مجتبی جنتی

تخمین دقیق سطح پوشش اراضی، نقش بسیار مهمی را در مدیریت بهینه محیط جغرافیایی ایفا می نماید. در این راستا، روش های مختلف طبقه بندی تصاویر سنجش از دور به منظور استخراج پوشش اراضی توسعه یافته اند. با توجه به ضعف روش های طبقه بندی سخت در خصوص پیکسل های مخلوط، استفاده از روش های طبقه بندی نرم به منظور برآورد سهم تعلق کلاس های مختلف پوشش اراضی در پیکسل های مخلوط مورد توجه قرار گرفته است. مدل اختلاط طیفی خطی یکی از روش های رایج در این حوزه محسوب می گردد. دقت این مدل به شدت به کیفیت پیکسل های خالص معرفی شده به آن وابسته بوده و از طرفی استخراج این پیکسل ها معمولا دشوار و چالش برانگیز می باشد. در تحقیق حاضر، استفاده از پارامترهای فیزیکی (درخشندگی، رطوبت و سبزینگی) برای استخراج پیکسل های خالص پیشنهاد گردیده است. به منظور ارزیابی کیفیت پیکسل های خالص استخراج شده، از معیارهای ارزیابی مدل اختلاط طیفی غیرشرطی استفاده شده است. بدین منظور با پیاده سازی این مدل در منطقه مطالعاتی، RMSE کل تصویر 68/2 و تعداد پیکسل های با سهم تعلق منفی یا بزرگتر از یک، 43/4 درصد برآورد گردید. بدین ترتیب روش پیشنهادی دقت مطلوبی را در نتایج مدل اختلاط طیفی خطی و بدون اعمال هیچ شرطی در این مدل فراهم نموده است.

مقاله حاضر از نوع مروری – کتابخانه است که با استفاده از نظرات اندیشمندان و صاحبنظران در این حوزه گردآوری و نگاشته شده است. هدف از نگارش این مقاله افزایش آگاهی و اطلاعات مربیان حوزه تعلیم و تربیت در ارتباط با بکارگیری راهبردهای فراشناختی برای افزایش پیشرفت تحصیلی است. نتیجه این مقاله نشان می دهد که راهبردهای فراشناختی باعث می شود که دانش آموزان خود راهبر شوند و پشتکار آنها در یادگیری بیشتر گشته و در نتیجه این مهارت های فراشناختی باعث افزایش پیشرفت تحصلی می شوند و میزان یادگیری دانش آموزان بیشتر می شود.

در تصاویر نرمال که براساس هندسه اپی پلار بازنمونه برداری شده اند، نقاط متناظر در زوج تصویر در راستای یک سطر یا ستون اند و پارالاکس قائم نخواهند داشت. این ویژگی تصاویر نرمال را به منزله پیش نیاز اصلی طیف وسیعی از کارهای فتوگرامتری نظیر تناظریابی، مثلث بندی هوایی خودکار، تولید مدل رقومی زمین، تولید ارتوفتو، و برجسته بینی مطرح کرده است. در این مقاله، روش جدیدی مبتنی بر استفاده از مدل پارامترهای مداری برای بازنمونه برداری اپی پلار تصاویر خطی پوش بروم پیشنهاد شده است. روش پیشنهادی براساس تصحیح پارامترهای توجیه خارجی مدل پارامترهای مداری در فضای شیئ توسعه یافته است. از مزایای این مدل می شود به امکان تصحیح اثر دید غیرقائم سنجنده به واسطه تعبیرپذیری فیزیکی پارامترهای مدل و امکان پیاده سازی روند پیشنهادی، با استفاده از دیگر مدل های مطرح در حوزه تصحیح هندسی تصاویر ماهواره اشاره کرد. طبق نتایج حاصل از ارزیابی دقت تصاویر نرمال تولیدشده به روش پیشنهادی در سطح نقاط چک مستقل، متوسط پارالاکس x باقی مانده در سطح مدل 73/0 پیکسل حاصل شد که بر کارآیی مدل پیشنهادی دلالت دارد.

نتیجة فرایند بازآرایی اپی پلار، تولید تصاویر شبه نرمال است که نقاط متناظر در آنها در امتداد سطرها یا ستون ها قرار می گیرند. برخلاف تصاویر نرمالِ حاصل از فرایند بازنمونه برداری اپی پلار، هیچ تضمینی برای تناسب پارالاکس موازی و ارتفاع نقاط متناظر در این تصاویر وجود ندارد. بااین حال، تولید تصاویر شبه نرمال می تواند انجام طیف وسیعی از کارهای فتوگرامتری نظیر تناظریابی، مثلث بندی هوایی خودکار، تولید مدل رقومی زمین، تولید ارتوفتو، و برجسته بینی را میسر سازد. در پژوهش حاضر، روش جدیدی مبتنی بر مدل مراکز تصویر چندگانه برای بازآرایی اپی پلار تصاویر خطی پوش بروم ارائه شد و روند بازآرایی برای دو سیستم تصویربرداری Cross Track و Along Track جداگانه بررسی گردید. اساس روش پیشنهادی، تصحیح مسیر حرکت و پارامترهای وضعیتی سنجندة توسعه یافته است. از مزایای این مدل می توان به امکان تصحیح اثر دید غیرقائم سنجنده به سبب تعبیرپذیری فیزیکی پارامترهای مدل اشاره کرد. برمبنای نتایج حاصل از ارزیابی دقت تصاویر شبه نرمال تولیدشده به روش پیشنهادی برای یک زوج تصویر استریوی Cross Track در سطح نقاط چک، متوسط پارالاکس قائم باقی مانده در سطح مدل 94/0 پیکسل به دست آمد، که می تواند مؤید صحت و کارایی مدل پیشنهادی باشد. کلید واژه ها : فتوگرامتری، بازآرایی اپی پلار، تصویر شبه نرمال، تصاویر خطی پوش بروم، مدل مراکز تصویر چندگانه، تصحیح مسیر حرکت سنجنده.

استفاده از توابع کسری، در غیاب اطلاعات افمریز مدار ماهواره و هندسه داخلی سنجنده، یکی از بهترین روش ها برای زمین مرجع سازی تصاویر ماهواره ای و استخراج اطلاعات مکانی از تصاویر ماهواره ای است. تعداد زیاد ترم ها و عدم تفسیرپذیری آنها، باعث شده تا تعدد نقاط کنترل مورد نیاز و ایجاد خطای پارامتر های اضافه، به عنوان مهم ترین ضعف های توابع کسری وابسته به زمین شناخته شوند. استفاده از الگوریتم های بهینه سازی، یکی از راهکار های مناسب رفع این ضعف ها است. به همین دلیل از الگوریتم های بهینه سازی مختلف، برای کشف ترکیب بهینه ترم های توابع کسری وابسته به زمین استفاده شده است. از آنجا که سازوکار هریک از این الگوریتم ها با یکدیگر متفاوت است، میزان کارایی و خصوصیات مختلف این الگوریتم ها در کشف ترکیب بهینه ترم های توابع کسری وابسته به زمین متفاوت است اما تفاوت های موجود به صورت جامع، مورد مقایسه و تحلیل قرار نگرفته است. در این مقاله، به منظور بررسی کامل و جامع توانایی های سه الگوریتم بهینه سازی ژنتیک، ژنتیک بهبودیافته و ازدحام ذرات بهبودیافته در کشف ترکیب بهینه ترم های توابع کسری از دیدگاه های مختلف از جمله دقت، سرعت، تعداد نقاط کنترل مورد نیاز و قابلیت اطمینان به نتایج بدست آمده، از 4 تصویر ماهواره ای متعلق به سنجنده های GeoEye-1، IKONOS-2، SPOT-3-1ª و SPOT-3-1B استفاده شده است. اختلاف دقت کمتر از 4/0 پیکسل در نتایج هر یک از الگوریتم های بهینه سازی، 10 تا 12 برابر بودن سرعت الگوریتم ژنتیک بهبودیافته نسبت به دو الگوریتم دیگر، به ترتیب برتری 25/45 و 27 درصدی درجه آزادی الگوریتم بهینه سازی ازدحام ذرات بهبودیافته نسبت به الگوریتم ژنتیک بهبودیافته و ژنتیک و پراکندگی نسبتا یکسان نتایج هر یک از الگوریتم ها در 10 بار اجرای برنامه، حاکی از آن است که دقت هر سه الگوریتم بهینه سازی نسبتا یکسان، سرعت الگوریتم ژنتیک بهبودیافته بیشتر، تعداد نقاط کنترل مورد نیاز الگوریتم ازدحام ذرات بهبودیافته کمتر از دو الگوریتم دیگر و قابلیت اطمینان به نتایج هر یک از الگوریتم های بهینه سازی به منظور کشف ترکیب بهینه ترم های توابع کسری وابسته به زمین، یکسان است.