سنجش از دور و GIS ایران

تفکیک و به نقشه در آوردن زونهای دگرسانی در اکتشاف تیپ های مس پورفیری از اهمیت ویژه ای برخوردار است. به منظور بارزسازی این زونهای دگرسان از داده های ماهواره ترا سنجنده استر استفاده شده است. در منطقه سرکوه هاله های دگرسانی مختلفی وجود دارد که شامل پتاسیک، پروپیلیتیک، فیلیک، آرژیلیکی، سیلیسی شدن و آغشتگی های ثانویه به اکسید- هیدروکسیدهای آهن هستند که با پردازش ماهواره ترا سنجنده استر بارزسازی شدند. از روش هایی نظیر تهیه تصاویر ترکیب رنگی کاذب، نسبت باندی، ترکیب رنگی کاذب حاصل از نسبت باندی و روش های آنالیز طیفی، برای شناسایی و تفکیک کانی های شاخص دگرسانی های مرتبط با کانی زایی استفاده شد. در دگرسانی آرژیلیک، اکسیدهای آهن و پروپیلیتیک از روش های، Matched Filtering ، Ls-fit و روش نسبت باندی استفاده شده که از بین این روشها، الگوریتم MF و نسبت باندی به خوبی جواب داد. در تفکیک دگرسانی های فیلیک روش نسبت باندی و دگرسانی سیلیسی در منطقه با روش های ذکر شده جواب نداده است، بیشترین کانی سازی مربوط به دگرسانی پتاسیک است که به نظر می رسد، مس به طور عمده در طول این دگرسانی قرار گرفته باشد، نتایج کانی شناسی حاوی کوارتز + فلدسپار پتاسیک + بیوتیت + مگنتیت+ سولفید ها + سریسیت میباشد. دگرسانی پروپیلیتیک شامل کلسیت + کلریت + اپیدوت + اکتینولیت + سریسیت + پیریت در محیط پیرامونی استوک و سنگهای آتشفشانی اطراف است. دگرسانی فیلیک شامل سریسیت و کوارتز می باشد. نتایج به دست آمده در این بخش با نتایج حاصل از آنالیز XRD مطابقت دارد. مجموعه هاله های دگرسان با بازید صحرایی، منطقه بندی نسبتاً منظمی با روند شمال شرق- جنوب غرب با مرکزیت توده نفوذی سرکوه پورفیری را نشان می دهند.

طبقه بندی پوشش اراضی در تصاویر سنجش ازدور یکی از پرکاربردترین روش های استخراج اطلاعات مکانی می باشد که می تواند با تولید کلاس های تصویری عوارض سطح زمین به منظور اتوماسیون و تسریع در جهت رفع نیازهای اساسی به منظور در اختیار داشتن اطلاعات مکانی بهنگام از منابع با هدف مدیریت، ساماندهی و بهره برداری از محیط مفید واقع گردد. به دلیل مشابهت رفتار پیکسل ها، طبقه بندی تصاویر هوایی در مناطق پیچیده و متراکم شهری صرفاً با استفاده از اطلاعات طیفی و بافتی منجر به ناکارآمدی طبقه بندی می شود. به عبارتی در طبقه بندی رایج بیشتر با استفاده از خصوصیات طیف و ویژگی های پیکسل های تصویر به شناسایی عوارض و کلاس ها پرداخته می شود. درصورتی که بتوان تطابق مکانی و مفهومی پیکسل ها را نیز در نظر گرفت، به این ترتیب می توان تمایز بیشتری بین کلاس های تصویری قائل شد و فرآیند ماشینی را به تفسیر ذهنی و انسانی نزدیک نمود و بر کارایی سیستم افزود. تمرکز اصلی تحقیق حاضر استفاده از مفاهیم سیستم های خبره در طبقه بندی به منظور آنالیز شئ گرای تصاویر در سطوح مقیاس کلاسی است. بدین منظور با وارد نمودن قوانین دانش پایه به منظور کنترل هدفمند و قانونمندسازی روند توأمان قطعه بندی و تفسیر تصویر، با در نظر گرفتن ویژگی های هندسی کلاس های هدف بهبود دقت را منجر گردد. جهت بررسی کارایی تکنیک پیشنهادی، ارزیابی و مقایسه روش پیشنهادی با چند روش دیگر بر روی تصاویر ماهواره ا ی IRS در منطقه ی شهری جزیره کیش صورت پذیرفته است. نتایج حاصل از این تحقیق نشان می دهد ویژگی های هندسی و مفهومی می توانند به عنوان منبع اطلاعاتی مکمل، سبب بهبود نتایج طبقه بندی در منطقه شهری با عوارض ناهمگون طیفی گردند. طوری که در بررسی مورد اشاره صحت کلی و ضریب کاپا به ترتیب 8 درصد و 5/11 درصد افزایش پیدا کرده اند.

ارزیابی دقت نتایج حاصل از طبقه بندی تصاویر ماهواره ای بسیار حائز اهمیت است. تاکنون پارامترهای متعددی برای بیان دقت طبقه بندی تصاویر مورد استفاده قرار گرفته اند. دو نمونه از متداول ترین پارامترها، ضریب کاپا و دقت کلی می باشند. بعضی از محققین ایراداتی به این پارامترهای متداول وارد کرده و پارامترهای جدیدی ارائه نموده اند و معتقدند این پارامترها، معایب پارامترهای متداول را ندارند. در این تحقیق رابطه دو مورد از این پارامترهای جدید ارزیابی دقت طبقه بندی با پارامترهای متداول مورد بررسی قرار گرفته است. این دو پارامتر مغایرت کمی و مغایرت تخصیصی نام گذاری شده اند که میزان عدم شباهت را گزارش می نمایند. به منظور بررسی رفتار این دو پارامتر طبقه بندی نظارت شده روی 57 تصویر شامل سه دسته از تصاویر با قدرت تفکیک متوسط، قدرت تفکیک بالا و قدرت تفکیک خیلی بالا انجام شد. سپس ضریب کاپا و دقت کلی به عنوان پارامترهای متداول، و مغایرت کمی و مغایرت تخصیصی به عنوان پارامترهای جدید برای هر تصویر طبقه بندی شده محاسبه شده و همبستگی مقادیر به دست آمده با یکدیگر بررسی گردید. نتایج به دست آمده در این تحقیق نشان می دهند که میزان همبستگی بین این دو دسته پارامتر بالا ولی در جهت منفی است؛ به عبارت دیگر با افزایش مقادیر یک دسته، مقادیر دسته دیگر کاهش می یابد. به این ترتیب پارامترهای مغایرت اطلاعات جدیدی را درباره نتایج طبقه بندی به کاربر ارائه نمی دهند و تنها و در صورتی که خطای طبقه بندی خواسته شود، می توان از پارامترهای مغایرت نیز درکنار آن ها استفاده نمود.

بیلان انرژی تابشی دریافتی و برگشتی از کره زمین بیانگر انرژی قابل دسترس در هر بخش از سامانه زمین-اتمسفر می باشد. همچنین تابش خالص خورشیدی بنیادی ترین نیروی محرکه برای تبخیر و تعرق و تمامی کنش و واکنش های میان رویه زمین و اتمسفر می باشد. این برهم کنش ها به گونه ای معنی دار بر اقلیم و دگرگونی آن سایه می افکنند. ازاین رو، برآورد ریزبینانه انرژی خالص در مقیاس گسترده ازنظر مدل های اقلیمی جهانی و منطقه ای حائز اهمیت است. در این پژوهش جهت مطالعه روند تغییراتِ بلندمدتِ میانگینِ ماهانه آلبیدو سطحی (Albedo) از تولیدات آلبیدو سنجندهِ MODIS ماهوارهِ ترا بانام (MCD43B3) استفاده شد. قدرت تفکیک فضایی تصاویر اخذشده، یک در یک کیلومتر برای یک دوره آماری 15 ساله (2014-2000) برای سه ماه آوریل، می و ژوئن بوده است. بعد از اخذ تصاویر از مرکز آرشیو فعال توزیع فرایندهای سطح زمینِ ناسا، تمامی 45 تصویر دانلود شده برای منطقه مورد مطالعه موزائیک و با سیستم مختصات جهانی مرکاتور معکوس با استفاده از روش نمونه برداری نزدیک ترین همسایه ژئو رفرنس شدند. تبدیل فرمت تصاویر به فرمت ASCII مرحله بعدی کار را تشکیل داد که هر ASCII 30080 پیکسل را شامل می شود. درنهایت با استفاده از دو روش آماری برآورد کننده شیب سنس و رگرسیون خطی کلاسیک روند تغییرات بلندمدت میانگین ماهانه آلبیدو در یک مقیاس پیکسل-مبنا مورد تحلیل قرار گرفتند. نتایج حاصل از این دو مدل نشان دادند که این دو مدل در برآورد روند تغییرات میانگین آلبیدو دقیقاً مانند همدیگر عمل نموده اند و تفاوتی با یکدیگر نداشته اند. همچنین نتایج حاصل از این تحقیق نشان داد که کانون بیشترین روند کاهشی شیب تغییرات آلبیدو در شمال شرق می باشد که در این قسمت از دشت به دلیل جاری بودن رودخانه هیرمند، کشاورزی به صورت گسترده ای در آن رواج دارد. مقادیر افزایشی شیب روند تغییرات نیز به صورت بسیار محدود و لکه هایی کوچک و گاهاً بزرگ در شمال، جنوب شرق و مرکز دشت قابل مشاهده است. این روند افزایشی در مقادیر شاخص آلبیدو نیز در شمال دشت دقیقاً منطبق بر خشک شدن دریاچه های سه گانه هامون بوده است. بقیه مساحت دشت نیز که دارای چشم اندازی بیابانی می باشد و فاقد هرگونه پوشش گیاهی و همچنین جمعیت انسانی می باشد روند خاصی را از خود نشان نداده است. در این مطالعه همچنین به روشنی مشخص شد که استفاده از روش ناپارامتریک برآورد کننده شیب سنس و پارامتریک رگرسیون خطی کلاسیک در مطالعات روند تغییرات آلبیدو مناطق خشک منتج از تولیدات ماهواره ای سنجنده مادیس می تواند بسیار کارآمد باشد.

داده های پلاریمتری-اینترفرومتری راداری با فراهم نمودن اطلاعاتی از نوع شدت، دارا بودن اطلاعات پلاریمتری دو تصویر و اطلاعات ارتفاعی حاصل از اینترفرومتری، توانایی زیادی در طبقه بندی پوشش های زمین نشان می دهند که این ویژگی های سه گانه در آنتروپی شانون حاصل از این داده ها به تفکیک قابل مشاهده می باشند. استفاده همزمان این پارامترها نقش تکمیل کننده ای در طبقه بندی ارائه می کنند به طوری که حضور اطلاعات اینترفرومتری باعث افزایش دقت طبقه بندی می شود. همچنین داده های اخذ شده از دنیای واقعی دارای پیوستگی مکانی می باشند. بنابراین دراین تحقیق از الگوریتم میدان تصادفی مارکوف به منظور در نظر گرفتن همسایگی های پیکسلی و مجموعه پارامترهای آنتروپی شانون داده های پلاریمتری-اینترفرومتری راداری برای طبقه بندی استفاده می شود. الگوریتم میدان تصادفی مارکوف برای شروع نیاز به یک نقشه طبقه بندی شده اولیه دارد. نقشه طبقه بندی شده اولیه با استفاده از بی نظمی و ناهمسانگردی پلاریمتری و پلاریمتری-اینترفرومتری و ادغام کلاس های حاصل براساس شباهت ماتریس همدوسی پلاریمتری-اینترفرومتری مراکز کلاس ها، تهیه می شود. بررسی کارآیی الگوریتم پیشنهادی با استفاده از داده پلاریمتری-اینترفرومتری اخذ شده توسط سازمان فضایی آلمان(DLR) انجام می شود. در تحقیق حاضر از شاخص درجه خلوص خوشه ها برای ارزیابی عملکرد الگوریتم پیشنهادی و چند الگورتیم دیگر استفاده می شود. درجه خلوص کل حاصل از الگوریتم پیشنهادی در مقایسه با درجه خلوص حاصل از الگوریتم های -ویشارت( )، االگوریتم پیشنهادی – ویشارت( )، -FCM ویشارت( ) و طبقه بندی با کمک سه پارامترآنتروپی شانون و الگورتیم خوشه بندی FCM به ترتیب به مقدار 28.48%، 11.38%، 16.60% و19.60% افزایش پیدا کرده است.

روش های اصلاح DEM برای بهبود مدل ارتفاعی رقومی جهت شبیه سازی و مدل سازی هیدرولوژیک سلولی مورد استفاده قرار می گیرد. نحوه پیاده سازی و کاربرد روش های اصلاح DEM با استفاده از الحاقیه ArcHydro10.2 مورد بررسی و یکی از کاربردهای آن در برآورد رواناب پیوسته رودخانه کرخه مورد مطالعه قرار گرفت. اطلاعات آبدهی در محل ایستگاه های هیدرومتری قابل دسترس است. برای تعیین مقدار آبدهی در هر نقطه از رودخانه، نیاز به تجمعی کردن نقشه رواناب می باشد. مدل جهات هشت گانه ریزش هر نقطه (D8)، یک مدل پایه برای استخراج شبکه رودخانه با فرآیند سلول های شبکه ای است. با این روش جهت جریان هر سلول به یکی از هشت سلول مجاور در نقشه DEM "هیدرولوژیک" که از نقشه DEM خام منطقه تهیه می شود، رسم می گردد. در نقشه DEM هیدرولوژیک سلول های تجمعی در مسیر رودخانه بصورت پیوسته و افزایشی قرار می گیرند. با استفاده از الگوریتم Agree و با آزمون و خطا مدل رقومی ارتفاعی اصلاح گردید و مساحت حاصل از تجمع سلول های بالادست هر سلول با مقادیر مساحت وکتوری زیر حوضه ها مورد مقایسه قرار گرفت که دارای ضریب همبستگی 9975/0 بودند. در نهایت نقشه جریان تجمعی هر نقطه از مسیر این رودخانه در سلول های 200 متری از روی نقشه هم جریان حوضه تولید شده از DEM هیدرولوژیک تهیه شد . نقشه رواناب با استفاده از تابع جریان تجمعی وزنی و در ادامه نقشه پیوسته جریان حاصل گردید. در این روش هر خطای مساحت تجمعی به دبی نیز منتقل و اضافه می گردد که در حوضه کرخه این خطا بین 28/0% تا 1/3% بوده است. .

استفاده از داده های ماهواره ای در برآورد دقیق مقدار بایومس محصول به عنوان یکی از مهم ترین چالش های سنجش از دور محیطی محسوب می شود. اگرچه به طور سنتی از شاخص های طیفی پوشش گیاهی استخراج شده از باندهای قرمز (R) و مادون قرمز نزدیک (NIR) برای برآورد آماری بایومس محصول استفاده شده است، اما بیشتر این شاخص ها در مقادیر خاصی از شاخص سطح برگ اشباع می شوند. لذا جهت غلبه بر محدودیت اشباع شدگی، اخیرا مطالعات زیادی بر روی استفاده از بازتابندگی طیفی در محدوده لبه قرمز انجام شده است. برای ارزیابی عملکرد شاخص های مختلف پوشش گیاهی در برآورد بایومس محصول، پنج نوبت نمونه برداری از ویژگی های بیوفیزیکی ذرت علوفه ای در طول دوره رشد این محصول در اراضی زراعی شرکت کشت و صنعت مگسال، قزوین انجام شد و جمعا 182 نمونه میدانی جمع آوری گردید. سپس ده شاخص طیفی از سری زمانی تصاویر Sentinel-2 که همزمان با نوبت های نمونه برداری میدانی در سال 2017 اخذ شده بودند، محاسبه شده و با استفاده از آنها بایومس ذرت علوفه ای برآورد گردید. بایومس ذرت علوفه ای با اندازه گیری های میدانی مورد ارزیابی قرار گرفت. نتایج نشان داد که شاخص با ضریب تعیین و کمترین ریشه میانگین مربعات خطا بهترین شاخص برای تخمین بایومس ذرت علوفه ای است. علاوه بر این، تحقیق حاضر نشان داد که تصاویر ماهواره ای Sentinel-2 با توان تفکیک مکانی بالا و محدوده لبه قرمز، قابلیت تخمین مقدار بایومس محصول ذرت علوفه ای را با دقت مناسب دارد.