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.
رضا شاه حسینی؛ کمال عزیزی؛ ارسطو زارعی؛ فاطمه مرادی
چکیده
نقشه‌های کاربری زمین، توزیع فضایی منابع طبیعی، مناظر فرهنگی و سکونتگاه‌های انسانی را توصیف می‌کنند که به‌منزلة ابزار برنامه‌ریزی مهمی برای تصمیم‌گیرندگان عمل می‌کند؛ بنابراین دقت نقشه‌های حاصل از طبقه‌بندی تصاویر ماهواره‌ای در عدم قطعیت به‌منظور مدیریت شهری بسیار تأثیرگذار است. با توجه به کیفیت یکنواخت تصاویر در ...
بیشتر
نقشه‌های کاربری زمین، توزیع فضایی منابع طبیعی، مناظر فرهنگی و سکونتگاه‌های انسانی را توصیف می‌کنند که به‌منزلة ابزار برنامه‌ریزی مهمی برای تصمیم‌گیرندگان عمل می‌کند؛ بنابراین دقت نقشه‌های حاصل از طبقه‌بندی تصاویر ماهواره‌ای در عدم قطعیت به‌منظور 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 نقشه‌های کاربری زمین شمرده می‌شوند. هدف اصلی از این تحقیق پیشنهاد‌کردن روشی به‌منظور ایجاد نقشة پوشش اراضی دقیق در مناطق شهری، با استفاده از تلفیق داده‌های سنتینل‌ـ 1 و سنتینل‌ـ 2 است. به این منظور، ویژگی‌های ضریب بازپراکنش راداری VV و دو پارامتر حاصل از روش تجزیة H-α (آنتروپی، آلفا) از تصاویر راداری سنتینل‌ـ 1 و ویژگی‌های باند آبی، سبز، قرمز، شاخص‌های NDVI، NDWI، MNDWI و SWI از تصاویر اپتیک سنتینل‌ـ 2 استخراج و به منزلة مؤلفه‌های تأثیرگذار در طبقه‌بندی منطقة شهری استفاده شد. در این مطالعه، با هدف جداسازی مناطق کشاورزی از سایر پوشش‌ها، از شاخص رطوبت SWI استفاده شد. همچنین داده‌های ارتفاعی برای تفکیک بهینة کلاس‌های پیچیده با توپوگرافی متفاوت به‌کار رفت. استخراج شاخص‌های تأثیرگذار از این دو مجموعه داده، در رویکردی شیءگرا مبتنی بر الگوریتم‌های ماشین بردار پشتیبان و جنگل تصادفی، برای طبقه‌بندی کاربری زمین ارزیابی شد. نتایج نشان داد که به‌کارگرفتن ویژگی‌های استخراج‌شده از تصاویر راداری و اپتیک به‌طور هم‌زمان، در روش طبقه‌بندی شیءگرا، می‌تواند ویژگی‌های شیء را به‌طور کامل در ناحیة مورد مطالعه استخراج کند. در مورد هر دو الگوریتم طبقه‌بندی، زمانی که از داده‌های اپتیک و راداری به‌طور هم‌زمان استفاده شد، دقت کلی طبقه‌بندی افزایش داشت. در مورد روش جنگل تصادفی که بیشترین دقت‌ها را دربر داشت، دقت کلی برای رویکرد ترکیب داده‌های راداری و اپتیک به‌میزان 13 و 5%، به‌ترتیب به نسبت رویکرد تنها ویژگی راداری و تنها رویکرد ویژگی اپتیک، افزایش پیدا کرده است. همچنین اختلاف معنیداری در دقت طبقه‌بندی، در تمامی سطوح، بین الگوریتم طبقه‌بندی ماشین بردار پشتیبان و جنگل تصادفی دیده می‌شود. نتایج نشان داد که دقت کلی درمورد روش طبقه‌بندی جنگل تصادفی و ماشین بردار پشتیبان به‌ترتیب برابر 3/83 و 8/79% و ضریب کاپا به‌ترتیب 72/0 و 68/0% بوده است.
