مجید رحیم زادگان

عمق برف یکی از پارامترهای ورودی مهم در بسیاری از مدل های کشاورزی، هیدرولوژی و اقلیمی است. با این حال عدم قطعیت هایی در برآورد عمق برف با استفاده از ابزار سنجش از دور نوری به دلیل محدودیت های موجود در شیوه تصویربرداری وجود دارد. از این رو هدف این پژوهش استفاده از ابزار سنجش از دور مایکروویو فعال در برآورد عمق برف در مناطق کوهستانی است. بدین منظور از روش تداخل سنجی راداری تصاویر مایکروویو فعال و اندرکنش سیگنال مایکروویو با توده برف استفاده شد. داده های به کار رفته، شامل تصاویر سنتینل 1 از رشته کوه های زاگرس در کشور ایران در تاریخ فوریه 2017، مارس 2019 و 2020 بود. همچنین، به منظور اعتبارسنجی الگوریتم پیشنهادی از اندازه گیری میدانی عمق برف استفاده شد. به منظور برآورد بهتر عمق برف، نتایج در دو کانال VV و VH با استفاده از ضریب وزنی بدست آمده از زاویه تابش محلی ترکیب شدند. مقایسه نتایج روش پیشنهادی با برداشت های میدانی نشان دهنده همبستگی 86/0 بود. همچنین مقادیر RMSE و P-Value به ترتیب 37/14 سانتیمتر و 009/0 بدست آمد. با توجه به پارامترهای آماری بدست آمده از اعتبار سنجی روش پیشنهادی، کارایی آن در برآورد عمق برف مناسب بود.  

تهران به عنوان بزرگترین کلانشهر ایران در زمره آلودهترین شهرهای جهان به حساب می آید. با توجه به تأثیرات آلودگی هوا بر سلامت و محیط زیست، ضرورت شناخت دقیق آلایندهها و مشخص نمودن پهنههای آلوده ضروری به نظر میرسد.هدف این پژوهش، بررسی توانایی داده های سنجنده مودیس، در سنجش آلودگی هوا در کلانشهر تهران و تولید نقشههای کیفی هوا با استفاده از این دادهها و داده های زمینی میباشد. : در این تحقیق داده های مربوط به آلاینده های PM₁₀، ازن، منو اکسید کربن، دی اکسید گوگرد، PM_2.5در سال 1394 با استفاده از روش کریجینگ ساده به عنوان یک روش زمین آماری در حالت های مختلف مورد ارزیابی قرار گرفت و نقشه های سطوح آلاینده ترسیم گردید. همچنین از تصاویر ماهوارهای سطح اول و داده های سطحدوم سنجنده مودیس، برای انجام تحلیلهای کیفی و کمی ذرات معلق هوا در سطوح وسیع استفاده شد. با بکار بردن شاخص اختلاف نرمال گردوغبارمربوط به داده های سطح اول و پارامتر هایی نظیر عمق اپتیکی و نمای انگستروم مربوط به داده های سطح دوم، میزان همبستگی با استفاده از باندهای 3 و 7 سنجنده ی مودیس محاسبه و مقدار RMSE آنها با داده زمینی مربوط به آلاینده PM₁₀ محاسبه گردید. : نتایح نشان داد که همبستگی مناسبی بین پارامترهای تصاویر ماهوارهای و اندازهگیری زمینی وجود دارد. این نوع همبستگی نشانگر توانایی تصاویر این سنجنده در شناسایی گردوغبار جوی است. همچنین در بخش دیگر این تحقیق نقش پارامترهای هواشناسی تأثیرگذار بر آلودگی هوا مورد بررسی قرار گرفته و مشخص شد که آلاینده شاخص غالب در سال 94، ذرات معلق PM_2.5وPM₁₀بوده است. از عوامل موثر در افزایش غلظت آلاینده ها، استمرار شرایط جوی پایداربوده است که باعث انباشت آلاینده ها شده است.

تبخیر از دریاچه پشت سدها و دریاچه های آب شیرین از جمله روش های هدررفت منابع آب است. به همین دلیل اندازه گیری مقدار تبخیر از سطح پهنه های آب شیرین اهمیت بسیاری در مدیریت منابع آب دارد. روش های گوناگونی برای اندازه گیری تبخیر-تعرق ارائه شده که از جمله آن ها الگوریتم توازن انرژی در سطح ( SEBAL ) است که می تواند با استفاده از تصاویر ماهواره ای نقشه های پهنه بندی تبخیر-تعرق تولید نماید. تا به حال، الگوریتم SEBAL بیشتر در برآورد تبخیر-تعرق از سطح خشکی ها و پوشش های گیاهی پیاده سازی شده و تحقیقات کمی در زمینه کاربرد آن در سطح پهنه های آبی شیرین انجام شده است. هدف این تحقیق، بکارگیری الگوریتم SEBAL جهت پهنه بندی تبخیر از سطح دریاچه های پشت سدها است. به همین منظور سه تصویر Landsat TM از دریاچه سد امیرکبیر (کرج) و زمین های کشاورزی پایین دست آن مربوط به ماه های خرداد، تیر و مرداد سال 0931 تهیه گردید و تصحیحات رادیومتریک و هندسی بر روی آن انجام شد. برای انجام پیاده سازی های الگوریتم SEBAL ، از داده های ایستگاه هواشناسی کرج استفاده شد. همچنین مقدار تبخیر اندازه گیری شده از روش تشت تبخیر توسط شرکت آب منطقه ای استان تهران در نزدیکی دریاچه سد امیرکبیر به عنوان داده های واقعیت زمینی استفاده گردید. RMSE نتایج به دست آمده از SEBAL برای سد امیرکبیر با داده های زمینی، 72/0 میلیمتر بود که مقدار قابل قبولی محسوب می شد . مقدار تبخیر روزانه نیز از کل سطح دریاچه در تاریخ های منتخب به ترتیب 730/8، 346/01 و 534/5 متر در روز به دست آمد. علاوه بر این، نتایج نشان دهنده افزایش تبخیر از سطح مخزن سد در مناطق کم عمق به سمت مناطق عمیق تر بود که این مورد می تواند نشان دهنده کارایی نامناسب روش های نقطه ای اندازه گیری تبخیر باشد. در مجموع، نتایج بیانگر کارایی الگوریتم SEBAL برای برآورد تبخیر از سطح دریاچه های سدها بود و می توان با توجه به شرایط مکانی و زمانی هر منطقه، از آن برای تعیین تبخیر پهنه های آبی شیرین استفاده نمود.

وارونگی دمایی زمانی رخ می دهد که در تروپوسفر و تا ارتفاعی مشخص، با افزایش ارتفاع، دما افزایش یابد. از مشخصه های وارونگی دمایی، پارامترهای قدرت و عمق وارونگی دمایی است. قدرت وارونگی به اختلاف دمایی بین قلة وارونگی و سطح زمین اطلاق می شود و ارتفاع متناظر با این اختلاف دمایی، عمق وارونگی نام دارد. راهکار متداول برای تعیین این مشخصه ها، اندازه گیری های میدانی به وسیلة رادیوساند است، که نوعی اندازه گیری نقطه ای در جو قلمداد می شود. به منظور مدل سازی برای استخراج مشخصه های وارونگی دمایی از تصاویر ماهواره ای می توان ارتباط بین اختلاف دمای درخشندگی زوج باندهای مختلف با قدرت و عمق وارونگی دمایی منتج از داده های رادیوساند را به دست آورد. در پی شایع بودن پدیدة وارونگی دمایی در شهر تهران، ایستگاه هواشناسی فرودگاه مهرآباد تهران به عنوان منطقة نخست مورد مطالعه انتخاب شد. ضرایب همبستگی خطی به دست آمده بین اختلاف دمای درخشندگی زوج باندهای مختلف با عمق و قدرت وارونگی محاسبه شده از داده های رادیوساند بسیار ضعیف بود که می تواند ناشی از تغییرات زیاد بخارآب جو و قدرت و عمق وارونگی دمایی نسبتاً ضعیف روی داده در تهران باشد. برای اثبات فرضیة مذکور، در ادامة روند تحقیق حاضر، عوامل مؤثر در افزایش ضریب همبستگی خطی بین اختلاف دمای درخشندگی زوج باندهای مذکور با عمق و قدرت وارونگی محاسبه شده از داده های رادیوساند بررسی شدند. با توجه به روی دادن وارونگی های عمیق و قدرتمند تر در منطقة کرمانشاه درمقایسه با تهران، این منطقه به عنوان منطقة دوم مورد مطالعه انتخاب شد. افزایش ضرایب همبستگی محاسبه شده برای کرمانشاه نشان دهندة تأثیر عامل میزان قدرت و عمق وارونگی دمایی است. برای مثال، ضریب همبستگی بین BT 7.2 -BT 11 با قدرت و عمق وارونگی دمایی در تهران به ترتیب 16/0 و 32/0 و در کرمانشاه به ترتیب 51/0 و 70/0 است. به منظور بررسی تأثیر میزان بخار آب موجود در جو بر ضرایب همبستگی، با توجه به آنکه میزان بخار آب موجود در جو طی فصول سرد کمتر از فصول گرم است، داده های تهران و کرمانشاه به دو دستة تمام فصول و فصول سرد تقسیم شدند. افزایش ضرایب همبستگی محاسبه شده برای تهران و کرمانشاه طی فصول سرد نشان دهندة تأثیر عامل میزان بخار آب موجود در جو است. به عنوان نمونه، ضریب همبستگی بین BT 7.2 -BT 11 با قدرت و عمق وارونگی دمایی در کرمانشاه برای تمامی فصول به ترتیب 51/0 و 70/0 و طی فصول سرد به ترتیب 78/0 و 85/0 است.

پهنه بندی گسیل مندی سطح یک نیاز مهم سنجش از دور حرارتی می باشد. با داشتن مقادیر دقیق گسیل مندی، می توان دمای سطح را به طور دقیق مشخص نمود که دربسیاری از مطالعات زیست محیطی، اقلیمی، و مدل های پیش بینی هوا کاربرد دارد. با توجه به اهمیت گسیل مندی سطح و دقت در برآورد آن، در این مطالعه به بررسی دقت در برآورد گسیل مندی برای دو سنجنده MODIS وASTER پرداخته شده است. برای اعتبارسنجی و بررسی دقت این دو سنجنده از مقادیر گسیل مندی اندازه گیری شده زمینی و آزمایشگاهی در 6 منطقه آمریکای شمالی مستخرج از نتایج دیگر محققان استفاده گردیده است. در این تحقیق، گسیل مندی سنجنده ASTERاز روش TESو محصولات گسیل مندیMODISاز دو نسخه 041 و 005 استخراج گردید. سپس اختلاف مقادیر به دست آمده با مقادیر زمینی محاسبه و آنگاه دقت نتایج به دست آمده از دوسنجنده در دو باند 5/8 و 11میکرون برای تصاویر همزمان این دو سنجنده مقایسه شد. نتایج به دست آمده از تصاویر همزمان این دوسنجنده نشان می دهد که سنجنده ASTER درمحدوده 5/8 میکرون و درتمامی مناطق مورد مطالعه به طور متوسط از دقت بالاتری به میزان 6/4% نسبت به MODIS برخوردار است. همچنین در محدوده 11 میکرون، ASTER بطور متوسط درتمامی مناطق از دقتی در حدود 7/0% برخوردار بوده ولی سنجنده MODIS خطایی بالغ بر 2/1% را دارد. میزان خطا در سنجنده MODIS برای پوشش هایی که گسیل مندی واقعی آنها نسبتاً پایین باشد بیشتر نیز می گردد. در مجموع سنجنده ASTER نسبت به سنجنده MODIS نتایج قابل قبول تری ارائه می دهد. توصیه می شود که از این یافته در زمان استفاده از گسیل مندی در مدل های هواشناسی و در دیگر کاربردهایی که نیازمند گسیل مندی دقیق است بهره برداری شود.

در پژوهش حاضر روشی برای جایگزین کردن چگالی های شار تصاویر سنجندة MODIS با استفاده از مدل انتقال انرژی مجمع (CRTM) که از مدل های حل معادلة انتقال انرژی است، ارائه شده است. بدین منظور اندازه گیری های رادیوساند مربوط به ایستگاه سینوپتیک بندرعباس به همراه چگالی های شار اندازه گیری شده از تصاویر شب سنجندة MODIS مستقر بر سکوی Aqua برای آب های عمیق خلیج فارس مورد استفاده قرار گرفت. بنابراین با استفاده از پیش بینی کننده های استاندارد نسخة هشتم مدل گذردهی مسیر نوری (OPTRAN) که بخش اصلی مدل CRTM است، اختلاف چگالی های شار محاسبه شده به وسیلة مدل CRTM و اندازه گیری شده به وسیلة سنجندة MODIS مدل سازی شده است. پس از پیاده سازی روش مورد نظر، مقدار میانگین RMSE چگالی های شار محاسبه شده از مدل CRTM با مقدار اندازه گیری شده برای تصاویر سنجندة MODIS منتخب برای آزمون کارایی روش، در تمام باندها W/(m 2 .µm.sr) 47/0 محاسبه شد که با اعمال تصحیحات ارائه شده در پژوهش حاضر به 39/0 تغییر یافت. مقدار میانگین RMSE دمای درخشندگی میانگین معادل این چگالی های شار نیز به ترتیب 45/6 و 27/5 درجة کلوین محاسبه گردید. با استفاده از روش ارائه شده در این پژوهش، مقادیر چگالی های شار حاصل از مدل CRTM به مقادیر چگالی های شار سنجندة MODIS نزدیک تر می شود. بنابراین می توان از این مدل برای ارزیابی چگالی های شار سنجندة MODIS استفاده کرد و در مواردی نظیر وجود نویز بالا یا وجود ابر در تصاویر یا ازکارافتادن سنجنده، داده های آن را با داده های محاسباتی مدل CRTM تصحیح شده جایگزین کرد. کلید واژه ها : پروفایل دما، MODIS، CRTM، ماهواره.

یکی از پرکاربردترین روش های طبقه بندی نظارت شده، روش بیشترین احتمال است که در آن، به منظور طبقه بندی از پارامترهایی آماری مانند ماتریس واریانس کوواریانس استفاده می شود. در تصاویر ماهواره ای ابرطیفی، به علت محدودیت نمونه های آموزشی و ابعاد بالای طیفی (زیاد بودن تعداد باندها)، احتمال یکتا شدن ماتریس های برآورد شده و یا کاهش دقت طبقه بندی وجود دارد. به منظور حل این مشکل از روش های مختلفی همچون کاهش تعداد ویژگی ها (کاهش تعداد باندهای استفاده شده) و یا ترکیب طبقه بندی کننده ها استفاده می گردد. در این پژوهش از تلفیق این دو روش استفاده شده است، بدین ترتیب که برای کاهش ابعاد، روش استخراج ویژگی غیرپارامتریک وزن دار به علت مزایای متعدد آن به کار رفته است؛ و در مورد ترکیب طبقه بندی کننده ها برای ایجاد ترکیبات مناسب از طبقه بندی کننده ها، از روش تغییر ویژگی های ورودی و روش استخراج ویژگی بر مبنای کلاس استفاده شده است. همچنین در ترکیب خروجی طبقه بندی کننده ها، از روش های سطح اندازه گیری استفاده شده است. تصویر ابرطیفی مورد استفاده در این پژوهش، تصویر سنجنده AVIRIS مربوط به منطقه ای جنگلی / کشاورزی در شمال ایالت ایندیانا در امریکاست. پس از پیاده سازی روش استخراج ویژگی غیرپارامتریک وزن دار، دقت طبقه بندی کلی 67/85 درصد حاصل گردید. در ترکیب طبقه بندی کننده ها، دقت طبقه بندی کلی 26/89 درصد و در روش پیشنهادی دقت طبقه بندی کلی 34/89 درصد به دست آمد، که در قیاس با دو روش تشکیل دهنده آن، دقت طبقه بندی بهبود یافته است. به رغم کم بودن میزان بهبود دقت، به علت کاهش پیچیدگی محاسبات و همچنین امکان انجام محاسبات موازی، روش پیشنهادی در این پژوهش مناسب تر به نظر می رسد.