سنجش از دور و GIS ایران

سنجش از دور و GIS ایران

سنجش از دور و GIS ایران سال هشتم تابستان 1395 شماره 2 (پیاپی 30)

مقالات

۱.

تخمین ترکیبات شیمیایی، غلظت و ارتفاع طوفان های گرد و غبار با استفاده از تصاویر و داده های ماهواره ای MODIS&CALIPSO

تعداد بازدید : ۳۴ تعداد دانلود : ۱۸
طوفان گردوغبار یکی از پدیده های جوی است که آثار و پیامدهای زیست محیطی نامطلوبی برجای می گذارد. بررسی ترکیبات فیزیکی و شیمیایی گردوغبارهای اخیر نشان می دهد این گردوغبارها صرفاً متشکل از دانه های خاک، شن، ماسه و ذرات نمک نیستند، بلکه ترکیب پیچیده ای از عناصر شیمیایی اند، عناصری از قبیل فلزات قلیایی خاکی، کربن، سیلیس، آلومینیوم، پتاسیم، کلسیم و برخی دیگر از عناصر آلی مشاهده می شود که تمامی این عناصر می توانند اثرات مضری در سلامت محیط زیست و به ویژه بر موجودات زنده داشته باشند. در این تحقیق شهر اهواز که طی دهه گذشته شاهد طوفان های چندی بوده است، بررسی شد. با استفاده از نمونه های اندازه گیری شده عناصر مورد مطالعه در ایستگاه زمینی و آنالیزهای آزمایشگاهی، محتویات هفت رخداد گردوغبار تعیین شد. تصاویر ماهواره ای MODIS و داده های CALIPSO، به ترتیب، جهت شناسایی عناصر و تعیین غلظت این طوفان ها مورد تحلیل قرار گرفتند. پس از تهیه تصاویر MODIS و انجام دادن تصحیحات مورد نیاز، مقادیر طیفی محل نمونه برداری ایستگاه زمینی روی تصاویر مشخص شد. با استفاده از روش کمترین مربعات و cross-validation مدل سازی ارتباط بین باندهای MODIS و نتایج حاصل از مشاهدات زمینی ایجاد شد. پس از مقایسه و تحلیل نتایج به دست آمده، مشخص شد که برای عنصر سیلیس، نسبت باند 21 به باند 26 با میزان RMSE در حدود 1.28، شاخص مناسبی جهت تعیین ترکیبات طوفان های گردوغبار با استفاده از تصاویر ماهواره ای MODIS به شمار می رود. همچنین، آلومینیوم از نسبت باند 25 به باند 26 با میزان RMSE در حدود 2.08، کلسیم از نسبت باند 24 به باند 25 با میزان RMSE در حدود 2.3، سدیم از نسبت باند 23 به باند 27 با میزان RMSE در حدود 0.48 و منیزیم از نسبت باند 15 به باند 24 با میزان RMSE در حدود 0.78، برای شناسایی این عناصر در تصاویر ماهواره ای MODIS شاخص های مناسبی اند. با توجه به نتایج و شاخص های به دست آمده برای هر عنصر، تعیین ترکیبات و میزان غلظت عناصر موجود در طوفان های گردوغبار، بدون استفاده از نمونه های زمینی و فقط با به کارگیری تصاویر MODIS و روش به دست آمده امکان پذیر می شود. همچنین، با استفاده از داده های ماهواره ای CALIPSO در روزهای مورد مطالعه، مشخص شد که در روزهای گرم سال که نمونه برداری زمینی انجام گرفته، میزان غلظت و تراکم گرد غبار بیشتر از روزهای سرد سال است و ارتفاع گردوغبار به شش کیلومتری سطح زمین می رسد.
۲.

ارزیابی آثار موجک پایه و تعداد سطوح تجزیه جهت تخمین نقشه تغییرات، با استفاده از الگوریتم موجک

تعداد بازدید : ۲۶ تعداد دانلود : ۱۴
روش های بارزسازی تغییرات ابزاری قدرتمند در نمایش تغییرات در سطح زمین به شمار می آیند. برای افزایش دقت نقشه تغییرات تهیه شده می شود از تکنیک های چند مقیاسی که هم زمان مشاهدات را در مقیاس های بزرگ و کوچک انجام می دهند، استفاده کرد. در این تکنیک ها، افزون بر اطلاعات طیفی، اطلاعات مکانی موجود در تصویر نیز در پردازش دخالت داده می شود. یکی از این تکنیک ها، تکنیک چندمقیاسی موجک است. تکنیک موجک در بسیاری از زمینه های پردازش تصویر کاربرد دارد. در تحقیق حاضر، توانایی تکینک موجک در بارزسازی تغییرات با استفاده از تصاویر ماهواره ای TM ارزیابی شده است. پارامترهای مورد نیاز برای تبدیل موجک تعداد سطوح تجزیه و موجک پایه اند. بنابراین، آثار موجک های پایه bior3/7 و db4 و سطوح تجزیه s=1 تا s=6 در نقشه تغییرات نهایی ارزیابی شده است. همه نتایج با استفاده از روش های بررسی دقت، شامل ضریب کاپا و دقت کلی، بیان شده اند. نتایج تأثیر نوع موجک پایه انتخاب شده و سطوح تجزیه را در نقشه تغییرات نهایی نشان می دهد. نقشه تغییرات محاسبه شده با استفاده از موجک پایه bior3/7 دقت کلی بالاتر و آماره کاپای بهتری را درمقایسه با موجک پایه db4 نشان می دهد. به طوری که برای باند 3 با موجک پای، bior3/7 دقت کلی 51/90 و آماره کاپا 79/0 و برای همین باند با موجک پایهdb4 ، به ترتیب، برابر 80/89 و 79/0 است. پارامتر بعدی که در اینجا بررسی شده، تأثیر سطوح تجزیه در دقت نقشه بارزسازی تغییرات است. در هر دو، موجک پایه تا سطح تجزیه 3 روند صعودی دارد و سپس، سیر نزولی پیدا می کند. به طوری که بیشتر دقت کلی و آماره کاپا مربوط به سطح تجزیه 3 در هر دو موجک پایه است. همچنین در این تحقیق بین تکنیک موجک و سه تکنیک تفاضل، نسبت و طبقه بندی نظارت شده مقایسه ای انجام شده است. بررسی نشان می دهد که تکنیک موجک نتایج بهتری دارد.
۳.

تحلیل مکانی فشار بخارآب در جنوب و جنوب غرب ایران با استفاده از زمین آمار

تعداد بازدید : ۲۲ تعداد دانلود : ۴۰
بخارآب یکی از مهم ترین عناصر اقلیمی است که در تصمیم گیری، طراحی و ارزیابی مدل های هیدرولوژیکی نقشی مهم ایفا می کند. بنابراین، شناخت تغییرات مکانی این عنصر مهم اقلیمی تأثیر چشمگیری در مدیریت و برنامه ریزی مبتنی بر آب خواهد داشت. بر این اساس، در این پژوهش تلاش شده است تا ساختار مکانی و برآورد مقادیر فشار بخارآب در جنوب و جنوب غرب ایران، با استفاده از روش زمین آمار و تحلیل واریوگرافی بررسی شود. در این راستا، داده های فشار بخارآب 78 ایستگاه سینوپتیک مربوط به 27 مرداد 1386، به منزله یکی از روز های فراگیر بخارآب تحلیل شد. بدین منظور، ابتدا محاسبات متغیر مکانی بودن داده های فشار بخارآب، با ترسیم تغییرنگار مورد بررسی قرار گرفت. پس از احراز این شرط، از روش های زمین آماری کریجینگ ساده، کریجینگ معمولی و کوکریجینگ و با برازش مدل های دایره ای، کروی، نمایی، گوسی و درجه دو منطقی برای رسم نقشه فشار بخا آب و ارزیابی آن ها استفاده شد. نتایج ارزیابی متقاطع در انتخاب بهترین روش نشان داد بهترین الگویی که قادر به توجیه مکانی مقادیر فشار بخارآب در روز مورد مطالعه است، الگوی نمایی از روش کوکریجینگ با متغیر کمکی ارتفاع است. براساس نقشه ترسیم شده با روش بهینه، مشخص شد که حاشیه خلیج فارس و دریای عمان و بخش های شمال و شمال غرب منطقه، به ترتیب، بیشترین و کمترین مقادیر فشار بخارآب را دارند. به طورکلی، سه دلیل دوری و نزدیکی به منابع عمده رطوبتی، وجود سد ارتفاعی زاگرس و استقرار پرفشار قوی پویشی را می شود دلیل رخداد چنین توزیعی برشمرد.
۴.

کاربست روش شبکه های عصبی در پیش بینی دمای سطح زمین، با استفاده از تصاویر حرارتی مادیس

تعداد بازدید : ۱۷ تعداد دانلود : ۱۸
در این مطالعه، مدلی ترکیبی از شبکه های عصبی ماژولار و پردازش تصاویر مادیس برای محاسبه دمای سطح زمین، در منطقه ای شامل شهر تهران، ارائه شده است. در این مدل، داده های تصاویر حرارتی با تکیه بر ویژگی های دمای درخشندگی در باندهای حرارتی 31 و 32 میکرومترسنجنده مادیس، به منزله ورودی در شبکه های عصبی ماژولار به کار رفته و روش جدیدی براساس ترکیبی از شبکه عصبی نگاشت خودسازمانده و الگوریتم بهینه سازی تجمع ذرات پیشنهاد شد. نتایج به دست آمده نشان می دهد استفاده از این الگوریتم سبب توزیع مناسب داده های ورودی شبکه های عصبی می شود. در آخر، نتایج نهایی با مدل های شبکه های عصبی با آموزش و ساختار غیرماژولار نیز مقایسه شده است. نتایج این مقایسه نشان می دهد که زمان آموزش مدل در پیش بینی دمای سطح زمین کاهش، و دقت مدل افزایش یافته است. اختلاف کم بین مقادیر پیش بینی شده و مقادیر واقعی دما در منطقه نشان می دهد که دما با دقت مناسبی در این مدل پیش بینی شده است، به طوری که میانگین خطای مدل ترکیبی مقدار 0081/0 و درصد خطای مطلق نیز 59/10 است.
۵.

مقایسه کارآیی الگوریتم های ماشین بردار پشتیبان و حداکثر احتمال در آشکارسازی تغییرات کاربری اراضی (مطالعه موردی: حوضه آبخیز سیمینه رود)

تعداد بازدید : ۱۹ تعداد دانلود : ۱۸
با توجه به اینکه الگوریتم های متنوعی برای طبقه بندی تصاویر ماهواره ای در سنجش از دور توسعه یافته اند، انتخاب الگوریتم مناسب طبقه بندی در دستیابی به نتایج صحیح نقش بسیاری ایفا می کند. به همین منظور در پژوهش حاضر، با مقایسه کارآیی صحت طبقه بندی دو الگوریتم حداکثر احتمال و ماشین های بردار پشتیبان، الگوریتم دقیق تر تعیین، و از آن برای بررسی روند تغییرات کاربری اراضی استفاده شد. تحقیق حاضر در حوزه آبخیز سیمینه رود و با استفاده از تصاویر سنجنده های TM، ETM + و OLI انجام گرفت. نتایج تحقیق نشان داد که الگوریتم ماشین بردار پشتیبان، درمقایسه با الگوریتم حداکثر احتمال، تصاویر ماهواره ای را بهتر طبقه بندی کرده است و از میان کرنل های ماشین بردار، کرنل تابع پایه شعاعی (RBF) کارآیی بهتری داشته است. بنابراین، از الگوریتم ماشین بردار پشتیبان با کرنل تابع پایه شعاعی برای تهیه نقشه کاربری اراضی دوره های مورد بررسی و تغییرات کاربری استفاده شد. بررسی روند تغییرات کاربری اراضی، با استفاده از این کرنل، مشخص کرد که در طی دوره های بررسی شده، مساحت کاربری های زراعت آبی از 30.535 هکتار به 67.210 هکتار، زراعت دیم از 79.909 هکتار به 123.383 هکتار و مناطق مسکونی از 474 هکتار به 1934 هکتار افزایش یافته است درحالی که مراتع از 259.811 هکتار به 178.398هکتار، و منابع آب از 240 هکتار به 41 هکتار روند کاهشی دارند.
۶.

برآورد ظرفیت آب قابل دسترس خاک، با استفاده از تصاویر ماهواره ای و داده های کنترل زمینی در مناطق کوهستانی

تعداد بازدید : ۲۵ تعداد دانلود : ۲۷
در مسائل هیدرولوژیک وکشاورزی، ظرفیت آب قابل دسترس خاک متغیری مهم انگاشته می شود و برآورد این متغیر در مقیاس حوضه آبخیز از اصولی است که در نظر گرفته می شود. به دلیل ناپیوستگی در برداشت نمونه ها و نداشتن دسترسی به اطلاعات کافی در ارتباط با شناخت ویژگی های مناطق و نیز، صرف هزینه و زمان زیاد جهت برآورد آب قابل دسترس خاک و تغییرات مکانی آن، استفاده از تصاویر ماهواره ای به صرفه است. بنابراین، توسعه و بسط روش ساده و مدل های متکی بر اصول سنجش از دوری، به منظور برآورد ظرفیت آب قابل دسترس خاک، ضروری است. به طورکلی، مطالعات گذشته براساس پایش رطوبت خاک بوده و به دیگر توابع رطوبت خاک، همچون آب قابل دسترس کمتر پرداخته شده است. بر همین اساس، در این مطالعه تلاش بر برآورد یکی از توابع رطوبت خاک، با نام ظرفیت آب قابل دسترس خاک است. اصول نظری این تحقیق بر پایه ارتباط بین پوشش گیاهی و دمای سطحی زمین است و دلیل استفاده از دو شاخص یادشده طرح آزمایش و بررسی کارآیی شاخصی مستقل از شاخص های فیزیکی خاک است که به اندازه گیری ظرفیت آب قابل دسترس در خاک منجر شود. در این مطالعه، مدلی ترکیبی و منتج از دو شاخص دمای سطح زمین و پوشش گیاهی نرمال شده به منظور برآورد آب قابل دسترس خاک در حوضه آبخیز هیو واقع در منطقه هشتگرد ما ارائه شده است. به منظور کنترل زمینی، پنجاه نمونه خاک با توزیع سیستماتیک برداشت شد.80% نمونه ها ی برداشت شده برای برازش مدل ترکیبی دمای سطح زمین و شاخص نرمال شده پوشش گیاهی، و 20% نمونه ها برای اعتبارسنجی مدل به کار رفت. اعتبارسنجی رگرسیون چندمتغیره با ضریب تبیین 85/0، در سطح معناداری 01/0 و جذر میانگین مربعات خطا 6/2 را نشان می دهد. بر این اساس، کارآیی دو شاخص استفاده شده برای اندازه گیری آب قابل دسترس خاک قابل تأیید است.
۷.

ارزیابی کارآیی شاخص های طیفی پوشش گیاهی پهن باند در پیش بینی شرایط خشکسالی در ایران

تعداد بازدید : ۱۶ تعداد دانلود : ۱۱
ایران یکی از کشورهای خشک و نیمه خشک به شمار می رود که به خشکسالی دچار است. کمبود اطلاعات هواشناسی طولانی مدت در پهنه وسیعی از کشور یکی از بزرگ ترین مشکلات برای مشاهده و پیش بینی کوتاه مدت خشکسالی در ایران است. در این مقاله، با به کار بردن روش ماشین بردار پشتیبان (SVM) و با استفاده از داده های 42 ایستگاه سینوپتیک منتخب در ایران، عملکرد شاخص های پوشش گیاهی طیفی پهن باند NDVI، NDVI-DEV، VCI و TCI در پیش بینی خشکسالی بررسی شد. بدین منظور، از شاخص خشکسالی (SPI) برای بیان خشکسالی استفاده شد که نشان دهنده شدت و دوره خشکسالی، از سال 1985 تا 2008 است. شاخص های پوشش گیاهی یادشده از تصاویر سنجنده NOAA-AVHRR محاسبه و استخراج شدند. این شاخص ها، به صورت ورودی، به مدل SVM وارد شدند و مقادیر SPI را به دست دادند. با این روش، شاخص های TCI و NDVI، به ترتیب، دارای بالاترین و پایین ترین همبستگی با شرایط خشکسالی شناخته شدند

آرشیو

آرشیو شماره ها:
۳۹