ناهید حق شناس؛ علی شمس الدینی
چکیده
داده‌های سنجش از دوری، با قدرت تفکیک مکانی بالا، اغلب دارای قدرت تفکیک زمانی و طیفی پایین و داده‌های با قدرت تفکیک مکانی پایین دارای قدرت تفکیک طیفی و زمانی بالا هستند. باوجوداین، درحال‌حاضر، سنجندههای ماهوارهای به‌تنهایی نمی‌توانند داده‌هایی با قدرت تفکیک زمانی و قدرت تفکیک مکانی بالا را هم‌زمان ارائه کنند. این درحالی ...
بیشتر
داده‌های سنجش از دوری، با قدرت تفکیک مکانی بالا، اغلب دارای قدرت تفکیک زمانی و طیفی پایین و داده‌های با قدرت تفکیک مکانی پایین دارای قدرت تفکیک طیفی و زمانی بالا هستند. باوجوداین، درحال‌حاضر، سنجندههای ماهوارهای به‌تنهایی نمی‌توانند داده‌هایی با قدرت تفکیک زمانی و قدرت تفکیک مکانی بالا را هم‌زمان ارائه کنند. این درحالی است که در برخی کاربردها دسترسی هم‌زمان به داده‌هایی با قدرت تفکیک مکانی و زمانی بالا ضروری است؛ ازاین‌رو در این مطالعه، با هدف دستیابی به داده‌های دارای قدرت تفکیک مکانی و زمانی بالا، تصاویر مادیس در کلاس‌های کاربری شهری، باغ، مرتع، کشاورزی و آب ازطریق الگوریتمهای STARFM ، ESTARFM وFSDAF به قدرت تفکیک مکانی سنتینل ـ 2، ریزمقیاس شد. منطقة مطالعاتی با تنوع پوشش‌های زمین گوناگون در اطراف شهر مهاباد انتخاب شد. در این مطالعه، باندهای مرئی و مادون‌قرمز نزدیک در سنتینل‌ـ 2 و مادیس انتخاب و پیش‌پردازش‌های لازم، ازجمله تصحیح هندسی، روی آنها انجام شد. سپس با استفاده از الگوریتمهای ریزمقیاس‌نمایی، تصاویر مادیس به تصاویر سنتینل ـ 2 ریزمقیاس شد. نتایج نشان‌دهندة صحت بالای کلاس‌های شهری، باغ و مرتع در قیاس با کلاس‌های کشاورزی و آب است؛ به‌گونه‌ای که الگوریتمهای ESTARFM، FSDAF و STARFM به‌صورت میانگین در همة باندها، به‌ترتیب برای کلاس شهری، ضریب تعیین 25/88، 25/87 و 5/86، درمورد کلاس باغ ضریب تعیین 75/83، 25/83 و 5/80 و درمورد کلاس مرتع، ضریب تعیین 75/90، 5/70 و 5/87 را نشان دادند. درمجموع، الگوریتم ESTARFM در مقایسه با دیگر الگوریتم‌ها در این تحقیق، نتیجه‌ای بهتر دربرداشت.
مجید هاشمی تنگستانی؛ مرجان کریمی
چکیده
در سال‌های اخیر، نظارت دریایی و هوایی برای مهار آلودگی‌های دریایی رایج شده است اما این روش‌ها، به‌دلیل محدودیت‌های شرایط آب‌وهوا، زمان و مکان، به‌تنهایی نمی‌توانند پایش سریع و منظمی فراهم آورند. در این زمینه، سنجش از دور ماهوارهای می‌تواند نقش مهمی در تشخیص اولیه و پایش مداوم نشت نفت در دریا ایفا کند. سنجندة رادار آنتن مصنوعی ...
بیشتر
در سال‌های اخیر، نظارت دریایی و هوایی برای مهار آلودگی‌های دریایی رایج شده است اما این روش‌ها، به‌دلیل محدودیت‌های شرایط آب‌وهوا، زمان و مکان، به‌تنهایی نمی‌توانند پایش سریع و منظمی فراهم آورند. در این زمینه، سنجش از دور ماهوارهای می‌تواند نقش مهمی در تشخیص اولیه و پایش مداوم نشت نفت در دریا ایفا کند. سنجندة رادار آنتن مصنوعی سیستم سنجش از دور فعالی است که می‌تواند، برای آشکارسازی نشت نفت همراه با سنجندههای اپتیکال مانند مادیس، با توانایی تصویربرداری هم‌زمان، استفاده شود. هدف از این پژوهش آشکارسازی نشت نفت پیرامون سکوهای نفتی بخش شمالی خلیج فارس، در تاریخ‌های پانزدهم و هفدهم ژوئن 2015، با استفاده از تصاویر فروسرخ گرمایی مادیس و تصاویر راداری سنتینل‌ـ 1 است. برای محاسبة دمای سطح دریا، الگوریتم پنجرة مجزا روی تصویر باند 20 سنجندة مادیس اجرا شد. نتایج نشان داد که منطقة دارای نشت نفت دمایی کمتر از مناطق پیرامونی دارد. برای آشکارسازی دقیق‌تر لکه‌های نفتی و درستی‌سنجی نتایج پردازش‌های اعمال‌شده بر تصویر مادیس، از تصویر پلاریزاسیون VV سنتینل‌ـ 1 و پردازش‌های حذف نوفه مانند فیلترگذاری و مولتی‌لوکینگ استفاده شد. در پایان، از راه مقایسة دمای بویة موج‌نگار سازمان بنادر و دریانوردی بوشهر و دمای حاصل از تصویر مادیس و موقعیت جغرافیایی گسترة لکه‌های نفتی بارزشده، درستی نتایج این پژوهش و پردازش‌های صورت‌گرفته تأیید شد. استفاده از باند 20 سنجندة مادیس با هدف استخراج دمای سطح دریا و باندهای فروسرخ گرمایی آن، به‌منظور آشکارسازی لکه‌های نفتی در سطح دریا، اولین بار در این پژوهش ارزیابی شده است.
محمدحسین قلی زاده؛ جمیل امان اللهی؛ فردین رحیمی
چکیده
تحقیق حاضر با هدف ارزیابی دقت داده‌های ماهوارهای سنجندة مادیس در پایش ریزگردها (ذرات PM10 )، به‌منظور مقایسه با داده‌های ایستگاه زمینی سنجش آلودگی در شهر سنندج انجام گرفته است. بدین‌ترتیب، میزان عملکرد داده‌های ماهوارهای در اندازه‌گیری ریزگردها، در ایستگاه زمینی سنندج، مشخص می‌شود. ابتدا داده‌های ماهوارهای عمق نوری (ذرات ...
بیشتر
تحقیق حاضر با هدف ارزیابی دقت داده‌های ماهوارهای سنجندة مادیس در پایش ریزگردها (ذرات PM10 )، به‌منظور مقایسه با داده‌های ایستگاه زمینی سنجش آلودگی در شهر سنندج انجام گرفته است. بدین‌ترتیب، میزان عملکرد داده‌های ماهوارهای در اندازه‌گیری ریزگردها، در ایستگاه زمینی سنندج، مشخص می‌شود. ابتدا داده‌های ماهوارهای عمق نوری (ذرات PM10 ) سنجندۀ مادیس، متناظر با داده‌های PM10 زمینی تهیه‌شده از ایستگاه زمینی پایش آلودگی واقع در شهر سنندج، به‌دست آمد؛ آنگاه ضریب همبستگی دو سری داده محاسبه شد. برای پیش‌بینی دقیق داده‌های PM10، دو مدل آریما و شبکة عصبی مصنوعی به‌کار رفت. داده‌های AOD سنجندة مادیس با استفاده از روش حداکثر برآورد احتمال و وزن به‌دست‌آمده از ریشة میانگین مربعات خطا، به‌منظور استفاده در این دو مدل، ترکیب شدند. در نهایت، روش مقایسۀ منفرد برای هریک از مدل‌ها و نیز مقایسۀ مدل‌ها، با هدف شناسایی مدل بهتر در تشخیص و پیش‌بینی داده‌های PM10 حاصل از سنجندۀ مادیس، اعتبارسنجی شد. در مدل شبکۀ عصبی، ضریب همبستگی در مرحلۀ آموزش 52%، در مرحلۀ آزمون 53%، RMSE برابر با 62/1 و MAE برابر 62/2 به‌دست آمد. طبق محاسبات، مدل آریمای 1-0-3 تنها مدل مورد قبول با R برابر با 46/0و 06/0MAE= و 69/0RMSE= است. این بیان می‌کند مدل آریما مدل مناسبی برای پیش‌بینی داده‌هاست اما دقت مدل شبکۀ عصبی، در ارزیابی میزان همبستگی بین داده‌ها، بیشتر تشخیص داده شد. نتایج تحقیق نشان داد که بین داده‌های عمق نوری ریزگرد سنجندۀ مادیس با داده‌های زمینی رابطۀ مستقیمی وجود دارد و این الگوریتم قادر به شناسایی گردوغبار است و می‌تواند جایگزین مناسبی برای محصولات PM10 تولیدشده از سوی ایستگاه زمینی باشد.
امیر حسین ناظمی؛ حامد سبزچی دهخوارقانی؛ علی اشرف صدرالدینی؛ ابوالفضل مجنونی هریس
چکیده
توسعة روش‌های سنجش از دور در پهنه‌بندی اراضی زیر کشت محصولات کشاورزی در مقیاس گستردة مکانی و زمانی، به‌صورت جایگزین شیوه‌های پرهزینه و زمان‌بر جمع‌آوری آمار میدانی، در حال گسترش است. تا کنون، روش‌هایی برای شناسایی اراضی زراعی، با استفاده از تصاویر سنجندههای اپتیک و راداری، مطرح شده است. برخی از این روش‌ها، با تأکید بر فرایندهای ...
بیشتر
توسعة روش‌های سنجش از دور در پهنه‌بندی اراضی زیر کشت محصولات کشاورزی در مقیاس گستردة مکانی و زمانی، به‌صورت جایگزین شیوه‌های پرهزینه و زمان‌بر جمع‌آوری آمار میدانی، در حال گسترش است. تا کنون، روش‌هایی برای شناسایی اراضی زراعی، با استفاده از تصاویر سنجندههای اپتیک و راداری، مطرح شده است. برخی از این روش‌ها، با تأکید بر فرایندهای حذف پیکسل‌های ابری، مناسب اقلیم مرطوب با روزهای متعدد ابرناکی هستند و برخی دیگر، به‌دلیل روش به‌کاررفته در آنها به‌منظور ترکیب تصاویر هر دو سیستم اپتیک و راداری، پیچیده‌گی‌های خاص خود را دارند. در این میان، روش‌های مبتنی‌بر استفاده از ویژگی‌های منحصربه‌فرد سری زمانی شاخص گیاهی هریک از محصولات زراعی فرایند نسبتاً ساده‌تری در پهنه‌بندی اراضی زراعی دارد. هدف از این پژوهش بهبود یکی از روش‌های مطرح‌شده برای تفکیک اراضی زیر کشت گندم دیم است که در آن از الگوریتم حذف گام‌به‌گام پیکسل‌های غیرگندم و تصاویر سنجندة مادیس استفاده شده بود. برای بهبود الگوریتم مذکور، طی فرایندی، از قدرت تفکیک زمانی تصاویر سنجندة مادیس و قدرت تفکیک مکانی تصاویر ماهوارة لندست8 بهره گرفته شد. فرایند جدید، ضمن رفع نقاط ضعف الگوریتم سابق در تشخیص مراتع و اراضی غیرگندم از اراضی گندم دیم، به‌خصوص در پیکسل‌های ناهمگن، موجب افزایش دقت این الگوریتم در پهنه‌بندی اراضی گندم دیم شد؛ به‌طوری‌که روش مطرح‌شده توانست با مقادیر صحت کلی، شاخص کاپا و F1 به‌ترتیب برابر با 92.5%، 0.67 و 0.71، با دقت قابل‌قبولی، سطوح زیر کشت گندم دیم را تفکیک کند.
حمید صالحی؛ علی شمس الدینی؛ سید مجید میرلطیفی
دوره 10، شماره 3 ، فروردین 1397، ، صفحه 123-140
چکیده
داده های اخذ شده توسط سنجندههای ماهوارهای، به طور معمول به سه دسته تصاویر با قدرت تفکیک مکانی پایین، متوسط و بالا تقسیم میشوند. بسیاری از تصاویر با قدرت تفکیک مکانی پایین و متوسط و قدرت تفکیک زمانی بالا، بهراحتی در دسترس کاربران هستند، در حالیکه تصاویر با قدرت تفکیک مکانی بالا، در اکثر مواقع دارای قدرت تفکیک زمانی بالایی نیستند ...
بیشتر
داده های اخذ شده توسط سنجندههای ماهوارهای، به طور معمول به سه دسته تصاویر با قدرت تفکیک مکانی پایین، متوسط و بالا تقسیم میشوند. بسیاری از تصاویر با قدرت تفکیک مکانی پایین و متوسط و قدرت تفکیک زمانی بالا، بهراحتی در دسترس کاربران هستند، در حالیکه تصاویر با قدرت تفکیک مکانی بالا، در اکثر مواقع دارای قدرت تفکیک زمانی بالایی نیستند و یا به صورت تجاری و با هزینه بالا در دسترس هستند. علاوه بر این، تصاویر با قدرت تفکیک مکانی بالا معمولا فاقد باندهای حرارتی بوده و لذا در مدلکردن فرآیندهای طبیعی، مانند تبخیر- تعرق با محدودیت مواجه هستند. تولید نقشههای تبخیر- تعرق روزانه، با قدرت تفکیک مکانی بالا، همواره یکی از چالشهای محققان سنجش ازدور بوده است. هدف این مطالعه، امکان سنجی تولید نقشههای تبخیر- تعرق روزانه با قدرت تفکیک مکانی 30 متر است. این تحقیق بر روی زمینهای کشت و صنعت امیرکبیر اجرا شده است. برای این منظور ابتدا از بین باندهای 36 گانه تصویر مادیس، باندهایی که از لحاظ طیفی، تقریبا معادل با تصویر لندست 8 بودند، شناسایی شدند. سپس با استفاده از الگوریتمهای SADFAT و STARFM و تصاویر لندست 8 و مادیس، باندهای مرئی و مادون قرمز با قدرت تفکیک زمانی روزانه و قدرت تفکیک مکانی 30 متر تولید شدند و در نهایت با استفاده از الگوریتم سبال، نقشههای تبخیر- تعرق واقعی از باندهای شبیه سازی شده تولید شدند. مقایسه تبخیر- تعرقهای شبیهسازی شده با تبخیر- تعرقهای به دست آمده با روش فائو- پنمن- مانتیث نشان دهنده و است. همچنین مقایسه تبخیر- تعرق شبیهسازی سازی شده با تبخیر- تعرق حاصل از تصویر لندست 8، در همان روز نشاندهنده و است که نشان دهنده عملکرد خوب چهارچوب پیشنهادی برای ریز مقیاس نمایی در این مطالعه است.
فریبا سادات حلیمی؛ علی اکبر آبکار؛ امیرحسین مشکواتی؛ علی صادقی نایینی
دوره 3، شماره 2 ، شهریور 1390
چکیده
اطلاع از پروفایل های قائم دما و دمای نقطه شبنم در زمره ی مهم ترین پارامترها در مدل های عددی پیش بینی وضع آب و هوا جای دارند. در زمان حاضر در ایران پروفایل های قائم دما و دمای نقطه شبنم با رادیوسوندها تهیه می شوند؛ اما به دلیل گرانی رادیوسوندها، ارسال آنها به جو تنها محدود به زمان ها و مکان های خاصی است. به همین دلیل به کار بردن روش های ...
بیشتر
اطلاع از پروفایل های قائم دما و دمای نقطه شبنم در زمره ی مهم ترین پارامترها در مدل های عددی پیش بینی وضع آب و هوا جای دارند. در زمان حاضر در ایران پروفایل های قائم دما و دمای نقطه شبنم با رادیوسوندها تهیه می شوند؛ اما به دلیل گرانی رادیوسوندها، ارسال آنها به جو تنها محدود به زمان ها و مکان های خاصی است. به همین دلیل به کار بردن روش های جدید با قابلیت هزینه کم و پوشش وسیع برای تولید پروفایل اهمیت بسیار دارد. امروزه تلاش می شود تا با استفاده از ماهواره ها و فناوری سنجش از دور، کاستی های مربوط به اندازه گیری های رادیوسوند مرتفع گردد. در این تحقیق از محصول MYD07-12 تصاویر سنجنده مادیس ماواره Aqua با قدرت تفکیک مکانی 5 کیلومتر برای استخراج پروفایل های دما و دمای نقطه شبنم استفاده شده است. برای این کار با برنامه نویسی در محیط JDL پروفایل های ایستگاه مهرآباد تهران از محصول MYD07- 12 سنجنده مادیس برای روزها و شب های مختلفی از سال 2007 استخراج گردید و سپس میزان Bias و RMSE داده های مذکور با داده های رادیوسوند محاسبه و مقایسه شد. نتایج نشان دادند که داده های پروفایل دمایی مادیس مطابقت مناسبی با داده های رادیوسوند دارند؛ و برای آنها Bias کل 95/1 و RMSE 58/6 درجه به دست آمد .
