میترا شیرازی؛ محمد اخوان قالیباف؛ حمیدرضا متین فر؛ منصور نخکش
دوره 26، شماره 4 ، دی 1398، ، صفحه 855-867
چکیده
گرد و غبار از جمله عوامل مهم تاثیرگذار بر بیلان تابش و بازتابش خورشیدی در جو زمین است و از این نظر بر اقلیم محلی دارای تاثیر بسزایی می باشد. آشکارسازی ریزگردهای موجود در جو بر روی مناطق بیابانی بر خلاف دریا و اقیانوس ها (سطوح تیره) به دلیل تداخل بازتاب های طیفی سطوح روشن و گرد و غبار به سختی صورت می گیرد. ارائه روشی ساده و کم هزینه برای ...
بیشتر
گرد و غبار از جمله عوامل مهم تاثیرگذار بر بیلان تابش و بازتابش خورشیدی در جو زمین است و از این نظر بر اقلیم محلی دارای تاثیر بسزایی می باشد. آشکارسازی ریزگردهای موجود در جو بر روی مناطق بیابانی بر خلاف دریا و اقیانوس ها (سطوح تیره) به دلیل تداخل بازتاب های طیفی سطوح روشن و گرد و غبار به سختی صورت می گیرد. ارائه روشی ساده و کم هزینه برای شناسایی ریزگرد ها و پیش بینی اثرات آن ضروری است. از جمله شاخص های مهم شناشایی گرد و غبار و دود، شاخص ضخامت نوری ریزگرد ( Aerosol Optical Thickness) می باشد که بصورت محصول آماده در مقیاس وسیع (10×10 km) عرضه می شود که مناسب برای آشکار سازی گرد و غبار محلی نمی باشد. هدف از انجام این تحقیق استفاده از داده های طیف مرئی و مادون قرمز میانی سنجنده OLI برای شناسایی ریزگردهای مناطق بیابانی است. در این تحقیق با استفاده از طول موج مادون قرمز میانی( (2.1µm و طول موجهای قرمز و آبی ضخامت نوری ریزگرد (AOT) محاسبه شد. نتایج نشان داد نسبت بین طول موج قرمز و مادون قرمز میانی 95/0 و طول موج آبی و مادون قرمز میانی 05/1 است. مقایسه نتایج حاصل از محاسبه شاخص ضخامت نوری ریزگرد با اندازه گیری توسط تابش سنج نشان داد همبستگی بین داده های روش محاسباتی با داده های اندازه گیری مستقیم برای طول موج قرمز و آبی به ترتیب 83/0 و 95/0 و مجذور میانگین مربعات خطا (RMSE).به ترتیب 91/0 و 4/9 است. بنابراین میتوان گفت روش این تحقیق برای برآورد ضخامت نوری ریزگرد در طول موج 65/0 میکرومتر (AOT 0.65µm) دارای دقت کافی بوده و برای اندازه گیری ضخامت نوری ریزگرد در طول موج 47/0 میکرومتر (AOT 0.47µm) مناسب نیست.
میترا شیرازی؛ محمد اخوان قالیباف؛ حمیدرضا متین فر؛ منصور نخکش
دوره 26، شماره 3 ، مهر 1398، ، صفحه 570-586
چکیده
از عمده مشکلات سنجنده های مستقر بر سکوهای هوایی و فضایی نبود قدرت تفکیک مکانی، رادیومتریک طیفی و زمانی بالا بصورت همزمان است زیرا طراحی چنین سنجنده هایی علاوه بر هزینه بری بالا دارای مشکلاتی در طراحی سنجنده می باشند. از طرف دیگر شناسایی و پایش بسیاری از پدیده های محیطی نیازمند به بکارگیری سنجنده هایی با قدرت تفکیک مکانی، طیفی ...
بیشتر
از عمده مشکلات سنجنده های مستقر بر سکوهای هوایی و فضایی نبود قدرت تفکیک مکانی، رادیومتریک طیفی و زمانی بالا بصورت همزمان است زیرا طراحی چنین سنجنده هایی علاوه بر هزینه بری بالا دارای مشکلاتی در طراحی سنجنده می باشند. از طرف دیگر شناسایی و پایش بسیاری از پدیده های محیطی نیازمند به بکارگیری سنجنده هایی با قدرت تفکیک مکانی، طیفی و زمانی بالا بصورت همزمان است. بنابراین جهت پایش بسیاری از عوامل موجود در اکوسیستمهای طبیعی از جمله آب، خاک و اتمسفر بکارگیری روشهای ریزمقیاس سازی در ادغام تصاویر دو یا چند سنجنده با قدرت تفکیک مکانی، رادیومتری و زمانی متفاوت راهگشا است. ریزگرد ها به خصوص ریزگردهای حاصل از فعالیت صنایع و معادن، جزء ذرات معلق اتمسفر هستند که شناسایی آنها از اهمیت بسیاری برخوردار است. پایش ریزگرد نیازمند به سنجنده ای است که همزمان دارای قدرت تفکیک رادیومتری، مکانی و زمانی بالا باشد که این امر در یک سنجنده عملا غیر ممکن است. بدین منظور میتوان از تلفیق تصاویر سنجنده مودیس با قدرت تفکیک رادیومتری و زمانی بالا با تصاویر لندست با قدرت تفکیک مکانی بالا استفاده نمود. از جمله شاخص های معروف برای بارزسازی ریزگرد، شاخص NDDI است که با استفاده از طول موج های مادون قرمز میانی (2.1μm) و آبی (0.47 μm) بدست می آید. در این تحقیق سعی بر آن شد تا از چندین الگوریتم ریزمقیاس سازی از جمله Bovery، Gram-Shcmidt، STARFM، ESTARFM، wavelet، PBIM، SIFM و HPF برای ادغام تصاویر سنجنده های مودیس و لندست مربوط به تاریخ 8 ژولای 2016 استفاده شود و با نتایج حاصل نقشه های پهنه بندی شاخص NDDI تهیه گردد. نتایج ارزیابی نشان داد بهترین روش ادغام روش های STARFM و ESTARFM و PBIM است که با تصاویر سنجنده لندست دارای ضریب تبین( R2) به ترتیب 88/0، 91/0، 99/0 و با تصاویر مودیس 51/0، 5/0 و 57/0 می باشد. مجذور میانگین مربعات خطا (RMSE) برای هر سه روش بسیار ناچیز و به ترتیب 02/0، 004/0 و 055/0 برای تصاویراصلی لندست و 004/0، 06/0 و 1/0 برای تصاویر اصلی مودیس می باشد. بنابراین میتوان از روشهای STARFM و ESTARFM و PBIM جهت ترکیب تصاویر سنجنده مودیس و لندست به قصد افزایش قدرت تفکیک مکانی، طیفی و زمانی با دقت بالا استفاده نمود.