نحوه عمل در اکثر الگوریتم های طبقه بندی متداول در سنجش از دور بر اساس ویژگی ها و اطلاعات طیفی پیکسل ها می باشد. این مسئله باعث نایده گرفتن مقدار زیادی از اطلاعات فضایی موجود در تصویر می شود. در مواردی از اطلاعات بافت و واریانس استفاده شده ولی اطلاعات قابل استخراج از واریوگرام کمتر مورد استفاده قرار گرفته اند و به تغییرات زمانی واریوگرام توجه کمی شده است. درصورتی که تغییرات زمانی برای تهیه نقشه کاربری و پوشش زمین مخصوصاً پوشش گیاهی از اهمیت بالایی برخوردار است. استفاده از واریوگرام و شاخص های استخراج شده از آن می توانند در افزایش دقت طبقه بندی موثر باشند. در این تحقیق از تصاویر چند زمانه spot و aster برای تهیه نقشه کاربری و پوشش اراضی منطقه دهگلان واقع در استان کردستان استفاده شده است. مجموعه ای از شاخص های استخراج شده از واریوگرام معرفی و یک سری شاخص جدید استخراج شد و روش svm برای طبقه بندی استفاده شد. روندکلی کار در سه مرحله انجام گرفت ؛ 1- طبقه بندی باندهای طیفی 2- طبقه بندی باندهای طیفی به همراه پارامترهای استخراج شده از واریوگرام.3- طبقه بندی شاخص های استخراج شده از واریوگرام و استخراج کلاس های جدید. بعد از ارزیابی دقت و مقایسه آنها، شاخص های مناسب معرفی شدند. نحوه عمل شاخص ها با همدیگر فرق می کند بعضی از شاخص ها باعث افزایش دقت اکثر کلاس ها شده و در بعضی از کلاس ها بی تأثیر می باشند این شاخص ها را می توان شاخص های عمومی قلمداد کرد در نقطه مقابل برخی از شاخص ها نیز باعث افزایش دقت برخی کلاس ها و کاهش دقت برخی دیگر از کلاس ها می شوند که شاخص های ویژه محسوب می شوند. بررسی ها نشان می دهند که هنگام استفاده از شاخص های استخراج شده از واریوگرام، دقت کلی حدود4 درصد و دقت در برخی از کلاس ها حدود 9 درصد افزایش می یابد. دقت کلی در صورت استفاده از کلیه شاخص ها از 88.98 درصد به 92.744 می رسد. همچنین بعد از طبقه بندی شاخص ها، کلاس های جدید قابل تشخیص هستند که امکان تشخیص آنها با اطلاعات طیفی فراهم نمی باشد. بنابراین شاخص های قابل استخراج از واریوگرام قابلیت خوبی در افزایش دقت طبقه بندی و استخراج کلاس های جدید دارند.

شهر تهران یکی از آلوده ترین شهرهای جهان است و آلودگی هوا در آن محیط زیست و زندگی مردم را تحت تاثیر قرار داده است . آلودگی در بیشتر مناطق شهر تهران بالاست و عوامل مختلفی در این آلودگی نقش دارند . در این تحقیق سری زمانی و روندهای مکانی آلاینده های و همچنین منابع موثر در این آلاینده ها مورد بررسی قرار گرفت . داده های مربوط به آلاینده های مونواکسیدکربن ،دی-اکسیدسولفور ، ذرات معلق ، اکسیدهای نیتروژن و ازن سال 1389 برای این تحقیق استفاده شده است . تغییرات مکانی آلاینده ها با استفاده از روش درون یابی کریجینگ انجام شد و برای اکثر آلاینده ها بیشترین آلودگی مربوط به مناطق مرکزی و جنوبی شهر می باشد و به جز ازن ، سایر آلاینده ها بیشتر در ماههای سرد سال بالا بود که می تواند ناشی از وارونگی در ماههای سرد سال می باشد . بیشترین مقدار ازن به دلیل تابش خورشید در تابستان و اوایل پاییز می باشد . سری زمانی آلاینده ها به کمک نمودار خودهمبستگی و مدلarima بررسی شد که نتایج سری زمانی آلاینده های مختلف نشان داد که آلاینده ها دارای تغییرات فصلی و پریودهای 24 ساعته می باشند و آلاینده ها بامقادیر گذشته ی خود همبستگی دارند . عوامل موثر در آلودگی هوا با استفاده از pca و apcs مورد بررسی قرار گرفت و سه عامل برای آلودگی هوا در شهر تهران شنایایی شدند که شامل وسایل نقلیه و خودروها ، کارخانه ها و فعالیتهای صنعتی فرایندهای فتوشیمیایی بودند . در میان این سه عامل، وسایل نقلیه و فعالیتهای صنعتی بیشترین نقش را دارند و مهمترین عوامل در آلودگی هوای شهر تهران می باشند .

آب یکی از منابع مورد استفاده بشری در ابعاد مختلف زندگی و یکی از ارکان اصلی توسعه همه جانبه بشمار می آید. رودخانه ها بعنوان یکی از مهمترین اجزاء منابع آبی، نقش همه جانبه ای در ابعاد مختلف زندگی از قبیل کشاورزی، صنعت، حمل و نقل و توسعه شهری ایفا می کنند، واز آسیب پذیری بالایی در مقابل آلودگی برخوردارند. این آسیب پذیری در کشورهای در حال توسعه متاثر از رشد جمعیت و شهر نشینی، توسعه صنعتی، و ساختار مدیریتی ضعیف ، تشدید شده است. تصمیم گیری در خصوص کنترل و مدیریت آلودگی آبهای سطحی، متاثر از مولفه های محیطی، از پیچیدگی های بسیار بالایی برخوردار است. این پیچیدگیناشی از پویایی محیط و تغییر پذیری مکانی-زمانی بسیار بالا، ابهام و عدم قطعیت در ساختار مفهومی ومتغیرهای مورد استفاده در آلودگی، ماهیت غیر متمرکز آلودگی، ساختار ضعیف، و عدم اطمینان در پیش بینی این پدیده می باشد. توسعه یک سیستم تصمیم گیری برای مدیریت آلودگی آب، با در نظر گرفتن ویژگیهای بالا، مستلزم درک و شناخت ارتباط فضایی و زمانی بین این پدیده و عوامل و فاکتورهای موثر برآن می باشد. رودخانه جاجرود و مخصوصاَ زیر حوضه سد لتیان، یکی از منابع اصلی تامین آب شرب کلان شهر تهران می باشد. فعالیتهای کشاورزی همراه با استفاده از انواع کودهای شیمیایی و آفت کشها، عدم وجود یک سیستم فاضلاب شهری منسجم و یکپارچه، و همچنین بالا بودن تراکم جمعیت در این منطقه متاثر از جمعیت شهر تهران، از جمله مسائل زیست محیطی پیش روی این حوضه آبریز می باشند. برای کنترل ومدیریت مسئله پیچیده ای چون آلودگی آب، شناخت روند زمانی-مکانی آلودگی، تجزیه و تحلیل الگوها و تعیین منشأهای آلودگی، و استخراج دانش و قوانین حاکم بر این پروسه، ضروری بنظر می رسد. بر همین اساس در این تحقیق بمنظور تحلیل رفتار دینامیک متغیرهای مهم در آلودگی شامل رواناب و رسوب، از انواع الگوریتمهای تحلیل سری زمانی arima، شبکه های عصبی رگرسیون تعمیم یافته، شبکه های پرسپترون چند لایه، شبکه های بازگشتی با تاخیر زمانی، و روش ترکیبی فازی- عصبی استفاده گردید. برای ارائه تصویری روشنتر از الگوهای آلودگی و تحلیل ارتباط کمی بین پارامترهای آلودگی و متغیرهای مربوطه، از انواع روشهای تحلیل چند متغیره مانندabsolute principal component score-multiple linear regression(apcs-mlr) استفاده شد. دو داده استخراج شده ازسنجنده modis شامل ndvi وlst(land surface temperature) بعنوان متغیرهای مرتبط با وضعیت پوشش سطحی در این مرحله استفاده شدند. این دو محصول در کنار متغیرهایی مانند دبی، دمای آب، و بارندگی، بعنوان متغیرهای محیطی موثر در فرایند آلودگی مد نظر قرار گرفتند. سپس نتایج حاصل از تحلیلهای چند متغیره در الگوریتم مجموعه های راف مورد استفاده قرار گرفتند. همچنین از دو نوع الگوریتم مجموعه های راف برای استخراج قواعد مربوط به آلودگی شامل نوع کلاسیک و نسخه جدیدی از آن تحت عنوان (variable-consistency dominance based rough set approach) vc-drsa استفاده شد. بمنظور افزایش کارایی در استخراج قواعد، در نوع کلاسیک آن از پنج روش شامل exhaustive algorithm، genetic algorithm،covering algorithm ، lem-2، و تصمیم گیری درختی استفاده شد. نتایج کار با نتایج یک شبکه عصبی با ساختار دینامیک بنام ltf-c مقایسه گردید. بخاطر خاصیت ترتیب پذیری پارامترها و متغیرهای آلودگی، نوع vc-drsa این الگوریتم همراه با اعمال روشهای فیلترینگ بر داده های ورودی پیاده سازی شد وبهبود قابل ملاحظه ای در نتایج ایجادشد. بر اساس داده ها و قواعد استخراج شده از الگوریتم راف، یک سیستم تصمیم گیری هوشمند عامل مبنا، با عنوان سیستم خردگرا تهیه شد که بر اساس آن عاملهای هوشمندی بنام judge به مدیریت آلودگی آب می پردازند. این عاملهای هوشمند بر اساس استراتژیهای تعیین شده، وظیفه بهینه سازی متغیرهای محیطی مرتبط با آلودگی را بعهده دارند. نتایج حاصل از تحلیل سریهای زمانی، کارایی بالای روشهای شبکه عصبی، بویژه نوع با تاخیر زمانی آن را نشان داد. استفاده مناسب از زنجیره ای از روشهای تحلیل چند متغیره، نشان داد که این روشها می توانند بخشی از الگوهای پیچیده و دینامیکی آلودگی آب را ارائه نمایند. از جمله نتایج قابل توجه در این مرحله، تبیین برخی از منشأهای آلودگی آب بوسیله داده های ndvi و lst برای اولین بار بود. تاثیر این دو متغیر بعنوان عوامل غیر نقطه ای آلودگی قابل ملاحظه بود. استفاده از روش تحلیل فاکتور در کارهای بعدی پیشنهاد می شود. بکارگیری الگوریتم راف در دو نوع کلاسیک و vc-drsa، برخی قواعد مرتبط با آلودگی را ارائه کرد. نتایج حاصل از تحلیل قواعد، حاکی از وجود ارتباط فضایی و زمانی بین پارامترهای آلودگی و متغیرهای محیطی موثر بر آن می باشد. همچنین با کمک این الگوریتم، نقش زمانی ndvi در آلودگی آب در زمانهای مختلف تعیین گردید. نتایج و اعتبارسنجی نتایج حاصل از سیستم تصمیم گیری خردگرا نشان داد که می توان با تعریف استراتژیهای مختلف، مدیریت بهینه و کارامدی بر آلودگی داشت. نگرشی جامع تر به استراتژیها و محدودیتها می تواند از جمله راهکارهای آینده باشد.

چکیده با پیشرفت و توسعه فناوری های کامپیوتری و تکنیک های جمع آوری و ذخیره سازی داده، هر روز نیاز بیشتری به استخراج اطلاعات و دانش دقیق از داده های در دسترس احساس می شود. ظهور تکنیک های داده کاوی و توانایی آنها در پردازش و تبدیل داده ها به اطلاعات قابل درک و نمایش، کمک شایانی به دست یابی مدیران به دانش نهفته در بین داده ها می کند. اما با توسعه شهری و تبدیل شهرها به کلان شهر و توزیع پیچیده عوامل در مناطق مختلف شهری مسائل و مشکلات عدیده ای به وجود آمده که تأمین و توزیع آب مصرفی ساکنین و مدیریت و بهینه سازی مصرف آن از مهمترین آنها می باشد. با توجه به ابهام و عدم قطعیتی که در داده های آب مصرفی شهر تهران به عنوان منطقه مورد مطالعه در این تحقیق وجود دارد، استفاده از روش های مناسب ضروری می باشد. الگوریتم مجموعه های راف برای کار با داده های دارای ابهام و عدم قطعیت قابلیت های زیادی دارد. به همین دلیل این مجموعه ها در این تحقیق مورد استفاده قرار گرفتند. به علت توانائی های الگوریتم ژنتیک جهت بهینه سازی ترکیب آن با مجموعه های راف برای استخراج الگو ها و قوانین حاکم بر داده های آب مصرفی مورد بررسی قرار گرفت. داده های مورد استفاده در این تحقیق شامل داده های اجتماعی - اقتصادی، محیطی، اقلیمی و فنی- مدیریتی می باشند که مراحل آماده سازی آنها با استفاده از تکنیک های تحلیل مولفه اصلی، رگرسیون چند متغیره و همخوان سازی انجام گردید. با استفاده از تکنیک خوشه بندی سلسله مراتبی خوشه بندی شده مناطق و نواحی شهر تهران به صورت فصلی انجام شد و مورد بررسی قرار گرفت. نتایج نشان می دهند که تلفیق الگوریتم های ژنتیک و مجموعه های راف کارایی بالاتری برای استخراج موثر قوانین از داده های مصرف آب شهر تهران را دارند. دقت طبقه بندی مجموعه آزمون توسط قوانین استخراج شده از مجموعه های راف، 77 درصد و پس از بهینه سازی قوانین به وسیله الگوریتم ژنتیک در مجموعه های راف، دقت طبقه بندی در نسل ششم با سرعت همگرایی متوسط به 88 درصد و در نسل دهم به 92 درصد افزایش یافت. بر اساس قوانین استخراج شده، عوامل موثر بر مصرف سالیانه آب به ترتیب میزان تأثیرگذاری، جمعیت ساکن، آب بهاء، تراکم جمعیت در واحد سطح، بعد خانوار، موقعیت مکانی (عرض جغرافیایی)، تحصیلات ساکنین و سرانه فضای سبز می-باشند. کلمات کلیدی: داده کاوی، مجموعه های راف، الگوریتم ژنتیک، خوشه بندی، تحلیل مولفه اصلی، رگرسیون چند متغیره

شور شدن خاک ها فرایند غالب تخریب خاک در مناطق خشک و نیمه خشک می باشد. ترسیم نقشه شوری خاک برای مناطق وسیع کاری زمان بر و پرهزینه می باشد. این پژوهش به منظور ارزیابی قابلیت داده های سنجنده aster و tm در مدل سازی شوری خاک جهت شناسایی و طبقه بندی خاک های شور با استفاده از داده های آزمایشگاهی خاک ها، در منطقه گرمسار صورت گرفت. در این پژوهش برای بالا بردن دقت مدل خروجی از روش lsu برای شناسایی پیکسل های عاری از پوشش گیاهی و همچنین از روش غیر خطی شبکه عصبی برای بالا بردن دقت مدل خروجی استفاده گردید. نتایج این پژوهش نشان داد که روش lsu تنها بر روی دو شاخص ndsi و bi تأثیر مثبت گذاشته و دقت شاخص ndsi را به میزان 8 درصد و شاخص bi را به میزان 3.5 درصد بهبود بخشیده است. این بهبود دقت در حذف پیکسل هایی بوده است که تنها 15 تا 20 درصد پوشش گیاهی دارند که می توان نتیجه گرفت این دو شاخص به پوشش گیاهی تنک نیز حساس می باشند. با مقایسه روش های مدل سازی خطی و غیر خطی (شبکه عصبی) به این نتیجه رسیدیم که روش شبکه عصبی دقت مدل خروجی را به میزان 10 درصد بهبود بخشیده است. و در پایان مدل بدست آمده از شبکه عصبی را جهت طبقه بندی استفاده کردیم و نتایج طبقه بندی را با استفاده از داده های زمینی آزمایشگاهی مقایسه نمودیم. که دارای دقت نسبتا بالا و قابل قبولی بودند.

تصمیم گیری در خصوص کنترل و مدیریت آلودگی آب های سطحی، متاثر از مولفه های محیطی، از پیچیدگی های بسیار بالایی برخوردار است. این پیچیدگی ناشی از پویایی محیط و تغییر پذیری مکانی-زمانی بسیار بالا، ابهام و عدم قطعیت در ساختار مفهومی و متغیرهای مورد استفاده در آلودگی، ماهیت غیرمتمرکز آلودگی، ساختار ضعیف و عدم اطمینان در پیش بینی این پدیده، می باشد. در همین راستا در این تحقیق با استفاده از روش های گوناگون مدل سازی از جمله شبکه های عصبی مصنوعی به تعیین ارتباط بین تغییرپذیری زمانی- مکانی پوشش اراضی و پارامترهای آلودگی آب رودخانه جاجرود مورد بررسی قرار گرفته است. داده های پارامترهای آلودگی آب مورد استفاده در تحقیق شامل نیترات و اکسیژن محلول، حاصل نمونه برداری از رودخانه در طول 9 سال(2002-2010) به صورت ماهانه در 22 زیرحوضه بوده است. این داده ها به عنوان داده های هدف در مدل های شبکه ی عصبی و رگرسیون چندمتغیره استفاده شدند. محصول ndvi سنجنده ی مادیس نیز در سال های 2002-2010 به صورت 16روزه در دسترس قرار گرفت. این محصول در کنار متغیرهایی مانند رواناب، ارتفاع و شیب متوسط هر زیرحوضه و داده های زمین شناسی، به عنوان متغیرهای محیطی موثر در فرایند آلودگی مدنظر قرار گرفتند. این داده ها به عنوان داده های ورودی به مدل معرفی شدند. برای ارائه تصویری روشن تر از الگوهای آلودگی و تحلیل ارتباط کمی بین پارامترهای آلودگی موردنظر و متغیرهای محیطی از داده های محاسبه شده از تحلیل سری های زمانی ndvi شامل متغیرهای دامنه و فاز، شیب تغییرات زمانی مکانی محاسبه شده از آزمون mann-kendall و عملگر median trend، ضریب همبستگی پیرسون، نیز استفاده گردید. سه ورودی مختلف در مدل سازی به صورت سه سناریو مورد استفاده قرار گرفته، که این سناریوها با استفاده از مدل ffbp شبکه ی عصبی در فصول و ماه های مختلف با هم مقایسه شدند. نتیجه ی این مدل با خروجی های حاصل از مدل رگرسیون چندمتغیره مقایسه شد که منجر به اثبات برتری مدل شبکه ی عصبی مذکور شد. نتایج و اعتبارسنجی نتایج، نشان داد در سناریوی دوم که به ورودی های مدل، داده های محاسبه شده از تحلیل های سری زمانی ndvi اضافه گردید، به عنوان بهترین سناریو و تیرماه برای نیترات و اردیبهشت ماه برای اکسیژن محلول مدل از دقت بالایی برخوردار بوده است. بنابراین برای دو ماه منتخب از سناریوی دوم، پنج مدل شبکه ی عصبی شامل ffbp، narx، elbp، ffdtd، cfbp، با هم مقایسه شدند و در نهایت مدل ffbp و narx برای نیترات با ضریب همبستگی 0. 98 و خطای 0. 1 و مدل ffbp وelbp برای اکسیژن محلول با ضریب همبستگی 0. 97 و میانگین خطای مطلق 0. 6 بالاترین دقت تخمین و پیش بینی پارامترهای کیفی مورد نظر را به خود اختصاص داد.

یکی از معضلات کشاورزی عدم تخصیص بهینه اراضی است که سبب استفاده نامطلوب و هرز رفتن منابع طبیعی و انسانی می شود .با استفاده از متد های برنامه ریزی آرمان گرا و میل به آرمان می توان سبب باز آرایی و آرایش مجدد اراضی کشاورزی شد. استفاده از متد های مبتنی بر آرمان جهت دست یابی به جبهه ی پارتو می باشد.وچون برنامه ریزی آرمانی یک تابع خطی است نسبت به برنامه ریزی میل به آرمان انعطاف پذیری کمتری در یافتن نقاط بهینه در پارتو فرانت را دارد زیرا پارتو فرانت دارای یک تحدب و یا تقعر (بنابه نوع تابع ) است.بنابراین پاسخ های بهینه بدست آمده از این روش که نرم بی نهایت فاصله است می تواند مساحت های بهینه اراضی را به صورت دقیق تر مشخص کند.و توسط روش ( multi _objective land allocation(mola می توان این مساحت های بهینه را بصورت مکانی به نمایش گذاشت. از طرفی به دلیل قطعی نبودن داده های جمع آوری شده بهتر بود که ضرایب بدست آمده فازی باشند تا بتوانند کمترین حد و بیشترین حد توابع را بررسی کنند.نتایج بدست آمده حاکی بر بهتر بودن جواب های بدست آمده از روش goal attainment fuzzy بوده است.و ضریب overall kappaدر این منطقه 0.45 است.

مدرسه و محل احداث آن از دیرباز در فرهنگ ایرانیان جایگاه و اهمیت ویژه ای داشته است لذا خدمات آموزشی از مهمترین خدمات و تسهیلات شهری محسوب می شود و توزیع فضایی آن به لحاظ تأثیر مستقیم در آسایش خانواده ها،کاهش هزینه سفرهای درون شهری، تناسب و انسجام فضاها و ... از حساسیت زیادی برخوردار است. بنایراین فرآیند توزیع دانش آموزان در مدارس در سه گام کلی، تبیین می گردد. در گام اول موقعیت مدارس از اطلاعات موجود استخراج می گردند. در گام دوم مسیر مناسب بین مدارس و محل اسکان دانش آموزان در نظر گرفته می شود و در گام سوم، توزیع دانش آموزان در مدارس بصورت یک مسئله بهینه-سازی بیان می گردد. از آنجا که در این مسئله دو هدف فاصله و ظرفیت مطرح می باشد، لذا از روش بهینه سازی چند هدفه استفاده می شود. برای بهینه سازی روش ها مختلفی وجود دارد که بعضی از آنها مبتنی بر روش های معین و بعضی دیگر مبتنی بر روش های نا معین یا تصادفی و الهام گرفته از طبیعت می باشند مانند گروه ذرات، ژنتیک و ... . دراین پژوهش با فرض مشخص بودن مدارس و مسیر های مناسب تنها تمرکز بر فاز سوم است و از روش هوشمند و مبتنی بر هوش ذرات (الگوریتم گروه ذرات ) برای بهینه سازی استفاده می شود. الگوریتم پیشنهادی برای داده های شبیه سازی شده مورد آزمون و بررسی قرار گرفت و بعد از تایید صحت عملکرد و کارایی، بر روی داده های واقعی اجرا گردید . نتایج حاصل نشان دهنده بهبود 75/58% معیار هزینه و 42/83% معیار ظرفیت می باشد که خود بیانگر قابلیت های بالایی الگوریتم پیشنهادی می باشد.

این پایان نامه با ایده اولیه امکان نحوه انجام قسمتی از امور کاداستر خارج از محدوده سیستم بانک اطلاعاتی از سوی محقق انتخاب و نهایتاً تصویب گردید. پس از این مرحله، مدل سیستم های پایگاهی نامتمرکز براساس مدل [1995] ozsu ، تدوین شد و مدل تحقیق مناسب برای تحقیق بر مبنای 4 فرضیه طراحی گردید، که شرح آن در فصل اول گزارش، با عنوان کلیات تحقیق ارائه شده است. در فصل دوم به معرفی پیشینه پژوهش های انجام شده داده ، فن آوری اطلاعات و اهمیت توسعه پایدار و کاداستر و نیز محیط های پایگاه داده های غیر متمرکز و انجام سیستماتیک پردازشها اشاره شده است. و دیدگاههای صاحبنظرانی چون دکتر عباس رجبی فرد و دکتر ازسو و دکتر رانکوهی ، اسلپندل، آجزن، و... تشریح گردیده است. در این تحقیق نحوه طراحی و ایجاد محیط های توصیفی و استاندارد سازی (اعمال استانداردهای موجود در کاداستر) محیط های گرافیکی و محیط اطلاعات توصیفی بیان شد. ضمن در نظر گرفتن فیلدها و جداول بانک کاداستر به ویژگیهای فیلدها و جداول طراحی شده توجه شده و خروجیهای مورد نیاز از پردازش اطلاعات در خارج از بانک کاداستر دست یافته و نتایج بدست آمده را با دو روش سنتی (دستنویس) و کاداستر از جهات مختلف مقایسه نمودیم .همچنین به نحوه ورود اطلاعات پردازش شده به بانک اطلاعاتی کاداستر پرداختیم. در پایان نیز با استفاده ار نتایج حاصله، پیشنهادهای لازم به منظور انجام سایر فرایندها در سیستم پایگاه داده های غیر متمرکز داده شد.

در کشورهای درحال توسعه گرایشی شدید به شهر نشینی وجود دارد, در نتیجه شهرها با رشد سریع مواجه می شوند. جهت اجتناب از تاثیرات مخرب زیست محیطی و اجتماعی – اقتصادی, اعمال برنامه ریزی های صحیح و مناسب امری ضروری است. طراحان و برنامه ریزان شهری به اطلاعات مکانی و زمانی مرتبط با الگوهای رشد شهری جهت درک بهتر فرآیند توسعه شهری, تاثیرات آن و اتخاذ سیاست های مدیریتی و برنامه ریزی موثر نیازمندند. در این تحقیق تغییرات پوششی و کاربری زمین در شهر همدان بر اساس تصاویر سنجنده tm ماهواره لندست برای دو دوره زمانی پایش گردید. تصاویر با استفاده از روش mlp به 5 کلاس: پوشش گیاهی, آب, خاک نوع 1,خاک نوع 2 و شهر طبقه بندی شدند.در مرحله بعد تغییرات کلاس های تصاویر طبقه بندی شده از طریق lcm طی سالهای 2002 تا 2009 پایش گردید و انواع نقشه های تغییرات برای هریک از کلاس های موثر در توسعه کلاس شهر طی سالهای مذکور به دست آمد.برای مدل سازی توسعه شهری همدان از روش رگرسیون لجستیک بهره گرفتیم و مدلی با انطباق نسبتا خوب با واقعیت ارائه شد.

طراحی و اجرای سامانه نگهداری، از مهمترین مسایل در احداث تونل ها با توجه به طبیعت و حساسیت آن ها است. طراحی نگهداری از مهمترین مراحل احداث فضاهای زیرزمینی است. تطابق مناسب سامانه نگهداری به کار رفته در تونل با شرایط محیطی می تواند عملکرد این سامانه را افزایش دهد. یکی از روش های متداول برای حفر تونل، حفاری به وسیله ماشین های تمام مقطع است. یکی از مزیت های این روش، اجرای سامانه نگهداری دایم تونل به صورت همزمان با حفاری با استفاده از قطعات پیش ساخته بتنی (سگمنت) است. از آنجا که استفاده از این قطعات پیش ساخته در سامانه نگهداری تونل نقش به سزایی را ایفا می کند، درنتیجه این امر مستلزم انتخاب صحیح و تحلیل بهینه سگمنت ها و نوع اتصال بین این سگمنت ها است. مطالعات صورت گرفته در زمینه تحلیل عددی رفتار پوشش تونل های حفاری مکانیزه تمام مقطع، نشان می دهد که اکثر پژوهشگران از مدل های ساده شده ای استفاده کرده اند. ازجمله مهمترین ساده سازی هایی که در این مدل ها استفاده شده-است، مدل سازی حلقه ها بدون در نظر گرفتن مرز بین آن ها است و در اکثر موارد نیز هر حلقه به-صورت پیوسته و بدون سگمنت های جداگانه مدل سازی شده است. مسلماً این مفروضات خطای زیادی در نتایج بدست آمده ایجاد خواهد کرد. در این تحقیق مدل سازی رفتار سامانه نگهداری تونل انتقال آب چمشیر در حالت حلقه پیوسته در مقایسه با حلقه سگمنتی توسط نرم افزار اجزا مجزای 3dec، صورت گرفته است. این نرم افزار توانایی مدل کردن محیط در حالت سه بعدی با در نظر گرفتن ویژگی های توده سنگ را دارد که نسبت به بررسی های انجام شده با مدل های تیر و فنر که زمین را به وسیله فنرهایی مدل می کنند، واقعی تر است. در آنالیز نتایج بدست آمده از مدل سازی، افزایش میزان جابجایی ها در حالت سگمنتی نسبت به حلقه پیوسته نتیجه شده است، که بیانگر خوشبینانه بودن مدل سازی های صورت گرفته درحالت پیوسته است. همچنین مقدار تنش ها در حالت کلی در نگهداری سگمنتی نسبت به پیوسته کمتر بوده به جز در نواحی اتصالی که به دلیل ایجاد تمرکز تنش در این نواحی است و این تمرکز تنش و چرخش در محل اتصالات سبب آسیب دیدگی بتن در این نواحی شده-است. بنابراین در نظر گرفتن اتصالات در نگهداری سگمنتی برای دست یابی به نتیجه ای واقعی تر در طراحی ها، امری ضروری است.

یکی از عوامل عدم موفقیت بسیاری از طرح های آمایشی-به ویژه در کشورهای جهان سوم-عدم مشارکت گروه های ذینفع و بتبع آن، در نظر نگرفتن ملاحظات این گروه ها در طرح های مذکور می باشد. این مسئله از آنجا ناشی می شود که سازمان متولی طرح، بدون در نظر گرفتن همه ابعاد پروژه اقدام به اجرای آن می کند و سایر سازمان ها و بخش های ذینفع در طرح نادیده گرفته می شوند. در کشورهای توسعه یافته قبل از اجرای طرح ها یعنی در مرحله تصمیم گیری، آراء مردم به طریقی دریافت و در تصمیم نهایی اعمال می شود اما در کشورهای در حال توسعه مانند ایران می توان گفت مردم نقش کمی در تصمیم گیری ها دارند هر چند به عنوان افرادی که متاثر از تصمیمات هستند حق دارند در تصمیم گیری ها حضور داشته باشند. همچنین مشارکت بعضی سازمان ها و بخش های اجرایی نیز برای خدمات رسانی در حین و پس از اجرای طرح ها ضروری است. همین مسئله لزوم به کارگیریِ مکانیسمی که بتواند نظرات گروه های ذینفع را برای تاثیرگذاری در تصمیم نهایی به طریقی دریافت کند را توجیه می کند. در گذشته برای تصمیم گیریِ مشارکتی، جلسات در ساعات و مکان های خاصی برگزار می شد که امکان مشارکت برای همه گروه ها و افراد را محدود می کرد. امروزه با پیدایش و توسعه فناوری های ارتباطی مانند اینترنت و به طور ویژه وب، این زمینه نیز مانند سایر بخش های علمی- پژوهشی دچار تغییراتی اساسی شده است و فرصتی ویژه برای انجام طرح های مشارکتی به وجود اورده است. از طرف دیگر به کارگیری روش های تحلیل تصمیم گیری چندمعیاره برای امر مشارکت، می تواند اعتبار تصمیمات را افزایش دهد و هم باعث توجه به همه ابعاد مسئله شود. با توجه به ماهیت مکانی بیشتر داده های مورد استفاده در تصمیم گیری ها، سیستم های اطلاعات مکانی بستر مناسبی برای تحلیل های مکانی در اختیار کاربران قرار می دهد که در ترکیب با فناوری های ارتباطی مانند اینترنت و تحلیل های تصمیم گیری چندمعیاره امکان مشارکت عمومی برای طرح های مکانی را تسهیل می کند. در این تحقیق یک سیستم پشتیبان تصمیم گیری مکانی مبتنی بر مشارکت عمومی برای مشارکت گروه های ذینفع طراحی و به صورت آزمایشی برای اولویت بندی گزینه ها برای کاربری بهداشت در بخشی از شهر اراک اجرا شده که الگوریتم به کار رفته برای تصمیم گیری، فرایند تحلیل سلسله مراتبی می باشد. نتایج این تحقیق نشان می-دهد که بکارگیری سیستم های پشتیبان تصمیم مشارکتی می توان باعث رضایت عموم از طرح ها شود که بتبع آن از ضایع شدن سرمایه های ملی و بلا استفاده ماندن طرح ها جلوگیری کرد و همچنین باعث ایجاد احساس مسئولیت نسبت به طرح ها می شود که این مورد می تواند در نگه داری طرح مفید باشد. علاوه بر این موارد در معرض عموم قرار گرفتن طرح ها باعث جلوگیری از قانون گریزی و سوءاستفاده برخی افراد می شود.

امروزه رشد سریع جمعیت شهری جهان، بخصوص در کشورهای در حال توسعه، مشکلات فراوانی را در حیطه‎های زیست محیطی، اقتصادی، اجتماعی و فرهنگی ایجاد کرده است. در این میان، بحث تغییر کاربری اراضی از اهمیت بسیار بالایی برخوردار است، چرا که تغییر در کاربری باعث تأثیرات جبران¬ناپذیری بر اکوسیستم و در نتیجه تهدید منابع حیاتی مورد نیاز انسان می¬شود. در میان تغییرات کاربری اراضی که توسط انسان انجام می¬گیرد، رشد و توسعه¬ی شهری به دلیل ارزش بالای زمین از اهمیت بسزایی برخوردار است و به¬همین دلیل جایگاه مدل‎سازی و پیش¬بینی تغییرات کاربری اراضی در آینده برای مدیریت شهری و محیط زیست و سایر مسئولین و محققان ذیربط بیش از پیش اهمیت پیدا کرده است. هدف اصلی این پژوهش، به¬کارگیری تلفیقی مدل ترکیبی سلول¬های خودکار، شبکه¬ی عصبی و الگوریتم های بهینه¬سازی توده¬ی ذرات بر مبنای سیستم اطلاعات مکانی، جهت مدل‎سازی توسعه¬ی شهری شهر تهران در طول بازه¬های زمانی 1988، 2000 و 2010 و مقایسه¬ی دقت مدل‎سازی این دو الگوریتم با یکدیگر و نهایتاً پیش¬بینی گسترش آن برای سال 2020 می¬باشد. پارامترهایی از قبیل فاصله از نزدیکترین شیء و یا پیکسل شهری، فاصله از خیابان¬ها و راه¬ها، فاصله از مراکز جذب، فاصله از مرکز شهر، فاصله از فضای سبز و پارک¬ها، تعداد همسایه¬های شهری، شیب و ارتفاع زمین، به عنوان پارامترهای موثر در رشد و توسعه¬ی شهری در نظر گرفته شده¬اند. نتایج نشان داد به¬کارگیری تلفیقی مدل سلول¬های خودکار، الگوریتم بهینه¬سازی توده¬ی ذرات و شبکه¬ی عصبی مصنوعی، می¬تواند در فرایند کالیبراسیون قوانین انتقال سلول¬های خودکار بهبود ایجاد نماید. سلول¬های خودکار، سامانههایی پویا و گسسته به شمار می روند که رفتارشان بر اساس پیوندهای محلی استوار است. فضا در این جا به صورت شبکهای از سلولها با مجموعه ای متناهی از وضعیت ها تعریف می شود که در هر گام زمانی، هر سلول وضعیت جدید خود را با توجه به همسایه های خود و بر پایه ی قوانین تعریفشده به دست می آورد. سلول¬های خودکار به سبب ساختار ساده و پویای خویش و نیز برخورداری از ویژگی های قدرتمند مکانی به طور گسترده در شبیهسازی تغییرات مکانی ـ زمانی پدیده های گوناگون از جمله رشد و گسترش شهرها مورد بهره برداری قرار گرفتهاند. در بسیاری از پژوهش ها برای مدل‎سازی این دگرگونی ها، تصاویر ماهواره ای چندزمانه به عنوان مهم ترین داده ی مورد استفاده مطرح می شوند. از این¬رو بررسی چگونگی بهره گیری از توانایی های گوناگون آن ها برای دستیابی به نتایجی مطلوب از اهمیت ویژه ای برخوردار است.???? مدل گسترش شهری پیشنهادی در رساله ی حاضر، برای شبیه سازی رشد شهر تهران بین سال های ????، 2000 و ???? میلادی و پیش¬بینی گسترش آن برای سال 2020 بر روی تصاویر ماهواره ی لندست با تفکیک پذیری مکانی ?.?? متر بررسی و پیاده سازی شده است. با وجود نرخ متفاوت تغییرات در دو بازه ی زمانی یادشده، اختلاف در دقت نتایج معنادار نبوده است. بنابراین، با آن که مدل‎سازی حجم بالاتر دگرگونی ها دشوارتر است، به کارگیری مناسب مولفه ها در ساختار مدل می تواند به شبیه سازی مطلوب بیانجامد. شایان ذکر است که با نگرش به محدودیت ها در الگوهای رایج سلولی و برداری خودکاره ها، پژوهش حاضر به ارائه ی مدل خودکاره ی ترکیبی به صورت آمیزه ای از ساختار محاسباتی سلولی و ویژگی های بهینه ی الگوی برداری پرداخته است. مشکل بزرگ مدل های سنتی سلول¬های خودکار، حساسیت به مقیاس و نیز دور ماندن از واقعیت اشیاء زمینی است. مدل های برداری و شیءمبنا نیز با آنکه این کاستی ها را تا اندازه ای کمرنگ ساخته اند، اما در پیاده سازی و محاسبات با پیچیدگی و دشواری بسیاری همراهند.?????????????????????????????????????????????????? در مدل ترکیبی، فضا هم چنان به صورت مجموعهای از سلولهای منظم تعریف میشود، اما در کنار آن از شیءهای مکانی برگرفته از واقعیت زمینی نیز استفاده می گردد. برای بررسی روند گسترش شهر، از مولفه هایی چون شمار و فاصله ی اشیاء مکانی در همسایگی هر سلول، فاصله ی سلول از عوامل توسعه ی شهری، و موانع قانونی و قیدهای مکانی بهره گیری شده است. برای اجتناب از به کارگیری آزمون و خطا در تعیین وزن مناسب برای مولفه های مدل، روش بهینه¬سازی تودهی ذرات و شبکه¬ی عصبی مصنوعی برای محاسبهی احتمال گسترش بر اساس فاصله از عوامل توسعه، مانند فاصله از راه ها و یا مراکز مهم شهری مورد استفاده قرار گرفته است. مقایسهی آماری واقعیت زمینی شهر تهران در سال ???? با نقشه¬ی شبیه سازی به دست آمده از مدل ترکیبی و نیز الگوی رایج سلولی، بیان گر دقت بالاتر مدل پیشنهادی نسبت به مدل سلولی بوده است. جهت ارزیابی مدل، از پارامترهای بدست آمده از ماتریس خطا همچون دقّت کلی و شاخص کاپا استفاده شده است.

تبخیر- تعرق پس از بارندگی به عنوان یکی از مؤثرترین مؤلفه¬ها برای تعیین بیلان آبی یک منطقه می¬باشد. هدف از این پژوهش بررسی دقت برآورد تبخیر- تعرق واقعی گیاهان توسط الگوریتم توازن انرژی در سطح زمین (سبال) در مقایسه با مقادیر محاسبه شده توسط روش فائو- پنمن- مانتیث در دو سنجنده modis و landsat در شهرستان ملایر بود. و با توجه به اینکه تبخیر و تعرق را می¬توان به¬صورت دقیق با اندازه¬گیری میدانی تعیین نمود. با این حال این روش¬ها مقادیر تبخیر و تعرق را برای نواحی محدود از لحاظ وسعت مکانی بدست می¬آورد. این محدودیت دلیلی برای توسعه استفاده از داده¬های سنجش از دور در ارزیابی تبخیر و تعرق در نواحی با وسعت زیاد است. الگوریتم سبال یکی از مهم¬ترین الگوریتم¬های برآورد تبخیر- تعرق به وسیله تصاویر ماهواره¬ای می¬باشد. این مدل از طریق برآورد تمامی مؤلفه های انرژی در سطح زمین همچون شار تابش خالص، شار گرمای خاک و شار گرمای محسوس اقدام به برآورد تبخیر- تعرق می¬نماید. در این پژوهش از یک تصویر سنجنده modis و از یک تصویر landsat در تاریخ 14/5/2013 که مصادف با 24/2/1392 بود، استفاده شد. نتایج نشان داد در برآورد تبخیر- تعرق ساعتی و روزانه، تفاوت زیادی میان روش سبال و روش فائو- پنمن- مانتیث وجود ندارد. همچنین می¬توان تبخیر- تعرق ساعتی و روزانه را برای منطقه مورد مطالعه با دقتی قابل قبول نسبت به مقدار مرجع برآورد نمود. باتوجه به هدف تحقیق مشخص شد که سنجنده modis علارغم داشتن دقت برآورد دقیقتر پارامتر دمای سطحی که تأثیر زیادی در برآورد مقدار شار¬های تابش خالص، گرمای خاک و گرمای محسوس دارد، مقدار تبخیر و تعرق را نیز با دقت بیشتری نسبت به روش شاهد برآورد می¬کند. ولی با وجود این با توجه به قدرت تفکیک مکانی پایین، برای پهنه¬بندی مقدار تبخیر و تعرق دارای ارزش کمتری نسبت به تصویر landsat می¬باشد و برای پهنه-بندی دقیقتر تبخیر و تعرق برای کاربری¬های مختلف بهتر است که از این تصاویر استفاده شود.

در این تحقیق به منظور تعیین مکان پناهگاه ها برای تخصیص بهینه جمعیت به پناهگاه ها، 12 مکان مناسب با استفاده از روش فرا رتبه ای promethee با داشتن 9 معیار شامل: فاصله از شبکه معابر، فاصله از مراکز خطر، تراکم جمعیت، بافت شهری، فاصله از بیمارستان، فاصله از مراکز پشتیبانی، ظرفیت هر مکان، پراکندگی و شعاع پوشش در نظر گرفته شده است؛ که وزن هر کدام از این معیارها با استفاده از ahp تعیین شده است. با استفاده از نمودار گرافیکی gaia به تجزیه و تحلیل معیارهای انتخاب شده و مکان های تعیین شده پرداخته شد که تأثیر معیارها روی همدیگر را تأیید کرد و صحت معیارهای انتخاب شده و مکان های انتخاب شده را نیز تأیید شده است. برای ارزیابی رتبه بندی انجام شده از روش تحلیل پوششی داده ها (dea) استفاده شده است که نتایج به دست آمده صحت رتبه بندی انجام شده را تأیید می کند. در مرحله بعد برای تعیین مسیر بهینه از بلوک های ساختمانی تا پناهگاه بهینه از الگوریتم dijkstra استفاده شد. در این تحقیق، برای بررسی مسئله تخصیص بلوک های جمعیتی به پناهگاه بهینه، از الگوریتم بهینه سازی رقابت استعماری (ica) که به جستجوی کل فضای مسئله می پردازد، استفاده شده است. برای این کار جمعیت موجود در هر بلوک به عنوان تقاضاهای هر بلوک در نظر گرفته شده است. بر این اساس، 92% از جمعیت موجود به پناهگاه هایی بافاصله کمتر از 600 متری دسترسی دارند. این بدین معنی است که زمان تخلیه از بلوک ساختمانی به پناهگاه کمتر از 8 دقیقه است. میانگین طول مسیر از یک بلوک (به عنوان مثال یک مجتمع مسکونی) تا پناهگاه بهینه تقریباً 273 متر بوده است. بیش ترین ریسک مسیر و ریسک پناهگاه به ترتیب 239 و 121 بوده است. همچنین حداکثر زمان تخلیه از پناهگاه به بیمارستان نیز 17 دقیقه بوده است، یعنی پناهگاه های انتخاب شده دسترسی خوبی دارند. در نهایت الگوریتم رقابت استعماری (ica) با الگوریتم اجتماع ذرات (pso) مقایسه شده است که برای مقدار بهینه تابع هدف pso برابر با در تعداد تکرار 101 و تعداد بررسی پاسخ (nfe) 5300 به دست آمده و برای مقدار بهینه تابع هدف ica برابر با در تکرار 32 و تعداد بررسی پاسخ (nfe) 1062 به دست آمده است. از آزمون تکرار برای هر دو الگوریتم مشخص شد که الگوریتم رقابت استعماری دارای ثبات و پایداری بهتری نسبت به الگوریتم اجتماع ذرات است؛ و از سرعت همگرایی بالایی نیز بهره می برد که این را در محیط های بزرگ تر به وضوح نشان داده است

رشد ناموزون و توسعه غیراصولی شهری به علت عدم تناسب بین کاربری های مختلف شهری و نبود مدیریت واحد شهری، باعث مشکلاتی در سیستم شهری در منطقه سه (در محدوده میدان ونک) گردیده است. در این منطقه عدم ایجاد پارکینگ های کافی همزمان با توسعه معابر و کاربری های شهری، باعث معضلاتی در سیستم حمل و نقل و ترافیک شهری شده است، به طوری که با اشغال معابر به وسیله توقف های حاشیه ای، ترافیک روان در منطقه مورد مطالعه را با مشکل مواجه نموده و نیاز به افزایش ظرفیت معابر و اختصاص فضای بیشتر به ترافیک روان، مکانیابی محل های مناسب برای احداث پارکینگ های غیر حاشیه ای را در جهت کاهش میزان توقف های حاشیه ای در این منطقه ضروری ساخته است. در این پژوهش با اعمال ضوابط و معیارهایی همچون فاصله از مراکز جاذب جمعیت، فاصله از معابر، و کاربری های مناسب برای احداث پارکینگ و با اعمال محدودیت هایی مثل فاصله از گسل ها و کاربری های نامناسب برای احداث پارکینگ سعی شده است که محل های بهینه و مناسب برای احداث پارکینگ در منطقه مطالعاتی با استفاده از gis مشخص می شود. برای این منظور ابتدا معیارهای موثر در مکانیابی پارکینگ های طبقاتی با استفاده از فرآیند تحلیل سلسله مراتبی یاahp وزن دهی شده و با توجه به وزن های حاصله، بهترین مکان برای احداث پارکینگ با استفاده از روش owa و تلفیق دو روشahp و owa با فازی (fuzzy ahp-owa) مشخص گردیده است. و در نهایت مشاهده شد که روش fuzzy ahp-owa نتایج دقیق تر و علمی تری را به ما می دهد. روش حداقل ریسک و حداکثر حساسیت all = نیز بهترین نتیجه را در بین ریسک های هفتگانه به دست داد.

چکیده محدودیت منابع آب در دسترس و مصرف حدود ?? % از منابع آب موجود در بخش کشاورزی برای آبیاری، افزایش جمعیت و نیاز آنها به مواد غذایی بیشتر، آب را به عنوان یک کالای اقتصادی با ارزش و کمیاب مطرح نموده است. به همین دلیل مدیریت بهینه مصرف آب در چند دهه گذشته موضوع بحث بسیاری از محافل تخصصی شده است. هدف از این تحقیق ارائه راهکاری برای بهینه سازی مصرف آب در بخش کشاورزی دشت ورامین از طریق اعمال میزان کارایی آب در محصولات کشاورزی می باشد. به طوری که محصولات با کارایی بالای آب، با در نظر گرفتن سود و ریسک متناسب سهم بیشتری از ترکیب کشت منطقه خواهند داشت. جهت نیل به اهداف بالا از روشهای تعیین کارایی محصولات از جمله روش تحلیل پوششی داده های فازی(fdea ) استفاده گردید. علاوه بر روش تحلیل پوششی داده های فازی(fdea)، از الگوریتم ژنتیک nsga-ii نیز استفاده شد تا نتایج دو روش باهم مقایسه گردد. نتایج حاصل از خروجی مدل fdea نشان داد که محصول ذرت علوفه ای با مقدار کارایی 1.54 رتبه نخست را از نظر بهره وری آب، میزان ریسک و سود حاصله برای کشاورز دارد. محصول هندوانه نیز با مقدار کارایی 0.46 در رتبه آخر قرار گرفت. با توجه به مصرف بالای آب برای تولید یک واحد محصول هندوانه به نسبت سایر محصولات و همچنین بالا بودن میزان ریسک کشت همراه با سود نسبتا پایین کشت هندوانه ناکارا تشخیص داده شد. با پیاده سازی مدل بهینه سازی خطی در نرم افزار lingo 11، دو سناریو مورد بررسی قرار گرفت. سناریوی اول شامل کمینه کردن مقدار مصرف آب در منطقه همراه با کاهش ریسک است بطوری که مقدار سود حاصله از حالت فعلی کمتر نباشد. سناریوی دوم شامل حداکثر سازی مقدار سود کل منطقه با شرایط مصرف آب و ریسک کنونی می باشد. در سناریوی اول نتایج بدست آمده حاکی از بهینه سازی مصرف آب تا 22 درصد حالت فعلی می باشد، یعنی با 78 درصد مقدار آب مصرفی که در حال حاضر در منطقه صرف تولید محصولات می گردد، می توان همان مقدار سود را با کشت محصولات حاصل از بهینه سازی بدست آورد، مقدار ریسک نیز برابر با حالت فعلی می باشد. در سناریوی دوم نیز نتایج نشان داد که می توان با مقدار آب موجود که سالانه صرف کشت محصولات می گردد تا 24 درصد مقدار سود کل را افزایش داد در حالی که مقدار ریسک افزایش نیابد. بهینه سازی مصرف آب از طریق الگوریتم ژنتیک nsga-ii نیز با نتایج قابل توجهی همراه بود، به طوری که در مصرف آب 23.5 درصد صرفه جویی و مقدار ریسک 20 درصد کاهش یافت. در پایان نیز بهینه سازی تخصیص مکانی ترکیب کشت نهایی توسط روش mola انجام گردید. مقایسه نتایج حاصل از دو روش نشان داد که الگوریتم ژنتیک توانسته عملکرد بهتری نسبت به روش تحلیل پوششی داده های فازی داشته باشد. مدل ارائه شده توانایی خوبی در یافتن جواب های چندگانه بهینه با دامنه گسترده ای از مقادیر برای توابع هدف را دارد. زیرا بر طبق این مطالعه علاوه بر بهینه سازی مصرف آب، موجب کاهش میزان ریسک کشت محصولات نیز شده است. همچنین محاسبات نشان داد که مقدار سود کل نیز افزایش یافته است. از طرف دیگر روش تحلیل پوششی داده های فازی دارای برنامه نویسی ساده بوده و سریعتر به جواب می رسد. امکان تحلیل حساسیت نتایج خروجی نیز وجود دارد. کلمات کلیدی: بهینه سازی، کارایی، fdea، الگوریتم ژنتیک nsga-ii،lingo11، mola،دشت ورامین

فرآیند سنجش ازدور تحت تاثیر چندین نوع خطا، شامل اعوجاجات هندسی، عدم تعادل رادیومتریک و اثرات جوی است. از این میان اثرات جوی نقش بسیار مهمی دارد. "اصلاح جوی" درواقع بازتاب سطح تصاویر سنجش ازدور را از طریق حذف اثرات جوی بازیابی می کند. مدل 6s قادر است با شبیه سازی، این مشکل را حل کند (vermote et al,1997). تا کنون نرم افزارهای زیادی مبتنی بر استفاده از معادلات انتقال انرژی برای حذف اثر جو از تصاویر ماهواره ای تولید و مورد استفاده قرار گرفته است. از آن جمله می توان از flash،6s ،atcor وmodtran-n نام برد. تمامی این مدل ها ساختاری مشابه داشته و اساس آن ها بر استفاده از مدل های جوی برای اقلیم های خاصی مبتنی بوده و پارامترهای اقلیمی و سینوپتیکی خاصی را طلب می کنند. مدل هایی که در اختیار عموم قرار دارند اغلب بطور تقریبی جواب داده و نمی توان از آن ها در مناطق مختلف استفاده نمود. هر کشوری نیازمند تعریف و تدوین مدل خاصی برای مناطق مختلف و در فصول مختلف خود می باشد. در این مقاله، تلاش شده است تا با استفاده از داده های رادیوساوند مدل جوی برای منطقه مورد مطالعه تعریف شود. سپس با استفاده از مدل جوی استخراج شده و کد 6s، اصلاح جوی برای تصاویر منطقه ی مورد مطالعه صورت گرفته است و نتایج با مدل های پیش فرض کد 6s مقایسه گردیده است. نتایج نشان داد که اصلاح جوی تصاویر با استفاده از مدل جوی استخراج شده برای منطقه ی مورد مطالعه در باند های جذب بخار آب کاملا متفاوت با تصاویر اصلاح شده با مدل های پیش فرض می باشد. همچنین برای مقایسه بیشتر از ndvi استفاده شده است. نتایج در این منطقه نشان می دهد که بعد از اصلاح جوی ndviهای کمتر از 4/0 کاهش و ndviهای بیشتر از 5/0 افزایش یافته اند که با نتایج محققین دیگر در این زمینه تقریبا همخوانی دارد.

روشهای متداول طبقه بندی داده های سنجش از دور مانند روشهای آماری عمدتا وابسته به خصوصیات طیفی پدیده های زمینی هستند.از آنجائیکه اغلب این پدیده ها از ویژگیهای طیفی پیچیده ای برخوردار بوده و دارای مناطق همپوشانی با یکدیگر هستند، بنابراین زمانیکه این ویژگیهای طیفی به تنهایی بکار برده می شوند، نتایج رضایتبخشی بدست نمی آید.تجربیات نشان داده است که استفاده از داده های کمکی از قبیل :ارتفاع ، شیب و جهت و داده های مکانی مانند شکل ، اندازه و محیط در کنار داده های طیفی می توانند دقت طبقه بندی را افزایش دهند. روش طبقه بندی شی -پایه بدلیل اینکه از هر دو دسته داده های طیفی و غیرطیفی در کنار هم استفاده می کند، نتایج بهتری را به همراه دارد.