انجمن سنجش از دور ایران / دانشگاه شهید بهشتی نشریه سنجش از دور و GIS ایران 2008-5966 14 3 2022 09 23 Preparation and Verification of Poplar Plantation Mapping Using Satellite Data of Sentinel-2 and Ground Data in Zanjan Province تهیه و صحت‌سنجی نقشة پراکنش صنوبرکاری‌ها با استفاده از تصاویر ماهواره‌ای سنتینل‌ـ 2 و داده‌های زمینی در استان زنجان 1 14 101652 10.52547/gisj.14.3.1 FA محمود بیات استادیار پژوهش، مؤسسة تحقیقات جنگل‌ها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران 0000-0003-4348-3228 خسرو میرآخرلو مربی پژوهش، موسسة تحقیقات جنگل‌ها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران حسین صادق زاده کارشناس پژوهش، مؤسسة تحقیقات جنگل‌ها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران سحر حیدری مستعلی دکتری محیط‌زیست، دانشکدة منابع طبیعی، دانشگاه تهران 0000-0002-5982-8983 Journal Article 2020 09 22 Lack of up-to-date, documented and scientific information on the current situation (area and distribution) of Zanjan poplar plantation is one of the main problems of wood production managers for planning and management of wood supply in the province and the country. In this study, Sentinel-2 satellite data with spatial resolution of 10 m in spectral bands were used and the ground truth map of existing poplar fields with 600 points was plotted in all cities and villages from field surveys. From the beginning to the end of the poplar growing season (first half of March to December 2018), at least 6 time periods of 30 to 40 days were used in the SVM classifier. Post-test and calibration of SVM model based on the phenology of poplar genus and field samples were extracted, populated area distribution map of province was extracted. The results showed that the total area of poplar areas is 2744 hectares which covers 0.12% of total area of Zanjan province. One percent of the total polygons were randomly selected for field control and after field control, the overall mapping error was obtained and calculated. In this study, the exact location and area of poplar mills were estimated with acceptable accuracy (96%). So that using extracted information (distribution map of poplars of the province) can provide studies on comprehensive planning of poplars and sustainable management of wood production from the poplars of the province. فقدان اطلاعات بهنگام، مستند و علمی از وضعیت موجود (سطح و پراکنش) صنوبرکاری‌های استان زنجان یکی مشکلات اصلی مدیران بخش زراعت چوب به‌منظور برنامه‌ریزی و مدیریت تأمین چوب در استان است. در این پژوهش، از داده‌های چندزمانة ماهوارة سنتینل‌ـ 2 برای تهیة نقشة عرصه‌های صنوبرکاری استان استفاده شد. این داده‌ها براساس فنولوژی و دورة رویش صنوبر (نیمة دوم مارس تا پایان نوامبر) سال 2018 م.، در شش مقطع زمانی به‌فاصلة سی تا چهل روز، انتخاب شد. تعداد 144 پلی‌گون نمونة تعلیمی (102 هکتار)، حاصل از برداشت میدانی محدودة صنوبرکاری، با داده‌های ذکرشده و طبقه‌بندی نظارت‌شده در الگوریتم ماشین بردار تصمیم‌گیری‌ و نقشة پراکنش عرصه‌های صنوبرکاری استان استخراج شد. نقشة حاصل با ششصد نمونه (حدود 5/1%) به‌صورت تصادفی انتخاب و در عرصة میدانی، کنترل و ارزیابی صحت شد. نتایج نشان داد مساحت کل عرصه‌های صنوبرکاری استان 2744 هکتار است که 12/0% از کل مساحت استان زنجان را دربر می‌گیرد. در این تحقیق، موقعیت دقیق مکانی و مساحت صنوبرکاری‌ها با صحت کلی 96% برآورد شد. نتایج این تحقیق نشان داد که با ترکیب تصاویر ماهواره‌ای سنتینل‌ـ 2 و داده‌های زمینی مناسب، می‌توان سطح صنوبرکاری‌ها و یا سطح و درصد تراکم هر نوع از جنگل را، چه طبیعی و چه دست‌کاشت، در سطح محلی و منطقه‌ای و جهانی، با دقت مورد قبولی برآورد کرد.

https://gisj.sbu.ac.ir/article_101652_1e97cccd8889d8f4cbf3ded0248c1860.pdf

انجمن سنجش از دور ایران / دانشگاه شهید بهشتی نشریه سنجش از دور و GIS ایران 2008-5966 14 3 2022 09 23 Detection of Rice Fields in Rasht Township Using Multi-Temporal Landsat-8 Images آشکارسازی اراضی شالیزاری شهرستان رشت با استفاده از تصاویر چندزمانة لندست‌ـ 8 15 30 101689 10.52547/gisj.14.3.15 FA امیر هدایتی دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکدة منابع طبیعی و محیط‌زیست، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران دکتر محمد حسن وحیدنیا استادیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکدة منابع طبیعی و محیط‌زیست، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران 0000-0001-7922-715X حسین آقامحمدی استادیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکدة منابع طبیعی و محیط‌زیست، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران Journal Article 2020 11 23 Rice has become one of the most important food security items in many countries, especially Iran. In this study, a model was proposed to select Landsat-8 satellite time-series images in order to prepare a map of paddy lands. The method is based on the phenological characteristics of rice plants and annual surface temperature data from the MODIS sensor. After preprocessing satellite images, they were classified using an object-based approach and fuzzy functions. Various data such as a digital elevation model, land surface temperature, and spectral indices including NDVI, EVI, NDBI and LSWI are used to improve the classification process. In addition, information about the segmentation of the image is employed during the process of classification. Because of the different traits of paddy fields, a digital elevation model with a resolution of 12.5 meters was used to help differentiate paddy lands from other vegetation. In addition, a comparison was made between the results of classification based on object-based and pixel-based methods. The results showed that the object-based classification yields better results than the pixel-based method with special considerations. The classification result following validation using ENVI software pixel-based classification indicated an overall accuracy of 92 percent and a kappa value of 0.89. This is in contrast to the object-based classification technique in the eCognition software, which yielded an overall accuracy of 94 percent and a kappa coefficient of 0.92. در بسیاری از کشورها به‌ویژه ایران، برنج به یکی از اقلام اساسی به‌لحاظ امنیت غذایی تبدیل شده است. در این تحقیق، به‌منظور تهیة نقشة سطوح شالیزاری، با توجه به ویژگی‌های فنولوژیکی گیاه برنج و به‌کمک داده‌های سالیانة دمای سطح زمین سنجندة مادیس، ابتدا برنامة زمانی برای انتخاب تصاویر سری زمانی ماهوارة لندست‌ـ 8 تنظیم شد. پس از دریافت داده‌های ماهواره‌ای، به‌روش شیء‌مبنا و با بهره‌گیری از توابع فازی، به طبقه‌بندی تصاویر و در نهایت، استخراج اراضی شالیزاری در حوزة شهرستان رشت پرداخته شد. به‌منظور بهبود و ارتقای نتایج، در این تحقیق طی فرایند طبقه‌بندی تصاویر ماهواره‌ای، از داده‌های متنوعی مانند مدل رقومی زمین، داده‌های دمای سطح زمین و شاخص‌های طیفی همچون NDVI، EVI، NDBI و LSWI در کنار اطلاعاتی دربارة ویژگی‌های خاص عوارض و اشیای داخل تصویر، استفاده شد. با توجه به خصوصیات ویژة اراضی شالیزاری، از مدل رقومی ارتفاعی 12.5متری برای تشخیص بهتر اراضی شالیزاری از دیگر پوشش‌های گیاهی، بهره گرفته شد. همچنین بین نتایج حاصل از طبقه‌بندی به‌روش شیء‌مبنا و پیکسل‌مبنا، مقایسه‌ای صورت گرفت؛ در نهایت، مشخص شد که روش طبقه‌بندی شیء‌مبنا می‌تواند، با ملاحظات خاصی، نتایجی بهتر از روش پیکسل‌مبنا دربر داشته باشد. نتیجة طبقه‌بندی با روش پیکسل‌مبنا، پس از اعتبارسنجی، دقت کلی 92% را نشان داد و ضریب کاپا در این روش 89/0 برآورد شد. طبق روش طبقه‌بندی شی‌ء‌مبنا، نتایجی با دقت کلی 94% به‌دست آمد و ضریب کاپا نیز 92/0 حاصل شد.

https://gisj.sbu.ac.ir/article_101689_fcc3267ecf927c0cfb21e1f06b2c7822.pdf

انجمن سنجش از دور ایران / دانشگاه شهید بهشتی نشریه سنجش از دور و GIS ایران 2008-5966 14 3 2022 09 23 Determining the Most Appropriate Electromagnetic Spectrum for Predicting Nutrients in a Number of Rangeland Species Using Remote Sensing تعیین مناسب‌ترین طیف الکترومغناطیس برای پیش‌بینی عناصر غذایی در برخی گونه‌های مرتعی، با استفاده از طیف‌سنجی 31 46 102036 10.52547/gisj.14.3.31 FA علیرضا محمودی استادیار بخش مهندسی طبیعت، دانشکدة کشاورزی و منابع طبیعی داراب، دانشگاه شیراز مرضیه مکرم دانشیار بخش جغرافیا، دانشکدة اقتصاد، مدیریت و علوم اجتماعی، دانشگاه شیراز Journal Article 2021 06 26 Today, remote sensing is used for plant studies, such as determining nutrient levels, plant diseases, water deficiency or excess, weed identification, and so on. As electromagnetic waves strike the plants, they react in different ways (absorption, reflection or passage) based on the characteristics of the plants. The quantity of nutrients in a plant can be determined through measurement science in plant studies. Since the amount of nutrients in the plant can be determined, it is possible to know how much fertilizer the plant needs. On the other hand, identified the nutrients in the plant, especially rangeland plants. A spectrometer was used to measure the plant's response to electromagnetic waves in the range of 0.3 to 1.1 m. Following that, the relationship between the amount of electromagnetic waves and the amount of nutrients in these plants was determined. The results showed that in Fagonia bruguieri b1026 nm, in Peganum harmala b1040 nm, in Ziziphus spina-christi b1046 nm, in Tecurium persicum band 1030 nm, in Vitex pesedo-negundo b400 and b1038 and in Otostegia persica band They are effective in predicting the value of P. For the prediction of Zn in F. bruguieri b1026 nm band, in P.harmala b1040 nm band, in Z. spina-christi ba1045 nm band, in T. persicum pea b1030 nm band, in V. pesedo-negundo plant b1010 nm and in O. persica band They are the most effective bands. To predict Cu, it is determined using spectral band values that in F.bruguieri band is b402 nm, in P. harmala band is b410 nm, in Z. spina-christi band is b1046 nm, in T. persicum band is b1030 nm, in V.pesedo and O. persica b1038 are the most effective bands. امروزه از علم سنجش از دور برای مطالعات گیاهی ازجمله تعیین مواد مغذی، بیماری‌های گیاهی، کمبود آب یا مازاد آن، شناسایی علف‌های هرز استفاده می‌شود. گیاه، براساس ویژگی‌هایی که دارد، با برخورد امواج الکترومغناطیس به آن واکنش‌های متفاوتی در مقابل امواج (میزان جذب، انعکاس یا عبور) از خود نشان می‌دهد. ازجمله اطلاعاتی که علم سنجش در این زمینه می‌تواند به‌دست آورد میزان مواد مغذی موجود در گیاه است. با تعیین میزان مواد مغذی موجود در گیاه، می‌توان از مقدار کود مورد نیاز گیاه آگاهی یافت و از سویی، این مواد مغذی، به‌ویژه گیاهان مرتعی را شناسایی کرد. هدف از این مطالعه تعیین مواد مغذی موجود در گیاهان مرتعی مریم‌نخودی دارابی، اسفند، پنج‌انگشت، اسفند رومی، کُنار، شکر شفا با به‌کارگیری دانش سنجش از دور است. برای رسیدن به این هدف، با استفاده از طیف‌سنج در بازة طیفی ۳/۰ تا ۱/۱ میکرومتر، واکنش گیاه به امواج الکترومغناطیس مشخص شد. سپس با تعیین مواد غذایی موجود در این گیاهان، رابطة بین میزان انعکاس‌های امواج الکترومغناطیس با مقدار مواد مغذی در این گیاهان تعیین شد. نتایج نشان داد که در گیاه اسفند رومی باند ۱۰۲۶ نانومتر، در گیاه اسفند باند ۱۰۴۰ نانومتر، در گیاه کُنار باند ۱۰۴۶ نانومتر، در گیاه مریم‌نخودی باند ۱۰۳۰، در گیاه پنج‌انگشت باند ۴۰۰ و ۱۰۳۸ و در شکر شفا باند ۱۰۳۸ مؤثرترین باندها در پیش‌بینی مقدار P مؤثرند. از دیگرسو، به‌منظور پیش‌بینی Zn در گیاه اسفند رومی باند ۱۰۲۶ نانومتر، در گیاه اسفند باند ۱۰۴۰، در گیاه کُنار باند ۱۰۴۵، در گیاه مریم‌نخودی باند ۱۰۳۰، در گیاه پنج‌انگشت باند ۱۰۱۰ و در شکر شفا باند ۱۰۲۸ مؤثرترین باندها به‌شمار می‌روند. به‌منظور پیش‌بینی Cu با استفاده از مقادیر باندهای طیفی، مشخص می‌شود در گیاه اسفند رومی باند ۴۰۲ نانومتر، در گیاه اسفند باند ۴۱۰، در گیاه کُنار باند ۱۰۴۶، در مریم‌نخودی باند ۱۰۳۰، در پنج‌انگشت و در شکر شفا باند ۱۰۳۸ مؤثرترین باندها محسوب می‌شوند.

https://gisj.sbu.ac.ir/article_102036_8e5b86e5ee7a3e99390794af3930e80e.pdf

انجمن سنجش از دور ایران / دانشگاه شهید بهشتی نشریه سنجش از دور و GIS ایران 2008-5966 14 3 2022 09 23 Investigation of Alteration Deposit Zones of Porphyry Copper Ore Using Multispectral Satellite Imagery (Aster, Landsat-8 and Sentinel-2) and Ground Controls (Case study: MasjedDaghi copper deposit - NW Iran) بررسی نواحی دگرسانی کانسار مس پورفیری با استفاده از تصاویر ماهواره‌ای چندطیفی (سنتینل‌ـ 2، لندست‌ـ 8 و استر) و کنترل‌های زمینی (مطالعة موردی: کانسار مس مسجدداغی‌ـ شمال‌غرب ایران) 47 74 102017 10.52547/gisj.14.3.47 FA مریم سادات احمدی کارشناس ارشد سنجش از دور، گروه مهندسی نقشه‌برداری، دانشگاه تربیت دبیر شهید رجایی، تهران عباس مالیان عضو هیأت علمی گروه مهندسی نقشه‌برداری، دانشگاه تربیت دبیر شهید رجایی، تهران Journal Article 2020 11 03 The design of Remote Sensing algorithms and the development of various methods of processing satellite images to identify porphyry copper deposits are among the important topics of studies in the field of mineral resource evaluation and their optimal exploitation. To this end, the determination of alteration zones provides a suitable tool for designing acceptable exploratory patterns. In this research with an almost comprehensive strategy and using the determination of alterations related to porphyry copper deposit based on Lowell and Gilbert model with three different strategies (visual, spectral and statistical processing) as well as the extraction of linements in the case area The study suggested the concentration range of the mineral for drilling. The study area in this article is Masjed Daghi porphyry copper deposit in the northeast of East Azerbaijan province, which consists of multispectral satellite images of ASTER, OLI of Landsat-8 and Sentinel-2 sensors for various processes including band ratio combinations, principal component analysis and pixel and subpixels basics spectral processing methods including SAM and MTMF, and statistical processing using the logical operator algorithm. Finally, by fuzzy and combining the layers of satellite image processing with geometric structures of the region (linements) which were extracted on Sentinel-2 data in two automatic and semi-automatic methods, the results were analyzed in GIS space and by comparing the presented results with the analysis of ground samples, the accuracy and conformity of the target areas were confirmed. User and producer accuracy for the area with the first priority were 78.54% and 78.36%, respectively, which are more appropriate criteria for introducing the area of the drilling center. طراحی الگوریتم‌های سنجش از دور و توسعة روش‌های گوناگون پردازش تصاویر ماهواره‌ای، برای شناسایی کانسارهای مس پورفیری، ازجمله موضوعات مهم مطالعات در زمینة ارزیابی منابع معدنی و بهره‌برداری بهینه از آنهاست. به این منظور، تعیین نواحی دگرسانی ابزار مناسبی به‌منظور طراحی الگوهای مورد ‌قبول اکتشافی فراهم می‌آورد. در این پژوهش، با راهبردی جامع و با استفاده از تعیین حدود دگرسانی‌های مرتبط با کانسار مس پورفیری برمبنای مدل لوول و گیلبرت با سه نوع راهبرد متفاوت (پردازش‌های بصری، طیفی و آماری) و همچنین استخراج خط‌واره‌ها در منطقة مورد مطالعه، محدودة تمرکز مادة معدنی برای حفاری پیشنهاد شد. منطقة مورد مطالعه، در این مقاله، کانسار مس پورفیری مسجدداغی در شمال‌شرق استان آذربایجان‌شرقی است. در این پژوهش، از تصاویر ماهواره‌ای چندطیفی استر، سنجندة OLI لندست‌ـ 8 و سنتینل‌ـ 2 برای پردازش‌های گوناگون مانند ترکیبات نسبت‌های باندی، تحلیل مؤلفة اصلی و روش‌های پردازش طیفی پیکسل‌مبنا و زیرپیکسلی، ازجمله SAM و MTMF و پردازش‌های آماری مبتنی‌بر الگوریتم عملگر منطقی استفاده شد. در نهایت، با فازی‌سازی و تلفیق لایه‌های حاصل از پردازش‌های تصاویر ماهواره‌ای با ساختارهای هندسی منطقه (خط‌واره‌ها) که روی داده‌های سنتینل‌ـ 2 به دو روش خودکار و نیمه‌خودکار استخراج شدند، نتایج در فضای GIS تحلیل شد و پس از مقایسة نتایج ارائه‌شده با تحلیل نمونه‌های زمینی، صحت و تطابق مناطق مورد نظر تأیید شد. دقت کاربر و سازنده درمورد محدودة دارای اولویت به‌ترتیب 54/78% و 36/78% به‌دست آمد که معیار سنجش مناسب‌تری برای معرفی محدودة مرکز حفاری است.

https://gisj.sbu.ac.ir/article_102017_6304623fc5776371bc4ca534da848b73.pdf

انجمن سنجش از دور ایران / دانشگاه شهید بهشتی نشریه سنجش از دور و GIS ایران 2008-5966 14 3 2022 09 23 Improving the Segmentation of Polarimetric Images with a Combined Approach of Region-Based and Boundary-Based Techniques بهبود قطعه‌بندی تصاویر پلاریمتری با رویکرد ترکیبی تکنیک‌های ناحیه‌مبنا و مرزمبنا 75 88 102139 10.52547/gisj.14.3.75 FA مرجان طاهری دانشجوی کارشناسی ارشد سنجش از دور، دانشکدة مهندسی نقشه‌برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی محمودرضا صاحبی دانشیار دانشکدة مهندسی نقشه‌برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی 0000-0001-7742-3974 مهرنوش امتی دانشجوی دکتری سنجش از دور، دانشکدة مهندسی نقشه‌برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی 0000-0001-6760-8959 Journal Article 2021 09 08 Synthetic aperture radar (SAR) sensors with various properties offer potential in various remote sensing applications, such as land cover and land use segmentation. Despite the two independent approaches of region-based segmentation and boundary-based segmentation, it isn't easy to obtain satisfactory results if either process is used in SAR images. In contrast, complementary information can be obtained using both region-based and boundary-based segmentation methods, removing existing limitations and improving results. In this research, with the help of polarimetric SAR images, a new segmentation method is presented, aiming to improve segmentation results by combining the two region-based and boundary-based approaches. From the set of superpixel methods, the Felzenszwalb method as a proposed region-based algorithm is compared with Quickshift and SLIC methods. The proposed method was able to prevent over-segmentation of the image and significantly increased the efficiency of segmentation analysis. Also, as the proposed method of boundary-based segmentation, Shannon entropy has considerably preserved the boundaries of the image segmentation compared to the two gradient-based methods, Canny and Laplacian. Comparison of the results of this method with reference data shows the total error of 10.39% and 11.25% for the first and second-time images, respectively. Compared to the performance of the other two methods, the absolute error has been decreased to 5.81% and 9.73% in the first image, and 11.16% and 13.86% in the second image, respectively. Finally, as a significant achievement of this research, integrating the two proposed segmentation algorithms improves the accuracy of polarimetric image segmentation. سنجنده‌های رادار با روزنة مجازی، با داشتن ویژگی‌های گسترده، پتانسیل بسیاری در انواع کاربردهای سنجش از دوری دارند؛ ازجمله در قطعه‌بندی به‌هنگام پوشش و کاربری اراضی. با وجود دو رویکرد مستقل قطعه‌بندی ناحیه‌مبنا و مرزمبنا، به‌دست‌آوردن نتایج رضایت‌بخش در صورت استفاده از هریک از رویکردها در تصاویر SAR دشوار بوده است؛ درحالی‌که می‌توان با استفاده از اطلاعات مکمل هر دو روش، محدودیت‌های موجود را برطرف کرد و نتایج حاصل را بهبود بخشید. در این پژوهش، روش نوینی در قطعه‌بندی با استفاده از تصاویر پلاریمتری SAR و با هدف بهبود نتایج قطعه‌بندی مطرح شده که از ادغام هر دو رویکرد بهره گرفته است. روش پیشنهادی Felzenszwalb به‌منزلة الگوریتم پیشنهادی ناحیه‌مبنا، از مجموعه روش‌های سوپرپیکسل، با دو روش Quickshift و SLIC مقایسه شد. نتیجه مشخص کرد که روش پیشنهادی توانسته است از قطعه‌بندی بیش‌ازحد تصویر جلوگیری کند و کارآیی آنالیز قطعه‌بندی را افزایش درخور توجهی بخشد. روش پیشنهادی قطعه‌بندی مرزمبنای آنتروپی شانون نیز، در مقایسه با دو روش گرادیان‌مبنای کنی و لاپلاسین، مرزهای قطعات تصویری را تا اندازة ‌چشمگیری حفظ کرده است. مقایسة نتایج حاصل از اجرای این روش با داده‌های مرجع، مقادیر 39/10% و 25/11% را درمورد خطای کل، به‌ترتیب برای تصویر زمان اول و دوم، نشان می‌دهد. خطای کل، در مقایسه با عملکرد دو روش دیگر، 81/5 و 73/9% در تصویر اول و 16/11 و 86/13% در تصویر دوم بهبود داده شده است. در نهایت، ادغام دو رویکرد پیشنهادی قطعه‌بندی سبب شده است بهبود دقت در قطعه‌بندی تصویر پلاریمتری دستاورد مهم این پژوهش محسوب شود.

https://gisj.sbu.ac.ir/article_102139_5d4cedd971c81b3ec3d62e46334af148.pdf

انجمن سنجش از دور ایران / دانشگاه شهید بهشتی نشریه سنجش از دور و GIS ایران 2008-5966 14 3 2022 09 23 Oil Spill Detection Using MODIS and Sentinel-1 Images; A Case Study of Northern Persian Gulf آشکارسازی نشت نفت با استفاده از تصاویر مادیس و سنتینل _‌ 1 (مطالعة موردی: شمال خلیج‌فارس) 89 104 102196 10.52547/gisj.14.3.89 FA مجید هاشمی تنگستانی استاد بخش علوم زمین، دانشکدة علوم، دانشگاه شیراز مرجان کریمی دانشجوی کارشناسی ارشد سنجش از دور زمین‌شناختی، دانشکدة علوم، دانشگاه شیراز Journal Article 2020 07 06 In recent years, maritime and aerial surveillance have become commonplace for marine pollution control; however, these methods alone cannot provide rapid and systematic monitoring due to the limitations of weather conditions, time, and location. In this regard, satellite remote sensing can play an important role in the initial detection and continuous monitoring of oil spills at sea. The synthetic aperture radar (SAR) sensor is an active microwave sensing system that can be used for oil spill detection, along with optical sensors such as MODIS, with simultaneous imaging capability. The aim of this study was to detect the oil spills around oil platforms in the northern part of the Persian Gulf on June 15, and 17, 2015, using MODIS thermal infrared imagery and Sentinel-1 images. To estimate the sea surface temperature, the split-window algorithm was applied to band 20 of MODIS. Results showed that the sea surface covered by oil spill has lower temperature than surroundings. For accurate detection of oil slicks and accuracy assessment of the results of applied image processing method on the MODIS data, the Sentinel-1 vertical polarization image and noise removal processes such as filtering and multi-looking were used. Finally, by comparing the field temperature measured by Boushehr marine waveguide and the temperature estimated for the MODIS image, and review of the geographical location of detected oil slicks, the accuracy of the results of this study and the applied image processing methods were confirmed. Application of MODIS band 20 aiming the extraction of sea-surface temperature, and its thermal infrared bands for oil spill detection at sea surface are evaluated in this study for the first time. 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.

https://gisj.sbu.ac.ir/article_102196_b4850a9e6467ff104ac6dc27ecd615bd.pdf

انجمن سنجش از دور ایران / دانشگاه شهید بهشتی نشریه سنجش از دور و GIS ایران 2008-5966 14 3 2022 09 23 Object-Oriented Classification of Urban Areas Using a Combination of Sentinel-1 and Sentinel-2 Images طبقه‏بندی شیءگرای مناطق شهری با تلفیق تصاویر سنتینل‌ـ 1 و سنتینل‌ـ 2 105 121 102349 10.52547/gisj.14.3.105 FA رضا شاه حسینی استادیار دانشکدة مهندسی نقشه‌برداری و اطلاعات مکانی، دانشکدگان فنی دانشگاه تهران کمال عزیزی کارشناس ارشد دانشکدة مهندسی نقشه‌برداری و اطلاعات مکانی، دانشکدگان فنی دانشگاه تهران ارسطو زارعی کارشناس ارشد دانشکدة مهندسی نقشه‌برداری و اطلاعات مکانی، دانشکدگان فنی دانشگاه تهران 0000-0002-9763-7440 فاطمه مرادی کارشناس ارشد دانشکدة مهندسی نقشه‌برداری و اطلاعات مکانی، دانشکدگان فنی دانشگاه تهران Journal Article 2020 03 19 Land use maps describe the spatial distribution of natural resources, cultural landscapes, and human settlements that are essential for decision-makers. Therefore, the accuracy of maps obtained from the classification of satellite images is very effective in uncertainty for urban management. Due to the uniform quality of images in large areas at regular intervals, remote sensing images are essential for land use maps. The primary purpose of this study is to present a proposed method to create an accurate land cover map in urban areas using a combination of Sentinel-1 and Sentinel-2 data. For this purpose, the features of the backscattering coefficient VV and the two parameters obtained from the H-α decomposition method (entropy, alpha) of Sentinel-1 radar images and the features of the blue, green, red band, NDVI, NDWI, MNDWI, and SWI were extracted from Sentinel-2 Multispectral images and used as influential components to classify the urban area. To separate agricultural areas from other coatings, the SWI index was used. Elevation data have also been used to optimally distinguish complex classes with different topographies. We evaluated the extraction of effective indicators from these two datasets in an object-oriented approach based on support vector machine algorithms and random forest for land use classification. The results showed that using properties extracted from radar and Multispectral images simultaneously in the object-oriented classification method could altogether determinate the object's properties in the study area. When optical and radar data were used simultaneously for both classification algorithms, the overall accuracy classification increased. For the stochastic forest method, which provided the highest accuracy, the overall accuracy for the radar and optics data combination approach increased by 13% and 5%, respectively, compared to the radar feature approach and the optics feature approach alone. There was also a significant difference in classification accuracy at all levels between the support vector machine classification algorithm and the random forest. The results showed that the random forest classification method's overall accuracy and support vector machines were 83.3 and 79.8%, respectively, and the kappa coefficient was 0.72 and 0.68%, respectively. 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.

https://gisj.sbu.ac.ir/article_102349_40ee8b316b436860cbfbdd515162bd7d.pdf