امیررضا قندیان - گروه مهندسی نقشه برداری، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی- واحد تهران جنوب، تهران، ایران
نیکروز مستوفی - گروه مهندسی نقشه برداری، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی- واحد تهران جنوب، تهران، ایران
عباس مجیدی زاده - گروه ژئودزی و مهندسی نقشه برداری، دانشگاه تفرش، تفرش، ایران
حمید مطیعیان - گروه مهندسی نقشه برداری، دانشکده مهندسی عمران، دانشگاه صنعتی نوشیروانی بابل، بابل، ایران

پیشینه و اهداف: امروزه، توسعه شهرنشینی و افزایش جمعیت شهری، بیش از گذشته باعث گرم شدن هوا و ایجاد جزایر حرارتی شهری شده است. جزایر حرارتی شهری، پدیده­ای ناشی از آثار شهرنشینی است که به واسطه آن، درجه حرارت در محیط شهری از مناطق حومه­ای بالاتر می­رود. این پدیده، به سبب افزایش دما جوی و محیطی می­تواند صدمات جبران ناپذیری از قبیل آلودگی­های زیستی، انتشار گازهای گلخانه­ای، بیماری­های ناشی از گرما و تاثیر در کیفیت آب را برای جوامع و محیط زیست به بار آورد. این پژوهش، به منظور کاهش دما و تلاش برای از بین بردن پدیده جزیره حرارتی، رویکرد موثر و کارآمدی را به کمک علم سنجش از دور و الگوریتم های بهینه سازی براساس جایگزینی پوشش بام های یک منطقه با پوشش های با جذب گرمای کمتر پیشنهاد می کند. در این پژوهش، سعی بر آن است تا اثر جزیره حرارتی شهری را بر مبنای الگوریتم­ها و پارامترهای آماری تاثیرگذار بر دمای محیط که در تحقیقات گذشته کمتر مورد مطالعه قرار گرفته­اند، کاهش دهیم. همچنین، استفاده از روش بهینه­سازی هوشمند در این زمینه می­تواند باعث نوآوری و ایجاد نتایج بهتر و دقیق­تری شود. مسیر جدیدی که این مطالعه بررسی می­کند، تغییر پوشش سقف یک منطقه با پوشش­های کاربردی دیگر است که باعث کاهش دمای هوا در آن منطقه می­شود. پوشش هایی که جهت جایگزینی پوشش بام ها برای تعدیل و خنک سازی دمای منطقه مورد مطالعه در نظر گرفته شدند، دو نوع پوشش خاک و گیاهی می باشند.روش ها : رویکرد پیشنهادی این پژوهش، استفاده از دو الگوریتم بهینه سازی ژنتیک و ازدحام ذرات است و پارامترهایی که تابع هدف این دو الگوریتم را تشکیل می­دهند، دو پارامتر انحراف معیار دما و میانگین هزینه مالی تغییر پوشش سقف هر قطعه ساختمانی است. مجموعه داده تحقیق، تصاویر ماهواره­ای لندست ۸ از محله اندیشه شهر تهران است. در این تحقیق، از تصاویر ماهواره­ای برای اهدافی همچون تهیه تصاویر رنگی، نگاشت شاخص های گیاهی و غیرگیاهی منطقه مورد مطالعه، محاسبه دمای سطح زمین و جزایر حرارتی شهری استفاده شده است.یافته ها: نتایج به دست آمده بیانگر این موضوع می­باشد که هر دو الگوریتم بهینه­سازی عملکرد خوبی را ارائه داده و پارامترهای مساله را بهبود بخشیده­اند، اما الگوریتم بهینه­سازی ژنتیک، نتیجه بهتری را در زمان و تکرار کم­تری کسب کرده است. در مقایسه این دو الگوریتم، الگوریتم بهینه­سازی ژنتیک انحراف معیار را ۱۹ درصد کاهش داد و مقدار آن را به ۴۲/۰ رساند. از سوی دیگر، الگوریتم بهینه­سازی ازدحام ذرات در مدت زمانی طولانی­تر، انحراف معیار را ۱۴ درصد کاهش داد و مقدار آن را به ۴۴/۰ رساند.نتیجه گیری: الگوریتم ژنتیک در بهینه­سازی پوشش بام ساختمان­ها، نتایج بسیار خوبی را با هزینه کل ۴۶۷۸ و انحراف معیار ۴۱۷۷/۰ کسب کرد. با تعداد ۱۲۱۰۰ بار ارزیابی تابع هدف به سرعت همگرا شد و هر دو پارامتر تابع هزینه را به میزان قابل توجهی کاهش داد (الگوریتم ژنتیک تا حد ممکن به بهترین جواب رسیده است). الگوریتم بهینه­سازی ازدحام ذرات نیز با کسب هزینه کل ۴۹۶۵، انحراف معیار ۴۴۳۰/۰ و با تعداد ۲۰۱۰۰ بار ارزیابی تابع هدف نتوانست جوابی به خوبی الگوریتم ژنتیک برسد. در خصوص مقایسه بین این دو الگوریتم، ژنتیک با کم تر از ۳۰۰۰ بار ارزیابی تابع هدف، توانست بهینه ترین جوابی را که الگوریتم ازدحام ذرات در ۲۰۱۰۰ بار ارزیابی به آن رسیده، تجربه کند. استفاده از الگوریتم های فراابتکاری در بهینه سازی مسائل عملی، که امروزه در صنایع متنوع به دفعات با آن ها مواجه می شویم، می تواند بسیار کارآمد باشد. نتایج این الگوریتم ها، با وجود اختلافات در خروجی ها بسیار مناسب و رسیدن به چنین جواب هایی برای مسائل مختلف بدون استفاده از این گونه الگوریتم ها غیرممکن خواهد بود. به عنوان کارهای آتی براساس آن چه که در این پژوهش حاصل شده، پیشنهاد می­شود از سایر الگوریتم های بهینه سازی و یا حتی الگوریتم های قدرتمند مدل سازی همچون شبکه­های عصبی مصنوعی استفاده شود. همچنین، می توان تغییر پوشش بام ساختمان­ها و استفاده از پوشش های جدیدتر را در تعدیل دما با اتخاذ پارامترهای جدید از تابع هزینه در الگوریتم­های بهینه­سازی و یادگیری عمیق مورد بررسی قرار داد.

الگوریتم بهینه سازی ازدحام ذرات, الگوریتم بهینه سازی ژنتیک, تصاویر ماهواره لندست ۸, جزایر حرارتی شهری, سنجش از دور