چکیده:
امروزه به همراه پیشرفت های صورت گرفته در توسعه سنجنده های سنجش از دور، موجب توجه ویژه بسیاری از پژوهشگران علوم زمین به این فناوری شده است. از جمله ویژگی های داده های سنجش از دور می توان به مواردی از قبیل برداشت اطلاعات رادیومتریکی و هندسی، دوره زمانی کوتاه اخذ اطلاعات از منطقه موردنظر، تنوع در سنجنده ها به منظور دریافت اطلاعات متفاوت و غیره اشاره نمود. در میان کاربردهای گوناگون این داده ها، شناسایی و طبقه بندی طوفان های گردوغبار در دو دهه اخیر، اهمیت قابل توجهی دارند.
هدف این تحقیق پایش گردوغبار در منطقه جنوب غربی ایران با استفاده از داده های ماهواره مادیس است. در این تحقیق از تصاویر مادیس سال های 2010-2015 استفاده شده است. باتوجه به مطالعات صورت گرفته مشاهده شده که در این زمینه مدل های مختلفی در تحقیقات پیشین ارائه گردیده است. در گام اول این تحقیق به ارزیابی عملکرد مدل های پایش ریزگردها در منطقه جنوب غربی ایران پرداخته شده است. سپس با بررسی های صورت گرفته، الگوریتم طبقه بندی درخت تصمیم گیری انطباقی ارائه شده است. انطباقی بودن در این الگوریتم به این معناست که در این روش پارامترها برای طبقه بندی هر تصویر با استفاده از ویژگی های همان تصویر تعیین شده است. پس از آن با استفاده از مدل HYSPLIT به پیش بینی خط سیر حرکت گردوغبار پرداخته شده است. به منظور بررسی عملکرد روش های طبقه بندی کننده از 8 تصویر مادیس بین سال های 2010-2015 استفاده شده است. با بررسی نتایج طبقه بندی تصاویر مادیس با استفاده از داده آموزشی AOD مشاهده شده است که از بین روش های تحقیقات پیشین الگوریتم طبقه بندی کننده ماشین بردار پشتیبان در منطقه جنوب غربی ایران دارای دقت مناسب تری نسبت به سایر روش ها است. سپس با استفاده از مدل HYSPLIT خط سیر گردوغبار منطقه جنوب غربی ایران نشان دهنده منشا خارجی به عنوان منشا اصلی این پدیده در ایران است.
خلاصه ماشینی:
پایش ریزگردها با استفاده از تصاویر چند طیفی ماهواره مادیس در جنوب غربی ایران محمدابراهیم عفیفی تاریخ وصول: ١٣٩٦/٤/٢٩، تاریخ تایید: ١٣٩٦/٨/٢٠ چکیده امروزه به همراه پیشرفت های صورتگرفته در توسعه سنجندههای سنجش از دور، موجب توجه ویژه بسیاری از پژوهشگران علوم زمین به این فناوری شده است .
با بررسی نتایج طبقه بندی تصاویر مادیس با استفاده از داده آموزشی AOD مشاهده شده است که از بین روشهای تحقیقات پیشین الگوریتم طبقه بندیکننده ماشین بردار پشتیبان در منطقه جنوبغربی ایران دارای دقت مناسب تری نسبت به سایر روشها است .
(رجوع شود به تصویر صفحه) جهت بررسی دقت نتایج به دست آمده از محصول (AOD)Aerosol Optical Depth از مشاهدات سنجنده (OMI)Ozone Monitoring Instrument استفاده شده است .
از این ویژگی به منظور شناسایی طوفانهای گردوغبار در تصاویر مادیس استفاده شده است .
طبقه بندی در این مرحله در گام اول پس از محاسبه شاخص های (Ln)b١،NDDI،BTD و TDI با استفاده از این شاخص ها و سایر باندهای انعکاسی با استفاده از روشهای طبقه بندی بیشینه شباهت ، شبکه عصبی چند لایه ، ماشین بردار پشتیبان و درخت تصمیم گیری پیشنهادی Xie به شناسایی گردوغبار در تصاویر پرداخته شده است .
در این روش به منظور بهبود شناسایی گردوغبار برای هر تصویر براساس شاخص های موردنظر به صورت انطباقی حد آستانه مشخص شده است .
(رجوع شود به تصویر صفحه) شکل ٢: خطوط سیر رو به عقب از شهر خوزستان در تاریخ ٢٠١٤ July ١٣ پس از شناسایی خطوط سیر در هشت تاریخ موردنظر مطابق جدول برهم نهی این خطوط در تصاویر واقعی صورت پذیرفته شده است که در شکل ٣ مشاهده می نمایید.