تلفیق تصاویر

شناسایی، ماموریتی برای کسب اطلاعات در مورد فعالیت ها، منابع، توانمدی ها و موقعیت دشمن است. شناسایی اهداف نظامی می تواند اطلاعاتی پیرامون وضعیت فعالیت ها، استقرار نیروها، آرایش نظامی و بسیاری از اطلاعات گوناگون دیگر از یک محدوده نظامی را در اختیار فرماندهان قرار دهد. در سال های اخیر پیشرفت تکنولوژی در زمینه سنجش از دور امکان تهیه تصاویر مختلف با قدرت تفکیک طیفی و مکانی بالا را فراهم نموده است. تلفیق تصاویر فراطیفی و تصاویر با قدرت تفکیک مکانی بالا می تواند کمک موثری به شناسایی، استخراج و تولید نقشه از عناصر سازنده یک محیط را فراهم نماید. هدف از تحقیق حاضر، شناسایی اهداف نظامی با استفاده از تلفیق تصاویر فراطیفی و تصاویر با قدرت تفکیک مکانی بالا می باشد. برای این منظور، پنجره ای از تصاویر سنجنده های هایپریون،ALI و OrbView3، انتخاب گردید. در ابتدا نسبت به پیش پردازش داده فراطیفی هایپریون از لحاظ باندهای غیرقابل استفاده، نوارهای بد عمود، تصحیح اتمسفری و تصحیح هندسی اقدام شد. در ادامه تصویر هایپریون در فرایند دو مرحله ای با باندهای پانکروماتیک تصاویر ALI و OrbView3 با استفاده از الگوریتم های Gram schmidt ، Pc Spectral و IHS تلفیق شد. نتایج تلفیق نشان داد، روش Gram schmidt بهترین عملکرد را از نظر طیفی و مکانی داشته است. در ادامه تحقیق از تبدیل MNF به منظور کاهش ابعاد تصویر و کاهش نویزها بهره گرفته شد و از الگوریتم PPI خالص ترین پیکسل ها به منظور استخراج پروفیل طیفی با مقایسه با طیف های مرجع به صورت بصری و دقیق به دست آمد. در ادامه از الگوریتم های BANDMAX ، نقشه بردار زاویه طیفی و دایورجنس اطلاعات طیفی جهت شناسایی اهداف استفاده شد. نتایج ارزیابی شناسایی اهداف نشان داد که روش BANDMAX با دقت کلی 89.77 و ضریب کاپای 0.81 نسبت به دو الگوریتم دیگر عملکرد بهتری داشته است.

مناطق شهری جهان دارای ویژگی های پیچیده فیزیکی- هندسی عناصر مختلف می باشند، که به سرعت درحال گسترشند. داشتن دانش دقیق از خصوصیات کاربری، تشخیص وشناسایی عوارض از ضروریات مدیریت برنامه ریزی سامان دهی بهینه نواحی شهری و محیط زیست می باشد. تلفیق تصاویر فراطیفی و تصاویر با قدرت تفکیک مکانی بالا می تواند کمک موثری به شناسایی، استخراج و تولید نقشه از عناصر سازنده یک محیط شهری را فراهم نماید. هدف از تحقیق حاضر، ارزیابی روش های تلفیق تصاویر در تصاویر فراطیفی و تصاویر با قدرت تفکیک مکانی بالا می باشد. در این راستا داده فراطیفی مربوط به سنجنده هایپریون، در ابتدا از لحاظ باندهای غیرقابل استفاده و نوارهای بد قائم تصحیح شد.سپس از ماژول FLAASH جهت تصحیح اتمسفری این داده استفاده شد.در ادامه تصویر هایپریون با باند پانکروماتیک سنجنده ALI تصحیح هندسی شده و با استفاده از عملیات نمونه برداری مجدد به پیکسل سایز 10 متر تبدیل شد. نهایتا با استفاده از الگوریتم های گرام اشمیت و Pc Spectral و IHS با تصویر ALI تلفیق شد. سپس با استفاده از باند پانکروماتیک تصویر Orb View دوباره تصحیح هندسی و نمونه برداری مجدد شده و به پیکسل سایز 1.5 متر تبدیل شد.در نهایت دوباره با روش های ذکر شده عملیات تلفیق با باند پانکروماتیک Orb View انجام شد، نتایج تلفیق نشان داد روش گرام اشمیت بهترین عملکرد را از نظر طیفی و مکانی داشت.

در این پژوهش قابلیت دو نوع تصویر ماهواره ای اپتیکی سنتینل-2 (S2B) و لندست 8 (L8) و همچنین قابلیت تلفیق این تصاویر در پهنه بندی فصلی شاخص های کیفی آب رودخانه کارون ارزیابی شده است. برای هر فصل، 18 باند حاصل از تصاویر اولیه و تصاویر تلفیق شده به چهار روش شدت- رنگ- اشباع (IHS)، گرام- اشمیدت (GST)، تبدیل براووی (BT) و تبدیل موجک (WT) به منظور یافتن بیشترین ضریب همبستگی با شاخص های کیفی NSFWQI و IRWQIsc و درنتیجه محاسبه مدل های رگرسیون بهینه به کار رفته است. دو ایده ارزیابی تأثیر مقدار تک پیکسل (1P) یا درنظرگرفتن میانگین یک پنجره 3*3 (9P) تصاویر ورودی در بهبود ضریب همبستگی بین تصاویر و داده های میدانی نیز بررسی شده است. نتایج نشان داد بهترین نقشه های پهنه بندی شاخص NSFWQI در فصول بهار، تابستان، پاییز و زمستان به ترتیب براساس به کارگیری باند 2 تصویر مبتنی بر BT (حالت 9P)، باند 2 تصویر مبتنی بر IHS (حالت 1P)، باند 2 تصویر L8 (حالت 1P) و باند 4 تصویر L8 (حالت 1P) هستند. بهترین نقشه های پهنه بندی شاخص IRWQIsc در فصول بهار، تابستان، پاییز و زمستان به ترتیب براساس به کارگیری باند 1 تصویر  L8(حالت 1P)، باند 2 تصویر S2B (حالت 1P)، باند 2 تصویر  L8(حالت 1P) و باند 2 تصویر BT (حالت 1P) به دست آمده اند؛ همچنین برمبنای نتایج، روند تغییرات هر دو شاخص در نقشه های پهنه بندی کیفی از شمال به جنوب منطقه پژوهش در هر فصل بسیار مشابه است. نتایج ارزیابی فصلی هر دو شاخص حاکی از وضعیت نامناسب آب رودخانه در بیشتر روزهای سال است.

واحد های پوشش اراضی تحت تأثیر رویدادهای طبیعی، عملکردهای انسانی و مسائل اجتماعی- اقتصادی همواره دستخوش تغییر می باشند. امروزه رشد مناطق شهری و تأثیر آن بر پوشش اراضی در جهان و به خصوص در کشورهای درحال توسعه به یک مسئله مهم زیست محیطی در علوم محیطی و برنامه ریزی شهری تبدیل شده است. هدف پژوهش حاضر استفاده از تصاویر ماهواره ای لندست، در کمک به شناسایی و تحلیل توسعه شهری و تغییرات پوشش اراضی محدوده شهر ابرکوه در یک دوره 20ساله می باشد. در این مطالعه نقشه های پوشش اراضی و رشد نواحی شهری با استفاده از تکنیک های تلفیق تصاویر لندست (7 و 8) و با اعمال الگوریتم حداکثر احتمال در نرم افزارهای ENVI5.3 ، ArcGIS ، انجام شد. نتایج صحت سنجی نقشه ها نیز نشان داد که مقدار ضریب کاپا برای سال های مورد بررسی به ترتیب؛ 86 % ، 90 % و 86 % و مقادیر صحت کلی نیز؛ 89 % ، 92 % و 89 % می باشد. نتایج این بررسی نشان داد که؛ مجموع مساحت منطقه مورد بررسی 13 کیلومترمربع می باشد؛ که از سال 2000 تا 2020 اراضی مسکونی روند افزایشی داشته اند، به این صورت که در سال 2000 مقادیر آن برابر با 4.25 کیلومترمربع بوده و در سال 2020 مقدار آن به 5.58 کیلومترمربع افزایش یافته است. تغییرات مساحت اراضی بایر در سال های مورد بررسی دارای نوسان بوده به این صورت که در سال 2000 مساحت آن برابر با 3.61 کیلومترمربع، درسال 2010 برابر با 2.5 کیلومترمربع و در سال 2020 برابر با 3.73 کیلومترمربع می باشد. مهم ترین نکته ای که در تغییرات این دوره زمانی به چشم می خورد، اراضی مزروعی منطقه است که مساحت آن تحت تأثیر شهرگرایی از 3.66 کیلومتر مربع در سال 2000 به 2.17 کیلومتر مربع در سال 2020 کاهش یافته است. بدیهی است یافته های این مطالعه نقش مؤثری در برنامه ریزی های آینده می تواند داشته باشد چرا که با آگاهی از روند رشد این نواحی می توان جهات توسعه شهر را به جهات بهینه هدایت نمود و تخریب اراضی ناشی از رشد شهری در نتیجه تأثیرات منفی تغییرات پوشش اراضی را به حداقل رساند.