سخنرانی دانشگاهییادداشت های دکتر رایگانییادداشتهای محیط زیستی

تعیین تغییرات سنجش از دوری دکتر بهزاد رایگانی بخش اول : گام های ابتدایی

Digital Change Detection دکتر رایگانی بخش اول

مواد بیوفیزیکی و عوارض انسان ساخت روی سطح زمین بوسیله تکنیک های سنجش از دوری و میدانی قابل شناسایی و ثبت هستند. برخی از این عوارض نسبتاً پایا (static) هستند، در گذر زمان تغییر نمی کنند. بر عکس برخی مواد بیوفیزیکی و عوارض انسان ساخت پویا (dynamic) به سرعت تغییر می کنند. مهم است این تغییرات به طور صحیح ثبت و ضبط شوند(be inventoried) تا اثر دخالتهای انسانی و فرآیندهای فیزیکی بهتر درک شود. در واقع این باور وجود دارد که تغییر کاربری/پوشش زمین (land-use/land-cover change ) جزء اصلی تغییرات جهانی است که شاید از تغییر اقلیمی اثر بیشتری دارد. بنابراین جای تعجب ندارد که تلاشهای گسترده ای جهت توسعه ی روشهای تعیین تغییرات بوسیله داده های سنجش از دوری صورت پذیرفته باشد.

در اینجا در دو بخش مروری خواهیم داشت بر شیوه های سنجش از دوری استخراج اطلاعات مربوط به تغییرات. در بخش ابتدایی بر روی این موضوع متمرکز می شویم که وقتی فرآیند تعیین تغییرات در نظر گرفته می شود، کدام پارامترهای محیطی و چه بخش از سامانه سنجش از دوری باید مدنظر باشد. در بخش دوم (نوشته آتی) در نهایت چندین خوارزمیک تعیین تغییرات که به طور گسترده مورد استفاده قرار می گیرد، معرفی می شوند.

برای آنکه تعیین تغییرات رقومی را انجام دهیم نیاز است گام های زیر را مد نظر داشته باشیم:

1- طبیعت مساله تعیین تغییرات را مدنظر بگیریم. این موضوع در چند بخش قابل بررسی است:

1.1 محدود جغرافیایی که می خواهیم در آن تغییرات را مشخص کنیم:

ابعاد مختلف منطقه موردنظر(region of interest ) در تعیین تغییرات باید به دقت مشخص شود و در کل پروژه تعیین تغییرات این ناحیه همیشه مدنظر باشد. گسترش منطقه جغرافیایی مورد نظر (کشور، استان، حوزه آبخیز و …) نیز در مطالعه تعیین  تغییرات بسیار مهم است زیرا باید توسط تصاویر چند تاریخی (چندزمانه) پوشش داده شود. اگر این ناحیه جغرافیایی در هر یک از تاریخهای مورد بررسی تحت پوشش قرار نگیرد، محاسبات آماری تغییرات بدلیل نبود برخی داده ها با مشکل مواجه خواهد شد.

1.2 دوره زمانی بررسی تغییرات:

در برخی موارد، دوره زمانی انتخاب شده برای تشخیص تغییرات خیلی کوتاه یا خیلی بلند است که دریافت اطلاعات در مورد تغییرات را با مشکل مواجه می سازد. تحلیلگر باید در مورد طول دوره زمانی تعیین تغییرات(change detection time period) مراقبت لازم را داشته باشد و مقدار بهینه این دوره را انتخاب کند. این انتخاب بر اساس طبیعت مساله مورد بررسی دیکته می شود. مثلاً بررسی حمل و نقل به دوره زمانی چندثانیه ای نیاز داریم. تصاویری که ماهیانه یا فصلی بدست می آیند باید برای پایش تغییرات سبزینگی خشکی ها کافی باشند. انتخاب با دقت دوره زمانی باعث می شود از هدررفت سرمایه در این تحلیل ها جلوگیری شود.

1.3 انتخاب یک طرح طبقه بندی مناسب (an Appropriate Land Cover/Land Use Classification Scheme)

استفاده از سیستم های طبقه بندی استاندارد شده اجازه می دهد اطلاعات بدست آمده با مطالعات دیگران قابل مقایسه باشند. در این موارد باید دقت شود تا حد امکان از طرح های طبقه بندی استاندارد بین المللی مانند روش کاربری – پوشش زمین اندرسون استفاده شود تا معیار تعیین طبقات برای همه پژوهشگران ثابت باشد.

1.4 انتخاب منطق طبقه بندی (سخت یا فازی)

بیشتر مطالعات تعیین تغییرات بر روی مقایسه های چندزمانه طبقه بندی سخت پوشش زمین به کمک داده های سنجش از دوری متمرکز هستند. نتیجه این مطالعات ایجاد یک نقشه نشان دهنده تغییرات به صورت سخت است که نشان می دهد تغییر در طبقه های مجزا به چه شکلی صورت پذیرفته است (تغییر در جنگل، مرتع، زمین کشاورزی و …). البته در خیلی از موارد نیاز است که تغییرات فازی و تغییرات سخت را تواماً تشخیص دهیم (discrete and fuzzy ).

1.5 انتخاب نوع طبقه بندی پیکسل پایه یا شئ گرا

اغلب تعیین تغییرات رقومی تصویر بر روی نقشه های طبقه بندی شده به صورت پیکسل به پیکسل و دو تاریخ صورت می پذیرد. به این روش تعیین تغییرات بر اساس پیکسل گفته می شود (per pixel ). تعیین تغییرات بر اساس بخش بندی یا شئی محور (Object-oriented change detection )، دو یا چند تصویری را که دارای تعداد زیادی شئی (قطعه یا بخش) نسبتاً همگن هستند با یکدیگر مقایسه می کند. در این روش معمولاً از میان تمامی قطعه های، تصویر تعداد کمی در فرآیند تعیین تغییرات بکار می روند (بر اساس هدف و ناحیه مورد نظر). دقت داشته باشید، ایجاد شئ یا آبجت برای از بین رفتن تغییرات شدید محلی بکار می رود بنابراین در سنجش از دور با قدرت تفکیک مکانی بسیار بالا کاربرد دارد. سعی کنید در مورد تصاویری که به خودی خود پیکسل با ابعاد بزرگ خود همگن شده (نقش یک شئ را بازی می کند) از این روش استفاده کنید (مثلا داده های لندست مناسب تعیین تغییرات به روش شئ گرا نیستند).

2- ملاحظات ویژه در فرآیند تعیین تغییرات. این ملاحظات دو دسته هستند:1- ملاحظات سنجش از دوری و 2- ملاحظات محیطی

2.1 ملاحظات سنجش از دوری:

عدم درک اثر پارامترهای گوناگون در فرآیند تعیین تغییرات، نتایج ناصحیح را به دنبال خواهد داشت. در حالت ایده آل، داده ای که در فرآیند تعیین تغییرات سنجش از دوری استفاده می شود باید توسط سامانه ی سنجش از دوری ای بدست آمده باشد که از نظر هر چهار قدرت تفکیک مکانی، زمانی، طیفی، رادیومتری در طول زمان مورد بررسی ثابت بوده است.

2.1.1 قدرت تفکیک زمانی

قدرت تفکیک زمانی (Temporal resolution) باید در طول دوره مورد بررسی در صورت امکان ثابت باشد. اول اگر امکان دارد از سامانه سنجنده ای استفاده کنیم که داده را هر روز در زمان یکسانی بدست می آورد. مثلاً داده های Landsat OLI در حدود ساعت 11:45 دقیقه به وقت محلی(7:15 UTC) یا قبل از ساعت 12 از تهران داده تهیه می کند. با ثابت ماندن قدرت تفکیک زمانی، اثر زاویه تابش خورشیدی که می تواند تفاوتهای معنی دار در ویژگی های بازتابش داده سنجش از دور ایجاد نماید، از بین می رود. دوم اگر امکان داشت داده های سنجش از دور در مقاطع زمانی مورد بررسی در تقویم های سالیافنه یکسان بدست آیند (اول تیر یک سال با اول تیر سال دیگر). تقویم های سالیانه یکسان نیز اثر زاویه تابش فصلی خورشید و تفاوتهای فنولوژیکی گیاهان را که اثر منفی در پروژه تعیین تغییرات دارد، به کمینه خود می رساند.

2.1.2 قدرت تفکیک مکانی

ثبت دقیق هندسی و مکانی دست کم دو تصویر برای تعیین تغییرات رقومی ضروری است. در حالت ایده آل داده بدست آمده بوسیله سامانه سنجنده ای که داده را جمع آوری می کند باید برای هر مقطع زمین از نظر زاویه دیده لحظه ای یکسان بماند. برای مثال داشتن قدرت تفکیک مکانی ثابت 30 متر سنجنده OLI باعث می شود ثبت دادن دو تصویر مربوط به دو مقطع زمانی به یکدیگر به سادگی صورت بپذیرد.

از خوارزمیکهای هم سوسازی برای ثبت تصاویر به یک سیستم تصویرسازی استاندارد استفاده می شوند(مثلاً UTM). در فرآیند همسوسازی دو تصویر، ریشه مجذور مربعات خطا (RMSE) باید کمتر و مساوی 0/5 پیکسل باشد. عدم ثبت دقیق دو تصویر ممکن است باعث شناسایی غلط مناطق تغییریافته بین دو تصویر شود. برای مثال فقط یک پیکسل  با ثبت غلط، ممکن است باعث شود جاده ثابت بین دو تاریخ به عنوان یک جاده جدید شناسایی شود.

 2.1.3 زاویه دید سنجنده

سامانه های سنجش از دوری مانند SPOT و QuickBird می تواند داده را با زاویه و غیرعمود از مرکز تا 20 درجه زاویه به صورت مورب (oblique vantage point) مشاهده کنند. دو تصویر با زاویه دید به طور قابل ملاحظه متفاوت، می تواند در فرآیند تعیین تغییرات مشکل ایجاد کند. برای مثال تصویر SPOT بدست آمده از زاویه صفر خارج از عمود (Off-nadir) ناحیه جنگلی دقیقاً از بالا به تاج پوشش نگاه می کند، در صورتیکه تصویر SPOT با زاویه 20 درجه خارج از عمود، بازتابش از کنار تاج پوشش را ثبت نموده است. تفاوت بازتابندگی این دو مجموعه داده می تواند باعث انحراف و غلط در نتایج تعیین تغییرات می شود. بنابراین داده های مورد استفاده در تعیین تغییرات رقومی سنجش از دوری باید در صورت امکان با زاویه دید مشابه (same look angle) بدست آمده باشد.

 2.1.4 قدرت تفکیک طیفی

در حالت ایده آل، سنجنده مشابه برای دریافت اطلاعات در چند مقطع زمانی بکار می رود. اما اگر این اتفاق ممکن نباشد، تحلیل گر باید باندهایی را انتخاب نماید که مشابه به باندهای سنجنده دیگر است. برای مثال باندهای 4 (سبز)، 5 (قرمز) و 7 (مادون قرمز نزدیک) سنجنده MSS ؛ باندهای 1(سبز)، 2(قرمز)، 3 (مادون قرمز نزدیک) سنجنده SPOT و باند 2(سبز)، 3(قرمز) و 4(مادون قرمز نزدیک) سنجنده ETM+ می توانند در تعیین تغییرات دو به دو بکار گرفته شوند. تعداد زیادی از خوارزمیکهای تعیین تغییرات وقتی باندهای یک تصویر، مشابه باندهای تصویر دیگر نیستند (با یکدیگر از نظر طیفی هم خوانی ندارند) عمل نمی کنند (استفاده از باند 1 (آبی) TM در زمانی که سنجنده دیگر SPOT یا MSS است، کار معقولانه ای نیست).

2.1.5 قدرت تفکیک رادیومتری

تبدیل آنالوگ به دیجیتال (A-to-D) داده های سنجش از دوری معمولاً باعث ایجاد محدوده روشنایی 8 بیتی می شود (0 تا 255). در حالت ایده آل سامانه سنجنده باید داده را در هر دو تاریخ با یک دقت رادیومتری (same radiometric precision on both dates) جمع آوری کند. وقتی قدرت رادیومتری داده جمع آوری شده توسط یک سیستم (مثلاً MSS شماره 1 با قدرت 6 بیتی) با داده ای که بوسیله سنجنده قدرت رادیومتری بالاتر بدست آمده است مقایسه می شود (مثلاً TM با قدرت رادیومتری 8 بیتی)، داده قدرت رادیموتری پایین تر (مثلاً 6 بیتی) باید برای اهداف تعیین تغییرات به قدرت رادیومتری بالاتری غیر فشرده شود. در حالت ایده آل، ارزش روشنایی در تصاویر هر دو تاریخ به بازتابندگی سطح تبدیل شود تا مشکل بدون نیاز به تبدیل رادیومتری برطرف شود.

در حالت ایده آل استفاده از یک مدل اتمسفری به همراه انداه گیری های اتمسفری در محل برای تصحیح اثر تابندگی مسیر در تعیین تغییرات ضرورت دارد. در صورت عدم امکان تصحیح رادیومتری مطلق، نیاز است از روش رگرسیونی برای مشابه کردن دقتهای رادیومتری استفاده شود.

2.2 ملاحظات محیطی

عدم درک اثر ویژگی های محیطی مختلف بر روی فرآیند تعیین تغییرات می تواند منجر به نتایج ناصحیح شود. وقتی تعیین تغیرات صورت می پذیرد، ثابت بودن متغیرهای محیطی تا حد امکان بسیار مطلوب می باشد.

2.2.1 رطوبت خاک

در حالت ایده آل، شرایط رطوبت خاک در تمامی تاریخ های تصاویر مورد استفاده در فرآیند تعیین تغییرات باید ثابت بماند. خشکی یا مرطوبی بیش از حد در یکی از تاریخ ها می تواند باعث ایجاد مشکلات در تعیین تغییرات شود. مهم است آمار بارش را بررسی نماییم تا مشخص شود در روزها یا هفته های قبل از هر تصویر چه مقدار باران یا برف باریده است. وقتی اختلاف رطوبتی بین تصاویر تنها در بخشهای خاصی از منطقه مطالعاتی وجود دارد (مثلاً به دلیل طوفان محلی)، ضرورت دارد این مناطق متاثر شده را به صورت لایه از سایر مناطق جدا کنیم (stratify (cut out)) و تحلیل تعیین تغییرات را به صورت جداگانه در این دو بخش (متاثر و مصون) انجام دهیم. در مراحل نهایی پروژه می توان این دو بخش را بعد از تحلیل دوباره با یکدیگر تلفیق نمود.

2.2.2 چرخه های فنولوژیکی

اکوسیستمهای طبیعی یک چرخه قابل پیش بینی و تکرارشونده حیات را می پیمایند. انسانها همیشه چشم اندازها را در سلسه مراتب قابل پیش بینی تغییر می دهند. این چرخه های توسعه زیستی قابل پیش بینی به عنوان چرخه های فنولوژیکی (phenological cycles) شناخته می شوند. تحلیل گران از این اطلاعات استفاده می کنند تا مشخص نمایند داده های سنجش از دوری چه زمانی باید دریافت شوند. بنابراین، تحلیل گرها باید با ویژگی های بیوفیزکی پوشش گیاهی، خاک و آب اکوسیستمها و چرخه های فنولوژیکی آشنا باشند. همچنین آنها باید چرخه های فنولوژیکی توسعه که انسان در آن نقش دارد مانند اثر گسترش شهرنشینی را درک کنند.

2.2.2.1 فنولوژی گیاهی

پوشش گیاهی مطابق با یک چرخه فنولوژیکی سالیانه، فصلی و دوره ای نسبتاً قابل پیش بینی رشد می کند. بدست آوردن تصاویر هم زمان در هر سال اثر تفاوتهای فنولوژیکی را که می توانند منجر به تشخیص غلط تغییر شود، کاهش خواهد داد. وقتی قرار است تغییر در محصولات کشاورزی تشخیص داده شود، تحلیل گر باید از زمان کشت محصولات آگاه باشد. در حالت ایده آل کشت تک محصول که در زمان مشابه ای از سال در هر دو تاریخ مورد بررسی کاشته شده اند، مدنظر است. یک ماه فاصله بین تاریخ های کشت یک محصول می تواند خطای شدید تعیین تغییرات را به دنبال داشته باشد.

تغییر در جهت و فضای شخم و کشت هم می تواند تاثیرگذار باشد. این امر نشان می دهد تحلیل گر باید بجز ویژگی های بیوفیزکی محصول از فعالیتهای کشاورزی زمین مورد مطالعه آگاهی داشته باشد تا بر آن اساس مناسب ترین زمان داده سنجش از دوری برای تعیین تغییرات انتخاب شود.

در اینجا به پایان بخش اول تعیین تغییرات سنجش از دوری می رسیم در بخش بعدی مدلهای سنجش از دوری تعیین تغییرات تشریح خواهند شد.

اگر به تعیین تغییرات سنجش از دوری علاقمند هستید می توانید این ویدئو را مشاهده نمایید.

مواد بیوفیزیکی و عوارض انسان ساخت روی سطح زمین بوسیله تکنیک های سنجش از دوری و میدانی قابل شناسایی و ثبت هستند. برخی از این عوارض نسبتاً پایا (static) هستند، در گذر زمان تغییر نمی کنند. بر عکس برخی مواد بیوفیزیکی و عوارض انسان ساخت پویا (dynamic) به سرعت تغییر می کنند. مهم است این تغییرات به طور صحیح ثبت و ضبط شوند(be inventoried) تا اثر دخالتهای انسانی و فرآیندهای فیزیکی بهتر درک شود. در واقع این باور وجود دارد که تغییر کاربری/پوشش زمین (land-use/land-cover change ) جزء اصلی تغییرات جهانی است که شاید از تغییر اقلیمی اثر بیشتری دارد.…

لطفا به این نوشته امتیاز دهید

امتیاز این نوشته

User Rating: 2.03 ( 2 votes)

دکتر بهزاد رایگانی

دکتر بهزاد رایگانی، عضو هیات دانشکده محیط زیست وابسته به سازمان حفاظت محیط زیست می باشد. وی دانش آموخته رشته مهندسی منابع طبیعی-بیابان زدایی از دانشگاه تهران است. ایشان بیش از 15 سال در حوزه سنجش از دور و سامانه های اطلاعات جغرافیایی تجربه کار پژوهشی دارد و از سال 1392 در دانشکده محیط زیست استاد دروس سامانه های اطلاعات جغرافیایی و سنجش از دور در مقطع کارشناسی ارشد می باشند.

مطالب مرتبط

2 thoughts on “تعیین تغییرات سنجش از دوری دکتر بهزاد رایگانی بخش اول : گام های ابتدایی”

پاسخی بگذارید

اینها را هم ببینید

بسته
Translate »
%u0637%u0631%u0627%u062D%u06CC %u0633%u0627%u06CC%u062A
Copy Protected by Chetan's WP-Copyprotect.
بسته