تصاویر با توان تفکیک مکانی بالا مانند IRS به منظور استخراج اطلاعات پوشش زمین در مقیاس محلی تا ناحیه ای مورد استفاده قرار می گیرند. اما استفاده از این تصاویر به صورت چندزمانه بسیار پرهزینه و محدود است. از سوی دیگر، تصاویر سنجنده MODIS به صورت روزانه از نواحی گسترده در 36 باند مختلف و با توان های تفکیک مکانی 250، 500 و 1000 متر باسهولت زیادی قابل دسترس است. ولی به علت ضعف قدرت تفکیک مکانی، این تصاویر برای بررسی جزییات در محیط های پیچیده با تنوع پوشش بالا مناسب نمی باشند. لذا استفاده همزمان از تصاویر MODIS و IRS می تواند مفیدتر باشد.در این تحقیق، امکانات ترکیب تصاویر IRS و MODIS اخذ شده از بخشی از نواحی استان تهران با استفاده از تکنیک جداسازی طیفی موردبررسی قرار گرفته است. در این تکنیک، ابتدا تصویر IRS طبقه بندی شده، سپس سهم هرکلاس در هریک از پیکسل های تصویر MODIS محاسبه می شود. بامحاسبه رادیانس هریک از پیکسل های MODIS و اعمال الگوریتم جداسازی طیفی، مشخصه طیفی برای هریک از انواع پوشش های زمینی موجود محاسبه شده و بر مبنای آن تصویر ترکیب شده تولید می شود.نتایج به دست آمده نشان می دهندکه تصویر ترکیب شده، استفاده از توان تفکیک طیفی تصویر MODIS به منظور بارزسازی بیشتر عوارض در نواحی ناهمگن را امکان پذیر می سازد. ضمنا واریانس محلی و نوع پوشش تاثیر زیادی بر کیفیت تصویر ترکیبی دارند. نتایج این روش رابطه زیادی با دقت زمین مرجع نمودن تصاویر با توان تفکیک مکانی بالا و پایین نشان می دهند و با افزایش آن، کیفیت تصاویر تولیدی نیز افزایش می یابد.

آشکار سازی اهداف جزء پیکسل با بهره مندی از تصاویر ابرطیفی، تاکنون رشد چشمگیری داشته است به نحوی که انواع متفاوتی از روشهای مبتنی بر فضاهای ویژگی، طیف یا پدیده در مطالعات متعدد ارائه شده اند. اهداف معدنی، با توجه به گستره حضور آنها که معمولا کمتر از سطح کامل یک پیکسل تصویری است، از انواع تارگتهایی هستند که آشکارسازی آنها بر مبنای تصاویر ابرطیفی از اهمیت ویژه ای برخوردار است. هدف اصلی در این کار پژوهشی، ارائه یک روش آشکارسازی جدید مبتنی بر ترکیب اطلاعات طیف و مشتق منحنی طیفی است که در یک منطقه معدنی مورد بررسی قرار خواهد گرفت. در این کار ابتدا، یکی از مراتب مشتق به عنوان مرتبه مناسب در آشکارسازی به عنوان دانش اولیه به مدل وارد می شود. با توجه به اینکه استفاده از طیف مشتق ماهیتا موجب از بین رفتن اجزاء فرکانس پایین طیف می شود. لذا، اگر بتوان به طریقی اطلاعات طیف معمولی را نیز در کنار مزیتهای موجود در طیف مشتق به نحوی به فرآیند پردازش اطلاعات اضافه کرد، به این ترتیب می توان ادعا کرد که به صورت همزمان از اکثریت اطلاعات موجود در منحنی طیفی یک تارگت استفاده شده است. بنابراین در این کار پژوهشی، از ترکیب اطلاعات طیف مرتبه صفر و طیف مشتق منتخب، جهت آشکارسازی تعدادی هدف معدنی استفاده شد. نتایج این مطالعه، نشان داد که ترکیب اطلاعات طیف و مشتق در آشکارسازی تمامی نمونه های مورد مطالعه بهبود چشمگیری ایجاد کرده است. به نحوی که این بهبود به ترتیب در نمونه های آلونیت، کائولینیت، هماتیت و اپیدوت برابر با 28%، 24%، 26% و 16% برآورد شده است.

اختلاف قدرت تفکیک تصاویر چند طیفی و تصویر پانکروماتیک به عنوان یکی از عوامل تاثیرگذار بر عملکرد طیفی و مکانی روشهای ترکیب تصاویر مطرح می باشد که هدف این تحقیق قرار داده شده است. پس از تهیه تصاویر چندطیفی شبیه سازی شده با قدرت تفکیک 8، 12، 16، ... و 44 متری از تصاویر چندطیفی آیکنوس و تصویر پانکروماتیک شبیه سازی شده 4 متری با استفاده از چهار روش ترکیب تصاویر، شامل روشهای ترکیب مبتنی بر تبدیل Brovey، تبدیل مولفه های اصلی، تبدیل موجک و تبدیل مولفه های اصلی-تبدیل موجک، تصاویر چند طیفی شبیه سازی شده با تصویر پانکروماتیک شبیه سازی شده، ترکیب شدند. از شاخصهای کمی شامل ضریب همبستگی برای بررسی کیفیت طیفی و از شاخص آنتروپی برای بررسی کیفیت مکانی تصاویر ترکیب شده استفاده شد. نتایج این تحقیق نشان دهنده آن است که نوع تاثیرگذاری افزایش اختلاف اندازه پیکسلهای تصاویر چند طیفی در مقایسه با پیکسلهای تصویر پانکروماتیک، وابسته به روشی می باشد که برای ترکیب تصاویر استفاده می شود. همچنین در بین روشهای استفاده شده برای ترکیب تصاویر، روش ترکیب مبتنی بر تبدیل Brovey کمترین حساسیت نسبت به تغییرات اختلاف اندازه پیکسلها و روش ترکیب مبتنی بر تبدیل مولفه های اصلی-ترکیب موجک بیشترین حساسیت را دارند. همچنین رابطه تغییرات کیفیت طیفی و مکانی تصاویر ترکیب شده نسبت به افزایش اختلاف قدرت تفکیک تصاویر چند طیفی و پانکروماتیک به صورت غیرخطی می باشد.

سطح های هیرشفلد و نمودار اثر انگشت دو بعدی برای تحلیل برهم کنش های بین مولکولی استفاده می شود. در این پژوهش سنتز، ساختار بلوری و برهم کنش های بین مولکولی ترکیب جدید {[cyclo-C6H11)N(CH3)]P(S)[NC4H8O]2}2.CH3OHبررسی می شود. واحد بی تقارن این ترکیب شامل دو مولکول فسفروتیوئیک تری آمید مستقل و یک مولکول حلال متانول است. محیط اطراف اتم فسفر به صورت چهار وجهی انحراف یافته با زاویه های پیوندی بیشینه برای یکی از زاویه های N-P=S و زاویه پیوندی کمینه مربوط به یکی از زاویه های N-P-N می باشد. از شش اتم نیتروژن در دو مولکول فسفروتیوئیک تری آمید محیط اطراف چهار اتم نیتروژن به صورت غیر مسطح دیده می شوند و دو اتم دیگر به تقریب حالت مسطح را نشان می دهند. سطح های هیرشفلد و نمودار اثر انگشت دو بعدی برآمده از برهم کنش های بین مولکولی با استفاده از برنامه کریستال اکسپلورر ایجاد می شود که برای آن از پوشه داده های بلورنگاری به عنوان ورودی به نرم افزار استفاده می شود. بررسی ها نشان می دهد که برهم کنش های H ··· H مربوط به دو مولکول مستقل فسفروتیوئیک تری آمید دارای سهمی به میزان 78.3% و 77.7% از برهم کنش های کل مربوط به این مولکول ها می باشد. برهم کنش C-H ··· O در یکی از مولکول های فسفروتیوئیک تری آمید و برهم کنش C-H ··· S=P در مولکول دیگر، برهم کنش های شاخص هستند که در سطوح هیرشفلد با ناحیه قرمز مشخص می شوند. شناسایی ترکیب با استفاده از طیف سنجی فروسرخ و رزونانس مغناطیسی هسته (برای هسته های هیدروژن، کربن و فسفر) و طیف بینی جرمی انجام گرفته است.

فن­­آوری سنجش از دور ابرطیفی دارای کاربردهای فراوان در طبقه­بندی پوشش­های زمین و بررسی تغییرات آنها است. پیشرفت­های اخیر و ایجاد تصاویری با قدرت تفکیک مکانی بالا، لزوم استفاده توام از اطلاعات طیفی و مکانی را در طبقه­بندی تصاویر ابرطیفی ایجاب می­کند. در این تحقیق روشی جدید جهت طبقه­بندی طیفی-مکانی تصاویر ابرطیفی معرفی شده ­است. در روش پیشنهادی ابتدا ده ویژگی مکانی، میانگین، انحراف معیار، درجه تباین، یکنواختی، همبستگی، عدم تشابه، انرژی، آنتروپی، تبدیل موجک و فیلتر گابور، از پیکسل­های همسایگی تصویر ابرطیفی استخراج ­شده است. سپس ابعاد ویژگی­های طیفی و مکانی بدست­آمده با الگوریتم ژنتیک وزن­دار کاهش یافته و در ادامه به صورت موازی دو الگوریتم قطعه­بندی سلسله مراتبی و طبقه­بندی جنگل پوشای کمینه (MSF) مبتنی بر نشانه بر روی ویژگی­های کاهش یافته اعمال و در نهایت نتایج با قانون تصمیم رای اکثریت ترکیب گردیده است. روش پیشنهادی بر روی دو تصویر ابرطیفی پیاده­سازی شد، نتایج بررسی های انجام شده برتری و افزایش دقت روش پیشنهادی را نسبت به روش طبقه­بندی ماشین بردار پشتیبان (SVM) نشان می­دهد، که این افزایش برای تصویر Indiana Pine حدود 10 درصد و برای تصویر Washington DC Mall حدود 7 درصد در معیار دقت کلی می­باشد.

اندازه گیری و برآورد پارامترهای ساختاری جنگل ها با دقتی مناسب می تواند به تصمیم گیری های مربوط به محافظت از جنگل ها و مدیریت پایدار آن ها در سطح محلی و جهانی کمک شایان توجهی نماید. با کمی کردن این پارامترها می توان حجم چوب تولیدی و ارزش اقتصادی جنگل ها را براورد کرد. میانگین سن و ارتفاع درختان ازجمله پارامترهایی هستند که در ارزیابی قابلیت تولید و حجم چوب در جنگل های دست کاشت بسیار حائز اهمیت می باشند. هدف از این تحقیق، استفاده از اطلاعات طیفی و بافتی و همچنین ترکیب آن ها در سطح ویژگی به منظور تخمین پارامترهایی چون میانگین سن و ارتفاع توده های درختان سوزنی برگ Pinus radiata می باشد. در این تحقیق از تصاویر چند طیفی و پانکروماتیک اسپات-[1]5 به منظور استخراج اطلاعات طیفی و بافتی استفاده گردید. اطلاعات طیفی شامل شاخص های گیاهی و تبدیل مولفه های اصلی و ضرایب انعکاس و برای استخراج اطلاعات بافتی تصویر پانکروماتیک، از ماتریس وقوع توام گام های خاکستری در چهار اندازه پنجره و چهار زاویه مختلف استفاده شد. در این تحقیق از رگرسیون چند متغیره برای مدل سازی روابط بین پارامترهای ساختاری (میانگین سن و ارتفاع) که از طریق نمونه گیری میدانی اندازه گیری شده و متغیرهای طیفی و بافتی استخراج شده از تصاویر استفاده گردید. نتایج این تحقیق نشان داد که اطلاعات طیفی مستخرج از تصاویر چند طیفی اسپات-5 و اطلاعات بافتی مستخرج از تصویر پانکروماتیک این ماهواره، در تخمین میانگین سن و ارتفاع درختان عملکرد مشابهی دارند. همچنین نتایج ترکیب داده های طیفی و بافتی نشان داد که نسبت گیری داده های طیفی و بافتی، بهترین مدل را در تخمین میانگین سن با درصد خطای 17%و میانگین ارتفاع درختان با درصد خطای 13%نسبت به سایر ورودی ها ارائه می دهد.

متن کامل این مقاله به زبان انگلیسی می باشد. لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

روش ای ترکیبی برای تعیین عمق موهو در نبود نقاط لرزه ای با چگالی و پوشش مناسب عمدتاً در مطالعات ژئوفیزیک، ژئودزی مورد استفاده قرار می گیرد. در میان این روش ها می توان به روش پارکر-اولدنبرگ و ونینگ ماینتز مورتس اشاره کرد. با هدف بهبود مدل­های موجود عمق موهو در پهنه فرورانشی مکران به عنوان یک منطقه با زمین ساخت پیچیده، دو مدل مختلف به نام های BC و SC با روش ترکیبی ثقلی- لرزه ای توسعه داده شد. داده های جهانی(CRUST1.0)  و مدل ونینگ ماینز موریتس VMM (Vening Meinesz-Mortiz) به ترتیب به عنوان داده های لرزه ای و گرانشی، به روشی مناسب و با دو رویکرد فیلتر و ترکیب طیفی و استفاده از سرشکنی کمترین مربعات مورد استفاده قرار گرفته است. مدل های به دست آمده دارای وضوح '5×'5 درجه معادل شبکه ای با ابعاد حدود 9×9 کیلومتر هستند. دقت موهو به دست آمده با چهار مدل مختلف منطقه ای و محلی ارزیابی شد. RMS نتایج به دست آمده به ترتیب 92/2، 75/1، 85/4 و 27/1 کیلومتر برای مدل BC و41/2، 41/0، 48/4 و 04/3 کیلومتر برای مدل SC است. مدل عمق موهو به دست آمده برای مکران غربی در ایران و اطراف آن به میزان قابل ملاحظه ای وضوح، دقت و قدرت تفکیک مدل های عمق موهو را در منطقه مورد مطالعه بهبود داده است.

سابقه و هدف: محدودیت های تکنیکی در طبقه بندی محیط های تالابی که دارای ناهمگونی زیادی ازنظر پوشش، کاربری و تنوع گونه های گیاهی هستند باعث تداخل در نتایج طبقه بندی و عدم دقت و صحت بالا در تفکیک کلاس های طبقه بندی پوشش های مختلف گیاهی می شود که متاسفانه بر روی تالاب انزلی کارهای بسیار اندکی انجام شده است. هدف اصلی این مطالعه بررسی ترکیب داده های چند طیفی و راداری در بهبود روش های طبقه بندی محیط های تالابی و ارائه روشی جهت تفکیک هرچه بهتر پوشش های مختلف گیاهی در این محیط های غنی با تنوع زیستی بالا است. در این روش جهت بررسی بهتر تغییرات شاخص طیفی در طول یک سال از سامانه متن باز گوگل ارث انجین استفاده شده تا رفتار طیفی پدیده ها در طول سال به طور دقیق موردمطالعه قرار گیرد. مواد و روش ها: در این مطالعه از ترکیب داده های سنتیل 1 و2 به همراه ترکیب داده های سنتینل 2 و شاخص های طیفی NDVI، SAVI و mNDWI استفاده شده است. بهترین تصویر هر فصل (تابستان، پاییز، زمستان و بهار) از سال 2016 تا 2022 به منظور تهیه نقشه طبقه بندی و بررسی دقیق تر تغییرات موجود در تالاب، استفاده شد. به منظور طبقه بندی تصویر، نمونه های آموزشی بر اساس نمونه برداری های میدانی، ترکیب تصاویر ماهواره ای و تصاویر گوگل ارث انتخاب شدند. درنهایت برای طبقه بندی از سه الگوریتم نظارت شده ماشین بردار پشتیبان، شبکه عصبی و حداکثر احتمال استفاده شدند. همچنین نقشه شاخص ها در سامانه گوگل ارث انجین تهیه و محاسبه شاخص ها با استفاده از پروداکت های آماده موجود در این سامانه صورت گرفت و به صورت ماهانه به مدت یک سال مورد بررسی گردید. برای اطمینان از طبقه بندی و ارزیابی دقت طبقه بندی از معمول ترین پارامترهای برآورد صحت، صحت کلی، دقت تولیدکننده، دقت کاربر و ضریب کاپا استفاده شد. نتایج و بحث: نتایج نشان داد که ترکیب داده های سنتینل 1 و 2 نتایج بهتری را نسبت به ترکیب داده های سنتینل 2 و شاخص های طیفی دارد، به طوری که در چهار دوره بررسی ضریب کاپا به ترتیب 91/0، 84/0، 79/0، 97/0 و دقت کلی 99/92، 43/87، 80/83، 90/97 (در سال های 2016، 2017، ژانویه 2022 و جولای 2022) در ترکیب داده های سنتینل 1 و 2 به مراتب بیشتر از ترکیب داده های سنتینل 2 با شاخص های طیفی است. همچنین ترکیب داده های سنتینل 1و 2 باعث آشکارسازی هرچه بهتر پهنه های آبی و همچنین رویشگاه های لاله تالابی می شود. هر سه شاخص NDVI، SAVI و mNDWI همبستگی بالایی در بررسی تغییرات در سال های مطالعه دارند، طوری که در شش ماه اول سال روند افزایشی و در شش ماه دوم روندی کاهشی مشاهده شد و روند تغییرات گیاهی و آبی یکسان است. نتیجه گیری: پیچیدگی های متعددی در ساختار فضایی تالاب ها رخ می دهد که شناسایی نوع پوشش زمین و تهدیدهای موجود را چالش برانگیز می کند. این مطالعه استفاده از داده های چند زمانی Sentinel-1 و -2 را برای بررسی خصوصیات جامع تالاب ارائه می نماید. بررسی صحت طبقه بندی در چهار دوره مطالعه در بازه زمانی سال های 2016 تا 2022 در استفاده از سه الگوریتم طبقه بندی ماشین بردار پشتیبان، حداکثر احتمال و شبکه عصبی نشان داد که ترکیب داده های سنتینل 2 و سنتینل 1 از دقت کلی و ضریب کاپا بالاتری نسبت به ترکیب داده های سنتینل 2 با شاخص های طیفی از برخوردار است. در بین 3 الگوریتم استفاده شده در تمامی سال ها الگوریتم حداکثر احتمال بیشترین میزان دقت کلی و ضریب کاپا را به نسبت به دو الگوریتم دیگر دارد.