hamed and Pahlavani, Parham}, title = {Presenting a morphological based approach for filtering the point cloud to extract the digital terrain model}, abstract ={The Digital terrain model is an important geospatial product used as the basis of many practical projects related to geospatial information. Nowadays, a dense point cloud can be generated using the LiDAR data. Actually, the acquired point cloud of the LiDAR, presents a digital surface model that contains ground and non-ground objects. The purpose of this paper is to present a new approach of extracting the digital terrain model from the digital surface model. In the first step, noises were removed by preprocessing; then the irregular point cloud was converted to raster data. In the next step, the proposed gradual geodesic dilation and labeling approaches scan were applied in order to detect and eliminate the non-ground objects. The basis of gradual geodesic dilation approach was to increase the structural element size in each step, investigate the height heterogeneity and remove the non-ground objects, gradually. Also, utilizing the innovative scan labeling approach which operated based on slope differential helped to remove the non-ground objects completely. Finally, the non-ground objects were removed and the lost regions were retrieved and the digital terrain model was generated by interpolation. For analyzing the proposed approach, the reference data of the ISPRS was employed. The analyzing results in the five test areas indicated 4.61%, 6.97% and 3.17% for Type I, Type II and total errors, respectively. These results clarify the good performance of the proposed approach for detecting the non-ground objects.}, Keywords = {Digital Terrain Model, Point Cloud, Geodesic Dilation, Labeling, non-Ground Objects}, volume = {6}, Number = {3}, pages = {67-91}, publisher = {kntu}, title_fa = {ارائه یک روش مورفولوژی مبنا جهت فیلترینگ ابرنقاط برای استخراج مدل رقومی زمین}, abstract_fa ={مدل رقومی زمین ازجمله مهم‌ترین محصولات مکانی است که از دیرباز پایه بسیاری از پروژه‌های کاربردی مرتبط با اطلاعات مکانی می‌باشد. امروزه می‌توان با استفاده از تکنولوژی سنجنده لایدار به ابرنقطه‌ای متراکم از سطح زمین دست یافت. درواقع ابرنقطه‌ حاصل، یک مدل رقومی سطحی است که حاوی عوارض زمینی و غیرزمینی است. هدف از این مقاله، ارائه روشی کارآمد برای استخراج مدل رقومی زمین از مدل سطحی به‌دست آمده از ابرنقاط می‌باشد. در این راستا، ابتدا با انجام پیش‌پردازش، نویز موجود در داده‌ها حذف گشته و سپس داده‌های نامنظم ابرنقاط به داده‌ای منظم و رستری تبدیل شدند. در مرحله بعد با پیشنهاد روش تورم ژئودزیک تدریجی به‌همراه روش جستجو و برچسب‌زنی، به شناسایی و حذف عوارض غیرزمینی پرداخته شد. اساس این روش افزایش المان ساختاری به‌صورت مرحله‌ای، بررسی میزان ناهمگنی ارتفاعی و حذف تدریجی عوارض غیرزمینی است. همچنین بهره‌گیری از روش ابتکاری جستجو برچسب‌زنی که براساس میزان تغییر شیب عمل می‌نماید، به حذف بهتر و دقیق‌تر عوارض غیرزمینی کمک شایان توجهی نمود. در نهایت با حذف عوارض غیرزمینی و درون‌یابی مناطق ازدست‌رفته، مدل‌رقومی زمین به‌دست می‌آید. جهت ارزیابی الگوریتم پیشنهادی از داده‌های مرجع ارائه شده توسط سازمان بین المللی فتوگرامتری و سنجش از دور (ISPRS) استفاده شد. با ارزیابی در 5 ناحیه مطالعاتی به ترتیب مقادیر 87/2%، 61/8%، 62/3% و 68/89% برای میانگین خطای نوع اول، خطای نوع دوم، خطای کلی و خطای کاپا به‌دست آمد که نشان از توانایی الگوریتم پیشنهادی در حذف عوارض غیرزمینی داشت.}, keywords_fa = {مدل رقومی زمین, ابرنقاط, تورم ژئودزیک, برچسب‌گذاری, عوارض غیرزمینی}, doi = {10.52547/jgit.6.3.67}, url = {http://jgit.kntu.ac.ir/article-1-806-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-806-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Ghaffari, Omid and ValadanZoej, Mohammad Javad and Mokhtarzade, Mehdi}, title = {A band selection technique for optimized hyperspectral unmixing}, abstract ={Linear spectral mixture analysis (SMA) has been used extensively in remote sensing studies to estimate the sub pixel composition of spectral mixtures. The mathematical solution of the mixing problem is to resolve a set of linear equations using least squares approaches. The lack of ability to account for temporal and spatial variability between and among endmembers has been acknowledged as a major shortcome of conventional SMA approaches applying a linear mixture model using a set of fixed endmembers. Also, if endmembers are highly correlated, the matrix will become non-orthogonal, the inversion will be unstable and the inverse or estimated fractions will become highly sensitive to random errors (e.g., noise). In this paper, we present a new band selection method that comprises a band prioritization and a band de-correlation. The band prioritization will prioritizes all bands according to the reduced spectral variability of endmembers which will be used for unmixing. Bands are then selected on the basis of their associated priorities. Since the band prioritization does not consider as spectral correlation, a band de-correlation using the angles between bands are being applied to de-correlate prioritized bands. It is shown that the proposed band selection method effectively eliminates a great number of insignificant bands. Surprisingly, the experimental results on real and synthetic data sets show that with a proper band selection less than 0.2 of the total number of bands can achieve comparable performance using all bands.}, Keywords = {Hyperspectral Images, Unmixing, Band selection, Spectral Variability, Similarity Measures.}, volume = {6}, Number = {3}, pages = {93-114}, publisher = {kntu}, title_fa = {انتخاب باندهای بهینه جهت بهبود جداسازی طیفی تصاویر ابرطیفی}, abstract_fa ={مدل آنالیز ترکیب خطی به طور گسترده‌ای برای برآورد سهم هر ماده خالص در اختلاط طیفی مورد استفاده قرار می‌گیرد. راه‌حل ریاضی مسئله ترکیب، حل مجموعه‌ای از معادلات خطی با استفاده از روش کمترین مربعات می‌باشد. اما بیشترین منبع خطا در روش‌های متداول آنالیز ترکیب طیفی ناشی از عدم امکان محاسبه تغییرات طیفی اعضای خالص در سیر زمان و مکان است. در این فرآیند از اعضای خالص ثابتی برای کل صحنه تصویربرداری استفاده می‌شود. علاوه بر این، اگر اعضای خالص به شدت به یکدیگر وابسته باشند ماتریس ضرایب دچار کمبود رنک شده و حل مسئله معکوس همراه با ناپایداری خواهد بود. به این ترتیب فراوانی‌های برآورد شده به شدت به خطاهای تصادفی حساس می‌گردند. در این مقاله روش جدیدی برای انتخاب باند متشکل از اولویت‌بندی باندها در راستای کاهش اثر تغییرپذیری طیفی و کاهش همبستگی بین باندها برمبنای زاویه آنها ارائه شده‌است. با استفاده از روش پیشنهادی و به کمک داده‌های شبیه‌سازی شده و واقعی نشان داده شد که می‌توان به‌طور موثری به حذف تعداد زیادی از باندهای غیر ضروری اقدام نمود. آزمایش‌ها نشان داد که با انتخاب باندهای مناسب، کمتر از 20 درصد باندها، می‌توان به نتایج قابل مقایسه و حتی بهتری از نتایج حاصل از تمام باندها رسید.}, keywords_fa = {تصاویر ابرطیفی, جداسازی طیفی, انتخاب باند, تغییرپذیری طیفی, معیارهای شباهت}, doi = {10.29252/jgit.6.3.101}, url = {http://jgit.kntu.ac.ir/article-1-619-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-619-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Yousefiyan, Farzane and Ebadi, Hamin and Sedaghat, Ami}, title = {Shadow extraction of building using fusion of edge and point feature orientation from high resolution satellite imagery}, abstract ={Shadow detection is an important preprocessing step in many applications of remote sensing, particularly in high resolution images. Shadow represents information about the shape, relative position and direction of the object and in urban environments occupy a significant portion of the image. Shadow can have positive and negative effects in objects interpretation. Shadows can be regarded as a type of useful information in building position recognition and height estimation. Researchers have presented model-based methods, property-based methods and based on index to shadow detection. In this research, we use local feature to identify the shadow of buildings in order to detect building position recognition. After point local feature extraction, we estimate their orientation. Orientation histogram calculate and due to the perpendicular edges of different buildings can extract main orientations. Edge map definition, which emphasizes edges only in the main orientations and dilate in the main orientations. This improved edge map is fused with initial shadow features. Edges are used to detect shadow of building and remove shadows that are not for the building. The proposed method was performed on four high-resolution image. Ground reference data obtained manually and Recall, precision and F-score, in best situation, respectively 90.1, 88.86 and 89.48 indicate the efficiency and proper performance of the proposed method.}, Keywords = {Main Orientation, Edge Detection, Shadow Detection, Fusion, Point Local Feature.}, volume = {6}, Number = {3}, pages = {115-137}, publisher = {kntu}, title_fa = {استخراج سایه ساختمان از تصاویر ماهواره‌ای با قدرت تفکیک بالا با تلفیق اطلاعات لبه و جهت عوارض نقطه‌ای}, abstract_fa ={در بسیاری از کاربردهای سنجش از دور، خصوصا در پردازش تصاویر با قدرت تفکیک بالا، شناسایی سایه یک مرحله پیش پردازشی مهم است. سایه بیانگر اطلاعاتی در مورد شکل، موقعیت نسبی و جهت شیئ است که در محیط‌های شهری بخش قابل‌ توجهی از تصویر را اشغال می‌کند و می‌تواند در تفسیر عوارض اثرات مثبت و منفی به دنبال داشته باشد. به‌عنوان نمونه برآورد ارتفاع عوارض مرتفع و شناسایی موقعیت ساختمان به کمک سایه صورت می‌گیرد. محققان روش‌های متنوعی برای شناسایی سایه ارائه کرده‌اند که براساس ویژگی، مدل و شاخص‌ها هستند. در این تحقیق، به کمک عوارض موضعی به شناسایی سایه ساختمان‌ها پرداخته می‌شود تا بتوان از این اطلاعات در شناسایی موقعیت و برآورد ارتفاع ساختمان و غیره بهره برد. پس از استخراج عوارض موضعی نقطه‌ای، برآورد جهت آنها انجام شده و هیستوگرام جهت ترسیم می‌شود و با توجه به لبه‌های عمودی ساختمان، جهات آنها استخراج می‌گردد. لبه‌ها در جهات اصلی به‌دست‌آمده و به کمک عملگرهای مورفولوژی در جهات حاصل از مرحله قبل، پخش می‌شوند تا با سایه‌های اولیه تلفیق گردد. لازم به ذکر است که از لبه‌ها برای شناسایی سایه ساختمان و حذف سایه‌هایی که متعلق به ساختمان نیستند، استفاده می‌شود. روش پیشنهادی بر روی چهار تصویر با قدرت تفکیک بالا اجرا شد. همچنین داده‌های مرجع زمینی به‌صورت دستی به‌دست آمده و معیار Recall، دقت و شاخص F در بهترین حالت به ترتیب برابر با 1/90، 86/88 و 48/89 نشان از کارایی و عملکرد مناسب روش پیشنهادی دارد.}, keywords_fa = {جهات اصلی, لبه‌یابی, شناسایی سایه, تلفیق.}, doi = {10.29252/jgit.6.3.123}, url = {http://jgit.kntu.ac.ir/article-1-620-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-620-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Javadnia, Eslam}, title = {Development and evaluation of Downward Surface Shortwave Radiation based on SARA AOD using MODIS data under cloud-free conditions}, abstract ={The atmospheric Aerosol Optical Depth (AOD) is one of the major uncertainties in retrieving Downward Surface Shortwave Radiation (DSSR). In the current study, Yang’s model, which determines the effect of each component of atmosphere separately, was used to estimate DSSR under cloud-free conditions. Recent studies have used MODIS AOD data to calculate DSSR, while in this article the retrieved AOD from the Simplified Aerosol Retrieval Algorithm (SARA) was used to estimate DSSR over the Chitgar site in Tehran, Iran. For comparison purpose, MODIS AOD products were also used to estimate DSSR over the studied region. Estimated DSSR based on SARA AOD, MODIS Level 2 (L2) AOD, and MODIS Level 3 (L3) AOD were evaluated with ground-based measurements of DSSR at the Chitgar site during summer of 2013. Results show R2 = 0.88, RMSE = 25.09 W/m2, and Bias = 2.05 W/m2 for SARA-based DSSR, and R2 = 0.61, RMSE = 41.75 W/m2, and Bias = 15.93 W/m2 for MODIS-L2 based DSSR, and R2 = 0.82, RMSE = 60.73 W/m2, and Bias = 53.77 W/m2 for MODIS L3-based DSSR. The results showed higher accuracy of estimated DSSR based on the SARA AOD than the estimated DSSR based on MODIS products. As RMSE of SARA-based DSSR is 1.6 and 2 times MODIS-L2 based DSSR and MODIS-L3 based DSSR, respectively. In the proposed method, Bias reached close to zero. These results also showed that our modeling scheme of combining Yang’s model with the SARA algorithm can be used from the regional to global scale under the assumption of future access to spatially distributed AERONET sites.}, Keywords = {Downward surface shortwave radiation, Aerosol optical depth, Moderate Resolution Imaging}, volume = {6}, Number = {3}, pages = {139-162}, publisher = {kntu}, title_fa = {توسعه و ارزیابی تخمین تابش موج کوتاه فرودی در سطح بر اساس عمق اپتیکی هواویز SARA و داده‌های سنجنده مادیس در شرایط بدون ابر}, abstract_fa ={یکی از عوامل اصلی عدم قطعیت در تخمین تابش موج‌کوتاه در سطح، عمق اپتیکی هواویز موجود در جو می باشد. در این مقاله برای محاسبه تابش موج کوتاه از مدل پارامتری یانگ که هر یک از اجزای جو را بصورت جداگانه مدل می‌نماید، استفاده شد. در اکثر تحقیقات قبلی برای محاسبه تابش موج کوتاه در سطح، از داده‌های عمق اپتیکی هواویز سنجنده مادیس استفاده شده است، درحالی‌که در این تحقیق عمق اپتیکی برآورد شده از الگوریتم ساده شده بازیابی هواویز SARA(Simplified Aerosol Retrieval Algorithm)، مورد استفاده قرار گرفت. روش پیشنهادی برآورد تابش موج کوتاه براساس داده عمق اپتیکی هواویز SARA و همچنین روش رایج تابش موج‌کوتاه به‌دست آمده براساس محصولات عمق اپتیکی مادیس، با داده‌های زمینی اندازه‌گیری شده در ایستگاه چیتگر شهر تهران و برای پریود زمانی تابستان 2013 اعتبار سنجی شدند. نتایج اعتبارسنجی برای تابش موج‌کوتاه برآورده شده براساس عمق اپتیکی هواویز SARA، ضریب رگرسیون R2) 88/0)، خطای جزر میانگین مربعات و بایاس بترتیب 09/25 و 05/2 وات بر مترمربع، برای تابش موج‌کوتاه براساس داده سطح 2 عمق اپتیکی هواویز مادیس، ضریب رگرسیون 61/0، خطای جزر میانگین مربعات و بایاس بترتیب 75/41 و 93/15 وات بر مترمربع و برای تابش موج-کوتاه براساس داده سطح 3 عمق اپتیکی هواویز مادیس، ضریب رگرسیون 82/0، خطای جزر میانگین مربعات و بایاس بترتیب 73/60 و 77/53 وات بر مترمربع به‌دست آمدند. نتایج بیانگر دقت بالای تابش موج-کوتاه برآورد شده بر اساس عمق اپتیکی هواویز SARA نسبت به محصولات عمق اپتیکی هواویز مادیس می‌باشد. بطوریکه خطای جزر میانگین مربعات بترتیب 6/1 و 2 برابر نسبت به محصولات سطح 2 و 3 مادیس می‌باشد و خطای بایاس در روش پیشنهادی تقریباً به صفر رسیده است. با فرض توزیع مکانی مناسب ایستگاههای آئرونت (AERONET)، روش پیشنهاد شده‌ی ترکیب مدل تابشی یانگ و الگوریتم برآورد عمق اپتیکی هواویز SARA، می‌تواند تابش موج‌کوتاه را از مقیاس منطقه‌ای به جهانی، نیز برآورد نماید.}, keywords_fa = {تابش فرودی موج کوتاه در سطح, عمق اپتیکی هواویز, مادیس}, doi = {10.29252/jgit.6.3.147}, url = {http://jgit.kntu.ac.ir/article-1-621-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-621-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Emamgholian, Saeid and Taleai, Mohammad and Shojaei, Davoo}, title = {A Novel Approach for 3D Modeling and Geovisualization of Easement Rights in Apartments}, abstract ={Increasing population in urban areas and limitations of urban vacant lands and infrastructures have caused vertical development of apartments and infrastructures. The organizations related to land administration in the international system, recognize 3D cadastre as a solution to respond to this issue. Although 2D cadastre is almost unable to meet the expected responsibilities and manage the recognized restrictions, it is currently used in the majority of the associated organizations in registration and property presentations. Limitations in analyze and presentation of easement rights are considered as examples of such restrictions. This study has been accomplished by recording spatial and descriptive information of the apartments in a geodatabase, and also by applying visualization and analyzing techniques in GIS, 3D modeling and visualization of the apartments, which all are mainly used in cadastre. In addition, modeling and visualization of easement rights in apartments have been performed by tools development.}, Keywords = {3D Visualization, Easement Rights Modeling, 3D Cadastre, GIS.}, volume = {6}, Number = {3}, pages = {163-175}, publisher = {kntu}, title_fa = {ارائه روشی جدید جهت مدلسازی و نمایش سه‌بعدی حقوق ارتفاقی در آپارتمان‌ها}, abstract_fa ={افزایش جمعیت در مناطق شهری و محدودیت در فضا و تأمین زیر ساخت‌های شهری، موجب توسعه عمودی آپارتمان‌ها و زیر ساخت‌های بالا و پایین سطح زمین شده است. سازمان‌های مربوط به مدیریت زمین و ثبت حقوق مالکیت املاک، در نظام بین‌المللی، راهکار پاسخگویی به این امر را کاداستر سه ‌بعدی می‌‌‌دانند. در حال حاضر در اکثر سازمان‌های مربوطه، کاداستر دو‌بعدی در ثبت و نمایش املاک مورد استفاده قرار می‌گیرد، در حالی‌که این سیستم، نمی‌تواند به‌طور کامل حقوق، مسئولیت‌ها و محدودیت‌های مربوط به آن‌ها را ارائه کند. از آن جمله می‌توان به محدودیت در تحلیل و نمایش حقوق ارتفاقی اشاره کرد. در این تحقیق با ثبت اطلاعات مکانی و توصیفی آپارتمان‌ها در یک پایگاه داده مکانی و با به خدمت‌گیری فنون نمایش و تحلیل در سامانه اطلاعات مکانی، به مدلسازی و نمایش سه‌بعدی آپارتمان‌ها، که یکی از کاربردهای اصلی آن در کاداستر می‌باشد، پرداخته شده است. همچنین با توسعه ابزاری جدید، مدلسازی و نمایش حقوق ارتفاقی در آپارتمان‌ها انجام پذیرفته است.}, keywords_fa = {نمایش سه‌بعدی, مدلسازی حقوق ارتفاقی, کاداستر سه‌بعدی, سامانه اطلاعات مکانی.}, doi = {10.29252/jgit.6.3.173}, url = {http://jgit.kntu.ac.ir/article-1-622-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-622-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Sobhkhizmiandehi, Sahar and AlizadehElizei, Mohammad Mehdi}, title = {Ionospheric scintillation detection over Iran, based on GPS observations}, abstract ={Earth’s upper atmosphere, called the ionosphere, is a highly variable region with complex physical characteristics in which the density of free electrons are large enough to have considerable effects on signals’ propagation travelling through this dispersive medium. As GPS signals travel through the ionosphere, they may experience rapid amplitude fluctuations or unexpected phase changes. This is referred to as ionospheric scintillation. Ionospheric scintillation which caused by small scale irregularities in the electron density, is one of the dominant propagation disturbances in radio frequency signals. These irregularities severely affect the accuracy and reliability of GPS measurements. Therefore, it is necessary to investigate ionospheric scintillation and its effects on GPS observations. Hence, the focus of this paper is to detect ionospheric scintillations over Iran’s region and to investigate these effects on GPS observations in more details. The results will show the occurrance of this phenomenon and its effects on GPS observations.}, Keywords = {global positioning system, ionosphere, ionospheric scintillation}, volume = {6}, Number = {3}, pages = {177-187}, publisher = {kntu}, title_fa = {کشف درخشش‌ یونسفری در ایران با استفاده از مشاهدات سیستم تعیین موقعیت جهانی}, abstract_fa ={ناحیه بالایی جو زمین که یونسفر نامیده می‌شود، محیطی است به ‌شدت متغیر با زمان و مکان و دارای ویژگی‌های فیزیکی بسیار پیچیده که در آن چگالی الکترون‌های آزاد زیاد است و ازاین‌رو تأثیر بسزایی بر انتشار امواج رادیویی در این محیط خواهد داشت. هنگامی‌که سیگنال‌های ماهواره‌های سیستم تعیین موقعیت جهانی (Global Positioning System (GPS)) از یونسفر عبور می‌کنند، ممکن است دچار نوسانات سریع دامنه و تغییرات غیرمنتظره‌ای در فاز سیگنال شوند که این پدیده را تحت عنوان درخشش یونسفری می‌شناسیم. درخشش یونسفری که خود ناشی از بی‌نظمی‌های کوچک‌مقیاس در چگالی الکترونی یونسفر (تحت تأثیر فعالیت‌های خورشیدی) است، بسته به مکان و زمان وقوع آن، می تواند به‌شدت بر دقت و صحت مشاهدات GPS اثرگذار باشد. هدف مقاله‌ی حاضر مطالعه موردی رخداد این پدیده در ناحیه ایران و تغییرات آن است. به این منظور در این مقاله به بررسی مشاهدات GPS و کشف وقوع درخشش‌های یونسفری در آن‌ها پرداخته شده است. نتایج حاصل از این بررسی‌ها نشان‌دهنده‌ی وقوع پدیده‌ی درخشش یونسفری و تأثیر آن بر مشاهدات GPS در این منطقه است.}, keywords_fa = {سیستم تعیین موقعیت جهانی, یونسفر, درخشش یونسفری}, doi = {10.29252/jgit.6.3.187}, url = {http://jgit.kntu.ac.ir/article-1-623-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-623-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2018} } @article{ author = {Yavari, Somayeh and ValadanZoej, Mohammad Javad and Sahebi, Mahmod Reza and Mokhtarzade, Mehdi}, title = {A New Structural Matching Method Based on Linear Features for High Resolution Satellite Images}, abstract ={  Along with commercial accessibility of high resolution satellite images in recent decades, the issue of extracting accurate 3D spatial information in many fields became the centre of attention and applications related to photogrammetry and remote sensing has increased. To extract such information, the images should be geo-referenced. The procedure of georeferencing is done in four main steps of extracting some control information such as point, line or areal features, matching, transformation function estimation and finally resampling. Among different control features, the lines are more considered due to their unique characteristics such as easier procedure of automatically extracting and matching as well as abundance of linear features in satellite images especially in urban areas. To reach an automatic georeferencing procedure, it is inevitable to automate the matching step as one of the most challenging process especially in heterogonous spaces such as image and map spaces. So, in this paper, the automatic matching procedure is performed and assessed using a new structural linear feature-based matching method with no need to any initial information. This method is based on using the most inherent conceivable information of the extracted features. The purpose of this paper is to find all possible match-lines through finding the correspondence of two specific patterns. The proposed method is done in three main phases of high quality pattern selection, matching as well as the final-phase. Additionally, new concepts of mathematically-generated-lines which are produced by extension and intersection of line-segments in two spaces as well as mathematically-generated-points which are the key-points of that lines are introduced and used to find the match-lines. In this paper, the impact of different numbers of stopping-criteria as well as one of the thresholds is studied experimentally. The results show the high potential of the proposed method to find more than 80 percentages of match-lines with 100 percentages of accuracy and reliability in a low computational time.}, Keywords = {High Resolution satellite Images, Structural Linear feature-based Matching method, mathematically-Generated-Lines, mathematically-Generated-Points, Linear Features, Georeferencing.}, volume = {6}, Number = {4}, pages = {1-15}, publisher = {kntu}, title_fa = {ارائه روشی نوین به منظور تناظریابی ساختاری بر اساس عوارض خطی در تصاویر ماهواره‌ای با قدرت تفکیک بالا}, abstract_fa ={با پرتاب ماهواره‎های با حد تفکیک بالا در دهه‎های اخیر و عرضه این تصاویر به‌صورت تجاری، بحث استخراج اطلاعات مکانی دقیق سه‎بعدی از این تصاویر در بسیاری از زمینه‎های مرتبط همچون فتوگرامتری و سنجش‎ازدور مورد توجه قرار گرفت. به منظور استخراج این اطلاعات از تصاویر ماهواره‎ای، باید قبل از هر اقدامی، این تصاویر زمین‎مرجع شوند. به منظور زمین‎مرجع‎سازی تصاویر ماهواره‎ای، ابتدا باید یک سری عوارض کنترلی مانند نقاط، خطوط و یا سطوح در دو فضا استخراج شوند. سپس عوارض متناظر از بین کل عوارض استخراج‎شده تعیین و به طور مستقیم برای حل تابع انتقال بین دو فضا استفاده شوند. در سال‎های اخیر تمایل محققان به سمت استفاده از عوارض کنترلی به ‎ویژه خطوط به دلیل ویژگی‎های منحصربه فرد این عوارض همچون استخراج و تناظریابی اتوماتیک آسان‌تر این عوارض و نیز فراوانی این عوارض در تصاویر ماهواره‎ای به خصوص در مناطق شهری، قرار گرفته است. از آنجاییکه، به‌منظور انجام زمین‎مرجع‎سازی اتوماتیک نیازمند خودکار‎نمودن کل روند هستیم و نیز تناظریابی عوارض خطی بین دو فضای نامتجانس یکی از مهم‎ترین مراحل می‎باشد، در این مقاله، این روند بر اساس یک روش جدید با عنوان تناظریابی ساختاری بر اساس عوارض خطی که بدون نیاز به اطلاعات اولیه و تنها براساس اطلاعات قابل استخراج از تصویر و نقشه صورت می‎گیرد، انجام و مورد ارزیابی قرار می‎گیرد. در این روش، هدف یافتن تناظر تمام خطوط-متناظر ممکن با استفاده از یافتن دو الگوی متناظر ویژه می‎باشد. بر این اساس، مختصات ابتدا و انتهای خطوط استخراج‎شده به روند موردنظر معرفی و تناظریابی در سه فاز اصلی و با استفاده از روابط هندسی بین آنها تعیین می‎شود. در این مقاله، اثر تعداد حالت‎های مورد بررسی و نیز یکی از آستانه‎ها در دقت و قابلیت اطمینان نتایج بررسی می‌شود. نتایج روش پیشنهادی نشان‎ می‎دهد که روش پیشنهادی می‎تواند بیش از 80 درصد خطوط-متناظر را با 100 درصد قابلیت‎اطمینان و با سرعت بالا، تعیین نماید.}, keywords_fa = {تصاویر ماهواره‎ای با حد تفکیک بالا, تناظریابی ساختاری بر اساس عوارض خطی, عوارض خطی, خطوط تولید‎شده ریاضی, نقاط تولید‎شده ریاضی, زمین‎مرجع‎سازی.}, doi = {10.29252/jgit.6.4.1}, url = {http://jgit.kntu.ac.ir/article-1-641-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-641-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2019} } @article{ author = {Mobasheri, Mohamad Reza and Darouei, Pegah and Ashourloo, Davoo}, title = {Wheat Leaf Rust Disease Severity Estimation Using Reflectance Spectrum Coding Methods}, abstract ={Using spectroradiometry and remote sensing techniques is an effective and rapid method in diagnosing vegetation diseases which enforced mostly by using spectral vegetation indices and statistical methods.  The present study aimed to deploy encoding technique for the reflectance spectrum of the wheat leaves to assess the severity of the Rust disease. This is unlike to the spectral vegetation indices in which the shape of the spectrum, in all bands, independent from time and place is examined. A comprehensive laboratory spectroradiometry were used in the present study in which different stages of the development of the wheat rust stage were considered.  The encoding methods were applied to the reflectance spectrum and its derivatives by the Equal Intervals Coding (EIC) and 1bit, 2bit and 3bit information and Threshold Coding (TC) methods for the 500-800 and 400-1050nm wavelength ranges. In this respect, the healthy green leaf code used as a reference. Then the similarity between any other leaf codes and the green leaf code were used to find the degree of the severity of the disease. Beside the reflectance spectrum, the progress of the disease on the leaf under observation were determined using a digital camera. The best result found to be for 3bit- TC in the 500-800 nm wavelength region with R2 and RMSE of the order of 0.95 and 0.05, respectively. Finally, the portion of the rust affected leaf was determined in four levels based on the green spot absence in which, the overall accuracy and Kappa coefficient were 85.96% and 0.81%, respectively.}, Keywords = {Reflectance, Encoding, Similarity Angle, Wheat Rust, Derivation.}, volume = {6}, Number = {4}, pages = {17-30}, publisher = {kntu}, title_fa = {تخمین شدت بیماری زنگ برگ گندم با استفاده از روش‌های کدگذاری طیف بازتابندگی}, abstract_fa ={استفاده از روش‌‌های سنجش‌ازدوری و طیف‌سنجی در تشخیص بیماری‌های گیاهی از روش‌های موثر و سریع می‌باشد که غالبا با استفاده از شاخص‌های گیاهی و روش‌های آماری انجام می‌شود. هدف از این پژوهش استفاده از روش کدگذاری برای طیف بازتابندگی و مشتق‌های آن، در تعیین شدت زنگ در برگ گندم می‌باشد که می‌تواند برخلاف شاخص‌های گیاهی، شکل طیف را مستقل از زمان و مکان در تمامی باندها بررسی کند. در این تحقیق از اندازه‌گیری‌های طیف‌سنجی آزمایشگاهی انجام شده از مراحل رشد زنگ گندم استفاده گردید. روش‌های کدگذاری با فواصل مساوی و آستانه‌گذاری 1 بیت، 2 بیت و 3 بیت در محدوده طول موج‌های 400-1050 و 500-800 نانومتر برای طیف بازتابندگی و مشتق‌های آن ارزیابی شد. در این رابطه پس از کدگذاری طیف بازتابندگی لکه‌ی سبز به‌عنوان کد مرجع که نشان دهنده سلامت گیاه است، برای نمونه¬های آموزشی، زاویه شباهت میان رشته کدها محاسبه، نمودار میزان درصد حضور لکه سبز برحسب کسینوس زاویه شباهت ترسیم و یک معادله خطی به آن برازش داده شد. بهترین خط برازش داده شده برای روش کدگذاری آستانه با سه بیت در طول¬موج‌های 500-800 نانومتر با مقدار R2 و RMSE به ترتیب 95/0 و 05/0 حاصل شد. در نهایت درجه زنگ‌زدگی برگ برحسب عدم حضور لکه سبز در 4سطح تعیین گردید که دقت کلی و ضریب کاپای آن به ترتیب 96/85 درصد و 81/0 می‌باشد.}, keywords_fa = {بازتابندگی, کدگذاری, زاویه شباهت, زنگ گندم, مشتق}, doi = {10.29252/jgit.6.4.17}, url = {http://jgit.kntu.ac.ir/article-1-642-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-642-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2019} } @article{ author = {Ahangarcani, Mehrdad and Farnaghi, Mahdi and Shirzadi, Mohammad Rez}, title = {Exploring the Impact of Topographical and Climate Factors on Generation of the Vulnerability-map of Leptospirosis}, abstract ={  Leptospirosis is one of the most widespread zoonotic disease caused by Leptospira bacteria. It is found wherever human is in direct or indirect contact with Leptospira bacteria thorough infected animals as well as contaminated soil or water. The disease is mostly found in tropical, subtropical, hot, and humid areas. The main objectives of this study are to investigate the seasonality relations between the topographical and climate factors, including altitude, slope, vegetation, average temperature, average humidity, precipitation and number of freezing days and incidence of Leptospirosis as well as modelling of Leptospirosis using support vector machine at the district level in Northern provinces of Iran. Pearson’s correlation analysis was conducted to examine the type and strength of relationships between the topographical and climate variables and Leptospirosis incidence. Results of Pearson’s correlation analysis indicate that average humidity, average temperature and rainfall were the most influential environmental factors which as effect on prevalence of Leptospirosis in the study area. Statistical analysis showed that most cases of the Leptospirosis prevalence have been recorded in the late spring and summer. On the other hand, the lowest incidences have occurred in winter. Also, high distribution of leptospirosis mainly located in the central areas of Guilan province, the eastern parts of Mazandaran province and western regions of Golestan province with a mild and humid climate and abundant rainfall. Eventually, performance of support vector machine (SVM) model evaluated by area under the ROC curve. The output maps showed that SVM model has excellent performance in the vulnerability mapping of Leptospirosis.}, Keywords = { Pearson’s analysis, geographic information system, support vector machine, ROC curve, Leptospirosis}, volume = {6}, Number = {4}, pages = {31-50}, publisher = {kntu}, title_fa = {بررسی تاثیر و نقش عوامل توپوگرافی و آب و هوایی در تهیه نقشه آسیب‌پذیری بیماری لپتوسپیروز}, abstract_fa ={بیماری لپتوسپیروز یکی از رایج‌ترین و گسترش یافته‌ترین بیماری عفونی مشترک میان انسان و حیوان در سراسر دنیا بشمار می‌رود که به¬وسیله باکتری بیماری¬زایی به نام لپتوسپیرا ایجاد می‌شود و به شکل مستقیم یا غیر مستقیم از حیوان به انسان منتقل می‌شود. این بیماری در تمام مناطق جهان اتفاق می‌افتد، اما در مناطق گرمسیر پرباران شایع‌تر است و در اغلب این مناطق بومی می‌باشد. هدف اصلی این تحقیق، بررسی فصلی ارتباط میان متغیرهای محیطی و توپوگرافی از قبیل ارتفاع، شیب، پوشش گیاهی، متوسط دمای هوا، متوسط رطوبت هوا، میزان بارندگی و تعداد روزهای یخبندان با وقوع بیماری لپتوسپیروز و تهیه نقشه آسیب‌پذیری بیماری لپتوسپیروز در سطح بخش‌های استان¬های شمالی ایران می‌باشد. در این تحقیق، تحلیل همبستگی پیرسون به منظور بررسی نوع و شدت همبستگی بین متغیرهای محیطی و توپوگرافی با بروز بیماری لپتوسپیروز و توصیف ارتباط بین بروز فصلی بیماری لپتوسپیروز و متغیرهای محیطی و توپوگرافی مورد استفاده قرار گرفت. نتایج حاصل از تحلیل همبستگی پیرسون مشخص نمود که متغیرهای میانگین رطوبت هوا، میانگین دمای هوا و میزان بارندگی مهم‌ترین فاکتورها بر شیوع بیماری لپتوسپیروز در منطقه می‌باشند. همچنین نتایج حاصل از بررسی‌های آماری نشان داد که بیش‌ترین موارد بیماری در فصل تابستان و اواخر فصل بهار به ثبت رسیده و کم‌ترین رخداد بیماری در فصل زمستان رخ داده است. علاوه بر این، نتایج آماری به‌دست آمده حاکی از وجود موارد وقوع بیماری لپتوسپیروز در نواحی مرکزی استان گیلان، مناطق شرقی استان مازندران و مناطق غربی استان گلستان، با آب و هوای معتدل و مرطوب با بارش شدید باران می‌باشد. در نهایت روش ماشین بردار پشتیبان به منظور مدل‌سازی ارتباط بین متغیرهای محیطی و توپوگرافی و توزیع فصلی الگوی مکانی بیماری لپتوسپیروز مورد استفاده قرار گرفت و عملکرد این مدل با استفاده از معیار ارزیابی منحنی مشخصه عملکرد سیستم مورد بررسی قرار گرفت. نتایج حاصل از ارزیابی نقشه‌های خروجی روش ماشین بردار پشتیبان نشان دادند که این روش عملکرد بسیار عالی در تهیه نقشه آسیب‌پذیری بیماری لپتوسپیروز داشته است.}, keywords_fa = {تحلیل پیرسون, سامانه اطلاعات مکانی, ماشین بردار پشتیبان, منحنی مشخصه عملکرد سیستم, بیماری لپتوسپیروز}, doi = {10.29252/jgit.6.4.31}, url = {http://jgit.kntu.ac.ir/article-1-643-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-643-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2019} } @article{ author = {Ebrahimipour, Monavar and Amerian, Yazdan and RaoofianNaeeni, Mehdi}, title = {Geometrical Deformation Analysis of Gotvand-Olya Dam Using Permanent Geodetic Monitoring Network Observations}, abstract ={  In this paper, two-dimensional deformation analysis of the Gotvand-Olya dam is done using daily, monthly, seasonal and annual displacement vectors derived from permanent observations of the dam geodetic monitoring network.  The strain tensor and its invariant parameters like dilatation and maximum shear are computed as well. Nonlinear finite element interpolation based on C1 Cubic Bezier interpolant function is used to compute the strain tensor in the Lagrangian approach. According to the results, the dilatations computed from the daily observations on March 25, 2014 and 2015 reveal the extension of dam, while on March 25, 2016 they indicate contraction in dam’s body and crown. Monthly results show the extension of dam’s geodetic network in September 2016 and contraction in September 2014 and 2015. Seasonal results showed the contraction in summer 2014 and extension in winter 2014 in dam’s geodetic network. Dilatation values from annual displacement vectors indicate contraction in dam from July 2014 to July 2015 and extension from July 2015 to July 2016. Statistical test is used to investigate the statistical significance of daily, monthly and seasonal strain tensor invariants.}, Keywords = {Geometrical Deformation Analysis, Nonlinear Finite Element, Strain Tensor, Statistical Test.}, volume = {6}, Number = {4}, pages = {51-72}, publisher = {kntu}, title_fa = {آنالیز هندسی تغییر شکل سد گتوند علیا با استفاده از مشاهدات شبکه پایش ژئودتیک دائم}, abstract_fa ={در این مقاله با استفاده از بردارهای جابجایی روزانه، ماهانه، فصلی و سالانه¬ حاصل از مشاهدات دائم شبکه پایش ژئودتیک سد گتوند علیا، آنالیز دو بعدی تغییر شکل برای نواحی بدنه و تاج سد صورت گرفته و تانسور کرنش صفحه‌ای و مفسرهای ناوردای آن همچون اتساع و ماکزیمم برش محاسبه شده¬اند. از آنجاکه المان محدود خطی  به درستی روند تغییر شکل واقعی سد مزبور را آشکار نمی‌سازد، در نتیجه تحلیل تغییر شکل این سد با به¬کار¬گیری روش المان محدود غیرخطی بر مبنای درون‌یابی پیوسته بزیر مکعبی صورت گرفته و تانسور کرنش خطی بر مبنای نگرش لاگرانژی محاسبه گردیده ‌است. نتایج به دست آمده از کمیت اتساع حاصل از مشاهدات روزانه، مربوط به روز پنج آبان از سال¬های 93 و 94، نشان¬دهنده این مطلب است که اکثر نقاط شبکه دستخوش انبساط بوده‌اند. این در حالی است که در همان روز از سال 95، دستخوش انقباض شده‌اند. از طرفی، نتایج حاصل از مشاهدات ماهانه مربوط به ماه شهریور از سال‌های¬ 93 و 94 نشان می‌دهد که اکثر نقاط شبکه دچار انقباض شده، اما در شهریور ماه سال 95 دچار انبساط شده‌اند. نتایج به دست آمده از کمیت اتساع حاصل از مشاهدات فصلی، برای فصل تابستان در سال 93 نشان‌دهنده این مطلب است که اکثر نقاط شبکه دستخوش انقباض بوده و در فصل زمستان همان سال دستخوش انبساط بوده‌اند. همچنین بردارهای جابجایی سالانه (از تیر 93 تا تیر94) نشان می¬دهند که اکثر نقاط شبکه دچار انقباض بوده است. اما مقادیر اتساع حاصل از بردارهای جابجایی سالانه (از تیر 94 تا تیر95) نشان می‌دهد که اکثر نقاط شبکه دچار انبساط شده‌اند. نتایج ذکر شده حاصل از مشاهدات در بازه‌های ماهانه، فصلی و سالانه با تغییرات تراز آب پشت سد مطابقت دارد. همچنین آزمون آماری به منظور بررسی معنادار بودن پارامترهای ناوردای حاصل از مشاهدات انجام گردید.}, keywords_fa = {آنالیز هندسی تغییر شکل, المان محدود غیرخطی, تانسور کرنش, آزمون‌ آماری.}, doi = {10.29252/jgit.6.4.51}, url = {http://jgit.kntu.ac.ir/article-1-644-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-644-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2019} } @article{ author = {Pahlavani, Parham and Sahraiian, Hamid Reza and Bigdeli, Behnaz}, title = {Presenting a Morphological Based Approach for Filtering The Point Cloud to Extract the Digital Terrain Model}, abstract ={The Digital terrain model is an important geospatial product used as the basis of many practical projects related to geospatial information. Nowadays, a dense point cloud can be generated using the LiDAR data. Actually, the acquired point cloud of the LiDAR, presents a digital surface model that contains ground and non-ground objects. The purpose of this paper is to present a new approach of extracting the digital terrain model from the digital surface model. In the first step, noises were removed by preprocessing; then the irregular point cloud was converted to raster data. In the next step, the proposed gradual geodesic dilation and labeling approaches scan were applied in order to detect and eliminate the non-ground objects. The basis of gradual geodesic dilation approach was to increase the structural element size in each step, investigate the height heterogeneity and remove the non-ground objects, gradually. Also, utilizing the innovative scan labeling approach which operated based on slope differential helped to remove the non-ground objects completely. Finally, the non-ground objects were removed and the lost regions were retrieved and the digital terrain model was generated by interpolation. For analyzing the proposed approach, the reference data of the ISPRS was employed. The analyzing results in the five test areas indicated 4.61%, 6.97% and 3.17% for Type I, Type II and total errors, respectively. These results clarify the good performance of the proposed approach for detecting the non-ground objects.}, Keywords = {Digital Terrain Model, Point Cloud, Geodesic Dilation, Labeling, non-Ground Objects}, volume = {6}, Number = {4}, pages = {73-96}, publisher = {kntu}, title_fa = {پیش‌بینی گسترش آتش‌سوزی جنگل با استفاده از اتوماتای سلولی و شبکه عصبی مصنوعی}, abstract_fa ={جنگل‌ها از جمله مهم‌ترین منابع طبیعی هر کشوری محسوب می‌شوند که حفاظت و مراقبت از آن‌ها دارای اهمیت ویژه‌ای است. یکی از حوادثی که باعث ایجاد صدمات جدی به جنگل‌ها می‌شود، آتش‌سوزی و گسترش آن می‌باشد. بنابراین انجام اقداماتی نظیر تعیین فاکتورهای موثر در آتش­سوزی و شبیه­سازی گسترش آن، برای به حداقل رساندن زیان­های ناشی از آن اهمیت فراوانی پیدا می­کند. در روش پیشنهادی این تحقیق، برای تعیین فاکتورهای بهینه موثر در آتش‌سوزی جنگل گلستان، از ترکیب الگوریتم ژنتیک با روش رگرسیون اسپلاین تطبیقی چندمتغیره استفاده شد. 9 فاکتور به عنوان فاکتورهای بهینه تعیین شدند که شامل حداکثر دما، متوسط دما، حداقل دما، جهت باد غالب، حداکثر سرعت باد، جنس خاک، کاربری زمین، جهت شیب و فاصله از مناطق مسکونی بودند. سپس با استفاده از این فاکتورهای بهینه و بکارگیری اتوماتای سلولی و شبکه عصبی مصنوعی، اقدام به شبیه‌سازی گسترش آتش‌سوزی جنگل گلستان شد. همچنین برای بررسی تأثیر فیلتر همسایگی بر نتایج حاصل از شبیه­سازی، از فیلترهای همسایگی 3×3، 5×5 و 7×7 استفاده شد. با توجه به نتایج این تحقیق، بهترین دقت برای شبیه‌سازی آتش‌سوزی منطقه مورد مطالعه در تاریخ 26 آبان 1389 با فیلتر همسایگی 3×3 و توان تفکیک مکانی 30 متر بدست آمد. در این حالت شاخص کاپا، شاخص عامل نسبی و دقت کلی به ترتیب برابر با 890/0، 917/0 و 953/0 بودند.}, keywords_fa = {آتش‌سوزی جنگل, الگوریتم ژنتیک, رگرسیون اسپلاین تطبیقی چندمتغیره, اتوماتای سلولی, شبکه عصبی مصنوعی}, doi = {10.29252/jgit.6.4.73}, url = {http://jgit.kntu.ac.ir/article-1-645-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-645-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2019} } @article{ author = {Hasanlou, Mahdi and Seydi, Seyed Teimoor}, title = {Land Cover Subpixel Change Detection using Hyperspectral Images Based on Spectral Unmixing and Post-processing}, abstract ={  The earth is continually being influenced by some actions such as flood, tornado and human artificial activities. This process causes the changes in land cover type. Thus, for optimal management of the use of resources, it is necessary to be aware of these changes. Today’s remote sensing plays key role in geology and environmental monitoring by its high resolution, wide covering and low cost of data receiving from the earth and it has many applications such as change detection. To manage the resources optimally, in local and gloal scale, accuracy and being on-time are very substantial. Hyperspectral images, with thier high ability of spectral resolution,  can improve change detection in result and extract more detail of changes. In this research a new method of change detection for hyperspectral imagery using the Image-Differencing, Otsu and spectral unmixing algorithms is presented . The proposed method is presented in three steps: (1) Data correction using image differencing method and data conversion to new computing space. At this space, the changed areas would be more outstanding compare to previous space. (2) the decision about the nature of endmembers is made using Otsu algorithm. (3) spatial resolution enhancement based on abundance map. The proposed method can automatically extract binary change map. In addition, this method provides information about the nature of change in sub-pixel level. To examine the performance of the proposed method, the hyperspectral imagery (by Hyperion sensors) from Chiangsu fields in china and a simulated data from the AVIRIS sensor were used. The results show the high accuracy of the proposed method in comparison with other methods. Its overall accuracy is more than 93% and its kappa coefficiency is 0.85 and mean false alarm rates is under 7% for China dataset. And also, the results for second dataset are as follow: the overall accuracy is more than 99% and kappa coefficiency is 0.82 and mean false alarm rates is under 1%.}, Keywords = {Unsupervised Change Detection, Spectral Unmixing, Hyperspectral Images, Otsu Algorithm, Sub-pixel.}, volume = {6}, Number = {4}, pages = {97-117}, publisher = {kntu}, title_fa = {آشکارسازی تغییرات زیر پیکسلی کاربری اراضی در تصاویر ابرطیفی مبتنی بر جداسازی طیفی و پس‌پردازش}, abstract_fa ={امروزه سنجش‌ازدور با دارا بودن توان تفکیک مکانی و طیفی بالا، پوشش گسترده و با کمترین هزینه برای دریافت داده از زمین، نقش کلیدی را در حوزه پژوهش‌های علوم زمین و پایش محیط‌زیست ازجمله آشکارسازی تغییرات داشته است. به‌طورکلی تشخیص به‌موقع و دقیق تغییرات در مقیاس محلی و جهانی، در مدیریت بهینه‌ی استفاده از منابع، از اهمیت بالایی برخوردار است. تصاویر فراطیفی، به‌علت دارا بودن توان تفکیک طیفی بالا، نتایج بهبود یافته‌ای از آشکاری‌سازی تغییرات و همچنین جزئیات بیشتری از فرآیند آشکارسازی تغییرات را فراهم می‌نمایند. استفاده از روش‌های مبتنی بر جداسازی طیفی روی تصاویر فراطیفی، توانمندی بسیار بالایی برای دست یافتن به اطلاعات مهم زیرپیسکل دارد. در این پژوهش یک روش آشکارسازی تغییرات با استفاده از الگوریتم‌های تفاضل‌گیری، اتسو و جداسازی طیفی ارائه گردیده است. یکی از مهمترین قابلیت‌های روش پیشنهادی، بهبود توان تفکیک مکانی نقشه تغییرات است. همچنین علاوه بر تهیه نقشه تغییرات به‌صورت دودویی و خودکار، قادر به استخراج اطلاعات درباره ماهیت کلاس‌های تغییر نیز و دستیابی به تغییرات در زیرپیکسل می‌باشد. به‌منظور ارزیابی کارایی و دقت روش پیشنهادی، از دو مجموعه داده‌ی چند زمانه‌ی فراطیفی به‌کارگرفته شد. داده اول از سنجنده‌ی هایپریون، مربوط به مزارع کشاورزی اطراف شهر جیانگسو واقع در چین است. به‌منظور کاهش خطای تهیه نقشه واقعیت زمینی و افزایش اعتمادپذیری؛ یک داده شبیه‌سازی شده از سنجنده هوابرد اوریس؛ تهیه گردید. ارزیابی خروجی‌های به‌دست‌آمده نشان‌دهنده، دقت کلی بالا و نرخ کم هشدارهای روش پیشنهادی، در مقایسه با روش‌های رایج آشکارسازیِ تغییرات، است، به‌طوری‌که دقت کلی برای داده چین، با دقت کلی بالای 91%، ضریب کاپا 85/0، نرخ هشدارهای اشتباه کلی کمتر از 7% و هزینه محاسباتی و نسبتا پایین نسبت به روش‌های متداول حکایت می‌کند. علاوه نتایج به‌دست برای داده شبیه¬سازی شده، 80/99 درصد ضریب کاپا، 82/0 و میزان نرخ هشدارهای اشتباه آن، 19/0 درصد است.}, keywords_fa = {آشکارسازی تغییرات, تصاویر فراطیفی, جداسازی طیفی, الگوریتم اتسو, زیر پیکسل}, doi = {10.29252/jgit.6.4.97}, url = {http://jgit.kntu.ac.ir/article-1-646-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-646-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2019} } @article{ author = {BazrgarBajestani, Alireza and Akhoondzadehhanzaei, Mahdi}, title = {Fusion of LST products of ASTER and MODIS Sensors Using STDFA Model}, abstract ={Land Surface Temperature (LST) is one of the most important physical and climatological  crucial yet variable parameter in environmental phenomena studies such as, soil moisture conditions, urban heat island, vegetation health, fire risk for forest areas and heats effects on human’s health. These studies need to land surface temperature with high spatial and temporal resolution. Remote sensing satellite sensors due to their technical constraints cannot take the high spatial and temporal land surface temperature data simultaneously. For example combining Advanced Space borne Thermal Emission and Reflection Radiometer (ASTER) LST products have spatial resolution of 90 m with repeat cycle of 16 days, whereas Moderate Resolution Imaging Spectro-radiometer (MODIS) LST products have spatial resolution of 1 km with daily repeat cycle. To address this shortage, this work used the Spatial and Temporal Data Fusion Approach (STDFA) to estimate the high spatial and temporal resolution LST by ASTER LST and MODIS LST products. This method was tested and validated in study areas located in Tehran, Iran. The MODIS daily 1-km LST product and the 16-day repeat cycle ASTER 90-m LST product are used to produce a synthetic “daily” LST product at ASTER spatial resolution. The actual ASTER LST products were used to evaluate the precision of the synthetic daily LST product. Here, the correlation coefficient was equal to 0.88, Root Mean Square Error (RMSE) reached about 3.38 K. The results showed that the algorithm can produce high-resolution temporal synthetic ASTER data that were similar to the actual observations.}, Keywords = {land surface temperature, fusion, MODIS, ASTER.}, volume = {6}, Number = {4}, pages = {119-132}, publisher = {kntu}, title_fa = {ادغام محصولات دمایی سنجنده های ASTER و MODIS با استفاده از مدل STDFA}, abstract_fa ={دمای سطح زمین (LST) یکی از مهم‌ترین پارامترهای فیزیکی و متغیرهای اقلیمی است که نقش مهمی در شناخت پدیده‌های محیطی مثل شرایط رطوبت سطح، جزایر گرمایی شهری، سلامتی گیاهان، ریسک آتش برای مناطق جنگلی و اثر گرما بر سلامت انسان‌ها را بر عهده دارد. برای انجام چنین مطالعاتی نیاز به دمای سطح زمین با توان تفکیک بالای مکانی و زمانی می‌باشد. متأسفانه سنجنده های سنجش‌ازدوری به دلیل محدودیت‌های فنی و مالی توانایی تولید محصولی که به‌طور هم‌زمان دارای توان تفکیک بالای مکانی و زمانی باشند را ندارند. به‌طور مثال محصول دمای سطح زمین سنجنده استر (ASTER) دارای توان تفکیک مکانی 90 متر با دوره بازگشت 16 روزه می‌باشد، در حالیکه محصول دمای سطح زمین سنجنده مادیس (MODIS) دارای توان تفکیک مکانی 1 کیلومتر با دوره بازگشت 1 روزه می‌باشد. در این تحقیق برای حل این مسئله با استفاده از الگوریتم STDFA که برای ادغام مکانی و زمانی داده‌های بازتابندگی استفاده‌شده است، محصولات دمای سطح زمین سنجنده های استر و مادیس برای قسمتی از شهر تهران ادغام شده است و درنهایت به یک تصویر مجازی با توان تفکیک مکانی برابر با توان تفکیک مکانی محصول دمای سطح زمین سنجنده استر و توان تفکیک زمانی برابر با سنجنده مادیس می‌رسد. نتایج تحقیق حاکی از دقت خوب الگوریتم در ادغام محصولات دمای سطح زمین می‌باشد. به‌طوری‌که ضریب همبستگی بین تصویر دمای سطح مجازی و داده واقعی دمای سطح منطقه 88/0 و ریشه میانگین مربع خطاها 38/3 درجه کلوین می‌باشد.}, keywords_fa = {دمای سطح زمین, ادغام, مادیس, استر.}, doi = {10.29252/jgit.6.4.119}, url = {http://jgit.kntu.ac.ir/article-1-647-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-647-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2019} } @article{ author = {Ghassemi, Babak and Ebadi, Hamid and FarnoodAhmadi, Farshi}, title = {Design and Implementation of an Intelligent Photogrammetric System for Control and Guidance of Reconstructive Surgery}, abstract ={The digital image contains efficient and useful information which enables measurement and data acquisition. One of the methods that facilitate measuring and interpreting objects, using the image solely, is close-range photogrammetry. Among the various fields of science, whenever a precise measurement is required, this approach can be applied. One of these fields is Medical Sciences that due to high speed and accuracy of close-range photogrammetry, it can create three-dimensional models. To generate the model there is no need for direct contact with the patients consequently there are no side effects. So in this respect, it is better than other conventional methods in medical imaging which are often invasive procedures. This branch of photogrammetry is known as medical photogrammetry. In this paper, application of intelligent close range photogrammetry in control and guide of reconstructive surgeries is presented. The proposed method is evaluated in a case study of the human face using facial recognition algorithms in two-dimensional space and matching in three-dimensional space. The main objective of this research is to design a system by integrating close-range photogrammetry and intelligent algorithms to guide and control reconstructive surgeries using two-dimensional images and three-dimensional models. The output is geometrical parameters and the changes of input face to transform to the proposed face that surgery is done on part in question at the discretion of the physician. The three-dimensional point cloud from face model produced with 143-micron accuracy and point clouds of similar faces were registered together in the range of 2mm to 3 mm in rmse.}, Keywords = {Close range photogrammetry, Medicine, Non-contact diagnosis, Guidance of reconstructive}, volume = {6}, Number = {4}, pages = {133-147}, publisher = {kntu}, title_fa = {طراحی و پیاده‌سازی یک سیستم فتوگرامتری هوشمند جهت هدایت و کنترل اعمال جراحی ترمیمی}, abstract_fa ={تصاویر رقومی دربردارنده اطلاعاتی کارآمد و مؤثر هستند که امکان اندازه‌گیری و اخذ داده از آن‌ها وجود دارند؛ یکی از روش‌هایی که امکان اندازه‌گیری و تفسیر اشیا را تنها از طریق تصاویر می‌دهد، فتوگرامتری برد کوتاه می‌باشد. یکی از این حوزه‌ها، علوم پزشکی است که فتوگرامتری برد کوتاه در این زمینه به‌دلیل سرعت و دقت بالا، قابلیت ایجاد مدل سه‌بعدی را دارد. این شاخه از فتوگرامتری، تحت عنوان فتوگرامتری پزشکی شناخته می‌شود. در این تحقیق کاربرد هوشمند فتوگرامتری برد کوتاه در هدایت و کنترل عمل‌های جراحی ترمیمی معرفی می‌شود. کارایی روش پیشنهادی در مطالعه موردی صورت انسان با استفاده از الگوریتم‌های تشخیص چهره در فضای دو بعدی برای پیدا کردن چهره‌های متشابه و تناظریابی در فضای سه‌بعدی برای تعیین میزان تغییرات، مورد ارزیابی قرار گرفته است. هدف اصلی تحقیق حاضر، طراحی سامانه‌ای با تلفیق فتوگرامتری برد کوتاه و الگوریتم‌های هوشمند، جهت هدایت و کنترل عمل‌های جراحی ترمیمی با استفاده از تصاویر دوبعدی و مدل‌های سه‌بعدی است. خروجی این سیستم، پارامترهای هندسی و میزان تغییرات چهره ورودی برای تبدیل شدن به چهره پیشنهادی (معرفی‌شده توسط سیستم) می‌باشد که پزشک بنا به تشخیص، جراحی روی بخش موردنظر را انجام می‌دهد. در این تحقیق ابر نقاط سه‌بعدی مدل صورت با صحت 143 میکرون تولید شده و ابر نقاط چهره­های مشابه در محدوده خطای جذر میانگین مربعات 2 الی 3 میلی‌متر با یکدیگر رجیستر شده‌اند.}, keywords_fa = {فتوگرامتری برد کوتاه, پزشکی, تشخیص غیر تماسی, هدایت اعمال جراحی ترمیمی, الگوریتم‌های هوشمند}, doi = {10.29252/jgit.6.4.133}, url = {http://jgit.kntu.ac.ir/article-1-648-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-648-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2019} } @article{ author = {Farhadiani, Ramin and Safari, Abdolreza and Homayouni, Saei}, title = {Speckle Reduction in Synthetic Aperture Radar Images in Wavelet Domain Using Laplace Distribution}, abstract ={Speckle is a granular noise-like phenomenon which appears in Synthetic Aperture Radar (SAR) images due to coherent properties of SAR systems. The presence of speckle complicates both human and automatic analysis of SAR images. As a result, speckle reduction is an important preprocessing step for many SAR remote sensing applications. Speckle reduction can be made through multi-looking during the image formation or using spatial filters as a preprocessing step. However, these methods have some limitations such as a decrease in spatial resolution or smoothening of details and edges. To overcome these problems, Multi-Resolution Analysis (MRA), such as wavelet transform, should be used. In this paper, a despeckling method based on the Bayesian theory and Maximum a Posteriori (MAP) estimator in the wavelet domain was proposed. The noise-free wavelet coefficients of the logarithmically transformed image and the noise in the wavelet domain were modeled based on the Laplace and Gaussian distributions respectively. VisuShrink, SureShrink, and BayesShrink methods were also implemented and applied to both simulated and real SAR data for comparison purpose and to assess the proposed method. PSNR and beta edge preserving index were used to evaluate the performance of simulated SAR data, while ENL was employed to evaluate the real SAR data. Experimental results of despeckling showed the superior performance of the proposed method in suppressing the speckle efficiently and preserving better the spatial details in the SAR image.}, Keywords = {Synthetic Aperture Radar, Speckle Reduction, Wavelet Transform, Laplace Distribution.}, volume = {6}, Number = {4}, pages = {149-162}, publisher = {kntu}, title_fa = {کاهش اسپکل در تصاویر رادار دریچه مصنوعی در حوزه‌ی موجک با استفاده از توزیع لاپلاس}, abstract_fa ={اسپکل یک پدیده‏ی نویز مانند دانه‏ای است که به‌دلیل ویژگی همدوس بودن سیستم‏های تصویربرداری SAR (Synthetic Aperture Radar) در آن‏ها پدیدار می‏شود. حضور پدیده‏ی اسپکل، تجزیه و تحلیل‏های انسانی و اتوماتیک را پیچیده می‏کند. بر همین اساس کاهش اسپکل در تصاویر SAR، یک مرحله‏ی پیش پردازشی مهم برای بسیاری از کاربردهای مرتبط با سنجش از دور است. کاهش اسپکل در تصاویر SAR، می‏تواند توسط چندمنظرسازی در زمان تشکیل تصویر و یا با استفاده از فیلترهای مکانی پس از تشکیل تصویر انجام شود. اما این روش‏ها دارای برخی محدودیت‏ها مانند کاهش قدرت تفکیک مکانی و از بین رفتن جزئیات تصویر هستند. برای غلبه بر این مشکلات‏، می‏توان از روش‏های مبتنی بر آنالیز چند تجزیه‏ای مانند تبدیل موجک استفاده نمود. در این مقاله، یک روش کاهش اسپکل در حوزه‏ی موجک با استفاده از نظریه‏ی بیزین و بر اساس برآوردگر MAP (Maximum a Posteriori) ارائه شده است. ضرایب بدون نویز موجک حاصل از تصویر لگاریتم گرفته شده و نویز در حوزه‏ی موجک، به‌ترتیب توسط توابع چگالی احتمال لاپلاس و گوسین مدل شدند. برای مقایسه‏، روش‏های انقباض ویزیو، سور و بیز به‌کار گرفته شدند. همچنین برای ارزیابی این روش‏ها، از دو نوع داده‏ی SAR شبیه‏سازی شده و واقعی استفاده شد. شاخص‏های ارزیابی برای داده‏ی SAR شبیه‏سازی شده، شاخص PSNR (Peak Signal-to-Noise Ratio) و شاخص حفظ لبه‏ی  بود، همچنین شاخص ENL (Equivalent Number of Looks) برای ارزیابی داده‏ی SAR واقعی استفاده شد. نتایج تجربی حاصل از کاهش اسپکل، نشان‏دهنده‏ی عملکرد برتر روش پیشنهادی در کاهش اسپکل و حفظ بهتر جزئیات تصویر SAR بود.}, keywords_fa = {رادار با دریچه گشایش مصنوعی, کاهش اسپکل, تبدیل موجک, توزیع لاپلاس.}, doi = {10.29252/jgit.6.4.149}, url = {http://jgit.kntu.ac.ir/article-1-649-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-649-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2019} } @article{ author = {Maleki, Jamshid and Hakimpour, Farshad and Masoumi, Zohreh}, title = {Urban Land-Use Allocation By A Cell-based Multi-Objective Optimization Algorithm}, abstract ={Allocating urban land-uses to land-units with regard to different criteria and constraints is considered as a spatial multi-objective problem. Generating various urban land-use layouts with respect to defined objectives for urban land-use allocation can support urban planners in confirming appropriate layouts. Hence, in this research, a multi-objective optimization algorithm based on grid is proposed to generate well-distributed solutions in objective space. In order to preserve diversity in Pareto front approximation, a grid is defined in objective space. The cells of this grid cluster the solutions and determine the suitable solutions for next generation in optimization process. The land-uses of region 1 of the district 7 of Tehran is used to assess the efficiency of the algorithm in optimizing urban land-use allocation. The results of the proposed algorithm are compared with the results of Non-dominated Sorting Genetic Algorithm II and III (NSGA-II and NSGA-III). Comparing the results indicate that the proposed algorithm acts better than NSGA-II and NSGA-III in preserving diversity and improving the convergence of the solutions in Pareto front.}, Keywords = {Urban Land-use Allocation, Grid-based NSGA-II, Multi-objective Optimization, Spatial Planning Support Systems.}, volume = {6}, Number = {4}, pages = {163-186}, publisher = {kntu}, title_fa = {ارائه‌ی یک الگوریتم چندهدفه سلولی برای تخصیص کاربری‌های شهری}, abstract_fa ={اختصاص کاربری‌های شهری به واحدهای شهری با توجه به وجود قیود و معیارهای مختلف می‌تواند به‌عنوان یک مسئله‌ی بهینه‌سازی مکانی در نظر گرفته شود. ارائه‌ی طرح‌های متنوع از نظر اهداف تعریف شده برای اختصاص کاربری‌های شهری می‌تواند برنامه‌ریزان شهری را در انتخاب طرح‌های مناسب کمک نماید. از این رو در این تحقیق یک روش بهینه‌سازی چندهدفه‌ی شبکه مبنا برای به‌دست آوردن طرح‌های متنوع در فضای اهداف بر اساس بهبود الگوریتم ژنتیک چند هدفه با مرتب‌سازی نامغلوب نسخه‌ی 2 ارائه شده است. به منظور حفظ تنوع جواب‌ها یک شبکه در فضای اهداف تعریف شده و سلول‌های شبکه برای خوشه‌بندی جواب‌ها و تعیین جواب‌های مناسب برای نسل بعدی در فرآیند بهینه‌سازی به‌کار گرفته می‌شوند. کاربری‌های ناحیه‌ی یک منطقه هفت تهران برای بررسی کارایی الگوریتم پیشنهادی در تخصیص بهینه‌ی کاربری‌های شهری مورد استفاده قرار گرفته است. در نهایت نتایج الگوریتم پیشنهادی با نتایج الگوریتم ژنتیک با مرتب‌سازی نامغلوب نسخه‌ی 2 و 3 مقایسه شد. مقایسه‌ی نتایج نشان می‌دهد که الگوریتم پیشنهادی در حفظ تنوع و بهبود همگرایی جواب‌ها در جبهه‌ی پارتو برای تخصیص کاربری‌های شهری بهتر عمل کرده است.}, keywords_fa = {تخصیص کاربری‌های شهری, الگوریتم ژنتیک با مرتب‌سازی نامغلوب شبکه‌مبنا, بهینه‌سازی چند هدفه, سیستم‌های حامی تصمیم‌گیری.}, doi = {10.29252/jgit.6.4.163}, url = {http://jgit.kntu.ac.ir/article-1-650-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-650-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2019} }