فهرست مطالب
فصلنامه سنجش از دور و GIS ایران
سال هشتم شماره 2 (پیاپی 30، تابستان 1395)
- تاریخ انتشار: 1395/06/24
- تعداد عناوین: 7
-
-
صفحات 1-16طوفان گرد و غبار یکی از پدیده های جوی است که آثار و پیامدهای زیست محیطی نامطلوبی برجای می گذارد. بررسی ترکیبات فیزیکی و شیمیایی گرد و غبارهای اخیر نشان می دهد این گرد و غبارها صرفا متشکل از دانه های خاک، شن، ماسه و ذرات نمک نیستند، بلکه ترکیب پیچیده ای از عناصر شیمیایی اند، عناصری از قبیل فلزات قلیایی خاکی، کربن، سیلیس، آلومینیوم، پتاسیم، کلسیم و برخی دیگر از عناصر آلی مشاهده می شود که تمامی این عناصر می توانند اثرات مضری در سلامت محیط زیست و به ویژه بر موجودات زنده داشته باشند. در این تحقیق شهر اهواز که طی دهه گذشته شاهد طوفان های چندی بوده است، بررسی شد. با استفاده از نمونه های اندازه گیری شده عناصر مورد مطالعه در ایستگاه زمینی و آنالیزهای آزمایشگاهی، محتویات هفت رخداد گرد و غبار تعیین شد. تصاویر ماهواره ای MODIS و داده های CALIPSO، به ترتیب، جهت شناسایی عناصر و تعیین غلظت این طوفان ها مورد تحلیل قرار گرفتند. پس از تهیه تصاویر MODIS و انجام دادن تصحیحات مورد نیاز، مقادیر طیفی محل نمونه برداری ایستگاه زمینی روی تصاویر مشخص شد. با استفاده از روش کمترین مربعات و cross-validation مدل سازی ارتباط بین باندهای MODIS و نتایج حاصل از مشاهدات زمینی ایجاد شد. پس از مقایسه و تحلیل نتایج به دست آمده، مشخص شد که برای عنصر سیلیس، نسبت باند 21 به باند 26 با میزان RMSE در حدود 1.28، شاخص مناسبی جهت تعیین ترکیبات طوفان های گرد و غبار با استفاده از تصاویر ماهواره ای MODIS به شمار می رود. همچنین، آلومینیوم از نسبت باند 25 به باند 26 با میزان RMSE در حدود 2.08، کلسیم از نسبت باند 24 به باند 25 با میزان RMSE در حدود 2.3، سدیم از نسبت باند 23 به باند 27 با میزان RMSE در حدود 0.48 و منیزیم از نسبت باند 15 به باند 24 با میزان RMSE در حدود 0.78، برای شناسایی این عناصر در تصاویر ماهواره ای MODIS شاخص های مناسبی اند. با توجه به نتایج و شاخص های به دست آمده برای هر عنصر، تعیین ترکیبات و میزان غلظت عناصر موجود در طوفان های گرد و غبار، بدون استفاده از نمونه های زمینی و فقط با به کارگیری تصاویر MODIS و روش به دست آمده امکان پذیر می شود. همچنین، با استفاده از داده های ماهواره ای CALIPSO در روزهای مورد مطالعه، مشخص شد که در روزهای گرم سال که نمونه برداری زمینی انجام گرفته، میزان غلظت و تراکم گرد غبار بیشتر از روزهای سرد سال است و ارتفاع گرد و غبار به شش کیلومتری سطح زمین می رسد.کلیدواژگان: طوفان گرد و غبار، ترکیبات مواد تشکیل دهنده طوفان ها، داده های ماهواره ای MODIS و CALIPSO
-
صفحات 17-34روش های بارزسازی تغییرات ابزاری قدرتمند در نمایش تغییرات در سطح زمین به شمار می آیند. برای افزایش دقت نقشه تغییرات تهیه شده می شود از تکنیک های چند مقیاسی که هم زمان مشاهدات را در مقیاس های بزرگ و کوچک انجام می دهند، استفاده کرد. در این تکنیک ها، افزون بر اطلاعات طیفی، اطلاعات مکانی موجود در تصویر نیز در پردازش دخالت داده می شود. یکی از این تکنیک ها، تکنیک چندمقیاسی موجک است. تکنیک موجک در بسیاری از زمینه های پردازش تصویر کاربرد دارد. در تحقیق حاضر، توانایی تکینک موجک در بارزسازی تغییرات با استفاده از تصاویر ماهواره ای TM ارزیابی شده است. پارامترهای مورد نیاز برای تبدیل موجک تعداد سطوح تجزیه و موجک پایه اند. بنابراین، آثار موجک های پایه bior3/7 و db4 و سطوح تجزیه s=1 تا s=6 در نقشه تغییرات نهایی ارزیابی شده است. همه نتایج با استفاده از روش های بررسی دقت، شامل ضریب کاپا و دقت کلی، بیان شده اند. نتایج تاثیر نوع موجک پایه انتخاب شده و سطوح تجزیه را در نقشه تغییرات نهایی نشان می دهد. نقشه تغییرات محاسبه شده با استفاده از موجک پایه bior3/7 دقت کلی بالاتر و آماره کاپای بهتری را درمقایسه با موجک پایه db4 نشان می دهد. به طوری که برای باند 3 با موجک پای، bior3/7 دقت کلی 51/90 و آماره کاپا 79/0 و برای همین باند با موجک پایهdb4 ، به ترتیب، برابر 80/89 و 79/0 است. پارامتر بعدی که در اینجا بررسی شده، تاثیر سطوح تجزیه در دقت نقشه بارزسازی تغییرات است. در هر دو، موجک پایه تا سطح تجزیه 3 روند صعودی دارد و سپس، سیر نزولی پیدا می کند. به طوری که بیشتر دقت کلی و آماره کاپا مربوط به سطح تجزیه 3 در هر دو موجک پایه است. همچنین در این تحقیق بین تکنیک موجک و سه تکنیک تفاضل، نسبت و طبقه بندی نظارت شده مقایسه ای انجام شده است. بررسی نشان می دهد که تکنیک موجک نتایج بهتری دارد.کلیدواژگان: الگوریتم موجک، موجک پایه، سطح تجزیه، ضریب کاپا
-
صفحات 35-52بخارآب یکی از مهم ترین عناصر اقلیمی است که در تصمیم گیری، طراحی و ارزیابی مدل های هیدرولوژیکی نقشی مهم ایفا می کند. بنابراین، شناخت تغییرات مکانی این عنصر مهم اقلیمی تاثیر چشمگیری در مدیریت و برنامه ریزی مبتنی بر آب خواهد داشت. بر این اساس، در این پژوهش تلاش شده است تا ساختار مکانی و برآورد مقادیر فشار بخارآب در جنوب و جنوب غرب ایران، با استفاده از روش زمین آمار و تحلیل واریوگرافی بررسی شود. در این راستا، داده های فشار بخارآب 78 ایستگاه سینوپتیک مربوط به 27 مرداد 1386، به منزله یکی از روز های فراگیر بخارآب تحلیل شد. بدین منظور، ابتدا محاسبات متغیر مکانی بودن داده های فشار بخارآب، با ترسیم تغییرنگار مورد بررسی قرار گرفت. پس از احراز این شرط، از روش های زمین آماری کریجینگ ساده، کریجینگ معمولی و کوکریجینگ و با برازش مدل های دایره ای، کروی، نمایی، گوسی و درجه دو منطقی برای رسم نقشه فشار بخا آب و ارزیابی آن ها استفاده شد. نتایج ارزیابی متقاطع در انتخاب بهترین روش نشان داد بهترین الگویی که قادر به توجیه مکانی مقادیر فشار بخارآب در روز مورد مطالعه است، الگوی نمایی از روش کوکریجینگ با متغیر کمکی ارتفاع است. براساس نقشه ترسیم شده با روش بهینه، مشخص شد که حاشیه خلیج فارس و دریای عمان و بخش های شمال و شمال غرب منطقه، به ترتیب، بیشترین و کمترین مقادیر فشار بخارآب را دارند. به طورکلی، سه دلیل دوری و نزدیکی به منابع عمده رطوبتی، وجود سد ارتفاعی زاگرس و استقرار پرفشار قوی پویشی را می شود دلیل رخداد چنین توزیعی برشمرد.کلیدواژگان: تغییرنگار، کریجینگ، کوکریجینگ، فشار بخارآب
-
صفحات 53-72در این مطالعه، مدلی ترکیبی از شبکه های عصبی ماژولار و پردازش تصاویر مادیس برای محاسبه دمای سطح زمین، در منطقه ای شامل شهر تهران، ارائه شده است. در این مدل، داده های تصاویر حرارتی با تکیه بر ویژگی های دمای درخشندگی در باندهای حرارتی 31 و 32 میکرومترسنجنده مادیس، به منزله ورودی در شبکه های عصبی ماژولار به کار رفته و روش جدیدی براساس ترکیبی از شبکه عصبی نگاشت خودسازمانده و الگوریتم بهینه سازی تجمع ذرات پیشنهاد شد. نتایج به دست آمده نشان می دهد استفاده از این الگوریتم سبب توزیع مناسب داده های ورودی شبکه های عصبی می شود. در آخر، نتایج نهایی با مدل های شبکه های عصبی با آموزش و ساختار غیرماژولار نیز مقایسه شده است. نتایج این مقایسه نشان می دهد که زمان آموزش مدل در پیش بینی دمای سطح زمین کاهش، و دقت مدل افزایش یافته است. اختلاف کم بین مقادیر پیش بینی شده و مقادیر واقعی دما در منطقه نشان می دهد که دما با دقت مناسبی در این مدل پیش بینی شده است، به طوری که میانگین خطای مدل ترکیبی مقدار 0081/0 و درصد خطای مطلق نیز 59/10 است.کلیدواژگان: تصاویر ماهواره، شبکه عصبی ماژولار، دمای سطح زمین
-
صفحات 73-86با توجه به اینکه الگوریتم های متنوعی برای طبقه بندی تصاویر ماهواره ای در سنجش از دور توسعه یافته اند، انتخاب الگوریتم مناسب طبقه بندی در دستیابی به نتایج صحیح نقش بسیاری ایفا می کند. به همین منظور در پژوهش حاضر، با مقایسه کارآیی صحت طبقه بندی دو الگوریتم حداکثر احتمال و ماشین های بردار پشتیبان، الگوریتم دقیق تر تعیین، و از آن برای بررسی روند تغییرات کاربری اراضی استفاده شد. تحقیق حاضر در حوزه آبخیز سیمینه رود و با استفاده از تصاویر سنجنده های TM، ETM+ و OLI انجام گرفت. نتایج تحقیق نشان داد که الگوریتم ماشین بردار پشتیبان، درمقایسه با الگوریتم حداکثر احتمال، تصاویر ماهواره ای را بهتر طبقه بندی کرده است و از میان کرنل های ماشین بردار، کرنل تابع پایه شعاعی (RBF) کارآیی بهتری داشته است. بنابراین، از الگوریتم ماشین بردار پشتیبان با کرنل تابع پایه شعاعی برای تهیه نقشه کاربری اراضی دوره های مورد بررسی و تغییرات کاربری استفاده شد. بررسی روند تغییرات کاربری اراضی، با استفاده از این کرنل، مشخص کرد که در طی دوره های بررسی شده، مساحت کاربری های زراعت آبی از 30.535 هکتار به 67.210 هکتار، زراعت دیم از 79.909 هکتار به 123.383 هکتار و مناطق مسکونی از 474 هکتار به 1934 هکتار افزایش یافته است درحالی که مراتع از 259.811 هکتار به 178.398هکتار، و منابع آب از 240 هکتار به 41 هکتار روند کاهشی دارند.کلیدواژگان: تصاویر ماهواره ای، الگوریتم ماشین های بردار پشتیبان، حداکثر احتمال، کاربری اراضی
-
صفحات 88-101در مسائل هیدرولوژیک وکشاورزی، ظرفیت آب قابل دسترس خاک متغیری مهم انگاشته می شود و برآورد این متغیر در مقیاس حوضه آبخیز از اصولی است که در نظر گرفته می شود. به دلیل ناپیوستگی در برداشت نمونه ها و نداشتن دسترسی به اطلاعات کافی در ارتباط با شناخت ویژگی های مناطق و نیز، صرف هزینه و زمان زیاد جهت برآورد آب قابل دسترس خاک و تغییرات مکانی آن، استفاده از تصاویر ماهواره ای به صرفه است. بنابراین، توسعه و بسط روش ساده و مدل های متکی بر اصول سنجش از دوری، به منظور برآورد ظرفیت آب قابل دسترس خاک، ضروری است. به طورکلی، مطالعات گذشته براساس پایش رطوبت خاک بوده و به دیگر توابع رطوبت خاک، همچون آب قابل دسترس کمتر پرداخته شده است. بر همین اساس، در این مطالعه تلاش بر برآورد یکی از توابع رطوبت خاک، با نام ظرفیت آب قابل دسترس خاک است. اصول نظری این تحقیق بر پایه ارتباط بین پوشش گیاهی و دمای سطحی زمین است و دلیل استفاده از دو شاخص یادشده طرح آزمایش و بررسی کارآیی شاخصی مستقل از شاخص های فیزیکی خاک است که به اندازه گیری ظرفیت آب قابل دسترس در خاک منجر شود. در این مطالعه، مدلی ترکیبی و منتج از دو شاخص دمای سطح زمین و پوشش گیاهی نرمال شده به منظور برآورد آب قابل دسترس خاک در حوضه آبخیز هیو واقع در منطقه هشتگرد ما ارائه شده است. به منظور کنترل زمینی، پنجاه نمونه خاک با توزیع سیستماتیک برداشت شد.80% نمونه ها ی برداشت شده برای برازش مدل ترکیبی دمای سطح زمین و شاخص نرمال شده پوشش گیاهی، و 20% نمونه ها برای اعتبارسنجی مدل به کار رفت. اعتبارسنجی رگرسیون چندمتغیره با ضریب تبیین 85/0، در سطح معناداری 01/0 و جذر میانگین مربعات خطا 6/2 را نشان می دهد. بر این اساس، کارآیی دو شاخص استفاده شده برای اندازه گیری آب قابل دسترس خاک قابل تایید است.کلیدواژگان: رگرسیون چندمتغیره، ظرفیت آب قابل دسترس، مدل ترکیبی دمای سطحی زمین و شاخص نرمال شده پوشش گیاهی
-
صفحات 101-112ایران یکی از کشورهای خشک و نیمه خشک به شمار می رود که به خشکسالی دچار است. کمبود اطلاعات هواشناسی طولانی مدت در پهنه وسیعی از کشور یکی از بزرگ ترین مشکلات برای مشاهده و پیش بینی کوتاه مدت خشکسالی در ایران است. در این مقاله، با به کار بردن روش ماشین بردار پشتیبان (SVM) و با استفاده از داده های 42 ایستگاه سینوپتیک منتخب در ایران، عملکرد شاخص های پوشش گیاهی طیفی پهن باند NDVI، NDVI-DEV، VCI و TCI در پیش بینی خشکسالی بررسی شد. بدین منظور، از شاخص خشکسالی (SPI) برای بیان خشکسالی استفاده شد که نشان دهنده شدت و دوره خشکسالی، از سال 1985 تا 2008 است. شاخص های پوشش گیاهی یادشده از تصاویر سنجنده NOAA-AVHRR محاسبه و استخراج شدند. این شاخص ها، به صورت ورودی، به مدل SVM وارد شدند و مقادیر SPI را به دست دادند. با این روش، شاخص های TCI و NDVI، به ترتیب، دارای بالاترین و پایین ترین همبستگی با شرایط خشکسالی شناخته شدندکلیدواژگان: سنجش از دور، پیش بینی خشکسالی، SPI، شاخص های پوشش گیاهی، SVM
-
Pages 1-16Dust storms are atmospheric phenomena with negative environmental effects and especially for human health. Sampling and analysis of physical and chemical composition of recent dusts show that they are not merely composed of dust, gravel, sand and salt particles, rather they are of complex combination of chemical elements. Metals such as soil alkaline metals, carbon, silica, aluminum, potassium, calcium and other organic components are observed that all these elements can have harmful effects on public health. In this study, Ahwaz where during last decades has seen several storms was studied. Using collected samples in the ground station and laboratory analyses dust contents were determined for seven dust events. For use of remote sensing technology using satellite images in order to identify the elements of dust, MODIS satellite images were used. Using MODIS images, the least squares method and cross-validation modeling, the relationship between MODIS bands and the results and measured chemical contents of dusts were created. Results show that silica, can be estimated from the ratio of 21 band to 26 with RMS 1.28. For aluminum, the ratio bands 25 to 26 with RMSE 2.08, for calcium the ratio of bands 24 to 25 with RMSE 2.3, for sodium of the ratio of bands 23 to 27 with RMSE 0.48 and finally for Magnesium the ratio of bands 15 to 24 with 0.78 RMSE are useful indexes to identify these elements using MODIS satellite images. According to the results MODIS images are useful for dust storms chemical elements estimation. Also using CALIPSO data, the rate of concentration and intensity of dust particles at the height of 6 km/asl are.Keywords: Dust storms, chemical elements estimation, density identification of dust storms, MODIS images, CALIPSO data
-
Pages 17-34Change detection methods are powerful tools to present the changes on the Earth surface. The multi-scale approaches which proceed the observations at coarser and finer scales, can be applied to maximize the accuracy of the change maps. The multi-scale approach, based on discrete wavelet, has been applied in this research. In addition to the spectral information, the contextual or local information- available in the image are set in the processing. The wavelet technique is exploited in many processing fields of images. The ability of the wavelet technique has been applied for the change-detection, based on the satellite images in this study. The necessary parameters for the wavelet modification are the quantity decomposition levels and kind of mother wavelet. Thus The effect of the mother wavelet boir3/7 and db4 and the levels of decomposition s=1 to s=6 on the final change detection map have been assessed . All the results have been stated on the basis of the detection accuracy kappa coefficient and overall accuracy. The results reveal the influences of the mother wavelet and levels of decomposition on the final change detection map. The Change detection map, using t bior3/7mother wavelet, reveals higher overall accuracy and better kappa coefficient in proportion to bd4 mother wavelet. It is 0/7966 and 89/8013 for band 3 of Mother wavelet bior3/7 and 9/8013 & 0/7966 for mother wavelet db4. The next parameter being investigated here is related to the analysis surfaces influence on the precision of the change detection map. It increases to the level 3 of analysis and then decrease down. Eventually, most of the overall precision and kappa coefficient is related to the analysis level 3 of both mother wavelet. A comparison has been also conducted between the wavelet technique and the three methods image differencing , image ratio and supervised classification. The final review reveals the priority of the wavelet technique, as it presents better results.Keywords: Wavelet algorithm, Mother wavelet, Number of decomposition, kappa coefficient
-
Pages 35-52Water vapor as one of the most important climate elements, plays an important role in decision-making, design and evaluation in hydrological models. Therefore, understanding the spatial changes of this important climate element have a significant effect on water management and planning. Accordingly, this study is tried to studythe spatial structureand estimation of watervapor pressurein south and south west of Iran, using by geostatisticsmethodand variography analysis. In this regard, the water vapor pressure data of 78 synoptic stations on 18 August 2007 as one of the sweeping days by the water vapor pressure was analyzed. The first step for this purpose was calculation of the spatial variable of water vapor pressure that were analyzed by plotting the variogram. After fulfilling this requirement, geostatistical methods such as simple kriging, ordinary kriging, Co-kriging with auxiliary variables, and circular, spherical, exponential, Gaussian and quadratic rational models were used and their performance were evaluated. The results of cross validation showed that the best method that being able to justify the amount of water vapor pressure is Co-kriging method with altitude. According to the drawn map with the optimum method it was found that near the Persian Gulf and Oman Sea and the North and North West of study area are the highest and lowest amounts of water vapor pressure, respectively. It was determined that three reasons 1. Far and near to the main sources of humidity, 2. Zagros Mountains and 3. The establishment of strong pressure has an important role in water vapor pressure distribution.Keywords: Variogram, Kriging, Co-Kriging, Water Vapor Pressure
-
Pages 53-72In this study, a combined model of modular networks and satellite image processing and optimization algorithms to forecast land surface temperature in an area including city of Tehran is presented. Calculating the LST has been done based on brightness temperature features in 31 and 32 MODIS channels. Thus, brightness temperature data related to these images is fed to neural network and values of land surface temperature are recovered as the output of the network. In this way,after obtaining the optimal structure obtained for networks they are trained and their weights are extracted. Then by applying a neural network with a modular structure and clustering algorithms, training will be also modular. Decomposition of the networks and after that combining the results to get the final forecast makes the performance of the modular network more effective. As a result , a new approach based on the combination of neural network or self-organizing map and particle swarm optimization algorithms is proposed. The results showed that using PSO algorithm causes appropriate distribution of cluster of SOM method and using satellite images improved performance of the proposed model. Finally, results are compared with training neural network models and non-modular structure. The results of this comparison show that model-training time in predicting the land surface temperature is decreased and the accuracy of model increased. The little difference between the predicted values and actual (real) values of temperature in the region shows that this model could predict the temperature accuraetly, so that, in this hybrid model Mean Square Errors (MSE) and Mean Absolute Percentage Error (MAPE) are 0.0081 and 10.59 respectively.Keywords: MODIS Images, Modular Neural Networks, Surface temperature
-
Pages 73-86Because the various algorithms have been developed for the land use classification by using remote sensing, the suitable algorithm selection plays an important role in achieving good results. For this purpose, by efficiency comparison of two algorithms classification i.e. support vector machines (SVM) and maximum likelihood (ML), the more precision method was determined and it was used for investigating land use changes trend. The present research was carried out using TM, ETM and OLI sensors images in Siminehroud watershed. The research results showed that SVM algorithm classified satellite images better than ML algorithm and radial basis function (RBF) kernel has the highest overall accuracy among the studied methods. Therefore, SVM algorithm with RBF kernel was used to derive land use maps and monitor land use changes in the studied periods. By analysis of land use changes trend using this kernel, it was found that during studied periods, irrigated farming from 30535ha to 67210ha, dry farming from 79909ha to 123387ha, residential from 474ha to 1934ha land uses have been increased but rangeland from 259811ha to 178397ha and water resources from 30535ha to 67210ha land uses are decreasing.Keywords: Satellite images, Support vector machines algorithm, Maximum likelihood, Land sue
-
Pages 88-101With regard to the hydrologic and agricultural issues, the capacity of water available to soil is considered to be an important variable and its estimation in catchment basin is deemed a principle. Due to the lack of consistency in taking the samples, unavailability of sufficient data for recognizing the characteristics of a region and also it is being time-consuming and costly to estimate the water available to soil and its space changes, the use of satellite images is more feasible and less costly. That being said, it is of the essence to develop simple method and models for estimating the capacity of water available to soil from distance. The theoretical background of this research is based on the relationship between vegetation and the temperature of the surface of the earth in estimating the capacity of water available to soil. In the study, in order to estimate the capacity of water available to soil in catchment basin in Hiv located at Hashtgerd, Landsat 7 satellite was used. For the earth control, 50 samples of soil were taken which were distributed in systematic ways. 80 percent of the taken samples were used for combined-model process of the earth surface, using a normalized index for vegetation. Also, 20 percent of the samples were used for the validation of the model. The validity, using multivariate regression with a coefficient determination of 0/85 was significant at 0/01 and the square mean error was 2/6.Keywords: Multivariate Regression, Capacity of the Available Water, Combined Model the Earth Surface Temperature, Normalized Index of Vegetation
-
Pages 101-112Iran as one of the countrieslocated in arid and semi-arid regions of the world, has been in drought danger. Shortage information about long-term weather conditions in many regions of the country, is one of the most important problems in drought monitoring. In this article, spectral vegetation indices (SVIs) have been employed in order to drought modeling and its forecast. To this end, SPI drought indicator (standardized precipitation index) used to represent period of drought and its intensity. Some broad band spectral vegetation indices including Normalized Difference Vegetation Index (NDVI), Temperature Condition Index (TCI) and Vegetation Condition Index (VCI) were extracted by using NOAA-AVHRR satellite imagery. These indices entered to SVM classifier model to gain the SPI index as its result. After comparing the results, TCI was diagnosed as the best index to predict drought condition via 3 months SPI (trimester SPI).Keywords: Remote sensing, Drought monitoring, Spectral vegetation indices, SPI, SVM
©2000-2024 magiran.com All Rights Reserved.