دمای روشنایی

در طبقه بندی تصاویر با قدرت تفکیک مکانی متوسط، مانند لندست، تمایز اراضی کشاورزی بدون پوشش گیاهی از زمین های بایر و همچنین، شناسایی زمین های بایر از مناطق ساخته شده معمولاً دشوار و همراه با خطاست. به همین علت در این مطالعه، ترکیب های متفاوتی از ویژگی های ورودی، به روش های طبقه بندی، به منظور بررسی امکان ارتقای دقت طبقه بندی مقایسه شد. داده های ورودی شامل باندهای طیفی تصویر لندست-7، ویژگی های بافتی شامل ماتریس وقوع هم زمان گام های خاکستری و شاخص های حرارتی و مکانی پیشنهادی در این تحقیق است. در بررسی حاضر، به منظور طبقه بندی سناریوهای متفاوت، از سه روش طبقه بندی شامل بیشترین میزان شباهت، شبکة عصبی و ماشین بردار پشتیبان با هسته های متفاوت استفاده شد. نتایج نشان داد که ادغام تمامی داده های ورودی و استفاده از روش ماشین بردار پشتیبان با هستة پایة شعاعی، با صحت کلی 81/۹۸% و ضریب کاپا 25/98%، ممکن است نتایجی بهتر از دیگر روش ها و سناریوها داشته باشد. همچنین، در تحلیل اهمیت متغیرهای ورودی، با استفاده از روش انتخاب ویژگی برپایة جنگل تصادفی، مشخص شد که شاخص های پیشنهادی در این مطالعه نقش مهمی در طبقه بندی با صحت بالا و کارآمد داشته اند.

گردوغبار یکی از رویدادهای جوی مناطق خشک و نیمه خشک جهان است که در سال های اخیر افزایش قابل توجهی داشته و آثار و پیامدهای نامطلوبی را در بخش های مختلف بر جای گذاشته است. تصاویر سنجنده MODIS به دلیل قدرت تفکیک طیفی و زمانی بالا، به طور گسترده ای برای تشخیص طوفان گردوغبار استفاده می شوند. شاخص های گردوغبار زیادی مبتنی بر MODIS موجود هستند. در این مطالعه، از شاخص بهبود یافته دمای روشنایی گردوغبار (BADI) برای پایش چندین موج طوفان گردوغبار در غرب خاورمیانه بین سال های 2000 تا 2016، با استفاده از ترکیب دمای روشنایی سه باند تصاویر MODIS: باند 20 (84/3-66/3 میکرومتر)، باند 31 (28/11-78/10 میکرومتر) و باند 31 (27/12-77/11 میکرومتر) استفاده شده است. تفسیر بصری خروجی BADI نشان داد که این روش تشخیص، قادر است نه تنها به طور مؤثر محل هسته های اصلی طوفان های گردوغبار را شناسایی کند، بلکه می تواند گردوغبار را از زمین های لخت و ابرها تشخیص دهد. تجزیه و تحلیل رگرسیون نشان داد که ارتباط معنی داری بین BADI وMODIS Deep Blue AOD وجود دارد. برای پنج موج طوفان گردوغبار، ضرایب تعیین (R2) رگرسیون بین مقادیر BADI و MODIS Deep Blue AOD به ترتیب 44/0، 48/0، 67/0، 53/0 و 45/0 (01/0 >P) بود. نتایج نشان داد که شاخص BADI در مقایسه با اغلب شاخص های گردوغبار مبتنی بر تصاویر MODIS از قبیل شاخص اختلاف دمای روشنای در باند 32 و 31 (BTD32-31) و شاخص تفاضل نرمال شده گردوغبار (NDDI)، مقدار و تراکم فضایی طوفان گردوغبار را دقیق تر نشان می دهد. همچنین BADI هماهنگی خوبی با شاخص عمق هواویز نوری (MODIS Deep Blue) نشان می دهد (R2 = 0.70, P < 0.01).