سنجش از دور و GIS ایران

فرود اتوماتیک یکی از موضوعات و چالش های مهم در حوزه کنترل و اتوماسیون پهپادهای بدون سرنشین است. توسعه الگوریتم های فرود اتوماتیک نیازمند تعیین موقعیت پهپاد نسبت به محل فرود است که این کار، در حوزه های پردازش تصویر، به تشخیص دقیق و سریع محل فرود نیاز دارد. ازجمله روش های معمول، در این زمینه، طبقه بندی کننده آبشاری و تناظریابی و قطعه بندی تصویر است که به نظر می رسد، با تغییرات آب و هوایی و مقیاس متفاوت، این الگوریتم ها با چالش مواجه شوند. از طرف دیگر، در سال های اخیر شبکه های کانولوشنی عمیق به منزله مدل هایی قوی به منظور شناسایی و تشخیص اشیا در تصاویر به کار رفته اند؛ بااین حال با توجه به بار محاسباتی زیاد، این مدل ها هنوز در حوزه پرنده های بدون سرنشینی که از لحاظ سخت افزاری سبک اند و قدرت پردازش ضعیفی دارند، کاربرد جدی نیافته اند. هدف این مقاله مقایسه دو روش شبکه های عمیق کانولوشنی و طبقه بندی کننده آبشاری برای تشخیص آنی محل فرود است. نتایج عملی کردن روش ارائه شده روی یک پرنده Parrot AR Drone2.0 نشان می دهد که شبکه های کانولوشنی در مقابل دوران، مقیاس، انتقال و حتی پنهان شدگی پایداری بسیار زیادی دارند. دقت تشخیص در این روش 1/99 است که، در قیاس با روش طبقه بندی کننده آبشاری، 3% بیشتر است و درعین حال از لحاظ سرعت نیز، مناسب کاربردهای آنی است.

مطالعات متعددی که طی چندین دهه اخیر درمورد پدیده آتش سوزی انجام شده، مجموعه گسترده ای از داده های ورودی و روش های اجرا و ارزیابی را فراهم کرده است. بااین حال این مجموعه گسترده نتایج و تحقیقات، به صورت ساختاریافته، به منظور ارائه نقشه راه به کاربران جدید این حوزه و راهنمایی در زمینه کاربردها و شرایط گوناگونی فراهم آمده است که تا کنون تحلیل نشده اند. به عبارتی دیگر، خلأ تحقیقی منسجم درمورد عملکرد نسبی فرایندهای گوناگون سنجش از دور در این حوزه، به منظور تولید اطلاعات متفاوت و مرتبط با کاربری ها، احساس می شود. برای رفع این خلأ، در این تحقیق، تحلیلی نسبتاً جامع از مطالعات انجام شده درباره آتش سوزی در نشریات سنجش از دور صورت پذیرفته است. چند عامل کلی مورد ارزیابی در مطالعات پیش، حین و پس از آتش سوزی، تغییر در داده های ورودی، بررسی الگوریتم ها و توسعه آنها بودند زیرا تحلیلگران می توانند این عوامل را کنترل کنند تا دقت نهایی تحلیل ها و نتایج حاصل را بهبود بخشند. یکی از مسائل مهم در موضوع آتش سوزی، پس از شناسایی و کشف آتش، با توجه به تغییرات دائمی ایجادشده در ساختار و ترکیب پوشش گیاهی، بررسی نحوه بازیابی پوشش گیاهی و میزان رشد آن طی سالیان پس از آتش سوزی است. براساس بررسی انجام شده درباره مطالعات آتش سوزی در کشور، حدود 48% از این پژوهش ها به شناسایی و گسترش آتش سوزی و حدود 52% دیگر به احیا و بازیابی پرداخته اند. در بررسی تحقیقات درباره مطالعات شناسایی، مشخص شد که تقریباً 5% از آنها با استفاده از روش های یادگیری و 43% دیگر با روش های سنتی انجام شدند. درعین حال از سهم مرتبط با مطالعات احیا نیز، تقریباً 21% به بررسی پوشش گیاهی و 31% به بررسی خاک زیر سطح آتش پرداختند. یافته های این تحقیق می تواند به محققان، برای تصمیم گیری در انتخاب داده ها و الگوریتم های مورد استفاده، با توجه به هدف مطالعه، در شاخه های گوناگون مطالعات مرتبط با آتش سوزی کمک مؤثری برساند. بااین حال تحلیلگران می توانند، علاوه بر این دستورالعمل های کلی، ترجیحات شخصی یا مزایای الگوریتم ویژه ای را که ممکن است به برنامه ای خاص مربوط باشد، در نظر بگیرند.

با توجه به اهمیت داده های هواشناسی و وجود محدودیت داده برداری در ایستگاه های زمینی، فنّ سنجش از دور می تواند نقش مهمی در تهیه این داده ها ایفا کند. هدف از این پژوهش ارزیابی کمّی دمای سطح زمین (LST) حاصل از تصاویر سنجنده مادیس، برای تخمین دمای هوای بیشینه و کمینه روزانه در حوضه آبخیز طالقان است. برای این منظور، داده های دمای هوای بیشینه و کمینه روزانه سه ایستگاه هواشناسی زمینی و مقادیر LST روز و شب و NDVI سنجنده مادیس، متعلق به دوره زمانی 2009 تا 2015، دریافت و تهیه شد. سپس با استفاده از روش رگرسیون خطی چندگانه، بین هریک از متغیرهای مؤثر و دمای هوای بیشینه و کمینه روزانه در ایستگاه های زمینی، ارتباط برقرار شد. نتایج نشان داد که بین دمای هوای بیشینه و کمینه روزانه در ایستگاه های زمینی، با LST روز و شب و NDVI حاصل از سنجنده مادیس، همبستگی معنی داری وجود دارد؛ بنابراین از این متغیر ها در روابط رگرسیونی استفاده شد. نتایج حاصل از اعتبارسنجی نشان داد روابطی که با همه متغیرهای مؤثر ایجاد شده است بیشترین صحت را دارد؛ به طوری که بهترین مدل در تخمین بیشینه دمای هوای روزانه، دارای مقادیر ، NSE و RMSE، به ترتیب 75/0، 75/0 و C ˚ 7/4+ و درمورد کمینه دمای هوای روزانه، به ترتیب 71/0، 71/0 و  C ˚ 9/2+ است؛ ازاین رو می توان با تبدیل دمای سطح زمین حاصل از تصاویر سنجنده مادیس، دمای هوا را با دقت بالا در مقیاس روزانه و ماهیانه، برای استفاده در پژوهش های گوناگون، تخمین زد.

گردآوردی اطلاعات میدانی دقیق، به منظور مدیریت پایدار مناطق جنگلی، مستلزم صرف زمان و هزینه بالایی است؛ بنابراین استفاده از روش های نمونه برداری و تصاویر ماهواره ای جایگزین مناسبی برای این کار خواهد بود. هدف پژوهش حاضر تأثیر طرح های گوناگون نمونه برداری خوشه ای در برآورد مشخصه های کمّی جنگل های سامان عرفی اولادقباد شهرستان کوهدشت، استان لرستان، با استفاده از تصاویر سنجنده سنتینل 2 است. به منظور برآورد مشخصه های مورد بررسی، 150 خوشه در قالب شش طرح (مثلث، مربع، ستاره ای 1، خطی، اِل شکل و ستاره ای 2) در منطقه ای به مساحت تقریبی 4500 هکتار ایجاد شد. هر خوشه شامل چهار ریزقطعه نمونه، با مساحت هفتصد مترمربع (شعاع ریزقطعه نمونه دایره ای برابر با پانزده متر و فاصله بین ریزقطعه نمونه ها از هم، شصت متر) بود. سپس در هر ریزقطعه نمونه ، مشخصه های تعداد و مساحت تاج درختان اندازه گیری شد. پس از پیش پردازش و پردازش تصاویر (تجزیه مؤلفه اصلی، آنالیز بافت و ایجاد شاخص های گیاهی)، ارزش های رقومی متناظر با قطعات نمونه زمینی از باندهای طیفی استخراج و به منزله متغیرهای مستقل، در نظر گرفته شد. مدل سازی با استفاده از روش های ناپارامتریک جنگل تصادفی، ماشین بردار پشتیبان و نزدیک ترین همسایه انجام شد. نتایج نشان داد میانگین تراکم در هکتار 51 اصله و سطح تاج پوشش 3294 مترمربع در هکتار است. نتایج اعتبارسنجی نشان داد که درمورد هر دو مشخصه تراکم و سطح تاج پوشش، الگوریتم جنگل تصادفی به همراه طرح های نمونه برداری خطی و ستاره ای 2، به ترتیب با درصد مجذور میانگین مربعات خطا 00/46 و 44/10 و اریبی (02/0- و 82/2%)، عملکرد بهتری در مدل سازی داشته است. به طورکلی نتایج اعتبارسنجی مشخص کرد استفاده از طرح های متفاوت نمونه برداری خوشه ای، روش های مدل سازی ناپارامتریک جنگل تصادفی و تصاویر سنجنده سنتینل 2 کارآیی بهتری در برآورد مشخصه تاج پوشش دارد اما، در مقابل، عملکرد مناسبی در برآورد تعداد در هکتار را نداشته است.

در سال های اخیر، با تغییر کاربری و توسعه اراضی کشاورزی در حوضه های کشور، میزان فرسایش و تولید رسوب افزایش یافته است. با توجه به اینکه در بیشتر زیرحوضه ها، آمار ایستگاه های رسوب سنجی به صورت درازمدت ثبت نشده است، برآورد میزان رسوب و فرسایش با مشکلاتی مواجه است. هدف از این پژوهش تعیین عوامل مؤثر در فرسایش و رسوب و تعیین مقادیر کمّی فرسایش در حوضه آبخیز خورخوره در استان کردستان است. به این منظور، ابتدا با استفاده از نقشه های توپوگرافی، زمین شناسی و عکس های هوایی در محیط GIS، نقشه نوع و گونه های فرسایش تهیه شد و این نقشه ها، با بررسی های صحرایی، تدقیق و ارزیابی شدند. براساس مدل MPSIAC، عوامل نُه گانه مؤثر در فرسایش درمورد تمامی زیرحوضه ها، به تفکیک بررسی شد و امتیازات هر عامل به دست آمد. با جمع امتیازات عوامل، درجه رسوب دهی برای هر زیرحوضه تعیین و سپس مقدار رسوب و فرسایش ویژه و فرسایش کل در هر زیرحوضه محاسبه شد. نتایج نشان داد عوامل توپوگرافی و وضعیت فعلی فرسایش بیشترین نقش و عامل آب وهوا کمترین نقش را در میزان رسوب دهی حوضه دارند. طبق نتایج، 92% کل حوضه دارای درجه رسوب دهی زیاد در کلاس فرسایش درجه چهار است. نسبت رسوب تحویلی حوضه (SDR) بین 32 تا 50% متغیر است. کمترین و بیشترین مقدار فرسایش ویژه در زیرحوضه های متفاوت، به ترتیب معادل 10 و 35 تن بر هکتار در سال، به دست آمد. مقدار رسوب ویژه و فرسایش ویژه کل حوضه نیز، به ترتیب 4/6 و 4/17 تن بر هکتار در سال، حاصل شد.

پایش خشکسالی، به منظور هشدار سریع برای خطر خشکسالی، بسیار حیاتی و مهم است. در این پژوهش، سعی شده است که شاخص پایش خشکسالی VDI براساس باندهای متفاوت داده های ماهواره ای مادیس، با تفکیک مکانی متوسط، توسعه یابد. شاخص VDI به تنش آب در گیاهان می پردازد. مطالعات طیفی نشان داده است که بازتابندگی باند فروسرخ موج کوتاه (SWIR) با محتوای آب برگ ارتباط منفی دارد و به دلیل حساس بودن SWIR به محتوای آب برگ، در ایجاد شاخص های گوناگون سنجش از دور، ازجمله VDI و به منظور شناسایی محتوای آب گیاهان، کاربرد گسترده ای دارد. این پژوهش نقشه های خشکسالی شاخص VDI را براساس میزان حساسیت به رطوبت، با استفاده از بازتابش باند های 5 و 6 فروسرخ موج کوتاه SWIR (VDI5 و VDI6) مادیس، ارزیابی کرده است. بدین منظور از تصاویر ماهواره ای مادیس و داده های بارش ماهیانه مدل جهانی GLDAS، در محدوده استان سیستان و بلوچستان در دوره زمانی نوزده ساله ای (2018-2000) استفاده شد. برای ارزیابی دقت نقشه های محاسبه شده براساس دو باند، ضریب همبستگی پیرسون به کار رفت. نتایج همبستگی بالایی را میان شاخص VDI6 و داده های بارش نشان داد و مشخص شد که باند 6 موج کوتاه فروسرخ، در استان سیستان و بلوچستان، به شرایط خشک خاک بیشترین واکنش را نشان می دهد؛ ازاین رو این مطالعه استفاده از شاخص VDI براساس باند 6 را برای شناسایی زودهنگام و نظارت بر خشکسالی کشاورزی در برنامه های عملیاتی مدیریت خشکسالی، پیشنهاد می کند.

کلروفیل و نیتروژن برگ، به دلیل نقش مهمی که در فتوسنتز دارند، از شاخص های بیولوژیک مهم وضعیت فیزیولوژیک گیاهان به شمار می روند. توانایی در کمّی سازی میزان کلروفیل و نیتروژن می تواند اطلاعات مهمی در زمینه فعالیت های کشاورزی دقیق، برنامه ریزی مدیریت منابع گیاهی و کشاورزی، و مدل سازی خدمات و قابلیت های تولید اکوسیستم تهیه کند. هدف از این مطالعه ارزیابی قابلیت شاخص ها، به منظور تخمین میزان کلروفیل و نیتروژن گندم، با استفاده از داده های طیف سنجی در سطح تاج پوشش و همچنین تعیین مناسب ترین نواحی طیفی و پدیده های جذبی است. این پژوهش در محیط گلخانه انجام شد و اندازه گیری طیفی با دستگاه طیف سنج Fieldspec-3-ASD صورت گرفت. چهار شاخص باریک باند گیاهی، در قالب دو دسته شاخص های نسبتی (NDVI، RVI و DVI) و شاخص تعدیل کننده تأثیر خاک (SAVI 2 ) برای بازتاب طیفی و مشتق اول طیف برای کل نمونه ها، محاسبه و نتایج آنها مقایسه شد. پارامترهای عمق باند ماکزیمم، طول موج عمق باند ماکزیمم، مساحت، چولگی و پهنای کامل در نصف مقدار بیشینه، درمورد هفت پدیده جذبی محاسبه و همبستگی این شاخص ها با غلظت کلروفیل و نیتروژن گندم بررسی شد. نتایج نشان دادند، درصورتی که از طیف بازتابندگی استفاده شود، شاخص SAVI 2 ارتباطی قوی تر (۱۲ / ۰ =RMSE، ۸۵ / ۰=R 2 ) از دیگر شاخص ها با میزان کلروفیل نشان می دهد و درمورد شاخصNDVI  نیز، این ارتباط قوی تر (۳۰ / ۰ =RMSE، ۶۹ / ۰=R 2 ) از شاخص های دیگر با میزان نیتروژن خواهد بود؛ درحالی که با استفاده از مشتق اول بازتاب طیفی شاخص NDVI نتایج بهتری ارائه می دهند. مساحت و عمق محدوده جذبی ۷۶۰-4۳0 نانومتر برای مطالعه میزان کلروفیل و نیتروژن گندم بهترین شاخص ها محسوب می شوند.