fa
jalali
1395
9
1
gregorian
2016
12
1
4
3
online
1
fulltext
fa
بررسی چشمانداز تغییرات سطح کشت اراضی کشاورزی در افق 2020 در حوضه زرینه رود با استفاده از روش ترکیبی مارکوف- سلولهای خودکار
Evaluation of landscape changes in Horizon 2020 cultivation of agricultural land in the basin Zarineh using a combination Markov and cellular automation
سطح کشت اراضی کشاورزی همواره در طول سالهای گذشته در سطح حوضه زرینه رود، دستخوش تغییر بوده و بهعنوان یکی از دلایل اصلی کاهش جریان ورودی به دریاچه ارومیه مطرح گردیده است. از این رو بررسی چشم انداز این تغییرات با توجه به روند توسعه احتمالی آنها در حوضه، میتواند در تصمیم گیری موثر و ارائه راهکارهایی جهت مقابله با بحران زیست محیطی دریاچه ارومیه نقشی کلیدی ایفا نماید. در این پژوهش سعی شده تا ضمن استخراج و ارزیابی تغییرات تاریخی سطح کشت اراضی کشاورزی با استفاده از تصاویر ماهوارهای، چشم اندازی از آینده تغییرات کاربریهای حوضه زرینه رود ارائه گردد. در این راستا از روش ترکیبی مارکوف سلولهای خودکار استفاده گردید. بررسیهای به عمل آمده در مناطق مختلف حوضه زرینه رود نشان دهنده تغییرات بسیاری در جهت افزایش کاربریهایی همچون کشت آبی(40 درصد) و باغات (57 درصد) و همچنین در جهت کاهش اراضی مرتعی(5 درصد) و کشت دیم(10 درصد)، در سال 2013 نسبت به سال 2000، است. این روند تغییرات برای افق 2020 نیز مشاهده شده است.
Cultivation of agricultural land in the basin Zarineh has changed over the years and as one of the main reasons for reducing the inflow to Lake Urmia has been raised. Due to the possible development, Estimation of prospects of changes in the basin can play in key role in taking effective decisions and provide guidelines for dealing with the environmental crisis Lake Urmia is facing with. In this study has been tried to extract and assess the historical changes in land use in the Zarineh basin using satellite images and a projection of the future land use changes has been provided. In this regard, a combined of CA-MARKOV method was used. Results show that between 2000 and 2013, on average, most of changes lean toward increase in land use, such as irrigated agriculture (40%) and gardens (57%) and also to reduce pasture land (5%) and dryland farming (10%). This trend has also been observing for horizon of year 2020.
Land use, Prediction, Cellular automata, Zarrineh Roud
کاربری اراضی, روش مارکوف, سلولهای خودکار, چشم انداز, زرینه رود
1
15
http://jgit.kntu.ac.ir/browse.php?a_code=A-11-351-1&slc_lang=fa&sid=1
2016/03/17
1394/12/27
2016/04/17
1395/1/29
gholam abbas
sohooli
Tarbiat Modares University
غلامعباس
سهولی
sohooli22@yahoo.com
0031947532846004785
0031947532846004785
No
دانشگاه تربیت مدرس
majid
delavar
Tarbiat Modares University
مجید
دلاور
m.delavar@modares.ac.ir
0031947532846004786
0031947532846004786
Yes
دانشگاه تربیت مدرس
mohsen
Ghamary Asl
Iranian Space Research Institute
محسن
قمری اصل
m.ghamary@gmail.com
0031947532846004787
0031947532846004787
No
دانشگاه خواجه نصیرالدین طوسی
fa
نرمسازی سیگنال شتاب حاصل از مشاهدات جی پی اس
Global Positioning System (GPS) Acceleration Smoothing
در ثقلسنجی هوایی از ترکیب دادههای سیستم تعیین موقعیت جهانی (GPS) و سیستم ناوبری اینرسی (INS) برای تعیین شتاب ثقل زمین استفاده میشود. موقعیت حاصل از GPS آلوده به نویز بوده و این امر سبب میشود که سیگنال شتاب GPS محاسبه شده که نتیجه دو بار مشتقگیری عددی از سیگنال موقعیت GPS است، نیز آلوده به نویز شده و به دلیل خطاهای محاسباتی فرآیند مشتقگیری، میزان نویز آن تشدید گردد. در این مقاله از فیلتر دیجیتال و فیلتر کالمن جهت نرمسازی شتاب سیگنال GPS استفاده شده و نتایج حاصل با نتیجه روش نرمسازی بیاسپلاین که قبلاً بر روی همین دادهها اعمال شده و شتاب ثقل با دقت یک میلی گال حاصل شده است، مقایسه گردید. میزان تطابق نتایج حاصل از دو روش فیلتر دیجیتال و بیاسپلاین بهطور متوسط برابر 97.55 درصد و میزان تطابق نتایج حاصل از دو روش فیلتر کالمن و بیاسپلاین برابر 99.83 میباشد. که نشان دهنده نزدیکی بیشتر روش فیلتر کالمن به روش بیاسپلاین است. از طرفی راحتی طراحی فیلترهای دیجیتال با پاسخ ضربه نامحدود، کاهش زمان محاسبات و نیاز به حافظه کمتر از مزایای این نوع فیلتر در پردازش سیگنال میباشد، لذا در پروژههای اجرائی که حجم اطلاعات بسیار بالا میباشد، این ویژگی فیلتر دیجیتال بسیار کارآمد بوده و موجب صرفهجویی در زمان و هزینه پروژه میگردد. از روشهای نرمسازی سیگنال میتوان در حذف نویز دستگاهی از سیگنال شتاب INS نیز استفاده نمود. به این ترتیب میتوان از INS با دقت کمتر و ارزانتر (دارای نویز بیشتر) به جای INS با دقت بالاتر و گرانتر (دارای نویز کمتر) در ترکیب با GPS استفاده کرد. که این امر موجب کاهش هزینه تهیه تجهیزات ناوبری اینرسی و افزایش بهرهوری در ثقلسنجی هوایی میشود.
Integration of global positioning system (GPS) and inertial navigation system (INS) is used in airborne gravimetry to gravity field recovery. Since GPS computed position is noisy therefore the GPS acceleration which is the result of twice differentiation of GPS position will be too noisy as well. In this paper IIR low-pass filter and Kalman filter are used to smoothing the GPS acceleration and their result compared to B-spline smoother result. B-spline smoothing accuracy is reported about 1mGal in this paper data, therefore B-spline smoothing considered as a reference smoothing method. The correlation of IIR low-pass filter and Kalman filter results with B-spline smoothing result is about 97.55 and 99.83 percent, respectively. It shows that the Kalman filter result is closer to B-spline smoother. On the other hand, along with ease of design of IIR low-pass filter some other advantages such as fast computing algorithm in signal processing unlimited response hit and less memory requirement are worth mentioning. Therefore, in project with huge among of data the IIR low-pass filter could be efficient and causes the time and cost saving. Mentioned smoothing methods can also be used in INS instrumental noise reduction. Therefore, less accurate INS can be used in integration with GPS, which causes the INS cost saving and project productivity promotion.
B-spline, IIR Digital Filter, Kalman Filter, GPS Acceleration, Signal Noise Reduction
فیلتر دیجیتال با پاسخ ضربه محدود, فیلتر کالمن, بی اسپلاین, شتاب GPS, کاهش نویز سیگنال
17
28
http://jgit.kntu.ac.ir/browse.php?a_code=A-11-93-1&slc_lang=fa&sid=1
2016/03/172016/04/21
1395/2/2
2016/04/172016/05/11
1395/2/22
Mohsen
Feizi
K.N.Toosi University of Technology
محسن
فیضی
mfeizi@mail.kntu.ac.ir
0031947532846004788
0031947532846004788
No
دانشگاه صنعتی خواجه نصیرالدین طوسی
Yazdan
Amerian
K.N.Toosi University of Technology
یزدان
عامریان
amerian@kntu.ac.ir
0031947532846004789
0031947532846004789
Yes
دانشگاه صنعتی خواجه نصیرالدین طوسی
fa
تأثیر بهینهسازی کوهرنس در بهبود تخمین ارتفاع درختان بااستفاده از تکنیکهای اینترفرومتری پلاریمتریک
Effectiveness of Coherence optimization on improvement of height estimation using PolInSAR techniques
مسئله تخمین زیست توده جهت بررسی تغییرات آب و هوایی بر روی اکوسیستمهای زمینی از اهمیت بسیاری برخوردار میباشد. در سالهای اخیر استفاده از تکنیکهای اینترفرومتری برای تخمین زیست توده منجر به نتایج بهتری شده است. به کمک تکنیکهای اینترفرومتری پلاریمتریک میتوان ارتفاع درختان را بدست آورد و سپس زیست توده را تخمین زد. بهینهسازی کوهرنس در بهبود تخمین ارتفاع به کمک روشهای اینترفرومتری پلاریمتریک نقش بسزایی دارد. در این مقاله روشهای مختلف تخمین ارتفاع شامل الگوریتمهای وارونگی بر اساس اندازه کوهرنس، تفاضل مدل رقومی زمین و ترکیبی با استفاده از الگوریتمهای بهینهسازی کوهرنس شعاع عددی و تنوع فاز مورد بررسی قرار گرفته است. دادههای مورد استفاده، دادههای شبیهسازی شده جنگلی است که به کمک شبیهساز پلسارپروسیم صورت گرفته است. با توجه به آنکه روش تنوع فاز یک روش بهینهسازی فاز است، بر روی تخمین ارتفاع به روش اندازه کوهرنس تأثیری نداشته ولی باعث بهبود تخمین ارتفاع به روش مدل رقومی زمین شده است. روش شعاع عددی اگر چه روند محاسباتی سنگینی دارد و زمانبر است ولی نتایج را به میزان قابل توجهی بهبود داده است.
Biomass estimation plays an important role in the investigation of climate changes and global warming on terrestrial ecosystems. In recent years, related researches show PolInSAR techniques can significantly improve biomass estimation. Tree height can be estimated using PolInSAR techniques which by using that, the tree’s biomass can also be estimated. It is known that coherence optimization has an effective role on improvement of tree height estimation using PolInSAR. In this paper, various tree height estimation methods, such as coherence amplitude inversion algorithms, DEM differentiating, and combined methods are validated and compared using simulated data. Coherence optimization methods which are applied in these algorithms are numerical radius and phase diversity coherence optimization algorithms were estimated respectively. According to the fact that phase diversity algorithm was a phase based method, it didn’t have significant effect on improvement of tree height using coherence amplitude algorithm. However, improvement of tree height estimation by DEM differentiating method is obvious. In comparison to the previous method, although numerical radius method is time consuming and has a complicated process but it improves tree height estimation in great deals.
PolInSAR, Coherence Optimization, Height Estimation, Inversion Algorithms
اینترفرومتری پلاریمتریک, بهینه سازی کوهرنس, تخمین ارتفاع, الگوریتم های معکوس سازی
29
42
http://jgit.kntu.ac.ir/browse.php?a_code=A-11-344-1&slc_lang=fa&sid=1
2016/03/172016/04/212016/03/8
1394/12/18
2016/04/172016/05/112016/05/29
1395/3/9
Seyedeh Samira
Hosseini
K.N.Toosi University of Technology
سیده سمیرا
حسینی
shosseini@mail.kntu.ac.ir
0031947532846004790
0031947532846004790
Yes
دانشگاه صنعتی خواجه نصیرالدین طوسی
Hamid
Ebadi
K.N.Toosi University of Technology
حمید
عبادی
0031947532846004791
0031947532846004791
No
دانشگاه صنعتی خواجه نصیرالدین طوسی
Yasser
Maghsoudi
K.N.Toosi University of Technology
یاسر
مقصودی
0031947532846004792
0031947532846004792
No
دانشگاه صنعتی خواجه نصیرالدین طوسی
fa
شناسایی اشتباهات تناظریابی و تصحیح نسبی توابع رشنال در تصاویر استریو ماهوارهای
Outlier Detection and Relative RPC Modification of Satellite Stereo Images Using RANSAC+RPC Algorithm
یکی از مهمترین مراحل پردازش تصاویر ماهوارهای و بخصوص تصاویر استریو ماهوارهای بحث زمین مرجعسازی آنهاست. در حال حاضر اکثر شرکتهای تولیدکننده تصاویر استریو ماهوارهای از توابع رشنال برای زمین مرجعسازی استفاده میکنند. اما از آنجا که تولید توابع رشنال برای هر تصویر بهطور جداگانه انجام میگیرد، در عمل علاوه بر خطای مطلق این توابع، بین توابع رشنال این تصاویر یک نوع خطای نسبی نیز وجود دارد که برای اهداف برجستهبینی و استخراج مختصات سهبعدی به نظر میرسد که باید تصحیح شود. ایدهی مطرح برای تصحیح نسبی این توابع، استفاده از نقاط متناظر عکسی است. در حال حاضر اپراتورهای بینایی رایانه میتوانند بهصورت اتوماتیک نقاطی را استخراج و تناظریابی کنند؛ اما تناظریابی این نقاط با اشتباهاتی همراه هستند که بایستی از چرخه محاسبات تصحیح نسبی ضرایب توابع رشنال حذف شوند. در این تحقیق برای تصحیح نسبی توابع رشنال و همچنین حذف همزمان اشتباهات تناظریابی، الگوریتم RANSAC+RPC پیشنهاد داده شده است. نتایج بدست آمده بر روی زوج تصاویر ماهوارهای GeoEye1 از منطقه شهری قم و تصاویر ماهوارهای IRS P5 از منطقه رودهن نشان میدهد اگرچه این استراتژی برای توجیه نسبی پایدار تصاویر ماهوارهای از موفقیت بالایی برخوردار است، اما میزان تاثیر تصحیحات روی نقاط سهبعدی بازسازی شده در حد زیر پیکسل است.
Satellite image providers usually present Rational Polynomial Coefficients (RPCs) as a user friendly solution for georeferencing of images. As RPCs are determined independently for each image scene, there are both absolute and relative georeferencing biases will in stereo scenes. Relative orientation of a stereo scene needs some conjugate image points. Speeded up robust features (SURF) operator is a powerful computer vision algorithm for image feature extraction and matching. Usually some of the features are not actually matched and are outliers. In this paper RANSAC+RPC algorithm is employed to simultaneously detect these outliers and modify the relative bias of RPCs. Our experiments on GeoEye-1 over Qom city and IRS-P5 over Rudehen district, both in central Iran, demonstrated the capability of our proposed algorithm. Though the RPC modification was done robustly for relative orientation of stereo scenes, yet improvement in the reconstructed 3D coordinates are in the range of sub-pixel accuracy. Our experiments demonstrate that the relative RPC shift and drift error will not cause any accuracy improvement in 3D reconstruction problem.
Rational Polynomial Coefficients (RPC), RPC Modification, Satellite Stereo Imagery, RANSAC+RPC, Outlier Detection
توابع رشنال, تصحیح نسبی توابع رشنال, تصاویر استریو ماهوراه ای, RANSAC+RPC , شناسایی اشتباهات تناظریابی
43
56
http://jgit.kntu.ac.ir/browse.php?a_code=A-11-337-1&slc_lang=fa&sid=1
2016/03/172016/04/212016/03/82016/03/5
1394/12/15
2016/04/172016/05/112016/05/292016/09/5
1395/6/15
Nurollāh
Tatar
School of Surveying and Geospatial Information Engineering, College of Engineering, University of Tehran
نوراله
تتر
n.tatar@ut.ac.ir
0031947532846004793
0031947532846004793
Yes
دانشکده مهندسی نقشه برداری و اطلاعات مکانی دانشگاه تهران
Mohammad
Saadatsresht
School of Surveying and Geospatial Information Engineering, College of Engineering, University of Tehran
محمد
سعادت سرشت
msaadat@ut.ac.ir
0031947532846004794
0031947532846004794
No
دانشکده مهندسی نقشه برداری و اطلاعات مکانی دانشگاه تهران
Hossein
Arefi
School of Surveying and Geospatial Information Engineering, College of Engineering, University of Tehran
حسین
عارفی
hossein.arefi@ut.ac.ir
0031947532846004795
0031947532846004795
No
دانشکده مهندسی نقشه برداری و اطلاعات مکانی دانشگاه تهران
fa
ارزیابی جانمایی دستگاه لیزر اسکنر زمینی در پروژههای برداشت نقشهبرداری
با الگوریتم ژنتیک
Terrestrial Laser Scanner Locating assessment in Surveying Projects with Genetic Algorithm
با استفاده از دستگاه لیزر اسکنر زمینی امکان مدلسازی کامل سهبعدی یک محدوده وجود دارد. برای پوشش کامل محدوده بایستی دستگاه در نقاط مختلف مستقر و عملیات اندازهگیری انجام گیرد. اما جابجایی و افزایش نقاط استقرار، مستلزم اندازهگیریهای میدانی بیشتر بوده و در نتیجه باعث افزایش زمان و هزینه محاسباتی خواهد شد. در این مقاله، هدف آن است که ابزاری جهت ارزیابی نقاط انتخابشده برای استقرار دستگاه لیزراسکنر زمینی ارائه شود. در این راستا، برای دستیابی به این هدف از الگوریتم بهینهسازی ژنتیک استفاده شده است. در روش پیشنهادی، ابرنقاط حاصل از هممرجع نمودن تمامی ایستگاههای استقرار دستگاه در محدوده اسکن، به عنوان فضای جستجوی الگوریتم ژنتیک استفاده میشود. همچنین تابع هزینه با دو هدف، یکی کاهش نواحی پنهان در ابرنقاط نهایی و دیگری انتخاب کمترین تعداد ممکن نقاط استقرار در نظر گرفته میشود. با انتخاب مجموعهای تصادفی از نقاط کاندید برای استقرار، به عنوان پاسخ اولیه، الگوریتم شروع به کار کرده و در فضای جستجو، در طی تکرارهای متوالی با اعمال عملگرهای انتخاب، تقاطع و جهش جواب بهینه مسأله جانمایی لیزر اسکنر زمینی را بدست میآورد. در این فرآیند، انتخاب بهینه نقاط استقرار دستگاه به صورت اتوماتیک و تکراری بوده و اطمینان از چیدمان صحیح با حداقل تعداد نقاط لازم برای اندازهگیری کامل محدوده حاصل میشود. نتایج این تحقیق بر روی دادههای واقعی و شبیهسازی نشان میدهد، با الگوریتم بهینهسازی ژنتیک میتوان نقاط بهینه برای استقرار دستگاه لیزر اسکنر را از میان تعداد بسیار زیادی از نقاط کاندید انتخاب کرد. بدین وسیله، ابزاری کارآمد بهمنظور ارزیابی بهینه بودن نقاط استقرار انتخابشده در پروژههای برداشت با دستگاه لیزر اسکنر زمینی ایجاد میشود. امکان اسکنینگ 99 درصد محدوده با اطمینان کامل با روش پیشنهادی با کمترین تعداد ممکن ایستگاههای استقرار حاصل شد.
There is the possibility of complete 3D modeling using terrestrial laser scanner. To have a complete coverage of the target region for the scan, the device must be located in various locations and carried out measurement operations. Nevertheless, the movement to increase the deployment requires more field measurements which respectively will increase the cost and time. In this paper, the goal is to provide a tool to assess the selected locations for the deployment of terrestrial laser scanners. In this regard, to achieve this goal, the genetic optimization algorithm is being used. In the proposed method, the total registered point cloud implementation of all stations in the range of scanning devices is used as the search space for the genetic algorithm. The cost function with two goals, one reduction in occlusion areas and the other is to take fewest possible points for placements. By selecting a random set of candidate locations for placement as an initial response, the algorithm will start to obtain optimal layout placement and in the search space, during successive iterations by applying the selection operators, crossover and mutation will be provided. In this process, the optimal choice of device placement is automatic and repetitive and ensure correct alignment will achieve with the minimum number of points required for full measurement. The results show the genetic optimization algorithm to optimize the laser scanner device placements across a large number of the selected candidate. Thereby, it can be created a tool to assess the efficiency of the selected placements. The chance of 99% scanning of the area with absolute certainty using the proposed method with the least possible number of stations was established.
Terrestrial laser scanner, layout, optimization, genetic algorithms.
لیزر اسکنر زمینی, جانمایی, بهینه سازی, الگوریتم ژنتیک.
57
76
http://jgit.kntu.ac.ir/browse.php?a_code=A-11-111-2&slc_lang=fa&sid=1
2016/03/172016/04/212016/03/82016/03/52016/03/24
1395/1/5
2016/04/172016/05/112016/05/292016/09/52016/06/12
1395/3/23
morteza
Heidari Mozaffar
Faculty of Geodesy and Geomatics Eng. K.N. Toosi University of Technology
مرتضی
حیدری مظفر
m_heidari@dena.kntu.ac.ir
0031947532846004796
0031947532846004796
Yes
دانشکده نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی
Masood
Varshosaz
Faculty of Geodesy and Geomatics Eng. K.N. Toosi University of Technology
مسعود
ورشوساز
varshosazm@kntu.ac.ir
0031947532846004797
0031947532846004797
No
دانشکده نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی
Mohammad
Saadat Seresht
Department of Geomatics Eng., University College of Eng., University of Tehran
محمد
سعادت سرشت
msaada@ut.ac.ir
0031947532846004798
0031947532846004798
No
دانشکده مهندسی نقشه برداری دانشگاه تهران
fa
بهکارگیری الگوریتم ماشین بردار پشتیبان در تولید نقشه تخریب ساختمانها با استفاده از داده لیدار پس از زلزله
Using Support Vector Machine to Generate Building Damage Map from Post-Event LiDAR Data
بلایای طبیعی از قبیل سیل، زلزله، طوفان و سونامی همواره از بزرگترین مشکلات بشر بوده که در این بین زلزله به دلیل غیر قابل پیشبینی بودن و رخ دادن لحظهای آن از اهمیت زیادی برخوردار میباشد. پس از وقوع زلزله، وجود اطلاعات از منطقه آسیبدیده نقش مهمی در هدایت گروههای امداد به منظور به حداقل رساندن میزان خسارات ناشی از زلزله دارد. در این بین، نقشه تخریب، که ساختمانهای تخریب شده با درجه تخریب آنها بر روی آن نشان داده شده است، به عنوان یکی از اطلاعات مهم مورد توجه مدیران بحران قرار دارد. هدف از این مقاله، ارائه یک روش برای تولید اتوماتیک نقشه تخریب ساختمانها، با استفاده از داده لیدار بعد از زلزله و نقشه میباشد. در روش پیشنهادی،بهمنظور پیدا کردن موقعیت همه ساختمانها بر روی داده لیدار، در اولین مرحله، داده لیدار و نقشه با استفاده از چند نقطه کنترل هم مختصات میشوند. سپس، ناحیه مربوط به لایه ساختمانها از داده لیدار استخراج و در مرحله بعد، با استفاده از روش طبقهبندی ماشینهای بردار پشتیبان به دو کلاس "آوار" و "سالم" طبقهبندی میشوند. در نهایت، بر مبنای میزان مساحت قسمت آوار در محدوده هر ساختمان میزان تخریب آن برآورد میگردد. بهمنظور ارزیابی روش پیشنهادی، از دادههای لیدار شهر پرتوپرینس، پایتخت هایتی، پس از زلزله 2010 استفاده شده است. نقشه تخریب بدست آمده از این مقاله با درجه تخریبی که با استفاده از دید بصری تصاویر ماهوارهای بعد از زلزله به دست آمده مقایسه شد. نتایج بدست آمده، توانایی روش پیشنهادی در تولید نقشه تخریب با استفاده از داده لیدار پس از زلزله را نشان میدهد.
Natural disasters such as floods, earthquakes, hurricanes and tsunamis have always been the greatest human problems. Among them, the earthquakes, because of its unpredictability, are more important than the others. After an earthquake, damage assessment plays an important role in leading rescue teams in order to minimize the damages. Meanwhile, damage map, a map that demonstrates collapsed buildings with their degree of damage count as one of the most important information sources for crisis management. In this paper, we propose an algorithm for automatic generation of damage map after an earthquake using post-event LiDAR data and pre-event vector map. In the proposed method, in order to find the location of all buildings on LiDAR data, in the first step, LiDAR data and vector map are registered by using a few numbers of ground control points. Then, the buildings, in vector map, are overlaid on the LiDAR data to extract all the pixels inside buildings area. After that, Using SVM classification algorithm all the extracted pixels are classified into two classes of “debris”, “intact”. Next, damage degree for every building is estimated based on the relation between the numbers of pixels labeled as “debris” class to the whole building area. To evaluate the ability of the proposed method in generating damage map, a dataset from Port-au-Prince, Haiti’s capital after the 2010 Haiti earthquake was used. In this case, after calculating all buildings in the tested area using the proposed method, the results were compared to the damage degree which estimated through visual interpretation of post-event satellite image. Obtained results proved the reliability of the proposed method in damage map generation using LiDAR data.
Earthquake, Building, Support vector machine, LiDAR data, Damage map
زلزله, ساختمان, داده لیدار, ماشین بردار پشتیبان, نقشه تخریب.
77
87
http://jgit.kntu.ac.ir/browse.php?a_code=A-11-353-1&slc_lang=fa&sid=1
2016/03/172016/04/212016/03/82016/03/52016/03/242016/03/7
1394/12/17
2016/04/172016/05/112016/05/292016/09/52016/06/122016/07/11
1395/4/21
Fayezeh
Eslamizadeh
University of Tehran
فائزه
اسلامی زاده
f.eslamizadeh@ut.ac.ir
0031947532846004799
0031947532846004799
No
دانشگاه تهران
Heidar
Rastiveis
University of Tehran
حیدر
راستی ویس
hrasti@ut.ac.ir
0031947532846004800
0031947532846004800
Yes
دانشگاه تهران
fa
مدلسازی الگوی رشد قطعات شهری با استفاده از یک الگوریتم رشد قطعه بر مبنای اتوماتای سلولی در مجموعه شهری تهران
Modeling growth pattern of urban patches using a patch-growing algorithm based on cellular automata in the Tehran megalopolitan area
مجموعههای شهری نوع جدیدی از سکونتگاههای شهری هستند که در دهههای اخیر با رشد چشمگیر شهرنشینی بوجود آمدهاند. این مجموعهها از تجمع قطعات شهری بزرگ و کوچکی که با الگوهای متفاوتی رشد نمودهاند، تشکیل گردیدهاند. ویژگیهای مکانی این قطعات متاثر از عوامل گوناگونی مانند نزدیکی به هسته اصلی شهرها و شبکه ارتباطی کلان مجموعه شهری میباشد. اتوماتای سلولی به عنوان متداولترین مدل مورد استفاده در شبیهسازی رشد شهری، به دلیل عملکرد پایین به بالا، در مدلسازی ساختار مکانی قطعات شهری ناتوان است و علیرغم قدرت شبیهسازی بالا در سطح سلول، در سطح قطعه عملکرد ضعیفتری دارد. از اینرو در این تحقیق روشی به منظور شبیهسازی الگوی رشد قطعات شهری ارائه گردیده است که در تلفیق با اتوماتای سلولی لجستیکی به منظور مدلسازی رشد شهری استفاده شده است. در این روش، از یک طرف نقشه پتانسیل رشد با استفاده از رگرسیون لجستیکی تهیه میگردد و از طرف دیگر دو شاخص اندازه و نوع رشد قطعه با تلفیق عوامل موثر بر الگوهای رشد قطعات شهری، در هر موقیعتی محاسبه میشود. در نهایت طبق چارچوب پیشنهادی اطراف هر سلولهای انتخابی، قطعهای با ویژگیهای محاسبه شده تشکیل و نقشه رشد شهری تهیه میگردد. مدل پیشنهادی در این تحقیق در مجموعه شهری تهران و برای دورههای زمانی 1379-1385-1391-1397 پیادهسازی شدهاست. دقت کلی و شاخص سازگاری نتایج به ترتیب برابر است با 01/91 و 96/37 که نسبت به مدل اتوماتای سلولی دقت بهتری ارائه کرده است. همچنین اعتبارسنجی نقشه تهیه شده در این مطالعه با استفاده از محاسبه شاخصهای مکانی، نشان دهنده افزایش دقت مدل پیشنهادی در شبیهسازی ساختار مکانی قطعات شهری میباشد.
The megapolis areas are new types of urban settlements created in recent decades along with rapid urbanization. These areas constructed by clusters of small and large urban patches with various growth patterns. Spatial characteristics of urban patches are affected by some driving forces such as closeness to cities Central Business Center CBD and transportation network. The Cellular automata as a most common model for simulating urban growth, is unable in modeling spatial configuration of urban patches because of bottom up procedure and despite of high simulation power at cell level, CA has weaker performance in patch level. So in this study a method is presented for simulation of urban patches growth that is integrated with Logistic CA to modeling urban growth. In this method, on the one hand the growth potential map derived using logistic regression and on the other hand size and growth type of patch in each location is derived using integration of driving forces of growth patterns of urban patches. Finally according to proposed framework, a patch is constructed around selected cell and urban growth map will be prepared. The proposed model is implemented in the Tehran’s megalopolis area in 1379-1385-1391-1397 periods. The overall accuracy and FOM of results is equal to 91/01 and 37/96, respectively that are better than logistic CA model. Also the results of validation of produces urban growth map by using spatial metrics reviled high precision of methodology in simulation of spatial configuration of urban pattern.
Urban patches, Urban growth simulation, The megalopolitan area, Spatial index, Cellular automata
قطعات شهری, شبیهسازی رشد شهری, مجموعه شهری, شاخص مکانی, اتوماتای سلولی
89
106
http://jgit.kntu.ac.ir/browse.php?a_code=A-11-349-1&slc_lang=fa&sid=1
2016/03/172016/04/212016/03/82016/03/52016/03/242016/03/72016/04/23
1395/2/4
2016/04/172016/05/112016/05/292016/09/52016/06/122016/07/112016/04/30
1395/2/11
Sanaz
Alaei Moghadam
K.N.Toosi University of Technology
ساناز
علائی مقدم
s.alaei@mail.kntu.ac.ir
0031947532846004801
0031947532846004801
No
دانشگاه صنعتی خواجه نصیرالدین طوسی
Mohammad
Karimi
K.N.Toosi University of Technology
محمد
کریمی
mkarimi@kntu.ac.ir
0031947532846004802
0031947532846004802
Yes
دانشگاه صنعتی خواجه نصیرالدین طوسی
fa
مدلسازی محلی میدان ثقل از طریق توابع پایه شعاعی و الگوریتم لونبرگ-مارکواردت بهبود یافته
On the regional gravity field modeling via Radial Basis Functions and modefied Levenberg-Marcoardet Algorithm
مدلسازی میدان ثقل به صورت جهانی و محلی و با به کارگیری دادههای ارتفاع سنجی ماهوارهای، هوابرد، زمینی و یا ترکیبی از مجموعه این دادهها صورت میگیرد. یکی از روشهای مرسوم برای تقریب میدان ثقل، استفاده از بسط توابع هارمونیک کروی است. به دلیل مشخصههای جهانی توابع پایه هارمونیک کروی، تغییرات محلی کوچک منجر به تغییر در تمام ضرایب این توابع میشود و لذا این توابع برای مدلسازیهای محلی مناسب نیستند. برای حل این مشکل، گروههای مختلفی از توابع پایه وجود دارد که از آن جمله میتوان به توابع پایه شعاعی اشاره کرد. در مدلسازی میدان ثقل با استفاده از توابع پایه شعاعی، آنومالی پتانسیل ثقل به صورت ترکیبی خطی از تعدادی متناهی تابع پایه شعاعی نوشته میشود و بنابراین هر تابعک خطی از آنومالی پتانسیل نظیر آنومالی جاذبه یا نوسان جاذبه نیز میتواند بر اساس توابع پایه شعاعی بیان شود. بدین ترتیب، کمیتهای قابل اندازهگیری میدان ثقل زمین میتوانند بهمنظور تعیین پارامترهای توابع پایه شعاعی در مدلسازی میدان ثقل به کار روند. در این تحقیق، سیستم معادلات مشاهداتی با استفاده از کرنل دو قطبی شعاعی و دادههای آنومالی جاذبه هوای آزاد تشکیل شده و مقادیر پارامترهای مجهول مسئله شامل تعداد، مکان، عمق (یا پهنای باند) و ضرایب مقیاس این توابع پایه به روش کمترین مربعات به دست میآیند. در واقع از الگوریتم لونبرگ- مارکواردت به عنوان یک روش پایدارسازی غیرخطی برای یافتن پارامترهای توابع پایه شعاعی به صورت همزمان استفاده میشود. به منظور افزایش کارایی عددی این الگوریتم، روشی جدید برای تعیین مقدار اولیه پارامتر پایدارسازی و به هنگامسازی آن ارائه میشود. در نهایت، نتایج عددی حاصل از الگوریتم لونبرگ-مارکواردت بهبود یافته با حالت ساده آن مقایسه میشود. با اعمال تغییرات پیشنهاد شده در این الگوریتم، مجهولات مسئله در مدت زمان بسیار کوتاه و با تعداد تکرارهای کم به دست میآیند. علاوه بر این، اعمال این تغییرات میتواند احتمال همگرایی جواب حاصل از این روش به جواب مینیمم مطلق را افزایش دهد.
The gravity field modeling can be performed in global or local scales utilizing satellite, airborne, terrestrial gravity data or a combination of these observations. One of the common methods in gravity field approximation is to use Spherical Harmonic expansion. Due to the global characteristics of the Spherical Harmonic base functions, a small local signal variation can change all the coefficients in the expansion, and therefore, they are not a suitable choice for regional applications. In order to overcome this problem, there are several groups of base functions, including Radial Basis Functions (RBFs). In gravity field modeling using RBFs, the disturbing potential is represented by a linear combination of an infinite set of RBFs. Hence, any linear functional of the disturbing potential, such as gravity anomaly or gravity disturbance, can be also expressed based on the RBF expansion. Thus, measurable quantities of the Earth's gravity field can be utilized in order to determine the RBF parameters in gravimetric modeling. In this study, system of observation equations is set based on the Radial Multi-Poles of order 2 and free-air gravity anomalies and unknown parameters, including RBF centers, RBF bandwidths (or depths) and scaling coefficients, are determined using a least-squares method. In fact, the Levenberg-Marquardt algorithm is applied as a non-linear regularization method to simultaneously optimize all the RBF parameters. In order to enhance the numerical efficiency of this algorithm, a novel scheme is proposed to initialize and update the regularization parameter. Finally, numerical results obtained from the modified Levenberg-Marquardt algorithm are compared with the ones obtained from the simple form of this algorithm. Applying the proposed modifications to this algorithm, the unknown parameters are determined in a fast procedure and with a significant reduction in the number of iterations. Moreover, these modifications can increase the probability of convergence of the solution to the global minimum.
Radial Base Function, Radial multipole kernel, Regional gravity field modeling, nonlinear inverse problem, Levenberg-Marquardt algorithm.
توابع پایه شعاعی, کرنل چندقطبی شعاعی, مدلسازی محلی میدان ثقل, مسئله معکوس غیرخطی, الگوریتم لونبرگ-مارکواردت
107
119
http://jgit.kntu.ac.ir/browse.php?a_code=A-11-373-1&slc_lang=fa&sid=1
2016/03/172016/04/212016/03/82016/03/52016/03/242016/03/72016/04/232016/04/12
1395/1/24
2016/04/172016/05/112016/05/292016/09/52016/06/122016/07/112016/04/302016/07/20
1395/4/30
Mahboobeh
Mohammad Yusefi Bahlouli Ahmadi
University of Tehran
محبوبه
محمد یوسفی بهلولی احمدی
mmyusefi@ut.ac.ir
0031947532846004803
0031947532846004803
Yes
دانشگاه تهران
abdolreza
Safari
University of Tehran
عبدالرضا
صفری
asafari@ut.ac.ir
0031947532846004804
0031947532846004804
No
دانشگاه تهران
َAnahita
Shahbazi
University of Tehran
آناهیتا
شهبازی
ana.shahbazi@alumni.ut.ac.ir
0031947532846004805
0031947532846004805
No
دانشگاه تهران