نعمت الله کریمی

به طور کلی هدف اصلی تحقیق حاضر بررسی تاثیر حضور تصاویر راداری در طبقه بندی تصاویر ماهواره-ای چند زمانه اپتیکی در الگوریتم های طبقه بندی مبتنی بر یادگیری ماشینی، شامل جنگل تصادفی (Random Forest)، درخت تصمیم کارت (CartDecision Tree) و ماشین بردار پشتیبان (Support Vector Machine) می باشد. در تحقیق حاضر ابتدا اطلاعات شاخص طیفی تفاضل نرمال شده گیاهی(NDVI) به همراه لایه های شیب، مدل رقومی ارتفاعی و یک تصویر اصلی تصحیح شده ماهواره Sentinel-2 توسط سه روش اشاره شده به صورت نظارت شده مورد آموزش و طبقه بندی قرار گرفت. سپس فرآیند طبقه بندی با حضور تصاویر راداری ماهواره Sentinel-1 مجدداً انجام گردید. در نهایت طی عملیات پس پردازش با استفاده از فیلتر بیشترین فراوانی پیکسل های منفرد به کلاس های همسایه الصاق شده و نتایج نهایی با داده های زمینی مورد صحت سنجی قرار گرفت. نتایج نشان داد در بررسی تمام کلاس ها، دقت کل و ضریب کاپا در حالت حضور داده های راداری و برای هر سه روش طبقه بندی تنها 3 درصد بهبود یافته است اما در بررسی یک به یک کلاس ها مشاهده می شود دقت تولید کننده روش جنگل تصادفی در کلاس کشت مجدد بهبود قابل توجهی داشته و مقدار آن از 74/0 به 84/0 رسیده است. در روش ماشین بردار پشتیبان نیز کلاس های دیم و باغات بهبود محسوس تری داشته اند که به ترتیب از 75/0 و 78/0 به 84/0 و 92/0 افزایش یافته است. نهایتاً می توان چنین عنوان کرد که اضافه کردن تصاویر راداری به عمل طبقه بندی تنها در کلاس های مربوط به اراضی کشت مجدد، دیم و باغات تاثیر مثبت و قابل توجهی دارد و نیز برتری کاملاً محسوس روش جنگل تصادفی در مقایسه با روش های دیگر مشهود است.

افزایش دمای کلان شهرها، بحران شهرنشینی در قرن حاضر است. هدف این تحقیق شناخت تغییرات فضایی دمای سطحی در شهر مشهد است که با باند حرارتی 11 تصویر لندست برای دوره 2009 تا 2013 و نقشه رقومی کاربری اراضی مشخص شد. در این مطالعه برای محاسبه دمای سطحی، از روش الگوریتم پنجره مجزا استفاده شد. مدل الگوی فضایی دمای سطحی شهر مشهد در طول سال، افزایش دمای سطحی از مرکز به حاشیه شهر در زمان گذر ماهواره است؛ به طوری که مناطق مرکزی و قدیمی شهر (سناباد، آبکوه، سعدآباد، ملک آباد)، دمای سطحی پایین تری نسبت به حومه شهر دارند. بالاترین دمای سطحی در حاشیه جنوبی شهر، پیش کوه های بینالود از غرب تا جنوب شرقی مشهد، راه آهن، فرودگاه، میدان شهدا، حاشیه بزرگراه امام علی و کمر بندی همت، ششصد دستگاه، کارخانه قند و نخ ریسی و فضاهای باز خالی و فاقد کاربری شهری است. کاربری های حمل و نقل شهری، زمین بایر و ارتفاعات در طول سال، حداکثر دمای سطحی و حداقل دما، در کاربری تفریحی و توریستی، کشاورزی و باغ ها به خصوص در ماه های گرم وجود دارد. منطقه 12 شهری، گرم ترین و منطقه 1، خنک ترین منطقه شهر مشهد به لحاظ دمای سطحی است. حداکثر دمای سطحی مشهد، در ماه های تیر و مرداد، و حداقل دما، در آذر بوده و دامنه فضایی دمای سطحی شهر، به ترتیب در ماه آوریل (فروردین) و فصل بهار، بیشترین و در ماه اکتبر (مهر) و پاییز، کمترین است.

دسترسی هم زمان به تصاویر ماهواره ای با قدرت تفکیک زمانی و مکانی بالا در بسیاری از مطالعات ضروری است. این در حالی است که، فقط با استفاده از تصاویر یک سنجنده، این نیاز تأمین نخواهد شد. اما می توان با استفاده از تلفیق تصاویر سنجنده های گوناگون، که قدرت تفکیک زمانی (مانند MODIS) و مکانی (همانند Landsat) بالا دارند، به این مهم دست یافت. بدین ترتیب، هدف اصلی تحقیق حاضر اجرا و ارزیابی میزان دقت یکی از جدیدترین و کارآمدترین مدل های ترکیب تصاویر ماهواره ای با عنوان ESTRAFM است. برای اجرا و ارزیابی این مدل، دو دورة زمانی (مقطع نخست بین روزهای 204 تا 220 و مقطع دوم بین روزهای 220 تا 236 سال 2016) در نظر گرفته شد. برای اعتبارسنجی نتایج، از تصاویر سنجندة OLI در موزائیک کناری، در جایگاه دادة مشاهداتی (تصویرمبنا)، استفاده شد. نتایج ارزیابی این دو دوره نشان داد میانگین همبستگی باندهای آبی، سبز، قرمز و فروسرخ نزدیکِ تخمین زده شده با تصویر دریافتی از سنجندة OLI، به صورت میانگین در این دو دوره، به ترتیب برابر با 90/0، 91/0، 91/0 و 85/0 و میانگین میزان مجذور میانگین مربعات خطا و چهار باند مذکور به ترتیب برابر با 025/0، 030/0 ، 036/0 و 049/0 است که، به ترتیب، معادل 3/15، 2/16، 5/16 و 7/13 درصد خطا در باندهای مورد نظر است. افزون بر این، با توجه به میزان همبستگی بالا (87/0R 2=) و مجذور میانگین مربعات خطای ناچیز (056/0RMSE=) بین مقادیر NDVI پیش بینی شده و NDVI حاصل از باندهای مشاهداتی، می توان بیان کرد علاوه بر اینکه این مدل در برآورد مقادیر بازتابندگی سطحی دقت مطلوبی دارد؛ می توان از آن (مانند NDVI) برای پیش بینی میزان محصولات نیز استفاده کرد. براساس نتایج مدل ESTARFM، می توان عنوان کرد مقادیر پیش بینی شدة باندهای گوناگون دقت مناسبی دارند و می توان از این مدل برای ترکیب تصاویر، به قصد افزایش قدرت تفکیک های مکانی و زمانی، استفاده کرد.

داده های سنجش از دور دارای کاربرد وسیعی در برآورد تبخیر و تعرق واقعی هستند و بدین منظور روش های مختلفی شرح و بسط یافته است. در این میان، سبال و متریک به عنوان مدل های شار انرژی و تی وی تی برپایة پوشش گیاهی توجه زیادی را به خود جلب کرده و برپایة برخی پارامترهایی هستند که برای استفاده نیاز به ارزیابی دارند. در پژوهش حاضر، 12 تصویر مودیس طی دورة سال آبی 88-1387 که محدودة مطالعاتی اهواز شمالی را (طبق طبقه بندی وزارت نیرو) می پوشاند، فراهم شد تا برای تخمین تبخیر و تعرق واقعی با استفاده از مدل های سنجش از دور به کار گرفته شود. به منظور ارزیابی و مقایسة نتایج، از تبخیر و تعرق تخمین زده شده با استفاده از مدل بیلان آبی مرسوم برای همان دوره استفاده شد. افزون بر اینها، بهترین تخمین تبخیر و تعرق واقعی با استفاده از مدل سنجش از دور برای مزارع یونجه با مقادیر متناظر در سند ملی آب مقایسه شد. نتایج به دست آمده، عملکرد بهتر سبال و سپس متریک و تی وی تی را نشان دادند. مدل بیلان آب میزان تبخیر و تعرق واقعی را 341 میلی متر بر سال و سبال آن را 2/347 میلی متر بر سال برای همان دوره نمایش داد. ارزیابی پارامترهای این مدل ها، تأثیر معنا دار کاربرد معادلات کالیبره شدة شار گرمای خاک و طول زبری مومنتوم را بر عملکرد و کاهش عدم قطعیت آنها نشان داد.

ابرها با توجه به تأثیر قابل توجه آنها بر موازنه ی انرژی در سطح زمین و در جو، همواره مورد توجه پژوهشگران مختلف هواشناسی و اقلیم­شناسی قرار گرفته­ است. توانایی سنجش از دور در برآورد خصوصیات و ویژگی­های­ ابرها در بررسی تغییرات آن­ها در مکان­ها و زمان­های مختلف به اثبات رسیده ­است. یکی از جنبه­های تحقیقاتی مهم در ارتباط با ابرها، تعیین فشار در سطح بالای آن­ها است که هدف از پژوهش حاضر نیز ارائه ی روشی سریع برای تعیین آن (FAST CTP) با استفاده از تصاویر MODIS می­باشد. به این ترتیب که ابتدا با استفاده از داده­های رادیوساوند در دو ایستگاه مهرآباد و کرمانشاه پروفایل دمایی جو استخراج گردید. سپس با استفاده از یک تکنیک پنج مرحله­ای پیکسل­های تصویر مورد نظر به چهار دسته ابری، احتمالاً ابری، احتمالاً بدون ابر و غیر ابری طبقه بندی شدند. سپس با استفاده از مدل LSE در باندهای 31 و 32 سنجنده مذکور، گسیلمندی ابر در پیکسل­های ابری برآورد گردید. آنگاه با استفاده از گسیلمندی برآورد شده، دمای واقعی استخراج گردید. سپس با استفاده از این دما و پروفایل دمایی استخراج شده از داده­های رادیوساوند، فشار بالای ابر استخراج گردید. برای بررسی صحت نتایج به دست آمده نتایج حاصل از روش FAST CTP با نتایج حاصل از مدل CTP استاندارد مقایسه گردید. بر طبق این مقایسه روش ارائه شده در پژوهش حاضر برای ابرهای با عمق اپتیکی بالاتر از 10 مطلوب بوده و با نتایج حاصل از مدل CTP اختلاف بسیار کمی را نشان می­دهد. اما تفاوت در مورد ابرهای نازک و با عمق اپتیکی پایین ( پایین تر از 10) نسبت به ابرهای با عمق اپتیکی بالا بطور چشمگیری بالاست.