دانلود رایگان سوالات دکتری مهندسی نقشه برداری - سنجش از دور 1398

تحلیل محتوایی و سرفصل‌های آزمون دکتری مهندسی نقشه‌برداری - سنجش از دور (بررسی کنکور ۱۳۹۸)

ارزیابی تخصصی تست‌های آزمون دکتری سنجش از دور در سال ۱۳۹۸ نشان‌دهنده تعادل میان سوالات مبتنی بر فیزیک سنجش از دور، روابط ریاضی تصحیحات هندسی و رادیومتریک، و الگوریتم‌های نوین پردازش و طبقه‌بندی تصویر است. مهم‌ترین سرفصل‌های این آزمون عبارتند از:

• فیزیک سنجش از دور و برهم‌کنش امواج با ماده: قوانین تابش جسم سیاه (پلانک، استفان-بولتزمن، وین و کایرهوف)، مکانیسم‌های پراکندگی اتمسفری (رایلی، می و غیرانتخابی)، پنجره‌های اتمسفری، امضای طیفی پوشش گیاهی، خاک، آب و مناطق شهری در محدوده‌های اپتیک، فروسرخ نزدیک (NIR)، فروسرخ طول موج کوتاه (SWIR) و فروسرخ حرارتی (TIR).
• پردازش رقومی تصویر (Digital Image Processing - DIP): پیش‌پردازش‌ها (تصحیحات رادیومتریک، اتمسفری نظیر FLAASH/DOS و تصحیحات هندسی و ارتورکتیفیکاسیون)، بهبود کنتراست و فیلترهای مکانی، تبدیل‌های طیفی (PCA, MNF, Tasseled Cap)، شاخص‌های طیفی (NDVI, NDWI, NDBI) و تکنیک‌های تفکیک طیفی (Spectral Unmixing).
• سنجش از دور فعال (رادار و لیدار - SAR & LiDAR): اصول تصویربرداری رادار دهانه ترکیبی (SAR)، قطبش‌پذیری (Polarimetry) و ماتریس‌های پراکندگی سینکلر و کوهرنسی، تداخل‌سنجی راداری (InSAR/DInSAR) جهت پایش فرونشست زمین و جابجایی گسل‌ها، هندسه رادار (Layover, Foreshortening, Shadow)، و پردازش ابر نقاط لیدار (Point Cloud) جهت تولید DTM و DSM.
• سنجش از دور ابرطیفی و حرارتی (Hyperspectral & Thermal RS): استخراج اثر انگشت طیفی مواد، تحلیل زاویه طیفی (SAM)، تطابق محتوای طیفی، الگوریتم‌های تفکیک حرارت و گسیل‌مندی (TES)، برآورد دمای سطح زمین (LST) و تحلیل جزایر حرارتی شهری.
• الگوریتم‌های طبقه‌بندی و یادگیری ماشین: الگوریتم‌های پارامتریک و ناپارامتریک (Maximum Likelihood, SVM, Random Forest, ANN)، روش‌های شیءپایه (OBIA) در مقابل پیکسل‌پایه، اعتبارسنجی و ماتریس خطا (ضریب کاپا، دقت کلی، دقت تولیدکننده و کاربر).

جدول مواد امتحانی و ضرایب دکتری مهندسی نقشه‌برداری - سنجش از دور

ترکیب دروس امتحانی و ضرایب مصوب آزمون دکتری سنجش از دور طبق ضوابط سازمان سنجش آموزش کشور به شرح جدول زیر است:

محورهای راهبردی مصاحبه علمی دکتری مهندسی نقشه‌برداری - سنجش از دور

جلسه مصاحبه دکتری سنجش از دور بستری برای ارزیابی قابلیت‌های پژوهشی در فناوری‌های نوین داده‌های مکانی و کلان‌داده‌های ماهواره‌ای است:

1. تنظیم پروپوزال بر مبنای ابرسامانه‌ها و یادگیری عمیق (Deep Learning): تدوین طرح‌های پژوهشی در محورهایی نظیر «تلفیق داده‌های چندمنظوره Multi-modal (SAR-Optical-LiDAR)»، «کاربرد مدل‌های بینایی ماشین و ترنسفورمرها (Vision Transformers) در استخراج عوارض شهری»، «پایش زمان‌واقعی فرونشست دشت‌ها با تداخل‌سنجی راداری سری زمانی (PSInSAR/SBAS)»، یا «محاسبه بیلان آب و تبخیر-تعرق در مقیاس ملی با پلتفرم‌های ابری».
2. تسلط بر سکوهای رایانش ابری و کدنویسی: تسلط بر پلتفرم Google Earth Engine (GEE) با زبان‌های Python و JavaScript، کتابخانه‌های پردازش مکانی پایتون (GDAL, Rasterio, GeoPandas, PyTorch/TensorFlow)، و نرم‌افزارهای تخصصی رادار و تصویر نظیر SNAP, ENVI, SARscape و ERDAS Imagine.
3. آشنایی کامل با کلان‌پروژه‌ها و داده‌های ماهواره‌ای بین‌المللی: اشراف بر داده‌های سری ماهواره‌های Copernicus (Sentinel-1/2/3/5P)، Landsat (7/8/9)، MODIS، داده‌های ارتفاعی ICESat-2، و ماموریت‌های نوین مانند NISAR و SWOT.
4. پیگیری نشریات معتبر و پیشرو حوزه سنجش از دور: مطالعه مقالات منتشرشده در ژورنال‌های تراز اول از جمله *Remote Sensing of Environment (RSE)*، *ISPRS Journal of Photogrammetry and Remote Sensing*، *IEEE Transactions on Geoscience and Remote Sensing (TGRS)* و *International Journal of Applied Earth Observation and Geoinformation*.

پرسش‌های متداول (FAQ)