ارسطو زارعی

در سال های اخیر دمای سطح زمین ( LST ) اهمیت زیادی در مطالعات علوم زمین و محیط زیست پیدا کرده است. فناوری سنجش ازدور، امکان پایش مکانی و زمانی این کمیت را در سطوح وسیع فراهم می آورد. این پارامتر از طریق تصاویر ماهواره ای با حداقل یک باند حرارتی فراهم می شود. در این مطالعه از روش پنجره مجزای غیرخطی توسط ماهواره  سنتینل3 در طول فصول مختلف سال 1397 برای محاسبه دمای سطح زمین استفاده شد و همچنین یک روش اعتبارسنجی مستقیم و غیرمستقیم برای آن ارائه شده است. روش اعتبارسنجی برمبنای ارزیابی قطعی این محصول با داده میدانی، و ارزیابی نسبی آن با محصولات دمای مادیس و SLSTR می باشد. همچنین از روش برآورد گسیلمندی برمبنای شاخص پوشش گیاهی برای تخمین دما از روش پنجره مجزای غیرخطی باتوجه به دو باند حرارتی تصاویر سنتینل3 استفاده شد. برای اطمینان بیشتر، محصولات دمای مادیس و SLSTR نیز به صورت مستقیم با داده میدانی ارزیابی قطعی شد. به طور کلی نتایج حاصل از محصول دمای مادیس، SLSTR و دمای برآورد شده از روش پنجره مجزای غیرخطی روندی مشابه را برای تغییرات دما در طول فصول سال نشان دادند. به طور خلاصه، با توجه به دو روش اعتبارسنجی مستقیم و غیرمستقیم برای دمای برآورد شده از روش پنجره مجزای غیرخطی، فصل تابستان با مقادیر بزرگ میانگین مربع خطاها (2/46)، و فصل زمستان با مقادیر کوچک میانگین مربع خطاها (0/86) به ترتیب کمترین و بیشترین نتایج را برای فصول در سال 1397 ارائه دادند. در نهایت، با توجه به نتایج به دست آمده دمای برآورد شده هم به صورت قطعی و هم به صورت نسبی نتایج مطلوبی را برای تمام فصول در مقیاس زمانی و مکانی گسترده فراهم می کند که می تواند در مقیاس های بزرگ برای برآورد دما در حل بحران های زیست محیطی و همچنین تغییر اقلیم از آن استفاده نمود.

نقشه های کاربری زمین، توزیع فضایی منابع طبیعی، مناظر فرهنگی و سکونتگاه های انسانی را توصیف می کنند که به منزله ابزار برنامه ریزی مهمی برای تصمیم گیرندگان عمل می کند؛ بنابراین دقت نقشه های حاصل از طبقه بندی تصاویر ماهواره ای در عدم قطعیت به منظور مدیریت شهری بسیار تأثیرگذار است. با توجه به کیفیت یکنواخت تصاویر در مناطق بزرگ در مراحل زمانی منظم، تصاویر سنجش از دور ورودی ضروری در تولید نقشه های کاربری زمین شمرده می شوند. هدف اصلی از این تحقیق پیشنهاد کردن روشی به منظور ایجاد نقشه پوشش اراضی دقیق در مناطق شهری، با استفاده از تلفیق داده های سنتینل 1 و سنتینل 2 است. به این منظور، ویژگی های ضریب بازپراکنش راداری VV و دو پارامتر حاصل از روش تجزیه H-α (آنتروپی، آلفا) از تصاویر راداری سنتینل 1 و ویژگی های باند آبی، سبز، قرمز، شاخص های NDVI، NDWI، MNDWI و SWI از تصاویر اپتیک سنتینل 2 استخراج و به منزله مؤلفه های تأثیرگذار در طبقه بندی منطقه شهری استفاده شد. در این مطالعه، با هدف جداسازی مناطق کشاورزی از سایر پوشش ها، از شاخص رطوبت SWI استفاده شد. همچنین داده های ارتفاعی برای تفکیک بهینه کلاس های پیچیده با توپوگرافی متفاوت به کار رفت. استخراج شاخص های تأثیرگذار از این دو مجموعه داده، در رویکردی شیءگرا مبتنی بر الگوریتم های ماشین بردار پشتیبان و جنگل تصادفی، برای طبقه بندی کاربری زمین ارزیابی شد. نتایج نشان داد که به کارگرفتن ویژگی های استخراج شده از تصاویر راداری و اپتیک به طور هم زمان، در روش طبقه بندی شیء گرا، می تواند ویژگی های شیء را به طور کامل در ناحیه مورد مطالعه استخراج کند. در مورد هر دو الگوریتم طبقه بندی، زمانی که از داده های اپتیک و راداری به طور هم زمان استفاده شد، دقت کلی طبقه بندی افزایش داشت. در مورد روش جنگل تصادفی که بیشترین دقت ها را دربر داشت، دقت کلی برای رویکرد ترکیب داده های راداری و اپتیک به میزان 13 و 5%، به ترتیب به نسبت رویکرد تنها ویژگی راداری و تنها رویکرد ویژگی اپتیک، افزایش پیدا کرده است. همچنین اختلاف معنی داری در دقت طبقه بندی، در تمامی سطوح، بین الگوریتم طبقه بندی ماشین بردار پشتیبان و جنگل تصادفی دیده می شود. نتایج نشان داد که دقت کلی درمورد روش طبقه بندی جنگل تصادفی و ماشین بردار پشتیبان به ترتیب برابر 3/83 و 8/79% و ضریب کاپا به ترتیب 72/0 و 68/0% بوده است.