فهرس المقالات Spatio-temporal

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - Urban Sprawl Pattern and Its Implications for Urban Management (Case Study: Zaria Urban Area, Nigeria)
  Abdulaziz Kugu
  Urban sprawl, or the unplanned and uncontrolled spreading out of built-up areas in Zaria urban area causes problems of congestion, poor urban basic infrastructure delivery and poor urban planning. This paper analyzed the pattern and implications of urban sprawl using GI أکثر

  Urban sprawl, or the unplanned and uncontrolled spreading out of built-up areas in Zaria urban area causes problems of congestion, poor urban basic infrastructure delivery and poor urban planning. This paper analyzed the pattern and implications of urban sprawl using GIS and Remote sensing as an improved approach to analyze and explain sprawling beyond the traditional spatial or cartographic mapping and monitoring method which lacks the effectiveness to analyze and explain the details of spatiotemporal dimensions of urban sprawl. Map overlay analysis was used to calculate the rate and magnitude of the growth pattern for the four epochs of 1976, 1990, 2000 and 2014 if it could be regarded as sprawl. Results revealed that ribbon and leap-frog pattern of sprawl had fully developed North-South at approximately 25km stretch (Kano-Kaduna road) and 16km East-West on the regional arterial roads (Sokoto road and Jos road). Findings also revealed that the sprawl patterns were as a result of rapid urban population growth, increase demand for land, poor urban planning and social segregation with their respective implications. The causes of having such widespread urban sprawl needs to be studied in order to control the City’s growth. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - ارزیابی داده‌های بارش شبکه‌بندی جهانی در پایش خشکسالی (مطالعه موردی: حوضه‌ی آبریز کارون بزرگ)
  بهزاد نویدی نساج نرگس ظهرابی علیرضا نیکبخت شهبازی حسین فتحیان
  در این پژوهش عملکرد زمانی و مکانی 5 مجموعه داده‌ی بارش شبکه‌بندی جهانی شامل GPCC V8، CHIRPS V2، ECMWF ERA5، NASA MERRA2 و PERSIANN-CDR (PCDR) در پایش خشکسالی مورد ارزیابی قرار گرفته است. به این منظور از شاخص خشکسالی بارش استاندارد شده (SPI) و اطلاعات بارش 13 ایستگاه سین أکثر

  در این پژوهش عملکرد زمانی و مکانی 5 مجموعه داده‌ی بارش شبکه‌بندی جهانی شامل GPCC V8، CHIRPS V2، ECMWF ERA5، NASA MERRA2 و PERSIANN-CDR (PCDR) در پایش خشکسالی مورد ارزیابی قرار گرفته است. به این منظور از شاخص خشکسالی بارش استاندارد شده (SPI) و اطلاعات بارش 13 ایستگاه سینوپتیک سازمان هواشناسی ایران طی دوره‌ی سی ساله‌ی 2016-1987 استفاده شده است. مقایسه‌ها بر مبنای شاخص‌های کارائی شامل: همبستگی، خطای جذر میانگین مربعات (RMSE)، ضریب کارائی نش-ساتکلیف، و شاخص توافق اصلاح شده (MAI) و همچنین شاخص‌های تعیین دقت تشخیص خشکسالی شامل: نسبت هشداردهی اشتباه (FAR)، احتمال تشخیص (POD) و شاخص موفقیت قطعی (CSI) انجام گرفته است. نتایج نشان داد که مجموعه داده‌های GPCC، ERA5، PCDR توافق قوی با SPI مشاهداتی داشته‌اند به طوریکه روند و وقایع خشکسالی را به خوبی نشان داده‌اند و R2 آن‌ها با SPI مشاهداتی به ترتیب 90/0 < ، 89/0 < و 90/ < بوده است. همچنین میزان RMSE آن‌ها نسبت به CHIRPS و MERRA2 پایین‌تر و ضریب نش ساتکلیف و MAI آن‌ها بالاتر بوده است. نتایج همچنین نشان داد در بیشتر بخش‌های حوضه خصوصا شمال شرقی و جنوب غربی GPCC، ERA5 و PCDR دارای همبستگی و NSE بالاتری نسبت به سایر مجموعه داده‌ها بودند. از نظر تشخیص وقایع خشکسالی نیز مجموعه داده‌های GPCC، ERA5 وPCDR قدرت خوبی در 1- < SPI نشان دادند. با این حال در شدت‌های بالای خشکسالی میزان CSI تمامی مجموعه داده‌ها با روندی نزولی همراه بوده و بنابراین قدرت تشخیص وقایع خشکسالی کاهش یافته است. CHIRPS و MERRA2 عملکرد متوسط و ضعیفی در پایش خشکسالی این حوضه نشان داده‌اند. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  3 - نقش عناصر cis-acting ناحیه پروموتر در تنظیم بیان مکان-زمانی ژن NHX1 پاسخگو به تنش شوری در Triticum aestivum L.
  شادی حیدری بهارک حیدری پیوند حیدری
  شوری خاک یکی از جدی ترین مشکلات در کشت گندم در ایران است که تأثیر زیان آور بر تولید محصول و رشد گیاه دارد. به منظور بررسی ژن‌های مرتبط با پاسخ به تنش شوری در گندم، تجزیه و تحلیل 3567 برچسب‌ توالی بیان شده (EST) از کتابخانه‌های برگ و ریشه گندم متحمل به شوری جمع‌آوری شده أکثر

  شوری خاک یکی از جدی ترین مشکلات در کشت گندم در ایران است که تأثیر زیان آور بر تولید محصول و رشد گیاه دارد. به منظور بررسی ژن‌های مرتبط با پاسخ به تنش شوری در گندم، تجزیه و تحلیل 3567 برچسب‌ توالی بیان شده (EST) از کتابخانه‌های برگ و ریشه گندم متحمل به شوری جمع‌آوری شده از بانک اطلاعاتی دانشگاه هاروارد انجام شد. نرم افزارهای EGassembler، CLCbio و IDEG6 به منظور تجزیه و تحلیل بیان ژن و ابزار طبقه‌بندی مقایسه‌ای GoMapMan به منظور دسته‌بندی کاتالوگ‌های عملکردی استفاده شد. اختلاف آماری معنی‌دار بین ژن‌های دو کتابخانه در 7 گروه کارکردی مشاهده شد. نتایج نشان داد که تبادلگرهای یون NHX1 نقش مهمی در هموستاز یون و تحمل تنش شوری در هر دو بافت برگ و ریشه ایفا می‌کنند. از آنجا که درک کامل سیستم تنظیم رونویسی ژن به تجزیه و تحلیل عملکردی عناصر cis-acting بستگی دارد، بنابراین عناصر تنظیم‌کننده موجود در ناحیه '5 تنظیمی ژن‌های NHX1 با استفاده از پایگاه های داده Plant CARE شناسایی شدند. چندین عنصر تنظیمی مرتبط با فرآیندهای بیولوژیکی، تنظیم هورمونی و پاسخ به تنش‌ها و محرک‌های محیطی شناسایی شدند. این پژوهش بینشی در مورد نقش عناصر cis-acting پروموتر در تنظیم بیان مکان- زمانی ژن NHX1 تحت تنش شوری ارائه می‌دهد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  4 - Human Action Recognition Based on Discriminative Sparse Representation on Multi-Manifolds
  Atefe Aghaei Sajjad Tavassoli
  Human action recognition is an important problem in computer vision. One of the methods that are recently used is sparse coding. Conventional sparse coding algorithms learn dictionaries and codes in an unsupervised manner and neglect class information that is available أکثر

  Human action recognition is an important problem in computer vision. One of the methods that are recently used is sparse coding. Conventional sparse coding algorithms learn dictionaries and codes in an unsupervised manner and neglect class information that is available in the training set. But in this paper for solving this problem, we use a discriminative sparse code based on multi-manifolds. We divide labeled data samples into multi-manifolds and also to decrease run time, reduce dimension of manifolds. We find k inter nearest neighbors and intra nearest neighbors for each data sample in each manifold. The intra class variance should be minimized while the inter class variance should be maximized, in the result we could calculate laplacian matrix and optimize sparse code and dictionary. Then we use discriminative sparse error for classification. We run this method on KTH and UCF sport datasets. Results show that we obtain a better result (about 89%) in UCF dataset. تفاصيل المقالة