سید هدایت شیخ قادری

عکس های ماهواره ای کرونا و هکساگون باقدرت تفکیک مکانی 1.8 تا 9 متر منبع مناسبی برای پایش و ارزیابی تغییرات پدیده های سطح زمین می باشند. هدف این تحقیق پایش تغییرات دریاچه زریبار در بازه 2019-1969 با استفاده از داده های ماهواره ای کرونا، هکساگون و استر و توانایی عملکرد آنها در پایش و استخراج خط ساحلی، مرزدریاچه و پهنه ی آبی می باشد. در این تحقیق برای تصحیح هندسی داده های کرونا و هکساگون از تصاویر گوگل ارث، از الگوریتم های استخراج خطواره، ماسک باینری و قطعه بندی شیفت میانگین به ترتیب برای استخراج خط ساحلی و مرز دریاچه، آشکارسازی تغییرات دریاچه و استخراج و پایش پهنه ی آبی دریاچه زریبار استفاده شد. یافته های حاصله نشان داد که در مرحله ی اول: تصحیح هندسی عکس های کرونا و هکساگون با استفاده از تصاویر گوگل ارث با میزان RMSE 0.3 و 0.4 پیکسل به دست آمد. در مرحله ی دوم، الگوریتم استخراج خطواره برای استخراج مرز دریاچه و خط ساحلی با استفاده از عکس های کرونا و هکساگون از دقت بالایی برخوردار بوده و با نقشه ی توپوگرافی 50000/1 همبستگی بالایی دارد. در مرحله ی سوم، روش طبقه بندی نظارت نشده ماسک باینری به منظور آشکارسازی تغییرات دریاچه با استفاده از عکس های کرونا و هکساگون به صورت قابل قبولی پیکسل های تغییریافته و تغییرنیافته را شناسایی کرده، به طوری که 11 هکتار سطح دریاچه بیشترین تغییرات را داشته است. نهایتاً در مرحله ی چهارم مشخص شد که الگوریتم قطعه بندی شیفت میانگین و حد آستانه با اعمال بر روی داده های کرونا، هکساگون و استر جهت استخراج پهنه ی آبی موفقیت آمیز و در این میان عکس کرونا به علت قدرت تفکیک بالاتر بهتر عمل کرده است. نتایج فوق نشان داد که دریاچه ی زریبار از سال 1969 تا سال 2019 با کاهش 6.5% مواجه بوده و یافته های حاصله همبستگی بالایی با محصول پهنه ی آبی استر دارد. به طورکلی یافته های این پژوهش پتانسیل استفاده از روش های پردازش تصویر رقومی برای داده های کرونا و هکساگون به منظور پایش و آشکارسازی تغییرات دریاچه ها را نشان می دهد.

پژوهش حاضر با هدف آنالیز زمانی و مکانی طوفان های گردوغبار طی بازه ی زمانی 2016 تا 2018 در شهر کرمانشاه با بهره گیری از مدل مسیریابی HYSPLIT و پروداکت MCD19A2 سنجنده ی مودیس در سامانه ی تحت وب گوگل ارث انجین انجام گرفت. جهت مسیریابی منشأ ذرات گردوغبار از روش لاگرانژی مدل HYSPLIT در 48 ساعت قبل از وقوع پدیده گردوغبار در کرمانشاه در سه سطح ارتفاعی 200، 1000 و 1500 متری مورد استفاده قرار گرفت. یافته های حاصل از نقشه های ردیابی مدل HYSPLIT حاکی از آن است که مسیر کلی برای انتقال گردوغبار به منطقه مورد مطالعه مسیر شمال غرب- جنوب شرق با منشأ بیابان های عراق و سوریه در سه ارتفاع 200، 1000 و 1500 متری در روز های 17 ژوئن 2016 و 27 اکتبر 2018 و همچنین مسیر جنوب غرب به غرب با منشأ کویت، شمال عربستان و بخشی از عراق در 2 نوامبر 2017 می باشد. نتایج نقشه های حاصل از پروداکت MCD19A2 سنجنده ی مودیس علی الخصوص نقشه های تناوب رخداد، غلظت تجمعی، تغییرات مکانی و نقشه بیشترین میزان AOD نشان از همبستگی بالا با نقشه های مسیریابی شده مستخرج از مدل HYSPLIT دارد. به طورکلی بر اساس یافته های حاصل از نقشه های مستخرج از پروداکت MCD19A2 سنجنده مودیس طی بازه ی زمانی 2016 تا 2018 شهر کرمانشاه، مناطق مرکزی و شرقی همواره بیشتر از دیگر مناطق شهر درگیر طوفان گردوغبار گردیده و در این راستا مناطق فوق به صورت متوسط، نسبت به دیگر مناطق شهر بیشتر با آلودگی ناشی از گردوغبار مواجه بوده اند. در این راستا نتایج نهایی نشان دهنده ی همبستگی بالا بین داده های PM10 واقعی و مقادیر AOD مشتق شده از سنجنده مودیس می باشد.

نقشه های به روز و دقیق کاربری اراضی نقش مهمی در مدیریت و برنامه ریزی کشورهای درحال توسعه ایفا می کند. هدف از این پژوهش علاوه بر تهیه ی نقشه دقیق پوشش اراضی استان گیلان، مقایسه و ارزیابی نقشه های تولیدشده با استفاده از داده های چندفصلی راداری و اپتیکی و همچنین ترکیب این داده ها با یکدیگر به منظور بهبود دقت نقشه طبقه بندی شده می باشد. در این راستا داده های با توان تفکیک مکانی 10 متر سنتینل 2 و قطبش VH راداری سنتینل 1 در باند C به منظور تهیه نقشه پوشش اراضی در محیط پردازشی گوگل ارث انجین مورد پردازش و تحلیل قرار گرفتند. یافته ها نشان داد که نتایج استفاده از داده ی راداری سنتینل 1 به تنهایی یا استفاده از تصاویر سنتنیل 2 به تنهایی، به ترتیب دارای ضریب کاپای 0.72 و 0.84 درصد و دقت کلی به ترتیب 78.51 و 87.41 درصد است. این در حالی است که استفاده هم زمان از داده ی سنتنیل 1 و سنتنیل 2 با رویکرد ترکیب داده ها در محیط گوگل ارث انجین، نتایجی بسیار مطلوب تری را حاصل و باعث بهبود دقت طبقه بندی می شود. به طوری که نقشه ی تهیه شده با استفاده از ترکیب چندفصلی هم زمان تصاویر سنتنیل 1 و 2 دارای ضریب کاپا و دقت کلی به ترتیب 0.97 و 97.77 درصد برآورد گردید. در این پژوهش پیکسل های کاربری بایر در تصاویر سنتینل 1 به دلیل شباهت میزان بازپراکنش و در تصاویر سنتینل 2 به علت شباهت طیفی، سبب عملکرد نامناسب الگوریتم طبقه بندی ماشین بردار پشتیبان در تفکیک کلاس بایر و شهر از هم گردید. به طورکلی نتایج این پژوهش بیانگر آن است که ترکیب هم زمان داده های سنتینل 1 و 2 برای بهبود دقت الگوریتم های طبقه بندی جهت نقشه برداری می تواند بسیار مناسب عمل کند و کلاس های اراضی را با توانایی بالا از هم جدا سازد.