پاسخ تشریحی ویدئویی سئوالات سنجش از دور و سیستم اطلاعات جغرافیایی کنکور کارشناسی ارشد سنجش از دور و جی آی اس (RS&GIS) 1400

لینک گروه واتساپ مرتبط با جی آی ارث در صورت تمایل عضو شوید.

گروه واتساپ www.giearth.ir

در پایان متن می توانید ویدئوی کنکور 1400 را مشاهده نمایید.

سنجش از دور و سیستم اطلاعات جغرافیایی کنکور کارشناسی ارشد سنجش از دور و جی آی اس (RS&GIS) 1400

در اولین سئوال این مجموعه که سئوال بسیار ساده و راحتی می باشد با خطای رد‌شدگی و نرسیدگی (Overshoot & Undershoot) (متاسفانه در داخل ویدئو به اشتباه تلفظ  می گردند)روبرو هستیم  که اگر هر عارضه‌ای در محل تقاطع دارای رد‌شدگی یا نرسیدگی باشد خطای مذکور اتفاق می‌افتد. در اینجا لازم است فاصله نرسیدگی عوارض و اضافه‌ رد‌شدگی عوارض اصلاح گردد.در نرم افزار با ابزارهایی مانند snap این اصلاح شدگی انجام می گردد.

در سئوال دوم (سئوال 117) انواع فشرده سازی در GIS را مطرح می کند به منظور مطالعه دقیق تر انواع فشرده سازی در GIS می توانید به لینک زیر مراجعه نمایید.

انواع فشرده سازی در داده های رستری

در مورد فشرده سازی R -Tree و B -Tree در ویدئو آموزشی پاسخ تشریحی ویدئویی سئوالات سنجش از دور و سیستم اطلاعات جغرافیایی کنکور کارشناسی ارشد سنجش از دور و جی آی اس (RS&GIS) 1400 توضیحات مختصری داده شده است.و در اینجا به ذکر این نکته بسنده می شود که فشرده سازی R-Tree یک فشرده سازی مکانی بوده و برای آبجکت هایی که نزدیک به یکدیگر هستند کاربرد دارد.

در سئوال 118 بحث در خصوص سمی واریوگرام می باشد.سمی واریوگرام، بر اساس این تفکر که خواص پدیده ها در مکانهای نزدیکتر شباهت بیشتری دارند تا در فاصله های دورتر، درجه وابستگی یا همبستگی بین نقاط را اندازه گیری می کند.البته سمی واریوگرام و کوواریانس هر دو قدرت همبستگی آماری را به عنوان تابعی از فاصله اندازه گیری می کنند.سمی واریوگرام خود همبستگی فضایی نقاط نمونه اندازه گیری شده را نشان می دهد.در واقع سعی می شود یک منحنی به داده ها فیت شود و هدف دستیابی به بهترین تناسب و همچنین گنجاندن دانش خود از پدیده در مدل سمی واریوگرام است. سپس این مدل در پیش بینی های استفاده خواهد شد.در مدل سمی واریوگرام سه مفهوم Range، Sill و Nugget به عنوان ویژگی های اصلی مدل سمی واریوگرام شناخته می شوند. سمی واریوگرام به صورت زیر تعریف می شود

  γ(si,sj) = ½ var(Z(si) - Z(sj))

Semivariogram(distance h) = 0.5 * average [ (value at location i– value at location j)2]

منظور var در فرمول واریانس می باشد اگر دو موقعیت S(iو j) به یکدیگر نزدیک باشند بنابراین اختلاف ارزش های آنها مطابق فرمول کوچک و خیلی ناچیز می باشد.همانطور که اگر دو موقعیت ذکر شده از هم دور باشند انتظار می رود که تفاوت ارزش های آنها بالا و آنها با یکدیگر متفاوت و کمتر به هم شبیه باشند. در شکل زیر مدل نمونه از سمی واریوگرام را مشاهده می کنید.

توجه داشته باشید که به ارتفاعی که مدل سمی واریوگرام موقع مسطح شدن به آن می رسد Sill یا حد آستانه می گویند. که اغلب از دو بخش تشکیل شده است اولین قسمت یک ناپیوستگی در مبدا که به آن Nugget می گویند بعلاوه Partial Sill

به طریق دیگر می توان گفت Sill منهای ناگت می شود Partial Sill

به عبارت خودمانی 🙂 موقعی که به نمودار سمی واریوگرام نگاه کنیم متوجه خواهیم شد که در یک فاصله مشخص مدل به صورت فلت و مسطح می شود. در واقع فاصله ای که مدل سمی واریوگرام برای اولین بار به صورت مسطح در می آید را Range گویند یا فاصله مدل سمی واریوگرام از مبدا تا آستانه (Sill) را Range گویند.

نکته : کوواریانس نیز برای سنجش همبستگی استفاده می شود برای درک بهتر این موضوع و تمیز دادن آن از مدل سمی واریوگرام شکل زیر را مشاهده نمایید.

اگر دو موقعیت S(iو j) به یکدیگر نزدیک باشند انتظار می رود که به یکدیگر شبیه تر باشند و کوواریانس  و همبستگی آنها بزرگتر باشد. همانطور که اگر دو موقعیت ذکر شده از هم دور باشند انتظار می رود که آنها  کمتر به هم شبیه باشند و کو واریانس آنها به صفر متمایل گردد. همانطور که پر واضح است در مدل ذکر شده در مقایسه با مدل سمی واریوگرام ذر جایی که فاصله بین دو پدیده صفر است سمی واریوگرام در صورت در نظر نگرفتن یا صفر فرض کردن ناگت صفر می باشد. در حالیکه در کوواریانس موقعی که فاصله صفر است ارزش مدل به اندازه Sill می باشد.

در سئوال 119 بحث Tile Indexes را داریم به صورت تحت اللفظی Tile Indexes به معنی شاخص گذاری کاشی گونه می باشد. امّا در اینجا منظور روشی است که باعث تقسیم نقشه ها به کاشی های کوچک به هم پیوسته است.

سئوال 120 ضریب همبستگی اسپیرمن :در این ضریب همبستگی به جای استفاده از خود مقادیر متغیرها از رتبه های آنان استفاده می شود. رابطه ی مربوط به ضریب همبستگی رتبه ای اسپیرمن به صورت زیر تعریف می شود.

 

 

سئوال 121 در مورد درونیابی می باشد در درونیابی هرچقدر تعداد نقاط معلوم بیش تر باشند درونیابی دقیق تر خواهد بود مانند اکثر الگوریتمهای مکانی قاعده 70 به 30 نیز در مورد درونیابی صادق می باشد یعنی بهتر است 70 درصد داده های ما در درونیابی برای داده آموزش و Train و 30 درصد به عنوان تست استفاده شوند. درون یابی یک نوع تحلیل ریاضی-آماری است که با استفاده از آن میتوان برای نقاطی که هیچگونه برداشت اطلاعاتی انجام نشده، مقادیری را برآورد نمود.روش های مختلف درونیابی موجود می باشد از آن جمله می توان به موارد زیر اشاره کرد.

1. IDW

2. Kriging

3. Spline

4. Topo to Raster

5. Trend

روش درونیابی IDW برای درونیابی مناطقی که دارای پستی و بلندی هستند استفاده می شود و یکی از روش های معمولو پرکاربرد درونیابی می باشد. در این روش محاسبه نقاط مجهول از طریق میانگین گیری مقادیر نقاط معلوم بدست می آید.

سئوال 129 :

نقطه نادیر : نقطه اي كه در زير ماهواره بصورت عمود بر روي زمين قرار دارد، نقطه نادير است. امّا در مورد میدان دید سنجنده شامل دو مفهوم متفاوت می باشد 1 – میدان دید لحظه ای سنجنده (Instantaneous Field of View) : زاويه اي كه سنجنده در هر لحظه تابش بالا رونده از زمين را تحت آن زاويهاندازه گیری می کند،ميدان ديد لحظه اي سنجنده)IFOV(ميگويند.در واقع میدان دید لحظه ای سنجنده یعنی سطحی در روی زمین که در یك ارتفاع معین به وسیله سنجنده درهر لحظه از زمان برداشت می گردد هرچه زاويه میدان دید لحظه ای سنجنده (IFOV) بیشتر باشد، يا ارتفاع سكو از زمينبيشتر باشد،ابعاد بزرگترياز زمين در يك پيكسل قرار ميگيرد. شکل زیر میدان دید لحظه ای سنجنده و میدان دید سنجنده را نمایش می دهد.

2- ميدان ديد سنجنده (Field of View) : زاويه اي كه سنجنده تحت آن زاويه يك خط اسكن كامل رابرداشت ميكند،ميدان ديد سنجنده)FOV(ميگويند. میدان دید سنجنده را با فرمول زیر محاسبه می کنند.

FOV = 2 Arc tan( w/2H)

که در آن W پهنای دید سنجنده و H ارتفاع ماهواره می باشد.

میداندید، عبارت است اززاویه اسکن از یك سمت تا سمتدیگر . این زاویه درعمل به همراه ارتفاع سکو،قابلیت برداشتسنجندهرا مشخص میکند.معادل زمینی این زاویهرا عرض برداشتswath widthمیگویند.کهبرابرعرض تصویر برحسبکیلومتر برروی زمیناست. به عبارت دیگر در تمام انواع اسکنرها، پوشش زاویه ای عمود بر امتداد حرکت سنجنده)Cross Track( را FOV و پوشش زمینی مرتبط با آن زاویه را،GFOV یا Ground-Projected Field Of Viewمی نامند. البته باید در نظر داشت که مقدار میدان دید سنجنده زاویه است و در واحدهایی مانند درجه و رادیان بیان می شود اما پوشش زمینی مرتبط با آن زاویه فاصله است و بر حسب متر بیان می گردد

در واقع GFOV = WIDTH SWATH می باشد. و فرمول محاسبه آن مطابق معادله زیر است :

GFOV = 2 H tan( FOV/2)

اندازه مساحت سطحی که توسط سنجنده در میدان دید لحظه ای (IFOV) قرار می گیرد (D) از حاصلضرب میدان دید لحظه ای (IFOV)( بر حسب استررادیان) در مجذور فاصله سنجنده تا سطح به دست میآید. سطح بر روی زمین راResolution cellنامیده و مشخص کننده بیشینه قدرت تفکیک سنجنده می باشد.

سئوال 134  ماتریس خطا و دقت طبقه بندی :نتایج ارزیابی دقت طبقه بندی معمولا به صورت ماتریس خطا ارائه می شود که در این صورت انواع پارامترها و مقادیری که بیانگر دقت طبقه بندی و یا نوعی خطا در نتایج هستنداز ماتریس خطا استخراج می شوند. ماتریس خطا حاصل مقایسه پیکسل به پیکسل ، پیکسل های معلوم با پیکسل های متناظر در طبقه بندی و دقت طبقه بندی است.در ماتریس خطا داده های زمینی در ستون ها و داده های مربوط به نتایج طبقه بندی و دقت طبقه بندی در سطرهای این ماتریس آورده شده است. اعدادی که روی قطر اصلی ماتریس خطا قرار می گیرند. تعداد پیکسل هایی را مشخص می کنند که درست طبقه بندی شده و دقت طبقه بندی صحیحی دارند. عناصر غیر قطری ماتریس خطا مجموعه خطاها در ماتریس خطا می باشند. بر مبنای ماتریس خطا پارامترهای متعددی برای بیان دقت طبقه بندی و خطا استخراج می گردند. از آن جمله :

• دقت طبقه بندی کلی

• ضریب کاپا

• دقت طبقه بندی تولید کننده

• دقت طبقه بندی کاربر

دقت کلی یا دقت طبقه بندی کلی میانگینی از دقت طبقه بندی است که نسبت پیکسل های صحیح طبقه بندی شده به جمع کل پیکسل های معلوم را نشان می دهد

 

لینک دانلود سئوالات کنکور ارشد 1400

لینک دانلود ویدئو اصول تفسیر تصاویر هوایی