@article{ author = {Mehdizadeh, Saeed and Maghsoudi, Yasser and Salehi, Maryam}, title = {The Extended Sub-look Analysis In Polarimetric SAR Data For Ship Detection}, abstract ={The monitoring of maritime areas with remote sensing is essential for security reasons and also for the conservation of environment. The synthetic aperture radar (SAR) can play an important role in this matter by considering the possibility of acquiring high-resolution images at nighttime and under cloud cover. Recently, the new approaches based on the sub-look analysis for preserving the information of point targets (such as ship) in the spectrum of the SAR image have been proposed. In the sub-look analysis, the correlation of the ships in two sub-look images is preserved. Based on this property, in this paper first by using the second order statistics of polarimetric SAR data and the information of different polarization bases, the complex correlation between sub-look images is calculated. Then, using a criterion dependent on each of the four polarimetric channels and all polarization bases, the identification of ships from the sea is carried out. The proposed ship detection method is implemented on RADARSAT-2 image at C-band of Sanfrancisco area. The experimental results demonstrate that the method can discriminate the ships from background (sea clutter) with optimal contrast and desirable accuracy. The accuracy of the proposed method is about 19 and 17 percent better than other polarimetric methods and about 30, 2 and 35 percent better than the methods based on the spectral analysis.}, Keywords = {Sublook Analysis, Ship Detection, Polarimetric Data, Polarization, Correlation.}, volume = {8}, Number = {1}, pages = {1-22}, publisher = {kntu}, title_fa = {شناسایی کشتی با استفاده از توسعه تحلیل‌های زیرمنظر تصاویر رادار با روزنه مجازی در داده‌های پلاریمتری}, abstract_fa ={نظارت بر نواحی دریایی با استفاده از سنجش از دور به دلایل امنیتی و همچنین به جهت حفاظت از محیط زیست، امری لازم و حیاتی است. رادار با روزنه مجازی با در نظر گرفتن امکان اخذ تصاویر با وضوح بالا در هنگام شب و در هر شرایط آب و هوایی می‌تواند نقش مهمی را در این زمینه ایفا کند. اخیراً روش‌هایی تحت عنوان تحلیل‌های زیرمنظر با هدف حفظ اطلاعات اهداف نقطه­ای مانند کشتی در طیف تصویر رادار با روزنه مجازی پیشنهاد شده است. در تحلیل‌های زیرمنظر، همبستگی کشتی‌ها در دو تصویر زیرمنظر حفظ می‌شود. براساس این ویژگی، در این مقاله ابتدا با استفاده از داده‌های پلاریمتریک، اطلاعات پایه‌های پلاریزاسیون مختلف و استخراج ویژگی از آماره‌های مرتبه دوم و با توجه به این که همبستگی کشتی‌ها در تصاویر زیرمنظر حفظ می‌شود؛ همبستگی مختلط بین زیرمنظرها  محاسبه می­شود. سپس با استفاده از معیاری وابسته به هر چهار کانال پلاریمتری و اطلاعات تمامی پایه‌های پلاریزاسیون، شناسایی کشتی‌ها از پس‌زمینه اقیانوس‌ها و دریا‌ها صورت می­گیرد. در روش پیشنهادی، شناسایی کشتی بر روی داده‌های اخذ شده به وسیله سنجنده فضابرد رادارست2 در باند C از منطقه سانفرانسیسکو پیاده­سازی شده و نتایج آزمایشات نشان می­دهد که روش ارائه شده می‌تواند کشتی را از پس‌زمینه (کلاتر آب) با تضاد بهینه و دقت مطلوب شناسایی نماید. به طوری که روش پیشنهادی به لحاظ عملکرد شناسایی دقیق تر از روش‌های دیگر پلاریمتری و همچنین روش‌های مبتنی بر تحلیل‌های طیفی است.}, keywords_fa = {تحلیل‌های زیرمنظر, شناسایی کشتی , داده‌های پلاریمتریک, پلاریزاسیون, همبستگی}, doi = {10.29252/jgit.8.1.1}, url = {http://jgit.kntu.ac.ir/article-1-781-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-781-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2020} } @article{ author = {AhooeiNezhad, Shahrzad and ValadanZoej, Mohammad Javad and Jannati, Mojtab}, title = {Accuracy improvement of Best Scanline Search Algorithms for Object to Image Transformation of Linear Pushbroom Imagery}, abstract ={Unlike the frame type images, back-projection of ground points onto the 2D image space is not a straightforward process for the linear pushbroom imagery. In this type of images, best scanline search problem complicates image processing using Collinearity equation from computational point of view in order to achieve reliable exterior orientation parameters. In recent years, new best scanline search methods have been proposed to use in respective applications. This article tries to improve two previous methods named image space sequential search and bisecting window search. The proposed approach has a three-stage procedure. At first, considering exterior orientation parameters of reference line, approximate time for ground point is estimated with a high precision using sequential search and bisecting window search. In the second stage, the neighboring scanlines of the ground point are determined in image space. Finally, in the third stage the best scanline is calculated with a subpixel precision by interpolating the neighboring scanlines. Experimental results from two different datasets show that the proposed method outperforms the two foresaid existing methods which results in 13% accuracy improvement using real ground points and 30% accuracy improvement using simulated ground points.}, Keywords = {Best Scanline Search, Pushbroom imaging, Object to image back-projection.}, volume = {8}, Number = {1}, pages = {23-38}, publisher = {kntu}, title_fa = {بهبود دقت جستجوی بهترین خط جاروب جهت تبدیل مختصات از فضای زمین به فضای تصویر در تصاویر پوشبروم}, abstract_fa ={برخلاف یک تصویر فریم­تایپ، انتقال نقاط از فضای شئ به فضای تصویر برای یک تصویر آرایه خطی، یک روند سرراست و مستقیم نیست. در اینگونه تصاویر مساله جستجوی بهترین خط جاروب به منظور حصول به پارامترهای توجیه خارجی قابل اطمینان درصورت استفاده از مدل شرط همخطی، تبدیل مختصات از فضای شئ به فضای تصویر را از نظر محاسباتی پیچیده­تر میکند. در طول سالیان اخیر، چندین روش جستجوی بهترین خط جاروب توسط محققان مختلف ارائه شده است. در این مقاله، سعی بر بهبود دو روش جستجوی متوالی فضای تصویر و پنجره جستجوی نصف­کننده میباشد. روش­های پیشنهادی برای جستجوی بهترین خط جاروب، شامل سه مرحله اصلی است. در مرحله اول با در اختیار داشتن پارامترهای توجیه خارجی سنجنده، طی یک فرآیند جستجو مطابق روش جستجوی متوالی یا روش پنجره جستجوی نصف کننده برای هر نقطه یک تخمین از زمان اخذ آن یا سطر تقریبی نقاط بدست می­آید. در مرحله دوم خطوط جاروب صحیح همسایه، در فضای تصویر محاسبه می­شوند. در نهایت، در مرحله سوم خطوط جاروب صحیح همسایه به منظور تعیین بهترین خط جاروب در سطح زیرپیکسل درونیابی میشوند. نتایج تجربی حاصل از پیاده سازی روش­های پیشنهادی بر روی دو دسته داده­ آزمایشی تصاویر ماهواره­ای سنجنده های اسپات و رپیدآی از منطقه زنجان و شیراز، نشان می­دهد که این روش نسبت به دو روش جستجوی متوالی و پنجره جستجوی نصف کننده از بهبود دقت 13% در نقاط واقعی و 30% در نقاط شبیه­سازی شده برخوردار است.}, keywords_fa = {جستجوی بهترین خط جاروب, انتقال مختصات از فضای زمین به تصویر, تصویربرداری آرایه خطی}, doi = {10.29252/jgit.8.1.23}, url = {http://jgit.kntu.ac.ir/article-1-782-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-782-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2020} } @article{ author = {Ali-Yari, Somayeh and NeissaniSamani, Najmeh and JelokhaniNayarki, Mohammad Rez}, title = {Uncertainty Modeling of a Group Tourism Recommendation System Based on Pearson Similarity Criteria, Bayesian Network and Self-Organizing Map Clustering Algorithm}, abstract ={Group tourism is one of the most important tasks in tourist recommender systems. These systems, despite of the potential contradictions among the group's tastes, seek to provide joint suggestions to all members of the group, and propose recommendations that would allow the satisfaction of a group of users rather than individual user satisfaction. Another issue that has received less attention is the uncertainty of the memberships ambiguity of a tourist to a group in these systems. This kind of uncertainty is generally caused by the lack of complete information about the opinions of all members in a group and the uncertainty in the process of aggregating users’ viewpoints. The purpose of this research is to develope a group recommendation system through uncertainty modeling. For this purpose, a recommendation algorithm based on Bayesian network, Pearson similarity factor and Self-Organizing Map (SOM) clustering algorithm have been developed. Using the Bayesian network and probabilistic relationships, the existing uncertainties are modeled and their tourism preferences are estimated for each group. Also, according to the relevance parameter in calculating similarity among users, the effect of insufficient information about users in the criteria scoring phase was further reduced, which leads to provide similar recommendations to more similar individuals in a group. Further, tourist attractions and the optimal routes between them are proposed to each group of users via Google map. The results show that in the worst case the value of mean absolute error (MAE) is equal to 1.263, while it is 0.032 in the best case. Also, the success score demonstrates a high level of satisfaction while the maximum and minimum values are 75.353% and 58.509% respectively, which indicates the success of the developed group recommendation system.}, Keywords = {Tourism, uncertainty, Bayesian Network, SOM Clustering, recommendation.}, volume = {8}, Number = {1}, pages = {39-61}, publisher = {kntu}, title_fa = {مدل‌سازی عدم‌قطعیت در یک سیستم توصیه‌گر گردشگری گروهی بر مبنای معیار شباهت پیرسون، شبکه بیزین و الگوریتم خوشه‌بندی نگاشت خودسازمان‌دهنده}, abstract_fa ={امروزه گردشگری گروهی یکی از مهمترین رویکردهای موجود در سیستم‌های توصیه­گر گردشگری می‌باشد. این سیستم­ها با وجود تناقضات احتمالی میان سلایق افراد گروه، درصدد ارائه­­ پیشنهادات مشترک به تمامی اعضای گروه هستند و توصیه­هایی را پیشنهاد می­کنند که جلب رضایت گروهی از کاربران را به جای رضایت فردی در نظر دارد. پرداختن به مسأله­ عدم قطعیت ناشی از ابهام در تعلق یک فرد به یک گروه گردشگری در این سیستم­ها، مسأله­­ دیگری که کمتر مورد توجه قرار گرفته است. این نوع عدم قطعیت عموما بعلت عدم وجود اطلاعات کامل در رابطه با نظرات همه­ اعضای گروه و عدم قطعیت در فرآیند ترکیب نظرات افراد ایجاد می‌شود. هدف این پژوهش، ایجاد ساختار توصیه­گری گروهی و مدل­سازی عدم قطعیت می‌باشد و برای این منظور، یک الگوریتم توصیه­گر گروهی مبتنی بر شبکه بیزین، معیار شباهت پیرسون و الگوریتم خوشه­بندی نقشه خودسازنده توسعه داده شده است. با استفاده از شبکه­ی بیزین و روابط احتمالاتی، عدم قطعیت موجود مدل‌سازی گردیده و برای گروه­های تشکیل شده، ترجیحات گردشگری آنها تخمین زده می­شود. همچنین با استفاده از دخالت پارامتر درجه ارتباط در محاسبه­ شباهت بین کاربران، اثر نبود اطلاعات کافی در مورد نظر کاربران در مرحله­ امتیازدهی معیارها نیز کمرنگ­تر گردیده و با ایجاد گروه­بندی افرادی که دارای شباهت ذاتی بیشتری بوده، ارائه­ پیشنهادات به افراد دارای سلایق مشابه در قالب یک گروه، صورت گرفته است. در ادامه جاذبه­های گردشگری متناسب به گروهی از کاربران پیشنهاد داده شده و در نهایت جاذبه­های گردشگری پیشنهادی متناسب با هر گروه و مسیرهای بهینه بین آنها با استفاده از نقشه گوگل ارائه گردیده است. نتایج حاصل نشان می دهد که خطا در بدترین حالت بر اساس نرخ واقعی 263/1 و در بهترین حالت 032/0 می‌باشد. همچنین درصد موفقیت نیز در سطوح بالای رضایت یعنی کمینه 509/59 و بیشینه 353/75 موفقیت الگوریتم توصیه­گری گروهی را خاطر نشان می‌کند.}, keywords_fa = {گردشگری گروهی, عدم قطعیت, شبکه بیزین, الگوریتم خوشه‌بندی نقشه خودسازنده, توصیه‌گری.}, doi = {10.29252/jgit.8.1.39}, url = {http://jgit.kntu.ac.ir/article-1-783-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-783-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2020} } @article{ author = {KianiShahvandi, Mostafa and Chegini, Nabiollah and Safari, Abdolreza and Nazari, Borzoo}, title = {Producing Gravity Acceleration at Sea Surface in Persian Gulf Using Ellipsoidal Splines}, abstract ={In this paper, a method is proposed for producing gravity acceleration at sea surface in the Persian Gulf. This method is based on the Geoid height from satellite altimetry, high resolution Geopotential models, and ellipsoidal splines. First, the definition of the ellipsoidal spline functions is presented in a Hilbert space, which is consisted of infinitely often differentiable functions. In order to define the elipsoidal spline functions, the norm of the differential operators, including the Beltrami and Helmholtz in both the simple and iterated form, are minimized. In this respect, the reproducing kernels and the Green functions play an important role. The derived formulae are used to produce gravity acceleration at sea surface.  To perform this method, the Geoid height, derived from satellite altimetry, is transformed into potential residual by Bruns formula. Then, the actual potential is derived by adding the Geoid’s potential to the potential residuals. To obtain potential difference values,  the effect of the reference field is subtracted from the actual potential values. By using ellipsoidal splines, the potential difference values are interpolated, which represent an analytical formula.  By using the gradient of the analytical formula, we arrive at the gravity difference values. The removed effect of the reference field is added to the gravity difference values to obtain the gravity accelerations by adding the gravity values of a Geopotential model up to the degree and order 360, plus the centrifugal force. In the final step, the obtained gravity accelerations are moved to the sea surface using free air correction. A comparison between ellipsoidal and spherical splines is also presented.}, Keywords = {Minimization of the norm of the differential operators, Reproducing kernels, ellipsoidal splines, data interpolation, gravity acceleration derived from Shipborne Gravimetry.}, volume = {8}, Number = {1}, pages = {63-78}, publisher = {kntu}, title_fa = {اسپلاین بیضوی و کاربرد آن در تولید داده‌های شتاب ثقل سطح دریا در خلیج فارس}, abstract_fa ={در این مقاله، روش درون‌یابی برای تولید داده‌های شتاب ثقل در سطح دریا در خلیج‌ فارس با استفاده از ژئوئید حاصل از ارتفاع‌سنجی ماهواره‌ای، مدل‌های ژئوپتانسیل با قدرت تفکیک بالا‌ و اسپلاین بیضوی ارائه می‌گردد.  ابتدا به تعریف توابع اسپلاین بیضوی در یک فضای هیلبرت متشکّل از تمامی توابع بی­نهایت بار مشتق­پذیر پرداخته شده است. جهت تعریف توابع اسپلاین، نرم عملگرهای دیفرانسیلی خطی ازجمله بلترامی و هلمهولتز (از نوع ساده و تکراری) بر روی یک رویه بیضیگون کمینه گردیده و توابع اسپلاین به گونه‌ای تعیین می‌شوند که در شرایط دیریکله گسسته معلوم بر روی سطح بیضیگون صدق نمایند. در این راستا توابع گرین و نیز هسته های بازتولید فضاهای هیلبرت نقش مهمی را ایفا می‌کنند. جهت تولید داده‌های شتاب ثقل، ابتدا ارتفاع ژئوئید به دست‌آمده از روش ارتفاع‌ سنجی ماهواره‌ای توسط رابطه‌ی برونز بیضوی به پتانسیل باقیمانده تبدیل و به آن پتانسیل ژئوئید اضافه می­گردد تا پتانسیل واقعی بدست آید.  در ادامه اثر میدان مرجع از روی پتانسیل واقعی حذف و اختلاف پتانسیل حاصل می گردد.  در مرحله­ی بعد، با استفاده از اسپلاین بیضوی برای مسأله‌ دیریکله گسسته به اختلاف پتانسیل تابعی برازانده و عملگر گرادیان بر روی آن اعمال می­شود. پس از آن اثر میدان مرجع حذف شده، به صورت شتاب ثقل به مقادیر به دست آمده از مرحله­ قبل افزوده می­گردد. برای این منظور، از بسط شتاب جاذبه بیضوی تا درجه و مرتبه 360 به علاوه نیروی گریز از مرکز استفاده می­شود. داده‌های شتاب‌ ثقل به‌دست آمده توسط آنومالی هوای آزاد به سطح ژئوئید منتقل می‌شوند.  در نهایت مقایسه‌ای بین روش درون‌یابی‌ اسپلاین بیضوی و کروی ارائه می گردد.}, keywords_fa = {کمینه‌سازی نرم عملگر دیفرانسیلی, هسته باز تولید , اسپلاین بیضوی, درون یابی, شتاب ثقل حاصل از عملیات کشتی.}, doi = {10.29252/jgit.8.1.63}, url = {http://jgit.kntu.ac.ir/article-1-784-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-784-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2020} } @article{ author = {SoodmandAfshar, Reza and Ahmadi, Salm}, title = {Monitoring of land subsidence due to overexploitation of groundwater using PS-InSAR in the region in hamadan proviance, Iran}, abstract ={Land subsidence is one of the environmental hazards that has been less well-regarded by human societies due to lower human casualties. However, the earth subsidence causes irreparable damage to the urban areas and adjacent plains over time. In this study, Permanent Scatterer (PS) method has been used to monitor land subsidence in the region in hamadan proviance and its adjacent plains in west of Hamadan province using 89 Sentinel-1A satellite images in ascending pass and 85 descending pass images. Based on the results of our study, the Badkhora and Jannatabad villages in the region in hamadan proviance compared to the other regions have the maximum of average subsidence rate of PSs, with subsidence rate of 200-220 mm/year. Furthermore, according to the results, it can be conducted that the rate of subsidence from urban areas towards the plains have been raised. In addition, in urban areas the model has chosen more PSs with higher mean temporal coherence than mixed areas including plain and urban. In order to find the cause of subsidence, the information of piezometric wells in the study area and its temporal changes were investigated. In this regard, one of the main causes of land subsidence in the region in hamadan proviance and adjoining plains due to the increasing depth of piezometric wells in the study period can be attributed to the high pumping of groundwater resources.}, Keywords = {Land subsidence, Interferometry, PS-InSAR technique.}, volume = {8}, Number = {1}, pages = {79-99}, publisher = {kntu}, title_fa = {پایش فرونشست زمین در اثر برداشت بی‌رویه آب‌های زیر زمینی با استفاده از تکنیک تداخل‌سنجی راداری به روش پراکنش‌گرهای دائمی (مطالعه‌ موردی: شهرستان اسدآباد و دشت‌های مجاور)}, abstract_fa ={فرونشست زمین از معدود مخاطرات زیست­محیطی است که به دلیل تلفات انسانی پایین نسبت به دیگر مخاطرات بسیار کمتر مورد توجه جوامع انسانی قرار گرفته است. با این وجود پدیده فرونشست در گذر زمان خساراتی جبران­ناپذیر را به پیکره مناطق شهری و دشت­های مجاور در طول زمان وارد می‌سازد. در پژوهش حاضر جهت پایش فرونشست زمین در شهرستان اسدآباد و دشت­های مجاور واقع در غرب استان همدان از روش پراکنش­گرهای دائمی با استفاده از 89 تصویر ماهواره سنتینل در گذر صعودی و 85 تصویر در گذر نزولی استفاده شده است. بر اساس خروجی­های حاصل از این تحقیق در منطقه روستای بادخوره و جنت­آباد شهرستان اسدآباد، بیشینه میانگین نرخ فرونشست 220-200 میلی­متر در سال نسبت به دیگر مناطق، در بازه زمانی مطالعاتی صورت گرفته است. همچنین با توجه به نتایج حاصل از تحقیق می توان گفت که نرخ فرونشست از مناطق شهری به سمت دشت­های اطراف صعودی بوده است. بعلاوه مدل مورد استفاده در مناطق شهری تعداد نقاط پراکنش­گر بیشتر با میانگین همبستگی زمانی بیشتری را نسبت به مناطق مختلط شامل دشت و شهری انتخاب کرده است. در ادامه جهت یافتن علت فرونشست، اطلاعات چاه­های پیزومتری موجود در منطقه اخذ و تغییرات آنها در طول زمان بررسی گردید. در این خصوص می‌توان گفت که یکی از دلایل اصلی فرونشست زمین در شهرستان اسدآباد و دشت­های مجاور با توجه به رفتار افزایشی عمق چاه­های پیزومتری موجود در منطقه در بازه زمانی مطالعاتی را می‌توان به برداشت بی­رویه از منابع آب­های زیرزمینی نسبت داد.}, keywords_fa = {فرونشست, تداخل‌سنجی راداری, تکنیک پراکنش‌گرهای دائمی.}, doi = {10.29252/jgit.8.1.79}, url = {http://jgit.kntu.ac.ir/article-1-785-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-785-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2020} } @article{ author = {Razaghmanesh, Ashkan and AllahyariBek, Samira and Safdarinezhad, Alirez}, title = {A Sparse Representation Method to Detect Saffron Agricultural Lands Using Sentinel-II Satellite Images Time}, abstract ={Nowadays, agricultural management via remote sensing technology has gained a special position among managers and the people who are in charge of this industry. Saffron (Red Gold) is one of specific Iran’s agricultural products with a high economic valance which is used in different fields of food and medical industries. Considering the cultivation conditions of the saffron, there has not a persistent condition to plant in farmland, and it could not be recommended to plant saffron on the same land continuously. So, their cultivation area varies every year and the prediction of annual yields could be useful for managing aims. In this paper, considering the phenological behavior of the saffron farmlands, the detection of these farmlands using a novel target detection algorithm is proposed. To do so, a time series of the Normalized Difference Vegetation Index (NDVI) extracted from Sentinel-2 satellite images have been used as the indicator of the phenological of cultivation areas. In the proposed method, a sparse representation method is used as the target detector. In this procedure, each pixel of the NDVI time series is reconstructed through a dictionary consists of the spectra-temporal response of the saffron farmland and background samples. The sub-dictionary of the background samples has randomly sampled from a clustered feature space spanned by time series pixels. A filtering step has also been designed to avoid the selection of the target-like samples in the sub-dictionary of the backgrounds. On average, the results achieved in three different datasets in the Neyshabour city have reached 93.1% accuracies. Also, the proposed method in comparison with the well-known target detectors CEM, ACE, MF, and the parallelepiped and SVM classifiers have been indicated, on average, the 4.8% accuracy improvements.}, Keywords = {Target Detection, Sparse Representation, Similarity Measure, Time Series, Saffron, NDVI.}, volume = {8}, Number = {1}, pages = {101-123}, publisher = {kntu}, title_fa = {آشکارسازی زمین‌های زراعی زعفران در سری زمانی تصاویر ماهواره‌ای سنتینل-2 به کمک روش تخمین تنک}, abstract_fa ={امروزه مدیریت محصولات کشاورزی از طریق فن‌آوری سنجش از دور جایگاه ویژه‌ای در میان مدیران و تصمیم‌گیران حوزه‌ی کشاورزی پیدا کرده است. زعفران با عنوان طلای سرخ، یکی از محصولات کشاورزی خاص ایران و با ارزش اقتصادی بالا محسوب می‌شود که در حوزه‌های مختلف دارویی و غذایی مورد استفاده قرار می‌گیرد. بواسطه‌ی ویژگی‌های کاشت این محصول، در یک زمین زراعی نمی‌توان بطور پایدار زعفران استحصال نمود. بر این اساس، سطح زیرکشت این محصول هرساله متغیر بوده و پیش‌بینی و برآورد سالانه سطح آن می‌تواند برای اهداف مدیریتی کارآمد باشد. در این مقاله با مبنا قرار دادن رفتار فنولوژیکی زمین­های زراعی زعفران، راهکاری به منظور آشکارسازی این زمین­های زراعی از طریق الگوریتم‌های آشکارسازی هدف با استفاده از سری زمانی شاخص تفاضلی گیاهی نرمال شده مستخرج از تصاویر ماهواره‌‌ای سنتینل-2 پیشنهاد شده است. رویکرد آشکارسازی زمین‌های زعفران در این تحقیق مبتنی بر تخمین تنک پاسخ زمانی– طیفی سری ‌زمانی از طریق یک واژه نامه متشکل از پاسخ زمانی– طیفی زمین‌های زعفران و نمونه‌های پس‌زمینه می‌باشد. در این روند، ساختار زیرماتریس واژه نامه عناصر پس‌زمینه بصورت اتفاقی و مبتنی بر خوشه‌بندی فضای ویژگی تولید شده و در ادامه به منظور حفظ تفکیک‌پذیری با نمونه‌های هدف، فیلترگذاری شده‌اند. نتایج پیاده‌سازی این ایده در سه منطقه‌ مورد آزمون در شهرستان نیشابور بطور متوسط دقت 1/93 درصدی را بدنبال داشته و در مقایسه با روش‌های آشکارسازی CEM، ACE، MF و طبقه‌بندی‌کننده‌های متوازی‌السطوح و SVM بطور متوسط بهبود 8/4 درصدی را داشته است.}, keywords_fa = {آشکارسازی هدف, تخمین تنک, سری زمانی, گیاه زعفران, شاخص گیاهی.}, doi = {10.29252/jgit.8.1.101}, url = {http://jgit.kntu.ac.ir/article-1-786-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-786-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2020} } @article{ author = {AsghariBeirami, Behnam and Mokhtarzadeh, Mehdi}, title = {Hyperspectral Images Classification by Combination of Spatial Features Based on Local Surface Fitting and Spectral Features}, abstract ={Hyperspectral sensors are important tools in monitoring the phenomena of the Earth due to the acquisition of a large number of spectral bands. Hyperspectral image classification is one of the most important fields of hyperspectral data processing, and so far there have been many attempts to increase its accuracy. Spatial features are important due to their ability to increase classification accuracy. In the present paper, a new method is proposed for the spatial features generation of hyperspectral images based on local surface fitting technique. In this method, a surface is fitted to the gray level intensity of the image in the local window around each pixel, and the fitted coefficients, the coefficients of the first and second fundamental forms, curvatures, divergence of the gradient, the area of ​​the gray level intensity of the image and the volume enclosed below the surface are produced in the various window sizes as spatial features. Proposed spatial features stacked with spectral features and form the spectral-spatial vector. this rich spatial-spectral vector is classified with K-nearest neighbor and support vector machine classifiers. The experiments of this paper that are conducted on two real hyperspectral images in agricultural and urban areas show the superiority of the proposed method. The final results show that the overall accuracy of the proposed method in the best case is 7%  higher than other competitor methods.}, Keywords = {Classification, Hyperspectral Images, Local Surface Fitting Features, Texture, Feature extraction.}, volume = {8}, Number = {2}, pages = {1-19}, publisher = {kntu}, title_fa = {طبقه‌بندی تصاویر ابرطیفی با استفاده از ترکیب ویژگی‌های مکانی مبتنی بر برازش محلی رویه و ویژگی‌های طیفی}, abstract_fa ={سنجنده‌های ابرطیفی به واسطه اخذ تعداد زیادی از باندهای طیفی، همواره دارای اهمیت خاصی در پایش پدیده‌های سطح زمین می‌باشند. طبقه‌بندی تصاویر ابرطیفی از جمله مهم‌ترین شاخه‌های پردازشی داده‌های ابرطیفی است که تا به حال تلاش‌های زیادی برای افزایش دقت آن صورت گرفته است. ویژگی‌های بافتی به دلیل اینکه می‌توانند سبب افزایش دقت طبقه‌بندی شوند همواره مورد توجه بوده‌اند. در مقاله حاضر روشی جدید برای تولید ویژگی‌های مکانی از تصاویر ابرطیفی مبتنی بر برازش محلی رویه معرفی شده است. در این روش رویه‌ای به سطح خاکستری تصویر در محدوده اطراف هر پیکسل برازش داده می‌شود و از ضرایب رویه برازش داده شده، ضرایب فرم‌های اساسی اول و دوم، انحناهای سطح، دیورژانس گرادیان، مساحت سطح خاکستری تصویر و حجم محصور در زیر رویه در ابعاد پنجره گوناگون به عنوان ویژگی مکانی استفاده می‌شوند. ویژگی‌های مکانی پیشنهادی در کنار ویژگی‌های طیفی قرار گرفته بردار طیفی- مکانی حاصل به کمک دو روش K همسایگی نزدیک و ماشین بردار پشتیبان طبقه‌بندی می‌شود. آزمایش‌های این مقاله که بر روی دو تصویر ابرطیفی حقیقی از دو منطقه کشاورزی و شهری صورت گرفته است؛ نشان از برتری روش پیشنهادی دارد. نتایج نهایی نشان می‌دهد که دقت کلی طبقه‌بندی با روش پیشنهادی می‌تواند در بهترین حالت 7 درصد از دقت کلی روش‌های رقیب بیشتر باشد.}, keywords_fa = {طبقه‌بندی, تصاویر ابرطیفی, ویژگی‌های برازش محلی رویه, بافت, استخراج ویژگی.}, doi = {10.29252/jgit.8.2.1}, url = {http://jgit.kntu.ac.ir/article-1-793-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-793-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2020} } @article{ author = {Arabsahebi, Reza and voosoghi, Behzad and Tourian, Mohammad-Jav}, title = {Sensitivity Analysis of Brown Model Waveform in Radar Altimetry}, abstract ={ In satellite altimetry (radar altimetry), the altimeter emits a pulse, with known power, to the earth surface and receives it back continuously to determine of the sea surface height. The time series of the mean returned power is recorded individually at satellite as the so-called waveform. Analytical model for the waveform is first introduced by Brown, which consists of six parameters: significant wave height, epoch, skewness of surface, off-nadir angle, thermal noise and backscatter coefficient. The midpoint of the waveform has the main role in determining the distance between sensor and water surface (range). Then, assessing sensitivity of the model to these parameters plays an important role in determining reliability of the range parameter. In this study, the received waveform sensitivity analysis to the mentioned parameters is done for simulated waveform of JASON-2 radar altimetry mission. Then, in order to demonstrate effect of the parameters in observed JASON-2 data, 22 points are chosen over Persian Gulf and Oman Sea from cycle 208 and sensitivity analysis is performed using these points. Our results indicate that the mid-point of the waveform shape is less affected by significant wave height, skewness of surface and off-nadir angle but epoch of half height affects mid-point position significantly, which results in inaccurate range calculation. Because the process of determining the waveform components is a repetitive process, we discuss the choice of initial values of the parameters for using the least squares estimation.}, Keywords = {Radar altimetry, sensitive analysis, waveform, Brown model, least square method}, volume = {8}, Number = {2}, pages = {21-38}, publisher = {kntu}, title_fa = {آنالیز حساسیت شکل موج مدل براون در ارتفاع‌سنجی راداری}, abstract_fa ={در ارتفاع­سنجی ماهواره­ای (ارتفاع­سنجی راداری)، سنجنده به منظور تعیین ارتفاع سطح آب، پالس­های راداری با توان معلوم را به سمت زمین ارسال و انعکاس آنرا بطور پیوسته ثبت می­کند. سری زمانی متوسط توان بازگشتی ثبت شده در سنجنده، " شکل موج" نامیده می­شود. مدل ریاضی شکل موج بازگشتی که اولین بار توسط براون معرفی شد؛ تحت تأثیر شش پارامتر : ارتفاع موثر موج، اپک زمانی، اریبی سطح، خروج از نادیر، سطح نویز حرارتی و ضریب پراکنش سطح می­باشد. نقطه میانی شکل­موج، نقش اصلی را در تعیین فاصله سنجنده تا سطح آب برعهده دارد. بنابراین ارزیابی میزان حساسیت این مدل ریاضی به شش پارامتر مذکور، می­تواند در تعیین دقیق­تر فاصله سنجنده تا سطح آب نقش مهمی را ایفا کند. در این تحقیق، آنالیز حساسیت شکل موج بازگشتی برای شکل موج شبیه­سازی شده مأموریت ارتفاع­سنجی راداری جیسون-2 به انجام رسیده است. سپس، برای نشان دادن اثر پارامترهای اشاره شده در حالت واقعی در شکل موج بازگشتی جیسون-2، در مسیر موجود در منطقه خلیج فارس و دریای عمان از سیکل 208 این ماهواره 22 نقطه انتخاب و آنالیز حساسیت پارامترها انجام گرفته است. نتایج حاصل نشان داد که موقعیت نقطه میانی شکل موج از حساسیت کمتری نسبت به پارامترهای ارتفاع موثر موج، خروج از نادیر و اریبی سطح برخوردار بوده و در مقابل، پارامتر اپک زمانی باعث جابجایی محسوسی در مکان نقطه میانی و در نتیجه ایجاد خطا در تعیین فاصله می­گردد. چون فرایند تعیین مولفه­های تشکیل دهنده شکل موج یک فرایند تکراری است؛ در این تحقیق نشان داده می­شود که چگونه می­توان مقادیر اولیه این پارامترها را برای استفاده در روش کمترین مربعات برآورد نمود.}, keywords_fa = {ارتفاع‌سنجی راداری, آنالیز حساسیت, شکل‌موج, مدل براون, روش کمترین مربعات.}, doi = {10.29252/jgit.8.2.21}, url = {http://jgit.kntu.ac.ir/article-1-794-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-794-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2020} } @article{ author = {TaefiFeijani, Masoud and Azadnejad, Saee}, title = {Introducing the improved Forest Canopy density (FCD) model for frequent assessment of Hyrcanian forest}, abstract ={Mapping of forest extent is a prerequisite to acquire quantitative and qualitative information about forests and to formulate management and conservation strategies. forest canopy density (FCD) model is one of the useful RS methods for forest mapping using satellite images. One of the most serious challenges in FCD model is the weakness in the calculation of canopy density in low density forests as well as plain forests. Due to the existence of chlorophyll in croplands, shrubs, pastures, etc., FCD model has difficulty to determinate the forests areas from the other mentioned land cover. Hence, this paper is focused on improving the performance of FCD model to overcome this limitation. This improvement yield by adding a new forest color composite index (FCCI) and removing non-forest vegetation using the average kernel and DEM regard to standard forest definition. In this study, in order to implement and evaluate the performance of the improved model, time series of Landsat images acquired from USGS Landsat standard level-2 products archive. In this study, Landsat time series images acquired from USGS Landsat standard level-2 products were used to estimate forest canopy density in Hyrcanian forests of northern Iran. The results indicated the higher accuracy of the proposed model. Moreover, overall accuracy and kappa index of the model were 10% and 24% superior to initial model, respectively. As a second objective, in order to implement and evaluate the performance of the improved model, canopy changes of the Hyrcanian forests were also examined. In general, the results of this study showed that the total area of Hyrcanian forest increased from 154,272 hectares from 1987 to 2017. Mazandaran, Gilan and Golestan provinces contributed 75,070, 47,615 and 31,567 hectares respectively. In addition, the results showed that the area of Hyrcanian forests decreased by 17,631 hectares between 2009 and 2017.}, Keywords = {Hyrcanian forest, Forest canopy density model, Landsat time series data, plain forests.}, volume = {8}, Number = {2}, pages = {39-58}, publisher = {kntu}, title_fa = {معرفی مدل بهینه‌شده تراکم تاج پوشش جنگل (FCD) به منظور ارزیابی و پایش مستمر جنگل‌های هیرکانی}, abstract_fa ={نقشه­برداری از مساحت جنگل یک پیش نیاز برای به دست آوردن اطلاعات کمی و کیفی در مورد جنگل­ها و تدوین استراتژی­های مدیریتی و حفاظتی است. مدل بهبود یافته تراکم تاج-پوشش جنگل (FCD) یکی از روش­های پرکاربرد برای نقشه­برداری از جنگل­ها با استفاده از تصاویر ماهواره­ای است. یکی از جدی­ترین چالش­های مدل FCD ضعف در محاسبه تراکم تاج-پوشش در جنگل­های کم تراکم و همچنین جنگل­های جلگه­ای است. با توجه به کلروفیل موجود در مزارع زراعی­، بوته­ها­، مراتع و غیره­، مدل FCD در تعیین مناطق جنگلی از سایر پوشش اراضی ذکر شده مشکل دارد. از این رو­، هدف اصلی این مقاله بر بهبود عملکرد مدل FCD برای غلبه بر این محدودیت متمرکز شده است. این عملکرد بهبودی با اضافه کردن یک شاخص جدید به نام ترکیب رنگی پوشش جنگل و از بین بردن پوشش گیاهی غیر جنگلی با استفاده از کرنل میانگین و مدل رقومی ارتفاع با توجه به تعریف استاندارد جنگل حاصل شد. در این مطالعه از تصاویر سری زمانی ماهواره لندست به منظور برآورد تراکم در جنگل­های هیرکانی استفاده شد. بررسی و ارزیابی نتایج حاکی از افزایش صحت کلی و ضریب کاپای مدل FCD بهبودیافته نسبت به مدل FCD اولیه است که افزایش مقادیر آن به ترتیب حدود 10% و 24/0 می‌باشد.  همچنین در راستای این هدف و به عنوان ارزیابی و مقایسه کارایی این مدل نسبت به مدل اولیه، تغییرات سطح جنگل­های هیرکانی نیز به عنوان هدف ثانویه مورد بررسی قرار گرفت. به طور کلی نتایج این بررسی نشان داد مساحت کل جنگل­های هیرکانی از سال 1366 تا سال 1396 حدود 154 هزار و 272 هکتار افزایش داشته است. سهم سه استان مازندران، گیلان و گلستان در این افزایش به ترتیب حدود 75070، 47615 و 31567 هکتار بوده است. علاوه بر این، نتایج نشان داد مساحت جنگل­های هیرکانی در بین بازه سال­های 1388 تا 1396 حدود 17 هزار 631 هکتار کاهش داشته است. دستاورد کلی این تحقیق حاکی از آن است که برای برآورد مساحت دقیق جنگل­ها با استفاده از مدل FCD نیاز به تصاویر با قدرت تفکیک مکانی بسیار بالا می­باشد.}, keywords_fa = {جنگل‌های هیرکانی, مدل تراکم تاج پوشش جنگلی, داده‌های سری زمانی لندست, جنگل‌های جلگه‌ای.}, doi = {10.29252/jgit.8.2.39}, url = {http://jgit.kntu.ac.ir/article-1-795-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-795-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2020} } @article{ author = {Mirzaei, Saham and Bahrami, Hossein Ali and Alavipanah, Seyyed Kazem and Mousivand, Ali jafar}, title = {Improving the clay, silt and sand of soil prediction by removing the influence of moisture on reflectance using EPO}, abstract ={Moisture is one of the most important factors that affects soil reflectance spectra. Time and spatial variability of soil moisture leads to reducing the capability of spectroscopy in soil properties estimation. Developing a method that could lessen the effect of moisture on soil properly prediction using spectrometry, is necessary. This paper utilises an external parameter orthogonalisation (EPO) algorithm to remove the effect of soil moisture from spectra for the estimation of texture element contents of soil. ?????The reflectance of 175 soil samples with nominal moisture contents approximately air dry, 6, 12, 18, 24, 30 and 36% were measured. Cross validation was adapted to determine the optimum number of components in the EPO matrix model-coupled. PLSR method has been used for estimation of soil propetrices. The result shows that the presence of moisture leads to reducing the acuraccy reduction of clay (from R2=0.70 to R2=0.38), silt (from R2=0.34 to R2=0.20), and sand (from R2=0.40 to R2=0.30) prediction. Reduction in the accuracy increases by increasing the moisture levels. Removing the effects of moisture from the soil reflectance by EPO algorithm lead to improving 0.23, 0.12 and 0.16 in R2 of clay, silt and sand prediction by PLSR model, respectively. Therefore, using the EPO-PLS method, in any moisture level, VNIR spectroscopy is a viable tool for estimation of soil texture elements.}, Keywords = {EPO, PLSR, spectroscopy, soil moisture, soil texture.}, volume = {8}, Number = {2}, pages = {59-74}, publisher = {kntu}, title_fa = {ارتقاء صحت برآورد رس، سیلت و شن خاک با حذف اثر رطوبت از بازتابندگی طیفی}, abstract_fa ={رطوبت خاک یکی از مهمترین پارامترهای تاثیرگذار بر بازتاب طیفی خاک است. تغییرپذیری بالای رطوبت از نظر زمانی و مکانی، مانع بزرگی در تخمین ویژگی­های خاک با استفاده از داده­های طیف­سنجی میدانی ایجاد می­نماید. لذا توسعه روشی که بتواند تاثیرپذیری برآورد ویژگی­های خاک از تغییرات رطوبت را به حداقل برساند، ضروری است. برای حذف اثر رطوبت از بازتاب طیفی خاک، الگوریتم متعامدسازی پارامتر خارجی (EPO) توسعه داده شد. روش اعتبارسنجی متقاطع برای تعیین تعداد مؤلفه بهینه در ماتریس EPO مورد استفاده قرار گرفت. بازتابندگی طیفی ۱۷۵ نمونه خاک در ۷ سطح رطوبتی (هواخشک، ۶، ۱۲، ۱۸، ۲۴، ۳۰ و ۳۶٪) اندازه­گیری شد. با استفاده از الگوریتم EPO توسعه یافته، اثر رطوبت از طیف­های اندازه گیری شده برداشته شد. مدل رگرسیون حداقل مربعات جزئی (PLSR) برای مجموعه داده بدون و با اثر رطوبت واسنجی و سپس برای برآورد اجزای بافت خاک استفاده شد. حضور رطوبت در نمونه­های خاک منجر به کاهش دقت برآورد رس (از 70/0=R2 به 38/0=R2)، سیلت (از 34/0=R2 به 20/0=R2) و شن (از 40/0=R2 به 30/0=R2) با استفاده از مدل­های PLSR واسنجی شده از نمونه های خشک می­شود. کاهش دقت در سطح رطوبتی بالاتر با شدت بیشتری اتفاق می­افتد. حذف اثر رطوبت بوسیله الگوریتم EPO منجر به افزایش R2 در برآورد رس، سیلت و شن خاک با استفاده از مدل PLSR، به ترتیب، به میزان ۲۳/۰ و ۱۲/۰ و ۱۶/۰ گردید. بنابراین با استفاده از الگوریتم EPO، قابلیت طیف­سنجی برای برآورد اجزای بافت خاک تحت تاثیر تغییرات رطوبت خاک قرار نمی­گیرد و امکان استفاده از مدل­های توسعه یافته از نمونه­های هواخشک در مطالعات میدانی فراهم می­شود.}, keywords_fa = {EPO, PLSR, طیف‌سنجی, رطوبت خاک, بافت خاک.}, doi = {10.29252/jgit.8.2.59}, url = {http://jgit.kntu.ac.ir/article-1-796-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-796-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2020} } @article{ author = {Mohammadimoghaddam, Mohammad Bagher and Samadzadegan, Farhad and DadrassJavan, Farzaneh}, title = {3D Detection of Power-Transmission Lines in Point Clouds Using Random Forest Method}, abstract ={Inspection of power transmission lines using classic experts based methods suffers from disadvantages such as highel level of time and money consumption. Advent of UAVs and their application in aerial data gathering help to decrease the time and cost promenantly. The purpose of this research is to present an efficient automated method for inspection of power transmission lines based on point clouds achieved by aerial data. The proposed method followed by five steps: removing noise on point clouds and filtering point clouds in order to divide it into two parts of ground points and non-ground points, features extraction from non-ground point clouds and finally, power lines classified for 3d detection of power lines. For capability assessment of the proposed method, wo different data sets as aerial RGB based UAV imagery ad aerial laser based data is applied. Accuracy of the proposed method was 97.05% in total classification and 98.80% in power lines detection for dataset 1 taken over an urban area with spectral features. The total accuracy in classification was 95.48% and 96.81% in power lines detection for dataset 2 that taken from a rural area.}, Keywords = {Power-transmission lines detection, Random forest Classification, Laser Scanner Point Cloud, UAV based data.}, volume = {8}, Number = {2}, pages = {75-91}, publisher = {kntu}, title_fa = {تشخیص سه‌بعدی خطوط انتقال برق در ابر نقاط لیزر اسکنر با استفاده از روش جنگل تصادفی}, abstract_fa ={بازرسی از خطوط انتقال برق با استفاده از روش‌های سنتی و مرسوم دارای معایبی از قبیل سرعت‌پایین، احتمال آسیب‌دیدگی نیروی متخصص و هزینه بالا می‌باشد. لذا با توجه به توسعه فنّاوری‌های اخذ اطلاعات ازجمله لیدار  و ظهور پهپاد­های باقابلیت حمل سنجنده­های مختلف می‌توان این بازرسی‌ها را با دقت و سرعت بیشتری انجام داد و از معایب روش‌های سنتی و مرسوم کاست. هدف این پژوهش ارائه روشی کارا و خودکار برای بازرسی خطوط انتقال برق با استفاده از ابر نقاط است. روش پیشنهادی این پژوهش دارای پنج مرحله می‌باشد که به شرح ذیل می باشد: ابتدا در مرحله اول پیش‌پردازش‌هایی شامل حذف نویز بر روی ابر نقاط صورت گرفته و سپس در مرحله دوم ابر نقاط فیلتر شده و به دو بخش نقاط زمینی و غیر زمینی تقسیم‌ شده است، در مرحله سوم ویژگی‌هایی از ابرنقاط استخراج‌ گردیده است و در چهارم نیز طبقه‌بندی چند کلاسه ابر نقاط با استفاده از ویژگی های مرحله قبل صورت گرفته است که برای تحلیل­های مکانی مرتبط با خطوط انتقال برق بسیار حائز اهمیت است، در مرحله پنجم نیز ابرنقاط خطوط انتقال برق به صورت سه بعدی استخراج گردیده اند. بهره­گیری از روش لیزر مبنا و استفاده از ویژگی­های نقطه مبنا، دقت طبقه­بندی ابر نقاط و دقت شناسایی خطوط انتقال برق را افزایش داده است. دقت روش پیشنهادی این پژوهش، در مجموعه داده اول که از منطقه شهری اخذشده و دارای ویژگی طیفی نیز می‌باشد، برابر 05/97% دقت کلی طبقه‌بندی و 80/98 % دقت شناسایی خطوط انتقال برق می‌باشد و مجموعه داده دوم که از منطقه خارج شهری بوده و فاقد ویژگی‌های طیفی است، برابر 48/95%   دقت کلی طبقه‌بندی و 81/96 % نیز دقت شناسایی خطوط انتقال برق می‌باشد.}, keywords_fa = {استخراج خطوط انتقال برق, ابر نقاط لیزر اسکنر, کلاسه‌بندی جنگل تصادفی, استخراج ویژگی‌.}, doi = {10.29252/jgit.8.2.75}, url = {http://jgit.kntu.ac.ir/article-1-797-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-797-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2020} } @article{ author = {Heydari, Masoud and AkhoondzadehHanzaei, Mehdi}, title = {Development a split window algorithm to estimate land surface temperature from Sentinel -3 satellite data}, abstract ={Land Surface Temperature (LST) is an important indicator of the study of energy balance models at the earth's surface and the interactions between the Earth and the atmosphere on a regional and global scale. To date, different algorithms have been developed in the last few decades to determine the land surface temperature using various satellite images. In this study, a new split window method for estimating the land surface temperature using Sentinel-3A Satellite Radiometer (SLSTR) images is presented. The advantage of the proposed method is the introduction of atmospheric water vapor into the split window algorithm, which plays an important role in estimating the LST. The LST was calculated by the proposed method and three other split window algorithms. Then the results of the proposed method and three split window algorithms were compared with the ASTER, MODIS and Sentinel-3 LST products. The RMSE value of the proposed method for the study area of ​​East Tehran was 3.49, 1.22 and 1.26 K, respectively, compared to the ASTER, MODIS and Sentinel-3 LST products which is lower than the RMSE obtained from other split window algorithms. Also the proposed method and three split window algorithms were implemented for northwest of Isfahan and Kermanshah. For Kermanshah study area results were much better than the other two cases and also other methods which the RMSE of the proposed method was calculated to be 1.05 Kelvin while the RMSE of the other methods was 1.19, 1.28 and 1.56 Kelvin.}, Keywords = {Land Surface Temperature (LST), Split-Window Algorithm, Sentinel-3, SLSTR.}, volume = {8}, Number = {2}, pages = {93-113}, publisher = {kntu}, title_fa = {توسعه یک الگوریتم پنجره مجزا برای بازیابی دمای سطح زمین با استفاده از تصاویر ماهواره‌ای سنتینل-3}, abstract_fa ={دمای سطح زمین، شاخص مهمی در مطالعه مدل­های تعادل انرژی در سطح زمین و فعل و انفعالات بین زمین و اتمسفر در مقیاس منطقه­ای و جهانی است. در چند دهه اخیر الگوریتم­های مختلف و متنوعی برای تعیین دمای سطح زمین با استفاده از تصاویر ماهواره­ای مختلف ارائه گردیده است. در این پژوهش یک روش پنجره­مجزای جدید برای بازیابی دمای سطح زمین با استفاده از تصاویر سنجنده رادیومتر دمای سطح زمین و دریا (SLSTR)، ماهواره سنتینل-A3، ارائه شده است. مزیت روش پیشنهادی دخیل کردن بخار آب موجود در اتمسفر در الگوریتم پنجره­مجزا می­باشد که نقش مهمی را در بازیابی دمای سطح زمین ایفا می­کند. دمای سطح زمین با روش پیشنهادی و با سه الگوریتم پنجره­مجزای موجود دیگر بازیابی شد؛ سپس نتایج حاصل از روش پیشنهادی و سه الگوریتم پنجره­مجزای موجود با محصولات دمایی سنجنده­های استر، مادیس و سنتینل-3 مقایسه­گردید. مقدار ریشه میانگین مربعات خطا (RMSE) روش پیشنهادی برای منطقه مورد مطالعه شرق تهران در مقایسه با محصولات دمایی استر، مادیس و سنتینل-3 به ترتیب 49/3، 22/1 و 26/1 کلوین به دست آمد که مقدار کمتری نسبت به RMSE به دست آمده از سایر الگوریتم­های پنجره­مجزا را دارد. همچنین روش پیشنهادی و سه الگوریتم پنجره­مجزای دیگر برای منطقه­های شمال­غرب اصفهان و کرمانشاه پیاده­سازی شد. برای منطقه مورد مطالعه کرمانشاه نتایجی به مراتب بهتر از دو منطقه دیگر و سایر روش­ها مشاهده­گردید به طوری که RMSE روش پیشنهادی 05/1 کلوین محاسبه­گردید، در حالی که مقدار RMSE سایر روش­ها 19/1، 28/1و 56/1 کلوین به دست آمد.}, keywords_fa = {دمای سطح زمین, الگوریتم پنجره مجزا, ماهواره سنتینل-3, رادیومتر دمای سطح زمین و دریا (SLSTR).}, doi = {10.29252/jgit.8.2.93}, url = {http://jgit.kntu.ac.ir/article-1-798-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-798-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2020} } @article{ author = {Abolhoseini, Sina and Mesgari, Saadi Mohammad and MohammadiSoleimani, Rez}, title = {Modified particle swarm optimization algorithm to solve location problems on urban transportation networks (Case study: Locating traffic police kiosks)}, abstract ={Nowadays, traffic congestion is a big problem in metropolises all around the world. Traffic problems rise with the rise of population and slow growth of urban transportation systems. Car accidents or population concentration in particular places due to urban events can cause traffic congestions. Such traffic problems require the direct involvement of the traffic police, and it is urgent for them to be present at the scene as soon as possible. Due to the shortage of space, constructing traffic police centers in all areas is not possible. As a result, building traffic police kiosks with limited number of personnel and small cabins is a solution to solve this problem. Finding suitable places to build kiosks is a location optimization problem that can be solved by geospatial analyses. Artificial intelligent algorithms are suitable approaches to solve such problems. Particle Swarm Optimization (PSO) algorithm proved to be a fast and exact algorithm in solving continuous space problems. However, this algorithm cannot be used for discrete space problems without any modifications. In this paper, we modified PSO to solve problems in combinatorial space. Crossover and mutation operators from Genetic Algorithm were used to modify the behavior of particles. After conducting experiments on a part of Tehran’s transportation network, results were compared to the results of Artificial Bee Colony algorithm. In experiments with 2 and 4 kiosks, both algorithms are performing the same in accuracy, stability, convergence trend, and computation time. But in experiments with 10 kiosks on a bigger environment, results are in favor of the modified PSO algorithm in obtaining the optimum value; stability and better distribution in the area of interest. Results indicate that the proposed algorithm, is capable of solving combinatorial problems in a fast and accurate manner.}, Keywords = {Location Problem, Traffic Police Kiosk, Particle Swarm Optimization, Artificial Bee Colony, Urban Transportation Network}, volume = {8}, Number = {3}, pages = {1-19}, publisher = {kntu}, title_fa = {الگوریتم بهینه‌سازی ذرات ازدحامی تعدیل شده به‌منظور حل مسأله مکان یابی بر روی معابر شهری (مطالعه موردی: مکان یابی ایستگاه های پلیس راهنمایی و رانندگی)}, abstract_fa ={امروزه در شهرهای بزرگ جهان، ترافیک یکی از معضلات اصلی محسوب می­شود که در اثر رشد جمعیت و عدم رشد متناسب ظرفیت خیابان­ها و سیستم حمل­ ونقل عمومی به وجود می‌آید. وقوع حوادث رانندگی یا ازدحام جمعیت در منطقه­ای خاص به دلیل رویدادی مختلف، می­تواند سبب وخامت وضعیت ترافیکی شود. این‌گونه مشکلات ترافیکی نیاز به دخالت مستقیم پلیس راهنمایی و رانندگی دارد. غیر از مراکز پلیس راهنمایی و رانندگی موجود در محیط های شهری، احداث کانکس­های راهنمایی و رانندگی با تعداد محدودی نیرو، در محل­هایی که امکان تأسیس مراکز راهنمایی و رانندگی وجود ندارد، یکی از رویکردهایی بوده که برای تسریع خدمت‌رسانی مورداستفاده قرارگرفته است. یافتن مکانی مناسب برای احداث این کانکس­ها یک مسأله مکان­یابی به شمار می­ آید که می­توان از تجزیه‌ و تحلیل‌های سیستم اطلاعات مکانی برای حل آن استفاده کرد. در این مقاله، مکان­یابی کانکس­های پلیس راهنمایی و رانندگی با توجه به تعداد آن­ها و سرعت دسترسی به مکان­های حادثه­ خیز، با استفاده از الگوریتم ذرات ازدحامی گسسته مورد بررسی قرارگرفته است. این الگوریتم که از دسته الگوریتم­های جمعیت مبنای هوش مصنوعی بوده، سرعت بالایی در حل مسائل از خود نشان داده است. به همین دلیل امکان استفاده از این الگوریتم با اعمال یک سری تغییرات بر روی این مسأله ترکیبی آزمایش‌شده است. بدین منظور عملگرهای تلفیق و جهش از الگوریتم ژنتیک در این الگوریتم مدل شده ­اند. پس از استخراج شبکه راه قسمتی از شهر تهران و اجرای الگوریتم بهبودیافته، نتایج این الگوریتم بهبودیافته با الگوریتم کلونی زنبورعسل، مورد ارزیابی قرارگرفته است. نتایج این تحقیق بیان می­ کند که عملگرهای انتخاب‌شده برای بهبود الگوریتم PSO به‌خوبی عمل می ­کنند. الگوریتم PSO بهبودیافته در مکان‌یابی 2 و 4 کانکس همانند الگوریتم ABC عمل کرده است اما زمانی که مکان‌‎یابی برای 10 کانکس و بر روی محیط بزرگتری صورت می‌گیرد، نتایج الگوریتم PSO بهبودیافته از نظر دقت، صحت و تکرارپذیری بسیار بهتر از الگوریتم ABC است.}, keywords_fa = {مکان‌یابی, کانکس پلیس راهنمایی و رانندگی, بهینه‌سازی ذرات ازدحامی, کلونی زنبورعسل, شبکه راه شهری.}, doi = {10.52547/jgit.8.3.1}, url = {http://jgit.kntu.ac.ir/article-1-577-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-577-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2021} } @article{ author = {Omati, Mehrnoosh and Sahebi, Mahmod Reza and Amerian, Yaz}, title = {Separation Between Anomalous Targets and Background Based on the Decomposition of Reduced Dimension Hyperspectral Image}, abstract ={The application of anomaly detection has been given a special place among the different   processings of hyperspectral images. Nowadays, many of the methods only use background information to detect between anomaly pixels and background. Due to noise and the presence of anomaly pixels in the background, the assumption of the specific statistical distribution of the background, as well as the correlation between bands of hyperspectral images, leads to increase false alarms and the limitation of the presented methods in detecting anomalies. The purpose of this paper is to propose a new method for detecting anomalies with the ability to remove the limitations in background space. In the proposed method, first, the Fast Fourier Transform (FFT) is applied on the image as a preprocess of anomaly detection algorithms. Using this linear dimension reduction technique, in addition to improving the performance of the detection algorithm, can  significantly reduce the calculation. Then, by decomposition of reduced dimension hyperspectral image to the low-rank background matrix and the anomaly sparse matrix, in addition to separation of  the noise from the signals in the image, both the background and anomaly components can be used to extract information. In fact, by separating the component of the anomaly from the background, the effect of the existence of anomalous pixels in the background is reduced and only the low-rank matrix is used to extract information and statistical characteristics. Also, using the weighted average Mahalanobis distance based on the median criterion in the proposed decomposition method, we can allocate a background corresponding weight to each pixel and improve the anomalies detection results. The implementation of the proposed algorithm on the Pavia Hyperspectral Image and comparing its results with other common methods showed better performance of the proposed technique in detecting anomaly pixels from the background space.}, Keywords = {Anomaly Detection, Dimension Reduction &,,,, Decomposition of Hyperspectral Image, Low-rank Background Matrix, Sparse Anomaly Matrix.}, volume = {8}, Number = {3}, pages = {21-38}, publisher = {kntu}, title_fa = {تفکیک ناهنجاری ها از پس زمینه براساس تجزیه تصویر ابرطیفی کاهش بعد یافته}, abstract_fa ={کاربرد آشکارسازی ناهنجاری­ در بسیاری از زمینه­های تحقیقاتی، جایگاه ویژه­ای را در میان پردازش­های تصاویر ابرطیفی به ­خود اختصاص داده­است. امروزه بسیاری از روش­های مطرح در این زمینه، تنها از اطلاعات پس­زمینه در راستای تمایزبخشی میان پیکسل­های ناهنجاری­ و پس­زمینه استفاده می­نمایند. این درحالی­است که عواملی همانند نویز و وجود پیکسل­های ناهنجاری در پس­زمینه، فرض تبعیت از توزیع آماری خاص پس­زمینه و هم­چنین تعداد بسیار باندهای تصویر ابرطیفی و همبستگی میان آن­ها، منجر به محدودیت روش­های ارائه شده و ایجاد خطا در آشکارسازی ناهنجاری­ها می­گردد. هدف از این پژوهش، ارائه روش نوین آشکارسازی ناهنجاری­ با قابلیت رفع محدودیت­های مطرح شده می­باشد. در روش پیشنهادی ابتدا تبدیل فوریه سریع (FFT) به عنوان پیش­ پردازش الگوریتم آشکارسازی ناهنجاری بر تصویر اعمال می­شود. استفاده از این تکنیک کاهش بعد خطی، علاوه بر بهبود عملکرد الگوریتم آشکارسازی، قادر به کاهش قابل توجه حجم محاسبات نیز خواهدبود. در ادامه با تجزیه تصویر ابرطیفی کاهش بعدیافته به ماتریس پایین ­مرتبه پس­ زمینه و ماتریس خلوت ناهنجاری، علاوه بر جداسازی نویز از سیگنال­های موجود در تصویر، می­توان از هر دو مولفه پس­ زمینه و ناهنجاری به­ منظور استخراج اطلاعات استفاده نمود. در واقع با تفکیک مولفه ناهنجاری از پس­ زمینه، از اثر وجود پیکسل­های ناهنجاری در پس­ زمینه کاسته شده و تنها از این ماتریس به­ منظور استخراج اطلاعات و ویژگی­های آماری پس ­زمینه استفاده می­گردد. هم­چنین به کارگیری فاصله ماهالانوبیس وزن­دار براساس معیار میانه در روش تجزیه پیشنهادی، توانسته به هر پیکسل، وزنی را متناسب با مرکز پس­ زمینه اختصاص داده و بدین­ترتیب نتایج آشکارسازی ناهنجاری را بهبود بخشد. پیاده­سازی الگوریتم پیشنهادی بر تصاویر ابرطیفیCenter  Pavia وUniversity  Pavia و مقایسه نتایج حاصل از آن­ها با دیگر روش­های متداول در این زمینه، نشان از عملکرد بهتر تکنیک پیشنهادی در آشکارسازی پیکسل­های ناهنجاری از فضای پس ­زمینه داشته ­است.}, keywords_fa = {آشکارسازی ناهنجاری, کاهش بعد و تجزیه تصویر ابرطیفی, ماتریس پایین مرتبه پس زمینه, ماتریس خلوت ناهنجاری.}, doi = {10.52547/jgit.8.3.21}, url = {http://jgit.kntu.ac.ir/article-1-660-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-660-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2021} } @article{ author = {fallah, mohammad and Azadbakht, mohse}, title = {Fusion of Thermal Infrared and Visible Images Based on Multi-scale Transform and Sparse Representation}, abstract ={Due to the differences between the visible and thermal infrared images, combination of these two types of images is essential for better understanding the characteristics of targets and the environment. Thermal infrared images have most importance to distinguish targets from the background based on the radiation differences, which work well in all-weather and day/night conditions also in land surface temperature (LST) calculation. However, their spatial resolution is relatively low, making it challenging to detect targets. Image fusion is an efficient method that is employed to enhance spatial resolution of the thermal bands through fusing these images with high spatial resolution visible images. Therefore, it is desirable to fuse these two types of images, which can combine the advantages of both the thermal radiation information and detailed spatial information. Multi-scale transforms (MST) and sparse representation (SR) are widely used in image fusion. To improve the performance of image fusion, these two types of methods can be combined. In this regard, an MST is firstly performed on each of the preregistered source images to obtain their low-pass and high-pass coefficients. Then, the low-pass images are combined with a SR-based fusion approach while the high-pass images are fused using the absolute values of the coefficients. The fused image is finally obtained by performing an inverse MST on the merged coefficients.  In this paper, nine image fusion methods based on the multi-scale transform and sparse representation, namely Laplacian pyramid (LP), ratio of low-pass pyramid (RP), wavelet transform (Wavelet), dual-tree complex wavelet transform (DTCWT), curvelet transform (CVT), nonsubsampled contourlet transform (NSCT), sparse representation (SR), hybrid sparse representation and Laplacian pyramid methods (LP-SR) and hybrid sparse representation and NSCT methods (NSCT-SR) are tested on FLIR and landsat-8 thermal infrared and visible images. To evaluate the performance of different image fusion methods we use three quantitative evaluation metrics: entropy (EN), mutual information (MI), and gradient based fusion metric )QAB/F(. Despite the lack of spectral coverage between the visible and thermal infrared bands of Landsat 8, quantitative evaluation metrics showed that the hybrid LP-SR method provides the best result (EN=7.362, MI=2.605, QAB/F =0.531) and fused images have best visual quality. This method improve spatial details while preserving the thermal radiation information. It followed by RP, LP, and NSCT methods. Similar results were achieved in FLIR images.  }, Keywords = {Visible image, Thermal infrared image, Image fusion, Multi-scale transform, Sparse representation}, volume = {8}, Number = {3}, pages = {39-59}, publisher = {kntu}, title_fa = {ادغام تصاویر مرئی و مادون قرمز حرارتی بر اساس تبدیلات چندمقیاسی و نمایش پراکنده}, abstract_fa ={با توجه به تفاوت طیف مرئی و مادون قرمز حرارتی، ترکیب این دو نوع تصویر منجر به درک بهتر مشخصات عوارض و محیط می­گردد. تصاویر مادون قرمز حرارتی، برای تشخیص اهداف از پس زمینه آنها بر اساس تفاوت تابش حرارتی در هر شرایط آب و هوایی و در طول روز یا شب و همچنین محاسبه دمای سطح زمین اهمیت فراوانی دارند. این باندها توان تفکیک مکانی پایینی داشته و تشخیص عوارض در آنها با سختی همراه است. یکی از روش های مفید برای تولید تصاویر حرارتی با توان تفکیک مکانی بالا، ادغام این تصاویر با تصاویری با رزولوشن مکانی بالاتر نظیر باندهای مرئی می­باشد. بنابراین، با ادغام این تصاویر می­توان از اطلاعات تابش حرارتی در تصاویر مادون قرمز حرارتی و جزئیات مکانی در تصاویر مرئی به صورت همزمان بهره برد. تبدیلات چند مقیاسی (MST) و نمایش پراکنده(SR)  به طور گسترده برای ادغام تصاویر استفاده می­شوند. به منظور بهبود عملکرد ادغام تصاویر،  این روش­ها با یکدیگر ترکیب می­شوند. در روش ترکیبی، ابتدا تبدیل چندمقیاسی بر روی هر یک از تصاویر اولیه از قبل هم مرجع شده اعمال می­شود تا ضرایب پایین گذر و بالاگذر آنها بدست آید. سپس، تصاویر پایین گذر با روش ادغام بر مبنای نمایش پراکنده و تصاویر بالاگذر با استفاده از مقادیر مطلق ضرایب ترکیب می­شوند. در نهایت تصویر ادغام شده با استفاده از تبدیل معکوس چند مقیاسی بر روی ضرایب ادغام شده به دست می­آید. در این مقاله، نه روش ادغام تصاویر بر مبنای تبدیلات چندمقیاسی و تئوری نمایش پراکنده شامل تبدیل هرم لاپلاسی (LP)، نسبت هرم پایین گذر (RP)، تبدیل ویولت (Wavelet)، تبدیل ویولت مختلط دوگانه درختی  (DTCWT)، تبدیل کرولت (CVT)، تبدیل کانتورلت بدون کاهش بعد (NSCT)، روش نمایش پراکنده (SR)، ترکیب هرم لاپلاسی با روش SR (LP-SR) و ترکیب تبدیل کانتورلت با روش SR (NSCT-SR) را با استفاده از تصاویر FLIR و تصاویر ماهواره­ای لندست 8 مورد ارزیابی قرار می­دهیم. برای ارزیابی کارآیی روشهای مختلف ادغام از سه معیار ارزیابی کمی شامل آنتروپی (EN)، اطلاعات متقابل (MI) و معیار ادغام بر مبنای گرادیان (QAB/F) استفاده کردیم. با وجود فقدان پوشش طیفی میان باندهای مرئی و مادون قرمز حرارتی تصویر لندست 8، تصاویر ادغام شده به روش ترکیبی LP-SR بالاترین مقادیر معیارهای کمی را داشته (EN=7.362, MI=2.605, QAB/F =0.531) و از نظر بصری نیز کیفیت بهتری دارند. این بدان معنی است که همزمان با بهبود جزئیات مکانی، اطلاعات تابش حرارتی نیز به خوبی حفظ شده است. با مقایسه مقادیر معیارهای کمی، روشهای RP ، LP و NSCT در رتبه های بعدی قرار دارند. در تصاویر FLIR نیز نتایج مشابهی حاصل شده است.}, keywords_fa = {تصویر مرئی, تصویر مادون قرمز حرارتی, ادغام تصاویر, تبدیل چند مقیاسی, نمایش پراکنده}, doi = {10.52547/jgit.8.3.39}, url = {http://jgit.kntu.ac.ir/article-1-582-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-582-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2021} } @article{ author = {Papi, Ramin and Argany, Meysam and Moradipour, Shahab and Soleimani, Masou}, title = {Modeling the potential of Sand and Dust Storm sources formation using time series of remote sensing data, fuzzy logic and artificial neural network (A Case study of Euphrates basin)}, abstract ={Sand and Dust Storms (SDS) are known as one of the most common environmental problems in arid and semi-arid regions of the world. This phenomenon is harmful to human health as well as to economy. Over the past two decades, SDS have been increasing on a local, regional and even global scale. The Euphrates Basin is recognized as one of the most active SDS sources in the world. The first step in managing this environmental phenomenon, is to identify dust storm sources. The aim of this study is mapping the potential sources of SDS in the Euphrates basin by using Multi-Layer Perceptron Neural Network. In the first step, the long-term time series of which is data, related to key environmental parameters affecting the occurrence of SDS including: soil moisture, soil temperature, soil texture, land surface temperature, wind speed, precipitation, evapotranspiration, dusty months, land use population, pressure, the identified elevation and slope were used as artificial neural network model inputs. Using the visual interpretation of 2500 MODIS images in natural color composite, 190 SDS centers were identified visually and introduced to the neural network as training points. 70% of the points (133 points) and 30% of them (57 points) were used for training, testing and validation of model, respectively. After running the model, the estimated mean squared error (MSE) was equal to 0.1, which indicats acceptable accuracy of the neural network model in mapping the potential SDS sources. The results show that, 147000 km2 of the basin is prone to the formation of SDS sources, which mainly include low rainfall, dry and barren areas of the basin.}, Keywords = {Sand and Dust Storm (SDS), Remote Sensing, Time Series, Artificial Neural Network, Euphrates Basin}, volume = {8}, Number = {3}, pages = {61-82}, publisher = {kntu}, title_fa = {مدلسازی پتانسیل ایجاد کانون های گردوغبار با استفاده از سری زمانی داده های سنجش از دور، منطق فازی و شبکه عصبی مصنوعی (مطالعه موردی: حوضه فرات)}, abstract_fa ={طوفان ­های گردوغبار به عنوان یکی از معضلات زیست­ محیطی شایع در مناطق خشک و نیمه ­خشک جهان به شمار می ­روند که برای سلامت انسان و نیز به لحاظ اقتصادی زیان ­بار هستند. این طوفان ­ها از حدود دو دهه گذشته تا کنون در مقیاس ­های محلی، منطقه­ ای و حتی جهانی در حال افزایش هستند. حوضه رودخانه فرات به عنوان یکی از فعال­ ترین کانون­ های گردوغبار در سطح جهانی شناخته شده است. شناسایی کانون­ های طوفان گردوغبار اولین گام در برنامه ­ریزی هدفمند جهت مبارزه با این پدیده زیست­ محیطی به­ حساب می ­آید. هدف از پژوهش حاضر، تهیه نقشه پتانسیل کانون ­های گردوغبار در حوضه رودخانه فرات با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه است. در گام نخست سری زمانی بلند­مدت داده ­های مربوط به پارامترهای محیطی کلیدی و موثر بر رخداد طوفان­ های گردوغبار شامل رطوبت، دما و بافت خاک، دمای سطح زمین، سرعت باد، بارش، تبخیرتعرق، ماه ­های دارای گردوغبار، کاربری اراضی، فشار ناشی از جمعیت، ارتفاع و شیب شناسایی و به عنوان ورودی‌های شبکه عصبی به ­کار گرفته شدند. از طریق بررسی 2500 تصویر رنگی طبیعی سنجنده مادیس، تعداد 190 کانون رخداد طوفان گردوغبار به صورت بصری شناسایی و به عنوان نقاط آموزشی به شبکه عصبی معرفی شدند. 70 درصد نقاط (133 نقطه) برای آموزش و 30 درصد نقاط (57 نقطه) برای تست و اعتبارسنجی مدل مورد ­استفاده قرار گرفتند. پس از اجرای مدل، مقدار خطای میانگین مربعات معادل 0.1 به ­دست آمد که حاکی از صحت قابل قبول شبکه عصبی در شناسایی کانون­ های بالقوه گردوغبار است. نتایج نشان می­ دهد که 147 هزار کیلومتر مربع از مساحت کل حوضه، مستعد شکل ­گیری کانون طوفان ­های گردوغبار است که عمدتا نواحی کم بارش، خشک و بایر حوضه را شامل می­ شوند.  }, keywords_fa = {طوفان گردوغبار, سنجش از دور, سری زمانی, شبکه عصبی مصنوعی, حوضه فرات}, doi = {10.52547/jgit.8.3.61}, url = {http://jgit.kntu.ac.ir/article-1-737-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-737-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2021} } @article{ author = {Golmohamadi, Mehdi and Joodaki, Gholamrez}, title = {Statistical downscaling of GRACE gravity satellite-derived groundwater level data}, abstract ={With the continued threat from climate change, population growth and followed by increasing water demand, the need for hydrological data with high spatial resolution and proper time coverage to be felt more than ago. Therefore, having data such as terrestrial water storage changes and groundwater level changes with high resolution spatial helps to plan and make decisions for water resource management more efficiently. Since the beginning of the GRACE mission, evaluation of water resources, especially groundwater level changes has been provided at a global scale. Despite the wide coverage area, due to the low spatial resolution and large pixel size (~200,000 km2), the use of GRACE data for local and smaller scales, it isn’t possible. Therefore, the purpose of this research is the feasibility of downscaling GRACE data to small and local scale. In this study, used from an empirical regression method based on the relationship between GRACE and other hydrological data and created groundwater level changes data with 0.25 degree gridded. Finally, used from groundwater level changes data derived from monitoring wells to validate downscaled groundwater level changes, where RMSE value between 38.17 mm to 56.4 mm, and R2 between 0.49 to 0.54 were obtained. Therefore, this method can improve GRACE data resolution from 1° to 0.25°, effectively.}, Keywords = {GRACE, Statistical downscaling, Groundwater level changes, Water resource management}, volume = {8}, Number = {3}, pages = {83-101}, publisher = {kntu}, title_fa = {ریزمقیاس نمایی آماری سطح آب های زیر زمینی حاصل از داده های ماهواره ثقل سنجی GRACE}, abstract_fa ={با تداوم تهدید تغییرات آب و هوایی، افزایش جمعیت و در پی آن افزایش تقاضای آب، نیاز به داده­های هیدرولوژی با قدرت تفکیک مکانی بالا و پوشش زمانی کافی بیش از پیش احساس می­شود. لذا در اختیار داشتن داده­هایی مانند تغییرات ذخایر آب زمینی و تغییرات سطح آب­های زیرزمینی با قدرت تفکیک مکانی بالا به برنامه­ریزی و تصمیم­گیری بهتر و مؤثرتر برای مدیریت منابع آبی کمک شایانی می­کند. از زمان شروع مأموریت ماهواره­های ثقل­سنجی GRACE، امکان ارزیابی منابع آبی، به­ویژه تغییرات سطح آب­های زیرزمینی در مقیاس جهانی فراهم شده ­است. علی­رغم وجود پوشش وسیع مکانی، به دلیل داشتن قدرت تفکیک مکانی پایین و ابعاد پیکسل بزرگ (در حدود  km2200،000)، استفاده از داده­های GRACE برای مقیاس­های محلی و کوچکتر، امکان­پذیر نیست. از این رو هدف از این پژوهش، امکان­سنجی ریزمقیاس­نمایی داده­های GRACEبه مقیاسی کوچک و محلی می­با­شد. در این مطالعه، از روش تجربی رگرسیونی بر پایه روابط بین مشاهدات GRACE و دیگر داده­های هیدرولوژی استفاده شده است و داده­هایی از تغییرات سطح آب­های زیرزمینی با ابعاد شبکه °25/0 ایجاد شدند. در نهایت، از داده­های سطح آب­های زیرزمینی حاصل از چاه­های مشاهده­ای برای اعتبارسنجی تغییرات سطح آب­های زیرزمینی ریزمقیاس­ شده استفاده شد، که RMSE آن­ها بین 17/38 تا 4/56 میلی­متر و R2 آن­ها بین 49/0 تا 54/0 بدست آمدند. نتایج نشان داد فرایند ریزمقیاس­نمایی قابل قبول بوده و مدل­سازی انجام شده کارایی لازم را دارد. لذا این روش می­تواند بطور موثری قدرت تفکیک مکانی مشاهدات GRACE را از °1 به °25/0 بهبود بخشد.}, keywords_fa = {GRACE, ریزمقیاس‌نمایی آماری, تغییرات سطح آب‌های زیرزمینی, مدیریت منابع آبی.}, doi = {10.52547/jgit.8.3.83}, url = {http://jgit.kntu.ac.ir/article-1-779-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-779-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2021} } @article{ author = {Atighi, Fateme and Safdarinezhad, Alireza and Karimi, Rohollah}, title = {Target Detection Improvements in Hyperspectral Images by Adjusting Band Weights and Identifying end-members in Feature Space Clusters}, abstract ={          Spectral target detection could be regarded as one of the strategic applications of hyperspectral data analysis. The presence of targets in an area smaller than a pixel’s ground coverage has led to the development of spectral un-mixing methods to detect these types of targets. Usually, in the spectral un-mixing algorithms, the similar weights have been assumed for spectral bands. However, the various uncertainties such as the different effects of the atmospheric conditions and the relative radiometric calibration of the sensor lead to differentiations data recorded in each band. So, the Modification of the weights of the spectral bands is the first objective of this paper in order to improve the accuracy of target detection in the spectral un-mixing process. Considering the complexities of direct estimation of the band weights, an algorithm based on the Variance Component Estimation (VCE) is proposed to optimize the weights of the spectral bands. On the other hand, in addition to the availability of target spectrums, the spectral response of the backgrounds is a necessity to perform reliable target detection. The unsupervised detection of the background endmembers is known as the popular way of doing that. The second contribution of this paper is the proposal of cluster-based background detection to be used in the target detection process. It prevents the presence of the unrelated endmembers in each cluster which has improved the spectral un-mixing for target detection. The proposed methods have been implemented in the target detectors of Unconstrained Linear Spectral Un-mixing (UCLSU), Sum to one Constrained Linear Spectral Un-mixing (SCLSU), Non-negativity Constrained Linear Spectral Un-mixing (NCLSU), and Fully Constrained Linear Spectral Un-mixing (FCLSU). The results indicate their success in the improvement of the target detection accuracies. Considering the best choice on the number of spectral clusters and the number of background endmembers, accuracy improvement of up to 17 percent in the target detection has occurred.}, Keywords = {Hyperspectral imaging, Target detection, Variance Component Estimation (VCE), Spectral weighting, Spectral un-mixing.}, volume = {8}, Number = {3}, pages = {103-122}, publisher = {kntu}, title_fa = {بهبود آشکارسازی هدف در تصاویر ابرطیفی از طریق تنظیم وزن باندها و شناسایی اعضای انتهایی در خوشه‌های فضای ویژگی}, abstract_fa ={شناسایی اهداف طیفی یکی از کاربردهای استراتژیک در حوزه پردازش داده‌های ابرطیفی بشمار می‌رود. رخداد پدیده‌ها در وسعتی کمتر از یک پیکسل از تصویر منجر به توسعه‌ی راهکارهای تجزیه‌ی طیفی بمنظور آشکارسازی هدف شده است. معمولاً در الگوریتم­های تجزیه طیفی وزن باندهای طیفی یکسان در نظر گرفته می­شود. این در حالی است که عوامل مختلفی همانند تاثیرپذیری متفاوت باندهای طیفی از شرایط اتمسفری، تفاوت در پاسخ طیفی باندها، نویز و تفاوت نسبی در کالیبراسیون رادیومتریکی سنجنده، اثرات متفاوتی را در ثبت اطلاعات هر باند طیفی خواهد داشت. تنظیم وزن باندها در روش‌های تجزیه طیفی اولین رویکرد این تحقیق بمنظور افزایش دقت آشکارسازی هدف می‌باشد. بدلیل پیچیدگی تعیین مستقیم وزن بواسطه عدم اطلاع دقیق از عوامل اثرگذار بر ثبت اطلاعات طیفی، توسعه‌ی الگوریتمی مبتنی بر روش تخمین مولفه‌های واریانس بعنوان راهکار تنظیم وزن باندهای طیفی در دستورکار این تحقیق قرار گرفته است. از سوی دیگر، بکارگیری روش‌های تجزیه طیفی بمنظور آشکارسازی هدف مستلزم در اختیار بودن پاسخ طیفی عناصر پس‌زمینه علاوه بر رفتار طیفی اهداف می‌باشد. انتخاب نظارت نشده‌ی سیگنال‌های مرتبط با عناصر پس‌زمینه، روش رایج در این زمینه بوده که دومین راهکار توسعه یافته در این مقاله بمنظور بهبود دقت آشکارسازی هدف به آن پرداخته است. یافتن عناصر پس‌زمینه بصورت مجزا برای خوشه‌های فضای ویژگی و بکارگیری آنها بعنوان پس‌زمینه‌های هر خوشه در روند آشکارسازی هدف، راهکار اتخاذ شده در این زمینه می‌باشد. اینکار با جلوگیری از حضور عناصرخالص غیر مرتبط در هر خوشه، منجر به بهبود عملکرد فرایند تجزیه طیفی بمنظور آشکارسازی هدف شده است. راهکارهای پیشنهادی در روش‌های آشکارسازی هدف UCLSU، SCLSU، NCLSU و FCLSU پیاده‌سازی شده و نتایج حاکی از موفقیت آنها در بهبود دقت فرایند آشکاسازی هدف بوده است. نتایج نشان دادند که در بهترین انتخاب برای تعداد خوشه‌ها و تعداد عناصر پس­زمینه، افزایش دقتی تا 17 درصد در نتایج آشکارسازی هدف قابل تامین خواهد بود.}, keywords_fa = {تصویربرداری ابرطیفی, آشکارسازی اهداف, تخمین مولفه واریانس, وزن‌دهی باندها, تجزیه‌ی طیفی.}, doi = {10.52547/jgit.8.3.103}, url = {http://jgit.kntu.ac.ir/article-1-733-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-733-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2021} } @article{ author = {Baghani, Amin and ValadanZoej, Mohammad Javad and Mokhtarzade, Mehdi}, title = {A novel method for locating the local terrestrial laser scans in a global aerial point cloud}, abstract ={In addition to the heterogeneity of aerial and terrestrial views, the small scale terrestrial point clouds are hardly comparable with large scale and overhead aerial point clouds. A hierarchical method is proposed for automatic locating of terrestrial scans in aerial point cloud. The proposed method begins with detecting the candidate positions for the deployment of the terrestrial laser scanner in the aerial point cloud. After that, by simulating the performance of the laser scanner, the visible portion of the aerial point cloud is detected and it is extracted as the candidate deployment aerial point cloud.  As a result, the problem of scan locating is converted to a corresponding one between several local terrestrial point clouds and several local aerial point clouds. In order to increase the comparability of these two datasets in the corresponding process, the main geometric structures of each point cloud are extracted using four predesigned geometric feature indexes, and they are organized in the form of four feature-maps of each point cloud. The feature-maps generated for each point cloud are described by the rotation invariant Fourier-HOG descriptor. Afterward, the corresponding problem is structured in the form of a k-nn classification among the classes established for these descriptors. Finally, the location of each terrestrial scan is obtained based on the classification results. The evaluation results of the proposed method on an urban dataset, showed an average accuracy of about 5 meters for locating the terrestrial scans in aerial point cloud. The obtained accuracies seem to be sufficient to enter the process of registering the terrestrial scans to the aerial point cloud.}, Keywords = {point cloud, Registration, Classification, Corresponding, Laser scanner, UAV Photogrammetry.}, volume = {8}, Number = {4}, pages = {1-26}, publisher = {kntu}, title_fa = {روشی نوین برای جانمایی ابرهای نقاط زمینی محلی در ابرنقاط هوایی سراسری}, abstract_fa ={تهیه یک پوشش کامل و متراکم از نواحی شهری، عمدتاً نیازمند اخذ داده­های محلی در چندین ایستگاه زمینی و ادغام آنها با یک داده سراسری اخذشده از منظرهای هوایی می­باشد. مقاله حاضر مسأله زمین­مرجع­سازی و مرتبط­سازی اسکن­های محلی اخذشده بوسیله لیزراسکنر زمینی را در فضای واسطه ابرنقاط هوایی سراسری، بدون استفاده از هرگونه داده­های کمکی و یا عملیات دستی، مدنظر قرار داده است. از این رهگذر، جانمایی اسکن­های زمینی محلی در ابرنقاط هوایی سراسری، به عنوان چالش اصلی در مرتبط­سازی این داده­ها مورد تأکید قرار گرفته است. علاوه بر نامتجانس بودن منظرهای هوایی و زمینی، هریک از ابرنقاط کوچک­مقیاس زمینی به سختی با ابرنقاط بالاسری و بزرگ­مقیاس هوایی قابل­مقایسه هستند. روشی چندمرحله­ای جهت جانمایی خودکار اسکن­های زمینی در ابرنقاط هوایی ارائه شده است. روش پیشنهادی با شناسایی موقعیت­های کاندید استقرار لیزراسکنر در ابرنقاط هوایی آغاز می­شود. در ادامه، با شبیه­سازی عملکرد لیزراسکنر، محدوده رؤیت­پذیر به این موقعیت­ها از ابرنقاط هوایی شناسایی و در قالب ابرنقاط هوایی کاندید استقرار استخراج می­شوند. در نتیجه مسأله جانمایی به مسأله تناظریابی میان چند ابرنقطه زمینی با چند ابرنقطه هوایی تبدیل می­گردد. به منظور افزایش قیاس­پذیری ابرهای­نقاط زمینی و هوایی در پروسه تناظریابی، ساختارهای هندسی شاخص موجود در هر ابرنقطه با استفاده از چهار ویژگی هندسی طراحی­شده استخراج و در قالب نقشه-ویژگی­های معرف هر ابرنقطه سازماندهی می­گردند. نقشه-ویژگی­های تولیدشده برای هر ابرنقطه توسط توصیفگر مستقل از دوران F-HOG توصیف می­شوند و در نهایت مسأله تناظریابی در قالب یک طبقه­بندی k-nn میان کلاس­های تولیدشده برای این توصیفگرها، ساختاردهی می­شود. نهایتاً جانمایی هر اسکن زمینی بر اساس نتایج طبقه­بندی انجام می­پذیرد. نتایج ارزیابی روش پیشنهادی بر روی مجموعه داده مأخوذه از منطقه­ای شهری، دقت­ در حدود 5 متر را برای جانمایی اسکن­های زمینی در سیستم مختصات مربوط به ابرنقطه هوایی نشان داد که جهت ورود به فرآیند مرتبط­سازی ابرهای­نقاط زمینی و هوایی کافی به نظر می­رسد.}, keywords_fa = {ابرنقاط, مرتبط‌سازی, طبقه‌بندی, تناظریابی, لیزراسکنر, فتوگرامتری پهپاد}, doi = {10.52547/jgit.8.4.1}, url = {http://jgit.kntu.ac.ir/article-1-551-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-551-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2021} } @article{ author = {Sadeghi, Zahra and Mashhadi-Hossainali, masou}, title = {Investigating the effect of the removing well-known periods from TEC time series data in identifying seismo-ionospheric anomaly}, abstract ={Iran is situated on one of the two largest seismic belt of the world which is called Alpa. The occurrence of damaging earthquakes all around the country causes a lot of pecuniary losses and casualties. The prediction of this phenomenon can have a profound impact on reducing the risks which are posed by it. Among the earthquake predictors, which are of interest to many scholars today, we can mention the occurrence of abnormal changes in the ionospheric parameters. The studied ionospheric parameter in this paper is the Total Electron density Content (TEC) obtained from the Global Inosphere Map (GIM). The time series of the TEC data comprises well-known periods whose causes are not seismic. It seems that, by eliminating the effect of these factors, as much as possible, the identification of the ionospheric-seismic anomaly could be done much more accurately. In this study, changes in TEC before the occurrence of two earthquakes in Iran have been investigated by using the mean method two times, once before the elimination of the periods and once afterwards.  In fact, after the removal of known frequencies for Khuzestan and Semnan earthquakes in the area of identification of seismo-ionospheric anamolysis, the improvement of more than 50% and  10%   is seen in most of the places respectively.}, Keywords = {Ionosphere, Earthquake, TEC, Time series, Harmonic Analysis.}, volume = {8}, Number = {4}, pages = {27-43}, publisher = {kntu}, title_fa = {بررسی تأثیر حذف پریودهای شناخته شده از سری زمانی داده‌های TEC در شناسایی آنامولی لرزه‌ای یونسفری}, abstract_fa ={ایران بر روی یکی از دو کمربند بزرگ لرزه­خیز جهان، موسوم به آلپا قرار دارد. وقوع زمین­لرزه­های مخرب در تمام نقاط کشور، سالانه خسارت­های جانی و مالی فراوانی به مردم وارد می­کند. پیش­بینی این پدیده می­تواند تأثیر بسزایی در کاهش مخاطرات ناشی از آن داشته باشد. از جمله پیش­نشانگرهای زمین­لرزه که امروزه مورد توجه بسیاری از دانشمندان می­باشد، می­توان به وقوع تغییرات ناهنجار در پارامترهای یونسفری اشاره نمود. پارامتر یونسفری مورد بررسی در این مقاله محتوای چگالی الکترون کل (TEC) حاصل از نقشه­های جهانی یونسفری (GIM) است. سری زمانی داده­های TEC شامل فرکانس­های شناخته شده­ای می­باشد که منشأ لرزه­ای ندارند. به نظر می­رسد با حذف تأثیر این عوامل تا حد امکان، شناسایی آنامولی لرزه­ای یونسفر به نحو مؤثرتری صورت پذیرد. در این مطالعه تغییرات TEC پیش از وقوع دو زمین­لرزه در ایران با استفاده از روش میانگین، یکبار پیش از حذف فرکانس­های شناخته شده و یکبار پس از آن بررسی شده است. نتایج نشان می­دهد حذف پریودهای شناخته شده از داده­های TEC در شناسایی آنامولی لرزه­ای یونسفر مفید می­باشد. در واقع پس از حذف فرکانس­های شناخته شده، برای زمین­لرزه­­های خوزستان و سمنان در محدوده شناسایی آنامولی لرزه­ای یونسفر، در اغلب نقاط به ترتیب بهبود بیش از 50 درصد و بیش از 10 درصد وجود دارد.}, keywords_fa = {یونسفر, زمین لرزه, TEC, سری زمانی, آنالیز هارمونیک}, doi = {10.52547/jgit.8.4.27}, url = {http://jgit.kntu.ac.ir/article-1-639-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-639-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2021} } @article{ author = {Khoshboresh-Masouleh, Mehdi and Shah-Hosseini, Rez}, title = {A multi-scale convolutional neural network for automatic cloud and cloud shadow detection from Gaofen-1 images}, abstract ={The reconstruction of the information contaminated by cloud and cloud shadow is an important step in pre-processing of high-resolution satellite images. The cloud and cloud shadow automatic segmentation could be the first step in the process of reconstructing the information contaminated by cloud and cloud shadow. This stage is a remarkable challenge due to the relatively inefficient performance of the current methods in complex scenes in multispectral high-resolution satellite images. In recent years, using deep convolutional neural networks has largely improved the performance of cloud and cloud shadow segmentation. Increasing the generalization capability of cloud and cloud shadow segmentation is one of the problems of deep convolutional neural networks. In this paper, we focus on tackling the poor generalization performance of automatic cloud and cloud shadow segmentation in Gaofen-1 (GF-1) images. In this regard, we propose a deep learning multi-scale method, founded on multi-dimension filters, for accurate segmentation of cloud/cloud shadow in single date GF-1 images which is based on a new multi-scale deep residual-convolutional neural network called MultiCloud-Net. The cloud/cloud shadow masks are extracted based on a new loss function to generate the final cloud/cloud shadow masks. The MultiCloud-Net was implemented in the Google Colab and was validated using 12 globally distributed GF-1 images. The quantitative assessments of test images show that the average F1 score, the average Jaccard Similarity Index (JSI), and the Kappa coefficient for cloud (cloud shadow) segmentation are about 97 (95.5), 96 (94.5), and 0.98, respectively. The experimental results using the GF-1 images demonstrate a more reasonable accuracy and efficient computational cost achievement of the proposed method compared to the automatic cloud/cloud shadow segmentation performance of two advanced deep learning and statistical methods.}, Keywords = {Gaofen-1, cloud, cloud shadow, deep learning, multi-scale convolution.}, volume = {8}, Number = {4}, pages = {45-68}, publisher = {kntu}, title_fa = {پیشنهاد یک شبکه عصبی کانوولوشنی چندمقیاسه برای آشکارسازی خودکار ابرها و سایه ابرها در تصاویر ماهواره گائوفِن-1}, abstract_fa ={یک گام مهم در پیش‌پردازش تصاویر ماهواره‌ای با قدرت تفکیک مکانی بالا، بازسازی اطلاعات آلوده به پوشش ابرها و سایه ابرها است. اولین گام در فرآیند خودکار بازسازی اطلاعات آلوده به ابرها و سایه ابرها، مرحله آشکارسازی خودکار ابرها و سایه ابرها است. این مرحله به دلیل عملکرد نسبتاً نامناسب روش‌های موجود در صحنه‌های پیچیده در تصاویر با قدرت تفکیک مکانی بالا، یک چالش قابل‌توجه است. در سال‌های اخیر، دقت فرآیند آشکارسازی ابرها و سایه ابرها با به‌کارگیری شبکه‌های عصبی کانوولوشنی عمیق بهبود یافته است. مسأله افزایش تعمیم‌پذیری برای آشکارسازی ابرها و سایه ابرها یکی از مشکل‌های شبکه‌های عصبی کانوولوشنی عمیق است. در این تحقیق، راه‌حلی برای مشکل تعمیم‌پذیری آشکارسازی ابرها و سایه ابرها در تصاویر ماهواره گائوفِن-1 ارائه شده است. در این راستا، یک معماری یادگیری عمیق چندمقیاسه (MultiCloud-Net) مبتنی بر فیلتر‌هایی با ابعاد مختلف برای آشکارسازی دقیق ابرها و سایه ابرها در تصاویر تک زمانه ماهواره گائوفِن-1 بر اساس طراحی بلوک‌های باقی‌مانده جدید مبتنی بر حذف تصادفی عُمق، پیشنهاد شده است. در معماری پیشنهادی، فرآیند آشکارسازی ابرها و سایه ابرها بر اساس تابع آنتروپی متقاطع وزن‌دار برای حل مسأله عدم تعادل پیکسل‌های هدف، برای تولید نقشه نهایی صورت می‌گیرد. روش پیشنهادی با استفاده از 12 تصویر ماهواره گائوفِن-1 با توزیع جهانی و با استفاده از  سرویس رایانش ابری گوگل کولَب پیاده‌سازی و اعتبارسنجی شده است. نتایج با استفاده از مجموعه تصاویر ماهواره گائوفِن-1، با کسب میانگین نمره F1 و ضریب شباهت ژاکارد برابر 97 و 96 برای کلاس ابر و مقادیر 5/95 و 5/94 برای کلاس سایه ابر و با ضریب کاپای 98/0 نشان‌دهنده دقت مناسب‌تر در آشکارسازی خودکار جزئیات حاشیه‌ای ابرها و سایه ابرها و دستیابی به هزینه محاسباتی کمتر در مقایسه با یک روش پیشرفته یادگیری عمیق و یک روش پیشرفته آماری است.}, keywords_fa = {گائوفِن-1, ابرها, سایه ابرها, یادگیری عمیق, کانوولوشن چندمقیاسه.}, doi = {10.52547/jgit.8.4.45}, url = {http://jgit.kntu.ac.ir/article-1-736-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-736-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2021} } @article{ author = {Sadidi, Javad and Joudaki, Zahra and Rezayan, Hani}, title = {Generating an Indoor space routing graph using semantic-geometric method}, abstract ={The development of indoor Location-Based Services faces various challenges that one of which is the method of generating indoor routing graph. Due to the weaknesses of purely geometric methods for generating indoor routing graphs, a semantic-geometric method is proposed to cover the existing gaps in combining the semantic and geometric methods in this study. The proposed method uses the CityGML data model, which is actually a semantic modeling of building space. The output of the method is also presented with several test scenarios, and their results. Using semantic information and semantic graphs is in fact a good strategy for purely geometric methods, and according to the results, the proposed semantic-geometric method for producing indoor routing graphs seems to be efficient.}, Keywords = {CityGML, routing, indoor building space, semantic graph.}, volume = {8}, Number = {4}, pages = {69-80}, publisher = {kntu}, title_fa = {تولید گراف مسیریابی در فضای بسته ساختمانی با روش معنایی-هندسی}, abstract_fa ={توسعه خدمات مکان‌مبنا در فضای داخلی ساختمان، با چالش­های مختلفی روبروست که یکی از آن‌ها نحوه تولید گراف مسیریابی در فضای بسته است. با توجه به ضعف­هایی که در روش­های صرفاً هندسی برای تولید گراف مسیریابی فضای بسته وجود دارد، در این پژوهش یک روش معنایی-هندسی برای پوشش خلأهای موجود در ترکیب روش­های معنایی و هندسی ارائه‌شده است. در این روش از مدل داده CityGML که درواقع یک مدل‌سازی معنایی از فضای ساختمان است، استفاده‌شده است. خروجی این روش نیز با چند سناریو امتحان و نتایج آن ارائه‌شده است. استفاده از اطلاعات معنایی و گراف معنایی، درواقع راهبرد مناسبی برای روش­های صرفاً هندسی است و با توجه به نتایج، روش معنایی-هندسی ارائه‌شده برای تولید گراف مسیریابی فضای بسته، کارآمد بوده است.}, keywords_fa = {CityGML, مسیریابی, فضای داخل ساختمان, گراف معنایی}, doi = {10.52547/jgit.8.4.69}, url = {http://jgit.kntu.ac.ir/article-1-753-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-753-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2021} } @article{ author = {Ranjbar, Sadegh and Akhoondzadeh, Mehdi}, title = {Study of soil moisture change effects on L-band DInSAR phase}, abstract ={The Differential Synthetic Aperture Radar Interferometry (DInSAR) technique is recognized as a potential remote sensing tool for detecting ground surface displacements with less than a centimetre accuracy. The surface soil moisture changes ( ) during the time between the two images as an effective parameter on interferometry phase ), leads to incorrect calculation of  ground  movement  .   In this research, the amount and the way that   affects  on  wheat, rapeseed, weed, pea and idle land fields have been investigated empirically using  a regression model.  To do this investigation,  airborne data UAVSAR (L-band) along with ground-based data in the CanEx-SM10 campaign in 2010 were used. According to the scattergraphs between  and , and observing a direct and approximately linear relationship between them, some hypotheses were taken into consideration in order to use a regression modeling . Comparing the estimated 𝜑 using the calibrated regression model and calculated 𝜑 from the interferometry technique shows that the model provided the best results for the bare field in VV and HH polarizations (RMSE) of 0.3 to 0.6 rad and R2 of 69% to 72%. In general, the results of the regression model showed that without other factors’ effects on , this parameter can be modelled  based on a regression function in bare fields. The model also provided acceptable results in vegetated fields (RMS of 0.6 to 0.99 rad and R2 of 40% to 55% depending on the different vegetation types and different polarizations). Comparing polarizations,  fluctuations in co-polarizations (HH and VV) showed a higher correlation with . Consequently, φ is directly affected by , and significant changes  in  brings about a considerable error in displacement estimation.}, Keywords = {DInSAR, phase, temporal decorrelation, surface soil moisture change.}, volume = {8}, Number = {4}, pages = {81-101}, publisher = {kntu}, title_fa = {بررسی تأثیر تغییرات رطوبت خاک بر فاز تداخل سنجی راداری}, abstract_fa ={تداخل­سنجی راداری تفاضلی (DInSAR) به عنوان یک ابزار بالقوه سنجش از دور برای شناسایی جابجایی­های سطح زمین با دقت زیر سانتی­متر شناخته شده است. تغییرات رطوبت سطحی خاک ( ) در زمان میان دو تصویر به عنوان یک پارامتر تأثیرگذار بر فاز تداخل­سنجی ( )، باعث ایجاد خطا در برآورد جابجایی می­شود. در این پژوهش، میزان و نحوه­ تأثیرگذاری  بر φ در زمین­هایی با پوشش گیاهی گندم، کلزا، علف هرز، نخود و زمین بایر با استفاده از یک مدل رگرسیونی بطور تجربی بررسی شده است. برای این بررسی از داده­های هوایی سنجنده­ UAVSAR (باند L) همراه با داده­های اندازه­گیری شده­ زمینی در کمپین زمینی کانادا برای رطوبت خاک در سال 2010 (CanEx-SM10) استفاده شده است. با توجه به نمودارهای پراگندگی بین φ و  و مشاهده­ رابطه­ مستقیم و تقریبا خطی بین این دو پارامتر، تعدادی فرضیه برای استفاده از یک مدلسازی رگرسیونی در نظر گرفته شد. با مقایسه­ فاز تخمین زده شده با استفاده از مدل رگرسیونی کالیبره شده و فاز محاسبه شده از تکنیک تداخل­سنجی، بهترین نتایج مدل در زمین بایر با خطای جذر میانگین مربعات (RMSE)، 3/0 رادیان تا 6/0 رادیان و ضریب تعیین (R2)، 69% تا 72% در قطبیدگی­های VV و HH بدست آمده است. بطور کلی، نتایج مدل رگرسیونی نشان می­دهد بدون تأثیر بقیه عوامل تأثیرگذار بر φ، این پارامتر می­تواند به عنوان تابعی رگرسیونی از تغییرات سطح رطوبت خاک در زمین­های بایر باشد. همچنین، این مدلسازی نتایج قابل قبولی برای زمین­های دارای پوشش گیاهی ارائه می­دهد (RMSE، 6/0 رادیان تا 99/0 رادیان و R2، 40% تا 55%  با توجه به نوع پوشش گیاهی و قطبیدگی­های مختلف). در مقایسه­ی قطبیدگی­ها، نوسانات φ در قطبیدگی­های هم­قطبش (HH و VV) همبستگی بیشتری با  نشان می­دهند. بطور کلی، φ تابعی مستقیم و تقریبا خطی از  می­باشد و تغییرات زیاد رطوبت سطحی خاک باعث ورود خطای قابل توجهی در برآورد جابجایی می­شود.}, keywords_fa = {تداخل سنجی راداری, فاز, رطوبت سطحی خاک, تغییرات پوشش گیاهی.}, doi = {10.52547/jgit.8.4.81}, url = {http://jgit.kntu.ac.ir/article-1-811-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-811-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2021} } @article{ author = {Mehranfar, Mansour and Arefi, Hossein and Alidoost, Fatemeh}, title = {Bridge Modeling using Segmentation of Point Cloud Captured from Photogrammetric UAV}, abstract ={In recent years, great efforts have been made to generate 3D models of urban structures in photogrammetry and remote sensing. 3D reconstruction of the bridge, as one of the most important urban structures in transportation systems, has been neglected because of its geometric and structural complexity. Due to the UAV technology development in spatial data acquisition, in this study, the point clouds generated from UAV-based images are used for 3D modeling of the four main elements of a bridge structure, including the railing, body, base and abutment elements. For this, a knowledge-based algorithm is proposed to provide 3D models of different types of bridge structures in GIS-based data format using the knowledge in the shape, structure and geometric relationships between the bridge’s elements. First, the fuzzy c-means clustering method including height and spectral values as well as point-based features such as the 3D density, normal vectors ​​and planarity is used to segment the point cloud. Next, a projection-based reconstruction technique, which is developed based on the geometric and structural features of each bridge element, is proposed to generate a 3D model for that element. The proposed reconstruction workflow includes the projection of point clouds to a 2D space, fitting the primitive geometric models to 2D points, locating the primitive coordinates of the models in the 2D space, and then developing 2D models into 3D space. To evaluate the proposed method, the dimensions of the structural elements in the bridge design plans are compared with the dimensions of the elements in the generated 3D model. Despite the many challenges in modeling steps, the results of this study indicate a high accuracy and ability for the proposed algorithm in 3D modeling of bridges with different geometry and designs, with a mean error and a standard deviation of about 3 cm and 1cm, respectively.}, Keywords = {Photogrammetry, 3D Modelling, Bridge, Projection-based Algorithm, UAV Point Cloud.}, volume = {8}, Number = {4}, pages = {103-127}, publisher = {kntu}, title_fa = {مدلسازی پل ها با استفاده از قطعه بندی ابر نقاط حاصل از پهپاد فتوگرامتری}, abstract_fa ={در سال­های اخیر، تلاش­های بسیاری جهت دستیابی به مدل­های سه بعدی عوارض شهری در حوزه فتوگرامتری و سنجش از دور صورت پذیرفته است که در این میان، عنصر پل به عنوان یکی از مهمترین سازه­های شهری، علیرغم اهمیت فراوان در زمینه حمل­ و نقل، به دلیل پیچیدگی هندسی و ساختاری از این امر مستثنی بوده است. با توجه به پیشرفت فناوری پهپاد در اخذ داده­های مکانی، در این مطالعه، از ابر نقاط حاصل از تصاویر پهپاد برای مدلسازی سه بعدی چهار قطعه اصلی سازه پل شامل نرده، بدنه، پایه و کوله­ها استفاده می­شود. بدین منظور، با بکارگیری دانش موجود در شکل و ساختار پل­ها و روابط هندسی بین المان­های تشکیل­دهنده آنها، الگوریتمی دانش­مبنا ارائه می­شود که می­تواند مدل سه بعدی انواع پل را با فرمت مناسب برای پایگاه داده­های مکانی فراهم نماید. ابتدا، به منظور قطعه­بندی ابرنقطه پل، از روش خوشه­بندی فازی (fuzzy c-means) به همراه مقادیر ارتفاعی، طیفی و ویژگی­های مستخرج از ابرنقاط نظیر چگالی سه بعدی، مقادیر بردار نرمال و قید هم­صفحه­ای (planarity) استفاده می شود. سپس از روش مدلسازی نگاشت مبنا که متناسب با ویژگی­های هندسی و ساختاری هر قطعه از پل است، برای بازسازی مدل سه بعدی آن قطعه استفاده می­گردد. روند مدلسازی شامل نگاشت ابرنقاط به فضای دو بعدی، برازش مدل­های هندسی پایه به نقاط و تعیین موقعیت نقاط مبنا در فضای دوبعدی و سپس گسترش آنها به فضای سه بعدی می­باشد. جهت ارزیابی روش پیشنهادی، ابعاد المان­های سازه­ای موجود در پلان­های طراحی پل با ابعاد الما­ن­ها در مدل سه بعدی مقایسه می­شوند. علیرغم وجود چالش­های بسیار در مدلسازی، نتایج حاصله در این تحقیق، حاکی از دقت و توانایی بالای الگوریتم پیشنهادی در مدلسازی سه بعدی پل­ها با هندسه و طراحی­های مختلف می­باشد، به طوری که برای داده­های مطالعاتی، متوسط خطای میانگین و انحراف معیار برابر 03/0 و  01/0 متر است.}, keywords_fa = {فتوگرامتری, مدلسازی سه بعدی, پل, الگوریتم نگاشت مبنا, ابرنقاط پهپاد}, doi = {10.52547/jgit.8.4.103}, url = {http://jgit.kntu.ac.ir/article-1-810-en.html}, eprint = {http://jgit.kntu.ac.ir/article-1-810-en.pdf}, journal = {Engineering Journal of Geospatial Information Technology}, issn = {2008-9635}, eissn = {}, year = {2021} }