dai algorithm
در نشریات گروه محیط زیست-
سابقه و هدف
الگوریتم سنجه گرد و غبار آئروسل بر اساس اندازه گیری در طول موج های دیپ بلو (412 نانومتر)، آبی (440 نانومتر) و موج کوتاه IR (2130 نانومتر(با استفاده از مشاهده های مودیس(MODIS) توسعه داده شده است. اندازه گیری هایی که در بخش کوتاه طول موج مرئی مانند بخش دیپ بلو یا فرابنفش صورت گرفته است. بخوبی قادر به شناسایی ریز گرد در ناحیه های بیابانی می باشد. بدین وسیله با استفاده از امواج کوتاه محدوده مرئی بازیابی اطلاعات توده های ریز گرد بویژه در منطقه های بیابانی با دقت بالایی صورت گرفت. منطقه های غرب و جنوب غرب ایران بدلیل مجاورت با بیابان کشورهای مجاور، همواره در معرض سامانه های گرد و غباری قرارگرفته است. با توجه به اینکه پیش ازاین بیشتر سنجه های طیفی مطرح شده برای شناسایی گرد و غبار بر اساس اندازه گیری های سنجه های ماهواره ای برای منطقه های بیابانی آزمون و اجراشده است، این سنجه ها و حد آستانه مربوط به آن ها برای منطقه های با توپوگرافی پیچیده تر نیاز به بررسی های بیشتر و دقیق تری دارند. ازاین رو در منطقه های غرب و جنوب غرب ایران که شرایط کوهستانی با تنوع پوشش گیاهی حکم فرماست، لازم است روش های شناسایی گرد و غبار، آزمون و ارزیابی شوند.
مواد و روش هامحدوده مورد پژوهش شامل استان های خوزستان، ایلام و کرمانشاه می باشد. این منطقه مساحتی حدود 107307 کیلومترمربع را پوشش می دهد. در این مطالعه از داده های MODIS L1B از ماهواره Aqua برای روزهای گرد و غباری 18 می و 25ژوئن سال 2013 و 2015 استفاده گردید. قبل از انجام محاسبات طیفی بر روی محصول های مختلف مادیس باید داده های این سنجنده پیش پردازش شوند. پیش پردازش های انجام شده شامل تصحیح هندسی تصاویر ها، ژئورفرنس کردن، ماسک ابر و آب با ENVI و توسط ماژول conversion Tool است. پس از پیش پردازش (ژئورفرنس کردن, جدا کردن محدوده مورد مطالعه, و ماسک آب و پوشش ابر) از داده های ماهواره ای، رادیانس طیفی TOA بازیابی شده با استفاده از داده های ماهواره ای با توجه به شرایط نور خورشید برای هر طول موج نرمالیزه شده است.
نتایج و بحث: به طور کلی، مشخص شد که تمام نقشه های AOD با استفاده از روش مستقیم، توزیع مکانی بسیار خوب الگوی آئروسل محلی در مقایسه با روش های دیگر را نشان داد. واضح است نقشه AOD بازیابی شده از طیف L1B می تواند نشان دهد که توزیع مکانی AOD محلی بسیار واضح است،. الگوریتم سنجه DAI شبیه سازی وابستگی طیفی بالای اتمسفر در منطقه طول موج آبی برای شرایط مختلف سطح و جو با یک نسخه برداری کاملا تست شده از کد انتقال تابشی-6S می باشد. این سنجه، مشابه سنجه AI بوده که سنجه غبار آلودگی می باشد که ازجمله محصول های سنجنده TOMS بوده که از ابزارهای قابل اعتماد در ارتباط با اندازه گیری های ذرات معلق بر فراز اقیانوس ها، تمام سطح های مختلف زمین و همچنین ابرها بشمار می رود.نتیجه گیریبرخلاف برخی از الگوریتم های تشخیص گرد و غبار که با استفاده از اندازه گیری ها در باند مادون قرمز حرارتی انجام می شود، مزیت این الگوریتم استفاده از وابستگی طیفی پراکندگی ریلی، بازتاب سطح و جذب گرد و غبار موجود در هوا برای تشخیص گرد و غبار می باشد. مزیت استفاده از اندازه گیری در منطقه طول موج آبی (410 تا 490 نانومتر) برای بازیابی خواص نوری آئروسل می باشد.
کلید واژگان: الگوریتم DAI، تصاویر ماهواره ای مودیس، گرد و غبار، شناساییIntroductionA dust aerosol index (DAI) algorithm based on measurements in deep blue (412 nm), blue (440 nm), and shortwave IR )2130 nm( wavelengths using Moderate Resolution Imaging Spectroradiometer )MODIS( observations has been developed. Measurements made in the shortwavelength segment, such as the deep blue or ultraviolet section, are well-detectable in the desert area. Using short-range waves, the visual retention of fine-grained mass data, especially in desert areas, was carefully monitored. The western and southwestern Iran are always exposed to dusty systems due to its vicinity to the deserts of neighboring countries. With regard to the fact that most of the spectral indices proposed for the identification of dust have been tested and implemented based on satellite indicators for desert areas, these indicators and their related thresholds for complex topography areas need more accurate analyses. Therefore, in the western and south western Iran, which are mountainous with a diverse vegetation, it is necessary to test and evaluate dust detection methods.
Material and methodsThe study area included Khuzestan, Ilam and Kermanshah provinces, which is about 107307 square kilometers. In this study, MODIS L1B data from the Aqua satellite was used for dusty days on May 18 and June 25, 2013 and 2015. Before performing spectral calculations on various products, the data of this sensor was preprocessed, which included geometric correction of images, mask cloud and water masks with ENVI and the conversion tool module. After preprocessing (georges, separating the study area, and water mask, and cloud cover) the satellite data, the retrieved spatial radiance of TOA was normalized using satellite data considering the sun’s conditions for each wavelength.spatial distribution of the local aerosol pattern compared to other methods. As expected, the retrieved AOD map from the L1B spectrum showed that the spatial distribution of the local AOD was very clear. The DAI index algorithm simulates the high-spectral dependence of the atmosphere in the blue wavelength for different surface and atmosphere conditions with a fully tested copy of the radiation-transfer code of -6 S, which is a trusted tool for measuring particle pumping over the oceans, different surfaces of the earth, and clouds.
ConclusionUnlike some of the dust detection algorithms that are carried out using measurements in the infrared thermal band, the advantage of this algorithm to detect dust is the use of spectral scattering, reflection of the surface, and absorption of dust in the air. The advantage of using measurments in the blue wavelength (410 to 490 nm) is to recover the optical properties of the aerosol.
Keywords: DAI algorithm, MODIS satellite images, dust
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.