صفحه 1:
i
2 on. nee
Interpretation
“pp
پائیز ۱۳۹۶
صفحه 2:
¥ دید کلی منطقه و شناسائی عوارض با استفاده از استرئوسکوپ (حیبی و آینه دار)
۲ اندازه کیری و تشخیص دو بعدی عوارض با زمین مرجع نمودن عکس
۷ اندازه کیری و تشخیص سه بعدی عوارض با استفاده از دستگاههای تبدیل عکس به نقشه
۲ عکس هوائی
۲ تصویر ماهواره ای
صفحه 3:
صفحه 4:
صفحه 5:
صفحه 6:
بر خلاف نقشه . عوارض روی عکس هوائی نماد گذاری نشده و عمومیت ندارد.
تشخیص و تحلیل اطلاعات نیاز به شناسائی انواع مختلف عوارض طبیعی و پوشش
کیاهی داشته که به آن ۸۸۳ اطلاق می گردد.
با تفسیر دقیق , عکسهای هوائی منبع اطلاعات مکانی عالی برای مطالعات سطح
زمین می باشند.
استخراج اطلاعات از عکس هوائی خیلی بهتر از داده های متنوع ماهواره ای با
قدرت تفکیک بالا یا دوربینیای تصویر برداری رقومی می تواند در تفسیر سطح
زمين بكار كرفته مى شود.
تفسیر بصری معمولاً روی عکسیای هوائی ۰ و بزركتر قابل انجام مى
باشد.در این عکسیا می توان نقطه گیری انجام داده و یا عملیات رقومی سازی را
اجرا نمود
صفحه 7:
ع ايك ۳ج
we
Identification su.us ¥
Recognition jacks ¥
Analyze تحلیل
” فاكتور شكل ©5182
” فاكتور انعكاس Reflection
صفحه 8:
Contrast ¥
Equalize ¥
صفحه 9:
وال اسان وا
درجه تاریکی و روشنی
رنگ
% زمان
صفحه 10:
Color رنگ
تعداد رتكباى بكار رفته در شكل فوق
صفحه 11:
صفحه 12:
الکو/شگل
صورت يا نوشته 127 ؟
Shape/Pattern
صفحه 13:
one یا مردی در حال موزیک زدن ؟
صفحه 14:
صفحه 15:
Sm
2
آيا نقاط سياه كه كاهاً ديده مى شوند . واقعاً وجود دارند ؟
صفحه 16:
Shape
ss
صفحه 17:
WN
صفحه 18:
مجح
ان
ais
SS
آیا خطوط با هم موازیند؟ 3
صفحه 19:
0 Site/Directioncunha/ محل
صفحه 20:
0 Site/Directioncunha/ محل
صفحه 21:
مثال ها
صفحه 22:
۷ شکل یک شی در روی عکس
هوائی به شناسائی آن کمک
می نماید.
شکلهای منظم یکنواخت
اغلب توسط انسان ساخته
شده است.
۲" شکلی که در عکس هوائی
دیده می شود با توجه به
مرکزی بودن سیستم
عکسبرداری با تصویر قائم
آن متفاوت است.
مثال:انحنای راه آهن و جاده با توجه به شعاع انحنای آنها قابل تفکیک می باشند.
صفحه 23:
شکل زمین 3256011 و فوتبال
صفحه 24:
تفکیک خانه های سازمانی از ساختمان کارخانه و ...
صفحه 25:
Shadow ساية
“” سايه اطلاعاتى در زمينه ارتفاع . شكل و جيت اشياءازائه مى دهد .
کاهی اوقات تنبا روش تشخيص و تعيين موقعيت عوارض سايه مى باشد. مانند تیرهای برق
% تشخیص بسیاری از عوارض ارتفاعی از طریق سایه آن امکانپذیر است.
کاهاً سایه مزاحم دید اشیاء قرار گرفته در سایه می کردد.
صفحه 26:
صفحه 27:
Shadow
صفحه 28:
صفحه 29:
صفحه 30:
Shadow
صفحه 31:
سس
متعمدة عل متها
صفحه 32:
الكو Sa Pattern
۴ نوع درختان با شاخه های میله ای مانند ش و کران غربی و یا با شاخه های
هموار قابل شناسائی می باشند.
صفحه 33:
Pattern الكو
صفحه 34:
Association ©4biyl
.” محل عوارض و ارتباط بين آنها مبمولاً در شناسائى عوارض نقش ميمى ايفا مى نمايد.
” بعنوان مثال در كنار مناطق صنعتى معمولاً راه آهن ديده مى شود.
یا تاسیسات نیرو کاهی بزرک معمولاً در کنار آب احداث می کردد.
صفحه 35:
درجه تاریکی وروشنی6 ۲0۳
we
۲ درجه تاریکی و روشنی يا
6 در تشخیص عوارض
اهمیت دارند.
معمولاً آب بدلیل عدم
انعکاس نور و جذب آن تیره
می باشد و سنک و خاک
روشن می باشند.
% مشخصات جنگلیبا با توجه به
فصل عکسبرداری از طریق
درجه تاریکی و روشنى قابل
تفسیر می باشد.
صفحه 36:
درجة تاريكى و روشنى 1006 we
” عمق آبهای کم عمق و ميزان
رطوبت خاک نیز از طریق
درجه تاریکی و روشنی قابل
تشخیص می باشد.
در فیلمیای مادون قرمز سیاه
وسفید نوع پوشش کیاهی
قابل تشخیص می باشد .
این پارامتر در کشاورزی و
منابع طبیعی بویژه هنگام
تفسیر عکسهای مادون قرمز
کاربرد زیادی دارد.
صفحه 37:
درجه تاریکی و روشنی 1006
5 ase WE
پوشش گیاهی از زمینبای خالی کاملا قابل تفکیک می باشد.
صفحه 38:
درجه تاریکی و روشنی ۲086۶
7" بعنوان مثال در زمستان و نزدیک بهار کاج و صنوبر تیره تر دیده می شوند.
صفحه 39:
Color | رنى
۲ با استفاده از تصاویر مادون قرمز رنگی می توان علاوه بر نوع حتی سن محصولات
کشاورزی را نیز تخمین زد.
یکی از کاربرد های عمده تصاویر ماهواره ای 211051 تخمین میزان محصولات
کشاورزی ایالات متحده در ماهیای برداشت مختلف می باشد.
صفحه 40:
با تر کیب دو پارامتر 10106 و رنگ می توان تفسیر دقیقی از عوارض ارائه داد.
صفحه 41:
Texture - بافت
۷ فرکانس تغییر 086" را
6 یا بافت می
نامند.
آب ساکن دارای بافت
یکنواخت است
۲ در مقابل جنگل با توجه به
سایه درختان دارای بافت
زبری می باشد
صفحه 42:
Texture | Gob
بافت عوارض در تشخیص نوع پوشش گیاهی نیز کاربرد دارد
صفحه 43:
بافت
Texture
صفحه 44:
اندازه 5126
“” اندازه اشياء در عکس هوائی ارتباط مستقیم با مقیاس عکس دارد.
۲ مقایسه اندازه دو عارضه در یک عکس به تفکیک و تشخیص عوارض کمک میکند
% بعنوان مثال می توان بزرگ را را از خیابان با توجه به اندازه آنبا از یکدیگر تفکیک کرد.
صفحه 45:
صفحه 46:
با مقایسه عوارض می توان اندازه عوارض ناشناخته را با دقت خوبی تخمین زد.
۷ بعنوان مثال اندازه شکل مخروطی وسط عکس را می توان در حدود ۶۰ متر تخمین زد.
صفحه 47:
صفحه 48:
” از طریق مقایسه اندازه عوارض می توان برخی عوارض را تحلیل نمود.
” بعنوان مثال می توان آپارتمان را از خانه های ویلائی تفکیک نمود.
صفحه 49:
صفحه 50:
۷ سیستمیای حمل و نقل مانند جاده , راه آهن . مسیر آب . خطوط
انتقال نیرو و خطوط لوله با توجه به شکل خطی که دارند قابل
شناسائی می باشند
۲ تفاوت عرض و وضعیت دسترسی ها ( بعنوان مثال آزاد را و راه
آهن ) تفاوت در شکل ساختاری (پل ها . برجها . ایستگاهیای پمپاژ .
سدها و بنادر )
۷ خطوط لوله که در زیر زمین قرار گرفته اند معمولاً از لحاظ
کنتراست با خاکبای اطراف متفاوت می باشند
صفحه 51:
۷ شکل و چینش ساختمانها. ساختمان کارخانه و سازمانها و مراکز تجاری و مسکونی و
دیگر زمینیای مرتبط در عکس بزرگ مقیاس قابل تشخیص می باشند.
شکل شبکه زهکشی
انباشت سنگ های معدنی در محل معادن
تشخیص معادن روباز و تخمین میزان برداشت
تشخیص معادن زیر زمینی
فرسایش خاک
کنتراست کیاهان و خاک
انعکاس عوارض خاص (مانند سقفهای ایزو کام نسبت به سقفیای آسفالت)
e488 6K
صفحه 52:
صفحه 53:
صفحه 54:
صفحه 55:
صفحه 56:
صفحه 57:
صفحه 58:
تفسیر عکس ضوانی
صفحه 59:
صفحه 60:
صفحه 61:
صفحه 62:
صفحه 63:
صفحه 64:
تفسير عكس صوانی
صفحه 65:
صفحه 66:
تحلیل عوارض با استفاده از روشهای طبقه بندی اتوماتیک و نیمه اتوماتیک قابل انجام می باشد:
v
5112615156 روش
1][551126151560 روش ”
> Pattern Recognition
> Edge Detection
» Feature Extraction
: از طریق
Q Neural Network
Q Fuzzy Logic
Q Machine Vision
Qa
۳
Computer Vision
صفحه 67:
قابل تشخیص می باشد.
۲ شناسائی مشخصات درختان در عکس
هوائی و تفسیر عکس می تواند از طریق
برجسته بینی دقیقتر انجام شود.
صفحه 68:
برای تشخیص مشخصات درخت پنج ویژ کی آن عبارتند از:
۲ درختان با مرز شلوغ ویا تو خالی
درختان با توپو کرافی انبوه
درختان با 10126 شدید
v
v
درختان شاخه های میله ای %
v
درختان پین برک
تشخیص مشخصات درختان در عکسهای بزر گ مقیاس (بزر کتر از ۰ ۱:۵۰۰) امکانپذیر می باشد و
در عکسیا با مقیاس کوچکتر (۱:۱۰۰۰۰ تا ۱:۱۵۰۰۰) جزئیات درختان ادغام شده و شناسائی
با کمک ابزارهای برجسته بینی امکانپذیر برای برخی پوششا می باشد
صفحه 69:
۷ سطح مقطع درختان با مرز شلوغ و یا توخالی
RO CE
بدون ساختار دایره ای
توسکا ۳-۳ با چوب شوکران oe
سخت و
درختان صدمه دیده
صفحه 70:
Coneaye crowns
Spite-shaped Conical Pyramidal
western red cedar ‘western red cedar
balsam fir(4. balsamec) western hexalock Douglas-fir
young westentheulock یط pen grown crow
‘with a bent leader
Concaye crown (domed)
Pee
Splindrieal or Globose Billowy Tufted
cigar-shaped.
spruce lodgepole pine cottonwood maple
old Douslac-fir ponderosa pine meple
aspen,
صفحه 71:
صفحه 72:
صفحه 73:
wwwAyaziir:
Info@Ayazi.ir